Kartal Dataset, Van Dataset

Kartal数据集包含伊斯坦布尔Kartal地区的救援物资分配信息，包括12个选定的避难所位置、估计的救援物资需求和经纬度。数据集考虑了实际约束条件，如车辆容量、最大行驶时间和仓库总供应量。节点间的距离根据实际交通路线和可能的地震后道路封闭情况计算。Van数据集包含2011年Van地震后Van地区的信息，包括94个需求点和1个本地分配中心（LDC）。数据集包括15、30和60个需求节点的三个层次聚合。

The Kartal Dataset contains relief supply distribution information for the Kartal district of Istanbul, including 12 selected shelter locations, estimated relief demand, and their geographic coordinates (latitude and longitude). The dataset incorporates practical constraints such as vehicle capacity, maximum travel time, and the total supply of the warehouse. Distances between nodes are calculated based on actual traffic routes and potential road closures following an earthquake. The Van Dataset covers information from the Van region after the 2011 Van earthquake, including 94 demand points and one local distribution center (LDC). The dataset has three levels of aggregation for demand nodes, with 15, 30, and 60 demand nodes respectively.

原始信息汇总

数据集概述

概览

该仓库包含用于论文 "Branch-and-Price Algorithm for Fast and Equitable Last-Mile Relief Aid Distribution" 中的数据集。这些数据集公开提供，以支持公平的最后一英里救援物资分配研究。提供的数据集包括：

1. Kartal Dataset
2. Van Dataset

数据集描述

Kartal Dataset

• 该数据集包含土耳其伊斯坦布尔Kartal地区的救援物资分配信息。包括12个选定的避难所位置、其估计的救援物资需求和经纬度。
• 数据集考虑了现实世界的约束条件，包括车辆容量、最大行驶时间和仓库的总供应量。
• 节点之间的距离根据实际交通路线和可能的地震后的道路封闭情况计算。

Van Dataset

• 该数据集包含2011年Van地震后Van地区的信息，包括94个需求点和1个本地配送中心（LDC）。
• 数据集包括三个级别的节点聚合：15、30和60个需求节点。

数据类用于JSON处理

该仓库还包括一个Python类（Data），可用于从JSON文件加载数据并为优化任务填充相关属性。

如何使用数据类

直接使用Data类加载和访问数据。

示例用法： python from data import Data

if name == "main": dataSet = "Van" fileName = "Van15_A1.json" data = Data(f"./{dataSet}/{fileName}") print(data)

如何使用数据集

• 克隆仓库： bash git clone https://github.com/mahdims/ReliefAid_Distribution.git

• 数据集以JSON格式提供，便于与Data类集成。

AI搜集汇总

数据集介绍

构建方式

在构建Kartal和Van数据集时，研究者们精心设计了数据结构以反映实际的救援物资分配情境。Kartal数据集涵盖了伊斯坦布尔Kartal地区的12个避难所，详细记录了各避难所的预计需求、态度及经纬度信息。此外，该数据集还考虑了车辆容量、最大行驶时间和仓库总供应量等实际限制条件。Van数据集则基于2011年Van地震后的情况，包含94个需求点和1个地方分发中心，并提供了15、30和60个需求节点的聚合级别。两数据集的节点间距离均根据实际交通路线和潜在的道路封闭情况计算，确保数据的现实性和应用性。

特点

Kartal和Van数据集的显著特点在于其高度模拟了实际救援物资分配的复杂性。首先，数据集包含了详细的节点信息，如需求量、地理位置等，为算法提供了丰富的输入数据。其次，数据集考虑了多种实际约束条件，如车辆容量和行驶时间限制，增强了算法的实用性和鲁棒性。此外，Van数据集还提供了不同级别的节点聚合，允许研究者在不同粒度上进行分析和优化。这些特点使得这两个数据集成为研究快速且公平的最后一公里救援物资分配的理想工具。

使用方法

使用Kartal和Van数据集时，用户首先需克隆包含数据集的GitHub仓库，数据集以JSON格式提供，便于与Python的`Data`类集成。通过`Data`类，用户可以轻松加载和访问数据，进行优化任务。例如，用户可以通过指定数据集名称和文件名，实例化`Data`对象并打印数据内容。这种设计使得数据集的使用变得直观且高效，适合于需要处理复杂救援物资分配问题的研究人员和开发者。

背景与挑战

背景概述

在应对自然灾害的背景下，快速且公平的最后一公里救援物资分配成为关键问题。Kartal Dataset和Van Dataset由Mahdi S. Hosseini及其团队创建，旨在支持快速和公平的最后一公里救援物资分配研究。Kartal Dataset涵盖了土耳其伊斯坦布尔Kartal地区的12个避难所，考虑了车辆容量、最大旅行时间和总供应等现实约束。Van Dataset则基于2011年Van地震后的数据，包含94个需求点和1个本地分配中心，提供了不同级别的节点聚合数据。这些数据集的发布，为优化救援物资分配算法提供了宝贵的资源，推动了相关领域的研究进展。

当前挑战

构建这些数据集面临的主要挑战包括：首先，如何准确模拟实际运输路线和潜在的道路封闭情况，以确保数据的真实性和实用性。其次，如何在不同级别的节点聚合中保持数据的完整性和一致性，以便于算法的多层次优化。此外，数据集的创建还需考虑如何在紧急情况下快速收集和处理大量数据，确保救援行动的及时性和有效性。这些挑战不仅影响了数据集的质量，也直接关系到救援物资分配算法的实际应用效果。

常用场景

经典使用场景

在灾害救援领域，Kartal Dataset和Van Dataset被广泛用于优化最后一公里救援物资的分配。这些数据集详细记录了特定区域内的避难所位置、需求量、车辆容量限制以及实际运输路径的距离。通过这些数据，研究人员可以模拟和优化救援物资的分配策略，确保在最短时间内将物资送达需求点，同时考虑公平性和效率。

实际应用

在实际应用中，这些数据集被用于训练和验证救援物资分配算法，帮助政府和非政府组织在灾害发生时制定更有效的救援计划。例如，通过分析Van Dataset，救援团队可以预测不同需求点的物资需求，优化车辆路径，减少运输时间和成本，从而提高救援效率和覆盖范围。

衍生相关工作

基于Kartal Dataset和Van Dataset，许多研究工作得以展开，包括开发新的分支定价算法、改进现有的路径优化模型以及探索多目标优化策略。这些研究不仅推动了灾害管理领域的技术进步，也为其他领域的资源分配问题提供了借鉴和参考。