CN111242454A - 一种化工事故多目标两阶段应急救援物资调度方法 - Google Patents

一种化工事故多目标两阶段应急救援物资调度方法 Download PDF

Info

Publication number
CN111242454A
CN111242454A CN202010012964.3A CN202010012964A CN111242454A CN 111242454 A CN111242454 A CN 111242454A CN 202010012964 A CN202010012964 A CN 202010012964A CN 111242454 A CN111242454 A CN 111242454A
Authority
CN
China
Prior art keywords
rescue
emergency
population
path
accident
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.)
Granted
Application number
CN202010012964.3A
Other languages
English (en)
Other versions
CN111242454B (zh
Inventor
蒋鹏
裘飞
郑松
许欢
孔亚广
张帆
侯平智
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.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202010012964.3A priority Critical patent/CN111242454B/zh
Publication of CN111242454A publication Critical patent/CN111242454A/zh
Application granted granted Critical
Publication of CN111242454B publication Critical patent/CN111242454B/zh
Active 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本发明提出了一种化工事故多目标两阶段应急救援物资调度方法。第一阶段，在传统车辆路径规划方法的基础上，通过充分考虑化工园区初始事故以及多米诺效应对园区以及周边道路产生的风险影响，构建基于道路风险的救援车辆路径规划模型，规划相对安全的救援车辆行驶路径。针对路径特点，本发明设计了一种改进变异算子的遗传算法对模型进行求解；第二阶段，针对决策者的决策偏好不同，以应急救援开展时间最早、参与救援点数目最少、未满足救援物资需求的数量最少为目标，构建应急救援物资调度多目标模型，并使用多目标遗传算法NSGA‑II进行求解。本发明具有开放性、灵活性以及计算复杂度低等特点。

Description

一种化工事故多目标两阶段应急救援物资调度方法
技术领域
本发明属于应急救援辅助决策领域，涉及到自动化技术，特别是涉及一种化工事故多目标两阶段应急救援物资调度方法。
背景技术
由于化工生产、储运等各环节多涉及危险化学品，以及化工园区多处于经济发达、人口密集的敏感地区，造成化工园区处于高风险状态。近年来，多起重大化工园区危险事故的发生，给人民的生命和财产带来了巨大的损害。当面对化工园区危险事故时，如何安全的规划救援车辆行驶路径以及合理的应急救援物资调度对救援工作的及时开展具有重要意义。
许多传统的应急救援物资调度方法在救援车辆的路径规划中只考虑路径长度因素，没有考虑到化工园区事故以及初始事故所引起的多米诺效应对园区以及周边道路产生的风险影响，因而容易导致规划的救援车辆路径具有较大风险。此外，因实际问题中，应急救援工作是系统而又复杂的科学问题，传统应急救援物资调度方法多以单个目标为救援调度目标，如救援时间最短、参与救援点最少，难以全面地考虑实际问题，可能造成救援工作受到影响。因此，应急救援物资调度非常困难。
发明内容
本发明针对现有技术的不足，提出了一种化工事故多目标两阶段应急救援物资调度方法。
本发明的目标是针对应急救援物资调度中的一些难题，在满足所有给定的约束条件的背景下，分析化工园区事故后果以及多米诺效应，确定救援车辆路线，分配救援物资至可支配救援点，将救援物资从多个可支配救援点运输到受灾点，使救援开展时间、参与救援点数量和未满足救援物资数量最小化。
本发明的技术方案是通过充分考虑化工初始事故以及初始事故所引发的多米诺效应，化工园区道路信息、人口分布，提出一种基于道路风险的救援车辆路径规划模型，构建多目标两阶段应急救援物资调度模型。第一阶段根据路径特性，设计一种改进变异算子的遗传算法求解问题，第二阶段使用多目标遗传算法NSGA-II对模型进行求解，最终确立了化工事故多目标两阶段应急救援物资调度方法。
本发明的有益效果：本发明结合应急救援物资调度在传统的车辆路径规划方法的基础上，第一阶段考虑化工园区事故以及多米诺效应所产生的道路风险因素，构建了基于道路风险的救援车辆路径规划模型；第二阶段针对化工救援工作的复杂性，构建多目标应急救援物资调度模型，最终设计了一个化工事故多目标两阶段应急救援物资调度方法，本发明具有开放性、灵活性以及计算复杂度低等特点。
附图说明
图1为多米诺效应流程图；
图2为遗传算法流程图；
图3为交叉算子示意图；
图4为变异算子示意图；
图5为多目标遗传算法NSGA-II流程图。
具体实施方式
以下结合附图对本发明作进一步说明
本发明包括以下步骤：
步骤1:获取基础数据，其中包括化工园区事故信息、化工园区路段信息、周围可支配救援点物资储备信息、人口分布信息。
步骤2:分析化工园区以及周边道路风险，本发明将道路风险定义为化工园区初始事故以及多米诺效应下所产生个人风险的叠加。通过对初始事故类型以及造成伤害的主要因素进行分析，评价主要损伤因素对人体伤害以及周围设备所在造成的影响。其次分析初始事故所可能引发多米诺效应，从确定初始事故出发，针对热辐射，冲击波超压，抛射碎片等物理效应计算邻近目标设备的损坏几率，确定多米诺效应事故发生概率以及后果，确定失效单元，判断是否有下级单元。多米诺效应见图1，其中设备的损坏几率计算公式如下：
Figure BDA0002357823070000021
其中Ym是不同损伤因素下的设备损伤概率单位，其计算公式如下所示：
Figure BDA0002357823070000022
ln1(ttf)＝-1.128ln(I)-2.667×10-5v+9.87
ln2(ttf)＝-0.97ln(I)+8.835V0.032
式中，tff为设备失效所需时间，s；V为二次设备容积，m3；Ps为静态超压峰值，kPa；I为热辐射的强度，kW/m2。
通过上述两个部分可以计算初始事故所产生的后果，以及多米诺效应下事故产生的后果。事故后果带来的致死概率V公式如下所示:
Figure BDA0002357823070000023
其中Yh为概率计算单位，其计算公式如下所示：
Figure BDA0002357823070000031
式中，I为热辐射强度，kW/m2；Ps为静态超压峰值，kPa；C为毒气浓度，ppm；te为人体暴露时间，min；D为剂量。
则区域内任一点个人风险值计算表达式如下所示:
Figure BDA0002357823070000032
其中fa是第a个设备发生事故的频率，Va是第a个设备发生事故造成的人员死亡概率,Pab为设备a所引发的事故对设备b的多米诺效应拓展概率。
步骤3：构建化工事故多目标两阶段应急救援物资调度模型。
第一阶段：构建基于道路风险的救援车辆路径规划模型
本发明构建设化工园区路径网络节点无向图G＝(V,E),其中V为结点集,E为路径集，E中任意路段的长度与风险数值分别设为Len、Risk。因为Len、Risk之间量级差别较大，所以对道路长度和风险权重进行了标准归一化处理，使得两个权重对路径的选择具有相同的影响。路径规划模型如下式所示。
minZ＝min(α1∑Len+α2∑Risk)
其中α1和α2为权重系数，分别表示距离和安全两个不同的优化指标的重要性。该模型所计算出的最优路径为第二阶段多目标应急救援物资调度模型救援车辆运行时间参数提供根据。
第二阶段：构建多目标应急救援物资调度模型
本发明定义参数与变量分别为：j：表示事故灾害点的第j种应急资源需求，j＝1,2,...,m；Dj：表示事故灾害点对第j种应急资源的需求量；Vj：表示第j种应急资源的消耗速率；Ai：表示第i个备选应急出救点，i＝1,2,...,n；ti：表示第i个备选应急出救点到事故灾害点的应急资源调配行程时间；ri j：表示应急出救点i的第j种应急资源保有量；
Figure BDA0002357823070000034
表示应急出救点i的第j种应急资源派遣量；
Figure BDA0002357823070000033
0-1变量，当应急出救点Ai参与第j种应急资源调度时取1，否则取0；yi：0-1变量，当应急出救点Ai参与应急资源调度时取1，否则为0。
为便于构建多目标应急资源调度模型，作基本假设：各应急救援点之间相互独立，不存在相互资源调度与补给；运输时间与车辆类型无关；各应急物资消耗速率为常量；救援过程中不考虑救援车辆装货与卸货时间；各救援点具有充足车辆用于救援物资调度；
本发明将优化目标函数定义为一个多目标的三维向量，Minimize(Z)＝[Z1,Z2,Z3]，其中，Z1是用于最小救援开展时间的目标函数；Z2是用于最小化未满足救援物资数量的目标函数；Z3是用于最小化救援参与点数量的目标函数。
目标函数Z1：
Figure BDA0002357823070000041
上式表示为救援时效性最好
目标函数Z2：
Figure BDA0002357823070000042
上式表示为救援安全性最好
目标函数Z3：
Figure BDA0002357823070000043
上式表示为代表救援经济性最好
模型约束为：
Figure BDA0002357823070000044
上式表示为各应急救援点的资源派遣量不大于其资源保有量，且为非负整数；
Figure BDA0002357823070000045
上式中，ε为充分小数，此式确保当应急出救点Ai派遣的第j种应急资源量
Figure BDA0002357823070000047
时
Figure BDA0002357823070000048
取1，否则取0
Figure BDA0002357823070000046
上式表示为当应急出救点Ai参与应急资源调度时yi取1，否则取0
步骤4:模型求解
第一阶段模型求解：
(1)基于道路风险的车辆路径规划模型，应用了改进变异算子的的遗传算法进行求解，算法流程见图2所示，具体求解步骤如下：
①参数设置
设置种群数目N，最大迭代次数t,变异算子为0.05，交叉算子0.7；
②编码
一条路径为一个染色体，染色体编码没有采用传统遗传算法中的数值编码方式(如二进制和实数编码)而是采用该路径的结点序列,这样能更直接、具体地表达路径的实际意义,同时有利于适应度函数的选取与计算。结点号为染色体中的基因。由于路径不应出现环路,因此染色体中不允许有重复的基因码。染色体的第一个基因为路径起点,最后一个基因为路径终点,染色体的长度是变化的,但不可能超过最大长度N(N为无向图的结点数)。
③初始化种群
随机生成以救援点为起点，受灾点为终点的N条可行路径。
④适应度评价
根据染色体对应的路径风险数值以及长度数值对路径进行评价。
⑤选择
按照轮盘赌规则选择N个个体。
⑥交叉
交叉两个个体部分基因可以发现更好的个体。传统遗传算法中是随机进行一点或多点交叉的操作,但这样很容易产生断路或环路。因此本文在除首、尾结点之外的第一个重复结点进行交叉操作且只进行一点交叉操作。交叉算子示意图见图3。
⑦变异
本发明中对传统遗传算法变异进行改进，传统遗传算法在解决路径问题时，变异操作是随机选择路径中两个结点，并随机生成两结点之间可行路径对原路径进行替换。现对变异算子做出改进，随机选择路径某个结点，使用迪杰斯特拉算法生成路径起点到当前结点、当前结点到路径终点的最短路径，对原路径进行替换。变异算子示意图见图4。
⑧算法迭代
重复④到⑦，直至满足算法最大迭代数。最终，生成满足条件的路径。
第二阶段模型求解：
本发明应用了多目标遗传算法NSGA-II进行求解，算法流程图见图5，求解的具体步骤如下:
①初始化种群
设置初始种群数目大小为N，最大迭代次数t,变异算子为0.05，交叉算子为0.7，初始化种群，随机生成满足限制条件的N个个体；
②帕累托排序
在完成初始种群构建后，采用帕累托排序法划分种群层次。帕累托排序法采用帕累托支配关系比较种群中个体之间的优劣。假设种群为P，帕累托排序法需要计算种群内每一个个体p∈P的两个参数np和Sp，np是种群中支配个体p的个体数，Sp是种群中个体p支配的个体集合。当遍历种群内所有个体后，所有np＝0的个体将被划分到种群的第一层P1，对于P1内的个体l∈P1，其所支配的个体集合为Sl，遍历Sl中的个体m∈Sl，执行nm＝nm-1，所有nm＝0的个体将被划分到种群的第二层P2，以此类推，直到整个种群被分层。序号为1的分层P1为非支配层，P1内所有个体均为当前种群的帕累托最优解。如图2所示，赋秩1的解优先于赋秩2的解，即，赋值秩为1的解在任何优化目标上均优于其余解。因此，分配给第1级的解是非支配的。
③进化算子
通过二进制锦标算法在当前种群内选择个体进行交叉变异操作，产生N个子代个体，分层序号越小的个体，被选中进行交叉变异操作的概率越大。其中交叉操作是通过随机选择矩阵的一行和一列，并随机交换由行和列组成的交叉区域之一，变异操作是通过随机选择矩阵的一个元素，设该点所对应的某种救援物资存储量为Storage，并让其在[0,Storage]间进行随机的取值。对父代种群和子代种群执行精英策略得到N个个体作为下一代的父代种群；
④算法迭代
重复②到③，直至满足算法最大迭代数。最终，基于变邻域搜索的混合多目标进化算法给出一组满足不同偏好的帕累托最优解。

Claims (5)

1.一种化工事故多目标两阶段应急救援物资调度方法，其特征在于该方法包括以下步骤：
步骤1：获取基础数据，包括化工园区事故信息、化工园区路段信息、周围可支配救援点物资储备信息和人口分布信息；
步骤2：分析化工园区以及周边道路风险，将道路风险定义为化工园区初始事故以及多米诺效应下所产生个人风险的叠加；通过对初始事故类型以及造成伤害的主要因素进行分析，评价主要损伤因素对人体伤害以及周围设备所在造成的影响；
其次分析初始事故所可能引发多米诺效应，从确定初始事故出发，针对热辐射，冲击波超压，抛射碎片计算邻近目标设备的损坏几率，确定多米诺效应事故发生概率以及后果，确定失效单元，判断是否有下级单元；
计算初始事故所产生的后果，以及多米诺效应下事故产生的后果；事故后果带来的致死概率V；
则区域内任一点个人风险值计算表达式如下所示：
Figure FDA0002357823060000011
其中fa是第a个设备发生事故的频率，Va是第a个设备发生事故造成的人员死亡概率，Pab为设备a所引发的事故对设备b的多米诺效应拓展概率；
步骤3：构建化工事故多目标两阶段应急救援物资调度模型；
第一阶段：构建基于道路风险的救援车辆路径规划模型
构建设化工园区路径网络节点无向图G＝(V，E)，其中V为结点集，E为路径集，E中任意路段的长度与风险数值分别设为Len、Risk，路径规划模型如下式所示；
min Z＝min(α1∑Len+α2∑Risk)
其中α1和α2为权重系数，分别表示距离和安全两个不同的优化指标的重要性；
该模型所计算出的最优路径为第二阶段多目标应急救援物资调度模型救援车辆运行时间参数提供根据；
第二阶段：构建多目标应急救援物资调度模型
定义参数与变量分别为：j：表示事故灾害点的第j种应急资源需求，j＝1，2，...，m；Dj：表示事故灾害点对第j种应急资源的需求量；Vj：表示第j种应急资源的消耗速率；Ai：表示第i个备选应急出救点，i＝1，2，...，n；ti：表示第i个备选应急出救点到事故灾害点的应急资源调配行程时间；ri j：表示应急出救点i的第j种应急资源保有量；
Figure FDA0002357823060000012
表示应急出救点i的第j种应急资源派遣量；
Figure FDA0002357823060000021
0-1变量，当应急出救点Ai参与第j种应急资源调度时取1，否则取0；yi：0-1变量，当应急出救点Ai参与应急资源调度时取1，否则为0；
设各应急救援点之间相互独立，不存在相互资源调度与补给；运输时间与车辆类型无关；各应急物资消耗速率为常量；救援过程中不考虑救援车辆装货与卸货时间；各救援点具有充足车辆用于救援物资调度；
将优化目标函数定义为一个多目标的三维向量，Minimize(Z)＝[Z1，Z2，Z3]，其中，Z1是用于最小救援开展时间的目标函数；Z2是用于最小化未满足救援物资数量的目标函数；Z3是用于最小化救援参与点数量的目标函数；
目标函数Z1：
Figure FDA0002357823060000022
上式表示为救援时效性最好
目标函数Z2：
Figure FDA0002357823060000023
上式表示为救援安全性最好
目标函数Z3：
Figure FDA0002357823060000024
上式表示为代表救援经济性最好
模型约束为：
Figure FDA0002357823060000025
上式表示为各应急救援点的资源派遣量不大于其资源保有量，且为非负整数；
Figure FDA0002357823060000026
上式中，ε为充分小数，此式确保当应急出救点Ai派遣的第j种应急资源量
Figure FDA0002357823060000027
时
Figure FDA0002357823060000028
取1，否则取0；
Figure FDA0002357823060000029
上式表示为当应急出救点Ai参与应急资源调度时yi取1，否则取0；
步骤4：模型求解
第一阶段模型求解：
(1)基于道路风险的车辆路径规划模型，应用改进变异算子的遗传算法进行求解，具体求解步骤如下：
①参数设置
设置种群数目，最大迭代次数，变异算子和交叉算子；
②编码
一条路径为一个染色体，染色体编码采用路径的结点序列，结点号为染色体中的基因；染色体的第一个基因为路径起点，最后一个基因为路径终点；
③初始化种群
随机生成以救援点为起点，受灾点为终点的N条可行路径；
④适应度评价
根据染色体对应的路径风险数值以及长度数值对路径进行评价；
⑤选择
按照轮盘赌规则选择N个个体；
⑥交叉
在除首、尾结点之外的第一个重复结点进行交叉操作且只进行一点交叉操作；
⑦变异
随机选择路径某个结点，使用迪杰斯特拉算法生成路径起点到当前结点、当前结点到路径终点的最短路径，对原路径进行替换；
⑧迭代
重复④到⑦，直至满足最大迭代数；最终，生成满足条件的路径；
第二阶段模型求解：
应用多目标遗传算法NSGA-II进行求解，求解的具体步骤如下：
①初始化种群
设置初始种群数目，最大迭代次数，变异算子，交叉算子，初始化种群，随机生成满足限制条件的N个个体；
②帕累托排序
采用帕累托排序法划分种群层次；帕累托排序法采用帕累托支配关系比较种群中个体之间的优劣；
③进化
通过二进制锦标算法在当前种群内选择个体进行交叉变异操作，产生N个子代个体；
④迭代
重复②到③，直至满足最大迭代数；最终给出一组满足不同偏好的帕累托最优解。
2.根据权利要求1所述的一种化工事故多目标两阶段应急救援物资调度方法，其特征在于：
所述目标设备的损坏几率计算公式如下：
Figure FDA0002357823060000031
其中Ym是不同损伤因素下的设备损伤概率单位，其计算公式如下所示：
Figure FDA0002357823060000041
ln1(ttf)＝-1.128ln(I)-2.667×10-5v+9.87
ln2(ttf)＝-0.97ln(I)+8.835V0.032
式中，tff为设备失效所需时间；V为二次设备容积；Ps为静态超压峰值；I为热辐射的强度。
3.根据权利要求1所述的一种化工事故多目标两阶段应急救援物资调度方法，其特征在于：
所述致死概率V公式如下所示：
Figure FDA0002357823060000042
其中Yh为概率计算单位，其计算公式如下所示：
Figure FDA0002357823060000043
式中，I为热辐射强度；Ps为静态超压峰值；C为毒气浓度；te为人体暴露时间；D为剂量。
4.根据权利要求1所述的一种化工事故多目标两阶段应急救援物资调度方法，其特征在于：
在帕累托排序法中，假设种群为P，计算种群内每一个个体p∈P的两个参数np和Sp，np是种群中支配个体p的个体数，Sp是种群中个体p支配的个体集合；当遍历种群内所有个体后，所有np＝0的个体将被划分到种群的第一层P1，对于P1内的个体l∈P1，其所支配的个体集合为Sl，遍历Sl中的个体m∈Sl，执行nm＝nm-1，所有nm＝0的个体将被划分到种群的第二层P2，以此类推，直到整个种群被分层；序号为1的分层P1为非支配层，P1内所有个体均为当前种群的帕累托最优解；赋秩1的解优先于赋秩2的解，即，赋值秩为1的解在任何优化目标上均优于其余解，因此，分配给第1级的解是非支配的。
5.根据权利要求1所述的一种化工事故多目标两阶段应急救援物资调度方法，其特征在于：
所述的变异操作是通过随机选择矩阵的一个元素，设该点所对应的某种救援物资存储量为Storage，并让其在[0，Storage]间进行随机的取值；对父代种群和子代种群执行精英策略得到N个个体作为下一代的父代种群。
CN202010012964.3A 2020-01-07 2020-01-07 一种化工事故多目标两阶段应急救援物资调度方法 Active CN111242454B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010012964.3A CN111242454B (zh) 2020-01-07 2020-01-07 一种化工事故多目标两阶段应急救援物资调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010012964.3A CN111242454B (zh) 2020-01-07 2020-01-07 一种化工事故多目标两阶段应急救援物资调度方法

Publications (2)

Publication Number Publication Date
CN111242454A true CN111242454A (zh) 2020-06-05
CN111242454B CN111242454B (zh) 2022-05-31

Family

ID=70875965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010012964.3A Active CN111242454B (zh) 2020-01-07 2020-01-07 一种化工事故多目标两阶段应急救援物资调度方法

Country Status (1)

Country Link
CN (1) CN111242454B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111913967A (zh) * 2020-08-07 2020-11-10 公安部道路交通安全研究中心 一种道路应急处置站点规划与资源调度系统
CN112146673A (zh) * 2020-09-27 2020-12-29 浙江综合交通大数据中心有限公司 基于改进蚁群算法的高速公路多点协同救援路径规划方法
CN112446538A (zh) * 2020-11-23 2021-03-05 合肥工业大学 一种基于个性化避险的最优路径获取方法
CN112598189A (zh) * 2020-12-29 2021-04-02 浙江工业大学 基于shade算法的多路径多目标应急物资配送路径选择方法
CN112990577A (zh) * 2021-03-16 2021-06-18 昆明理工大学 一种综合需求满意度和灾民损失的矿山事故应急救援动态调度建模方法
CN113313331A (zh) * 2021-07-30 2021-08-27 深圳市城市交通规划设计研究中心股份有限公司 基于库存缺口风险的应急物资多周期分割配送方法及装置
CN113393108A (zh) * 2021-06-07 2021-09-14 中国石油大学(北京) 危化品运输车辆聚集区域的风险评价方法
CN113759959A (zh) * 2021-07-23 2021-12-07 合肥工业大学 针对应急物资配送的无人机路径规划方法和装置
CN113987964A (zh) * 2021-12-27 2022-01-28 武汉理工大学 一种考虑经济性的环形热电发电机的优化设计方法及系统
CN114091753A (zh) * 2021-11-22 2022-02-25 南京信息工程大学 一种基于救援紧急程度的应急物资调度方法
CN117172441A (zh) * 2023-07-26 2023-12-05 中国船舶集团有限公司第七一三研究所 一种特种物资保障决策规划方法和装置
CN117371750A (zh) * 2023-11-06 2024-01-09 南京工程学院 一种计及人车特征匹配的多目标电网故障应急救援方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW448666B (en) * 1999-01-28 2001-08-01 Ibm Method and apparatus for automotive radio time shifting personalized to multiple drivers
US20040172191A1 (en) * 2003-02-27 2004-09-02 Timo Vitikainen System and method for an intelligent multi-modal user interface for route drawing
CN106846225A (zh) * 2017-01-18 2017-06-13 李红旮 一种火灾应急救助方法
WO2017106775A1 (en) * 2015-12-17 2017-06-22 Rapidsos, Inc. Devices and methods for efficient emergency calling
CN108171413A (zh) * 2017-12-26 2018-06-15 杭州电子科技大学 一种化工园区应急资源配置优化方法
CN109063949A (zh) * 2018-06-12 2018-12-21 中国科学技术大学 一种基于超网络的化工园区集中区域应急物资调配方法
CN110619431A (zh) * 2019-09-17 2019-12-27 浙江树人学院（浙江树人大学） 一种救灾中防汛救援物资的车辆运输调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW448666B (en) * 1999-01-28 2001-08-01 Ibm Method and apparatus for automotive radio time shifting personalized to multiple drivers
US20010034220A1 (en) * 1999-01-28 2001-10-25 International Business Machines Corporation Method and apparatus for automotive radio time shifting personalized to multiple drivers
US20040172191A1 (en) * 2003-02-27 2004-09-02 Timo Vitikainen System and method for an intelligent multi-modal user interface for route drawing
WO2017106775A1 (en) * 2015-12-17 2017-06-22 Rapidsos, Inc. Devices and methods for efficient emergency calling
CN106846225A (zh) * 2017-01-18 2017-06-13 李红旮 一种火灾应急救助方法
CN108171413A (zh) * 2017-12-26 2018-06-15 杭州电子科技大学 一种化工园区应急资源配置优化方法
CN109063949A (zh) * 2018-06-12 2018-12-21 中国科学技术大学 一种基于超网络的化工园区集中区域应急物资调配方法
CN110619431A (zh) * 2019-09-17 2019-12-27 浙江树人学院（浙江树人大学） 一种救灾中防汛救援物资的车辆运输调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
纵孟: "《液氯泄漏事故动态演化及救援行动决策研究》", 《中国优秀硕士学位论文全文数据库》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111913967A (zh) * 2020-08-07 2020-11-10 公安部道路交通安全研究中心 一种道路应急处置站点规划与资源调度系统
CN112146673A (zh) * 2020-09-27 2020-12-29 浙江综合交通大数据中心有限公司 基于改进蚁群算法的高速公路多点协同救援路径规划方法
CN112146673B (zh) * 2020-09-27 2022-07-22 浙江综合交通大数据中心有限公司 基于改进蚁群算法的高速公路多点协同救援路径规划方法
CN112446538A (zh) * 2020-11-23 2021-03-05 合肥工业大学 一种基于个性化避险的最优路径获取方法
CN112446538B (zh) * 2020-11-23 2022-11-08 合肥工业大学 一种基于个性化避险的最优路径获取方法
CN112598189B (zh) * 2020-12-29 2021-10-15 浙江工业大学 基于shade算法的多路径多目标应急物资配送路径选择方法
CN112598189A (zh) * 2020-12-29 2021-04-02 浙江工业大学 基于shade算法的多路径多目标应急物资配送路径选择方法
CN112990577A (zh) * 2021-03-16 2021-06-18 昆明理工大学 一种综合需求满意度和灾民损失的矿山事故应急救援动态调度建模方法
CN113393108A (zh) * 2021-06-07 2021-09-14 中国石油大学(北京) 危化品运输车辆聚集区域的风险评价方法
CN113759959A (zh) * 2021-07-23 2021-12-07 合肥工业大学 针对应急物资配送的无人机路径规划方法和装置
CN113759959B (zh) * 2021-07-23 2022-10-11 合肥工业大学 针对应急物资配送的无人机路径规划方法和装置
CN113313331B (zh) * 2021-07-30 2022-01-07 深圳市城市交通规划设计研究中心股份有限公司 基于库存缺口风险的应急物资多周期分割配送方法及装置
CN113313331A (zh) * 2021-07-30 2021-08-27 深圳市城市交通规划设计研究中心股份有限公司 基于库存缺口风险的应急物资多周期分割配送方法及装置
CN114091753A (zh) * 2021-11-22 2022-02-25 南京信息工程大学 一种基于救援紧急程度的应急物资调度方法
CN114091753B (zh) * 2021-11-22 2024-06-21 南京信息工程大学 一种基于救援紧急程度的应急物资调度方法
CN113987964A (zh) * 2021-12-27 2022-01-28 武汉理工大学 一种考虑经济性的环形热电发电机的优化设计方法及系统
CN117172441A (zh) * 2023-07-26 2023-12-05 中国船舶集团有限公司第七一三研究所 一种特种物资保障决策规划方法和装置
CN117371750A (zh) * 2023-11-06 2024-01-09 南京工程学院 一种计及人车特征匹配的多目标电网故障应急救援方法
CN117371750B (zh) * 2023-11-06 2024-05-17 南京工程学院 一种计及人车特征匹配的多目标电网故障应急救援方法

Also Published As

Publication number Publication date
CN111242454B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN111242454B (zh) 一种化工事故多目标两阶段应急救援物资调度方法
Pasha et al. Exact and metaheuristic algorithms for the vehicle routing problem with a factory-in-a-box in multi-objective settings
Pourghader Chobar et al. A novel multi-objective model for hub location problem considering dynamic demand and environmental issues
Islier A genetic algorithm approach for multiple criteria facility layout design
Pasandideh et al. A multi-objective facility location model with batch arrivals: two parameter-tuned meta-heuristic algorithms
Sivanandam et al. Genetic algorithm optimization problems
CN103198366B (zh) 一种考虑目标节点时效性的多目标路径规划方法
Guo et al. Industrial information integration method to vehicle routing optimization using grey target decision
Jiang et al. A variable neighborhood search-based hybrid multiobjective evolutionary algorithm for HazMat heterogeneous vehicle routing problem with time windows
Liang et al. A cooperative coevolutionary optimization design of urban transit network and operating frequencies
CN116401951A (zh) 集成多agv路径规划与多行设备布局优化方法
CN109685248A (zh) 一种煤矿井下安检人员巡检路径和任务高效统筹方法
Zandieh et al. A comprehensive risk assessment view on interval type-2 fuzzy controller for a time-dependent HazMat routing problem
Kalić et al. Trip distribution modelling using fuzzy logic and a genetic algorithm
CN114004008B (zh) 一种基于神经网络和遗传算法的飞机装配线资源配置优化方法
Teymourifar et al. A comparison between two modified NSGA-II algorithms for solving the multi-objective flexible job shop scheduling problem
Rani Solving non-linear fixed-charge transportation problems using nature inspired non-linear particle swarm optimization algorithm
Shieh et al. Solving the capacitated clustering problem with genetic algorithms
CN115841230A (zh) 一种基于改进nsga-ⅱ算法的应急资源统筹调配方法
CN116306216A (zh) 列生成的多车型路径规划方法、系统、设备及介质
CN114895667A (zh) 一种基于多种群双层优化算法的危险品运输路径规划方法
CN114329783A (zh) 一种多目标电动汽车充电网络规划方法
CN113570134A (zh) 一种用于大型装备生产制造与行车系统的元胞机协同调度方法
Djatna et al. Bi-objective freight scheduling optimization in an integrated forward/reverse logistic network using non-dominated sorting genetic algorithm-II
Yuan Emergency Transportation and Structural Optimization Issues of E-commerce Logistics Network Parcels

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