CN116337085B - 基于前景理论的渡海车辆应急疏散路径优化方法 - Google Patents
基于前景理论的渡海车辆应急疏散路径优化方法 Download PDFInfo
- Publication number
- CN116337085B CN116337085B CN202310607295.8A CN202310607295A CN116337085B CN 116337085 B CN116337085 B CN 116337085B CN 202310607295 A CN202310607295 A CN 202310607295A CN 116337085 B CN116337085 B CN 116337085B
- Authority
- CN
- China
- Prior art keywords
- evacuation
- path
- effective
- pair
- emergency
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- 230000008901 benefit Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 49
- 238000007726 management method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 206010063659 Aversion Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Automation & Control Theory (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于前景理论的渡海车辆应急疏散路径优化方法。它包括:获取被疏散者的风险类型,获取疏散路网区域内的所有路径节点、以及由两两不同的路径节点构成的应急疏散路段;在任一OD对之间的疏散路径中获取有效疏散路径集合;获取各应急疏散路段的行程时间;在任一OD对之间,根据有效疏散路径集合中各有效疏散路径的延误出行时间、以及被疏散者的风险类型,计算被疏散者通过各有效疏散路径的预算疏散时间和路径决策内生参考点;计算各有效疏散路径的前景值;求取被疏散者对于各有效疏散路径的选择概率,获取初始化的应急疏散路径优化方案;本发明解决了传统疏散模型在疏散个体异质性与主观不确定性前提下宏观系统最优原则不适性问题。
Description
技术领域
本发明涉及疏散路径优化技术领域,具体地指一种基于前景理论的渡海车辆应急疏散路径优化方法。
背景技术
作为交通运输系统中重要的运输枢纽,港口连接着水运交通与陆运交通,承载着庞大的交通运输负荷。近年来,路网规模不断扩大,交通出行需求呈级数增长,使得港外交通压力激增,再加上大雾等自然灾害频发,港口停止通航事件时有发生,造成较为严重的港外交通拥堵问题,其社会影响与经济损失巨大。
当前我国港口运输枢纽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。港口应急管理体系采用的主要还是行政命令、部门联动督促救援等行政管理方式,同时,应急交通疏散预案中对车辆行驶路径选择、疏散时间估算、疏散交通管理等应急交通规划研究尚不完备,缺乏技术性与科学性方面的支撑。对突发事件下港区外大规模渡海车辆聚集的应急疏散路径选择问题进行研究,不仅可以丰富应急疏散相关研究理论体系,而且可以为政府及管理者有的放矢地制定大规模应急疏散方案提供依据和参考。
目前应急疏散领域的研究大多是站在宏观规划角度来进行的,此类应急疏散模型大多是在系统最优原则上的改进、延续,在疏散方案制定中缺乏针对被疏散者心理与行为方面的研究。从现实出发,疏散个体并不都是完全理性的,即疏散个体对所处区域的认知具有异质性;同时,疏散个体受环境影响,其生理与心理会有不同程度的变化,即疏散个体具有主观不确定性。因此,在微观层面(包括疏散个体异质性和主观不确定性)下,仅凭宏观层次的疏散体系难以满足疏散管理上的要求。
发明内容
针对现有技术的不足之处,本发明提出一种基于前景理论的渡海车辆应急疏散路径优化方法,从宏观与微观相结合的角度出发,将疏散个体对疏散决策的风险偏好融入前景理论,解决了传统疏散模型在疏散个体异质性与主观不确定性前提下宏观系统最优原则不适性问题。
为达到上述目的,本发明所设计的一种基于前景理论的渡海车辆应急疏散路径优化方法,其特别之处在于,包括如下步骤:
S1)采集个体信息和采集疏散路网信息;
采集个体信息包括:获取被疏散者的风险类型,所述风险类型用于量化分析疏散个体的异质性和主观不确定性,从而对不同疏散群体进行划分;
采集疏散路网信息包括:获取疏散路网区域内的所有路径节点、以及由两两不同的路径节点构成的应急疏散路段;
在路径节点中,将任一疏散起点和任一疏散终点进行配对,形成OD对,所述OD对之间包括若干个疏散路径,任一疏散路径包括若干个应急疏散路段,在任一OD对之间的疏散路径中获取有效疏散路径集合;
获取各应急疏散路段的通行流量、自由流行驶时间和实际通行能力,基于通行流量、自由流行驶时间和实际通行能力采用路段阻抗函数计算突发事件下各应急疏散路段的行程时间;
S2)获取初始化的应急疏散路径优化方案;
S21)在任一OD对之间,计算有效疏散路径集合中各有效疏散路径的出行时间,所述有效疏散路径的出行时间为有效疏散路径对应应急疏散路段的行程时间的累加,并考虑实际突发事件对疏散路网造成的影响,根据有效疏散路径的出行时间计算有效疏散路径集合中各有效疏散路径的延误出行时间;
S22)在任一OD对之间,根据有效疏散路径集合中各有效疏散路径的延误出行时间、以及被疏散者的风险类型,计算被疏散者通过各有效疏散路径的预算疏散时间,预算疏散时间中的最小值作为该OD对的路径决策内生参考点,所述路径决策内生参考点作为判断有效疏散路径方案价值的依据;
S23)基于任一OD对的路径决策内生参考点,构建该OD对之间各有效疏散路径的价值函数和概率权重函数,所述价值函数用于主观判断被疏散者从有效疏散路径方案中获得收益或造成损失的价值,所述概率权重函数用于主观判断被疏散者对有效疏散路径所产生的结果为收益或损失的概率;基于价值函数和概率权重函数,计算被疏散者评估任一OD对之间各有效疏散路径的前景值;
S24)在任一OD对之间,根据各有效疏散路径的前景值,构建多类型随机用户均衡模型,求取被疏散者对于各有效疏散路径的选择概率。再根据各有效疏散路径的选择概率,计算疏散车流位于各有效疏散路径的路径分配流量,并将路径分配流量加载到疏散区域路网得到疏散车流位于各应急疏散路段的路段分配流量,所述路径分配流量和路段分配流量作为初始化的应急疏散路径优化方案;
S3)对初始化的应急疏散路径优化方案采用相继平均算法进行多次循环,获得最终的应急疏散路径优化方案。
进一步地,S1)中,所述疏散路网区域是指以港口为圆心、以港口到承运能力最大道路的距离为半径的地理位置区域。
进一步地,S1)中,所述疏散起点为突发事件引起的交通问题中心区域,所述疏散终点为疏散路网区域内承运能力最大的道路终点,所述有效疏散路径为无环的简单路径,即从疏散起点沿着有向路段到达疏散终点,疏散路径所经过的节点只能被通过一次。
进一步地,S1)中,在任一OD对之间获取有效疏散路径集合的方法包括以下步骤:
S11)在任一OD对w之间,获取有向路段集合,其中,w表示任一OD对,/>为任一OD对w之间的有向路段集合,/>为任一OD对w之间的有向路段;
S12)计算每个路径节点到疏散终点的最短疏散时间;
S13)对于有向路段,判断/>是否成立,若成立,将该有向路段纳入有效路段集,否则,将有向路段筛出判断程序;
S14)在任一OD对之间,若干个首尾相连的有效路段构成疏散路径/>,计算疏散路径/>的疏散时间/>;
S15)判断是否成立,若成立,疏散路径/>为任一OD对/>的有效疏散路径,否则,疏散路径/>为无效疏散路径,其中,/>为最短路径的疏散时间,/>为伸展系数,取值大于或等于0;
S16)判断是否达到最大值,若达到最大值,进入下一步骤,否则,令/>,重复步骤S11)~ S16)。
进一步地,S1)中,所述路段阻抗函数为
;
式中,
表示应急疏散路段a的行程时间,
表示应急疏散路段a的自由流行驶时间,
表示应急疏散路段a的通行流量,
表示应急疏散路段a的实际通行能力,
为阻滞系数。
更进一步地,S21)中,所述有效疏散路径的出行时间通过下列公式获得
;
式中,
w表示任一OD对,
W表示OD对的集合,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示在任一OD对w之间的有效疏散路径k与应急疏散路段a的关联程度,
表示应急疏散路段a在有效疏散路径k上,
表示应急疏散路段a不在有效疏散路径k上,
表示应急疏散路段a的行程时间,
表示任一OD对w之间的有效疏散路径集合;
所述有效疏散路径的延误出行时间通过下列公式获得
;
;
;
式中,
表示在任一OD对w之间的有效疏散路径k的延误出行时间,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示标准正态分布函数的反函数,
表示有效疏散路径k的延误程度,其取值根据实际突发事件对路网所造成的影响而标定,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的方差值,
表示在任一OD对w之间的有效疏散路径k与应急疏散路段a的关联程度,
表示应急疏散路段a的行程时间的方差值,
表示应急疏散路段a自由流行驶时间,
表示应急疏散路段a的通行流量,
表示应急疏散路段a的实际通行能力,
表示应急疏散路段a的通行能力上限,
为阻滞系数,
表示为应急疏散路段a通行能力在受突发事件影响而降低的折损系数,/>具体取值根据实际疏散情况进行设定,
A表示应急疏散路段集合。
更进一步地,S22)中,所述预算疏散时间通过下列公式获得
;
式中,
表示在任一OD对w之间的有效疏散路径k的预算疏散时间,
表示第m类被疏散者的期望疏散概率,
表示对于任一OD对w之间的有效疏散路径k而言的预算疏散时间的最小值,
表示在任一OD对w之间的有效疏散路径k的延误出行时间,
表示在任一OD对w之间的有效疏散路径k的延误出行时间小于或等于预算疏散时间的概率;
所述路径决策内生参考点通过下列公式获得
;
式中,
表示在任一OD对w之间的路径决策内生参考点,
表示第m类被疏散者的期望疏散概率,
表示对任一OD对w中全部有效疏散路径的预算疏散时间进行对比并取最小值,
表示在任一OD对w之间的有效疏散路径k的预算疏散时间。
更进一步地,S23)中,所述价值函数通过下列公式获得
;
式中,
表示第m类被疏散者从有效疏散路径k中获得的价值,
表示在任一OD对w之间的路径决策内生参考点,
表示第m类被疏散者的期望疏散概率,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示被疏散者从所选方案中获得收益的偏好程度,
为被疏散者风险损失规避系数,
表示被疏散者对所选方案造成损失的偏好程度;
所述概率权重函数包括收益概率权重函数和损失概率权重函数,具体公式如下
;
;
;
;
;
式中,
表示/>位于收益部分的概率权重函数,
表示/>位于损失部分的概率权重函数,
表示/>的导函数,
表示/>的导函数,
表示概率权重函数在获得收益值为/>时所在区域,
表示概率权重函数在造成损失值为/>时所在区域,
表示决策估计偏移系数, />,
表示决策估计偏移系数,/>,
表示任一OD对w之间的有效疏散路径k的出行时间/>的分布函数,
p表示在任一OD对w之间的有效疏散路径k的出行时间介于和/>之间的概率,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示在任一OD对w之间的路径决策内生参考点,
表示在任一OD对w之间的有效疏散路径k的自由流行驶时间,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的方差值,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的期望值;
所述有效疏散路径的前景值通过下列公式获得
;
;
;
式中,
表示任一OD对w之间第m类被疏散者评估有效疏散路径k的前景值,
表示在任一OD对w之间的路径决策内生参考点,
表示第m类被疏散者的期望疏散概率,
表示第m类被疏散者在有效疏散路径k上基于疏散路径延误的出行时间上界,
表示第m类被疏散者在疏散路径k上基于疏散路径延误的出行时间下界,
表示/>的导函数,
表示/>的导函数,
表示概率权重函数在获得收益值为/>时所在区域,
表示概率权重函数在造成损失值为/>时所在区域,
表示第m类被疏散者从有效疏散路径k中获得的价值,
表示/>的期望值,
表示/>的方差值,
表示在任一OD对w之间的有效疏散路径k的自由流行驶时间。
更进一步地,S24)中, 所述有效疏散路径的选择概率通过下列公式获得
;
式中,
表示任一OD对w之间第m类被疏散者对于有效疏散路径k的选择概率,
表示任一OD对w之间第m类被疏散者评估有效疏散路径k的前景值;
所述路径分配流量通过下列公式获得
;
式中,
表示任一OD对w之间的有效疏散路径k的路径分配流量,
表示任一OD对w之间的第m类被疏散者的总数,
表示任一OD对w之间第m类被疏散者对于有效疏散路径k的选择概率;
所述路段分配流量通过下列公式获得
;
式中,
表示应急疏散路段的路段分配流量,
表示任一OD对w之间的有效疏散路径k的路径分配流量,
为变量,取值0~1,
W表示OD对的集合,
表示任一OD对w之间的有效疏散路径集合。
更进一步地,所述相继平均算法包括以下步骤:
S31)令n=1,将初始化的路径分配流量与路段分配流量/>作为算法输入参数,重复步骤S21)以更新有效疏散路径的延误出行时间;
S32)重复步骤S22)~ S23)以更新有效疏散路径的前景值;
S33)基于更新后的有效疏散路径的前景值,将疏散车辆数在疏散路网中进行随机用户均衡加载并进行算术平均,得到辅助路径流量;
S34)更新路径分配流量;
S35)更新路段分配流量;
S36)判断是否成立,若成立,该路径分配流量与路段分配流量即为最终的应急疏散路径优化方案,停止计算,否则,令n=n+1,将该路径分配流量与路段分配流量作为输入参数,继续步骤S32)。
本发明的优点在于:
本发明从实际突发事件对疏散策略的影响出发,提出了基于有效疏散路径的延误出行时间并通过量化被疏散者的风险类型来划分不同疏散群体,以此作为选取路径决策内生参考点的依据,最终将其应用到前景理论中以求取疏散方案。
本发明基于前景理论的渡海车辆应急疏散路径优化方法从宏观与微观相结合的角度出发,将疏散个体对疏散决策的风险偏好融入前景理论,解决了传统疏散模型在疏散个体异质性与主观不确定性前提下宏观系统最优原则不适性问题。
附图说明
图1为本发明的流程图;
图2为本发明中获取有效疏散路径集合的流程图;
图3为本发明中由初始化的应急疏散路径优化方案到最终的应急疏散路径优化方案的流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细描述。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对发明的限制。
如图1所示,本发明基于前景理论的渡海车辆应急疏散路径优化方法,包括如下步骤:
S1)采集个体信息和采集疏散路网信息。
采集个体信息包括:获取被疏散者的风险类型,所述风险类型用于量化分析疏散个体的异质性和主观不确定性,从而对不同疏散群体进行划分。具体地,所述被疏散者的风险类型包括风险厌恶型、风险中性型和风险追求型三种类型,每种类型的期望疏散概率同,这是由于被疏散者具有年龄、性别、认知水平、个人偏好等外在差异和内在差异。
采集疏散路网信息包括:获取疏散路网区域内的所有路径节点、以及由两两不同的路径节点构成的应急疏散路段。获取各应急疏散路段的通行流量、自由流行驶时间和实际通行能力,基于通行流量、自由流行驶时间和实际通行能力采用路段阻抗函数计算突发事件下各应急疏散路段的行程时间。
具体地,由于研究对象为处在港内交通范围的渡海车辆,划定的区域通常并不会覆盖整座城市,因此所述疏散路网区域是指以港口为圆心、以港口到承运能力最大道路(主干道或快速路)的距离为半径的地理位置区域,从而保证模型收敛性。
在路径节点中,将任一疏散起点和任一疏散终点进行配对,形成OD对(指起点与终点的配对),所述OD对之间包括若干个疏散路径,任一疏散路径包括若干个应急疏散路段,在任一OD对之间的疏散路径中获取有效疏散路径集合。
具体地,所述疏散起点为突发事件引起的交通问题中心区域,所述疏散终点为疏散路网区域内承运能力最大的道路终点,所述有效疏散路径为无环的简单路径,即从疏散起点沿着有向路段到达疏散终点,疏散路径所经过的节点只能被通过一次。
优选地,如图2所示,在任一OD对之间获取有效疏散路径集合的方法包括以下步骤:
S11)在任一OD对w之间,获取有向路段集合,其中,w表示任一OD对,/>为任一OD对w之间的有向路段集合,/>为任一OD对w之间的有向路段;
S12)计算每个路径节点到疏散终点的最短疏散时间;
S13)对于有向路段,判断/>是否成立,若成立,将该有向路段纳入有效路段集,否则,将有向路段筛出判断程序;
S14)在任一OD对之间,若干个首尾相连的有效路段构成疏散路径/>,计算疏散路径/>的疏散时间/>;
S15)判断是否成立,若成立,疏散路径/>为任一OD对/>的有效疏散路径,否则,疏散路径/>为无效疏散路径,其中,/>为最短路径的疏散时间,/>为伸展系数,取值大于或等于0;
S16)判断是否达到最大值,若达到最大值,进入下一步骤,否则,令/>,重复步骤S11)~ S16)。
需要说明的是,所述有效疏散路径k中包含的所有疏散路段都令驾驶员离疏散起点越来越远,离疏散终点越来越近;这种方法能够筛除在实际疏散路径选择中不被考虑的路径,同时简化路径选择计算过程;对于任意OD对w,其中组成有效疏散路径k的疏散路段之间并不相互独立,即疏散路段a可能同时存在于多个有效疏散路径之中。
具体地,所述路段阻抗函数为
;
式中,
表示应急疏散路段a的行程时间,
表示应急疏散路段a的自由流行驶时间,
表示应急疏散路段a的通行流量,
表示应急疏散路段a的实际通行能力,
为阻滞系数。
各应急疏散路段的通行流量、自由流行驶时间以及实际通行能力通过实地调研、电子地图等资料获得。
S2)获取初始化的应急疏散路径优化方案;
S21)在任一OD对之间,计算有效疏散路径集合中各有效疏散路径的出行时间,所述有效疏散路径的出行时间为有效疏散路径对应应急疏散路段的行程时间的累加,并考虑实际突发事件对疏散路网造成的影响,根据有效疏散路径的出行时间计算有效疏散路径集合中各有效疏散路径的延误出行时间。
具体地,所述有效疏散路径的出行时间通过下列公式获得
;
式中,
w表示任一OD对,
W表示OD对的集合,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示在任一OD对w之间的有效疏散路径k与应急疏散路段a的关联程度,
表示应急疏散路段a在有效疏散路径k上,
表示应急疏散路段a不在有效疏散路径k上,
表示应急疏散路段a的行程时间,
表示任一OD对w之间的有效疏散路径集合。
具体地,所述有效疏散路径的延误出行时间通过下列公式获得
;
;
;
式中,
表示在任一OD对w之间的有效疏散路径k的延误出行时间,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示标准正态分布函数的反函数,
表示有效疏散路径k的延误程度,其取值根据实际突发事件对路网所造成的影响而标定,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的方差值,
表示在任一OD对w之间的有效疏散路径k与应急疏散路段a的关联程度,
表示应急疏散路段a的行程时间的方差值,
表示应急疏散路段a自由流行驶时间,
表示应急疏散路段a的通行流量,
表示应急疏散路段a的实际通行能力,
表示应急疏散路段a的通行能力上限,
为阻滞系数,
表示为应急疏散路段a通行能力在受突发事件影响而降低的折损系数,/>具体取值根据实际疏散情况进行设定,
A表示应急疏散路段集合。
需要说明的是,受突发事件影响,应急疏散路段的实际通行能力Ca会受道路条件与交通流等条件干扰而衰减。为方便计算分析,可将应急疏散路段的实际通行能力Ca视为随机变量,因此应急疏散路段a的行程时间ta也是一个随机变量且服从一定的概率分布;
假设应急疏散路段a的实际通行能力Ca和通行流量xa相互独立,即有,,因此由路段阻抗函数可推导出应急疏散路段a的行程时间期望/>和方差/>;
应急疏散路段a的行程时间期望表示如下
;
应急疏散路段a的行程时间方差表示如下
;
令Ca服从均匀分布,/>表示为疏散路段a的通行能力上限,也就是路段在规划设计时的通行能力,/>表示为通行能力下限,也就是受突发事件影响的路段的通行能力,/>表示为路段a通行能力在受突发事件影响而降低的折损系数,且/>,具体取值根据实际疏散情况进行设定。
所以的期望值可表示为
;
则有,
;
的方差:
;
综上,应急疏散路段a行程时间期望和方差/>分别表示为:
;
;
为方便计算,假设各应急疏散路段行程时间相互独立,有效疏散路径k的出行时间可以由其对应疏散路段出行时间累加获得;根据中心极限定理并结合分离效应,有效疏散路径k实际出行时间服从正态分布,其均值/>和方差/>分别表示为:/>
;
;
突发事件发生时,疏散路网会受到不同程度的损伤,严重时甚至无法通行;为体现在突发事件下疏散路网的不确定性,提出了基于有效疏散路径的延误出行时间,其同样服从正态分布。
S22)在任一OD对之间,根据有效疏散路径集合中各有效疏散路径的延误出行时间、以及被疏散者的风险类型,计算被疏散者通过各有效疏散路径的预算疏散时间,预算疏散时间中的最小值作为该OD对的路径决策内生参考点,所述路径决策内生参考点作为判断有效疏散路径方案价值的依据。
所述路径决策内生参考点取值不一,各OD对具有不同的路径决策内生参考点,其取值为该OD对中所有疏散路径预算疏散时间的最小值。
具体地,所述预算疏散时间通过下列公式获得
;
式中,
表示在任一OD对w之间的有效疏散路径k的预算疏散时间,
表示第m类被疏散者的期望疏散概率,
表示对于任一OD对w之间的有效疏散路径k而言的预算疏散时间的最小值,
表示在任一OD对w之间的有效疏散路径k的延误出行时间,
表示在任一OD对w之间的有效疏散路径k的延误出行时间小于或等于预算疏散时间的概率。
所述路径决策内生参考点通过下列公式获得
;
式中,
表示在任一OD对w之间的路径决策内生参考点,
表示第m类被疏散者的期望疏散概率,
表示对任一OD对w中全部有效疏散路径的预算疏散时间进行对比并取最小值,
表示在任一OD对w之间的有效疏散路径k的预算疏散时间。
需要说明的是,在微观疏散规划中,参考点设置主要有两种:外生参考点和内生参考点;与外生参考点相比,内生参考点不仅考虑了外界道路属性,同时也考虑了被疏散者内心的感知以及偏好,通常假设被疏散者具有随机性与异质性,认为不同的被疏散者将具有不同的参考点,因此内生参考点的设置方法更能符合被疏散者的实际路径决策情况;突发事件具有突发性和破坏性,疏散路径会受到不同程度的破坏,甚至不能通行,道路的通行能力和行程时间都会下降,因此决策者很难能够准确的捕捉到外界道路环境信息,很难有效对周围道路进行判断,其是否可以用来作为疏散路径。因此结合突发事件的特性,本发明提出了上述的基于应急疏散路径的延误出行时间的内生参考点确定方法,其设置不仅考虑到外界道路环境的变化,而且依赖于自身偏好。
S23)基于任一OD对的路径决策内生参考点,构建该OD对之间各有效疏散路径的价值函数和概率权重函数,所述价值函数用于主观判断被疏散者从有效疏散路径方案中获得收益或造成损失的价值,所述概率权重函数用于主观判断被疏散者对有效疏散路径所产生的结果为收益或损失的概率;基于价值函数和概率权重函数,计算被疏散者评估任一OD对之间各有效疏散路径的前景值;
具体地,所述价值函数通过下列公式获得
;
式中,
表示第m类被疏散者从有效疏散路径k中获得的价值,
表示在任一OD对w之间的路径决策内生参考点,
表示第m类被疏散者的期望疏散概率,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示被疏散者从所选方案中获得收益的偏好程度,
为被疏散者风险损失规避系数,
表示被疏散者对所选方案造成损失的偏好程度。
所述概率权重函数包括收益概率权重函数和损失概率权重函数,具体公式如下
;
;
;
;
;
式中,
表示/>位于收益部分的概率权重函数,
表示/>位于损失部分的概率权重函数,
表示/>的导函数,
表示/>的导函数,
表示概率权重函数在获得收益值为/>时所在区域,
表示概率权重函数在造成损失值为/>时所在区域,
表示决策估计偏移系数, />,
表示决策估计偏移系数,/>,
表示任一OD对w之间的有效疏散路径k的出行时间/>的分布函数,/>
p表示在任一OD对w之间的有效疏散路径k的出行时间介于和/>之间的概率,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示在任一OD对w之间的路径决策内生参考点,
表示在任一OD对w之间的有效疏散路径k的自由流行驶时间,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的方差值,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的期望值。
需要说明的是,权重函数是主观概率权重/>的单调递增函数,并且其在端点0和1处不取值;当/>时,表示决策者过于关注小概率事件,因而高估其权重;当时,表示决策者忽视大概率事件,因而低估其权重。
任意OD对w之间第m类被疏散者对于应急疏散路径k的前景值为连续函数,所述有效疏散路径的前景值/>通过下列公式获得
;
;
;
式中,
表示任一OD对w之间第m类被疏散者评估有效疏散路径k的前景值,
表示在任一OD对w之间的路径决策内生参考点,
表示第m类被疏散者的期望疏散概率,
表示第m类被疏散者在有效疏散路径k上基于疏散路径延误的出行时间上界,
表示第m类被疏散者在疏散路径k上基于疏散路径延误的出行时间下界,
表示/>的导函数,
表示/>的导函数,
表示概率权重函数在获得收益值为/>时所在区域,
表示概率权重函数在造成损失值为/>时所在区域,
表示第m类被疏散者从有效疏散路径k中获得的价值,
表示/>的期望值,
表示/>的方差值,
表示在任一OD对w之间的有效疏散路径k的自由流行驶时间。
S24)在任一OD对之间,根据各有效疏散路径的前景值,构建多类型随机用户均衡模型,求取被疏散者对于各有效疏散路径的选择概率;再根据各有效疏散路径的选择概率,计算疏散车流位于各有效疏散路径的路径分配流量,并将路径分配流量加载到疏散区域路网得到疏散车流位于各应急疏散路段的路段分配流量,所述路径分配流量和路段分配流量作为初始化的应急疏散路径优化方案。
具体地,所述有效疏散路径的选择概率通过下列公式获得
;
式中,
表示任一OD对w之间第m类被疏散者对于有效疏散路径k的选择概率,
表示任一OD对w之间第m类被疏散者评估有效疏散路径k的前景值。
具体地,所述路径分配流量通过下列公式获得
;
式中,
表示任一OD对w之间的有效疏散路径k的路径分配流量,
表示任一OD对w之间的第m类被疏散者的总数,
表示任一OD对w之间第m类被疏散者对于有效疏散路径k的选择概率。
具体地,所述路段分配流量通过下列公式获得
;
式中,
表示应急疏散路段的路段分配流量,
表示任一OD对w之间的有效疏散路径k的路径分配流量,
为变量,取值0~1,
W表示OD对的集合,
表示任一OD对w之间的有效疏散路径集合。
需要说明的是,在基于前景理论的多类型随机用户均衡模型中,对于任意OD对w之间任意类别m的被疏散者,当没有被疏散者可以单方面调整疏散路径增大前景值时,即网络达到均衡状态,均衡应满足如下条件:
1) ;
2) ;
3)。
S3)对初始化的应急疏散路径优化方案采用相继平均算法进行多次循环,获得最终的应急疏散路径优化方案。
所述相继平均算法是一种迭代算法,其每一次循环可以获得一组各路段的附加流量解,对该附加流量解与所分配的解进行算数平均,作为下一个循环已分配的解,
所述相继平均算法包括以下步骤:
S31)令n=1,将初始化的路径分配流量与路段分配流量/>作为算法输入参数,重复步骤S21)以更新有效疏散路径的延误出行时间;
S32)重复步骤S22)~ S23)以更新有效疏散路径的前景值;
S33)基于更新后的有效疏散路径的前景值,将疏散车辆数在疏散路网中进行随机用户均衡加载并进行算术平均,得到辅助路径流量;/>
S34)更新路径分配流量;
S35)更新路段分配流量;
S36)判断是否成立,若成立,该路径分配流量与路段分配流量即为最终的应急疏散路径优化方案,停止计算,否则,令n=n+1,将该路径分配流量与路段分配流量作为输入参数,继续步骤S32)。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于前景理论的渡海车辆应急疏散路径优化方法,其特征在于,包括如下步骤:
S1)采集个体信息和采集疏散路网信息;
采集个体信息包括:获取被疏散者的风险类型,所述风险类型用于量化分析疏散个体的异质性和主观不确定性,从而对不同疏散群体进行划分;
采集疏散路网信息包括:获取疏散路网区域内的所有路径节点、以及由两两不同的路径节点构成的应急疏散路段;
在路径节点中,将任一疏散起点和任一疏散终点进行配对,形成OD对,所述OD对之间包括若干个疏散路径,任一疏散路径包括若干个应急疏散路段,在任一OD对之间的疏散路径中获取有效疏散路径集合;
获取各应急疏散路段的通行流量、自由流行驶时间和实际通行能力,基于通行流量、自由流行驶时间和实际通行能力采用路段阻抗函数计算突发事件下各应急疏散路段的行程时间;
S1)中,所述疏散起点为突发事件引起的交通问题中心区域,所述疏散终点为疏散路网区域内承运能力最大的道路终点,所述有效疏散路径为无环的简单路径,即从疏散起点沿着有向路段到达疏散终点,疏散路径所经过的节点只能被通过一次;
S2)获取初始化的应急疏散路径优化方案;
S21)在任一OD对之间,计算有效疏散路径集合中各有效疏散路径的出行时间,所述有效疏散路径的出行时间为有效疏散路径对应应急疏散路段的行程时间的累加,并考虑实际突发事件对疏散路网造成的影响,根据有效疏散路径的出行时间计算有效疏散路径集合中各有效疏散路径的延误出行时间;
S21)中,所述有效疏散路径的出行时间通过下列公式获得
式中,
w表示任一OD对,
W表示OD对的集合,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示在任一OD对w之间的有效疏散路径k与应急疏散路段a的关联程度,
表示应急疏散路段a在有效疏散路径k上,
表示应急疏散路段a不在有效疏散路径k上,
ta表示应急疏散路段a的行程时间,
Rw表示任一OD对w之间的有效疏散路径集合;
所述有效疏散路径的延误出行时间通过下列公式获得
式中,
表示在任一OD对w之间的有效疏散路径k的延误出行时间,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示标准正态分布函数的反函数,
表示有效疏散路径k的延误程度,其取值根据实际突发事件对路网所造成的影响而标定,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的方差值,
表示在任一OD对w之间的有效疏散路径k与应急疏散路段a的关联程度,
D(ta)表示应急疏散路段a的行程时间的方差值,
表示应急疏散路段a自由流行驶时间,
xa表示应急疏散路段a的通行流量,
Ca表示应急疏散路段a的实际通行能力,
表示应急疏散路段a的通行能力上限,
α,β为阻滞系数,
θa表示为应急疏散路段a通行能力在受突发事件影响而降低的折损系数,θa∈[0,1],具体取值根据实际疏散情况进行设定,
A表示应急疏散路段集合;
S22)在任一OD对之间,根据有效疏散路径集合中各有效疏散路径的延误出行时间、以及被疏散者的风险类型,计算被疏散者通过各有效疏散路径的预算疏散时间,预算疏散时间中的最小值作为该OD对的路径决策内生参考点,所述路径决策内生参考点作为判断有效疏散路径方案价值的依据;
S22)中,所述预算疏散时间通过下列公式获得
式中,
表示在任一OD对w之间的有效疏散路径k的预算疏散时间,
ρm表示第m类被疏散者的期望疏散概率,
表示对于任一OD对w之间的有效疏散路径k而言的预算疏散时间的最小值,
表示在任一OD对w之间的有效疏散路径k的延误出行时间,
表示在任一OD对w之间的有效疏散路径k的延误出行时间小于或等于预算疏散时间的概率;
所述路径决策内生参考点通过下列公式获得
式中,
Tw表示在任一OD对w之间的路径决策内生参考点,
ρm表示第m类被疏散者的期望疏散概率,
表示对任一OD对w中全部有效疏散路径的预算疏散时间进行对比并取最小值,
表示在任一OD对w之间的有效疏散路径k的预算疏散时间;
S23)基于任一OD对的路径决策内生参考点,构建该OD对之间各有效疏散路径的价值函数和概率权重函数,所述价值函数用于主观判断被疏散者从有效疏散路径方案中获得收益或造成损失的价值,所述概率权重函数用于主观判断被疏散者对有效疏散路径所产生的结果为收益或损失的概率;基于价值函数和概率权重函数,计算被疏散者评估任一OD对之间各有效疏散路径的前景值;
S23)中,所述价值函数通过下列公式获得
式中,
表示第m类被疏散者从有效疏散路径k中获得的价值,
Tw表示在任一OD对w之间的路径决策内生参考点,
ρm表示第m类被疏散者的期望疏散概率,
表示在任一OD对w之间的有效疏散路径k的出行时间,u∈(0,1)表示被疏散者从所选方案中获得收益的偏好程度,
λ为被疏散者风险损失规避系数,v∈(0,1)表示被疏散者对所选方案造成损失的偏好程度;
所述概率权重函数包括收益概率权重函数和损失概率权重函数,具体公式如下
式中,
表示/>位于收益部分的概率权重函数,
表示/>位于损失部分的概率权重函数,
表示/>的导函数,
表示/>的导函数,
表示概率权重函数在获得收益值为/>时所在区域,/>表示概率权重函数在造成损失值为/>时所在区域,
表示决策估计偏移系数,,
表示决策估计偏移系数,,
表示任一OD对w之间的有效疏散路径k的出行时间/>的分布函数,
p表示在任一OD对w之间的有效疏散路径k的出行时间介于和之间的概率,
表示在任一OD对w之间的有效疏散路径k的出行时间,
表示在任一OD对w之间的路径决策内生参考点,
表示在任一OD对w之间的有效疏散路径k的自由流行驶时间,/>表示在任一OD对w之间的有效疏散路径k的出行时间/>的方差值,
表示在任一OD对w之间的有效疏散路径k的出行时间/>的期望值;
所述有效疏散路径的前景值通过下列公式获得
式中,
表示任一OD对w之间第m类被疏散者评估有效疏散路径k的前景值,
Tw表示在任一OD对w之间的路径决策内生参考点,
ρm表示第m类被疏散者的期望疏散概率,
表示第m类被疏散者在有效疏散路径k上基于疏散路径延误的出行时间上界,
表示第m类被疏散者在疏散路径k上基于疏散路径延误的出行时间下界,
表示/>的导函数,
表示/>的导函数,
表示概率权重函数在获得收益值为/>时所在区域,
表示概率权重函数在造成损失值为/>时所在区域,
表示第m类被疏散者从有效疏散路径k中获得的价值,
表示/>的期望值,
表示/>的方差值,
表示在任一OD对w之间的有效疏散路径k的自由流行驶时间;
S24)在任一OD对之间,根据各有效疏散路径的前景值,构建多类型随机用户均衡模型,求取被疏散者对于各有效疏散路径的选择概率;再根据各有效疏散路径的选择概率,计算疏散车流位于各有效疏散路径的路径分配流量,并将路径分配流量加载到疏散区域路网得到疏散车流位于各应急疏散路段的路段分配流量,所述路径分配流量和路段分配流量作为初始化的应急疏散路径优化方案;
S3)对初始化的应急疏散路径优化方案采用相继平均算法进行多次循环,获得最终的应急疏散路径优化方案。
2.根据权利要求1所述的基于前景理论的渡海车辆应急疏散路径优化方法,其特征在于:S1)中,所述疏散路网区域是指以港口为圆心、以港口到承运能力最大道路的距离为半径的地理位置区域。
3.根据权利要求1所述的基于前景理论的渡海车辆应急疏散路径优化方法,其特征在于:S1)中,在任一OD对之间获取有效疏散路径集合的方法包括以下步骤:
S11)在任一OD对w之间,获取有向路段集合Lw={lw(i,j)},i∈{1,2…,n},j∈{1,2…,n},其中,w表示任一OD对,Lw为任一OD对w之间的有向路段集合,lw为任一OD对w之间的有向路段;
S12)计算每个路径节点到疏散终点的最短疏散时间s;
S13)对于有向路段(i,j),判断s(i)>s(j)是否成立,若成立,将该有向路段纳入有效路段集,否则,将有向路段筛出判断程序;
S14)在任一OD对w之间,若干个首尾相连的有效路段构成疏散路径k,计算疏散路径k的疏散时间
S15)判断是否成立,若成立,疏散路径k为任一OD对w的有效疏散路径,否则,疏散路径k为无效疏散路径,其中,/>为最短路径的疏散时间,Hw为伸展系数,取值大于或等于0;
S16)判断w是否达到最大值,若达到最大值,进入下一步骤,否则,令w=w+1,重复步骤S11)~S16)。
4.根据权利要求1所述的基于前景理论的渡海车辆应急疏散路径优化方法,其特征在于:S1)中,所述路段阻抗函数为
式中,
ta表示应急疏散路段a的行程时间,
表示应急疏散路段a的自由流行驶时间,
xa表示应急疏散路段a的通行流量,
Ca表示应急疏散路段a的实际通行能力,
α,β为阻滞系数。
5.根据权利要求4所述的基于前景理论的渡海车辆应急疏散路径优化方法,其特征在于:S24)中,所述有效疏散路径的选择概率通过下列公式获得
式中,
表示任一OD对w之间第m类被疏散者对于有效疏散路径k的选择概率,
表示任一OD对w之间第m类被疏散者评估有效疏散路径k的前景值;
所述路径分配流量通过下列公式获得
式中,
表示任一OD对w之间的有效疏散路径k的路径分配流量,
表示任一OD对w之间的第m类被疏散者的总数,
表示任一OD对w之间第m类被疏散者对于有效疏散路径k的选择概率;
所述路段分配流量通过下列公式获得
式中,
fa表示应急疏散路段的路段分配流量,
表示任一OD对w之间的有效疏散路径k的路径分配流量,
为变量,取值0~1,
W表示OD对的集合,
Rw表示任一OD对w之间的有效疏散路径集合。
6.根据权利要求5所述的基于前景理论的渡海车辆应急疏散路径优化方法,其特征在于:所述相继平均算法包括以下步骤:
S31)令n=1,将初始化的路径分配流量与路段分配流量fa(1)作为算法输入参数,重复步骤S21)以更新有效疏散路径的延误出行时间;
S32)重复步骤S22)~S23)以更新有效疏散路径的前景值;
S33)基于更新后的有效疏散路径的前景值,将疏散车辆数在疏散路网中进行随机用户均衡加载并进行算术平均,得到辅助路径流量
S34)更新路径分配流量
S35)更新路段分配流量
S36)判断是否成立,若成立,该路径分配流量与路段分配流量即为最终的应急疏散路径优化方案,停止计算,否则,令n=n+1,将该路径分配流量与路段分配流量作为输入参数,继续步骤S32)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607295.8A CN116337085B (zh) | 2023-05-26 | 2023-05-26 | 基于前景理论的渡海车辆应急疏散路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607295.8A CN116337085B (zh) | 2023-05-26 | 2023-05-26 | 基于前景理论的渡海车辆应急疏散路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116337085A CN116337085A (zh) | 2023-06-27 |
CN116337085B true CN116337085B (zh) | 2023-08-11 |
Family
ID=86893305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310607295.8A Active CN116337085B (zh) | 2023-05-26 | 2023-05-26 | 基于前景理论的渡海车辆应急疏散路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116337085B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927433A (zh) * | 2014-03-20 | 2014-07-16 | 浙江工商大学 | 基于流控制的多源点多出口人群应急疏散调度方法 |
JP2015094956A (ja) * | 2013-11-08 | 2015-05-18 | 東日本旅客鉄道株式会社 | 津波避難誘導支援システムおよび携帯情報端末用のプログラム |
CN107784394A (zh) * | 2017-10-30 | 2018-03-09 | 长安大学 | 考虑前景理论的高速公路路线方案不确定多属性优选方法 |
CN109118037A (zh) * | 2018-06-26 | 2019-01-01 | 桂林电子科技大学 | 一种基于累积前景理论的出行选择方法 |
CN111738513A (zh) * | 2020-06-23 | 2020-10-02 | 常州信息职业技术学院 | 一种疏散路径动态优化方法和装置 |
CN115018222A (zh) * | 2022-08-10 | 2022-09-06 | 交通运输部水运科学研究所 | 基于动态配流的旅客应急疏散路径优化管理方法及系统 |
-
2023
- 2023-05-26 CN CN202310607295.8A patent/CN116337085B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015094956A (ja) * | 2013-11-08 | 2015-05-18 | 東日本旅客鉄道株式会社 | 津波避難誘導支援システムおよび携帯情報端末用のプログラム |
CN103927433A (zh) * | 2014-03-20 | 2014-07-16 | 浙江工商大学 | 基于流控制的多源点多出口人群应急疏散调度方法 |
CN107784394A (zh) * | 2017-10-30 | 2018-03-09 | 长安大学 | 考虑前景理论的高速公路路线方案不确定多属性优选方法 |
CN109118037A (zh) * | 2018-06-26 | 2019-01-01 | 桂林电子科技大学 | 一种基于累积前景理论的出行选择方法 |
CN111738513A (zh) * | 2020-06-23 | 2020-10-02 | 常州信息职业技术学院 | 一种疏散路径动态优化方法和装置 |
CN115018222A (zh) * | 2022-08-10 | 2022-09-06 | 交通运输部水运科学研究所 | 基于动态配流的旅客应急疏散路径优化管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
Application of computational intelligence technologies in emergency management a literature review;Ning Chen等;《Springer》;2131-2168 * |
Also Published As
Publication number | Publication date |
---|---|
CN116337085A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194128B (zh) | 基于中心辐射型网络框架的多模式公共交通网络设计方法 | |
US11955017B2 (en) | Dynamic aircraft routing | |
JP5584273B2 (ja) | ユーザの経路選択嗜好抽出システム及び経路選択嗜好抽出方法 | |
CN110874704A (zh) | 一种基于Floyd算法的应急救援交通路径优化方法 | |
CN110111574A (zh) | 一种基于流量树分析的城市交通不平衡评价方法 | |
CN109670240B (zh) | 一种城市多模式公交网络初始线路生成方法 | |
CN110245377B (zh) | 一种出行方案推荐方法及推荐系统 | |
CN107578141B (zh) | 基于模糊层次分析和证据理论的机场跑道分配决策方法 | |
CN108734337B (zh) | 基于聚类中心修正的定制公交合乘站点生成方法 | |
CN109034654A (zh) | 空中交通相依网络脆弱性的度量方法 | |
CN110942626B (zh) | 一种考虑无人驾驶车辆的路网混合流量日变预测方法 | |
CN112182723B (zh) | 人群疏散瓶颈拥堵状况分析方法和系统 | |
Huang et al. | A methodology to control urban traffic noise under the constraint of environmental capacity: A case study of a double-decision optimization model | |
CN109461307B (zh) | 一种预估路段平均车辆流量和od需求的方法 | |
CN116337085B (zh) | 基于前景理论的渡海车辆应急疏散路径优化方法 | |
CN114267174B (zh) | 一种考虑出行者和居民交通排放暴露的道路收费方法 | |
CN108447255A (zh) | 一种城市道路动态交通网络结构信息系统 | |
CN109887280B (zh) | 一种交通网络节点关键度评估方法 | |
CN114842668A (zh) | 一种基于层次分析法的多场景停车车位导引方法 | |
CN113438620B (zh) | 一种无人机集群中心节点最优选择方法 | |
KR101542982B1 (ko) | 운전자 피로도 기반 휴식노드 추천장치 및 방법 | |
Si et al. | Optimization model and algorithm for mixed traffic of urban road network with flow interference | |
CN116823039A (zh) | 一种基于多源数据的微观地块尺度设施可达性测度方法 | |
Lentzakis et al. | Time-dependent partitioning of urban traffic network into homogeneous regions | |
CN115496288A (zh) | 一种铁路客站应急疏散路径规划方案确定方法和装置 |
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 |