用于智能洪水响应的时间规划方法

# 一种用于智能洪水响应的时序规划方法
来源：https://arxiv.org/html/2608.20510  
Md\. Monjurul Islam\\affilnum1,2 and Sabah Binte Noor\\affilnum1  
邮箱：[sabah@duet\.ac\.bd](mailto:[email protected])

###### 摘要
有效应对多个同时受灾区域，需要在严重的资源约束下，按正确的时间顺序协调采取恰当行动。自动化规划通过生成时间感知调度方案，为应对这一挑战提供了基础，前提是对可用资源、约束条件和目标进行形式化描述。本文提出一个智能洪水响应框架，利用时序规划对洪水响应的完整运行生命周期进行建模。该框架整合了基于优先级的检伤分类、路线通达性与行进成本、资源分配以及补给管理，同时支持在响应意外环境变化时进行执行中重规划。该框架分别使用动作标注建模语言（ANML）和规划领域定义语言（PDDL）2.1进行表述，便于与更广泛的时序规划器兼容。实验结果验证了所提框架的可行性和可扩展性，表明利用时序规划可以有效建模和求解洪水响应场景，并为规划器选择提供了指导。

###### 关键词
洪水响应，规划，推理，人工智能与社会

††runninghead: Siddiqui, Islam, and Noor  
††affiliation: \\affilnum1 计算机科学与工程系，达卡工程技术大学，加济布尔，1707，孟加拉国  
\\affilnum2 计算机科学与工程系，孟加拉国陆军工程技术大学，纳托尔，6431，孟加拉国  
††corresponding: Sabah Binte Noor，计算机科学与工程系，达卡工程技术大学，加济布尔，1707，孟加拉国。

## 1 引言
有效的洪水响应需要快速决策和协调行动(8 (https://arxiv.org/html/2608.20510#bib.bib12))。传统洪水管理结合了结构性和非结构性措施。结构性措施包括堤坝和排水系统改进，而非结构性措施包括早期预警系统(9 (https://arxiv.org/html/2608.20510#bib.bib16))。然而，传统方法日益被认为不足以应对复杂的洪水事件，尤其是在多个地点同时受影响且响应资源必须在严苛的时间约束下分配时(10 (https://arxiv.org/html/2608.20510#bib.bib17))。自动化规划系统为此问题提供了可行的解决方案。自动化规划系统使用基于启发式的搜索，在可用资源和操作约束的形式化描述上进行推理(5 (https://arxiv.org/html/2608.20510#bib.bib10))。在本研究中，我们将洪水响应形式化为一个时序规划问题，以在资源约束下提供响应行动的结构化协调和调度，并伴随动态重规划以适应计划行动执行期间的环境变化。

早期的灾害管理工作主要关注准备和预防，而近期研究则强调响应、恢复和韧性。然而，由于固有的不确定性和高昂成本，绝对的保护既不可行也不可持续(12 (https://arxiv.org/html/2608.20510#bib.bib1))。因此，战略性洪水风险管理原则建议采取一系列多样化的响应组合，而不是依赖单一措施(11 (https://arxiv.org/html/2608.20510#bib.bib2))。7 (https://arxiv.org/html/2608.20510#bib.bib3)对1998年和2020年长江特大洪水的比较研究表明，2020年由于先进的应急响应和风险管理能力，结果得到显著改善。该研究表明，有效的响应措施对于减轻洪水影响和增强社区韧性至关重要。

一些研究将特定的洪水响应操作形式化为计算问题。2 (https://arxiv.org/html/2608.20510#bib.bib5)使用随机规划模型在不确定性条件下优化救援站点位置和补给分配，他们采用样本平均近似方案来求解模型。13 (https://arxiv.org/html/2608.20510#bib.bib4)开发了一个仿真模型，捕捉洪水紧急疏散期间的人类行为。该模型纳入了关键变量，如受威胁家庭数量、疏散人口、预警系统和路线淹没情况。在更宏观的尺度上，16 (https://arxiv.org/html/2608.20510#bib.bib6)提出了一个跨学科、人工智能驱动的城市洪水韧性框架，整合了城市规划、景观建筑和计算机科学，旨在弥合实现洪水韧性方面研究与实践之间的持续鸿沟。而1 (https://arxiv.org/html/2608.20510#bib.bib7)提出了一个以蓝绿基础设施为核心的空间规划框架，用于确定关键基础设施维度的优先级。其他研究人员则特别关注极端事件中的疏散物流。17 (https://arxiv.org/html/2608.20510#bib.bib8)研究了大型沿海城市的暴雨洪水疏散，特别关注老年人口。他们优化了避难所位置和将疏散者导向附近而非远处设施的路线，提高了整体疏散效率。同时，15 (https://arxiv.org/html/2608.20510#bib.bib9)研究了溃坝洪水中的行人疏散。他们利用模糊VIKOR方法评估潜在避难所，并使用双目标模型在不断变化的灾后条件下平衡疏散时间、成本和适应性。

虽然这些工作解决了洪水响应的重要方面，但没有一项采用自动化规划和调度来生成在资源约束下具有时间感知能力的协调响应计划。该领域最相关的工作是6 (https://arxiv.org/html/2608.20510#bib.bib15)提出的RAPID框架，该框架使用规划领域定义语言（PDDL）(4 (https://arxiv.org/html/2608.20510#bib.bib14))引入了一个灾害响应领域，并使用数值规划器生成灾害响应计划。然而，RAPID依赖于带有数值流的经典PDDL，因此无法建模动作调度或操作的并发重叠。本研究通过引入用于时间一致性洪水响应的时序规划方法来解决这一局限性。

在本研究中，我们将洪水响应形式化为一个协调问题，以优化关键的操作决策，包括团队、资源和车辆的分配，以及并发行动的时间安排和排序。我们提出了一个时序规划框架，使用两种形式化语言建模：动作标注建模语言（ANML）(14 (https://arxiv.org/html/2608.20510#bib.bib13))和PDDL 2.1(3 (https://arxiv.org/html/2608.20510#bib.bib11))，涵盖了洪水响应的完整运行周期。所提框架整合了现实世界的约束，如基于优先级的检伤分类顺序、路线通达性、车辆容量以及并发操作的调度。此外，该框架包含一个符号化里程碑系统，捕捉了疏散和补给运输的多趟次特性，而无需连续数值推理的计算开销。值得注意的是，该框架支持执行中重规划，以适应环境的动态变化。随着现场揭示新数据，它允许我们更新实例到当前可观察状态，并触发重规划以获得调整后的调度方案。我们还基于场景复杂性和质量要求提供了实用的规划器选择指南。

### 说明性示例
图1 (https://arxiv.org/html/2608.20510#S1.F1)展示了用于演示所提领域的一个代表性洪水响应场景。该场景包括两个安全区域safeA和safeB，以及两个受影响区域zoneA和zoneB。位置safeA是主要部署基地，拥有一辆疏散容量为每趟20人的中转车辆（巴士）、一辆用于资源运输的货运车辆（卡车）、一支5人救援队、一支5人医疗支援队以及100单位救灾物资（食品）。
![图1：包含两个安全区域（safeA和safeB）和两个受影响区域（zoneA和zoneB）的示例场景。zoneA需要救援行动、医疗支援和100单位救灾物资，而zoneB需要救援行动和疏散40人。车辆相关的行进时间从11到38个时间单位不等。](https://arxiv.org/html/2608.20510#S1.F1)
受影响区域zoneA需要救援行动、医疗支援和100单位食品，而zoneB需要救援行动和疏散40人。地点间的行进时间取决于车辆。例如，巴士从safeA移动到zoneA需要18个时间单位，而卡车需要25个，这与现实中车辆类型决定行进时间的情况一致。

为说明时序规划如何在此类场景上运作，图2 (https://arxiv.org/html/2608.20510#S1.F2)展示了一个有效的动作调度方案，由自动化时序规划器生成。该计划包含25个动作，总耗时275个时间单位。此计划展示了时序规划如何协调重叠的操作。具体而言，在时间0，三个动作并发执行：将救灾物资装载到卡车上（LoadResource），同时医疗支援队和救援队登上巴士（BoardTeam）。此后，巴士在时间5出发，在时间23到达zoneA，两个团队在时间28同时下巴士并立即开始并行的救援行动（RescueAffectedPeople）和医疗支援（ProvideMedicalSupport）。

![图2：针对图1 (https://arxiv.org/html/2608.20510#S1.F1)中示例洪水响应场景的时序计划。每个条形代表一个持续动作，水平位置表示开始时间，宽度及内部数字表示以时间单位计的执行时长。垂直对齐的动作并发执行。](https://arxiv.org/html/2608.20510#S1.F2)

与此同时，卡车在时间50出发，在时间75到达zoneA，然后交付救灾物资。同时，救援队通过巴士被运送并重新部署到zoneB，在那里进行了两个疏散行程（Evacuate分别在时间77和129执行）的疏散和救援行动。每个疏散行程之后，都有一趟返回safeA的行程，以便在重新部署前让疏散人员下巴士。应用整个计划有效地解决了受灾区域所有疏散、救援、医疗支援和资源补给的需求，并且多个行动同时发生，类似于现实世界的调度场景。

## 2 背景
在本节中，我们介绍自动化规划和本研究所用建模语言的基本概念。我们首先定义主要的自动化规划范式，包括经典规划、数值规划和时序规划，然后概述用于建模所提领域的两种建模语言PDDL和ANML。

### 2.1 自动化规划
自动化规划生成一系列动作（即计划），将初始状态转换为期望的目标状态(5 (https://arxiv.org/html/2608.20510#bib.bib10))。根据问题环境的复杂性，规划模型需要推理逻辑条件、量化资源和时间约束。这些要求催生了三种表达能力逐步增强的范式：经典规划、数值规划和时序规划。

经典规划（定义1 (https://arxiv.org/html/2608.20510#Thmdefinition1)）为自动化规划提供了基本的结构语法。它在确定性、完全可观察且静态的环境中运行，意味着智能体对系统状态及其动作的确定性结果具有完全知识。

###### 定义1.
一个经典规划任务表示为元组Π=⟨F,A,γ,I,G⟩\\Pi=\\langle F,A,\\gamma,I,G\\rangle，其中：
- • F是命题事实的有限集合，
- • A是动作的有限集合，
- • γ:A↦Q0+\\gamma:A\\mapsto\\mathbb\{Q\}_\{0\}^{\+\} 是为每个动作分配非负有理数代价的函数，
- • I⊆F表示初始状态，
- • G⊆F指定目标条件。

每个动作a∈A是一个元组a=⟨pre(a),add(a),del(a)⟩a=\\langle pre(a),add(a),del(a)\\rangle，其中pre(a), add(a), del(a)⊆F分别表示动作的前置条件、添加列表和删除列表。添加列表和删除列表共同构成动作的效果。经典规划任务的解是一个将初始状态转换为满足目标条件状态的动作序列。一个动作仅在当前状态下其前置条件成立时才可应用，之后其效果通过添加和删除事实来修改状态。

定义2 (https://arxiv.org/html/2608.20510#Thmdefinition2)形式化地定义了计划。

###### 定义2.
经典规划任务Π的一个计划π是动作的有序序列⟨a1,a2,...,an⟩\\langle a_\{1\},a_\{2\},\\dots,a_\{n\}\\rangle。计划π是有效的，当且仅当pre(a1)⊆I且动作a1,a2,...,ana_\{1\},a_\{2\},\\dots,a_\{n\}的顺序应用成功产生一个满足目标条件G的状态。

经典规划无法表示量化资源，如燃料、补给数量或车辆容量，因为状态是纯命题化的。许多现实世界问题需要对执行过程中变化的数量进行推理。数值规划通过在规划模型中引入数值状态变量和算术表达式，直接扩展了经典规划(3 (https://arxiv.org/html/2608.20510#bib.bib11))。

###### 定义3.
数值规划任务定义为元组Πn=⟨F,X,A,γ,I,G⟩\\Pi_\{n\}=\\langle F,X,A,\\gamma,I,G\\rangle，其中F、A和γ保留了经典规划范式（定义1 (https://arxiv.org/html/2608.20510#Thmdefinition1)）中的定义，X是有理数集Q上的有限数值变量集合，I⊆F∪X是初始状态，G⊆F∪X指定目标条件。数值规划任务中的动作可以通过算术更新同时修改命题事实和数值变量。尽管增加了表达能力，数值规划仍假设动作是瞬时发生的。现实世界的操作涉及具有持续时间、截止期限和并发要求的活动，这些