CN115018222A - 基于动态配流的旅客应急疏散路径优化管理方法及系统 - Google Patents

基于动态配流的旅客应急疏散路径优化管理方法及系统 Download PDF

Info

Publication number
CN115018222A
CN115018222A CN202210955497.7A CN202210955497A CN115018222A CN 115018222 A CN115018222 A CN 115018222A CN 202210955497 A CN202210955497 A CN 202210955497A CN 115018222 A CN115018222 A CN 115018222A
Authority
CN
China
Prior art keywords
investment
road section
emergency evacuation
path
road
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.)
Pending
Application number
CN202210955497.7A
Other languages
English (en)
Inventor
崔迪
魏宏大
孙国庆
占小跳
周亚飞
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.)
China Waterborne Transport Research Institute
Original Assignee
China Waterborne Transport Research Institute
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 China Waterborne Transport Research Institute filed Critical China Waterborne Transport Research Institute
Priority to CN202210955497.7A priority Critical patent/CN115018222A/zh
Publication of CN115018222A publication Critical patent/CN115018222A/zh
Pending legal-status Critical Current

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及疏散路径优化技术领域，具体公开了一种基于动态配流的旅客应急疏散路径优化管理方法及系统，包括以下步骤：获取目标区域的路径集合；获取路径集合中各路段的投资总额和投资分配，基于投资总额和投资分配计算各路段的投资预算；构建双层计算模型；基于投资金额和双层计算模型计算路段的最大关键度最小值以及实际投资金额。本发明通过构建双层计算模型，利用灵敏度算法计算路段的实际投资成本和最大关键度的最小值，既确定了应急疏散路径中最为重要的路段，也得出了该路段的实际投资金额，从而以最小的投资成本提高路段的可靠性，使路网系统最薄弱的环节得到加强，对客滚船旅客的应急疏散路径网络系统进行有效地优化。

Description

基于动态配流的旅客应急疏散路径优化管理方法及系统
技术领域
本发明具体涉及疏散路径优化技术领域，具体是一种基于动态配流的旅客应急疏散路径优化管理方法及系统。
背景技术
我国港口运输枢纽及港口客运客运船的应急管理体系的建立尚处于探索和不断完善、不断提升的阶段。当前，在应急管理中主要采用的还是行政命令、部门联动督促救援等行政管理方式，当前的应急交通疏散预案中对疏散旅客及车辆行驶路径选择、疏散时间估算、疏散方案效果评价等交通应急组织规划研究还处于尚需不断完善阶段，对应急疏散缺乏技术性的规划和科学性的应急管制。因此，港口客运站及客运船应急交通组织规划的研究是亟待提高的安全管理研究。
在一般的港口客运站旅客应急疏散网络设计模型中，上层的目标函数或取系统总阻抗最小，或取系统成本最小，投资最小或者应急疏散能力最大等，但将可靠性作为系统优化目标的相对较少，如何以可靠性（关键度）作为系统的优化目标，将有限的资金投入到最需要增加能力的路段上，以最小的投资成本提高路段的可靠性，使路网系统最薄弱的环节得到加强是亟待解决的技术问题。
发明内容
本发明的目的在于提供一种基于动态配流的旅客应急疏散路径优化管理方法及系统，以解决上述背景技术中提出的将可靠性作为系统优化目标的相对较少，如何以可靠性（关键度）作为系统的优化目标，将有限的资金投入到最需要增加能力的路段上，以最小的投资成本提高路段的可靠性，使路网系统最薄弱的环节得到加强是亟待解决的技术问题的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于动态配流的客滚船旅客应急疏散路径优化方法，包括以下步骤：
S10、获取目标区域的路径集合，所述路径集合包括路径节点以及由所述路径节点构成的路段；
S20、获取路径集合中各路段的投资总额和投资分配，基于投资总额和投资分配计算各路段的投资预算；
S30、构建双层计算模型，所述双层计算模型包括上层目标函数和下层动态配流模型，所述上层目标函数用于求取路段的最大关键度最小值，所述下层动态配流模型用于求取路段的交通流量；
S40、基于投资金额和双层计算模型计算路段的最大关键度最小值以及具有该最大关键度最小值路段的实际投资金额，所述具有该最大关键度最小值的路段即为优化得到的应急疏散路段；
需要说明的是，各路段的投资总额和投资分配是由路段施工单位根据工程造价预算的，也就是说，分配到各路段的投资预算是一个预先得到的固定金额，该投资预算作为路段实际投资金额的初始值。
作为本发明进一步的方案：步骤S10中，所述目标区域为需要进行应急疏散的目标位置周围的地理位置区域，该地理位置区域包括有多个路径节点，两两不相同的路径节点构成进行应急疏散的路段，通过计算得出的各路段关键度反应了路段在应急疏散过程中的重要性，具有最大关键度的路段即为最重要的疏散路段，由路段关键度计算方法可知，路段关键度与该路段的投资金额以及该路段的交通流量决定，通过调整路段的投资金额以获得该路段最大关键度的最小值，从而以最小的投资成本优化重要性最大的路段，从而对目标区域的路段集合进行强化。
作为本发明再进一步的方案：步骤S20中：
上层目标函数：
Figure DEST_PATH_IMAGE001
；
其中：
Figure 331135DEST_PATH_IMAGE002
表示路段a的关键度，
Figure 468856DEST_PATH_IMAGE003
表示路段a的实际投资金额，u表示路 段a的实际投资金额的向量，
Figure 100002_DEST_PATH_IMAGE004
，
Figure 665482DEST_PATH_IMAGE005
；
Figure 100002_DEST_PATH_IMAGE006
表示路段a的交通流量；
上层目标函数的约束函数为：
Figure 108227DEST_PATH_IMAGE007
；
其中，
Figure 100002_DEST_PATH_IMAGE008
表示路段a增加金额的投资函数，B表示投资总额。
作为本发明再进一步的方案：步骤S20中：
层函数：
Figure 782922DEST_PATH_IMAGE009
；
其中：
Figure 100002_DEST_PATH_IMAGE010
表示路段a的阻抗函数，
Figure 758837DEST_PATH_IMAGE011
，
Figure 391943DEST_PATH_IMAGE012
表示路段a上自由行程时 间，
Figure DEST_PATH_IMAGE013
表示拥挤系数，
Figure 836831DEST_PATH_IMAGE014
表示路段a已有的通行能力；
下层动态配流模型的约束函数为：
Figure 588319DEST_PATH_IMAGE015
；
其中，
Figure 435052DEST_PATH_IMAGE016
表示目标区域内所有OD对的集合，
Figure DEST_PATH_IMAGE017
表示OD对
Figure 239060DEST_PATH_IMAGE018
间应急疏散路径
Figure 171244DEST_PATH_IMAGE019
上 的交通流量，
Figure 100002_DEST_PATH_IMAGE020
表示OD对
Figure 968168DEST_PATH_IMAGE018
间所有应急疏散路径
Figure 934987DEST_PATH_IMAGE019
的集合，
Figure 909896DEST_PATH_IMAGE021
表示OD对
Figure 345687DEST_PATH_IMAGE018
间的基本应急 疏散需求，
Figure 100002_DEST_PATH_IMAGE022
表示路段与应急疏散路径关系系数，取0-1值，
Figure 431455DEST_PATH_IMAGE023
表示路段
Figure 100002_DEST_PATH_IMAGE024
在应急疏 散路径
Figure 721622DEST_PATH_IMAGE025
上；
Figure 382280DEST_PATH_IMAGE026
表示路段
Figure 289056DEST_PATH_IMAGE027
不在应急疏散路径
Figure 444093DEST_PATH_IMAGE028
上。
作为本发明再进一步的方案：所述路段关键度的计算方法为：通过关键度计算公 式进行计算，所述关键度计算公式为
Figure 385505DEST_PATH_IMAGE029
=
Figure 967796DEST_PATH_IMAGE030
。
作为本发明再进一步的方案：所述投资函数
Figure 109671DEST_PATH_IMAGE031
=
Figure 802820DEST_PATH_IMAGE032
，其中，
Figure 100002_DEST_PATH_IMAGE033
为投资函 数参数。
作为本发明再进一步的方案：步骤S40中，计算路段的最大关键度最小值以及具有该最大关键度最小值路段的实际投资金额的方法，包括以下步骤：
S41、将投资金额作为实际投资金额的初始值
Figure 333159DEST_PATH_IMAGE034
，令迭代次数n=0，
Figure 100002_DEST_PATH_IMAGE035
；
S42、计算平衡路段流量
Figure 804460DEST_PATH_IMAGE036
，
Figure 685829DEST_PATH_IMAGE037
的计算方法采用下层动态配流模型；
S43、基于平衡路段流量
Figure DEST_PATH_IMAGE038
和灵敏度分析法计算
Figure 651510DEST_PATH_IMAGE039
；
S44、将
Figure 318246DEST_PATH_IMAGE040
代入上层目标函数计算，得到路段最大关键度的最小值和投资金 额计算值；
S45、判断max
Figure 242340DEST_PATH_IMAGE041
Figure DEST_PATH_IMAGE042
（
Figure 345425DEST_PATH_IMAGE043
Figure 100002_DEST_PATH_IMAGE044
，
Figure 98486DEST_PATH_IMAGE045
为迭代精度）是否成立，若成立，该投资 金额计算值即为实际投资金额，停止计算，否则，令
Figure 868996DEST_PATH_IMAGE046
，继续进行步骤S42。
作为本发明再进一步的方案：灵敏度分析法计算
Figure 963991DEST_PATH_IMAGE047
的公式为：
Figure 819952DEST_PATH_IMAGE048
。
本发明还公开了一种用于客滚船舶的应急疏散系统，所述系统包括：
数据获取模块，所述数据获取模块用于获取目标区域的路径集合信息和路径集合中各路段的投资信息，所述路径集合信息包括路径节点以及由所述路径节点构成的路段，所述投资信息包括投资总额和投资分配；
数据处理模块，所述数据处理模块用于构建双层计算模型以及基于投资信息计算路段的投资预算；还用于基于投资预算和双层计算模型求取路段的最大关键度最小值以及路段的交通流量；
数据存储模块，用于存储路径集合信息和投资信息。
在本发明实施例中，所述路径集合信息包括路段信息，所述路段信息包括路段的自由行程时间、拥挤系数、路段已有的通行能力。
与现有技术相比，本发明的有益效果是：本发明通过构建双层计算模型，以路段的投资预算作为初始值，利用灵敏度算法计算路段的实际投资成本和最大关键度的最小值，既确定了应急疏散路径中最为重要的路段，也得出了该路段的实际投资金额，从而以最小的投资成本提高路段的可靠性，使路网系统最薄弱的环节得到加强，对客滚船旅客的应急疏散路径网络系统进行有效地优化。
附图说明
图1为基于动态配流的客滚船旅客应急疏散路径优化方法的流程图。
图2为基于动态配流的客滚船旅客应急疏散路径优化方法中步骤S40的流程图。
图3为基于动态配流的客滚船旅客应急疏散路径优化管理系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在一般的港口客运站旅客应急疏散网络设计模型中，上层的目标函数或取系统总阻抗最小，或取系统成本最小，投资最小或者应急疏散能力最大等，但将可靠性作为系统优化目标的相对较少，如何以可靠性（关键度）作为系统的优化目标，将有限的资金投入到最需要增加能力的路段上，以最小的投资成本提高路段的可靠性，使路网系统最薄弱的环节得到加强是亟待解决的技术问题。
基于此，如图1-图2所示，本发明公开了一种基于动态配流的客滚船旅客应急疏散路径优化方法，包括以下步骤：
S10、获取目标区域的路径集合，所述路径集合包括路径节点以及由所述路径节点构成的路段；
可以理解的是，所述目标区域即为需要进行应急疏散的目标位置周围的地理位置区域，该地理位置区域包括有多个路径节点，两两不相同的路径节点构成进行应急疏散的路段，通过计算得出的各路段关键度反应了路段在应急疏散过程中的重要性，具有最大关键度的路段即为最重要的疏散路段，由路段关键度计算方法可知，路段关键度与该路段的投资金额以及该路段的交通流量决定，通过调整路段的投资金额以获得该路段最大关键度的最小值，从而以最小的投资成本优化重要性最大的路段，从而对目标区域的路段集合进行强化；
S20、获取路径集合中各路段的投资总额和投资分配，基于投资总额和投资分配计算各路段的投资预算；
需要说明的是，在本发明实施例中，各路段的投资总额和投资分配是由路段施工单位根据工程造价预算的，也就是说，分配到各路段的投资预算是一个预先得到的固定金额，该投资预算作为路段实际投资金额的初始值；
S30、构建双层计算模型，所述双层计算模型包括上层目标函数和下层动态配流模型，所述上层目标函数用于求取路段的最大关键度最小值，所述下层动态配流模型用于求取路段的交通流量，其中：
上层目标函数：
Figure DEST_PATH_IMAGE049
；
其中：
Figure 881099DEST_PATH_IMAGE050
表示路段a的关键度，
Figure 506115DEST_PATH_IMAGE051
表示路段a的实际投资金额，u表示路 段a的实际投资金额的向量，
Figure 37590DEST_PATH_IMAGE052
，
Figure 115268DEST_PATH_IMAGE053
；
Figure 757602DEST_PATH_IMAGE054
表示路段a的交通流量；
上层目标函数的约束函数为：
Figure 486392DEST_PATH_IMAGE055
；
其中，
Figure 923190DEST_PATH_IMAGE056
表示路段a增加金额的投资函数，B表示投资总额；
下层动态配流模型：
Figure 488163DEST_PATH_IMAGE057
；
其中：
Figure 934188DEST_PATH_IMAGE058
表示路段a的阻抗函数，
Figure 284529DEST_PATH_IMAGE059
，
Figure 892228DEST_PATH_IMAGE060
表示路段a上自由行程 时间，
Figure 944498DEST_PATH_IMAGE061
表示拥挤系数，
Figure 928634DEST_PATH_IMAGE062
表示路段a已有的通行能力；
下层动态配流模型的约束函数为：
Figure 100002_DEST_PATH_IMAGE063
；
其中，
Figure 100858DEST_PATH_IMAGE016
表示目标区域内所有OD对的集合，
Figure 145038DEST_PATH_IMAGE064
表示OD对
Figure 419024DEST_PATH_IMAGE065
间应急疏散路径
Figure 941272DEST_PATH_IMAGE066
上 的交通流量，
Figure 515473DEST_PATH_IMAGE020
表示OD对
Figure 100002_DEST_PATH_IMAGE067
间所有应急疏散路径
Figure 681619DEST_PATH_IMAGE068
的集合，
Figure 708481DEST_PATH_IMAGE021
表示OD对
Figure 34420DEST_PATH_IMAGE018
间的基本应急 疏散需求，
Figure 712395DEST_PATH_IMAGE022
表示路段与应急疏散路径关系系数，取0-1值，
Figure DEST_PATH_IMAGE069
表示路段
Figure 567218DEST_PATH_IMAGE070
在应急疏 散路径
Figure 100002_DEST_PATH_IMAGE071
上；
Figure 284639DEST_PATH_IMAGE072
表示路段
Figure 165001DEST_PATH_IMAGE073
不在应急疏散路径
Figure 448215DEST_PATH_IMAGE074
上；
需要说明的是，在本发明实施例中，在一个应急疏散目标区域内，任意选取一个路 径节点作为第一节点r，任意选取一个与该出发节点r不同的路径节点作为第二节点s，第一 节点r和第二节点s之间的路段即为应急疏散路径
Figure 739519DEST_PATH_IMAGE075
，可以理解的是，第一节点r和第二节点 s构成目标区域内的一个OD对，所有OD对的集合即为
Figure 740973DEST_PATH_IMAGE076
，在OD对集合中，所有由OD对的交通 流量之和应当与OD对集合的基本应急疏散需求相等；
还有，在本发明实施例中，目标区域的各路段中，可能存在一些路段并不用于进行 应急疏散，当某一路段用于进行应急疏散时，该路段为应急疏散路径
Figure 408715DEST_PATH_IMAGE077
，否则，该路段不在 应急疏散路径
Figure 795703DEST_PATH_IMAGE078
上，本申请采
Figure 523487DEST_PATH_IMAGE079
用表示路段与应急疏散路径关系系数，取0-1值，
Figure 746658DEST_PATH_IMAGE080
表示路段
Figure 483670DEST_PATH_IMAGE081
在应急疏散路径
Figure 475897DEST_PATH_IMAGE082
上；
Figure 874384DEST_PATH_IMAGE083
表示路段
Figure 584851DEST_PATH_IMAGE084
不在应急疏散路径
Figure 594396DEST_PATH_IMAGE085
上。
在本发明实施例中，所述路段关键度的计算方法为：通过关键度计算公式进行计 算，所述关键度计算公式为
Figure 441129DEST_PATH_IMAGE086
=
Figure 25563DEST_PATH_IMAGE087
，由该关键度计算公式可知，路段的 关键度与路段a的实际投资金额u以及路段a的交通流量
Figure 957747DEST_PATH_IMAGE088
是函数关系，其中，上层目标 函数规划路段的投资成本，向路段投入不同的投资成本，使路段的通行能力得到不同程度 的提高，而下层动态配流模型反应了用户根据路段的通行能力状况来决定自身的出行行 为，从而使路段具有不同的通信流量，上层管理者根据用户对决策的反映调整路段的投资 成本，即通过上层的决策影响下层用户的选择，因此将路段投资成本的确定问题描述为一 个双层数学规划问题。
在本发明实施例中，所述投资函数
Figure 770982DEST_PATH_IMAGE089
=
Figure 737801DEST_PATH_IMAGE032
，其中，
Figure 978289DEST_PATH_IMAGE090
为投资函数参数， 可以理解的是，上层目标函数的约束函数中，各路段的投资函数之和应当小于投资总额，以 避免出现路段施工费用超出预算的情况出现。
S40、基于投资金额和双层计算模型计算路段的最大关键度最小值以及具有该最大关键度最小值路段的实际投资金额，所述具有该最大关键度最小值的路段即为优化得到的应急疏散路段；
在本发明实施例步骤S40中，计算路段的最大关键度最小值以及具有该最大关键度最小值路段的实际投资金额的方法，包括以下步骤：
S41、将投资预算作为实际投资金额的初始值
Figure 148502DEST_PATH_IMAGE091
，令迭代次数n=0，
Figure 499849DEST_PATH_IMAGE035
；
S42、计算平衡路段流量
Figure 586754DEST_PATH_IMAGE092
，
Figure 998143DEST_PATH_IMAGE092
的计算方法采用下层动态配流模型；
S43、基于平衡路段流量
Figure 154187DEST_PATH_IMAGE092
和灵敏度分析法计算
Figure 309225DEST_PATH_IMAGE047
；
S44、将
Figure 250636DEST_PATH_IMAGE047
代入上层目标函数计算，得到路段最大关键度的最小值和投资金 额计算值；
S45、判断max
Figure 832927DEST_PATH_IMAGE041
Figure 226999DEST_PATH_IMAGE042
（
Figure 933531DEST_PATH_IMAGE093
Figure 729448DEST_PATH_IMAGE094
，
Figure 217062DEST_PATH_IMAGE095
为迭代精度）是否成立，若成立，该投资 金额计算值即为实际投资金额，停止计算，否则，令
Figure 364009DEST_PATH_IMAGE096
，继续进行步骤S42；
进一步的，在本发明实施例中，灵敏度分析法计算
Figure 860850DEST_PATH_IMAGE047
的公式为：
Figure 760541DEST_PATH_IMAGE097
，由此可知，上层问题就是一个以投资成本为 变量的普通的非线性优化问题，可以用已有的方法求解．对于从上层问题求出的最优解，再 一次求解下层问题，就可得到新的平衡路段流量，重复上述基本思路，又可得到一组新的收 费标准．如此重复计算，最后有望收敛于原来的双层规划模型的最优解。
如图3所示，本发明还公开了一种用于客滚船舶的应急疏散系统，所述系统包括：
数据获取模块100，所述数据获取模块用于获取目标区域的路径集合信息和路径集合中各路段的投资信息，所述路径集合信息包括路径节点以及由所述路径节点构成的路段，所述投资信息包括投资总额和投资分配；
数据处理模块200，所述数据处理模块用于构建双层计算模型以及基于投资信息计算路段的投资预算；还用于基于投资预算和双层计算模型求取路段的最大关键度最小值以及路段的交通流量；
数据存储模块300，用于存储路径集合信息和投资信息。
在本发明实施例中，所述数据获取模块100与数据处理模块200、数据存储模块300连接，所述数据处理模块200与数据存储模块300连接；
另外，所述路径集合信息包括路段信息，所述路段信息包括路段的自由行程时间、拥挤系数、路段已有的通行能力。
综上所述，本发明通过构建双层计算模型，以路段的投资预算作为初始值，利用灵敏度算法计算路段的实际投资成本和最大关键度的最小值，既确定了应急疏散路径中最为重要的路段，也得出了该路段的实际投资金额，从而以最小的投资成本提高路段的可靠性，使路网系统最薄弱的环节得到加强，对客滚船旅客的应急疏散路径网络系统进行有效地优化。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (9)

1.一种基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，包括以下步骤：
S10、获取目标区域的路径集合，所述路径集合包括路径节点以及由所述路径节点构成的路段；
S20、获取路径集合中各路段的投资总额和投资分配，基于投资总额和投资分配计算各路段的投资预算；
S30、构建双层计算模型，所述双层计算模型包括上层目标函数和下层动态配流模型，所述上层目标函数用于求取路段的最大关键度最小值，所述下层动态配流模型用于求取路段的交通流量；
S40、基于投资金额和双层计算模型计算路段的最大关键度最小值以及具有该最大关键度最小值路段的实际投资金额，所述具有该最大关键度最小值的路段即为优化得到的应急疏散路段。
2.根据权利要求1所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，步骤S10中，所述目标区域为需要进行应急疏散的目标位置周围的地理位置区域，该地理位置区域包括有多个路径节点，两两不相同的路径节点构成进行应急疏散的路段。
3.根据权利要求1所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，步骤S20中：
上层目标函数：
Figure DEST_PATH_IMAGE002
；
其中：
Figure DEST_PATH_IMAGE004
表示路段a的关键度，
Figure DEST_PATH_IMAGE006
表示路段a的实际投资金额，u表示路段a的实际投资金额的向量，
Figure DEST_PATH_IMAGE008
，
Figure DEST_PATH_IMAGE010
；
Figure DEST_PATH_IMAGE012
表示路段a的交通流量；
上层目标函数的约束函数为：
Figure DEST_PATH_IMAGE014
；
其中，
Figure DEST_PATH_IMAGE016
表示路段a增加金额的投资函数，B表示投资总额。
4.根据权利要求3所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，步骤S20中：
层函数：
Figure DEST_PATH_IMAGE018
；
其中：
Figure DEST_PATH_IMAGE020
表示路段a的阻抗函数，
Figure DEST_PATH_IMAGE022
，
Figure DEST_PATH_IMAGE024
表示路段a上自由行程时间，
Figure DEST_PATH_IMAGE026
表示拥挤系数，
Figure DEST_PATH_IMAGE028
表示路段a已有的通行能力；
下层动态配流模型的约束函数为：
Figure DEST_PATH_IMAGE030
；
其中，
Figure DEST_PATH_IMAGE031
表示目标区域内所有OD对的集合，
Figure DEST_PATH_IMAGE033
表示OD对
Figure DEST_PATH_IMAGE035
间应急疏散路径
Figure DEST_PATH_IMAGE037
上的交通流量，
Figure DEST_PATH_IMAGE039
表示OD对
Figure DEST_PATH_IMAGE040
间所有应急疏散路径
Figure DEST_PATH_IMAGE041
的集合，
Figure DEST_PATH_IMAGE043
表示OD对
Figure DEST_PATH_IMAGE044
间的基本应急疏散需求，
Figure DEST_PATH_IMAGE046
表示路段与应急疏散路径关系系数，取0-1值，
Figure DEST_PATH_IMAGE048
表示路段
Figure DEST_PATH_IMAGE050
在应急疏散路径
Figure DEST_PATH_IMAGE051
上；
Figure DEST_PATH_IMAGE053
表示路段
Figure DEST_PATH_IMAGE054
不在应急疏散路径
Figure DEST_PATH_IMAGE055
上。
5.根据权利要求4所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，所述路段关键度的计算方法为：通过关键度计算公式进行计算，所述关键度计算公式为
Figure DEST_PATH_IMAGE057
=
Figure DEST_PATH_IMAGE059
。
6.根据权利要求5所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，所述投资函数
Figure DEST_PATH_IMAGE015
=
Figure DEST_PATH_IMAGE060
，其中，
Figure DEST_PATH_IMAGE062
为投资函数参数。
7.根据权利要求6所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，步骤S40中，计算路段的最大关键度最小值以及具有该最大关键度最小值路段的实际投资金额的方法，包括以下步骤：
S41、将投资预算作为实际投资金额的初始值
Figure DEST_PATH_IMAGE063
，令迭代次数n=0，
Figure DEST_PATH_IMAGE064
；
S42、计算平衡路段流量
Figure DEST_PATH_IMAGE065
，
Figure 991024DEST_PATH_IMAGE065
的计算方法采用下层动态配流模型；
S43、基于平衡路段流量
Figure 439323DEST_PATH_IMAGE065
和灵敏度分析法计算
Figure DEST_PATH_IMAGE066
；
S44、将
Figure 15798DEST_PATH_IMAGE066
代入上层目标函数计算，得到路段最大关键度的最小值和投资金额计算值；
S45、判断max
Figure DEST_PATH_IMAGE067
Figure DEST_PATH_IMAGE068
（
Figure DEST_PATH_IMAGE070
Figure DEST_PATH_IMAGE071
，
Figure DEST_PATH_IMAGE073
为迭代精度）是否成立，若成立，该投资金额计算值即为实际投资金额，停止计算，否则，令
Figure DEST_PATH_IMAGE074
，继续进行步骤S42。
8.根据权利要求7所述的基于动态配流的客滚船旅客应急疏散路径优化方法，其特征在于，灵敏度分析法计算
Figure 338238DEST_PATH_IMAGE066
的公式为：
Figure DEST_PATH_IMAGE076
。
9.一种基于动态配流的客滚船旅客应急疏散路径优化管理系统，其特征在于，包括：
数据获取模块，所述数据获取模块用于获取目标区域的路径集合信息和路径集合中各路段的投资信息，所述路径集合信息包括路径节点以及由所述路径节点构成的路段，所述投资信息包括投资总额和投资分配；
数据处理模块，所述数据处理模块用于构建双层计算模型以及基于投资信息计算路段的投资预算；还用于基于投资预算和双层计算模型求取路段的最大关键度最小值以及路段的交通流量；
数据存储模块，用于存储路径集合信息和投资信息。
CN202210955497.7A 2022-08-10 2022-08-10 基于动态配流的旅客应急疏散路径优化管理方法及系统 Pending CN115018222A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210955497.7A CN115018222A (zh) 2022-08-10 2022-08-10 基于动态配流的旅客应急疏散路径优化管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210955497.7A CN115018222A (zh) 2022-08-10 2022-08-10 基于动态配流的旅客应急疏散路径优化管理方法及系统

Publications (1)

Publication Number Publication Date
CN115018222A true CN115018222A (zh) 2022-09-06

Family

ID=83065388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210955497.7A Pending CN115018222A (zh) 2022-08-10 2022-08-10 基于动态配流的旅客应急疏散路径优化管理方法及系统

Country Status (1)

Country Link
CN (1) CN115018222A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116337085A (zh) * 2023-05-26 2023-06-27 武汉理工大学三亚科教创新园 基于前景理论的渡海车辆应急疏散路径优化方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554323A (zh) * 2021-07-28 2021-10-26 河北工业大学 面向路网关键节点的应急保障优化设计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554323A (zh) * 2021-07-28 2021-10-26 河北工业大学 面向路网关键节点的应急保障优化设计方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
张建旭等: "基于局部路网交通流重分配的路段关键度计算", 《交通运输系统工程与信息》 *
杜荔等: "基于流量特征的动态最小干扰流量工程选路算法", 《东北大学学报(自然科学版)》 *
王健等: "流量工程中多维目标优化的路由算法综述", 《计算机工程与应用》 *
陆百川等: "基于多属性TOPSIS决策的交通网络路段重要度计算", 《浙江工业大学学报》 *
陈坚等: "基于可靠性分析的区域灾害应急物流网络设计", 《西南交通大学学报》 *
马小龙: "应急疏散路网中关键路段的识别研究", 《山东工业技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116337085A (zh) * 2023-05-26 2023-06-27 武汉理工大学三亚科教创新园 基于前景理论的渡海车辆应急疏散路径优化方法
CN116337085B (zh) * 2023-05-26 2023-08-11 武汉理工大学三亚科教创新园 基于前景理论的渡海车辆应急疏散路径优化方法

Similar Documents

Publication Publication Date Title
Wang et al. Next road rerouting: A multiagent system for mitigating unexpected urban traffic congestion
Teodorovic et al. Transportation route choice model using fuzzy inference technique
CN112071060B (zh) 一种基于城市路网交通环境变化的应急救援路径规划方法
CN112307564A (zh) 列车ato目标运行速度曲线优化方法及装置
CN107256632A (zh) 一种基于用户异质时间价值与拥堵费用预算的交通分配方法
CN114202316B (zh) 基于深度强化学习的城市轨道交通列车时刻表优化方法
CN107451363B (zh) 一种多目标均衡网络连续优化问题的计算方法
CN108288120A (zh) 一种洪涝灾害应急物资分配分析方法
CN115018222A (zh) 基于动态配流的旅客应急疏散路径优化管理方法及系统
CN115527369B (zh) 一种空港枢纽大面积延误条件下的大客流预警与疏散方法
CN107292440B (zh) 一种基于ba无标度网络理论的集装箱班轮航线优化方法
CN112183838B (zh) 一种基于多约束修正c-w算法优化解决智能无人车路径规划问题的方法
CN114842641B (zh) 面向省域的多模式链式交通分配方法
CN109376919A (zh) 一种煤矿综采工作面瓦斯涌出量的预测方法
CN104331746B (zh) 一种分离式的动态路径优化系统及其方法
CN115017658A (zh) 一种基于可达性和节点重要度的轨道交通网络优化方法
CN110363994A (zh) 路网全路段动态交通量获取方法
CN112330054B (zh) 基于决策树的动态旅行商问题求解方法、系统及存储介质
CN111189455A (zh) 一种基于改进生物地理学算法结合贝塞尔函数的无人机航路规划方法、系统及存储介质
CN110120154A (zh) 大规模路网下利用检测器数据的交通路况预测方法
CN113361984B (zh) 基于互馈模型的空港客流与运力流动态耦合方法和系统
CN115691140A (zh) 一种汽车充电需求时空分布的分析与预测方法
CN108650141A (zh) 一种基于车联网连通基的大规模网络通达性模型
CN111814280B (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
CN112613662A (zh) 公路交通量分析方法、装置、电子设备和存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220906