城市避震疏散场所选址的时间满意覆盖模型

针对城市避震疏散场所选址和避难人员分配的问题,研究了综合多准则决策的避震疏散场所优化方案的时间满意覆盖模型.通过综合考虑备选避震疏散场所的条件,采用优劣解距离方法进行多准则决策,对可行方案进行综合评价;在建立避震疏散场所服务需求点的时效性评价函数的基础上,基于最大覆盖选址模型和"部分覆盖"思想,建立了有限设置避震疏散场所的综合多准则与时间满意覆盖模型,并给出了基于遗传粒子群的模型优化求解算法.实例分析结果表明,该算法具有较好的有效性.     

基于时间扩展网络的区域疏散公交路径规划

针对城市公交系统应急区域疏散路径规划问题,采用时间扩展网络建模技术对疏散公交路网进行了表达,进而建立了以疏散总出行时间最小化为目标函数的离散、动态疏散网络流模型,将公交网络的疏散路径优化问题转化为混合整数规划问题,并设计了启发式禁忌搜索(TABU)算法,用于快速求解公交疏散路径优化方案.最后,以长春市中心区路网为例,对公交系统的区域疏散问题进行了实证研究,着重对比了CPLEX9.0软件的精确求解与禁忌搜索算法的近似求解之间的性能差异.数值实验结果表明,时间扩展网络模型可以有效反映公交疏散系统的动态性,同时禁忌搜索算法能够在求解效率和求解精度上取得较好的折衷.     

基于CVT的城市突发灾害下人群疏散方法

提出基于CVT的城市突发灾害下人群疏散的方法,在动态选址的基础上做疏散救援路径规划以及整体的疏散救援系统设计,以提高疏散救援路径规划的准确性,提升人群疏散效率,降低疏散成本.     

面向铁路夜间乘客疏散的定制公交线路优化

针对铁路车站夜间乘客疏散问题提出基于定制公交的解决方案,并对其核心的多线路动态规划问题展开研究.首先,针对乘客目的地较为分散的特性,基于DBSCAN算法对乘客目的地聚类,并结合道路停靠条件及乘客门到门服务的特殊需求动态确定定制公交停靠站点;其次,兼顾公交企业和乘客双方利益,构建以定制公交车辆保有成本、运行成本和乘客时间成本之和最小为目标,以乘客出发与到达时间窗、载客量等为约束的多线路动态规划模型;最后,以北京南站为例进行分析.结果表明:相比于出租车疏散,改进定制公交疏散方案能提高10％～35％的乘客疏散效率;与传统定制公交疏散相比,可在节约28.6％的运营成本的同时提高10％的疏散效率.     

突发灾害下应急疏散路线的交通信号配时优化

针对目前国内外突发灾害事件频发、应急交通组织保障能力不足等问题,在充分考虑突发灾害对道路交通网络、交通出行行为影响的基础上,基于动态交通分配理论,结合突发灾害下的出行者疏散路线选择行为,构建了受灾区域应急疏散路线的交通信号优化控制模型,并采用并行蚁群算法对该模型进行优化求解,以提高求解速度和全局收敛能力.最后搭建了集群计算平台对该模型和算法进行模拟测试,结果表明,采用并行蚁群算法对模型进行优化求解,可以获得较好的时间性能和优化效率,满足应急交通保障系统在线决策支持的要求.     

基于免疫优化算法的应急物资储备库选址

为了提高应急物资利用效率和应急服务水平,针对灾害情况下应急物资运输调度的时效性特点,基于各需求点历史灾害事件数据,利用三角模糊数对历史灾害事件数进行模糊化处理;引入风险权重系数,建立应急物资储备库选址模型,并采用免疫优化算法完成求解.以安徽省应急物资储备库选址为例,验证了该模型的可行性,可为解决应急物资储备库选址问题提...     

公路网灾害应急救援点多目标选址模型及算法

为减少自然灾害频发对公路交通带来的损失,研究并建立针对自然灾害的区域公路网应急救援点显得十分必要。本文首先从公路自然灾害应急救援点的功能需求、选址影响因素、选址要素（顾客、设施、空间、度量）和选址目标等方面对救援点选址规划特征进行了研究。然后从公路应急救援的快速反应、集合覆盖、灾害损失最小化等三个方面提出了公路网应急救援点的多目标选址优化模型,并探讨了模型的求解算法和求解步骤,通过lingo软件编程实现优化目标的求解。最后通过浙江桐庐公路网的应急救援点规划这一实例对提出的选址优化模型进行了应用。     

韧性交通枢纽中突发大客流疏散优化研究

提升交通枢纽的韧性以应对突发大客流给交通运输系统带来的压力至关重要。基于交通枢纽的内部设施布局，将客流在其内的疏散备选路径抽象为由节点和路段构成的网络图。从改变客流疏散路径角度出发，当发生突发大客流时，考虑开启平时不开放的应急通道用于疏散客流。在已知各起讫点之间的客流量以及客流疏散备选路径的条件下，以最小化客流疏散时间与开启应急通道的广义成本为优化目标，建立客流疏散优化模型，并设计混沌蚁群算法对模型进行求解，得到客流疏散的优化方案。最后以北京南站为案例验证模型与算法，结果显示，在发生突发大客流时，开启合适位置和数量的应急通道可以有效缩短客流疏散时间。该研究从交通枢纽内部的规划布局与客流疏散优化角度，为城市交通枢纽的韧性提升提供了理论支撑。     

基于多参数的公交枢纽选址优化模型

公共交通枢纽是城市公共交通系统中的关键节点,做好公共交通枢纽的布局选址,可以提高整个交通系统的运输效率.文章在充分考虑我国自行车数量巨大、小汽车数量迅速增长的基础上,引入更多的参数以优化公交枢纽布局选址模型,并应用此优化模型对合肥市包河区东南部某区域的公交枢纽布局选址问题进行实例研究.     

基于重力p-median模型的支线机场物资供应中心选址

为解决偏远地区支线机场的物资供应问题,依托地区物流中心建立机场物资供应中心,从而实现地区物流中心的货物运输到各支线机场总成本最低、配送效率最高、综合效益最大。首先基于Voronoi图理论,形成了区域机场Voronoi图,采用重心法,确定出备选点位置;将重力p-median模型用于机场物资供应中心的选址,以可变运输总成本最小为目标函数,根据重力模型原理,结合机场物资供应中心点的吸引力、供应点到需求点的距离以及各机场物资需求量,采用改进的免疫优化算法,运用Matlab编程进行仿真,利用算例对选址模型进行仿真求解。仿真结果表明,p-median模型在算例中的应用,可以得出较为理想的机场物资中心选址,具有较强的实用性和可操作性。     

基于仿真的深埋地铁车站疏散时间研究

随着地铁车站的埋深深度日益增加,车站的安全疏散风险增大。本文从站型结构、疏散安全区、车站疏散设施、客流规模和疏散引导等方面,分析了影响深埋地铁车站人员疏散时间的因素。针对紧急疏散场景,构建深埋地铁车站网络模型和疏散行为模型。以北京某在建深埋地铁车站为例,通过模型校验,利用轨道交通乘客集散仿真系统对该站疏散时间进行测算,并将测算结果与理论计算疏散时间对比,结果显示所有乘客能够在5.5 min内从站台疏散至安全区域,符合规范要求。本文研究结果表明采用的系统能够用于深埋地铁车站的疏散时间研究。     

基于FDS和Pathfinder的地铁车站人员疏散研究

为减小地铁火灾对人员生命财产所造成的损失,基于对地铁火灾的特点和危险因素,以及人员疏散仿真中主观和客观影响因素的分析结果,提出基于FDS(Fire Dynamics Simulator)和Pathfinder的地铁车站人员疏散决策分析方法,并以武汉市轨道交通五号线司门口地铁车站为研究背景,建立了FDS火灾仿真模型和Pathfinder人员疏散仿真模型。在FDS火灾仿真中,分别从烟气温度、CO浓度和能见度三个方面确定了各危险位置的可用安全疏散时间。在此基础上基于Pathfinder进行人员疏散仿真,主要从人员逃生率、可用安全疏散时间利用率等方面对其结果进行分析。通过改变仿真中的待疏散人员数量和火源功率,探究了该车站的人流量容纳能力和火源功率容纳能力,对地铁火灾疏散具有一定的参考价值。     

地铁车站火灾疏散仿真分析

为了研究地铁车站的火灾疏散情况,首先探讨了影响人群疏散的一些因素,包括温度、毒害气体和能见度;并通过安全疏散演练实验,得到了人群在紧急状况下撤离火灾车厢的时间及B型地铁列车的车门通过能力,针对安全疏散时间进行了探讨。接着利用元胞自动机理论创建了地铁车站火灾疏散仿真模型;并分析了疏散人数、出口数量、出口宽度对疏散时间的影响,得出了出口数量的增加与出口宽度的加大有助于缩短疏散时间、在起火列车进站前应先疏散站台乘客等结论。     

高速公路充电站选址定容问题的多目标优化方法

[目的]高速公路充电站位置选择和容量确定对电动汽车应用推广具有重要意义.[方法]针对高速公路充电站选址定容问题,通过引入充电站的平均适配率,即电动汽车的充电需求与当前充电站总容量之间的匹配程度,以充电站的建设成本最小和充电站的平均适配率最大为 目标建立了新的多目标优化模型.[结果]利用多 目标优化问题的NSGA-Ⅱ算法...     

基于二型模糊集理论的应急设施选址方法

为了研究应急管理中的应急设施选址问题,在传统选址方法基础上,提出了一种基于二型模糊集理论的应急设施选址方法,以区域人口密度量化应急资源需求程度,构建选址集最大覆盖模型.由于人口的流动性,采用二型模糊变量描述人口密度信息,二型模糊变量可提供不确定性建模额外的自由度.在置信度理论框架下,将原模糊模型转化为其等价确定性模型.针对模型中大规模复杂高维的空间地理数据,设计了一种基于网格空间表示法的矩阵编码策略与遗传算法耦合进行模型求解.研究表明:矩阵编码策略可以有效避免维数灾难,并且能够显著提升求解效率,所提方法可以提供合理的应急设施选址决策,以提升突发事件应急管理水平.     

多出口室内行人出口选择行为研究

【目的】研究行人流在不同设定条件下选择合理出口的行为,为多出口室内行人疏散提供参考。【方法】采用元胞自动机模型,在静态场的基础上,模拟行人流在多出口室内的出口选择行为。在模型中引入出口代价,即行人选择目标出口时需要考虑的距离及其与他人竞争因素的加权平均(权重为k)。为实现出口选择机制,赋予每个出口元胞1个单元场,当行人评估出室内最小代价值的出口时,选用该出口的单元场来进行迁移。【结果】当权重k合适(区间较大)时,在初始行人分布均匀或不均匀、出口分布对称或不对称,以及在疏散过程中增加应急出口的情况下,行人都会充分利用空闲的出口,使不同的出口都聚集大致相等的人数;而且应急出口打开时间越早行人流疏散的效果越好,应急出口打开过晚时行人疏散的效果甚至会比没有应急出口的情况还差。【结论】出口代价的引入,使模型能合理地描述多出口的室内行人疏散。     

基于交通方式选择的公交出行需求预测

在对国内外研究现状分析的基础上，研究立足于影响公交乘客意愿和出行选择的公交服务水平因素分析，应用期望偏好（SP）调查方法得到国内2个城市出行选择行为特征数据，分析国内城市出行者意愿和交通方式选择行为的特征和规律，在此基础上应用慈溪市的数据建立了考虑个人特性和出行时间及成本等选择特性因素的交通方式选择模型，对公交出行需求进行了预测，并结合交通方式选择行为特征调查数据和出行比例预测结果，提出了相应的公交优先发展策略．     

港口客运站人员应急疏散仿真

为评估港口客运站人员应急疏散能力,根据港口客运站火灾特点和人员疏散影响因素,提出基于AnyLogic和Pathfinder的港口客运站人员疏散能力评估方法,分别建立基于AnyLogic的港口客运站作业系统仿真模型和基于Pathfinder的人员疏散仿真模型。最后,以某港口客运站为例,利用提出的港口客运站人员疏散能力评估方法,以人员疏散时间作为指标评估港口客运站人员疏散能力,并确定火灾关键危险位置和制约人员疏散能力的关键因素,为港口客运站平面布置和日常运营管理提供决策支持。     

基于强化学习的应急物资动态模型配送算法优化

为了震后挽救更多人的生命,研究如何快速搭建应急救援物流系统,进行高效的应急物资配送,具有重大意义。通过已有的救灾体系数据库,再结合城市实时获取的卫星监测和微型传感器传输,所获取的道路状况和危险建筑等实时数据,进行全方位的强化学习模型优化训练,并且地震发生后的物资存储信息、救援点需求信息、物资装箱信息及配送路线规划,都由人工智能(artificial intelligence, AI)来进行自动分配,快速求得最优最快的物资配送方案。不仅路径配送实现优化,还确保物资运输的高效率,而且单位时间内被救援的受灾人数最多,以整个城市被救援人口的覆盖率为核心,做到根据实时动态数据的分析求解,动态调配物资,还做到救援受伤人员数量最大化。并通过优化城外救援物资,实时更改内部救援方案,提高救援效率,还提出救援优先级因子,为极端情况下的救援物资进行配比,提供合理技术支撑,最后计算得出优化的奖励方程。结果表明：通过对强化学习的应急物资动态模型配送算法进行优化,可大幅提高救援效率,尤其在地震发生初期,对挽救伤员的效果最佳。