本发明涉及一种应急疏散车辆多批次调度决策方法。
背景技术：
随着我国国民经济的发展以及城市化进程的不断推进，居民汽车保有量逐年上升，道路交通事故随之频繁发生。与此同时，突发性灾害、重大事件对正常交通功能也具有很大影响，甚至会诱发二次事故，造成影响范围更大，持续时间更长的危害。据交通事故伤者调查显示，我国乘坐救护车到达医院进行救治的伤者大约只占14.3％。相关事故统计数据表明，如果在事故发生5分钟内采用紧急救援措施，30分钟内进行急诊抢救，至少18％-25％的重伤者可以免于死亡；而如果伤者在30分钟之后才能够得到治疗，那么死亡的风险要增大3倍。基于此背景，道路交通突发事件应急，对于减少交通事故及灾害事件造成的损失、保障人民生命和财产安全，乃至社会的稳定方面都起着至关重要的作用，必须予以足够的关注和重视。
应急救援疏散依托于道路交通系统，而人员转移与物资调配都需要借助车辆来完成，因此车辆调度过程是道路交通应急管理的关键环节，只有为车辆合理分派运输任务、合理规划路线，才能保障救援疏散在最佳时机展开，减少不必要的损失。
在以往的应急车辆调度策略中，一般将应急车辆的调度问题转化为传统的车辆路径问题(vehicleroutingproblem，vrp)，所获得的方案大多未能充分考虑应急车辆紧缺条件下的多批次车辆调度以及对各客户站点的需求进行拆分的情况。同时，现有的有关应急车辆调度的研究一般局限于理论层面，缺乏一种有效的可实际应用的应急车辆调度辅助决策方法。
技术实现要素：
基于以上不足之处，本发明提供一种道路交通应急管理领域的应急疏散车辆调度的决策方法，辅助道路交通管理者解决应急条件下尤其是应急车辆紧缺时的多批次车辆调度问题，提高应急响应速度，并通过生成合理有效的调度方案使受灾人员能够被快速高效地疏散至指定地点，减少突发灾害事件造成的损失。
本发明所采用的技术方案：一种应急疏散车辆多批次调度决策方法，包括数据输入模块、数据处理模块和数据输出模块，方法具体如下：
所述的数据输入模块包含静态及动态数据的输入、存储及调用，静态数据包括：疏散站点及车场地理位置、区域道路网络、历史统计的路网交通流量、车场至各站点最短路径、应急车辆总数及容量，静态数据需事先输入系统并存储，以备车辆路径方案生成时对其进行调用；其中，路段的通行时间基于路段的交通流量采用bpr函数进行计算、车场至各站点最短路径基于道路网络及路段的通行时间采用迪杰斯特拉算法计算；动态的数据包括：各站点待疏散人数、路网的损毁情况、各路段实时的交通流量数据，系统会根据输入的动态数据对静态数据进行更新和补充，包括路网中某路段损毁则更新路网的连通性数据、路段的交通流量变化则根据bpr函数更新其通行时间；
bpr函数公式为：
式中：
t——通过路段的实际时间；
t0——路段自由行驶时间；
q——路段的交通量，单位pcu/h；
c——路段的实际通行能力，单位pcu/h；
α、β为模型待定参数，α＝0.15、β＝4；
所述的数据处理模块功能为基于数据输入模块的数据生成车辆多批次调度的方案，首先根据应急疏散的特点，建立应急疏散车辆的目标调度模型，目标调度模型包括：最小化总完成时间、最小化待疏散人员的平均到达时间；
所述的最小化总完成时间，即目标一如下：
式中：
所述的最小化待疏散人员的平均到达时间，即目标二如下：
式中：
r——待疏散总人数；
其中，约束条件如下：
式中：
tij——站点i和j间的行驶时间；
q——应急车辆最大容量；
si——应急站点i处的待疏散人数；
约束条件的含义分别为：车辆行程时间的计算、各站点流量守恒、车辆单程运载人数限制、所有人员均需被疏散、车辆必须途经某站点才能对其服务；
其次，应用快速非支配排序算法、遗传算法、改进的模拟退火算法对数学模型求解，采用快速非支配排序算法根据目标函数的相对重要程度对不同的调度方案进行排序及等级划分，并将目标一作为对解排序的主要依据，目标二作为次要依据；依靠遗传算法进行路径方案的生成、筛选、优化，并在遗传算法迭代过程中，每间隔一定的迭代次数，利用改进的模拟退火算法对当前最优解再优化，提高算法的局部搜索能力；最后，根据决策者的需求或算法的终止条件结束计算，得到相应的车辆调度方案；
其中，进行遗传算法的基因编码时，编码的长度为n×m×q，
n为每辆车辆能够行动的最大次数，m为车辆的总数，q为单车容量，将每名受灾人员视作一个基本的基因点，并采用其所处的点位序号来代表，则每个编码中有r个站点号元素及n×m×q-r个占位元素，r为总人数，由前向后每连续的q个元素代表某辆车某次行动的运载及路线方案，按照q个元素中站点元素出现的顺序确定对其的访问顺序，按照站点元素的数量确定在该点位的载客量，选择、变异、交叉等遗传算子采用快速非支配排序遗传算法；同时为提高局部搜索效率，在迭代过程中，每隔一定代数调用一次改进的模拟退火算法进行局部优化搜索，改进的模拟退火算法公式为：
式中：p——模拟退火算法搜索到的新的解替换原来解的概率；
α——介于0到1之间的常数；
n——模拟退火算法本次被调用的迭代次数；
所述的数据输出模块功能为对数据处理模块生成的数值解进行转化并输出，输出内容包括：各车辆行动的次数、各车辆每次行动经过的疏散站点数目及顺序、各车辆每次行动在各疏散站点接载的人数，输出的其他数据还包括：各车辆行驶的距离、各车辆驾驶员预计工作时间、各目标函数的计算结果：疏散活动的总完成时间、待疏散人员的平均到达时间、所有车辆行驶的总距离，以备决策人员查看检阅。
本发明的优点及有益效果：本发明考虑了车辆多次行动及对站点需求进行拆分的条件，更符合应急车辆调度管理的实际需要；设计的算法计算效率高、稳定性强，能够保证应急响应的时效性及所生成方案的可行性和有效性；本系统结构精简易于操作，弥补了道路交通应急管理辅助工具的空缺，降低了对道路交通管理者的知识及技术的要求，使应急车辆调度过程简明高效。本发明提高应急响应速度，同时使应急车辆调度过程更加简便、迅速、有效。
附图说明
图1是本发明的系统结构示意图；
图2是本系统工作流程示意图。
具体实施方式
实施例1
如图1‐2所示，一种应急疏散车辆多批次调度决策方法，包括数据输入模块、数据处理模块和数据输出模块，如下：
所述的数据输入模块包含静态及动态数据的输入、存储及调用，静态数据包括：疏散站点及车场地理位置、区域道路网络、历史统计的路网交通流量、车场至各站点最短路径、应急车辆总数及容量，静态数据需事先输入系统并存储，以备车辆路径方案生成时对其进行调用；其中，路段的通行时间基于路段的交通流量采用bpr函数进行计算、车场至各站点最短路径基于道路网络及路段的通行时间采用迪杰斯特拉算法计算；动态的数据包括：各站点待疏散人数、路网的损毁情况、各路段实时的交通流量数据，系统会根据输入的动态数据对静态数据进行更新和补充，包括路网中某路段损毁则更新路网的连通性数据、路段的交通流量变化则根据bpr函数更新其通行时间；
bpr函数公式为：
式中：
t——通过路段的实际时间；
t0——路段自由行驶时间；
q——路段的交通量，单位pcu/h；
c——路段的实际通行能力，单位pcu/h；
α、β为模型待定参数，α＝0.15、β＝4；
所述的数据处理模块功能为基于数据输入模块的数据生成车辆多批次调度的方案；首先根据应急疏散的特点，建立应急疏散车辆的目标调度模型，目标调度模型包括：最小化总完成时间、最小化待疏散人员的平均到达时间；
所述的最小化总完成时间，即目标一如下：
式中：
所述的最小化待疏散人员的平均到达时间，即目标二如下：
式中：
r——待疏散总人数；
其中，约束条件如下：
式中：
tij——站点i和j间的行驶时间；
q——应急车辆最大容量；
si——应急站点i处的待疏散人数；
约束条件的含义分别为：车辆行程时间的计算、各站点流量守恒、车辆单程运载人数限制、所有人员均需被疏散、车辆必须途经某站点才能对其服务；
其次，应用快速非支配排序算法、遗传算法、改进的模拟退火算法对数学模型求解，采用快速非支配排序算法根据目标函数的相对重要程度对不同的调度方案进行排序及等级划分，并将目标一作为对解排序的主要依据，目标二作为次要依据；依靠遗传算法进行路径方案的生成、筛选、优化，并在遗传算法迭代过程中，每间隔一定的迭代次数，利用改进的模拟退火算法对当前最优解再优化，提高算法的局部搜索能力；最后，根据决策者的需求或算法的终止条件结束计算，得到相应的车辆调度方案；
其中，进行遗传算法的基因编码时，编码的长度为n×m×q，
n为每辆车辆能够行动的最大次数，m为车辆的总数，q为单车容量，将每名受灾人员视作一个基本的基因点，并采用其所处的点位序号来代表，则每个编码中有r个站点号元素及n×m×q-r个占位元素，r为总人数，由前向后每连续的q个元素代表某辆车某次行动的运载及路线方案，按照q个元素中站点元素出现的顺序确定对其的访问顺序，按照站点元素的数量确定在该点位的载客量，选择、变异、交叉等遗传算子采用快速非支配排序遗传算法；同时为提高局部搜索效率，在迭代过程中，每隔一定代数调用一次改进的模拟退火算法进行局部优化搜索，改进的模拟退火算法公式为：
式中：p——模拟退火算法搜索到的新的解替换原来解的概率；
α——介于0到1之间的常数；
n——模拟退火算法本次被调用的迭代次数；
所述的数据输出模块功能为对数据处理模块生成的数值解进行转化并输出，输出内容包括：各车辆行动的次数、各车辆每次行动经过的疏散站点数目及顺序、各车辆每次行动在各疏散站点接载的人数，输出的其他数据还包括：各车辆行驶的距离、各车辆驾驶员预计工作时间、各目标函数的计算结果：疏散活动的总完成时间、待疏散人员的平均到达时间、所有车辆行驶的总距离，以备决策人员查看检阅。
实施例2
本实施实例在特定路网中对应急疏散车辆进行多次调度，通过分析方案生成过程的时效性及计算结果的稳定性来验证本系统的功能。
(1)数据输入
设避难所编号为0，坐标为(0,0)，疏散站点的坐标及其待疏散人数如表1所示。假设车辆以自由流状态在各路段行驶，即车速稳定在自由流速度，并令各点位均互相联通，进而可设各站点间的最短行驶时间为其间的欧式距离值。设共有容量为5的应急车辆四辆，待疏散总人数42人，则可知必然有车辆行动不少于3次。
表1点位信息表
车辆调度所需的路网数据、点位间行驶时间数据、各站点人数、车辆容量及数量等数据均已获知，考虑到不使调度方案过于复杂，本例中令每辆车辆的最大行动次数为3。将数据输入系统中。
(2)车辆调度方案生成与输出
基于以上数据，令应急疏散总完成时间最小化为首要目标、乘客到达避难所的平均时间最小化为次要目标，取算法的种群规模30、迭代次数200，进行10次验算，得到的最优方案的目标值分别为67.2分、41.2分，具体的车辆调度方案如表2所示(点位编号后数字为车辆在该站点的运载人数)。
对该问题10次验算的具体目标值见表3，可知算法具有良好的稳定性。本算例计算过程使用matlabr2016a编程运算，计算机系统为win7，内存2gb，cpu为inteli5处理器，计算的平均时长约为90秒，具有良好的计算效率。
进行调度方案输出时，将表2中第三列的车辆路径及运载方案转化为文字并发布即可，以车辆一为例，行程一：车场出发→站点8(接载3人)→站点9(接载2人)→返回车场；行程二：车场出发→站点5(接载2人)→站点6(接载1人)→站点7(接载1人)→返回车场。
表2调度方案表
表3目标函数值