公共衛(wèi)生背景下的城市應(yīng)急物流配送模式研究＊

■ 毛志勇 郭田宇 劉 佳

1.遼寧工程技術(shù)大學(xué)工商管理學(xué)院 葫蘆島 125100

2.燕山大學(xué)經(jīng)濟(jì)管理學(xué)院 秦皇島 066000

0 引言

2020年新冠疫情的爆發(fā)，使得醫(yī)療應(yīng)急物流的研究顯得極為重要，在經(jīng)歷疫情初期的混沌后，我國(guó)政府迅速做出反應(yīng)，提出“一省支援一市”的政策，各個(gè)省份的醫(yī)療物資有序地發(fā)往湖北，醫(yī)務(wù)人員第一時(shí)間參與到抗疫中來(lái)。這體現(xiàn)了我國(guó)在重大疫情發(fā)生的情況下的應(yīng)變能力以及醫(yī)療應(yīng)急物流的高效性。在應(yīng)急物流中，高效的運(yùn)輸是醫(yī)療物資發(fā)揮最大作用的重要保障。

自2015年以來(lái)，國(guó)外文獻(xiàn)對(duì)于應(yīng)急物流的記載中，Buyuktahtakin 等[1]于2018年提出了應(yīng)急物流的選址分配模型，并通過(guò)埃博拉疫情進(jìn)行驗(yàn)證；2015年，He Yuxu‐an等[2]基于SEIR 模型建立了應(yīng)急物流的線性規(guī)劃模型，并引入了需求未滿(mǎn)足懲罰函數(shù)；Moreno 等[3]提出了多時(shí)段的配送中心選址問(wèn)題，并且車(chē)輛可以重復(fù)使用，通過(guò)算例求解驗(yàn)證了其有效性；Bouziyand 等[4]將動(dòng)態(tài)時(shí)間窗加入到VRP問(wèn)題中，提出基于遺傳算法和變鄰域搜索算法的混合算法解決該類(lèi)問(wèn)題；Chang Keliang 等[5]建立了基于動(dòng)態(tài)需求的最小化總成本模型，并且引入了變速運(yùn)輸；Dearmas等[6]提出了基于變鄰域搜索策略的算法的模型，解決了多目標(biāo)車(chē)輛的路徑優(yōu)化問(wèn)題。

國(guó)內(nèi)研究中，劉明、李穎祖等[7]針對(duì)突發(fā)疫情的應(yīng)急物流，結(jié)合疫區(qū)人口的流動(dòng)性及密度，建立了基于服務(wù)水平的疫區(qū)應(yīng)急物流網(wǎng)絡(luò)優(yōu)化模型，并以甲型H1N1 流感為算例進(jìn)行驗(yàn)證；鄭斌等[8]構(gòu)建了以最大時(shí)間滿(mǎn)意度和物資分配公平性的雙層規(guī)劃路徑優(yōu)化模型，在滿(mǎn)意度最大的同時(shí)兼顧了物資的公平分配；王新平[9]等提出了橫縱結(jié)合的應(yīng)急物流配送方案，使應(yīng)急物流更加貼合實(shí)際；何新華[10]等將道路阻斷與應(yīng)急物流結(jié)合，考慮了道路不通情況下應(yīng)急物流與交通路網(wǎng)的協(xié)同優(yōu)化問(wèn)題；孫華麗等[11]考慮路徑超期風(fēng)險(xiǎn)和設(shè)施點(diǎn)失靈對(duì)系統(tǒng)的影響,針對(duì)需求點(diǎn)物資需求量和車(chē)輛運(yùn)輸時(shí)間不確定,構(gòu)建三級(jí)路網(wǎng),基于魯棒優(yōu)化思想,建立了以物資送達(dá)需求點(diǎn)救援時(shí)間之和最小為目標(biāo)的應(yīng)急設(shè)施選址-路徑魯棒優(yōu)化模型并求解；福州大學(xué)的劉虹等[12]通過(guò)阿倫尼烏斯方程建立客戶(hù)厭惡度函數(shù)，使用智能算法對(duì)建立的模型進(jìn)行優(yōu)化求解；劉長(zhǎng)石等[13]將不確定的需求量及時(shí)間窗用三角模糊數(shù)表示，構(gòu)建優(yōu)化模型；李卓等[14]通過(guò)改進(jìn)蟻群算法與變鄰域搜索算法的結(jié)合，對(duì)混合車(chē)輛的路徑進(jìn)行優(yōu)化；宋英華等[15]將車(chē)輛等待的情況考慮進(jìn)應(yīng)急物資的調(diào)配中，提出基于實(shí)數(shù)編碼的遺傳算法進(jìn)行求解，鄧紅星等[16]在路徑優(yōu)化中加入了對(duì)隨機(jī)需求方面的考慮。

綜上所述，以往研究大多單純的以總成本最小為優(yōu)化目標(biāo)，雖然使配送成本得到了優(yōu)化，但同時(shí)忽略物資需求的緊迫性，造成了物資運(yùn)送的滯后。本文從實(shí)際出發(fā)，充分考慮各個(gè)受災(zāi)點(diǎn)對(duì)于物資需求不同程度的緊迫性，并在考慮配送成本的同時(shí)，以此為依據(jù)進(jìn)行配送路徑選擇。相較于憑借人為經(jīng)驗(yàn)預(yù)估需求的緊迫程度，本文通過(guò)對(duì)時(shí)間緊迫度的計(jì)算，將其定量化，避免了相關(guān)決策人員主觀因素的干擾。基于此，本文構(gòu)建了考慮時(shí)間緊迫度的應(yīng)急物流路徑優(yōu)化模型。在模型求解方面，考慮到常規(guī)遺傳算法容易造成過(guò)早收斂，故對(duì)遺傳算法進(jìn)行改進(jìn)，使其避免陷入局部最優(yōu)解的同時(shí)，保持了種群的多樣性。最后，采用對(duì)比研究的方法分析了時(shí)間緊迫度對(duì)應(yīng)急物流成本的優(yōu)化。

1 問(wèn)題描述與模型構(gòu)建

1.1 問(wèn)題描述

疫情發(fā)生后，Z 市因儲(chǔ)備不足需要從外部輸送應(yīng)急藥品。將該市劃分為若干區(qū)域，每個(gè)區(qū)域有一個(gè)醫(yī)療救助點(diǎn)，由于在疫情早期無(wú)法準(zhǔn)確估算現(xiàn)階段及未來(lái)可能病例數(shù)，故根據(jù)各個(gè)轄區(qū)面積指派一定量的醫(yī)護(hù)人員。為了更加符合實(shí)際，也為了避免相關(guān)人員主觀因素對(duì)配送路徑選擇的干擾，需根據(jù)時(shí)間緊迫度的大小選擇配送路徑，時(shí)間緊迫度由轄區(qū)面積、醫(yī)護(hù)人員數(shù)量和藥品缺口率三項(xiàng)指標(biāo)決定。假設(shè)該市有3 個(gè)藥品配送點(diǎn)，收到的藥品從配送點(diǎn)出發(fā)分配給各個(gè)轄區(qū)的醫(yī)療救助點(diǎn)，力求在保證運(yùn)輸效率的前提下，使總成本最小。

1.2 時(shí)間緊迫度模型構(gòu)建

由于收集到的各個(gè)指標(biāo)數(shù)據(jù)衡量標(biāo)準(zhǔn)不一致，需要進(jìn)行標(biāo)準(zhǔn)化處理，本文選用Z-score標(biāo)準(zhǔn)化，步驟如下：

（1）計(jì)算自變量的標(biāo)準(zhǔn)差和期望；

（2）進(jìn)行標(biāo)準(zhǔn)化處理：

X*為標(biāo)準(zhǔn)化后的變量值，X 為實(shí)際變量值，E（X）為期望,D（X）為標(biāo)準(zhǔn)差；

（3）將逆指標(biāo)前的正負(fù)號(hào)對(duì)調(diào)，X*>0 說(shuō)明高于平均水平，X*<0說(shuō)明低于平均水平

使用標(biāo)準(zhǔn)化處理后的數(shù)據(jù)做參考，在無(wú)法確定病例數(shù)的情況下，時(shí)間緊迫度與轄區(qū)面積、醫(yī)護(hù)人員數(shù)量和藥品缺口率有關(guān)。本文使用Yaahp軟件構(gòu)造層次結(jié)構(gòu)模型計(jì)算三項(xiàng)指標(biāo)的權(quán)重，并通過(guò)加權(quán)求和計(jì)算時(shí)間緊迫度:

Zi 為醫(yī)療救助點(diǎn)i 的時(shí)間緊迫度；ωi為醫(yī)療救助點(diǎn)i的權(quán)重；ηiu為醫(yī)療救助點(diǎn)i對(duì)于指標(biāo)u的標(biāo)準(zhǔn)化值；U={1,2,3}評(píng)價(jià)指標(biāo)集合。

1.3 目標(biāo)函數(shù)模型構(gòu)建

1.3.1 參數(shù)設(shè)定

I={1,2,3,4,5,6……i’}網(wǎng)絡(luò)節(jié)點(diǎn)編號(hào)集合，其中1、2、3代表藥品配送點(diǎn)；

M={1,2,3,……m’}車(chē)輛編號(hào)集合；

P0:每輛車(chē)進(jìn)行配送的固定成本;

Lij:所經(jīng)過(guò)地i和所經(jīng)過(guò)地j之間的距離;

a:補(bǔ)貼系數(shù)；

b:延后到達(dá)單位時(shí)間（1h）的懲罰；

c:車(chē)輛行駛的單位成本（km/元）；

vijm:車(chē)輛m在從i到j(luò)時(shí)的行駛速度；

tim:藥品運(yùn)送車(chē)m到達(dá)醫(yī)療救助點(diǎn)i的時(shí)間；

tijm:藥品運(yùn)送車(chē)m從i到j(luò)的時(shí)間；

Qm:藥品運(yùn)送車(chē)最大載重量；

qi:醫(yī)療救助點(diǎn)i所需藥品量，i∈I；

1.3.2 配送成本模型構(gòu)建及假設(shè)

本文中車(chē)輛型號(hào)一致且藥品種類(lèi)唯一且需冷藏保存，外界支援的藥品量足夠該市使用，車(chē)輛勻速駛，每個(gè)醫(yī)療救助點(diǎn)只能由一個(gè)藥品配送點(diǎn)配送，車(chē)輛在配送完畢后需返回出發(fā)的藥品配送點(diǎn)，由于藥品的緊急性，本文不設(shè)定最早到達(dá)時(shí)間。

車(chē)輛固定成本、行駛成本、藥品冷藏成本分別為：

式（3）中P0為車(chē)輛固定成本，n為動(dòng)用的車(chē)輛總數(shù)；

式（4）中c 為單位距離運(yùn)輸成本，Lij為醫(yī)療救助點(diǎn)i與j之間的距離，xijm決策變量；

式（5）中R 為車(chē)廂熱轉(zhuǎn)換系數(shù)，取某一固定常數(shù)，Sm為車(chē)廂表面積（m2），P1為單位冷藏成本，△T為車(chē)廂內(nèi)外溫差，λ為車(chē)廂劣化程度，取某一固定常數(shù)。

由于藥品需求的緊迫性，越早送達(dá)就可以越早投入使用，故軟時(shí)間窗不設(shè)置最早接受時(shí)間，只設(shè)置期望時(shí)間和最遲時(shí)間，時(shí)間窗為（-,-，LTi，LLTi），在期望時(shí)間LTi之前送達(dá)，政府會(huì)給與一定補(bǔ)貼。

補(bǔ)貼額度為r=a(LTi-ti)，ti為運(yùn)送車(chē)輛到達(dá)醫(yī)療救助點(diǎn)i的時(shí)間，a為補(bǔ)貼系數(shù)，

送達(dá)時(shí)間在（LTi，LLTi）為延誤送達(dá)，會(huì)對(duì)醫(yī)療救助點(diǎn)產(chǎn)生一定影響，需要支付一定懲罰成本。送達(dá)時(shí)間在（LLTi,+∞）則錯(cuò)過(guò)最佳時(shí)機(jī)，此次配送無(wú)效，處罰極大。

政府補(bǔ)貼、懲罰成本分別為：

式（6）中a為補(bǔ)貼系數(shù)，tim為車(chē)輛m 到達(dá)醫(yī)療救助點(diǎn)i的時(shí)間，γi為決策變量；

式（7）中b為懲罰系數(shù)，tim同上，θi為決策變量。

配送總成本為：

由于C1與行駛時(shí)間無(wú)關(guān)，C2、C3、C4與行駛時(shí)間呈正相關(guān)，r與行駛時(shí)間呈負(fù)相關(guān)，故C與行駛時(shí)間呈正相關(guān)，即配送總成本越低，行駛時(shí)間越少。

目標(biāo)函數(shù)為：

約束條件為：

（10）表示不超載；（11）表示藥品運(yùn)送車(chē)配送完醫(yī)療救助點(diǎn)后必須離開(kāi)，不得停留；（12）和（13）表示車(chē)輛完成配送后，必須返回出發(fā)的配送中心；（14）和（15）表示每個(gè)醫(yī)療救助點(diǎn)只能由一輛車(chē)負(fù)責(zé)；（16）～（19）為決策變量。

2 研究方法與算法設(shè)計(jì)

2.1 算法概述

遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型，在每一代中根據(jù)問(wèn)題域中個(gè)體的適應(yīng)度大小選擇個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出代表新的解集的種群，是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。

2.2 模型及算法流程

本研究采用雙層編碼的設(shè)計(jì)來(lái)模擬多配送點(diǎn)的情況，下述操作中，均為雙層編碼同時(shí)進(jìn)行，步驟如下：

（1）形成初始種群

采用雙層實(shí)數(shù)編碼形成初始種群，X 層表示救助點(diǎn)的配送順序，Y層表示救助點(diǎn)所對(duì)應(yīng)的配送點(diǎn)：

X 層:隨機(jī)生成一個(gè)規(guī)模為NP*Num 的零矩陣用于儲(chǔ)存配送方案，NP 表示種群規(guī)模，Num 表示救助點(diǎn)數(shù)量，本研究中NP=200,Num=10，下面僅列出了某一條染色體作為示例；

表示在本方案中，救助點(diǎn)接受配送的順序?yàn)椋壕戎c(diǎn)9—救助點(diǎn)4—救助點(diǎn)5……

Y層:隨機(jī)生成一個(gè)規(guī)模為NP*CenterNum的零矩陣用于儲(chǔ)存配送點(diǎn)的配送范圍，CenterNum 表示配送點(diǎn)數(shù)量，本研究中CenterNum=3;

表示在本方案中，救助點(diǎn)1、5 由配送點(diǎn)3 負(fù)責(zé)，救助點(diǎn)2、3由配送點(diǎn)2負(fù)責(zé)，救助點(diǎn)4、6由配送點(diǎn)1負(fù)責(zé)。

（2）計(jì)算適應(yīng)度

適應(yīng)度越大被選擇概率越高，故取為1/C；

（3）選擇

選用輪盤(pán)賭選擇法，隨機(jī)選擇父代；

（4）交叉

選用兩點(diǎn)交叉，即所選父代染色體交叉點(diǎn)間的基因互換；

（5）檢驗(yàn)

在交叉操作后假如檢驗(yàn)步驟，檢驗(yàn)交叉操作是否生成了有效的子代染色體，若交叉后產(chǎn)生的子代染色體中沒(méi)有重復(fù)基因，則通過(guò)檢驗(yàn)，否則返回步驟（4）重新選擇父代；

例如：

子代染色體2 中的第2、4 位基因重復(fù)，故未通過(guò)檢驗(yàn)。

（6）變異（交換變異、逆轉(zhuǎn)變異、插入變異）

相比于傳統(tǒng)的變異算子，本研究中引入了組合變異算子，在運(yùn)用精英策略的同時(shí)，保持了種群的多樣性，避免陷入局部最優(yōu)解，操作步驟如下：

Step1：交換變異，即在所選父代染色體內(nèi)，隨機(jī)選取兩個(gè)不穩(wěn)定基因，使其互換，由于交換變異運(yùn)用較為廣泛，文中不再過(guò)多介紹；

Step2:引入逆轉(zhuǎn)算子，對(duì)逆轉(zhuǎn)區(qū)內(nèi)的基因取倒序，改變?cè)虻呐判颍瑥亩褂行┗蚋与y以分離，有助于跳出局部極小值，在逆轉(zhuǎn)結(jié)束后重新計(jì)算各條染色體的適應(yīng)度，適應(yīng)度值提高則保留新染色體，否則逆轉(zhuǎn)無(wú)效，保留原染色體；

Step3:因輪盤(pán)賭選擇法在操作過(guò)后可能會(huì)有小概率的個(gè)體被忽略，為了保持種群規(guī)模不變，故在上述操作完成后，計(jì)算各條染色體的適應(yīng)度并降序排列。取NP為父代種群規(guī)模，NSel為子代種群規(guī)模，令A(yù)=NP-NSel，選中降序排列的適應(yīng)度所對(duì)應(yīng)的前A 條染色體作為新種群的前A 條染色體，后面再與經(jīng)過(guò)選擇、交叉、變異、逆轉(zhuǎn)后的子代種群重組，形成新的重組種群，結(jié)束插入變異。

假設(shè)父代種群有3條染色體，適應(yīng)度分別為4,5,3；子代種群有2條染色體。

將算法運(yùn)用到模型中，流程如圖1所示。

圖1 模型流程圖

3 數(shù)據(jù)來(lái)源及實(shí)驗(yàn)分析

3.1 醫(yī)療救助點(diǎn)時(shí)間緊迫度分析

運(yùn)用SPSS17.0 軟件對(duì)Z 地區(qū)收集來(lái)的數(shù)據(jù)進(jìn)行Zscore 標(biāo)準(zhǔn)化，由于疫情早期患者數(shù)量未知，目前可以收集到的數(shù)據(jù)包括醫(yī)護(hù)人員數(shù)量、貨物缺口率以及各個(gè)轄區(qū)的面積，對(duì)這3類(lèi)指標(biāo)的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，見(jiàn)表1-2（編號(hào)1～3為藥品配送點(diǎn)，未列入下表）：

表1 各指標(biāo)原始數(shù)據(jù)

計(jì)算可知醫(yī)護(hù)數(shù)量、貨物缺口率、轄區(qū)面積的均值分別為68.2、0.259、655.8，表2中標(biāo)準(zhǔn)化后均值記為0，計(jì)算結(jié)果符合標(biāo)準(zhǔn)正態(tài)分布，數(shù)據(jù)為負(fù)說(shuō)明其在y 軸左側(cè)（小于均值），為正說(shuō)明在y軸右側(cè)（大于均值）。

表2 Z-score標(biāo)準(zhǔn)化數(shù)據(jù)

根據(jù)Z-score標(biāo)準(zhǔn)化數(shù)據(jù)，運(yùn)用層次分析法建立層次結(jié)構(gòu)模型，在保證矩陣一致性的前提下請(qǐng)相關(guān)人員進(jìn)行打分（見(jiàn)表3），最后計(jì)算出各個(gè)指標(biāo)的權(quán)重。

表3 yaahp相對(duì)得分表

通過(guò)yaahp 計(jì)算得到醫(yī)護(hù)數(shù)量、藥品缺口率、轄區(qū)面積的權(quán)重分別為w1=0.359、w2=0.450、w3=0.191。以看出，藥品缺口率在時(shí)間緊迫度中所占權(quán)重最大，醫(yī)護(hù)數(shù)量次之，轄區(qū)面積占比較低，故此次藥品運(yùn)輸對(duì)于抗擊疫情有重大意義。

根據(jù)公式（2）計(jì)算出各個(gè)醫(yī)療救助點(diǎn)的時(shí)間緊迫度，見(jiàn)表4：

表4 各醫(yī)療救助點(diǎn)時(shí)間緊迫度

時(shí)間緊迫度由高到低排列的醫(yī)療救助點(diǎn)編號(hào)為4、11、8、9、5、6、12、7、10、13。

3.2 車(chē)輛路徑分析

3.2.1 坐標(biāo)及時(shí)間窗設(shè)置

根據(jù)各個(gè)醫(yī)療救助點(diǎn)時(shí)間緊迫度的大小科學(xué)的設(shè)置時(shí)間窗。時(shí)間緊迫度的極差為2.92，由于一共有10 個(gè)救助點(diǎn)，故時(shí)間窗設(shè)置規(guī)則為時(shí)間緊迫度每降低0.3，最遲接受時(shí)間推遲30分鐘，根據(jù)對(duì)時(shí)間緊迫度的計(jì)算合理的設(shè)置時(shí)間窗，確保選出最優(yōu)的行駛路徑。

對(duì)時(shí)間緊迫度進(jìn)行聚類(lèi)分析，分析結(jié)果如圖2：

在距離為7.5時(shí)，可以分為三級(jí)：

第一級(jí)包括編號(hào)為4 的救助點(diǎn)、第二級(jí)包括編號(hào)為13、5、9、8、11的救助點(diǎn)，第三級(jí)包括編號(hào)為6、12、7、10的救助點(diǎn)。由于時(shí)間緊迫度越高，對(duì)于時(shí)間窗的要求越嚴(yán)格，一級(jí)救助點(diǎn)LT 和LLT 間隔為30 分鐘，二級(jí)救助點(diǎn)間隔為90 分鐘，三級(jí)救助點(diǎn)間隔為120 分鐘。不考慮時(shí)間緊迫度時(shí)，間隔統(tǒng)一為120 分鐘。藥品配送點(diǎn)和醫(yī)療救助點(diǎn)坐標(biāo)及根據(jù)時(shí)間緊迫度調(diào)整后的時(shí)間窗如下：

3.2.2 參數(shù)設(shè)置

3.3 計(jì)算結(jié)果分析

運(yùn)用matlab2019a 編程，考慮時(shí)間緊迫度的計(jì)算結(jié)果如表7，不考慮時(shí)間緊迫度的計(jì)算結(jié)果如表8：

表7中的路徑為圖（3）。

表中車(chē)輛編號(hào)與出發(fā)的藥品配送點(diǎn)編號(hào)一致。由表7和表8知考慮時(shí)間緊迫度時(shí)，運(yùn)輸總成本為2450.339元，配送時(shí)長(zhǎng)為1小時(shí)41分14秒；不考慮時(shí)間緊迫度時(shí)，運(yùn)輸總成本為3580.917 元，配送時(shí)長(zhǎng)為1 小時(shí)40 分20秒。對(duì)比可知，考慮時(shí)間緊迫度時(shí)，運(yùn)輸成本降低了31.57%，配送時(shí)間減少1 分6 秒。通過(guò)上述算例可以看出，該模型的運(yùn)用，在節(jié)約配送成本的同時(shí)縮短了配送時(shí)間，驗(yàn)證了模型的有效性和實(shí)用性。

表6 參數(shù)設(shè)置

表7 考慮時(shí)間緊迫度下計(jì)算結(jié)果

表8 不考慮時(shí)間緊迫度下計(jì)算結(jié)果

4 結(jié)論和對(duì)策建議

4.1 結(jié)論

（1）本文在應(yīng)急物流路徑優(yōu)化問(wèn)題中引入時(shí)間緊迫度的概念，并通過(guò)AHP 法計(jì)算各個(gè)相關(guān)指標(biāo)的權(quán)重，加權(quán)求得各醫(yī)療救助點(diǎn)的時(shí)間緊迫度，相較于根據(jù)經(jīng)驗(yàn)決定需求的緊迫性，時(shí)間緊迫度的計(jì)算將需求緊迫性量化，更加嚴(yán)謹(jǐn)，避免了相關(guān)人員主觀因素的干擾。根據(jù)時(shí)間緊迫度調(diào)整物資需求點(diǎn)軟時(shí)間窗，以便更科學(xué)的對(duì)配送路徑進(jìn)行規(guī)劃，該模型的提出為促進(jìn)應(yīng)急物流體系的發(fā)展與完善提供了一定參考。

圖3 考慮時(shí)間緊迫度路徑圖

（2）在模型求解方面，本文分別進(jìn)行了考慮時(shí)間緊迫度和不考慮時(shí)間緊迫度的對(duì)比研究，并對(duì)遺傳算法進(jìn)行改進(jìn)，使其在求解過(guò)程中避免陷入局部最優(yōu)解。計(jì)算結(jié)果表明，相較于傳統(tǒng)配送模式，考慮時(shí)間緊迫度時(shí)，配送時(shí)長(zhǎng)減少了1分6秒，配送總成本下降31.57%，驗(yàn)證了模型有效性的同時(shí)，證明了模型提出的價(jià)值。

（3）雖然本文在前人研究的基礎(chǔ)上，將時(shí)間緊迫度加入到應(yīng)急物流中，且考慮了車(chē)輛從多個(gè)物資配送點(diǎn)同時(shí)出發(fā)的情況，但并未考慮其他因素的影響，如突發(fā)因素、不可抗力等。后續(xù)研究可以考慮多車(chē)型、變車(chē)速的醫(yī)療應(yīng)急物流。由于數(shù)據(jù)有限，文中計(jì)算時(shí)間緊迫度時(shí)僅選擇了三個(gè)影響指標(biāo)，后續(xù)研究也可以綜合更多的指標(biāo)，使時(shí)間緊迫度的計(jì)算更加精確，也使現(xiàn)有應(yīng)急物流體系更加完善。

4.2 對(duì)策建議

如今我國(guó)應(yīng)急物流體系存在的問(wèn)題主要是信息化程度較低以及應(yīng)急物流配送體系的不健全，導(dǎo)致應(yīng)急物流反應(yīng)過(guò)慢，難以實(shí)現(xiàn)高效的統(tǒng)籌調(diào)度，對(duì)此，提出如下對(duì)策及建議：

（1）打破傳統(tǒng)應(yīng)急物流配送模式的局限性，用發(fā)展的眼光看物流。運(yùn)用新時(shí)代的科研成果，將應(yīng)急物流的配送看作是常規(guī)物流配送模式的升級(jí)，靈活運(yùn)用各種智能算法、區(qū)塊鏈等新興產(chǎn)物，構(gòu)建完善的應(yīng)急物流體系，提高應(yīng)急物流的智能化水平。

（2）用新時(shí)代的思想去改變傳統(tǒng)的應(yīng)急物流模式，運(yùn)用現(xiàn)代化的通信技術(shù)及云端大數(shù)據(jù)平臺(tái)，建立信息網(wǎng)絡(luò)管理中心，形成一個(gè)適應(yīng)性強(qiáng)、反應(yīng)迅速、功能強(qiáng)大的應(yīng)急物流指揮中心，從而對(duì)各類(lèi)突發(fā)事件的物流模式選擇作出更快速、更準(zhǔn)確、更合理的部署。

（3）充分發(fā)揮物聯(lián)網(wǎng)的作用，建立供應(yīng)鏈應(yīng)急物流管理配送體系，加強(qiáng)指揮中心與救援一線的聯(lián)系，簡(jiǎn)化不必要的流程，提高應(yīng)急物流配送的快速反應(yīng)能力。政府可以通過(guò)與供應(yīng)商建立雙贏合作機(jī)制，做好戰(zhàn)略物資的協(xié)調(diào)與日常儲(chǔ)備，建立具有強(qiáng)韌性的應(yīng)急物流體系。