CN113762598A - 一种综合交通枢纽应急疏散车辆路径规划方法 - Google Patents

一种综合交通枢纽应急疏散车辆路径规划方法 Download PDF

Info

Publication number
CN113762598A
CN113762598A CN202110894903.9A CN202110894903A CN113762598A CN 113762598 A CN113762598 A CN 113762598A CN 202110894903 A CN202110894903 A CN 202110894903A CN 113762598 A CN113762598 A CN 113762598A
Authority
CN
China
Prior art keywords
vehicle
evacuation
emergency
path
evacuated
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
CN202110894903.9A
Other languages
English (en)
Other versions
CN113762598B (zh
Inventor
李兴华
杨悦怡
成诚
王洧
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 CN202110894903.9A priority Critical patent/CN113762598B/zh
Publication of CN113762598A publication Critical patent/CN113762598A/zh
Application granted granted Critical
Publication of CN113762598B publication Critical patent/CN113762598B/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
    • G06Q10/04—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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

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

Abstract

本发明涉及一种综合交通枢纽应急疏散车辆路径规划方法，该方法包括以下步骤：收集待疏散需求和车辆供给信息；疏散距离、路段运行时间估算以及疏散需求划分；基于车场、避难所及枢纽待疏散节点信息，建立多车场、多行程及带时间窗限制的应急疏散车辆路径规划模型；基于该模型，利用行程划分、需求拆分得到符合模型约束限制的单点访问满载单车疏散路径及行程安排；多点访问应急车辆疏散路径生成；路径集合稳定，结束计算，生成路径、车辆在各点所疏散的人数等信息。与现有技术相比，本发明具有考虑应急疏散背景下的供需不平衡、多点受灾等复杂场景，提高车路疏散路径规划对复杂场景的适用性以及疏散的有效性等优点。

Description

一种综合交通枢纽应急疏散车辆路径规划方法
技术领域
本发明涉及车辆调度技术领域，尤其是涉及一种综合交通枢纽应急疏散车辆路径规划方法。
背景技术
城市交通出行具有人流量大、成分复杂、安全需求高等特性，与此同时正处于交通枢纽向城市大型综合交通体发展的过程中，以上因素均对市民公共出行安全以及枢纽外部应急疏散水平提出了更高的要求。
综合交通枢纽应急疏散车辆路径规划主要是在城市现有路网的基础上针对不同类型的突发安全事件进行应急疏散运力的调度。应急疏散运力调度建立在路网通行能力、应急车辆运动方程以及疏散目的地(即避难场所)的布局基础上。与一般正常交通的不同的是，应急交通疏散增加了疏散路径的交通承载量，其引起的交通需求是有时限性和方向性的，并且交通流分配和疏散信息发布均对信息系统有较高的要求，需保证疏散区域和外界的衔接性较好。因此，在应急疏散场景下，运力的调配应当考虑突发事件影响范围，估计疏散需求，确定疏散目的地以及疏散方式，以疏散时间最短或单位时间疏散人流最多等为目标建立疏散路径优化模型，最终确定应急疏散方案。
为实现应急疏散的快速响应、减小时间损失以及缩小影响范围，现有应急车辆疏散调度的研究多集中于灾害场景以及轨道交通停运等场景下的车辆调度及应急接驳，现有技术根据疏散人数，时间窗等情况提出建模方法，确定所需的运力规模、各车辆的运行路线和运行时间。
从社会角度分析，在完善车辆调度方案时，应考虑待疏散点对时间紧凑性的高要求，当疏散供给与疏散需求不匹配时，需要多辆应急车辆进行多行程疏散，因此在应急车辆调度过程中，应充分考虑时间窗限制以及行程划分，选取最为有效和快速的疏散路径，而这是现有应急疏散车辆调度方法研究中仍需进一步深入和完善的。
发明内容
本发明的目的就是为了克服上述现有技术存在的未充分考虑时间窗限制以及行程划分的缺陷而提供一种综合交通枢纽应急疏散车辆路径规划方法。
本发明的目的可以通过以下技术方案来实现：
一种综合交通枢纽应急疏散车辆路径规划方法，具体包括以下步骤：
S1、获取枢纽待疏散节点的疏散需求和车场的车辆供给信息；
S2、根据所述疏散需求和车辆供给信息，计算疏散距离和路段运行时间，并对疏散需求进行初步划分；
S3、获取车场、避难所及枢纽待疏散节点的位置信息，建立多车场、多行程及带时间窗限制的应急疏散车辆路径规划模型；
S4、基于所述应急疏散车辆路径规划模型，获取行程划分结果，结合疏散需求的初步划分结果，计算得到符合对应的模型约束条件的单点访问应急车辆疏散路径及行程安排信息；
S5、根据单点访问应急车辆疏散路径及行程安排信息，生成多点访问应急车辆疏散路径；
S6、结合单点访问应急车辆疏散路径和多点访问应急车辆疏散路径生成疏散路径集合，对所述疏散路径集合的稳定性进行检测，若满足稳定性指标则将对应的疏散路径集合作为最优解进行输出。
所述疏散需求和车辆供给信息通过站点客流量、人流管控和车场管理系统获取。
进一步地，所述疏散需求包括疏散点位置、待疏散需求和站点时间窗，所述车辆供给信息包括车场或避难所位置分布信息、可调配应急车辆数量、车辆核载容量和车辆行驶速度。
进一步地，所述疏散距离具体为两个站点之间的欧式距离，所述路段运行时间基于车辆行驶速度及疏散距离计算得到。
所述应急疏散车辆路径规划模型的目标函数具体如下所示：
Figure BDA0003197497470000021
其中，Z为总疏散时间，
Figure BDA0003197497470000022
为车辆k在第v次行程中是否驶过路段(i，j)的决策变量，若是取1，否则取0，tijk为车辆k在路段(i，j)之间的行程时间，sik为车辆k在站点i的服务时间，K为应急疏散车辆集合，V为车辆行程集合，N为站点集合。
进一步地，所述模型约束条件的公式具体如下所示：
Figure BDA0003197497470000031
Figure BDA0003197497470000032
Figure BDA0003197497470000033
Figure BDA0003197497470000034
Figure BDA0003197497470000035
Figure BDA0003197497470000036
Figure BDA0003197497470000037
Figure BDA0003197497470000038
Figure BDA0003197497470000039
Figure BDA00031974974700000310
Figure BDA00031974974700000311
Figure BDA00031974974700000312
Figure BDA00031974974700000313
其中，i，j，l为站点编号，N0为车场及避难所集合，N0＝{1，2，...，n}，N1为枢纽待疏散节点集合，N1＝{n+1，n+2，...，m}，N＝(N0∪N1)，K＝{1，2，3，...，k}，k为车辆编号，V＝{1，2，3，...，v}，v为车辆行程编号，di为枢纽待疏散节点i需疏散的人数，
Figure BDA00031974974700000314
为车辆k在第v行程中，到达i点的时间，li为i点时间窗允许开始服务的最晚时间，Q为应急车辆容量，
Figure BDA00031974974700000315
为车辆k在第v次行程中在站点i接载的乘客数。
所述步骤S4具体包括以下步骤：
S41、初始化应急疏散车辆路径规划模型的模型参数；
S42、以单车车辆核载人数为单位对疏散需求进行划分，计算得到各站点疏散可进行满载运输所需的车辆数；
S43、根据各站点疏散可进行满载运输所需的车辆数，生成单点访问应急车辆疏散路径；
S44、根据计算得到的单点访问应急车辆疏散路径，计算得到车辆行程数。
所述步骤S5具体包括以下步骤：
S51、输入模型关键参数，计算得到满足模型约束条件的决策变量；
S52、根据所述决策变量，提取车辆的停靠点生成车辆行驶路径，构成多点访问应急车辆疏散路径；
S53、计算对应场景下所有车辆的总运行时间。
进一步地，所述模型关键参数包括车辆核载容量、车辆数和各个枢纽待疏散节点的时间窗限制值。
进一步地，所述总运行时间包括路段运行时间和疏散点服务时间。
所述单点访问应急车辆疏散路径和多点访问应急车辆疏散路径均包括车辆访问的站点、各站点的运载人数以及车辆行程信息。
与现有技术相比，本发明具有以下有益效果：
1.本发明在应急疏散车辆路径规划模型的构建中，以最小化疏散总时间为目标，综合考虑了多行程、多车场及时间窗限制、疏散供需不平衡等复杂场景，提高了规划的应急车辆疏散线路的适用性及有效性。
2.本发明通过划分出单点访问应急车辆疏散路径和多点访问应急车辆疏散路径，充分利用单次车辆的承载能力，同时将多个车场和枢纽待疏散节点进行串联，实现快速有效的车辆疏散路径规划，有效解决多行程多车场需求划分问题。
附图说明
图1为本发明的流程示意图；
图2为本发明生成单点访问应急车辆疏散路径的流程示意图；
图3为本发明生成多点访问应急车辆疏散路径的流程示意图；
图4为本发明实施例中站点分布的示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例
如图1所示，一种综合交通枢纽应急疏散车辆路径规划方法，具体包括以下步骤：
S1、获取枢纽待疏散节点的疏散需求和车场的车辆供给信息；
S2、根据疏散需求和车辆供给信息，计算疏散距离和路段运行时间，并对疏散需求进行初步划分；
S3、获取车场、避难所及枢纽待疏散节点的位置信息，建立多车场、多行程及带时间窗限制的应急疏散车辆路径规划模型；
S4、基于应急疏散车辆路径规划模型，获取行程划分结果，结合疏散需求的初步划分结果，计算得到符合对应的模型约束条件的单点访问应急车辆疏散路径及行程安排信息；
S5、根据单点访问应急车辆疏散路径及行程安排信息，生成多点访问应急车辆疏散路径；
S6、结合单点访问应急车辆疏散路径和多点访问应急车辆疏散路径生成疏散路径集合，对疏散路径集合的稳定性进行检测，若满足稳定性指标则将对应的疏散路径集合作为最优解进行输出。
疏散需求和车辆供给信息通过站点客流量、人流管控和车场管理系统获取。
疏散需求包括疏散点位置、待疏散需求和站点时间窗，车辆供给信息包括车场或避难所位置分布信息、可调配应急车辆数量、车辆核载容量和车辆行驶速度。
步骤S2还包括根据应急疏散需求，集计枢纽或站点疏散需求，统计同一站点疏散信息，具体统计内容包括该时刻处在同一站点内的待疏散人数及所需疏散时间。
疏散距离具体为两个站点之间的欧式距离，路段运行时间基于车辆行驶速度及疏散距离计算得到。
应急疏散车辆路径规划模型考虑站点进出流量平衡、载重能力、疏散需求、时间窗、可调配车辆数、车辆是否疏散该站点等约束，以该疏散过程的总疏散时间最小为优化目标构建优化模型的目标函数具体如下所示：
Figure BDA0003197497470000051
其中，Z为总疏散时间，
Figure BDA0003197497470000052
为车辆k在第v次行程中是否驶过路段(i，j)的决策变量，若是取1，否则取0，tijk为车辆k在路段(i，j)之间的行程时间，sik为车辆k在站点i的服务时间，K为应急疏散车辆集合，V为车辆行程集合，N为站点集合。
模型约束条件的公式具体如下所示：
待疏散总人数与车辆总运载能力的关系：
Figure BDA0003197497470000061
待疏散节点最终均需被疏散：
Figure BDA0003197497470000062
各站点的流量守恒，且车辆在一次行程中至多只能途径某疏散站点一次：
Figure BDA0003197497470000063
车辆从N0出发以及车辆完成单次行程的疏散任务后返回N0：
Figure BDA0003197497470000064
Figure BDA0003197497470000065
车辆需访问枢纽待疏散节点后才可返回：
Figure BDA0003197497470000066
疏散车辆运载能力约束：
Figure BDA0003197497470000067
车辆只有访问了某站点后才可为其提供服务：
Figure BDA0003197497470000068
各车辆首次出发时的在车场的到达时间为0：
Figure BDA0003197497470000069
时间连续性约束：
Figure BDA00031974974700000610
右时间窗约束：
Figure BDA00031974974700000611
决策变量的取值范围约束：
Figure BDA00031974974700000612
Figure BDA00031974974700000613
其中，i，j，l为站点编号，N0为车场及避难所集合，N0＝{1，2，...，n}，N1为枢纽待疏散节点集合，N1＝{n+1，n+2，...，m}，N＝(N0∪N1)，K＝{1，2，3，...，k}，k为车辆编号，V＝{1，2，3，...，v}，v为车辆行程编号，di为枢纽待疏散节点i需疏散的人数，
Figure BDA0003197497470000071
为车辆k在第v行程中，到达i点的时间，li为i点时间窗允许开始服务的最晚时间，Q为应急车辆容量，
Figure BDA0003197497470000072
为车辆k在第v次行程中在站点i接载的乘客数。
如图2所示，步骤S4具体包括以下步骤：
S41、初始化算法所需各项参数，获取车辆核载容量、站点坐标、疏散人数、车辆数、时间窗等关键参数，根据欧式距离计算公式计算各站点之间的距离及路段运行时间；
S42、判断各疏散站点的待疏散人数di是否大于应急车辆核载容量Q，若di＞Q，则以单车车辆核载人数为单位对站点疏散需求di进行划分，计算各站点i疏散可进行满载运输所需的车辆数numi；
S43、判断各站点疏散所需车辆数numi之1是否成立，若numi＜1则进行建模计算求解，生成车辆疏散路径；若numi≥1，进行车辆全分配，即车辆均从车场出发，进行单点(即点对点)访问，满载运输返回至就近避难所，更新各疏散点的待疏散需求di及车辆终点位置，直至各站点待疏散需求di＜Q，此时停止分配，记录此时各疏散站点剩余疏散需求di，车辆路径遵循最短路径分配，基于步骤S41计算所得的行程时间T以及各疏散点的服务时间si，记录满载行程的总行程时间；
S44、计算车辆行程数v，对numi求和记为num，计算满载运输总需求车辆数是否可被k辆车整除，对num/k(k为车辆数)向下取整数部分记为行程数v，余数记为n，判断n是否为0，若n＝0，所有车辆行程数记为v；若n≠0，遵循就近原则被分配进行疏散任务的n辆车行程数记为v＝v+1。
如图3所示，步骤S5具体包括以下步骤：
S51、输入车辆核载容量、车辆数、各站点时间窗限制值等关键参数，计算满足模型约束条件的决策变量
Figure BDA0003197497470000073
S52、根据路径变量的下标，车场编号作为单次行程起、终点，且需满足对第k辆车而言v行程的终点是v+1行程的起点，提取各车辆k的停靠点生成车辆行驶路径，构成车辆k的单次行程路径；
S53、计算对应场景下所有车辆的总运行时间更新所有车辆的行程数v＝v+1。
总运行时间包括路段运行时间和疏散点服务时间。
单点访问应急车辆疏散路径和多点访问应急车辆疏散路径均包括车辆访问的站点、各站点的运载人数以及车辆行程信息。
具体实施时，如图4所示，假设共有一个车场，车场共有8辆应急车辆且均从不同车场(站点0、站点1、站点2和站点3，即图示4中的N0-N3)出发，且以上站点同时作为4个避难所(即车辆访问受灾点后需将受灾人群疏散至车场)，应急车辆采取同一车型且车辆容量均为35人，共6个枢纽待疏散节点(即图示4中的N4-N9)。各待疏散点的灾民可接受的最晚被疏散时长(即到达时间窗)均为120分钟，疏散站点服务时间均为0.5分钟/人，要求合理的安排车辆的行驶路线及行程，使总运行效率最高，即总疏散时间最短(含路段行驶时间及各站点服务时间)。
表2为车场可用车辆数及坐标相关信息，表3为枢纽待疏散节点的坐标、疏散需求及时间窗等信息，具体如下：
表2驻车点信息表
站点编号 坐标 站点类型 可调配车辆数/辆
0 (15，20) 车场/避难所 3
1 (18，26) 车场/避难所 2
2 (24，24) 车场/避难所 2
3 (26，32) 车场/避难所 1
表3疏散站点信息表
站点编号 坐标 站点类型 灾民人数/人 时间窗/min
4 (16，31) 枢纽待疏散节点 128 120
5 (26，16) 枢纽待疏散节点 70 120
6 (21，20) 枢纽待疏散节点 171 120
7 (26，21) 枢纽待疏散节点 85 120
8 (28，29) 枢纽待疏散节点 139 120
9 (31，21) 枢纽待疏散节点 78 120
利用各站点间的欧式距离与规定车辆行驶速度的计算结果可以计算出各站点间的行驶时间，单位为分钟。
当出现突发事件时，出现疏散需求与运载能力不匹配的情况，需对应急车辆进行多行程路径规划，依据算法步骤及流程，可获得应急车辆的行程安排及疏散路径。
在本实施例中，共有800个决策变量X、80个决策变量Y，由于优化目标表达式及约束条件均为线性，因此借助CPLEX求解软件进行求解，本实施例将基于Python编程工具，分别调取CPLEX以及DOCPLEX等工具包进行求解。
本实施例中采取实验数据集对案例问题共进行了多次验算，以检验求解方法的性能，第一次验算的分析结果如下所示：
假设应急车辆车型一致，车辆核载容量为35人，确定在车辆实现多点访问完成疏散任务之前，满载车辆的行程数及具体车辆安排，得到该阶段的车辆应急调派方案，经计算及验证后，得到如表4所示的单点访问满载运输阶段行程一各条路径所需车辆开行次数以及表5所示的各应急车辆运行任务的接续关系。计算结果表明，完成该阶段行程一中的疏散任务需要应急车辆8辆，即所有应急车辆均被调配，表4和表5具体如下：
表4行程一中应急路线需开行应急车辆数目
Figure BDA0003197497470000091
表5行程一中各应急车辆疏散路径次序
Figure BDA0003197497470000092
再次判断是否需要单点访问满载运输，经判定该行程仍为单点访问满载运输，依据行程一中的疏散路径，在行程二中，以行程一的终点作为行程二的起点，以行程一结束时刻点作为行程二开始时间，经计算得到如表6所示的单点访问满载运输阶段行程二各条路径所需车辆开行次数以及表7所示的各应急车辆运行任务的接续关系。计算结果表明，完成该阶段行程二疏散任务依旧需要应急车辆8辆，即所有应急车辆仍全部被调配，此时所有车辆行程数均记为2。表6和表7具体如下：
表6行程二中应急路线需开行应急车辆数目
Figure BDA0003197497470000101
表7行程二中各应急车辆疏散路径次序
Figure BDA0003197497470000102
在计算完成满载情况下的单点访问应急车辆疏散路径后，判断是否仍需要进行单点访问满载运输，经判定该行程不符合单点访问满载运输条件，因此进行多点访问应急疏散，依据行程二的疏散路径，在行程三中，以行程二的终点作为行程三的起点，以行程二的结束时刻点作为行程三的开始时间，经计算得到如表8所示的单点访问满载运输阶段行程三各条路径所需车辆开行次数以及表9所示的各应急车辆运行任务的接续关系。计算结果表明，完成该阶段行程三疏散任务需调配6辆应急车辆。表8和表9具体如下：
表8行程三中应急路线需开行应急车辆数目
Figure BDA0003197497470000103
Figure BDA0003197497470000111
表9行程三中各应急车辆疏散路径次序
Figure BDA0003197497470000112
最终计算结果为：应急疏散过程中所调配车辆数为8辆，其中3辆车来自站点0，2辆来自站点1，2辆来自站点2，1辆来自站点3。总疏散时间为978.7分钟，单人疏散所需时间平均为33.2分钟，算法平均运行时间为42.735秒，整合各行程路径信息及各车辆行程数具体结果如下表所示：
表10疏散路径生成结果
Figure BDA0003197497470000113
Figure BDA0003197497470000121
本实施例在综合交通体及交通网络规划发展的背景下，基于疏散需求、站点分布等复杂交通疏散场景的剖析，提出了一种带时间窗需求可拆分多车场的多行程车辆路径问题，该问题适用于城市大型综合节点突发事件场景，即以迅速疏散受灾人群为目标，应急车辆从不同车场出发前往受灾点，由于可能存在疏散需求与运载能力不匹配的情况，故引入多行程概念实施应急疏散。本文提出分割单点可满载运输行程及多点访问完成运输任务的算法，实现对车辆多行程的划分，结合时间窗、回路约束、载重能力约束等条件构建数学模型，由于目标函数及约束条件均为线性，可考虑采取python调用CPLEX及DOCPLEX进行数学建模求解，并引入一组实例对数学模型的合理性以及算法的有效性进行验算。实例结果证明，该模型及算法可有效描述应急疏散场景下车辆疏散路径的规划，并帮助突发事件应急疏散场景下外部应急车辆调度方案的快速制定及决策。
此外，需要说明的是，本说明书中所描述的具体实施例，所取名称可以不同，本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法，只要不偏离本发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，具体包括以下步骤：
S1、获取枢纽待疏散节点的疏散需求和车场的车辆供给信息；
S2、根据所述疏散需求和车辆供给信息，计算疏散距离和路段运行时间，并对疏散需求进行初步划分；
S3、获取车场、避难所及枢纽待疏散节点的位置信息，建立多车场、多行程及带时间窗限制的应急疏散车辆路径规划模型；
S4、基于所述应急疏散车辆路径规划模型，获取行程划分结果，结合疏散需求的初步划分结果，计算得到符合对应的模型约束条件的单点访问应急车辆疏散路径及行程安排信息；
S5、根据单点访问应急车辆疏散路径及行程安排信息，生成多点访问应急车辆疏散路径；
S6、结合单点访问应急车辆疏散路径和多点访问应急车辆疏散路径生成疏散路径集合，对所述疏散路径集合的稳定性进行检测，若满足稳定性指标则将对应的疏散路径集合作为最优解进行输出。
2.根据权利要求1所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述疏散需求包括疏散点位置、待疏散需求和站点时间窗，所述车辆供给信息包括车场或避难所位置分布信息、可调配应急车辆数量、车辆核载容量和车辆行驶速度。
3.根据权利要求2所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述疏散距离具体为两个站点之间的欧式距离，所述路段运行时间基于车辆行驶速度及疏散距离计算得到。
4.根据权利要求1所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述应急疏散车辆路径规划模型的目标函数具体如下所示：
Figure FDA0003197497460000011
其中，Z为总疏散时间，
Figure FDA0003197497460000012
为车辆k在第v次行程中是否驶过路段(i,j)的决策变量，若是取1，否则取0，tijk为车辆k在路段(i,j)之间的行程时间，sik为车辆k在站点i的服务时间，K为应急疏散车辆集合，V为车辆行程集合，N为站点集合。
5.根据权利要求4所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述模型约束条件的公式具体如下所示：
Figure FDA0003197497460000021
Figure FDA0003197497460000022
Figure FDA0003197497460000023
Figure FDA0003197497460000024
Figure FDA0003197497460000025
Figure FDA0003197497460000026
Figure FDA0003197497460000027
Figure FDA0003197497460000028
Figure FDA0003197497460000029
Figure FDA00031974974600000210
Figure FDA00031974974600000211
Figure FDA00031974974600000212
Figure FDA00031974974600000213
其中，i,j,l为站点编号，N0为车场及避难所集合，N0＝{1,2,...,n}，N1为枢纽待疏散节点集合，N1＝{n+1,n+2,...,m}，N＝(N0∪N1)，K＝{1,2，3，...,k}，k为车辆编号，V＝{1，2,3,...,v}，v为车辆行程编号，di为枢纽待疏散节点i需疏散的人数，
Figure FDA00031974974600000214
为车辆k在第v行程中，到达i点的时间，li为i点时间窗允许开始服务的最晚时间，Q为应急车辆容量，
Figure FDA00031974974600000215
为车辆k在第v次行程中在站点i接载的乘客数。
6.根据权利要求1所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述步骤S4具体包括以下步骤：
S41、初始化应急疏散车辆路径规划模型的模型参数；
S42、以单车车辆核载人数为单位对疏散需求进行划分，计算得到各站点疏散可进行满载运输所需的车辆数；
S43、根据各站点疏散可进行满载运输所需的车辆数，生成单点访问应急车辆疏散路径；
S44、根据计算得到的单点访问应急车辆疏散路径，计算得到车辆行程数。
7.根据权利要求1所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述步骤S5具体包括以下步骤：
S51、输入模型关键参数，计算得到满足模型约束条件的决策变量；
S52、根据所述决策变量，提取车辆的停靠点生成车辆行驶路径，构成多点访问应急车辆疏散路径；
S53、计算对应场景下所有车辆的总运行时间。
8.根据权利要求7所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述模型关键参数包括车辆核载容量、车辆数和各个枢纽待疏散节点的时间窗限制值。
9.根据权利要求7所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述总运行时间包括路段运行时间和疏散点服务时间。
10.根据权利要求1所述的一种综合交通枢纽应急疏散车辆路径规划方法，其特征在于，所述单点访问应急车辆疏散路径和多点访问应急车辆疏散路径均包括车辆访问的站点、各站点的运载人数以及车辆行程信息。
CN202110894903.9A 2021-08-05 2021-08-05 一种综合交通枢纽应急疏散车辆路径规划方法 Active CN113762598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110894903.9A CN113762598B (zh) 2021-08-05 2021-08-05 一种综合交通枢纽应急疏散车辆路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110894903.9A CN113762598B (zh) 2021-08-05 2021-08-05 一种综合交通枢纽应急疏散车辆路径规划方法

Publications (2)

Publication Number Publication Date
CN113762598A true CN113762598A (zh) 2021-12-07
CN113762598B CN113762598B (zh) 2023-08-04

Family

ID=78788561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110894903.9A Active CN113762598B (zh) 2021-08-05 2021-08-05 一种综合交通枢纽应急疏散车辆路径规划方法

Country Status (1)

Country Link
CN (1) CN113762598B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114512011A (zh) * 2021-12-31 2022-05-17 广东奥博信息产业股份有限公司 一种基于蚁群算法的拥堵路段应急通行方法及系统
CN117236473A (zh) * 2023-11-10 2023-12-15 华中科技大学 枢纽疏散场景下乘客同乘车辆的路径分配方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008203039A (ja) * 2007-02-19 2008-09-04 Sanyo Electric Co Ltd ナビゲーション装置
CN108280575A (zh) * 2018-01-22 2018-07-13 哈尔滨工业大学 一种应急疏散车辆多批次调度决策方法
CN110837904A (zh) * 2018-08-17 2020-02-25 北京亿阳信通科技有限公司 一种交通规划控制系统和方法
CN111680822A (zh) * 2020-05-12 2020-09-18 河海大学 一种基于非固定路线的往返式公交疏散路径规划方法
US20200393532A1 (en) * 2018-02-23 2020-12-17 Lg Electronics Inc. Method for determining a position of nlos tx ue

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008203039A (ja) * 2007-02-19 2008-09-04 Sanyo Electric Co Ltd ナビゲーション装置
CN108280575A (zh) * 2018-01-22 2018-07-13 哈尔滨工业大学 一种应急疏散车辆多批次调度决策方法
US20200393532A1 (en) * 2018-02-23 2020-12-17 Lg Electronics Inc. Method for determining a position of nlos tx ue
CN110837904A (zh) * 2018-08-17 2020-02-25 北京亿阳信通科技有限公司 一种交通规划控制系统和方法
CN111680822A (zh) * 2020-05-12 2020-09-18 河海大学 一种基于非固定路线的往返式公交疏散路径规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卢维科: "面向区域疏散的路网交通特性与协调管控研究", 《中国优秀硕士学位论文全文数据库》 *
杨海强: "存在不确定灾害点的交通运输网络应急车辆调度研究", 《安全与环境工程》 *
赵聪: "动态管理模式下路侧停车泊位占有率预测方法", 《交通运输系统工程与信息》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114512011A (zh) * 2021-12-31 2022-05-17 广东奥博信息产业股份有限公司 一种基于蚁群算法的拥堵路段应急通行方法及系统
CN117236473A (zh) * 2023-11-10 2023-12-15 华中科技大学 枢纽疏散场景下乘客同乘车辆的路径分配方法及系统
CN117236473B (zh) * 2023-11-10 2024-01-30 华中科技大学 枢纽疏散场景下乘客同乘车辆的路径分配方法及系统

Also Published As

Publication number Publication date
CN113762598B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN113762598A (zh) 一种综合交通枢纽应急疏散车辆路径规划方法
CN104239726B (zh) 一种城轨路网突发事件条件下客流估算系统
CN112466122B (zh) 一种公交线网的备选线路集生成、线路规划方法及装置
CN109543934B (zh) 城市公交线网的综合指标的评价方法
CN105632230A (zh) 动态分配停车场方法和装置
CN105488751A (zh) 一种地铁站客流微观统计与调度方法
CN107403235A (zh) 轨道交通站台乘客候车位置诱导系统及方法
CN108663047B (zh) 一种跨层路径规划方法
CN115049156B (zh) 一种交通线网运行图衔接优化方法、电子设备及存储介质
CN107527137A (zh) 城市轨道交通网络成熟度确定方法
CN107832957A (zh) 一种基于多类型自行车装卸的公共租赁自行车调度方法
CN111680822B (zh) 一种基于非固定路线的往返式公交疏散路径规划方法
CN112149906A (zh) 一种计及充电时间的电动车出行线路综合优化方法
CN116307580A (zh) 运力调度方法、装置、电子设备及存储介质
Kuusinen et al. The effect of randomization on constraint based estimation of elevator trip origin-destination matrices
CN114723240A (zh) 铁路客运综合交通枢纽接驳方式协同调度方法及系统
CN114819375A (zh) 一种公交运营方案生成方法及装置
KR20220041968A (ko) 개인형 이동장치 신규 이용수요 예측 방법 및 장치
CN111814280A (zh) 城市轨道交通的规划方法、服务器和计算机可读存储介质
Basagoiti et al. Passenger flow pattern learning based on trip counting in lift systems combined with real-time information
Liu et al. Emergency evacuation planning for highly populated urban zones: a transit-based solution and optimal operational strategies
CN116659515B (zh) 地铁站内线路的导航方法及装置、电子设备及存储介质
CN117094062B (zh) 一种航站楼陆侧高效交通设计方法及构型、系统
CN110851769B (zh) 一种基于网络承载力的电动公交网络可靠性评价方法
WO2022064566A1 (ja) 昇降機の監視システム

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