突发公共卫生事件下城市生鲜需求预测与配送研究

耿梦宇

2024届 应用统计专业

  中文摘要：近几年，重大突发事故频繁发生，对人民群众的人身、财产造成了极大的损害。由于生鲜食品是人民生活必需品，其物流运输具有数量大、运输条件复杂及运输次数频繁等特点，传统的配送方式会增加配送人员与社区居民之间交叉感染的风险。因此，在突发公共卫生事件的背景下，对城市生鲜产品应急物流需求预测和配送路径的研究势在必行。

  区别于传统的物流问题，本研究以突发事件下的应急物流为背景，建立基于协同与集成的需求预测与物资调度配送方法，并将其用于城市突发事件应急物流问题中。首先，介绍了本文的研究背景和研究意义，对国内外有关城市应急物流供需与配送路径的研究现状进行了综述，并对已有的研究现状和不足之处进行了总结。其次，分为两步构建需求预测模型。第一步，构建了一种新的基于灰色预测模型和时间序列模型两种单一模型的双变量组合预测模型，并以2021年新冠疫情公共卫生事件为例，对我国的疫情受影响人数进行定量评估来验证预测模型的准确性。第二步，根据受灾人口与囤积行为，建立生鲜食品需求量的数学模型，并对各个需求点的需求量进行预估。然后，在需求预测的基础上，基于多目标优化原则，构建基于时间满意度和成本的城市生鲜应急配送方案模型，采用改进的和声搜索算法对其进行优化，从而构建一套完整的生鲜应急配送方案。最后，选择长春市2022年4月新冠疫情的数据对设计的模型进行实证检验。

  研究结果显示，组合预测模型具有较高的精度和较小的计算误差，均方根误差比时间序列预测模型低0.016，可用于对所述场景的预测。与常规的遗传算法相比，构造的优化算法具有更好的运行效率以及更好的收敛性能，收敛速度约为遗传算法的40倍。本项目的研究成果将为我国应急管理工作的开展奠定实践参考。

  关键词：生鲜应急物流，需求预测，组合模型，路径优化，双目标模型，和声搜索算法