基于时空网络的无预警式公交疏散路线研究

VIP免费

3.0 侯斌 2024-11-19 4 4 1.74MB 65 页 15积分

侵权投诉

摘要

自然灾害（飓风、洪水、地震等）和人为灾害（核泄漏、有毒物泄露及恐怖袭

击等）等突发事件每年都会导致大量民众需要进行紧急疏散。把无预期的突然发

生的突发事件所引起的疏散称为无预警式疏散。无预警式疏散和有提前预警的短

期预警式疏散之间最大的区别就在于短期预警式疏散中的突发性事件可以通过各

种高科技技术手段监测到。本文在无预警式疏散环境的背景下，利用最优化的方

法为需要依靠公共交通系统进行疏散的待疏散者设计疏散策略。所设计出来的疏

散策略主要依靠现实中公共交通系统的高效利用。本文所考虑的公共交通工具主

要是指公交车。

本文基于时空网络建模的方法构建最优化模型。时空网络本质上是一种离散时

间下的动态网络流建模方法。它是通过将静态的节点-弧网络在离散时间框架下进

行相应的节点“复制”和弧段更新，从而形成“新”的网络，进而可以按照静态

网络流问题的建模方法，达到对动态路径规划问题的分析。

首先通过放松 Sayyady，Sayyady 和Eksioglu 建模过程中一条路段上只能有一

辆公交车这个假设条件，提出一个基于时空网络的混合整数线性公交疏散路径规

划模型。然后在原模型的基础上又考虑多种类型的公交车以及有容纳容量限制的

避难所，将模型进行改进，又提出一个非线性混合整数公交疏散路径规划。

非线性混合整数规划问题，尤其当问题的规模非常大时, 求解便是一大难点。

为此，学者们一直致力于研究高效求解非线性混合整数规划问题的相关算法。其

中应用最广泛的算法当属启发式算法。而且在各种类型的启发式算法中，以蚁群

算法为基础的方法能够有效地寻找出较短的路径。蚁群算法的基本思想就是利用

蚂蚁之间释放信息素轨迹来进行“交流”，以此不断的更新路段上的信息素轨迹，

从而得出蚂蚁从巢穴到食物源之间的最短路径。在对蚁群算法的基本思想充分理

解的前提下，本文将时空网络的特性，紧急疏散情况下公交系统自身的性质与蚁

群算法的基本思想融合到一起，从而设计出蚁群算法求解非线性混合整数规划问

题的具体步骤。最后通过算例证明了模型和所设计算法的可行性与有效性。

关键词：紧急疏散公交系统非线性混合整数规划蚁群算法时空网

络

ABSTRACT

Natural and man-made disasters, e.g. typhoon, flood, earthquake, nuclear leak,

terrorist attack, will lead to many mass emergency evacuations every year. Non-notice

evacuation is the evacuation resulted from emergency without notice. The difference

between non-notice and short-notice evacuation lies on that the latter can generally be

monitored by taking advantage of various high technologies. Under the background of

non-notice evacuation, the study use optimization methods to design evacuation strategy

for evacuating residents who depend on transit system to leave the risk area. The

designed evacuation strategy relies on the efficient operation of transit system in reality.

The transit vehicles focused on in this study are buses.

The optimization model is formulated using the time-space network. Time-space

network is essentially a method of modeling the discrete time dynamical network flow.

This method will reproduce nodes and arcs in a discrete time framework to form a new

network. Based on the produced network, network flow can be assigned by the static

flow assignment method. Thus, the dynamical routes planning can be addressed easily.

In this study, after relaxing the assumption of one-link-one-bus used by Sayyady

and Eksioglu, a mixed integer programming model of transit routes planning is

presented based on time-space network. In view of the types and capacities of transit

vehicles, a modified model of transit routes planning is also proposed.

To solve a nonlinear mixed integer programming problem is very difficult,

especially when the scale of problem is large. Researchers have tried to find out some

efficient solution to this kind problem for a long time. Among all the methods, various

heuristic algorithms are applied widely. In the heuristics, ant colony algorithm is an

effective method of searching shortest paths in a network. The basic thought of ant

colony algorithm is that ants communicate with each other by the traces left by others

and continuously adjust their routes until finding out the shortest path between anthill

and food location. Based on the above thought and the features of time-space network, a

feasible solution method of nonlinear mixed integer programming model is given. The

new method has considered the essential thought of ant colony algorithm and the

properties of the transit system in emergency evacuation. Numerical examples are given

to verify the effectiveness of the model and the corresponding method.

Keywords: Emergency evacuation, transit system, nonlinear mixed

integer programming, ant colony algorithm, time-space network

中文摘要

ABSTRACT

第一章绪论 ........................................................... 1

1.1 研究背景及意义 ................................................... 1

1.1.1 研究背景 ..................................................... 1

1.1.2 研究意义 ..................................................... 2

1.2 紧急疏散介绍 ..................................................... 3

1.2.1 紧急疏散定义 ................................................. 3

1.2.2 紧急疏散应用 ................................................. 3

1.3 紧急疏散国内外研究现状及发展趋势 ................................. 5

1.3.1 国外研究现状 ................................................. 5

1.3.2 国内研究现状 ................................................. 8

1.3.3 国内外发展趋势 ............................................... 9

1.4 研究内容及技术路线 .............................................. 11

1.4.1 研究内容 .................................................... 11

1.4.2 技术路线 .................................................... 13

第二章无预警式公交疏散路径规划模型研究 ............................... 14

2.1 无预警式公交疏散路径规划问题介绍 ................................ 14

2.2 无预警式公交疏散路径规划问题分析 ................................. 15

2.2.1 无预警式公交疏散的待疏散区域 ................................ 15

2.2.2 无预警式公交疏散的优化目标 .................................. 16

2.3 基于时空网络的公交疏散路径规划网络建模 .......................... 16

2.3.1 构建时空网络 ................................................ 17

2.3.2 基本参变量介绍 .............................................. 20

2.3.3 混合整数线性公交疏散路径规划建模 ............................ 23

2.3.4 混合整数线性规划应用 ........................................ 26

2.4 非线性混合整数公交疏散路径规划建模 .............................. 32

2.4.1 基本参变量介绍 .............................................. 32

2.4.2 改进的公交疏散路径规划建模 .................................. 33

2.5 本章小结 ........................................................ 35

第三章求解非线性混合整数规划模型的算法研究 ........................... 37

3.1 蚁群算法介绍 .................................................... 37

3.1.1 蚁群算法的国内外早期发展 .................................... 39

3.1.2 蚁群算法的应用 .............................................. 40

3.1.3 蚁群智能的特点 .............................................. 41

3.1.4 蚁群算法的基本思想及原理 .................................... 42

3.2 蚁群算法用于求解非线性混合整数规划模型的步骤 .................... 45

3.3 本章小结 ........................................................ 46

第四章疏散策略算例分析 .............................................. 48

4.1 算例概况 ........................................................ 48

4.2 算例结果分析 .................................................... 49

4.3 本章小结 ........................................................ 52

第五章总结与展望 .................................................... 53

5.1 研究的主要结论 ................................................... 53

5.2 展望 ............................................................ 53

参考文献 .............................................................. 55

在读期间公开发表的论文和承担科研项目及取得成果 ........................ 61

致谢 ................................................................. 62

第一章绪论

1.1 研究背景及意义

1.1.1 研究背景

我国处于世界上自然灾害最多的东南亚、太平洋地域，也是少数几个灾害类

别最多，损失最为严重的国度之一[1]。自然灾害或人为灾害的发生往往给人类社会

造成很严重的影响，有的影响甚至是不可恢复的。近年来由于自然灾害和人为灾

害的频繁发生，每年都会造成大量的人员伤亡及财产损失，由此人们开始越来越

关注紧急疏散的问题。最经常发生的自然灾害有洪水、海啸、地震、飓风等，如

印度洋海啸就导致了超过 15 万人丧生。与此同时，人类也面临着其它的人为灾害，

诸如火灾、毒气泄漏、核泄漏或类似美国“9·11”恐怖袭击事件更甚于是战争空

袭等紧急状况的威胁。一旦发生灾害(事故)等突发事件, 及时采取有效的应急疏散

管理策略，在短时间内将受灾民众安全的疏散到避难所等安全区域，是减少灾害

（事故）等突发事件严重后果的重要措施之一[2]。

近几年，由于突发事件而引起的紧急疏散数不胜数。就像 2005 年8月发生的

卡特里娜飓风登陆美国路易斯安那州新奥尔良市就造成了约 40 万居民被迫转移。

当时由于美国政府应急响应措施不完善，同时也忽略了一部分待疏散者并没有拥

有私家小汽车的现象，由此导致此次灾难中人员伤亡惨重；同年的 9月，又出现

了飓风“丽塔”挟强劲风力在得州萨宾帕斯与路易斯安那州卡梅伦之间的海岸地

区登陆，“丽塔”的登陆给德克萨斯州和路易斯安那州形成了强烈的威胁。由于

美国当局深刻总结了卡特里娜飓风的经验，及时的对民众进行了紧急疏散，因此

没有造成很大的人员伤亡。然而因为紧急疏散管理与协调工作安排的不够科学和

周密，导致出城的高速公路出现严重拥堵，严重影响了疏散的效率；2008 年5月

12 日发生的汶川大地震事件是中华人民共和国从建国以来影响最大的一次地震，

这次地震直接影响的受灾地区高达 10 万平方公里。其中以四川最为严重。针对地

震的袭击，四川省绵阳市针对唐家山堰塞湖险情制定了撤离 8万人，120 万人和

130 万人三套紧急疏散方案，确保最大程度的减少地震给受灾群众带来的灾难性后

果；2012 年10 月，飓风“桑迪”登陆了美国东部地区，它的出现严重影响了纽约

地区，导致当地地铁瘫痪，机场也遭遇关闭，紧急疏散了 37 万人；2013 年10 月

28 日中午时分，在天安门前金水桥边发生了一起汽车冲撞致人伤亡的案件，当时

北京市公安、应急、卫生等相关部门立即启动应急预案，联合起来，协同开展工

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要自然灾害（飓风、洪水、地震等）和人为灾害（核泄漏、有毒物泄露及恐怖袭击等）等突发事件每年都会导致大量民众需要进行紧急疏散。把无预期的突然发生的突发事件所引起的疏散称为无预警式疏散。无预警式疏散和有提前预警的短期预警式疏散之间最大的区别就在于短期预警式疏散中的突发性事件可以通过各种高科技技术手段监测到。本文在无预警式疏散环境的背景下，利用最优化的方法为需要依靠公共交通系统进行疏散的待疏散者设计疏散策略。所设计出来的疏散策略主要依靠现实中公共交通系统的高效利用。本文所考虑的公共交通工具主要是指公交车。本文基于时空网络建模的方法构建最优化模型。时空网络本质上是一种离散时间下的动态网络流建模方法。...

展开>> 收起<<

基于时空网络的无预警式公交疏散路线研究.pdf

共65页,预览7页

还剩页未读，继续阅读

基于时空网络的无预警式公交疏散路线研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: