物联网环境下煤矿救援资源调度多Agent自动协商模型
2016-06-05高太光黄敏陈培友
高太光黄 敏陈培友
物联网环境下煤矿救援资源调度多Agent自动协商模型
高太光1，2，黄 敏2，3，陈培友1
（1.黑龙江科技大学管理学院，黑龙江哈尔滨，150022；2.东北大学信息科学与工程学院，辽宁沈阳，110819；3.流程工业综合自动化国家重点实验室（东北大学），辽宁沈阳，110819）
物联网技术的广泛应用有效改善了煤矿安全生产和事故救援工作的效率，有针对性地对物联网资源进行配置和对煤矿事故救援物资的高效调度，可以有效降低煤矿事故造成的损失。考虑到煤矿生产和事故救援的特殊性，设计了煤矿安全生产和救援资源监管物联网系统框架，对物联网资源进行了整合，同时根据煤矿事故救援调度具体特点，构建了基于物联网的煤矿应急救援多Agent自动协商调度系统模型，模型利用从物联网实时获取的事故和救援物资信息自动完成救援物资优化调度方案设计，并可以根据事故和资源调度情况动态完善调度方案。最后利用Jade技术对系统模型进行了实现，并通过模拟仿真，证明了模型的有效性和合理性。
煤矿应急救援；救援资源调度；物联网；Agent；自动协商
0引言
据《世界能源统计年鉴2012》统计数据表明，2011年中国煤炭产量在全球产量中的份额提升到49.5%。根据行业内部统计，2012年原煤产量36.5亿吨。根据安监总局通报，2012年全国煤矿百万吨死亡率为0.374，同比下降33.7%，首次下降至0.5以内。近些年，我国煤矿百万吨死亡率持续下降，煤炭事故死亡人数也已经降至1300余人[1]。虽然煤矿安全生产已经得到了极大改善，但与发达国家相比，我国煤矿事故发生率仍是居高不下，是美国2009年的12.5倍、2011年的20.7倍，是发达国家平均水平的10-20倍以上。安全管理意识淡薄和安全应急资源短缺是事故频发和损失严重的主要原因，而事故发生时，缺乏科学高效的煤矿事故应急救援响应与调度机制、事故形势形成合理评估误差大、应急营救资源利用不充分等，也是致使煤矿安全事故进一步恶化的重要原因。
煤矿灾害事故救援与地震、民用建筑火灾等不同，救援的物资、装备、线路等是由具体的事故类型和事故状况决定的，事故现场的参数往往不可能准确获得，难以建立统一的流程和要求。而且在应急救援进行过程中，会有突发事件的发生，比如救援装备失效或短缺等[2]。因此，煤矿救援资源调度应该能够实时监测调度进行情况，并可以根据需求和环境对调度方案进行优化。应急救援是控制事故灾害、降低事故损失的主要手段,有关研究表明有效的应急救援可以将事故损失减少到不采取应急措施的6%[3]，有效的应急救援物资调度可以极大地提高救援工作效率。近些年，国外关于事故救援的研究较多，但对煤矿事故救援问题研究和对事故点状况动态变化的典型特征重视不足，已有研究大都是根据掌握的信息进行救援物资运送路径选择，而且给出明确的事故点和供应点信息，部分研究也考虑了运输环境变化或运输物资本身对运送的影响。如Equi等人通过对给定多个供应点的应急物流配送运算，给出了车辆调度和组合运输的最优路径[4]；Haghani等人给出了带有时间窗的多种物资、多模式的下应急资源调配网络流问题的求解算法[5]；List等人利用多目标数学规划模型对事故发生时放射性物品运输进行了研究，充分考虑了事故发生地点和救援线路选择等问题[6]；Linet等人建立了应急救援物资运输的多目标优化函数，重点考虑了运输时间、车辆出发点和运输的环境变化适应能力等问题[7]；Jiuh和Jan等人综合考虑了应急资源调运的设施定位和路径选择等问题，构建了问题处理混合优化模型[8]。在国内，专注于研究应急救援与调度的学者也日益增加，并出现了很多有代表性的成果，出现了针对一般灾害和煤矿事故救援调度问题的研究，可为本研究提供一定的参考，如于辉等人在完全没有突发事件持续时间信息的条件下，利用局内决策理论与方法构建了企业何时启动前期处置方案和应急预案的分阶段启动模型，并利用“竞争比”说明该方案的有效性[9]；王新平等人根据应急物资需求不确定和不连续的特点，提出了多疫区多周期应急物资协同优化调度方案[10]，此项工作可作为煤矿事故多点应急调度较为有价值参考；陈明华等人为了最大程度地节省应急物流配送运输成本，构建了一般性非满载应急物流运输车辆调度优化模型，并借助免疫算法进行了求解[11]。刘永立等人构建了煤矿事故应急救援指挥系统，有效实现了对应急救援过程中的资源有效调拨和管理[12]，为煤矿事故救援的协调机制设计提供了参考；李卫等人明确提出固定了救援中考虑因素的信息，不能满足灾害环境动态变化的特征和要求，并借助DCSP方法和Agent技术构建了煤矿应急救援资源调配模型，构建了能够基于静态数据的多Agent自动协商模型，研究中考虑到了救援资源的折损和新增等变化情况，但并未给出具体的应对手段[13]；冯珍借助案例推理方法设计了煤矿事故应急救援案例推理系统工作流程和案例检索算法[14]，为有效利用相关案例资源进行救援决策提供参考。
本文在设计了煤矿事故救援物联网系统框架的基础上，将多Agent技术与物联网技术相结合，构建了物联网环境下的煤矿救援物资多Agent自动协商调度系统模型，特别关注了煤矿事故应急救援所具有突发性、多变性、环境变化不确定性和煤矿救援物资品种多、规格不一、部分设备不能采用常规方法运输等特点，充分利用Agent技术对信息分散、需求动态变化且需要多方协调互动等相关问题处理的优势，借助物联网对煤矿事故态势、救援物资状态、救援物资配送的实时监控，让煤矿事故应急救援调度可以随时根据环境和事故态势的变化，进行救援与物资调度方案调整，进而提高对煤矿事故的救援效率。本文在文献[13]的基础上，形成了明确的多Agent自动协调调度流程，充分考虑了对不同救援物资的差异化处理，并在模型中具体刻画了不同救援物资可能对运输产生的影响。
1 基于物联网的煤矿安全生产监管与救援系统概述
图1 基于物联网的煤矿安全生产监控系统结构图
图2 基于物联网的煤矿事故救援多Agent自动协商调度系统
物联网是继计算机、互联网之后世界信息产业的第三次浪潮，源于美国麻省理工学院自动识别实验室所提出无线射频识别（RIFD）系统，是通信、嵌入式及微电子技术快速发展的结果[15]。目前广泛应用于公共安全、工业控制、智能物流、智能交通、环境监测、情报搜集等众多领域[16]。随着数字矿山（Digital Mine）[15]概念的提出和广泛发展，物联网技术在煤矿安全生产监管领域中得到广泛的应用，并逐渐成为煤矿安全监控系统中的核心环节。物联网环境下的煤矿安全监控系统具有高抗毁性、高可靠性和具备智能预警功能等特性[17]。煤矿生产过程中和煤矿事故发生后，需要对矿井水、火、瓦斯、粉尘、矿压等灾害孕育态势和灾害严重程度等进行连续监测，以便快速识别灾害隐患进行避险处理[15]，或进行煤矿事故的有效救援。基于物联网的煤矿安全生产监控系统如图1所示[15,18]。物联网技术为煤矿安全生产和煤矿事故救援提供了技术支持和保障，提高了煤矿生产和灾害救援中各方的协调与控制效率，但同时也产生了海量来自于井上和井下不同信息源的、具有很强的异质性和受到不同程度噪音污染传感数据，这对信息的存储、传输、分析和控制等一系列工作提出了考验，也使得煤矿生产中安全问题评估和灾害后事故的救援变得相当困难。引入能够处理这些大规模、高度非线性以及离线连续混合的智能优化算法，在一定程度上可以促进物联网数据融合与优化决策的有效统一[16]。
2 基于物联网的煤矿事故救援多Agent自动协商调度系统设计
煤矿事故救援物联网系统构建目的在于：当煤矿事故发生时，保证受到事故影响的人、财、物和用于救援的各类资源间建立起物与物、物与人、所有物品与网络的连接，以方便识别、管理和控制。煤矿事故救援物联网系统需要将物联网用户端延伸和扩展到救援过程中的各个环节，需要进行全面协调。由于煤矿地面和矿井下工作特点的要求，很多常规化物联网技术和方案难以直接进行使用[19]。目前，我国煤矿事故监测和认定物联网技术研究已经有了很大发展，本研究在此基础上将煤矿应急救援物资多Agent自动协商调度系统与煤矿救援物联网技术相结合，利用物联网实时掌控救援与调度信息，借助多Agent自动协商，动态更新救援与物资调度的方案，具体如图2所示。事故发生时，系统可以根据煤矿事故的具体情况和救灾物资分布情况进行优化调度方案选择，为煤矿事故救援指挥调度中心的决策提供参考。调度方案需保证事故点救援中的物资和时间需求，救援工作坚持总体效用最大化原则。煤矿事故救援指挥调度中心可通过物联网对调配物资进行全程监控。
3 煤矿应急救援物资多Agent自动协商调度系统模型构建
3.1 系统框架结构设计
本文所设计煤矿应急救援多Agent自动协商调度系统模型的主要活动包括：救援资源优化调度自动协商发起、自动协商响应、相关参数设定与匹配、优化方案筛选与获取、应急救援优化调度确认等，多Agent自动协商选用FIPA合同网络协议，RAgent代表救援Agent，MDAgent代表煤矿事故Agent，MAgent代表协调Agent（在自动协商中，增加协调Agent可明显提高自动协商的效率和成功率[20]），模型基本结构如图3所示。
图3 煤矿应急救援多Agent自动协商调度系统模型
图4 MAgent自动协调流程
自动协商调度系统的运行以MDAgent接收到煤矿事故发生信息为驱动而发起整个自动协商活动，MDAgent会从数据库中自动获取煤矿事故及救援政策约束和各区域煤矿基本信息等数据，并共享到系统当中；RAgent会根据通过物联网实时获取的各区域救援物资信息与MDAgent进行动态信息交互，并根据煤矿事故应急救援的响应等级按照煤矿救援资源相关约束对救援资源进行组织与调配方案选取；MAgent依据MDAgent和RAgent确定的煤矿事故信息和救援资源信息，对煤矿应急救援资源调度方案进行选择，并对总体救援方案进行综合评价。煤矿事故救援指挥中心根据不同的需求通过改变MAgent相关参数来获取不同优化调度方案。
3.2 系统中Agent定义
本文构建的Agent模型为：
其中，为RAgent的个数，为MDAgent的个数。系统中，每个Agent可形式化表示为五元组
3.3 系统中相关变量和约束描述
3.3.1 救援资源描述
煤矿事故应急救援过程中的救援资源可形式化地表示为五元组<,R,C,,SR>，其中，为各救援基地标识;R为救援基地的等级，取值包括{1，2，3，4}，分别对应M、D、P和N级救援基地;C为救援资源的基本类别，包括人力资源(Hr)、应急救援设备(Ere)、医疗(Mt)和后勤物资(Lm);为对应C中各救援资源类别的具体救援资源;SR表示基地救援资源的数量。Hr中包括消防队员(fm)、通信人员(rct)、矿井救援人员(mrw)和救援专家队(ret)；Ere中包括矿井防火灭火装备(mfe)、调度通讯设备(sce)、自动抑爆装备(asbe)、隔爆抑爆材料和装备(msie)、灾区气体检测装备(gded)、井下快速抢险掘进机(ufrr)、井下救灾轻便机具(urlm)、井下人员定位仪(umce)、大型液压救灾钻机(lhd)、氧气呼吸器(oba)、自救器(sre)、矿工自救系统(mshs)；Mt中包括药品(mcr)、救护车(ambu)、医疗设备(me)、灾难医疗救护队(dmat)；Lm主要为生活必需品等，量化为：≤50套(bn50)、≤75套(bn75)、≤150套(bn150)、>150套(bn150M)。
3.3.2 事故点描述
煤矿事故的事故等级可形式化地表示为：
<,MD,MD,MD,SMD>，其中，为事故点标识，MD为事故点所属救援基地标识;MD为事故等级，取值包括{1，2，3，4}，分别对应Ⅰ、Ⅱ、Ⅲ和Ⅳ级煤矿事故;MD事故点所需的救援资源；SMD表示对救援资源的需求数量。
3.3.3事故救援系统约束描述
（1）组织约束：1）所有救援基地向事故点调配的救援资源量不能少于事故点对救援资源的需求量；2）救援基地向事故点调出的资源量不能超过该基地拥有量。
（2）政策约束：救援过程中，事故救援响应等级直接决定了事故可直接调配的救援基地等级，其中Ⅳ级响应可直接调配M级及其以下各级援基地，Ⅲ级响应可直接调配D级及其以下各级救援基地，Ⅱ级响应可直接调配M级及其以下各级救援基地，Ⅰ级响应可直接调配N级及其以下各级救援基地。
（3）救援策略约束：由于煤矿事故灾害救援工作的紧迫性，在考虑到煤矿事故救援工作的整体协调和必要储备的前提下，根据事故点的具体特点，在满足组织和政策约束的基础上，本研究选择救援时间最短的时效性救援策略。
3.4 综合评价模型构建
煤矿事故发生时，假设各救援基地有充足的救援物资运输能力，不同物资不能混合运输，救援指挥调度中心可以通过物联网技术实时查询和获取各救援基地的资源运输条件信息等。在满足相关约束条件下，应急救援资源调配的关键在于保障以最短时间满足事故点的需求，救援指挥中心可以根据事故点的具体情况对部分物资运输进行加急处理，疏通运输途径。综合评价模型可表示为：
(3)
(4)
其中，表示救援基地编号，为救援基地个数，为事故地点编号，为事故地点个数，为救援资源种类编号，为救援资源种类数；式(2)是最小化时间目标函数，其中，d表示救援基地到煤矿事故点的距离；表示煤矿事故点对资源的加急权重，权重高的物资要进行特殊运输，运输时间得到缩短，1££2；表示第类救援资源会对运输速度产生的影响系数，0<£1，当=1时表示不影响正常运输速度，当0<<1时表示会对运输速度产生影响，越小会使速度越慢；v表示由救援基地到事故点的正常运输速度；x表示由救援基地到事故点运输第类救援资源的数量；表示第类救援资源不会对运输速度产生影响的标准运输量；为对比值进行判断的函数，当比值大于等于1时返回值为1，当比值小于1时返回实际比值；为反映政策约束的变量，具体取值参照式(4)；LR表示救援基地的等级，其取值是根据已有救援基地的等级信息进行设置的，当确定救援基地编号后即可获得该基地的等级信息，LR取值包括{1，2，3，4}分别对应M、D、P和N级救援基地，LR取值越大表示救援基地等级越高，那么资源调拨程序相对更复杂，因此从高级别救援基地调拨资源会增加整个救援时间，因此，调拨方案必须优先调拨较低等级救援基地的资源；。式(3)为组织约束1)，即任意事故点的需求MN必须得到满足。式(4)为组织约束2)，即任意救援基地，在参与救援时不可能超出自己的救援能力RN。式(5)为救援政策约束，其中，LR含义和取值同上；LMD为事故点的事故等级，其取值是根据最新事故点的事故状况而确定的，当确定事故点编号后即可获得该事故点的事故等级信息，LMD取值{1，2，3，4}分别对应Ⅰ、Ⅱ、Ⅲ和Ⅳ级煤矿事故，当取值1时为可调拨，取值¥时为不可调拨。
3.5 系统调度方案求解过程
由于在煤矿事故救援中可能涉及多个救援基地、多个事故点和多个救援物资的协同调度，如果多个救援目标（救援时间最短、救援满意度最大、救援成本最低）需要同时满足的话，属于多维调度问题，问题求解则变为NP难问题[21]。本研究中，当煤矿事故发生后，首先根据事故点和救援基地及救援资源信息进行Agent角色分配，并为系统中相关参数（自动协商的终止条件、调配中目标选择、调配方案的精度和需考虑的要素等）进行初始化；然后根据不同的Agent角色进行信息加载，赋予每个角色Agent约束信息；接下来根据各Agent所代表事故点或救援基地的等级信息，进行可调度二位关系匹配。当匹配工作完成后，就可以开展多Agent自动协商与调配方案求解，具体过程为：①每个事故点角色Agent（MDAgent）将所代表的事故点的受灾信息、所需资源信息和救援约束等发送给协调Agent（MAgent），每个救援基地角色Agent（Ragent）将所带表基地的信息和可调度救援资源情况也发送给MAgent；②Magent根据收到的各方信息，根据综合评价函数，利用Vogel模型，借助基本遗传算法（GA）进行调配方案的求解；③各角色Agent获取所形成的的救援调配方案，并根据自身信息进行核准；④如果方案符合本方的要求，并与匹配方Agent确认可以执行后，退出自动协商，如果方案没有达到本方的理想状态或不能得到匹配方的确认，则回到步骤①。当所有角色Agent均已推出自动协商或达到自动协商的期限后，MAgent可选择终止自动协商，或调整系统参数后开始新一轮的自动协商。具体调配方案求解过程如图5所示。
图5 调度方案求解过程
图6 省区内救援基地分布情况示意图
4 仿真实验
4.1 仿真实例描述
2010年5月9日19时33分，某煤矿由于操作流程不当，导致发生Ⅱ级重大煤与瓦斯突出事故，事故地点发生在如图6所示的救援基地M3处。2010年5月9日20时05分，另一煤矿发生Ⅲ级煤矿坍塌事故，事故地点发生在M6处。事故发生后，煤矿救援队立即入井实施救援，经上报省级煤矿事故救援指挥中心后，分别启动煤矿事故Ⅱ和Ⅲ级应急响应预案，并对省区内救援资源进行调配。
表1 各救援基地可调配救援资源储备量
表2 各救援基地到事故点的时间（小时,h）
表3 救援资源对运输速度产生影响系数表
表4 事故点M3、M6急需救援资源数量表
注：表4、5中“×”为不选取，“√”为选取，“()”中为需要数量。
已知事故点所属省区有7个M级救援基地、3个D级救援基地、2个P级救援基地和1个N级救援基地，具体分布如图5所示。事故地点发生在矿级救援基地M3和M6所在矿区，受到距离和运输条件差异影响，救援物资运达事故点的时间差异很大，各救援基地的可调拨救援物资如表1所示，表2为在无特殊天气和路况情况下，各救援基地达到事故点的平均时间。调度原则为：对两个事故点进行同时救援调度，争取物资全部到达事故点的总耗时最少，以配合现场救援工作；事故点所在救援基地主要负责本地救援，不参与其他事故点的救援资源调度工作；省区内全部符合救援条件的救援基地，全力配合救援工作。物资体积、材质和精密程度等的不同会影响运输的方式、数量和速度，具体影响系数如表3所示。
4.2开发环境配置与工具选择
开发环境：Windows XP；JDK1.6；Apache Tomcat 6.0；开发工具：Eclipse 3.4.1；Jade 3.4。
4.3救援资源优化调度多Agent自动协商
自动协商调度由MDAgent发起，由MAgent进行救援协商组织，RAgent进行救援调度响应。
本例中，MDAgent1（M3）和MDAgent2（M6）将事故信息和需求信息发（如表4所示）至MAgent，MAgent对MDAgent进行相应，并根据获得的需求、路况和物资特点等信息后（如表1-表4所示），进行必参数和目标设定后，发起救援物资调度自动协商，协商过程中MAgent可以选择终止或重新开始调度协商。当煤矿救援物资多Agent自动调度协商开始后，系统自动完成约束过滤和Agent角色划分，然后Agent根据自身角色开始进行信息的交互和匹配，具体操作界面如图7、8所示。自动调度协商完成后，调度中心可以提取调度建议方案来获取调度建议方案，也可以进行多轮参数调整和自动协商。
图7 应急救援物资查询与管理界面
图8 多Agent自动协商系统操作界面
图9 事故点M3应急救援物资调度建议方案界面
图10 事故点M6应急救援物资调度建议方案界面
通过仿真，各Agent实现了根据事故和救援资源的具体情况进行动态信息交互，并最终获得的调配方案如图9、10所示。根据此调配方案所有物资全部到达事故点M3和M6的时间分别为：9.919小时和6.24小时，由于调度过程中充分考虑了救援物资运输速度影响因素，其中包括救援过程中物资运输量、物资本身对运输速度的影响和事故点对物品的急需程度等，提高了调度方案的合理性和救援工作的效率。相对而言，在不考虑救援物资运输速度影响因素的情况下，形成的调度方案中所有物资到达全部到达事故点M3和M6的时间分别为：5.95小时和4.01小时，表面上看虽然时间都缩短了，但由于方案考虑因素不够全面，没能反映煤矿事故救援的特殊性，变成了简单的物品调度问题，结果导致对部分物资的运输形成错误估计、时间估计不准和调度方案执行效果欠佳等问题，严重影响了调度方案的合理性和整个救援工作的效果。通过对煤矿事故救援工作的案例分析得知，本文所提的综合考虑救援物资运输速度影响因素的调度方法符合煤矿事故救援的实际情况和具体需求，所形成的调度方案和对应的调度时间误差较小，可以作为救援调度决策的参考。
5 结论
煤矿事故发生后，快速的应急响应和有效的救援资源调度可以有效减轻事故产生多带来的损失，本文在完成煤矿事故救援物联网系统设计的基础上，借助Agent技术构建了煤矿应急救援多Agent自动协商调度系统模型，模型可以依据从物联网获取的实时监控信息，在救援指挥调度中心进行相应设置后，自动完成救援物资调配方案设计，并给出相应的调配方案，通过实例仿真可以明显看出模型在问题处理上的有效性。本文所提的煤矿事故应急救援调度方法和模型充分反映了煤矿事故救援与物资调度的特点，可以为实际的煤矿事故救援工作提供决策支持。下一步准备研究的工作包括：1）优化物资运输中对交通工具的充分利用，实现调度过程中对部分符合条件的救援物资的拼车调度、中转调度等，在提高运输效率的同时，降低运输成本；2）加强对煤矿事故发生和应急救援中的定性要素处理，提高决策科学水平等。
[1] 王秀强. 2012年煤矿百万吨死亡率降至0.374[N].21世纪经济报道,2013-1-25(3).
[2] 张军波,郭德勇,王立兵.煤矿应急救援组织结构模式研究[J].煤炭学报,2012,37(4):664-668.
[3] 郭德勇,郑茂杰,程伟.煤与瓦斯突出事故应急预案研究与应用[J].煤炭学报,2009,34(2):208-211.
[4] Equi L, Gallo G, Marziale S,. A combined transportation and scheduling Problem[J]. Working Paper Pisa University, Pisa Italy, 1997,(l):94-104.
[5] Haghani A, Oh SC. Formulation an solution of a multi-commodity mufti-modal network flow model for disaster relief operations [J]. Transportation Research: Part A, 1996, (2):231-250.
[6] List GF, Turnquist MA. Routing and emergency-response-team siting for high-level radioactive waste shipments [J]. IEEE Transaction on Engineering Management, 1998,(3):141-152.
[7] Linet O, Ediz E. Emergeney logistics planning in natural disasters[J]. Annals of Operation Research, 2004,(129): 218-219.
[8] Jiuh BS, Yen HC, Lawrenee WL,. A novel model for quiek response to disaster relief distribution[J]. In: Proc. of the Easton Asia Soeiety for Transportation Studies(EASTSZO05), 2005, 5:2454-2462.
[9] 于辉,江智慧.突发事件下分阶段启动应急预案模型研究[J].管理工程学报,2011,25(1):109-114.
[10] 王新平,王海燕.多疫区多周期应急物资协同优化调度[J].系统工程理论与实践,2012,32(2):283-291.
[11] ]陈明华,李迎秋,罗耀琪.应急物流车辆调配问题的研究[J].计算机工程与应用,2009,45(24):194-197.
[12] 刘永立,王海涛,孙维民等.基于基础数据库的煤矿应急救援指挥信息系统[J].黑龙江科技学院学报,2010,20(1):44-47.
[13] 李卫,张自力,吴华君.基于DCSP的煤矿应急救援资源调配方法[J].计算机科学,2011,38(5):244-248.
[14] 冯珍.煤矿事故应急救援案例推理系统研究[J].电子科技大学学报(社科版),2012,14(2):35-37.
[15] 吴立新,汪云甲,丁恩杰等.三论数字矿山--借力物联网保障矿山安全与智能采矿[J].煤炭学报,2012,37(3):357-365.
[16] 吴成东,徐久强,张云洲.物联网技术与应用[M].科学出版社,2012.
[17] 华刚,宋志月,王永星等.物联网环境下煤矿安全监控系统体系框架研究.工矿自动化,2013,39(3):6-9.
[18] 张杰.物联网技术在神华宁煤集团数字化矿山建设中的应用研究[J].煤矿现代化,2013,(5):60-63.
[19] 孙继平.煤矿物联网特点与关键技术研究[J].煤炭学报,2011,36(1):167-171.
[20] Park S, Yang SB. An efficient multilateral negotiation system for pervasive computing environments[J].Engineering Applications of Artificial Intelligence,2008,21(4):633-643.
[21] Wallenius J, Dyer JS, Fishburn PC et al. Multiple Criteria Decision Making, Multiattribute Utility Theory: Recent Accomplishments and What Lies Ahead[J].Management Science,2008,54(7):1336-1349.
Multi-Agent Automated Negotiation Model of Rescue Resource Allocation for Coal Mine Accidents Based on Internet of Things
GAO Tai-guang1，2,HUANG Min2,3, CHEN Pei-you1
(1.School of Management, Heilongjiang University of Science and Technology, Harbin 150022, China;2. College of Information Science and Engineering, Northeastern University, Shenyang 110819, China;3.State Key Laboratory of Synthetical Automation for Process Industries (Northeastern University), Shenyang 110819, China)
The availability of rescue resources allocation for coal mine accident is directly related to the result of the rescue work and the loss rate of the accident. The number of research papers on accident and disaster rescue is increasing, but the coal mine accident emergency rescue and the dynamic change characteristics of the accident don't receive enough attention. Due to the application of the Internet of Things (IoT), the efficiency of coal mine safety production and accident rescue has obviously improved. However, there also exists many problems, such as the inadequate using of IoT, and the lack of effective coordination and scheduling means for multiple parties and multiple rescue resources. All these problems can restrict the rescue work to some extent.In this paper, we design and build the multi-Agent automated negotiation model of rescue resource allocation for coal mine accidents based on IoT, in which emphasis is given to the particular characteristics of coal mine accident rescue and rescue resources scheduling. IoT technology and multi-Agent automated negotiation technology are integrated. The main works of this paper include:In the first part, we provide an overview of the safety production supervision and accident rescue of coal mine based on the IoT, and analyze the application status and prospects of IoT in coal mine safety production. In addition, we find that safety production assessment and the accident rescue of coal mine are the bottleneck problems of IoT applications. In the second part, the construction framework based on safety production and rescue resource supervision in coal mine is built, which has optimized the structure and layout of IoT in coal mine safety production and accident rescue. Making full use of the advantages of automated negotiation, which can lead multiple computational entities to collaborative optimization agreement, and multi-Agent technology, which is good at dealing with dynamic and distributed information. Furthermore, we build the multi-Agent automated negotiation model of rescue resource allocation for coal mine accidents based on IoT, which can obtain rescue and scheduling information in real time and dynamically update the rescue and supplies scheduling schemes by virtue of IoT. In the third part, by means of Agent technology and intelligent optimization algorithm the multi-agent automated negotiation allocation model for emergency rescue in coal mine accidents is established. The algorithm pays special attention to the special characteristics of coal mine accident emergency rescue, such as frequency, variability, the uncertainty of environment change, etc. Resources for coal mine accident emergency rescue have many particular characteristics, such as varieties and different specifications. Parts of them can't be transported by conventional methods for shape or size and so on. Our model makes full use of the advantage of agent technology in addressing problems, in which the information is scattered and the rescue demands are dynamic changing. Thus, the multilateral coordination interaction must be done. With the help of IoT, we can dynamically assess the coal mine accident situation, the state of rescue resources, the real-time monitoring of rescue resources distribution, etc. The scheduling of coal mine accident emergency rescue can be dynamically changed according to the change of environment and accident situations at any time. Thus, the efficiency of coal mine accident rescue can be improved. In the last part, the model is also implementedby Jade technology. Depending on simulation results, we can obtain a satisfactory allocation of emergency rescue commodities, which can provide decision-making support for emergency rescue in coal mine accidents, and show the validity and rationality of the model.In summary, when coal mine accident happens the rapid emergency response and effective rescue resources scheduling can effectively reduce accident losses. To some degree, the integration and application of IoT and multi-Agent automated negotiation technology can improve the efficiency of coal mine safety production supervision and accident rescue. However, coal mine accidents and environmental complexity face many unique challenges that need to be addressed in future research.
coal mine accident emergency rescue; rescue resources allocation; internet of things; agent; automated negotiation
中文编辑：杜 健；英文编辑：Charlie C. Chen
TP18
A
1004-6062(2016)03-0134-07
10.13587/j.cnki.jieem.2016.03.017
2013-06-28
2014-03-10
国家自然科学基金资助项目(71071028, 70931001, 71021061)；工信部物联网发展专项资金资助项目； 2014年度黑龙江省教育厅人文社科研究项目（12542242）
高太光（1979—），男，山东成武人，讲师，博士研究生；研究方向：自动协商机制设计与模型构建、物流与供应链管理，煤矿安全管理。
