由于气候变暖,快速城市化及地面沉降等因素的影响,风暴和洪水等极端灾害事件发生的频率不断增加。特别是近几年,我国多个大中城市频繁遭遇洪涝灾害。洪涝灾害发生后,人们的日常生活、心理健康甚至是生命安全都受到了沉重地打击,灾害发生后首要的任务便是要进行及时且高效的救援,以减轻灾区群众的痛苦。为保障所有灾区群众都能够有饭吃、有衣穿、有干净水喝、有临时住处、有病能得到及时治疗,需要对有限的应急资源进行合理的配置和快速的调度,而配置和调度的依据则是对应急物资需求量的准确估算。然而在进行应急物资需求量估算时受灾人口这一指标多是以人口普查数据为基础,该数据是静态的,更新时间间隔为年,无法真实地反应受灾地区人口的动态分布特征。同时灾害事件发生后对不同应急物资的需求中存在非线性和不规则性的现象,这就导致根据传统的统计和分析模型所得的应急物资需求量估算结果可能会较差,应用传统的受灾人口统计方法及需求量分析模型很难实现对应急物资需求量的准确估算。因此,本文利用时空大数据的优势及神经网络方法的优秀学习能力,深入地开展对应急物资需求量估算的研究,主要研究内容如下:(1)基于百度热力图获取人口动态数据。发挥时空大数据百度热力图在应急救灾工作中的优势,对受灾人口动态时空分布特征信息进行提取,获取不同时间段人口的数量、重心及方向分布等动态数据。(2)基于多层感知器(MLP)神经网络进行应急物资需求量估算。利用多层感知器神经网络方法的优秀学习能力,综合多期洪涝灾害发生后的相关数据,选取受灾人口、地区系数、季节系数、帐篷、棉被和折叠床为指标,构建应急物资需求量估算模型。(3)武汉市中心城区物资需求量动态估算。以武汉市中心城区为研究区域,基于洪涝灾害这一特定场景下,通过由百度热力图获取的武汉中心城区人口动态统计数据和由多层感知器神经网络方法所构建的应急物资需求量估算模型,对武汉中心城区发生灾害时所需的应急救援物资需求量进行动态估算。结果表明,利用百度热力图对武汉中心城区在2018年7月16日的人口分布情况进行统计分析,发现在不同时间段人口数量变化较大,并在总体呈现出早上和晚上人口高热及次热聚集区面积较小,下午聚集区面积大的特点,与工作日上下班的节奏保持一致,并且人口重心均在沙湖公园附近,但晚上进入休息阶段之后人口分布方向和区域较之白天均发生了较大变化。同时以受灾人口、地区系数和季节系数为输入指标,应急物资中帐篷、棉被和折叠床为输出指标,运用多层感知器神经网络构建的应急物资需求量估算模型,通过将实际值与估算值进行相关性检验证实该模型的预测效果较好。综上,将武汉中心城区的人口数量、重心和方向分布与应急物资需求量估算模型结合起来,可为政府部门进行应急物资储备量及储备点的确定时提供依据,具有一定的参考价值。