CN111985067A - 一种多策略结合的疏散网络规划方法 - Google Patents

一种多策略结合的疏散网络规划方法 Download PDF

Info

Publication number
CN111985067A
CN111985067A CN202010744760.9A CN202010744760A CN111985067A CN 111985067 A CN111985067 A CN 111985067A CN 202010744760 A CN202010744760 A CN 202010744760A CN 111985067 A CN111985067 A CN 111985067A
Authority
CN
China
Prior art keywords
node
arc
intersection
evacuation
road section
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.)
Withdrawn
Application number
CN202010744760.9A
Other languages
English (en)
Inventor
赵星
杜希旺
侯中燕
张龙琳
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010744760.9A priority Critical patent/CN111985067A/zh
Publication of CN111985067A publication Critical patent/CN111985067A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/02—CAD in a network environment, e.g. collaborative CAD or distributed simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种多策略结合的疏散网络规划方法，本方法结合了车道反向设计策略、消除交叉口冲突策略，以及基于路段弧的确定性路径规划策略三部分。具体包括构建基于路段弧的网络模型；构建以总疏散时间最小化为目标，车道一致性约束、流量守恒约束、确定性路径约束、消除交叉口冲突约束下的多策略结合的疏散网络优化模型；设计双层算法对模型进行求解，上层应用禁忌搜索算法找到最佳车道反向方案，下层利用模拟退火算法得到满足消除交叉口冲突点约束的连接器优化方案，完成基于路段弧的确定性路径规划。本发明在应对紧急情况的时候，可以提高疏散效率，具有良好的适用性。

Description

一种多策略结合的疏散网络规划方法
技术领域
本发明涉及一种多策略结合的疏散网络规划方法，属于城市网络优化领域。
背景技术
近年来，世界各国突发事件发生频繁，其中既有自然灾害也有人为影响。这些突发事件造成了巨大的财产损失和人员伤亡，同时也考验着城市的交通系统。由于大型活动吸引了大量的交通需求，因此发生突发事件时更需合理高效地进行疏散组织管理，这就要求交通管理者要做好各类突发事件的预防和处理，做好大型活动安保工作，一旦发生紧急事件，人群和车辆的疏散路径、交通组织管理措施、避难所选择和救援人员的到达等都应在应急疏散预案中进行详细制定。在实际疏散情形中，大量人群、车辆涌入路网，在交叉口产生交叉冲突，将会大大降低整个疏散过程的效率且存在一定的安全隐患，因此采取合理的路网规划，从而大大提高交通的疏散效率，减少延误，保障人们的生命安全，已经成为亟待解决的问题。
发明内容
发明目的：针对以上问题，本发明提出一种多策略结合的疏散网络规划方法，减少疏散过程中交叉口的延误，合理规划疏散路径，提高整个网络的疏散效率。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种多策略结合的疏散网络规划方法，具体包括以下步骤：
(1)构建基于路段弧的网络模型，设置模型变量，以最小化总疏散时间为目标建立疏散网络优化模型；
(2)基于车道的容量可逆性，建立车道一致性约束，对于交叉口入口节点和出口节点，建立流量守恒约束条件；
(3)建立确定性路径约束条件，并建立疏散区域消除交叉口冲突的约束条件；
(4)对疏散网络优化模型进行求解，得到最优的疏散网络规划方案。
进一步的，所述步骤(1)中，构建基于路段弧的网络模型，具体包括：
获取疏散区域的可用路段长度、节点、车道数量信息，建立基本路网结构；获取疏散区域内自由流在路段上的出行时间、路段的通行能力和交通量数据，根据已知的车道方向及其在交叉口的转向，建立基于路段弧的网络模型；
所述的基于路段弧的网络模型分为交叉口子网络和路段子网络，包括节点、路段弧、有向连接器；所述节点包括流量加载到疏散网络上的源点，交叉口入口节点，交叉口出口节点；所述路段弧是两个相邻交叉口之间同向的连续有向弧；所述有向连接器是路段弧在其下游交叉口，从交叉口入口节点到交叉口出口节点的定向连接；
所述的基于路段弧的网络模型包含如下集合：源点集合NS，疏散避难所集合ND，交叉口入口节点集合NA，交叉口出口节点集合NP，弧集合L，路段集合R，交叉口连接器集合E，节点m的下游节点集合Γ(m)，节点j的上游节点集合Γ-1(j)；交叉口的连接器个数与交叉口的入口节点数相同。
进一步的，所述步骤(1)中，建立疏散网络优化模型，具体包括：
所述模型包含如下参数：流量加载到疏散网络上的源点s，t，交叉口入口节点m，q，o，i，交叉口出口节点j，n，p，相邻交叉口的出口节点l，入口节点k，疏散避难所d；路段弧(j,s),(s,k)即(j,k)，路段弧(l,t),(t,m)即(l,m)，有向连接器(m,p),(q,j),(o,n),(i,j)；由源点s加载的流量f(s)，由路段弧(j,k)和(l,m)组成的路段rjk,lm，路段rjk,lm的车道总数n(rjk,lm)，自由流在弧(j,s)上的出行时间
Figure BDA0002607964270000021
弧(j,s)的通行能力cjs，属于弧(j,s)的车道μ的通行能力
Figure BDA0002607964270000022
所述模型包含如下变量：路段弧(j,s)的出行时间tjs，路段弧(j,s)的交通流量xjs，zjk指示路段弧(j,k)的连通性，zjk＝0或1，zjk＝1表示从节点j到节点k是相连接的，即路段弧(j,k)是相连的，zjk＝0表示路段弧(j,k)是不相连的，路段弧(j,s)的车道数njs，yij指示从节点i到节点j的交叉口连接器的连通性，yij＝0或1，yij＝1表示从节点i到节点j的交叉口连接器是连通的，yij＝0表示连接器是不连通的；
以最小化总疏散时间为目标函数，建立疏散网络优化模型如下：
Figure BDA0002607964270000023
其中，α和β是常数。
进一步的，所述步骤(2)中，车道一致性约束具体包括：
规定连续弧的车道数相同，表示如下：
njs＝nsk＝njk且nlt＝ntm＝nlm，
Figure BDA0002607964270000024
其中，njs为弧(j,s)上的车道数，nsk为弧(s,k)上的车道数，njk为弧(j,k)上的车道数，nlt为弧(l,t)上的车道数，ntm为弧(t,m)上的车道数，nlm为弧(l,m)上的车道数；
路段中两个方向的车道数量之间的关系为：
Figure BDA0002607964270000025
其中，rjk,lm为由弧(j,k)和(l,m)组成的路段，n(rjk,lm)为路段的车道总数；
每个方向的车道数量是一个非负整数变量，表示如下：
njk,nlm≥0且为整数，
Figure BDA0002607964270000026
决策变量zjs＝0或1；zjs＝1表示从节点j到节点s是相连接的，而zjs＝0表示路段弧(j,s)是不相连的；njs和zjs遵循逻辑关系：如果njs>0，那么zjs＝1；如果njs＝0,那么zjs＝0。
进一步的，所述步骤(2)中，流量守恒约束条件具体包括：
对于疏散源点和避难所，有一定的出发和到达流量；对于交叉口入口节点和交叉口出口节点，流出节点的流量等于流入节点的流量；表示如下：
Figure BDA0002607964270000031
Figure BDA0002607964270000032
Figure BDA0002607964270000033
Figure BDA0002607964270000034
其中xsk,xjs,xkd,xtm分别为弧(s,k),(j,s),(k,d),(t,m)的交通流量，xij,xqj,xmp分别为连接器(i,j),(q,j),(m,p)的交通流量。
进一步的，所述步骤(3)中，确定性路径约束条件具体包括：
交叉口入口节点始终存在一个连接器，表示如下：
Figure BDA0002607964270000035
其中，β为交叉口出口节点，Γ(m)为节点m的下游节点集合，ymβ为决策变量，ymβ＝0或1，ymβ＝1表示从节点m到节点β的交叉口连接器是连通的，ymβ＝0表示连接器是不连通的。
进一步的，所述步骤(3)中，消除交叉口冲突约束具体包括：
两个相邻进口道的直行连接器不同时存在，表示如下：
Figure BDA0002607964270000036
其中，yoj为从节点o到节点j的交叉口连接器连通性指标，yqp为从节点q到节点p的交叉口连接器连通性指标；
两个相邻进口道的左转连接器不同时存在，表示如下：
Figure BDA0002607964270000037
其中，yij为从节点i到节点j的交叉口连接器连通性指标，ymn为从节点m到节点n的交叉口连接器连通性指标；
进口道的左转连接器与对向进口道的直行连接器不共存，表示如下：
Figure BDA0002607964270000038
进一步的，所述步骤(4)具体包括：
步骤4.1：使用禁忌搜索算法找到最佳车道反向方案；
步骤4.2：使用模拟退火算法得到满足消除交叉冲突约束的基于路段弧的确定性路径规划方案。
进一步的，所述步骤4.1，使用禁忌搜索算法找到最佳车道反向方案，具体包括：
步骤4.1.1：确定初始网络上每个弧段的车道数，定义禁忌长度和最大迭代数，设置迭代次数t＝0；创建搜索列表、禁忌列表，并初始化为空列表；利用模拟退火算法，确定初始网络下每个连接器的连通性，得到初始网络上总的运行时间Z(0)；
步骤4.1.2：设定迭代次数t＝t+1，确定搜索列表S(t)，若路段为双向，基于路段内两个行驶方向上的流量计算两个方向的拥塞值gjk和glm：
gjk＝(xjs/cjs)β+1+(xsk/csk)β+1和glm＝(xlt/clt)β+1+(xtm/ctm)β+1，
其中β是常数，cjs,csk为弧(j,s),(s,k)的通行能力，如果gjk<glm，则将弧(j,k)添加到搜索列表中；
步骤4.1.3：如果路段弧(j,k)属于搜索列表，但不属于禁忌列表，由路段弧(j,k)中向路段弧(l,m)转移一个车道，根据该变道方案，获得网络中所有弧段重新分配的通行能力；
伴随车道移动，交叉口包括以下三种状态：(1)路段弧(j,k)的车道数n(j,k)＝0；(2)路段弧(l,m)的车道数n(l,m)＝1，即在变道之前n(l,m)＝0；(3)n(j,k)≥1且n(l,m)>1；
步骤4.1.4：针对车道移动方案，在步骤4.1.3得到的车道反向方案下，基于模拟退火算法在第t轮迭代中计算最优的道路规划；
目标函数值记为Z(t)；如果Z(t)<Z(t-1)，则接受移动，并记录疏散网络wt；如果目标没有改善，即Z(t)≥Z(t-1)，而搜索列表不为空，则进行多样化搜索，以进一步评估；
所述多样化搜索是指：如果当前车道反向方案并不能改善目标函数，即Z(t)≥Z(t-1)，且此时搜索列表不为空，那么将步骤4.1.3得到的车道反向方案改进为一个新的车道反向方案使其仅含有搜索列表中能够减小目标函数值的路段反向移动，而不包含增大目标函值数的路段反向移动；
步骤4.1.5：将接收一条转移车道的弧(l,m)放入禁忌列表中以禁止在该弧段上将车道反向，直到迭代次数达到预定义的禁忌长度；
步骤4.1.6：如果满足停止规则，终止搜索，如果不满足停止规则，用当前搜索列表VariS(t)代替上一轮迭代的搜索列表S(t)，返回步骤4.1.2，继续计算；所述停止规则为：当在规定的迭代次数内搜索列表为空，或者迭代次数达到预设的阈值。
进一步的，所述步骤4.2，使用模拟退火算法得到满足消除交叉冲突约束的基于路段弧的确定性路径规划方案，具体包括：
步骤4.2.1：确定初始温度Tinitial，最终温度Tfinal，每次迭代可行解的个数M和冷却进度表，其中冷却进度表控制退火过程；
步骤4.2.2：设定迭代次数t＝0，定义初始可行解X(0)满足基于路段弧的路径约束条件和消除交叉口冲突约束条件，路网上所有连接器被编码为0或1，若该连接器相连，则被编码为1，若不相连，则被编码为0，计算X(0)的目标函数值Z(0)，分别记录X(0)和Z(0)为当前最优解Xc及其目标函数值Zc；
步骤4.2.3：设置迭代次数t＝t+1，基于步骤4.1的车道移动策略生成M个新的可行的解决方案：
Figure BDA0002607964270000051
车道移动后，检查新的可行解中交叉口是否仍满足消除交叉口冲突约束条件，若满足，则接受该解为新的可行解；否则，放弃该解；计算每个可行解的目标函数值；取值最小的解作为当前迭代的新解，记为X(t)，目标函数值为Z(t)；
在网络中随机选择一个交叉口，挑选出交叉口的任意两个连接器并转移，包括三种情况：(1)当两个连接器的编码为1时，交换连接器出口节点；(2)当两个连接器中的一个编码为1，另一个编码为0时，如果两个连接器来自同一入口节点，则交换两个编码，否则，随机重新选择两个连接器；(3)当两个连接器的代码为0时，随机重新选择两个连接器；
步骤4.2.4：计算步骤4.2.3得到的新的可行解的目标函数值Z(t)与当前目标函数值Z(t-1)的差值Δ＝Z(t)-Z(t-1)，如果Δ≤0,则接受新解决方案；否则，计算新解决方案的接受概率Pc，公式为：
Figure BDA0002607964270000052
其中，Zc为当前最优解的目标函数值，Temperature为当前温度值，生成一个在[0,1]范围内的随机数ξ，如果ξ≤Pc，则接受新解决方案，否则，不接受该解；
步骤4.2.5：如果不满足停止规则，根据冷却进度表减小Temperature，返回步骤4.2.3，继续计算；所述停止规则包括:1)如果连续两次迭代的目标函数的差值在设定的阈值范围内，并且在连续迭代中目标函数值大的解决方案的接受度小于p％；2)当前温度Temperature等于Tfinal。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
本发明通过反向车道来重新分配每个路段的可用容量，并通过在每个交叉路口消除交叉冲突和确定性路径共同约束，制定每个路段弧的唯一转弯方向，从而实现基于路段弧的确定性路径规划。在此前提下，可以严格按照最优系统进行车辆路线的选择。所提出的优化模型是一种双层模型，在上层使用禁忌搜索算法找到最佳车道反向方案，在下层使用模拟退火算法得到满足消除交叉冲突约束的基于路段弧的确定性路径规划方案。可以最大程度地减少离开危险区域的总疏散时间。
附图说明
图1为本发明的流程图；
图2为交叉口及其相邻路段网络结构图；
图3为建邺区备选疏散网络；
图4为建邺区疏散网络规划方案。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明公开了一种多策略结合的疏散网络规划方法，如图1所示是本发明的流程图，具体包括以下步骤：
(1)构建基于路段弧的网络模型，设置模型变量，以最小化总疏散时间为目标建立疏散网络优化模型；具体包括：
获取疏散区域的可用路段长度、节点、车道数量信息，建立基本路网结构；获取疏散区域内自由流在路段上的出行时间、路段的通行能力和交通量数据，根据已知的车道方向及其在交叉口的转向，建立基于路段弧的网络模型；
所述的基于路段弧的网络模型分为交叉口子网络和路段子网络，如图2所示，包括节点、路段弧、有向连接器；所述节点包括流量加载到疏散网络上的源点，交叉口入口节点，交叉口出口节点；所述路段弧是两个相邻交叉口之间同向的连续有向弧；所述有向连接器是路段弧在其下游交叉口，从交叉口入口节点到交叉口出口节点的定向连接，如图2中的连接器(m,p)，(q,j)，(o,n)，(i,j)，指明了每个路段弧进入交叉口后的转向；
本发明涉及的基于路段弧的网络模型在交叉口应满足如下特征：交叉口入口节点必须有且仅有一个连接器，而交叉口出口节点可以有零或多个连接器。因此，交叉口的连接器个数一定与交叉口的入口节点数相同。此外，疏散路线的目标是将交叉路口转换为不间断的流动设施，即交叉路口的连接器是禁止交叉的。
所述的基于路段弧的网络模型包含如下集合：源点集合NS，疏散避难所集合ND，交叉口入口节点集合NA，交叉口出口节点集合NP，弧集合L，路段集合R，交叉口连接器集合E，节点m的下游节点集合Γ(m)，节点j的上游节点集合Γ-1(j)；交叉口的连接器个数与交叉口的入口节点数相同。
本实施例的基于路段弧的网络模型来源于总面积为80平方公里的南京市建邺区，图3展示了建邺区备选疏散网络候选道路、源点和疏散集结点。区内的南京奥体中心可容纳8.7万人，经常承办大型活动。假如在一个全是观众并且只有一个很短的通知时间的大型活动中发生了一起恐怖事件。从西到东，分别选取了宝船厂遗址、月光广场、南湖三个避难所。所有观众必须疏散。突发事件位置(南京奥体中心)用星表示，源点(南京奥体中心车辆出口)和避难所分别用三角形和圆圈表示。疏散网络包括26个疏散起点、3个疏散目的地、62个路口、99个路段。疏散需求为体育馆停车场私家车数量，由于从发布疏散通知到开始为观众疏散有一段时间，在道路上行驶的车辆可能会被诱导离开该地区，而不会增加交通需求。该网络的总需求为16200辆。与车道断面长度和车道数有关的其它性质已通过测量得到。
根据中国城市道路交通推荐通行能力(cjs＝600辆/车道)，每条车道的通行能力为600辆/车道。各条道路的具体情况如表1所示。
表1
Figure BDA0002607964270000071
多策略结合的疏散网络规划方法的基本假设包括：假设每个源点到疏散避难所的预期出行需求，以及具有可用运输基础设施的道路网都是疏散网络规划阶段的输入参数，避难所的位置是已知的，每个避难所都有足够的容量以容纳所有试图撤离的撤离人员。
建立疏散网络优化模型，具体包括：
参见图2，所述模型包含如下参数：流量加载到疏散网络上的源点s，t，交叉口入口节点m，q，o，i(由东进口道起沿顺时针方向旋转)，交叉口出口节点j，n，p(由东出口道起沿顺时针方向旋转)，相邻交叉口的出口节点l，入口节点k，疏散避难所d；路段弧(j,s),(s,k)即(j,k)，路段弧(l,t),(t,m)即(l,m)，有向连接器(m,p),(q,j),(o,n),(i,j)；由源点s加载的流量f(s)，由路段弧(j,k)和(l,m)组成的路段rjk,lm，路段rjk,lm的车道总数n(rjk,lm)，自由流在弧(j,s)上的出行时间
Figure BDA0002607964270000072
弧(j,s)的通行能力cjs，属于弧(j,s)的车道μ的通行能力
Figure BDA0002607964270000073
所述模型包含如下变量：路段弧(j,s)的出行时间tjs，路段弧(j,s)的交通流量xjs，zjk指示路段弧(j,k)的连通性，zjk＝0或1，zjk＝1表示从节点j到节点k是相连接的，即路段弧(j,k)是相连的，zjk＝0表示路段弧(j,k)是不相连的，路段弧(j,s)的车道数njs，yij指示从节点i到节点j的交叉口连接器的连通性，yij＝0或1，yij＝1表示从节点i到节点j的交叉口连接器是连通的，yij＝0表示连接器是不连通的；
双层模型的目的都是为了最大程度地减少总疏散时间，因此以最小化总疏散时间为目标函数，建立疏散网络优化模型如下：
Figure BDA0002607964270000081
其中，
Figure BDA0002607964270000082
且
Figure BDA0002607964270000083
因此目标函数可以表示为：
Figure BDA0002607964270000084
其中，α和β是常数，tjs采用了公共道路局制定的标准，它取决于弧(j,s)的流量xjs和容量cjs。
(2)基于车道的容量可逆性，建立车道一致性约束，对于交叉口入口节点和出口节点，建立流量守恒约束条件；
车道一致性约束具体包括：
规定连续弧的车道数相同，表示如下：
njs＝nsk＝njk且nlt＝ntm＝nlm，
Figure BDA0002607964270000085
其中，njs为弧(j,s)上的车道数，nsk为弧(s,k)上的车道数，njk为弧(j,k)上的车道数，nlt为弧(l,t)上的车道数，ntm为弧(t,m)上的车道数，nlm为弧(l,m)上的车道数；
路段中两个方向的车道数量之间的关系为：
Figure BDA0002607964270000086
其中，rjk,lm为由弧(j,k)和(l,m)组成的路段，n(rjk,lm)为路段的车道总数；
每个方向的车道数量是一个非负整数变量，其值可以介于0和路段的车道总数之间，具体约束条件如下：
njk,nlm≥0且为整数，
Figure BDA0002607964270000087
决策变量zjs＝0或1；zjs＝1表示从节点j到节点s是相连接的，而zjs＝0表示路段弧(j,s)是不相连的；njs和zjs遵循逻辑关系：如果njs>0，那么zjs＝1；如果njs＝0,那么zjs＝0。
流量守恒约束条件具体包括：
对于疏散源点和避难所，有一定的出发和到达流量；对于交叉口入口节点和交叉口出口节点，流出节点的流量等于流入节点的流量；表示如下：
Figure BDA0002607964270000091
Figure BDA0002607964270000092
Figure BDA0002607964270000093
Figure BDA0002607964270000094
其中xsk,xjs,xkd,xtm分别为弧(s,k),(j,s),(k,d),(t,m)的交通流量，xij,xqj,xmp分别为连接器(i,j),(q,j),(m,p)的交通流量。
(3)建立确定性路径约束条件，并建立疏散区域消除交叉口冲突的约束条件；
确定性路径约束条件具体包括：
交叉口入口节点始终存在一个连接器，表示如下：
Figure BDA0002607964270000095
其中，β为交叉口出口节点，Γ(m)为节点m的下游节点集合，ymβ为决策变量，ymβ＝0或1，ymβ＝1表示从节点m到节点β的交叉口连接器是连通的，ymβ＝0表示连接器是不连通的。
消除交叉口冲突约束具体包括：
两个相邻进口道的直行连接器不同时存在，表示如下：
Figure BDA0002607964270000096
其中，yoj为从节点o到节点j的交叉口连接器连通性指标，yqp为从节点q到节点p的交叉口连接器连通性指标；
两个相邻进口道的左转连接器不同时存在，表示如下：
Figure BDA0002607964270000097
其中，yij为从节点i到节点j的交叉口连接器连通性指标，ymn为从节点m到节点n的交叉口连接器连通性指标；
进口道的左转连接器与对向进口道的直行连接器不共存，表示如下：
Figure BDA0002607964270000098
(4)设计禁忌搜索和模拟退火算法对多策略结合的疏散网络优化模型进行求解，得到最优的疏散网络规划方案。具体包括：
步骤4.1：使用禁忌搜索算法找到最佳车道反向方案；具体包括：
步骤4.1.1：确定初始网络上每个弧段的车道数，定义禁忌长度和最大迭代数，设置迭代次数t＝0；创建搜索列表、禁忌列表，并初始化为空列表；利用模拟退火算法，确定初始网络下每个连接器的连通性，得到初始网络上总的运行时间Z(0)；
步骤4.1.2：设定迭代次数t＝t+1，确定搜索列表S(t)，若路段为双向，基于路段内两个行驶方向上的流量计算两个方向的拥塞值gjk和glm：
gjk＝(xjs/cjs)β+1+(xsk/csk)β+1和glm＝(xlt/clt)β+1+(xtm/ctm)β+1，
其中β是常数，cjs,csk为弧(j,s),(s,k)的通行能力，如果gjk<glm，则将弧(j,k)添加到搜索列表中；
步骤4.1.3：如果路段弧(j,k)属于搜索列表，但不属于禁忌列表，由路段弧(j,k)中向路段弧(l,m)转移一个车道，根据该变道方案，获得网络中所有弧段重新分配的通行能力；
伴随车道移动，交叉口包括以下三种状态：(1)路段弧(j,k)的车道数n(j,k)＝0，此时该路段上的路段弧数目将减少，与该路段相连的交叉口拓扑结构随之简化；(2)路段弧(l,m)的车道数n(l,m)＝1，即在变道之前n(l,m)＝0，此时该路段上的路段弧数目将增加，与该路段相连的交叉口拓扑结构将更加复杂；(3)n(j,k)≥1且n(l,m)>1，与该路段相连的交叉口拓扑结构不发生改变；
步骤4.1.4：针对车道移动方案，在步骤4.1.3得到的车道反向方案下，基于模拟退火算法在第t轮迭代中计算最优的道路规划；
目标函数值记为Z(t)；如果Z(t)<Z(t-1)，则接受移动，并记录疏散网络wt；如果目标没有改善，即Z(t)≥Z(t-1)，而搜索列表不为空，则进行多样化搜索，以进一步评估；
所述多样化搜索是指：如果当前车道反向方案并不能改善目标函数，即Z(t)≥Z(t-1)，且此时搜索列表不为空，那么将步骤4.1.3得到的车道反向方案改进为一个新的车道反向方案使其仅含有搜索列表中能够减小目标函数值的路段反向移动，而不包含增大目标函值数的路段反向移动；
步骤4.1.5：将接收一条转移车道的弧(l,m)放入禁忌列表中以禁止在该弧段上将车道反向，直到迭代次数达到预定义的禁忌长度；
步骤4.1.6：如果满足停止规则，终止搜索，如果不满足停止规则，用当前搜索列表VariS(t)代替上一轮迭代的搜索列表S(t)，返回步骤4.1.2，继续计算；所述停止规则为：当在规定的迭代次数内搜索列表为空，或者迭代次数达到预设的阈值。
步骤4.2：使用模拟退火算法得到满足消除交叉冲突约束的基于路段弧的确定性路径规划方案，具体包括：
步骤4.2.1：确定初始温度Tinitial，最终温度Tfinal，每次迭代可行解的个数M和冷却进度表，其中冷却进度表控制退火过程；
步骤4.2.2：设定迭代次数t＝0，定义初始可行解X(0)满足基于路段弧的路径约束条件和消除交叉口冲突约束条件，路网上所有连接器被编码为0或1，若该连接器相连，则被编码为1，若不相连，则被编码为0，计算X(0)的目标函数值Z(0)，分别记录X(0)和Z(0)为当前最优解Xc及其目标函数值Zc；
步骤4.2.3：设置迭代次数t＝t+1，基于步骤4.1的车道移动策略生成M个新的可行的解决方案：
Figure BDA0002607964270000111
车道移动后，检查新的可行解中交叉口是否仍满足消除交叉口冲突约束条件，若满足，则接受该解为新的可行解；否则，放弃该解；计算每个可行解的目标函数值；取值最小的解作为当前迭代的新解，记为X(t)，目标函数值为Z(t)；
在网络中随机选择一个交叉口，挑选出交叉口的任意两个连接器并转移，包括三种情况：(1)当两个连接器的编码为1时，交换连接器出口节点；例如，如果选择连接器(m,p)和(o,n)，则(m,p)和(o,n)的编码将变为0，而(m,n)和(o,p)在移动后的新的解决方案中将变为1；(2)当两个连接器中的一个编码为1，另一个编码为0时，如果两个连接器来自同一入口节点，则交换两个编码，否则，随机重新选择两个连接器；(3)当两个连接器的代码为0时，随机重新选择两个连接器；
步骤4.2.4：计算步骤4.2.3得到的新的可行解的目标函数值Z(t)与当前目标函数值Z(t-1)的差值Δ＝Z(t)-Z(t-1)，如果Δ≤0,则接受新解决方案；否则，计算新解决方案的接受概率Pc，公式为：
Figure BDA0002607964270000112
其中，Zc为当前最优解的目标函数值，Temperature为当前温度值，生成一个在[0,1]范围内的随机数ξ，如果ξ≤Pc，则接受新解决方案，否则，不接受该解；
步骤4.2.5：如果不满足停止规则，根据冷却进度表减小Temperature，返回步骤4.2.3，继续计算；所述停止规则包括:1)如果连续两次迭代的目标函数的差值在设定的阈值范围内，并且在连续迭代中目标函数值大的解决方案的接受度小于5％；2)当前温度Temperature等于Tfinal。
根据上述步骤的算法流程，算法参数取为禁忌长度为7，最大迭代次数为1000；初始参数包括初始温度Tinitial＝50，最终温度Tfinal＝0.3，在每个温度迭代的可行方案数M＝5，冷却进度表Tt+1＝0.9·Tt。其中，Tt为第t次迭代的温度值。由此得到可得车道反向设计、消除交叉点冲突、确定性路径规划策略结合下的疏散网络规划方案如图4所示。带有数字和虚线的黑色圆圈代表禁止转弯的交叉口，粗体带箭头的实线代表疏散用的有向弧。当某些路段包含两个弧段时，图中弧段旁的数字表示该弧段的车道数。该方案中疏散流的总行程次数分别为10829099veh*s，因此，疏散的平均旅行时间为668.5s/veh。此外，在路网上分别有52条道路(网络上所有路段的52.53％)和42个十字路口(67.74％的所有十字路口)被选择重新组织和控制，进行疏散。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种多策略结合的疏散网络规划方法，其特征在于：该方法包括以下步骤：
(1)构建基于路段弧的网络模型，设置模型变量，以最小化总疏散时间为目标建立疏散网络优化模型；
(2)基于车道的容量可逆性，建立车道一致性约束，对于交叉口入口节点和出口节点，建立流量守恒约束条件；
(3)建立确定性路径约束条件，并建立疏散区域消除交叉口冲突的约束条件；
(4)对疏散网络优化模型进行求解，得到最优的疏散网络规划方案。
2.根据权利要求1所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(1)中，构建基于路段弧的网络模型，具体包括：
获取疏散区域的可用路段长度、节点、车道数量信息，建立基本路网结构；获取疏散区域内自由流在路段上的出行时间、路段的通行能力和交通量数据，根据已知的车道方向及其在交叉口的转向，建立基于路段弧的网络模型；
所述的基于路段弧的网络模型分为交叉口子网络和路段子网络，包括节点、路段弧、有向连接器；所述节点包括流量加载到疏散网络上的源点，交叉口入口节点，交叉口出口节点；所述路段弧是两个相邻交叉口之间同向的连续有向弧；所述有向连接器是路段弧在其下游交叉口，从交叉口入口节点到交叉口出口节点的定向连接；
所述的基于路段弧的网络模型包含如下集合：源点集合NS，疏散避难所集合ND，交叉口入口节点集合NA，交叉口出口节点集合NP，弧集合L，路段集合R，交叉口连接器集合E，节点m的下游节点集合Γ(m)，节点j的上游节点集合Γ-1(j)；交叉口的连接器个数与交叉口的入口节点数相同。
3.根据权利要求2所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(1)中，建立疏散网络优化模型，具体包括：
所述模型包含如下参数：流量加载到疏散网络上的源点s，t，交叉口入口节点m，q，o，i，交叉口出口节点j，n，p，相邻交叉口的出口节点l，入口节点k，疏散避难所d；路段弧(j,s),(s,k)即(j,k)，路段弧(l,t),(t,m)即(l,m)，有向连接器(m,p),(q,j),(o,n),(i,j)；由源点s加载的流量f(s)，由路段弧(j,k)和(l,m)组成的路段rjk,lm，路段rjk,lm的车道总数n(rjk,lm)，自由流在弧(j,s)上的出行时间
Figure FDA0002607964260000011
弧(j,s)的通行能力cjs，属于弧(j,s)的车道μ的通行能力
Figure FDA0002607964260000012
所述模型包含如下变量：路段弧(j,s)的出行时间tjs，路段弧(j,s)的交通流量xjs，zjk指示路段弧(j,k)的连通性，zjk＝0或1，zjk＝1表示从节点j到节点k是相连接的，即路段弧(j,k)是相连的，zjk＝0表示路段弧(j,k)是不相连的，路段弧(j,s)的车道数njs，yij指示从节点i到节点j的交叉口连接器的连通性，yij＝0或1，yij＝1表示从节点i到节点j的交叉口连接器是连通的，yij＝0表示连接器是不连通的；
以最小化总疏散时间为目标函数，建立疏散网络优化模型如下：
Figure FDA0002607964260000021
其中，α和β是常数。
4.根据权利要求3所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(2)中，车道一致性约束具体包括：
规定连续弧的车道数相同，表示如下：
njs＝nsk＝njk且nlt＝ntm＝nlm，
Figure FDA0002607964260000022
其中，njs为弧(j,s)上的车道数，nsk为弧(s,k)上的车道数，njk为弧(j,k)上的车道数，nlt为弧(l,t)上的车道数，ntm为弧(t,m)上的车道数，nlm为弧(l,m)上的车道数；
路段中两个方向的车道数量之间的关系为：
Figure FDA0002607964260000023
其中，rjk,lm为由弧(j,k)和(l,m)组成的路段，n(rjk,lm)为路段的车道总数；
每个方向的车道数量是一个非负整数变量，表示如下：
njk,nlm≥0且为整数，
Figure FDA0002607964260000024
决策变量zjs＝0或1；zjs＝1表示从节点j到节点s是相连接的，而zjs＝0表示路段弧(j,s)是不相连的；njs和zjs遵循逻辑关系：如果njs>0，那么zjs＝1；如果njs＝0,那么zjs＝0。
5.根据权利要求3所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(2)中，流量守恒约束条件具体包括：
对于疏散源点和避难所，有一定的出发和到达流量；对于交叉口入口节点和交叉口出口节点，流出节点的流量等于流入节点的流量；表示如下：
Figure FDA0002607964260000025
Figure FDA0002607964260000026
Figure FDA0002607964260000027
Figure FDA0002607964260000028
其中xsk,xjs,xkd,xtm分别为弧(s,k),(j,s),(k,d),(t,m)的交通流量，xij,xqj,xmp分别为连接器(i,j),(q,j),(m,p)的交通流量。
6.根据权利要求3-5任一所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(3)中，确定性路径约束条件具体包括：
交叉口入口节点始终存在一个连接器，表示如下：
Figure FDA0002607964260000031
其中，β为交叉口出口节点，Γ(m)为节点m的下游节点集合，ymβ为决策变量，ymβ＝0或1，ymβ＝1表示从节点m到节点β的交叉口连接器是连通的，ymβ＝0表示连接器是不连通的。
7.根据权利要求3-5任一所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(3)中，消除交叉口冲突约束具体包括：
两个相邻进口道的直行连接器不同时存在，表示如下：
Figure FDA0002607964260000032
其中，yoj为从节点o到节点j的交叉口连接器连通性指标，yqp为从节点q到节点p的交叉口连接器连通性指标；
两个相邻进口道的左转连接器不同时存在，表示如下：
Figure FDA0002607964260000033
其中，yij为从节点i到节点j的交叉口连接器连通性指标，ymn为从节点m到节点n的交叉口连接器连通性指标；
进口道的左转连接器与对向进口道的直行连接器不共存，表示如下：
Figure FDA0002607964260000034
8.根据权利要求7所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤(4)具体包括：
步骤4.1：使用禁忌搜索算法找到最佳车道反向方案；
步骤4.2：使用模拟退火算法得到满足消除交叉冲突约束的基于路段弧的确定性路径规划方案。
9.根据权利要求8所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤4.1，使用禁忌搜索算法找到最佳车道反向方案，具体包括：
步骤4.1.1：确定初始网络上每个弧段的车道数，定义禁忌长度和最大迭代数，设置迭代次数t＝0；创建搜索列表、禁忌列表，并初始化为空列表；利用模拟退火算法，确定初始网络下每个连接器的连通性，得到初始网络上总的运行时间Z(0)；
步骤4.1.2：设定迭代次数t＝t+1，确定搜索列表S(t)，若路段为双向，基于路段内两个行驶方向上的流量计算两个方向的拥塞值gjk和glm：
gjk＝(xjs/cjs)β+1+(xsk/csk)β+1和glm＝(xlt/clt)β+1+(xtm/ctm)β+1，
其中β是常数，cjs,csk为弧(j,s),(s,k)的通行能力，如果gjk<glm，则将弧(j,k)添加到搜索列表中；
步骤4.1.3：如果路段弧(j,k)属于搜索列表，但不属于禁忌列表，由路段弧(j,k)中向路段弧(l,m)转移一个车道，根据该变道方案，获得网络中所有弧段重新分配的通行能力；
伴随车道移动，交叉口包括以下三种状态：(1)路段弧(j,k)的车道数n(j,k)＝0；(2)路段弧(l,m)的车道数n(l,m)＝1，即在变道之前n(l,m)＝0；(3)n(j,k)≥1且n(l,m)>1；
步骤4.1.4：针对车道移动方案，在步骤4.1.3得到的车道反向方案下，基于模拟退火算法在第t轮迭代中计算最优的道路规划；
目标函数值记为Z(t)；如果Z(t)<Z(t-1)，则接受移动，并记录疏散网络wt；如果目标没有改善，即Z(t)≥Z(t-1)，而搜索列表不为空，则进行多样化搜索，以进一步评估；
所述多样化搜索是指：如果当前车道反向方案并不能改善目标函数，即Z(t)≥Z(t-1)，且此时搜索列表不为空，那么将步骤4.1.3得到的车道反向方案改进为一个新的车道反向方案使其仅含有搜索列表中能够减小目标函数值的路段反向移动，而不包含增大目标函值数的路段反向移动；
步骤4.1.5：将接收一条转移车道的弧(l,m)放入禁忌列表中以禁止在该弧段上将车道反向，直到迭代次数达到预定义的禁忌长度；
步骤4.1.6：如果满足停止规则，终止搜索，如果不满足停止规则，用当前搜索列表VariS(t)代替上一轮迭代的搜索列表S(t)，返回步骤4.1.2，继续计算；所述停止规则为：当在规定的迭代次数内搜索列表为空，或者迭代次数达到预设的阈值。
10.根据权利要求9所述的一种多策略结合的疏散网络规划方法，其特征在于：所述步骤4.2，使用模拟退火算法得到满足消除交叉冲突约束的基于路段弧的确定性路径规划方案，具体包括：
步骤4.2.1：确定初始温度Tinitial，最终温度Tfinal，每次迭代可行解的个数M和冷却进度表，其中冷却进度表控制退火过程；
步骤4.2.2：设定迭代次数t＝0，定义初始可行解X(0)满足基于路段弧的路径约束条件和消除交叉口冲突约束条件，路网上所有连接器被编码为0或1，若该连接器相连，则被编码为1，若不相连，则被编码为0，计算X(0)的目标函数值Z(0)，分别记录X(0)和Z(0)为当前最优解Xc及其目标函数值Zc；
步骤4.2.3：设置迭代次数t＝t+1，基于步骤4.1的车道移动策略生成M个新的可行的解决方案：
Figure FDA0002607964260000041
车道移动后，检查新的可行解中交叉口是否仍满足消除交叉口冲突约束条件，若满足，则接受该解为新的可行解；否则，放弃该解；计算每个可行解的目标函数值；取值最小的解作为当前迭代的新解，记为X(t)，目标函数值为Z(t)；
在网络中随机选择一个交叉口，挑选出交叉口的任意两个连接器并转移，包括三种情况：(1)当两个连接器的编码为1时，交换连接器出口节点；(2)当两个连接器中的一个编码为1，另一个编码为0时，如果两个连接器来自同一入口节点，则交换两个编码，否则，随机重新选择两个连接器；(3)当两个连接器的代码为0时，随机重新选择两个连接器；
步骤4.2.4：计算步骤4.2.3得到的新的可行解的目标函数值Z(t)与当前目标函数值Z(t-1)的差值Δ＝Z(t)-Z(t-1)，如果Δ≤0,则接受新解决方案；否则，计算新解决方案的接受概率Pc，公式为：
Figure FDA0002607964260000051
其中，Zc为当前最优解的目标函数值，Temperature为当前温度值，生成一个在[0,1]范围内的随机数ξ，如果ξ≤Pc，则接受新解决方案，否则，不接受该解；
步骤4.2.5：如果不满足停止规则，根据冷却进度表减小Temperature，返回步骤4.2.3，继续计算；所述停止规则包括:1)如果连续两次迭代的目标函数的差值在设定的阈值范围内，并且在连续迭代中目标函数值大的解决方案的接受度小于p％；2)当前温度Temperature等于Tfinal。
CN202010744760.9A 2020-07-29 2020-07-29 一种多策略结合的疏散网络规划方法 Withdrawn CN111985067A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010744760.9A CN111985067A (zh) 2020-07-29 2020-07-29 一种多策略结合的疏散网络规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010744760.9A CN111985067A (zh) 2020-07-29 2020-07-29 一种多策略结合的疏散网络规划方法

Publications (1)

Publication Number Publication Date
CN111985067A true CN111985067A (zh) 2020-11-24

Family

ID=73445600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010744760.9A Withdrawn CN111985067A (zh) 2020-07-29 2020-07-29 一种多策略结合的疏散网络规划方法

Country Status (1)

Country Link
CN (1) CN111985067A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689696A (zh) * 2021-08-12 2021-11-23 北京交通大学 基于车道管理的多模式交通协同疏散方法
CN114527757A (zh) * 2022-02-24 2022-05-24 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法
CN115167438A (zh) * 2022-07-26 2022-10-11 华南理工大学 一种目标收拣三维路径规划方法、设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689696A (zh) * 2021-08-12 2021-11-23 北京交通大学 基于车道管理的多模式交通协同疏散方法
CN114527757A (zh) * 2022-02-24 2022-05-24 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法
CN114527757B (zh) * 2022-02-24 2024-05-31 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法
CN115167438A (zh) * 2022-07-26 2022-10-11 华南理工大学 一种目标收拣三维路径规划方法、设备及存储介质

Similar Documents

Publication Publication Date Title
CN111985067A (zh) 一种多策略结合的疏散网络规划方法
CN108470444B (zh) 一种基于遗传算法优化的城市区域交通大数据分析系统与方法
Zhao et al. Evacuation Network Optimization Model with Lane‐Based Reversal and Routing
Wang et al. Optimization of bus bridging service under unexpected metro disruptions with dynamic passenger flows
CN113689696B (zh) 基于车道管理的多模式交通协同疏散方法
CN113408189B (zh) 基于可变元胞的城市多点循环式紧急疏散与仿真推演方法
CN114167859B (zh) 基于改进弗洛伊德算法的救护车应急救援路径规划方法
CN110515380A (zh) 基于转弯权重约束的最短路径规划方法
CN111695225A (zh) 一种公交复合复杂网络模型及其公交调度优化方法
CN114550482A (zh) 一种基于低碳目标的导航方法及停车场导航方法
Borgers et al. Indices of pedestrian behavior in shopping areas
Perronnet et al. Vehicle routing through deadlock-free policy for cooperative traffic control in a network of intersections: Reservation and congestion
Qazi et al. Short-notice bus-based evacuation under dynamic demand conditions
Wang et al. Study on intelligent algorithm of guide partition for emergency evacuation of a subway station
Jahangiri et al. Modeling and assessment of crossing elimination for no-notice evacuations
Arai et al. Task allocation model for rescue disabled persons in disaster area with help of volunteers
CN107368919B (zh) 基于可逆车道与交叉口冲突消除的公交疏散路径规划方法
CN114897398B (zh) 一种灾难下车辆救援方案的快速制定方法
Gharakhlou et al. Access Enhancement by Making Changes in the Route Network to Facilitate Rescue perations in Urban Disasters
Zhao et al. Multi-objective routing optimization for urban emergency rescue vehicles
Nadimi et al. A method to find the optimum routes and stations for bus rapid transit in urban areas
Tanaka et al. A layered network formulation for the safe walking route design problem
Jha Metaheuristic applications in highway and rail infrastructure planning and design: implications to energy and environmental sustainability
Li et al. Optimization of Modern Tram Operation Line Based on Genetic Algorithm
Ma et al. Discentralized human movement control and management for campus safety

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201124