CN109993349B - 一种城市避难场所选址的优化方法及装置 - Google Patents

一种城市避难场所选址的优化方法及装置 Download PDF

Info

Publication number
CN109993349B
CN109993349B CN201910181809.1A CN201910181809A CN109993349B CN 109993349 B CN109993349 B CN 109993349B CN 201910181809 A CN201910181809 A CN 201910181809A CN 109993349 B CN109993349 B CN 109993349B
Authority
CN
China
Prior art keywords
refuge
supply
place
nodes
formula
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201910181809.1A
Other languages
English (en)
Other versions
CN109993349A (zh
Inventor
赫磊
胡群芳
王飞
解子昂
高晓昱
冯浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN201910181809.1A priority Critical patent/CN109993349B/zh
Publication of CN109993349A publication Critical patent/CN109993349A/zh
Application granted granted Critical
Publication of CN109993349B publication Critical patent/CN109993349B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种城市避难场所选址的优化方法及装置，所述方法包括：设置预设的选址规则；根据所述选址规则，获取待规划区域的相关参数及决策变量；将所述相关参数及决策变量，输入预设优化模型；输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径。该方法可用于大中城市避难场所的规划选址与建设时序的研究，以及有限资金投入下避难场所的规划选址与避难策略。即在避难场所建设投入最少的情况下，优化避难场所选址，使得避难场所的服务水平最高。

Description

一种城市避难场所选址的优化方法及装置
技术领域
本发明涉及城市规划和城市防灾减灾规划技术领域，特别涉及一种城市避难场所选址的优化方法及装置。
背景技术
近年来我国各类自然灾害频发，如2008年初我国南方大部分地区的冰雪灾害、2008年5月四川汶川8级地震、2010年4月青海玉树地震、2010年8月甘肃舟曲县泥石流、中国南方12省市不同程度的洪涝灾害，北京7.21特大暴雨等灾害,2013雅安地震等等。这些重大自然灾害的发生再次证明：我国大城市、特大城市人口财产集聚，一旦发生重特大灾害事故，将会严重威胁人民群众生命财产的安全。为保证突发性灾害事故发生后人员快速、有序疏散安置，最大限度地减少人员伤亡和财产损失，增强城市抵御灾害事故的整体能力，确保城市安全和稳定，规划建设和构建城市应急避难防御体系极其重要。
随着《中华人民共和国城乡规划法》、《中华人民共和国防震减灾法》、《中华人民共和国突发事件应对法》和《汶川地震灾后恢复重建条例》、《自然灾害救助条例》以及《房屋建筑工程抗震设防管理规定》、《市政公用设施抗灾设防管理规定》等相关法律法规和部门规章发布，特别是发生了汶川大地震、玉树地震等特大和重大地震灾害，城镇防灾避难场所建设需求日益扩大。国家标准《防灾避难场所设计规范》(GB 51143-2015)颁布，标志着我国应急避难场所的规划、建设跨入新的时期。北京、上海、天津、重庆、深圳、南京、南宁等城市先后规划、建设应急避难场所。
2008年汶川地震后，国家提出建设应急避难场所是国际社会应对突发性事件的一项灾民安置措施，同时也是现代化大城市用于民众躲避地震、火灾、爆炸、洪水等重大自然灾害的安全避难场所。建全的城市应急避难场所已经成为一个城市基础建设设施完善的指标之一。根据应对灾种的不同，以及避难场所的物质形态的差别，可将应急避难场所分为场地型应急避难场所，包括广场、绿地、公园、操场、体育场等开敞空间，主要应对地震等地质型灾害，和场所型应急避难场所，包括体育场馆、学校教室、社会旅馆、救助站等承担避难职能的公共建筑，主要应对台风、暴雨等气象型灾害。根据应急避难场所承担的救灾职能、设施配置、有效容量、服务范围、以及人员避难时间，可将其分为紧急避难场所、固定避难场所和中心避难场所，如表1所示。
表1应急避难场所分类、开放时间与设施配置。
Figure BDA0001991495970000021
由于紧急避难场所承担暂时的避难职能，不需要或仅仅配置简单的设施就可满足功能的需求，其规划选址相对灵活且不需要专门投资建设，但是如何针对固定避难场所以及中心避难场所进行合理选址，一直是研究热点。
目前，既有研究多从经济性、公平性的角度研究避难场所的布局，较多采取区位和层次分析法进行研究，确定避难场所的服务半径和人均指标；也有从安全性和可达性的角度，规划选址主要研究场所规模、地质地形、基础设施、疏散通道等条件；还有从有效性和实用性的角度，规划建设注重研究场地条件、物资储备和服务能力、指挥管理、标识系统等内容，但是缺乏综合考虑公平性、经济性和效益性，缺乏可操作性的具体方法。。
发明内容
本发明的目的在于，提供一种从公平性与效率性的视角提出城市应急避难场所选址的优化方法，以解决城市应急避难场所规划建设中存在的这一关键问题。
为了解决上述技术问题，第一方面，本发明实施例提供一种城市避难场所选址的优化方法，包括：
设置预设的选址规则；
根据所述选址规则，获取待规划区域的相关参数及决策变量；所述相关参数包括：预设范围内供给节点需要避难人员数量hj、所有避难场所待选点数目k、供给节点j到避难场所k的最短行程时间tkj、避难场所k对供给节点j中避难人员的吸引力γkj、避难人员从供给节点走到避难场所的最大允许时间Tmax、避难场所k的有效避难面积Sk、避难场所k的最大允许避难人数zk、i等级避难场所k的建设成本mik、选择避难场所的总数P和避难场所总的经费投入M；
所述决策变量包括：
Figure BDA0001991495970000022
将所述相关参数及决策变量，输入预设优化模型；
输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径。
进一步地，所述Tmax表示避难人员从供给节点走到避难场所的最大允许时间，等于避难场所最大覆盖路径除以居民的平均行走速度。
进一步地，所述γkj表示避难场所对供给节点居民的吸引力，与供给节点居民数量和避难场所的建设规模成正比，与供给节点和避难场所之间最短距离的步行时间的平方成反比。
进一步地，所述mik表示第i类避难场所k的建设成本，与避难场所的最大允许避难人数zk成正比，与避难场所类别的单位成本成正比。
进一步地，在所述设置预设的选址规则步骤前，所述方法，还包括：
识别待规划区域中所有供给节点与负载节点，生成供给节点位置矩阵与负载节点位置矩阵；所述供给节点包括居住区及居住用地，所述负载节点包括：公园、绿地、广场、学校、救助站、操场、体育场和社会旅馆；所述避难场所在所述负载节点中选址；
根据网络拓扑关系计算所有供给节点至所有负载节点的路网路径，生成最短路径矩阵与逃生时间矩阵；
根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要实际救助的人数hj；
根据负载节点的有效避难面积Sk，计算负载节点最大允许避难人数zk。
进一步地，所述预设优化模型，包括：
上层模型：
Figure BDA0001991495970000031
Figure BDA0001991495970000032
Figure BDA0001991495970000033
Figure BDA0001991495970000034
Figure BDA0001991495970000035
mik＝ai×zk (3.6)
xk∈[0，1]，ykj∈[0，1]
式(3.1)目标函数，表示避难场所投入最少；
式(3.2)约束条件，表示所有的需求点的避难需求都被满足；
式(3.3)约束条件，表示居民的避难时间在最大允许时间之内；
式(3.4)约束条件，表示每个避难点的总避难人数不能超过其承载人数上限；
式(3.5)给出了避难点吸引力与距离及避难人口规模和建设规模之间的关系，其中α为调节系数，取值为0～1之间的常数；
式(3.6)给出了避难场所的建设成本，其中i＝1，2，3，ai表示三类避难场所的人均建设成本，为常数。一个避难场所对应唯一的等级；
下层模型：
Figure BDA0001991495970000041
Figure BDA0001991495970000042
Figure BDA0001991495970000043
Figure BDA0001991495970000044
Figure BDA0001991495970000045
Figure BDA0001991495970000046
∑mik≤M (3.9)
xk∈[0，1]，ykj∈[0，1]
目标函数(3.7)表示所有居民避难的总时间最短。
式(3.8)：约束条件，表示最多建设P个避难点，P由上层模型求得；
式(3.9)：约束条件，总经济成本小于成本上限M，M由上层模型求得。
第二方面，本发明实施例提供一种城市避难场所选址的优化装置，包括：
设置模块，用于设置预设的选址规则；
获取模块，用于根据所述选址规则，获取待规划区域的相关参数及决策变量；所述相关参数包括：预设范围内供给节点需要避难人员数量hj、所有避难场所待选点数目k、供给节点j到避难场所k的最短行程时间tkj、避难场所k对供给节点j中避难人员的吸引力γkj、避难人员从供给节点走到避难场所的最大允许时间Tmax、避难场所k的有效避难面积Sk、避难场所k的最大允许避难人数zk、i等级避难场所k的建设成本mik、选择避难场所的总数P和避难场所总的经费投入M；
所述决策变量包括：
Figure BDA0001991495970000047
输入模块，用于将所述相关参数及决策变量，输入预设优化模型；
输出模块，用于输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径。
进一步地，所述获取模块中的所述Tmax表示避难人员从供给节点走到避难场所的最大允许时间，等于避难场所最大覆盖路径除以居民的平均行走速度。
进一步地，所述获取模块中的所述γkj表示避难场所对供给节点居民的吸引力，与供给节点居民数量和避难场所的建设规模成正比，与供给节点和避难场所之间最短距离的步行时间的平方成反比。
进一步地，所述装置，还包括：
第一生成模块，用于识别待规划区域中所有供给节点与负载节点，生成供给节点位置矩阵与负载节点位置矩阵；所述供给节点包括居住区及居住用地，所述负载节点包括：公园、绿地、广场、学校、救助站、操场、体育场和社会旅馆；所述避难场所在所述负载节点中选址；
第二生成模块，用于根据网络拓扑关系计算所有供给节点至所有负载节点的路网路径，生成最短路径矩阵与逃生时间矩阵；
第一计算模块，用于根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要实际救助的人数hj；
第二计算模块，用于根据负载节点的有效避难面积Sk，计算负载节点最大允许避难人数zk。
本发明的优点在于，本发明的一种城市避难场所选址的优化方法，可用于大中城市避难场所的规划选址与建设时序的研究，以及有限资金投入下避难场所的规划选址与避难策略。即在避难场所建设投入最少情况下，优化避难场所选址，使得避难场所的服务水平最高。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的城市避难场所选址的优化方法流程图；
图2为本发明实施例提供的又一城市避难场所选址的优化方法流程图；
图3为本发明实施例提供的城市避难场所选址的优化装置的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在我国大中城市中，例如上海，中心城区人口密度高，建筑密集，开敞空间缺乏，应急避难需求与供给矛盾突出。虹口区常驻人口有效避难面积人均仅0.8m2，远远低于上海市浦西中心城区2.5m2/人的标准。对现状建成区进行大规模改造以增加避难场所，提高避难场所供给在现有条件下难以实现。因此，应急避难场所的规划选址问题将是如何在既有广场、绿地、公园、操场、体育场等开敞空间，以及体育场馆、学校教室、社会旅馆等公共建筑中选出安全性高、经济性好的场所作为公共投资改造的对象，使其成为具备一定设施、满足应急要求的避难场所。
在本发明描述的过程中，涉及供给节点和需求节点，二者表示的意思相同。
基于此，本发明实施例提供了一种城市避难场所选址的优化方法，参照图1所示，包括：
S101、设置预设的选址规则；
S102、根据所述选址规则，获取待规划区域的相关参数及决策变量；所述相关参数包括：预设范围内供给节点需要避难人员数量hj、所有避难场所待选点数目k、供给节点j到避难场所k的最短行程时间tkj、避难场所k对供给节点j中避难人员的吸引力γkj、避难人员从供给节点走到避难场所的最大允许时间Tmax、避难场所k的有效避难面积Sk、避难场所k的最大允许避难人数zk、i等级避难场所k的建设成本mik、选择避难场所的总数P和避难场所总的经费投入M；
所述决策变量包括：
Figure BDA0001991495970000061
S103、将所述相关参数及决策变量，输入预设优化模型；
S104、输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径。
本实施例中，步骤S101中，比如疏散避难场所的选择以安全、就近、交通方便为原则，同时以最少的场所(投入)解决服务范围内的避难需求(产出)。对于避难场所的选址，通过优化避难场所的选址来提高其服务水平，达到所有避难人员满足避难约束条件下避难场所的投入最少的目标。
步骤S102-S104中，获取了待规划区域的相关参数和决策变量，并将其输入预设优化模型，输出优选的避难场所数量、位置、规模等级、总投入成本及疏散路径。
本实施例中，该城市避难场所选址的优化方法，可根据预设的选址规则及待规划区域的相关参数、决策变量，通过预设优化模型，输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径；可用于大中城市避难场所的规划选址与建设时序的研究，以及有限资金投入下避难场所的规划选址与避难策略。即在避难场所建设投入最少的情况下，优化避难场所选址，使得避难场所的服务水平最高。
在一个实施例中，参照图2所示，在步骤S101之前，该方法还包括：
S11、识别待规划区域中所有供给节点与负载节点，生成供给节点位置矩阵与负载节点位置矩阵；所述供给节点包括居住区及居住用地，所述负载节点包括：公园、绿地、广场、学校、救助站、操场、体育场和社会旅馆；所述避难场所在所述负载节点中选址；
S12、根据网络拓扑关系计算所有供给节点至所有负载节点的路网路径，生成最短路径矩阵与逃生时间矩阵；
S13、根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要救助的人数hj；
S14、根据负载节点的有效避难面积Sk，计算负载节点最大允许避难人数zk。
下面详细说明下本发明提供的城市避难场所选址的优化方法：
(1)识别规划区域中所有供给节点(包括居住区、居住用地等)与负载节点(包括公园、绿地、广场、学校、救助站等)，生成供给节点位置矩阵与负载节点位置矩阵；
(2)根据复杂网络拓扑关系计算所有供给节点至所有负载节点的基于真实路网的路径，生成路径矩阵(J×K矩阵，K为总负载节点数，J为总供给节点数)与逃生时间矩阵(J×K矩阵，K为总负载节点数，J为总供给节点数)；
(3)根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要救助的人数hj；
(4)根据负载节点的有效避难面积，计算负载节点最大允许避难人数zk；负载节点承载人数上限zk等于有效避难面积除以人均固定避难面积；
(5)基于公平性、效益性、经济性的原则，对避难场所进行优化选址；
1)选址目标：
疏散避难场所的选择以安全、就近、交通方便为原则，同时以最少的场所投入解决服务范围内的避难需求。因此对于避难场所的选址存在优化的问题，通过优化避难场所的选址来提高其服务水平，达到所有避难人员到达避难场所的时间满足约束条件下投入避难场所的建设资金最少的目标。
比如：
①负载节点可以承载所有供给节点中需救助的人员；
②所有需要救助的人员都可以在规定时间内到达负载节点；
③设定同一供给节点的人员可前往不同的负载节点；
⑤单个负载节点负载人数不超过承载力上限；
⑥最终选址符合经济性原则，即避难场所的投入最少；
⑦最终负载节点的负载能力较最优人数有一定冗余；
2)参数定义：
hj——为节点j的需求，即一定范围内的需要救助人员数量；
K——为所有可能建设的避难场所数目；
tkj——需求节点j到避难场所k的行程时间；
γkj——表示避难场所对供给节点居民的吸引力，与供给节点居民数量和避难场所的建设规模成正比，与供给节点和避难场所之间路径距离的平方成反比；
Tmax——表示居民从需求点走到避难场所的最大允许时间；等于避难场所最大覆盖路径除以居民的平均行走速度；其中覆盖路径是以实际道路距离为准，与覆盖半径不同。
比如以最大覆盖路径1km为例，居民平均行走速度4～6km/h，一般最大允许时间为10～15分钟。
M——总的经济成本上限；
P——选择避难场所的综述；
zk——避难场所k的最大允许避难人数；
mik——i等级避难场所k的建设成本。
3)决策变量
Figure BDA0001991495970000081
Figure BDA0001991495970000082
4)模型公式
模型将在保证所有供给点的避难需求都能在最大允许时间Tmax满足的基础上，实现建设成最小化。上层模型：
Figure BDA0001991495970000083
Figure BDA0001991495970000091
Figure BDA0001991495970000092
Figure BDA0001991495970000093
Figure BDA0001991495970000094
mik＝ai×zk (3.6)
xk∈[0,1],ykj∈[0,1]
式(3.1)目标函数，表示避难场所投入最少；
式(3.2)约束条件，表示所有的需求点的避难需求都被满足；
式(3.3)约束条件，表示居民的避难时间在最大允许时间之内；
式(3.4)约束条件，表示每个避难点的总避难人数不能超过其承载人数上限；
式(3.5)给出了避难点吸引力与距离及避难人口规模和建设规模之间的关系，其中α为调节系数，取值为0～1之间的常数。
式(3.6)给出了避难场所的建设成本，其中i＝1,2,3，ai表示三类避难场所的人均建设成本，为常数。一个避难场所对应唯一的等级。依据国家标准《避难场所设计规范》，当0.2≤Sk≤1(单位公顷)，i＝1，固定短期避难场所；当1≤Sk≤15(单位公顷)，i＝2,固定长期避难场所；当Sk≥15(单位公顷)，i＝3，中心避难场所。
下层模型：
Figure BDA0001991495970000095
Figure BDA0001991495970000096
Figure BDA0001991495970000097
Figure BDA0001991495970000098
Figure BDA0001991495970000099
Figure BDA00019914959700000910
∑mik≤M (3.9)
xk∈[0，1]，ykj∈[0，1]
目标函数(3.7)表示所有居民避难的总时间最短。
式(3.8)：约束条件，表示最多建设P个避难点，P由上层模型求得；
式(3.9)：约束条件，总经济成本小于成本上限M，M由上层模型求得。
下面通过一个具体实施例来说明本发明提供的方法。
1)基本输入参数：
①已知需求点居住区10个，J＝10，避难场所供给点8个，K＝8；通过建筑和人口的分析，确定每个居住区的避难人口数为式(1)，单位人；
②避难场所待选点的有效避难面积为式(2)，通过避难场所待选点的用地面积乘折减系数获得，单位平方米；
③避难场所待选点的最大允许避难人数为式(3)，依据国家标准《避难场所设计规范》的要求，人均有效避难面积为：固定短期避难场所2平方米/人；固定长期避难场所3平方米/人；中心避难场所4.5平方米/人，由式(2)折算得到，单位人；
④需求点到供给节点之间的时间矩阵如式(4)，单位min，由基于路网的实际最短路径和步行的平均疏散速度3km/h计算得到；
⑤γkj矩阵按照式(3.6)计算，α取值为1，归一化后结果如式(5)，无量纲；设定Tmax≤15，单位min，则疏散时间超过15min的路径对应的γkj应为0；
⑥假定固定短期避难场所人均建设成本5000元，固定长期避难场所人均建设成本10000元，中心避难场所人均建设成本20000元，则a1＝5000、a2＝10000、a3＝20000，mik如式(6)所示。
hj＝[1000，1200，1600，2000，400，600，200，300，1400，700] (1)
Sk＝[2100，2000，2400，4000，8000，20000，2600，3000]T (2)
zk＝[1050，1000，1200，2000，4000，6666，1300，1500]T (3)
Figure BDA0001991495970000111
Figure BDA0001991495970000112
mik＝[800a1，1000a1，1200a1，2000a1，4000a1，6666a2，1000a1，800a1] (6)
算例求解：通过分析，本问题属于NP难题，拟采用启发式算法，“尝试-替换”的方法进行最优解的求取。方法简介如下：
(1)首选随机选择n个备选点作为初始解，代入目标函数求得总投入Z0；
(2)从剩余的(K-n)个避难场所备选点中随机选择k个，替换n中的随机j个，代入目标函数求得总投入Z1；
(3)循环计算，直到求到的目标函数Z为最小值，且不变，此时对应的避难场所即为上层模型的最优解；
(4)采用模拟退火算法求解下层模型，随机交换避难需求点，计算最小的疏散避难时间，当目标函数为最小值且稳定时，获得下层模型的最优解。得到如下结果：
(1)
Figure BDA0001991495970000113
即避难场所的最小投入成本为4750万元；
(2)Xk＝[0，1，1，1，1，0，1，0]T，即选择避难场所K＝2，3，4，5，7为最终的避难场所；有效避难面积分别为2000m2，2400m2，4000m2，8000m2，2600m2；避难场所的等级为固定短期避难场所；容纳规模分别为：1000人，1200人，2000人，4000人，1300人。
(3)求解ykj可得：
Figure BDA0001991495970000121
可知，避难人员的疏散路径为：居住区j＝1选择进入避难场所K＝2；居住区j＝2选择进入避难场所K＝2；居住区j＝3选择进入避难场所K＝4；居住区j＝4选择进入避难场所K＝5；居住区j＝5选择进入避难场所K＝4；居住区j＝6选择进入避难场所K＝5；居住区j＝7选择进入避难场所K＝7；居住区j＝8选择进入避难场所K＝7；居住区j＝9选择进入避难场所K＝5；居住区j＝10选择进入避难场所K＝7。
(4)所有避难人员的最小避难总时间为78400min，所有避难人数为9400人，平均避难时间为8.34min/人，且所有人员的避难时间均在最大允许避难时间之内。
(5)避难场所的建设容量为19000m2，属于固定短期避难场所，可容纳人口总数为9500人。按照人口的冗余量进行计算，可继续承载100人避难。因此避难场所的使用效率为：9400÷9500＝98.94％。
现有技术中不仅要研究单一的应急避难场所的规划选址与建设时序，而且还期望了解研究区域整体的疏散避难情况。基于本发明，尤其是在城市避难场所建设投资有限的情况下，如何合理分配资金，选择效用最高的避难场所组合，不仅满足资金的约束，而且使得研究地区所有避难人员的出行时间最短，避难场所的使用效用最高。因此，从博弈论的理论出发，本发明提供的城市避难场所选址的优化方法，其可构建基于效用最大化的应急避难场所选址模型，以优化避难场所的规划选址，提高城市整体的安全性和经济性。
基于同一发明构思，本发明实施例还提供了一种城市避难场所选址的优化装置，由于该装置所解决问题的原理与前述基于城市避难场所选址的优化方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。
本发明实施例还提供了一种城市避难场所选址的优化装置，参照图3所示，包括：
设置模块31，用于设置预设的选址规则；
获取模块32，用于根据所述选址规则，获取待规划区域的相关参数及决策变量；所述相关参数包括：预设范围内供给节点需要避难人员数量hj、所有避难场所待选点数目k、供给节点j到避难场所k的最短行程时间tkj、避难场所k对供给节点j中避难人员的吸引力γkj、避难人员从供给节点走到避难场所的最大允许时间Tmax、避难场所k的有效避难面积Sk、避难场所k的最大允许避难人数zk、i等级避难场所k的建设成本mik、选择避难场所的总数P和避难场所总的经费投入M；
所述决策变量包括：
Figure BDA0001991495970000131
输入模块33，用于将所述相关参数及决策变量，输入预设优化模型；
输出模块34，用于输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径。
进一步地，所述获取模块32中的所述Tmax表示避难人员从供给节点走到避难场所的最大允许时间，等于避难场所最大覆盖路径除以居民的平均行走速度。
进一步地，所述获取模块32中的所述γkj表示避难场所对供给节点居民的吸引力，与供给节点居民数量和避难场所的建设规模成正比，与供给节点和避难场所之间最短距离的步行时间的平方成反比。
进一步地，所述获取模块32中的所述mik表示第i类避难场所k的建设成本，与避难场所的最大允许避难人数zk成正比，与避难场所类别的单位成本成正比。
进一步地，所述装置，还包括：
第一生成模块35，用于识别待规划区域中所有供给节点与负载节点，生成供给节点位置矩阵与负载节点位置矩阵；所述供给节点包括居住区及居住用地，所述负载节点包括：公园、绿地、广场、学校、救助站、操场、体育场和社会旅馆；所述避难场所在所述负载节点中选址；
第二生成模块36，用于根据网络拓扑关系计算所有供给节点至所有负载节点的路网路径，生成最短路径矩阵与逃生时间矩阵；
第一计算模块37，用于根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要实际救助的人数hj；
第二计算模块38，用于根据负载节点的有效避难面积Sk，计算负载节点最大允许避难人数zk。
进一步地，所述输入模块33中的预设优化模型，包括：
上层模型：
Figure BDA0001991495970000132
Figure BDA0001991495970000133
Figure BDA0001991495970000141
Figure BDA0001991495970000142
Figure BDA0001991495970000143
mik＝ai×zk (3.6)
xk∈[0,1],ykj∈[0,1]
式(3.1)目标函数，表示避难场所投入最少；
式(3.2)约束条件，表示所有的需求点的避难需求都被满足；
式(3.3)约束条件，表示居民的避难时间在最大允许时间之内；
式(3.4)约束条件，表示每个避难点的总避难人数不能超过其承载人数上限；
式(3.5)给出了避难点吸引力与距离及避难人口规模和建设规模之间的关系，其中α为调节系数，取值为0～1之间的常数；
式(3.6)给出了避难场所的建设成本，其中i＝1,2,3，ai表示三类避难场所的人均建设成本，为常数。一个避难场所对应唯一的等级；
下层模型：
Figure BDA0001991495970000144
Figure BDA0001991495970000145
Figure BDA0001991495970000146
Figure BDA0001991495970000147
Figure BDA0001991495970000148
Figure BDA0001991495970000149
∑mik≤M (3.9)
xk∈[0,1],ykj∈[0,1]
目标函数(3.7)表示所有居民避难的总时间最短。
式(3.8)：约束条件，表示最多建设P个避难点，P由上层模型求得；
式(3.9)：约束条件，总经济成本小于成本上限M，M由上层模型求得。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种城市避难场所选址的优化方法，其特征在于，包括：
设置预设的选址规则；
根据所述选址规则，获取待规划区域的相关参数及决策变量；所述相关参数包括：预设范围内供给节点需要避难人员数量hj、所有避难场所待选点数目k、供给节点j到避难场所k的最短行程时间tkj、避难场所k对供给节点j中避难人员的吸引力γkj、避难人员从供给节点走到避难场所的最大允许时间Tmax、避难场所k的有效避难面积Sk、避难场所k的最大允许避难人数zk、i等级避难场所k的建设成本mik、选择避难场所的总数P和避难场所总的经费投入M；所述γkj表示避难场所对供给节点居民的吸引力，与供给节点居民数量和避难场所的建设规模成正比，与供给节点和避难场所之间最短距离的步行时间的平方成反比；
所述决策变量包括：
Figure FDA0002976221430000011
将所述相关参数及决策变量，输入预设优化模型；
输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径；
在所述设置预设的选址规则步骤前，所述方法，还包括：
识别待规划区域中所有供给节点与负载节点，生成供给节点位置矩阵与负载节点位置矩阵；所述供给节点包括居住区及居住用地，所述负载节点包括：公园、绿地、广场、学校、救助站、操场、体育场和社会旅馆；所述避难场所在所述负载节点中选址；
根据网络拓扑关系计算所有供给节点至所有负载节点的路网路径，生成最短路径矩阵与逃生时间矩阵；
根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要实际救助的人数hj；
根据负载节点的有效避难面积Sk，计算负载节点最大允许避难人数zk；
所述预设优化模型，包括：
上层模型：
Figure FDA0002976221430000012
Figure FDA0002976221430000013
Figure FDA0002976221430000014
Figure FDA0002976221430000015
Figure FDA0002976221430000021
mik＝ai×zk (3.6)
xk∈[0,1],ykj∈[0,1]
式(3.1)目标函数，表示避难场所投入最少；
式(3.2)约束条件，表示所有的需求点的避难需求都被满足；
式(3.3)约束条件，表示居民的避难时间在最大允许时间之内；
式(3.4)约束条件，表示每个避难点的总避难人数不能超过其承载人数上限；
式(3.5)给出了避难点吸引力与距离及避难人口规模和建设规模之间的关系，其中α为调节系数，取值为0～1之间的常数；
式(3.6)给出了避难场所的建设成本，其中i＝1,2,3，ai表示三类避难场所的人均建设成本，为常数；一个避难场所对应唯一的等级；
下层模型：
Figure FDA0002976221430000022
Figure FDA0002976221430000023
Figure FDA0002976221430000024
Figure FDA0002976221430000025
Figure FDA0002976221430000026
Figure FDA0002976221430000027
∑mik≤M (3.9)
xk∈[0,1],ykj∈[0,1]
目标函数(3.7)表示所有居民避难的总时间最短；
式(3.8)：约束条件，表示最多建设P个避难点，P由上层模型求得；
式(3.9)：约束条件，总经济成本小于成本上限M，M由上层模型求得。
2.如权利要求1所述的方法，其特征在于，所述Tmax表示避难人员从供给节点走到避难场所的最大允许时间，等于避难场所最大覆盖路径除以居民的平均行走速度。
3.如权利要求1所述的方法，其特征在于，所述mik表示第i类避难场所k的建设成本，与避难场所的最大允许避难人数zk成正比，与避难场所类别的单位成本成正比。
4.一种城市避难场所选址的优化装置，其特征在于，包括：
设置模块，用于设置预设的选址规则；所述选址规则是指疏散避难场所的选择以安全、就近、交通方便为原则；
获取模块，用于根据所述选址规则，获取待规划区域的相关参数及决策变量；所述相关参数包括：预设范围内供给节点需要避难人员数量hj、所有避难场所待选点数目k、供给节点j到避难场所k的最短行程时间tkj、避难场所k对供给节点j中避难人员的吸引力γkj、避难人员从供给节点走到避难场所的最大允许时间Tmax、避难场所k的有效避难面积Sk、避难场所k的最大允许避难人数zk、i等级避难场所k的建设成本mik、选择避难场所的总数P和避难场所总的经费投入M；所述获取模块中的所述γkj表示避难场所对供给节点居民的吸引力，与供给节点居民数量和避难场所的建设规模成正比，与供给节点和避难场所之间最短距离的步行时间的平方成反比；
所述决策变量包括：
Figure FDA0002976221430000031
输入模块，用于将所述相关参数及决策变量，输入预设优化模型；
输出模块，用于输出需要避难场所的数量、位置、规模等级、总投入成本及疏散路径；
所述装置，还包括：
第一生成模块，用于识别待规划区域中所有供给节点与负载节点，生成供给节点位置矩阵与负载节点位置矩阵；所述供给节点包括居住区及居住用地，所述负载节点包括：公园、绿地、广场、学校、救助站、操场、体育场和社会旅馆；所述避难场所在所述负载节点中选址；
第二生成模块，用于根据网络拓扑关系计算所有供给节点至所有负载节点的路网路径，生成最短路径矩阵与逃生时间矩阵；
第一计算模块，用于根据供给节点内的建构筑物震害特征、人员组成特征估算各供给节点在灾害后需要实际救助的人数hj；
第二计算模块，用于根据负载节点的有效避难面积Sk，计算负载节点最大允许避难人数zk；
所述预设优化模型，包括：
上层模型：
Figure FDA0002976221430000041
Figure FDA0002976221430000042
Figure FDA0002976221430000043
Figure FDA0002976221430000044
Figure FDA0002976221430000045
mik＝ai×zk (3.6)
xk∈[0,1],ykj∈[0,1]
式(3.1)目标函数，表示避难场所投入最少；
式(3.2)约束条件，表示所有的需求点的避难需求都被满足；
式(3.3)约束条件，表示居民的避难时间在最大允许时间之内；
式(3.4)约束条件，表示每个避难点的总避难人数不能超过其承载人数上限；
式(3.5)给出了避难点吸引力与距离及避难人口规模和建设规模之间的关系，其中α为调节系数，取值为0～1之间的常数；
式(3.6)给出了避难场所的建设成本，其中i＝1,2,3，ai表示三类避难场所的人均建设成本，为常数；一个避难场所对应唯一的等级；
下层模型：
Figure FDA0002976221430000046
Figure FDA0002976221430000047
Figure FDA0002976221430000048
Figure FDA0002976221430000049
Figure FDA0002976221430000051
Figure FDA0002976221430000052
∑mik≤M (3.9)
xk∈[0,1],ykj∈[0,1]
目标函数(3.7)表示所有居民避难的总时间最短；
式(3.8)：约束条件，表示最多建设P个避难点，P由上层模型求得；
式(3.9)：约束条件，总经济成本小于成本上限M，M由上层模型求得。
5.如权利要求4所述的装置，其特征在于，所述获取模块中的所述Tmax表示避难人员从供给节点走到避难场所的最大允许时间，等于避难场所最大覆盖路径除以居民的平均行走速度。
CN201910181809.1A 2019-03-11 2019-03-11 一种城市避难场所选址的优化方法及装置 Expired - Fee Related CN109993349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910181809.1A CN109993349B (zh) 2019-03-11 2019-03-11 一种城市避难场所选址的优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910181809.1A CN109993349B (zh) 2019-03-11 2019-03-11 一种城市避难场所选址的优化方法及装置

Publications (2)

Publication Number Publication Date
CN109993349A CN109993349A (zh) 2019-07-09
CN109993349B true CN109993349B (zh) 2021-06-18

Family

ID=67129580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910181809.1A Expired - Fee Related CN109993349B (zh) 2019-03-11 2019-03-11 一种城市避难场所选址的优化方法及装置

Country Status (1)

Country Link
CN (1) CN109993349B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852587B (zh) * 2019-10-31 2022-04-12 华中科技大学 一种应急避难所选址和资源分配方法及系统
CN112712245A (zh) * 2020-12-23 2021-04-27 河南大学 一种满足学区连续要求的学校布局调整方法及装置
CN112668774B (zh) * 2020-12-25 2024-04-05 浙江大学 桥梁网络灾后修复过程中的资源动态优化配置方法
CN116090736B (zh) * 2022-11-26 2024-04-26 中国消防救援学院 一种消防应急疏散管控方法及系统
CN115965171A (zh) * 2023-03-10 2023-04-14 吉奥时空信息技术股份有限公司 一种基于优化蚁群算法的微公园选址方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872382A (zh) * 2009-04-21 2010-10-27 同济大学 一种公路隧道运营安全状况动态检测方法
CN105426997A (zh) * 2015-11-18 2016-03-23 西南交通大学 城市公共自行车智能调度与运用管理系统及其实现方法
CN105760960A (zh) * 2016-02-29 2016-07-13 东南大学 基于轨道交通的停车换乘设施最优选址和容量确定方法
CN109190813A (zh) * 2018-08-22 2019-01-11 华南理工大学 一种基于双层规划的共享自行车区域投放规划方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332122A (zh) * 2011-10-18 2012-01-25 东南大学 城市公共自行车租赁点布局优化方法
CN102708679B (zh) * 2012-05-29 2016-12-14 孙健 一种城市信号交叉口短时交通流预测方法
US20150235247A1 (en) * 2014-02-19 2015-08-20 Tata Consultancy Services Limited Computer implemented system and method for determining a multi stage facility location and allocation
US10456912B2 (en) * 2017-05-11 2019-10-29 King Fahd University Of Petroleum And Minerals Dynamic multi-objective task allocation
CN107341580A (zh) * 2017-08-08 2017-11-10 上海交通大学 一种用于城市交通网络应急疏散规划的新型启发式算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872382A (zh) * 2009-04-21 2010-10-27 同济大学 一种公路隧道运营安全状况动态检测方法
CN105426997A (zh) * 2015-11-18 2016-03-23 西南交通大学 城市公共自行车智能调度与运用管理系统及其实现方法
CN105760960A (zh) * 2016-02-29 2016-07-13 东南大学 基于轨道交通的停车换乘设施最优选址和容量确定方法
CN109190813A (zh) * 2018-08-22 2019-01-11 华南理工大学 一种基于双层规划的共享自行车区域投放规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
城市综合防灾规划编制中的关键问题探讨;王江波等;《城市规划》;20170409;第41卷(第4期);第69-73页 *
避难场所选址优化方法研究;陈红月;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20180315(第03期);第3章、第4.3.3节、第4.3.4节 *
面向城市规划的避难疏散场所选址模型;徐敬海等;《测绘通报》;20181225(第12期);第1节、第3节，表1 *

Also Published As

Publication number Publication date
CN109993349A (zh) 2019-07-09

Similar Documents

Publication Publication Date Title
CN109993349B (zh) 一种城市避难场所选址的优化方法及装置
Zhang Analysis on comprehensive risk assessment for urban fire: The case of Haikou City
Kumar et al. Disaster risk in the urban villages of Delhi
Zuo et al. Simulation and optimization of pedestrian evacuation in high-density urban areas for effectiveness improvement
Parrot et al. Urban GIS applications
Liu et al. Location optimization of emergency medical facilities for public health emergencies in megacities based on genetic algorithm
Fei et al. Disaster consequence mitigation and evaluation of roadside green spaces in Nanjing
Karji et al. Social sustainability indicators in mass housing construction
Shieh et al. Earthquake risk in urban street network: an example from region 6 of Tehran, Iran
Wang Research on the Suitability of the Emergency Shelter in Tianjin
Xu et al. Multicriteria assessment of the response capability of urban emergency shelters: A case study in Beijing
Tuzzohora et al. Effective evacuation management and mitigation plan for earthquake: A case study on Lalbagh area of Dhaka city
Masum et al. Water distribution system modeling by using epanet 2.0, a case study of cuet
Ciborowski Physical development planning and urban design in earthquake-prone areas
Wang et al. Analyzing and Modeling Post-Earthquake Emergency Traffic Demand
Zhou Research on layout optimization method of urban fire station based on fire risk assessment
Ilyichev et al. Urban environment design: new methodological approaches based on the biosphere compatibility paradigm (part 2)
Lee II Assessing vulnerability and managing disruptions to interdependent infrastructure systems: A network flows approach
Rastegar ASSESSING URBAN STREETS NETWORK VULNERABILITY AGAINST EARTHQUAKE USING GIS–CASE STUDY: 6 TH ZONE OF TEHRAN
Oki et al. Quick Estimation Method of Property Damage and Human Casualty in the Event of a Large Earthquake
Maan et al. Environmental evaluation of the alternative housing environments of slums
Wang Vulnerability and risk analysis of the Guadeloupe Island for disaster scenarios using the modified i2SIM toolbox
Wang et al. Optimization for postearthquake resilient power system capacity restoration based on the degree of discreteness method
Tamura et al. Multiple evaluation in the future population distribution for sustainable city
March et al. Urban design: an underutilized tool for disaster risk reduction?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210618