稀疏路網(wǎng)下應(yīng)急救援資源配置研究

張永強　胡　狀　林　麗　丁姝慧

(1.同濟大學(xué)交通運輸工程學(xué)院　上海　201804;　2.南京林業(yè)大學(xué)汽車與交通工程學(xué)院　南京　210037)

稀疏路網(wǎng)下應(yīng)急救援資源配置研究

張永強1,2胡狀2林麗2丁姝慧2

(1.同濟大學(xué)交通運輸工程學(xué)院上海201804;2.南京林業(yè)大學(xué)汽車與交通工程學(xué)院南京210037)

摘要我國西部地區(qū)地廣人稀，交通設(shè)施分布稀疏，交通事故發(fā)生地往往距離救援地路途遙遠(yuǎn)，導(dǎo)致事故難以得到有效的救援，應(yīng)急救援資源的優(yōu)化配置對于突發(fā)事故的及時處理至關(guān)重要。文中建立以救援成本最小為目標(biāo)的救援資源配置優(yōu)化模型，通過優(yōu)化的粒子群算法對模型進行求解，以新疆庫爾勒-阿克蘇段稀疏路網(wǎng)為研究對象，進行救援資源配置的案例研究，配置結(jié)果比較符合實際情況。

關(guān)鍵詞稀疏路網(wǎng)突發(fā)事件應(yīng)急救援粒子群算法改進MATLAB

稀疏路網(wǎng)通常是指交通運輸總量偏少，交通基礎(chǔ)設(shè)施建設(shè)水平較低且節(jié)點間距大的公路網(wǎng)。稀疏的路網(wǎng)不僅給人們的出行提供了較低的可達(dá)性和機動性，路況復(fù)雜多變、駕駛員高速駕駛和疲勞駕駛等諸多因素容易誘發(fā)突發(fā)事件，且惡性事故的比例較高，突發(fā)事件一旦發(fā)生，多為重特大的突發(fā)事件；另一方面，由于西部地區(qū)地廣人稀，突發(fā)事件檢測設(shè)備覆蓋率低、巡邏車輛少，且通信信號不良，事故發(fā)生后很難被發(fā)現(xiàn)，事故當(dāng)事人求救也非常困難，加之事故發(fā)生地往往距離救援地路途遙遠(yuǎn)，這些均導(dǎo)致了事故發(fā)生后難以及時發(fā)現(xiàn)并實施有效的救援措施，容易造成重大的人員和經(jīng)濟損失。因此應(yīng)急救援的資源配置對于救援效率的提高至關(guān)重要。

在美國，通過多次專家會議論證和其他方式，在前期規(guī)劃中確定救援資源的配置，專家學(xué)者必須得在應(yīng)急救援資源配置之前聯(lián)合醫(yī)療、消防、路政、運輸?shù)认嚓P(guān)部門對其進行充分討論分析和論證[1-3]。

2003年，Kar,Kohinoor[4]提出在州際范圍內(nèi)進行交通安全資源配置的安全模型，該模型以安全性能指標(biāo)為目標(biāo)函數(shù)，該指標(biāo)包括人口、登記車輛、車輛運行旅程的碰撞率，劇烈碰撞的頻率等。并且賦予不同地區(qū)不同的權(quán)重，為不同權(quán)重的地區(qū)配置相應(yīng)的救援資源。

國內(nèi)學(xué)者大多認(rèn)為應(yīng)急救援資源配置方法問題屬數(shù)學(xué)規(guī)劃問題。北京交通大學(xué)陳德愛[5]在“高速公路事故救援研究”中主張對救援資源進行需求分析，并提出資源管轄分區(qū)問題。

Study on the Road Performance Experiment of Warm Mix SBR Modified Asphalt Mixture by Direct Delivery Method

ZhuYumei

(Jiangsu Jiaotong College, Zhenjiang 212006, China)

Abstract：SBR modified asphalt has the outstanding low temperature performance, but it usually exists the problem of unstable high-temperature performance. Using warm mix SBS powder asphalt mixture technology, we can make up for the deficiencies. In this paper, a number of laboratory experiments were tested for warm mix asphalt SBR water stability, high temperature stability and low temperature cracking resistance. We contrasted the pavement performance with 70# asphalt, SBS asphalt and SBR asphalt mixture. Test results show that warm mix SBR asphalt mixture has the considerable performance of water stability, high temperature stability with SBS asphalt mixture, and the low temperature cracking resistance of warm mix SBR asphalt mixture is better than SBS asphalt mixture. In the west area of China, a scarcely populated area, means of transportation were distributed sparsely.Traffic accident always happened so far away from rescue site, which led to accident couldn't gain effective rescue. Therefore optimal allocation of emergency rescue resource played an essential role in the whole responding process. The paper set up an optimized emergency resource allocation model which took minimum rescue cost as the target. The model was solved by optimized PSO (Particle Swarm Optimization) algorithm. The case of rescue resource allocation was studied, which took regional road network in Korla-Aksu as the object of study. The result conforms to reality.

Key words:asphalt mixture; SBR powder; warm mix agent; direct delivery method; performance sparse road network; emergency incident; emergency rescue; optimized PSO algorithm; MATLAB

2011年，周香平[6]從節(jié)約投資的角度出發(fā)，以高速公路的服務(wù)區(qū)為研究對象，通過對服務(wù)區(qū)選址的原則設(shè)定，根據(jù)自然環(huán)境、交通技術(shù)條件(包括安全條件)和服務(wù)區(qū)日常運營要求等選址依據(jù)進行選址。服務(wù)區(qū)的規(guī)模、等級和區(qū)位將決定救援資源的配置種類和數(shù)量。

2011年,王志雄[7]對突發(fā)事件發(fā)生前和突發(fā)事件發(fā)生后2個方面對應(yīng)急預(yù)警信息系統(tǒng)進行研究，對突發(fā)事件發(fā)生前的安全性評價和分析研究相對豐富。蔡素軍[8]運用安全性評價標(biāo)準(zhǔn)對運營安全性進行評價分析，并通過運行速度進行安全性檢驗，還通過事故調(diào)查分析進行事故黑點的鑒別，有針對性地提出相應(yīng)的安全改造措施。對這些事件發(fā)生后如何調(diào)動協(xié)調(diào)各方面的資源進行了簡單綜述。以下將著重研究這方面的問題。

1配置模型及算法

1.1　救援資源配置模型的構(gòu)建

在稀疏公路交通網(wǎng)絡(luò)分析中，將救援點(服務(wù)區(qū)、養(yǎng)排中心、管理中心所在的位置)、事故黑點抽象表示成網(wǎng)絡(luò)節(jié)點，將節(jié)點之間的稀疏路網(wǎng)高速公路路段或普通路段抽象表示為弧。

在稀疏路網(wǎng)中：G(N，A)，點集N，弧集A。且定義：

(1)S為救援點的集合，有n個救援點，點i∈S所需配置的資源數(shù)為xi，所能容納的資源數(shù)為ai(i=1,2,...,n)。

(2)F為事故黑點的集合， 有m個事故黑點，點j∈F所需的資源數(shù)為rj(j=l,2,...，m)。

(3)λij為路網(wǎng)G中從救援點i到事故黑點j,(j∈S,j∈F)的相應(yīng)權(quán)值。

(4)tij為路網(wǎng)G中從救援點i到事故黑點j，(i∈S,j∈F)的救援行程時間。

(5)ωj為事故黑點j(j∈F)節(jié)點的相應(yīng)權(quán)重。

(6)xij為從救援點i到事故黑點j(j∈S,j∈F)預(yù)派的救援資源數(shù)。

(7)c為救援資源的單位成本；B為最大預(yù)算額。

根據(jù)救援點和事故黑點的概率，常用救援資源的隨機規(guī)劃模型如下。

(1)

(2)

(3)

(4)

(5)

(6)

式(1)為救援成本最小的目標(biāo)函數(shù)；式(2)為資源供需關(guān)系；式(3)為救援點資源配置數(shù)量的約束；式(4)為預(yù)算約束；c為救援資源單價；B為預(yù)算限制；式(5)為中間變量與決策變量的轉(zhuǎn)換；式(6)為決策變量的非負(fù)整數(shù)約束。

1.2　粒子群算法的改進

粒子群優(yōu)化算法的優(yōu)化是借鑒變異思想，在算法中引入變異操作。變異以一定概率跳出既定的收縮的搜索范圍，在更大的可行域里進行最優(yōu)位置的搜索，同時保持了種群多樣性，提高了算法尋找到更優(yōu)值的可能性。改進前后的多目標(biāo)粒子群算法流程圖對比見圖1。

圖1　改進前后的多目標(biāo)粒子群算法流程圖

通過編寫MATLAB程序演示了傳統(tǒng)粒子群算法和加入自適應(yīng)變異程序的2種算法的尋優(yōu)過程。通過ackley函數(shù)說明改進后的粒子群算法在全局尋優(yōu)以及收斂速度方面的優(yōu)勢。學(xué)習(xí)因子c1=c2=1，慣性權(quán)重=0.8，最大迭代次數(shù)為100，粒子群個體數(shù)N=20。最終得到最優(yōu)個體適應(yīng)值。尋優(yōu)結(jié)果見圖2。

圖2　Matlab尋優(yōu)過程對比圖

由運行結(jié)果可見，變異算子的粒子群算法能夠跳出局部極小值點，得到更優(yōu)的結(jié)果。當(dāng)?shù)螖?shù)還沒達(dá)到20次前，優(yōu)化算法就已經(jīng)使得適應(yīng)度接近0，幾乎收斂。在x軸方向上，優(yōu)化算法尋優(yōu)收斂所需迭代數(shù)要比傳統(tǒng)算法少△，在y軸方向上，在進化到相同代數(shù)時優(yōu)化算法計算出來的

適應(yīng)度值要比傳統(tǒng)算法小。由此可見，改進的粒子群算法有較強的全局搜索能力，相較于傳統(tǒng)算法具有較大優(yōu)勢。

2工程案例分析

2.1　概況

以新疆為例，其公路網(wǎng)密度為2.92 km/(100 km2)，遠(yuǎn)低于全國平均水平20.1 km/(100 km2)。新疆自治區(qū)路網(wǎng)屬于稀疏路網(wǎng)。主要針對排障資源、消防資源和救護資源進行配置，其中排障資源配置在養(yǎng)排中心。為方便調(diào)遣，設(shè)少量的消防和救援資源配置在稀疏公路網(wǎng)兩側(cè)，即可配置管理中心、養(yǎng)排中心或服務(wù)區(qū)。

在抽象路網(wǎng)上提取道路中的互通立交、樞紐、停車區(qū)、服務(wù)區(qū)及養(yǎng)護工區(qū)為網(wǎng)絡(luò)節(jié)點，見圖3。其中，1~22代表庫車稀疏公路網(wǎng)從北山路互通至庫車西互通的路段節(jié)點，22~29代表周邊低等級道路的需求及潛在救援節(jié)點。現(xiàn)有救援點的分布為庫爾楚養(yǎng)護區(qū)(6)、輪臺養(yǎng)護區(qū)(13)、二八臺養(yǎng)護區(qū)(15)、庫車養(yǎng)護區(qū)(21)。由于清障資源的救援點(養(yǎng)護中心)有4個，消防、救護資源的救援點(服務(wù)區(qū))有2個，因此，對于清障資源的配置模型，n取4；對于消防、救護資源的配置模型，n取2。

圖3　資源分布以后的抽象路網(wǎng)示意圖

2.2　自適應(yīng)變異粒子群算法的配置結(jié)果及分析

通過設(shè)定的參數(shù)ωj，λij，Q，rj和aj等，以救援服務(wù)水平為0.7時所需配置的各種救援車為例，根據(jù)利用自適應(yīng)變異粒子群算法求解的結(jié)果，得到各種救援車在各救援點配置的結(jié)果見表1。

表1　各救援車輛配置結(jié)果(Q=0.7)

由圖3和表1可見，養(yǎng)護中心13配置了最多的救援資源，其他養(yǎng)護中心則相對較少，但數(shù)量差距不明顯。

以小型車為例，從權(quán)重角度分析，養(yǎng)護中心13靠近事故黑點C,D和E，這3個點權(quán)重較小，所以在養(yǎng)護中心13處配置更多的救援資源是合理的。

從救援資源需求的角度分析，事故黑點A和C的資源需求相對較多，所以在養(yǎng)排中心13處配置更多救援資源也是比較合理的。

從事故黑點權(quán)重角度分析，事故黑點C,D和E的權(quán)重分別是0.375，0.25和0.375，應(yīng)該首先根據(jù)目標(biāo)函數(shù)考慮較小的來配置，所以在養(yǎng)排中心13處配置更多救援資源是合理的。

由圖2和表1可見，在服務(wù)區(qū)1處配置的消防車和救護車比服務(wù)區(qū)2要多。服務(wù)區(qū)1距離事故黑點A,B,C和D較近，這幾個事故黑點的事故等級分別是2,4,1和3級，這就需要更多的救援資源，所以在服務(wù)區(qū)1配置更多的消防車和救護車是合理的。

3結(jié)語

通過對新疆庫爾勒-阿克蘇段稀疏公路網(wǎng)進行實例分析，用基于自適應(yīng)變異的粒子群算法在求解資源配置問題時，由于事故黑點所需的資源是隨機的，因此每次計算時產(chǎn)生的隨機變量也會不同，導(dǎo)致結(jié)果有微小差異，這跟實際情況是符合的。

其次，該算法簡潔，易于實現(xiàn)。與遺傳算法相比，該算法沒有交叉等操作，粒子通過內(nèi)部速度和簡單變異進行更新，所以原理簡單，參數(shù)少，編碼也簡單，只需要確定怎樣將粒子表示為問題解，通過局部最優(yōu)解和全局最優(yōu)解的導(dǎo)向，迭代尋得最優(yōu)解。

當(dāng)目標(biāo)函數(shù)特別復(fù)雜時，特別是包含多個極值點時，傳統(tǒng)算法易陷入局部最優(yōu)解；而該算法具有較強的全局搜索能力，能尋找到最優(yōu)值。粒子群算法的搜索能力極強，不易陷入局部尋優(yōu)，因此也可證明該算法在全局搜索方面的有效性，在解決目標(biāo)函數(shù)極為復(fù)雜的模型中有著較大的優(yōu)勢。

參考文獻

[1]PB Farradyne. Traffic incident management handbook[M].New York：U. S, Federal Highway Administration.2000.

[2]JAMES D.Carrel, Kevin Blake. Expressway Management Handbook[M].New York: U. S, Department of Transportation,Federal Highway Administration. 2002.

[3]LEE Simmons.Developing Expressway and Incident Management System Using the National ITS Architecture[M].New York:U.S, Department of Transportation, Intelligent Transportation Systems Joint Program Office.1998.

[4]KAR, KOHINOOR.Development of a statewide traffic safety resource allocation model[D].Wayne State University,2003.

[5]陳德愛.高速公路事故救援研究[D].北京：北京交通大學(xué),2007.

[6]周香平.高速公路服務(wù)區(qū)選址的探討[J].交通科技,2011(S1):54-55.

[7]王志雄.高速公路應(yīng)急預(yù)警信息系統(tǒng)設(shè)計與實現(xiàn)[J].交通科技,2011(6):82-85.

[8]蔡素軍，王澤勇，薛鵬.高速公路運營階段安全性評價與分析[J].交通科技,2011(6):89-92.

Research on Resource Allocation of Emergency Rescue in Sparse Road Network

ZhangYongqiang1,2,HuZhuang2,Linli2,DingShuhui2

(1.College of Transportation Engineering, TongJi University, ShangHai 201804, China;

2.College of Automobile and Traffic Engineering, NanJing Forestry University, NanJing 210037, China )