考虑用户路径选择行为的危险品运输网络规划方法及系统

1.本发明涉及危险品运输风险管理技术领域，尤其涉及考虑用户路径选择行为的危险品运输网络规划方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.危险品作为推动工业社会发展的重要材料，其运输过程存在较高的安全隐患，合理地规划危险品运输的可用网络是降低运输风险的有效方式，这包括：确定最佳的危险品基础设施位置以及限制某些高风险路段对运输车辆的可用性，即道路禁令措施，施行了禁令的路段不允许危险品运输车辆通行，以此对危险品运输车辆进行干预，以降低运输风险。
4.目前对危险品运输网络设计的研究已有初步成果，有的文献运用鲁棒优化思想建立危险品运输网络设计的双层优化模型，以期最小化最坏情形下的运输风险；有的文献基于公平性理念，设计风险均衡的最优危险品运输网络。但是现有的研究主要是用确定性的最短路问题预测运输车辆的路径选择，没有考虑动态环境下用户选择行为的不确定性和风险态度，且大多数研究考虑单独的选址问题或道路禁令，缺少两者的联合优化，从而使预测的危险品运输网络并不是最佳的运输网络。


技术实现要素：

5.本发明为了解决上述问题，提出了考虑用户路径选择行为的危险品运输网络规划方法及系统，在对危险品运输网络进行规划时，同时考虑了设施选址、用户路径选择、设施建设成本、道路禁令措施及道路事故发生概率和后果等因素，从而能够获得最佳危险品运输网络。
6.为实现上述目的，本发明采用如下技术方案：
7.第一方面，提出了考虑用户路径选择行为的危险品运输网络规划方法，包括：
8.获取运输起点位置、候选设施位置、道路旅行成本分布、候选设施建设成本及各路段事故发生的概率和后果；
9.确定运输车辆从运输起点位置到候选设施位置的备选路径；
10.根据道路旅行成本分布，计算每条备选路径的前景值，根据每条备选路径的前景值，确定用户路径选择概率；
11.根据用户路径选择概率、备选路径中各路段事故发生的概率和后果及网络风险联合概率分布模型，获得运输网络风险分布，对运输网络风险分布进行度量，获得运输网络风险；
12.根据运输网络风险、候选设施建设成本及运输网络规划模型，获得最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束。
13.第二方面，提出了考虑用户路径选择行为的危险品运输网络规划系统，包括：
14.数据获取模块，用于获取运输起点位置、候选设施位置、道路旅行成本分布、候选设施建设成本及各路段事故发生的概率和后果；
15.备选路径获取模块，用于确定运输车辆从运输起点位置到候选设施位置的备选路径；
16.路径选择概率获取模块，用于根据道路旅行成本分布，计算每条备选路径的前景值，根据每条备选路径的前景值，确定用户路径选择概率；
17.运输网络风险获取模块，用于根据用户路径选择概率、备选路径中各路段事故发生的概率和后果及网络风险联合概率分布模型，获得运输网络风险分布，对运输网络风险分布进行度量，获得运输网络风险；
18.最佳危险品运输网络获取模块，用于根据运输网络风险、候选设施建设成本及运输网络规划模型，获得最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束。
19.第三方面，提出了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成考虑用户路径选择行为的危险品运输网络规划方法所述的步骤。
20.第四方面，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成考虑用户路径选择行为的危险品运输网络规划方法所述的步骤。
21.与现有技术相比，本发明的有益效果为：
22.1、本发明在对用户路径选择行为进行分析，获得用户路径选择概率后，根据用户路径选择概率、各路段事故发生的概率和后果，确定了运输网络风险；根据运输网络风险、候选设施建设成本和运输网络规划模型，确定了最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束，可知，本发明在对危险品运输网络进行规划时，同时考虑了设施选址、用户路径选择、设施建设成本、道路禁令措施及道路事故发生概率和后果等因素，从而能够获得最佳危险品运输网络，该方法能快速、有效地进行危险品网络设计，同时满足高安全性和可靠性。
23.2、本发明在通过基于benders分解的算法，对运输网络规划模型进行求解时，在添加割平面到主问题时，将以运输起点和候选终点设施为索引的子问题生成的割平面合并为一个割平面，算法开始前，在松弛主问题中添加有效不等式，提升主问题初始解的下界，并对子问题进行筛选，将不必要求解的子问题跳过，从而提升了计算速度。
24.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
25.构成本技术的一部分的说明书附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。
26.图1为实施例1公开方法的流程图；
27.图2为实施例1中初始危险品运输道路网络和候选设施位置图；
28.图3为实施例1获取的最佳危险品运输网络图。
具体实施方式
29.下面结合附图与实施例对本发明作进一步说明。
30.应该指出，以下详细说明都是例示性的，旨在对本技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本技术所属技术领域的普通技术人员通常理解的相同含义。
31.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
32.实施例1
33.在该实施例中，公开了考虑用户路径选择行为的危险品运输网络规划方法，包括：
34.获取运输起点位置、候选设施位置、道路旅行成本分布、候选设施建设成本及各路段事故发生的概率和后果；
35.确定运输车辆从运输起点位置到候选设施位置的备选路径；
36.根据道路旅行成本分布，计算每条备选路径的前景值，根据每条备选路径的前景值，确定用户路径选择概率；
37.根据用户路径选择概率、备选路径中各路段事故发生的概率和后果及网络风险联合概率分布模型，获得运输网络风险分布，对运输网络风险分布进行度量，获得运输网络风险；
38.根据运输网络风险、候选设施建设成本及运输网络规划模型，获得最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束。
39.结合图1-3对本实施例公开的考虑用户路径选择行为的危险品运输网络规划方法进行详细说明。
40.考虑用户路径选择行为的危险品运输网络规划方法，包括：
41.s1：获取运输起点位置、候选设施位置、道路旅行分布、候选设施建设成本及各路段事故发生的概率和后果。
42.在具体实施时，获取道路信息，道路信息包括运输起点位置、候选设施位置、道路旅行分布、候选设施建设成本及各路段事故发生的概率和后果
43.s2：确定运输车辆从运输起点位置到候选设施位置的备选路径。
44.在具体实施时，使用k-最短路径算法确定运输车辆从运输起点位置到候选设施位置的备选路径，获得如图2所示的初始危险品运输道路网络和候选设施位置图。
45.s3：根据道路旅行成本分布，计算每条备选路径的前景值，根据每条备选路径的前景值，确定用户路径选择概率。
46.在具体实施时，根据道路旅行成本分布，使用累积前景理论计算每条备选路径的前景值。
47.通过多项logit模型对每条备选路径的前景值进行分析，确定用户路径选择概率。其中，采用的多项logit模型为：
[0048][0049]
式中，i表示起点的集合，j表示候选设施的集合，k
ij
为i-j之间的备选路径集合，为用户从起点i到设施j运输时选择第k条路径的概率；为起点i到设施j之间第k条路径的前景值；表示用户从起点i到设施j运输时第k条路径是否可用，可用为1，反之为0。当路径k由于道路禁令而不可用时，其选择概率为0。
[0050]
s4：根据用户路径选择概率、备选路径中各路段事故发生的概率和后果及网络风险联合概率分布模型，获得运输网络风险分布，对运输网络风险分布进行度量，获得运输网络风险。
[0051]
在具体实施时，根据历史数据统计，获取备选路径中各个路段对应事故发生概率和后果，结合用户路径选择概率，构建网络风险联合概率分布模型。由于每个车辆均是独立运作，可认为相互独立，故构建的网络风险联合概率分布模型为：
[0052][0053]
式中，r为运输网络风险分布，a为网络中的弧集，ca为路段a事故发生后果，pa为路段a事故发生概率，qi为从起点i出发的卡车数量，为道路耦合参数，当路段a属于路径k时，值为1，否则为0。
[0054]
使用条件风险价值(cvar)理论，对运输网络风险分布进行风险规避型的度量，以改善解的可靠性，获得运输网络风险cvar
α
(r)。
[0055]
条件风险价值(cvar)理论为：
[0056][0057]
式中，α为网络设计管理者的风险态度，决策者态度越保守，α越接近1，反之则越接近0；η为α对应的分位数，即var。
[0058]
s5：根据运输网络风险、候选设施建设成本及运输网络规划模型，获得最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束。
[0059]
在具体实施时，以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量等为约束构建了运输网络规划模型。
[0060]
运输网络规划模型的目标函数为：
[0061][0062]
式中，fj为设施j的建设成本，yj为是否开放设施j的决策，开放为1，反之为0。
[0063]
关于道路间的耦合关系，当一条路段被禁止之后，其所在的备选路径不可用，即只有当某一备选路径上的全部路段都可用时，该备选路径才可用，相应的道路间的耦合关系约束为：
[0064][0065][0066][0067][0068][0069][0070][0071]
式中，s
ij
为设施j是否为起点i的车辆提供服务，是为1，否则为0，xa为是否在路段a实施禁令，执行禁令为0，否则为1。
[0072]
用户选择对道路可用性的依赖关系约束为：
[0073][0074]
封路数量约束为：
[0075][0076][0077]
式中，n为执行道路禁令的路段数量。
[0078]
将获取的运输网络风险、候选设施建设成本代入构建的运输网络规划模型中，运用基于benders分解的算法进行求解，获得最佳危险品运输网络。
[0079]
benders分解算法是一类精确算法，用于求解混合整数规划问题，本实施例基于benders分解框架，制定针对运输网络规划模型的定制化求解策略。
[0080]
运输网络规划模型求解分为两步，首先，使用一维搜索方法选取η，然后固定η，求解剩下的混合整数规划(mip)。
[0081]
使用mccormick包络方法将双线性项线性化，然后建立由整数变量构成的松弛的主问题和以主问题变量为参数的线性规划子问题，本实施例中，按照索引建立∑
i∈i
∑
j∈j
|k|个独立的子问题。
[0082]
在执行benders分解算法时，通过以下策略改善计算速度：
[0083]
组合割平面：在添加割平面到主问题时，将以运输起点i和候选设施j为索引的子
问题生成的割平面合并为一个割平面。即：
[0084][0085]
式中，g为子问题目标函数在主问题中的投影，λ,μ,ν为子问题对偶变量。
[0086]
有效不等式：算法开始前，将不可用路径的初始选择概率全部转移给风险最小的路径，在主问题中添加不等式，提升主问题初始解的下界。
[0087][0088]
式中，
[0089][0090]
q是一个非常大的正实数。道路禁令会影响路径选择概率，当一条路径不可用时，其选择概率为0，意味着该路径的初始选择概率转移到其他路径。不等式右侧表示将不可用路径的初始选择概率全部转移给风险最小的路径，因此是一个风险的下限度量，能够提升初始下界。
[0091]
子问题筛选：将不必要求解的子问题跳过，只有当主问题变量中候选终点设施为起点的车辆提供服务时，对应的子问题对偶问题被求解，当主问题变量中候选终点设施不为起点的车辆提供服务时，直接跳过对应的子问题对偶问题的求解，并将运输网络规划模型中的目标函数值直接固定为0。
[0092]
具体的，子问题目标值是对风险的度量，当主问题的变量s
ij
＝0时，i-j之间没有危险品运输，因此不产生风险，子问题目标函数为0。在benders分解算法执行过程中，只有当主问题变量s
ij
＝1时，对应的子问题对偶问题被求解，当s
ij
＝0时，直接跳过对应的子问题对偶问题的求解，并将其目标函数值直接固定为0。
[0093]
以如图2所示网络为例对本实施例公开方法进行说明，图2所示网络中包含90个节点和149条无向弧，筛选了10个运输起点，5个候选设施位置，执行禁令的最大路段数量为6，使用本实施例公开方法进行求解，得出α＝0.995和α＝0.95时对应的最佳危险品运输网络和道路禁令实施位置，如图3中(a)(b)所示。
[0094]
本实施例公开的考虑用户路径选择行为的危险品运输网络规划方法，在对用户路径选择行为进行分析，获得用户路径选择概率后，根据用户路径选择概率、各路段事故发生的概率和后果，确定了运输网络风险；根据运输网络风险、候选设施建设成本和运输网络规划模型，确定了最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束，可知，本实施例在对危险品运输网络进行规划时，同时考虑了设施选址、用户路径选择、设施建设成本、道路禁令措施及道路事故发生概率和后果等因素，从而能够获得最佳危险品运输网络，该方法能快速、有效地进行危险品网络设计，同时满足高安全性和可靠性；此外，本实施例在通过基于benders分解的算法，对运输网络规划模型进行求解时，在添加割平面到主问题时，将以运输起点和候选终点设施为索引的子问题生成的割平面合并为一
个割平面，并在算法开始前，将不可用路径的初始选择概率全部转移给风险最小的路径，提升主问题初始解的下界，并对子问题进行筛选，将不必要求解的子问题跳过，从而提升了计算速度。
[0095]
实施例2
[0096]
在该实施例中，公开了考虑用户路径选择行为的危险品运输网络规划系统，包括：
[0097]
数据获取模块，用于获取运输起点位置、候选设施位置、道路旅行成本分布、候选设施建设成本及各路段事故发生的概率和后果；
[0098]
备选路径获取模块，用于确定运输车辆从运输起点位置到候选设施位置的备选路径；
[0099]
路径选择概率获取模块，用于根据道路旅行成本分布，计算每条备选路径的前景值，根据每条备选路径的前景值，确定用户路径选择概率；
[0100]
运输网络风险获取模块，用于根据用户路径选择概率、备选路径中各路段事故发生的概率和后果及网络风险联合概率分布模型，获得运输网络风险分布，对运输网络风险分布进行度量，获得运输网络风险；
[0101]
最佳危险品运输网络获取模块，用于根据运输网络风险、候选设施建设成本及运输网络规划模型，获得最佳危险品运输网络，其中，运输网络规划模型以设施建设成本和运输网络风险最小为目标，以用户选择对道路可用性的依赖关系、道路间的耦合关系及封路数量为约束。
[0102]
实施例3
[0103]
在该实施例中，公开了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1公开的考虑用户路径选择行为的危险品运输网络规划方法所述的步骤。
[0104]
实施例4
[0105]
在该实施例中，公开了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1公开的考虑用户路径选择行为的危险品运输网络规划方法所述的步骤。
[0106]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。