震后應急供應問題與交通路網的協同優化模型

何新華，胡文發，周溪召，鄭愛兵

(1.上海海事大學經濟管理學院，上海 201306；2.同濟大學經濟與管理學院，上海 200092；3.上海理工大學管理學院，上海 200093；4.上海財經大學國際工商管理學院，上海 200043)

?

震后應急供應問題與交通路網的協同優化模型

何新華1，胡文發2，周溪召3，鄭愛兵4

(1.上海海事大學經濟管理學院，上海 201306；2.同濟大學經濟與管理學院，上海 200092；3.上海理工大學管理學院，上海 200093；4.上海財經大學國際工商管理學院，上海 200043)

地震的發生對交通路網的影響主要有兩個方面，一是原有的交通路網遭到破壞，使交通路網的通行能力大大降低；二是地震突發事件發生后，受災地區有大量的傷員需要運出接受救治，加上受災地區由于救援工作需要大量資源，使路網的流量迅速提升。震后路網是這兩種情況的疊加，極易發生嚴重堵塞現象。為避免和減少這種情況的發生，首先分析面向智慧城市和大數據環境下的協同供應效率系數的影響，構建考慮應急服務資源覆蓋面最大和災害損失最小的應急供應協同模型。其次，在分析應急車輛平均行程速度、路段飽和度、占有率和排隊長度比等約束條件的基礎上，構建震后應急交通路網協同優化模型。最后案例驗證了所提出的協同優化模型的有效性。研究成果將對應急交通控制和管理實踐提供理論依據和解決方案。

應急供應；應急服務資源；震后應急交通路網；協同供應效率系數

1 引言

應急服務資源供應是應急救援措施非常重要的一個部分，而震后應急交通路網是應急救援的關鍵資源之一。如何協調震后應急交通路網資源的高效使用，對救災工作的展開非常重要。地震等突發事件的發生對交通路網的影響有兩個方面，一是原有的交通路網遭到破壞，使交通路網的通行能力大大降低，另一個方面是地震突發事件發生后，受災地區有大量的傷員需要運出接受治療，而且受災地區還需要大量的應急服務資源，使路網的流量迅速提升。震后應急交通路網是這兩種情況的疊加，因此非常容易發生堵塞現場，這種堵塞情況最容易發生在交通路口和遭受地震嚴重破壞的路段。為避免這種情況的發生，必須用科學的方法和先進的技術，最大限度的發揮交通路網的通行能力，使應急服務資源能夠及時的運送到災民手里，最大程度的發揮應急指揮系統的有效性。

在現實中，地震等突發事件會給災區帶來巨大的損失，而高效快速的應急服務資源供應機制能夠有效的減少災害帶來的損失。目前有很多學者從事應急突發事件的研究，已取得很多成就。比如在應急物資的聯合供應問題方面，就有Sheu[1]等通過聚類優化方法來研究解決災后的應急救援需求，在建立一個混合模糊模型的基礎上分析緊急救援期受災地區需求資源的聯合分配方法。部分學者在應急服務資源選址、配置及其他應急物流方面的應用進行了相關研究，比如Liu Wenmao等[2]在通過建立應急選址模型來分析應急物流配置問題。對交通路網的控制進行研究成果也很多，具有突出貢獻的是Wong和Yang Hai[3]首次在分析單個信號交叉口車輛通行能力的基礎上，對交通路網的信號控制網絡的備用能力展開研究并給予定義。接下來許多學者對交通路網的流量均衡和控制問題進行研究。比如Chiou[4]運用非線性規劃的方法建立了目標函數，該目標函數考慮了網絡平衡與交通控制中的彈性需求。而在大城市中，交通流的預測對緩解交通通行狀況非常重要，但是之前的研究方法無法準確、快速和穩定的預測交通流。于是，Kong Xiangjie等[5]認為運用浮動車軌跡方法可及時預測交通流，并提出運用粒子群算法來計算模型，最后通過案例來證明模型的有效性。但有些學者認為當前的研究方法無法解釋交通流的本質規律，因此對現有的預測交通流方法進行的研究，提出一種深度學習的短時交通流預測模型，并通過許多算例證明預測模型的有效性[6-11]。還有些學者已有效解決部分震后應急物資的配送問題，比如劉長石等[12]綜合考慮救災點所在地理位置和地形導致的應急車輛行駛時間的隨機性的基礎上研究震后應急物資配送的路徑問題，以實現震后應急物流聯合決策。同時較多的研究主要是論述應急調度協同優化方面的概念特征和它們帶來的影響[13-15]。研究表明應急供應問題和應急交通路網控制問題的各種決策所面臨的重要難題顯然是現有研究成果無法解決的。

綜上所述，這些學術成果為進一步開展本文研究提供了豐富的文獻參考和有益的借鑒，仍存在如下問題：在震后應急救援和救災工作的有效時間內，對于應急供應效率的預估不足；無法準確和快速的預估應急交通流，不能最大限度的發揮交通路網的通行能力使應急服務資源能及時送給災民；不能完全解析出影響因素對應急交通路網的影響機理；所建目標函數也缺乏對各利益相關者同時達到優化的考慮。

因此，本文綜合考慮多種影響因素，針對震后應急交通的特殊情況，首先分析以應急服務資源集散中心、應急服務資源轉運中心和應急服務資源發放中心為應急交通協同網絡的應急任務，構建應急供應模型；其次，為確保震后應急服務資源的供應和避免交通路網出現堵塞，在分析應急車輛平均行程速度、路段飽和度、占有率和排隊長度比等約束條件的基礎上，構建震后應急交通路網協同優化模型，研究成果將對應急交通控制和管理實踐提供理論依據和解決方案。

2 問題描述與假設

假設在應急服務資源供應過程中，通過利用智慧交通應急指揮中心可實現對應急服務資源的定位、獲取實時交通道路信息和對資源運輸過程的實時定位監控，提高應急指揮中心獲取相關應急所需信息的能力，使得應急資源的調度工作能夠高效地、安全地開展。各地區已經建立較健全的：(1) 應急服務資源集散中心S，集合S={Si|i=1,2,…,m}；(2)應急服務資源轉運中心W，集合W={Wj|=1,2,…,l}；(3)應急服務資源發放中心D，集合D={Dk|k=1,2,…,n}。這些中心形成應急交通協同網絡，見圖1。

本文把地震災害發生后的應急工作劃分為三個階段：第一階段，是在地震發生的第一時間，迅速將應急服務資源集散中心S的資源，根據實際情況和環境進行合理有效的整合；第二階段，隨著智慧城市網絡和大數據技術的蓬勃發展，使得應急服務資源轉運中心W已經有效的將分散在各區域的應急資源儲備節點連接起來，因此本階段要合理有效的轉運應急儲備資源，從而有效并且高效的提高應急資源的利用效率、降低交通運輸成本；第三階段，在救援和救災工作有效的時間內，對應急服務資源發放中心D可能會需要的應急資源進行有效地確認，為應急資源的科學及時有效并且高效的調度提供強有力的保障。

因此，本文決策問題是：在滿足地震后的各受災點的基本需求量、供應時間受限、供應量受限、損失最小等條件下，確定應急服務資源的協同供應路徑和方案。由此作如下假設：

圖1 智慧城市和大數據環境下的應急交通協同網絡

假設1：本節研究問題主要是集中在震后，即震前應急服務設施的布局，采購等方面成本不在本模型的考慮之中；

假設2：根據災害發生的突發性實際情況以及平時應急服務資源布局成本，災前的應急服務資源是有限的，即無法滿足災害開始階段所有受災點的應急服務資源需求；

假設3：考慮到運輸效率和實際的交通狀況，應急服務資源需要轉運兩次，受災地區才能拿到應急服務資源，即先從省級或者市級應急服務資源中心運送到縣級轉運中心，再從縣級應急服務資源轉運中心轉運到應急服務資源發放點，即應急服務資源供應有三級供應網絡節點；

假設4：應急服務資源的運輸能力是無限的，即震后可以組織到足夠多的運輸工具將應急服務資源轉運到受災點；

假設5：地震災害會對道路造成巨大的破壞，因此模型考慮的道路的實際運輸能力，可以通過衛星遙感和飛機航拍技術及時了解道路的損壞程度。

所以，本文的研究中著重考慮協同供應效率系數這個變量，考慮災害損失最小的前提下再考慮應急服務資源供應覆蓋率最大化，保證最基本的救災需求和應急服務資源供應的平衡性，實現面向智慧城市和大數據環境下的應急交通協同問題的研究。

3 模型構建和求解

3.1 震后應急供應模型

由于地震災害的弱經濟性，震后應急服務資源供應的成本將變得不再重要，應急速度、應急時間和救援覆蓋范圍等將成為最為重要的因素。本文借鑒Liu Wenmao等[2]提出的框架體系，建立應急供應協同模型。下面給出模型所涉及的相關變量和參數的定義：

應急服務資源供應的首要目標是在規定的需求時間段內盡可能將應急服務資源供應到各災害需求點，減少災害造成的損失，同時考慮應急服務資源覆蓋范圍的問題，所建立的模型如下：

(1)

(2)

(3)

(4)

(5)

aij≤Muij∧ajk≤Mvjk(i∈S,j∈W,k∈D)

(6)

(7)

(8)

目標函數式(1)表示最大程度地覆蓋和滿足災區應急服務資源需求,即模型考慮了覆蓋范圍。目標函數式(2)表示震后應急災害造成的損失為最小,應急災害造成的損失與災害的等級、受災地區的人口密度以及災害發生后應急服務資源的滿足程度是有聯系的。式(3)為Si運到Wj的量不超過其總供應量；式(4)為Wj運到Dk量不超過儲備量與補充量累加之和；式(5)為Dk的需求量約束和滿意度約束；式(6)為只有0-1變量取1時，相應的應急供應量才可能取正；式(7)為只有Si到Wj的供應總時間小于與Dk相通的各需求點的最大配送極限時間時，才能在Si和Wj之間實現供應配送；式(8)為Si到Wj再Dk的運輸總時間小于Dk的配送極限時間約束。

3.2 震后應急供應下的協同優化模型

由于在應急服務資源的協同供應過程中，應對突發事件的重要支撐是應急指揮中心可以及時獲取應急服務資源供給信息、實時災害情況、交通道路通行狀況信息以及對應急服務資源運輸過程中的實時定位監控等信息數據。同時地震對路段和路口產生了重大破壞以及救援的需要可能會導致交通流量在短時間內會迅速增加，按照原有的供應方案實施非常困難，隨著路網應急車輛的不斷增加，在達到某一閾值時，路網或路口就會出現堵塞。在這種狀態下，要及時實施應急服務資源供應協同優化方案，從時間和空間上對應急交通網絡進行協同優化管理，該優化目標可用如下公式表達：

(9)

目標函數式(9)的約束條件處理如下：

(1)震后考慮應急救援的需要，路口有應急救援人員需要穿越馬路。因此，為了確保應急人員安全通過馬路的需要，每個路口的應急交通控制信號的綠燈時間是一個給定值e(e≤20s)。設gi為相位i的應急綠燈時間，m為路口周期內的相位數；T為應急救援區域內的周期時長。每個路口的相位配時參數約束條件為：

e≤gi≤T-(m-1)e,(i=1,2,…m)

(10)

(2)應急救援區域內各路口的信號周期時長T：

(11)

(12)

式(11)-(12)中，n為應急救援區域路口數目；Ti為路口i的周期，可通過Webster方法求得；L為損失時間(s)；Y為應急救援區域路口信號相位的總應急車流量比；yi為相位j的應急車流量比；qd為應急車流量；Sd為飽和流量。

(3)上行相位差Ψ上和下行相位差Ψ下表示為：Ψ上+Ψ下=T，0≤Ψ上≤T。

(4)由于震后受災地區需要大量應急服務資源，路段應急車輛的流量不斷積累，當排隊長度超過路段長度，就會造成下一個路口的堵塞。智慧城市和大數據環境下的震后路段上的應急車輛主要由式(13)所表示，具體表現形式見圖1(b)。

Lα=L1+L2

(13)

式(13)中，L1為路口j下行應急車輛的排隊車輛數；L2為路口i下行應急車輛的排隊車輛數。設應急路網中路段α的長度為Lα，相鄰的兩個路口i和j的統一信號周期為T，相鄰的兩個路口i和j的通行時間為gi和gj，等待時間為ri和rj，相鄰的兩個路口i和j之間的相位差為ψ，路段上應急車輛的平均車速為?i，應急車輛的停車波為αi，應急車輛的啟動波傳播速度為βj。若路口i綠燈結束后，則最后駛離的應急車輛經過t1達到排隊隊尾；若路口j綠燈結束，經過(ψ+gj)時間，此時隨著最后一輛應急車駛出路口j的停車線，未駛離或剛到達停車線的應急車輛以波速αi向后排隊，又經過一段時間t2，形成排隊長度L2。由此可得：

(14)

當路口i綠燈亮起后，停車線處的應急車輛開始陸續駛離路口i，并以速度αi向路段下游行駛，經過時間t1，駛離的第一輛應急車到達下游車隊隊尾；第一應急輛車受到下游排隊的應急車輛的阻礙，形成停車波，并以波速αi向后排隊，又經過一段時間t3，形成停車排隊長度L2；當下游路口j的綠燈亮起時，啟動波開始以波速βi向后傳播，并經過時間t4與停車波相遇。由此可得：

(15)

為了確保應急救援的效率，必須控制路段應急車輛的排隊長度，保證其最大排隊長度不得超過路段長度，需滿足：

(16)

式中，γα為路段α的最大應急交通流壓縮比。

(17)

(18)

(5)應急車輛的行駛時間

應急車輛行駛時間包括應急車輛在路段上的通行時間ta,γ(t)和應急車輛在路口節點處的通行時間ta,s(t)。Lj為路網中某路段j的長度；?j為路網中某路段j的平均速度。若某路段或者路口出現應急車輛堵塞，那么應急車輛的總通行時間包括正常通行時間ta,γ,f(t)和排隊等待時間ta,γ,c(t)；Lij為應急車輛等待的長度，該里程可以通過衛星定位技術獲得。

在應急車輛正常通行狀態下，通行時間為ta,γ(t)=Lj/?i；應急車輛經過兩個路口的通行時間為ta,γ(t)=(Lj-Lij)/?i。

(19)

應急車輛在路網中節點處的等待時間ta,s(t)是由應急信號控制措施引發路網應急交通流間斷導致的車輛行駛時間損失[7]。本文選用HCM2000(HighwayCapacityManual2000)延誤模型計算路口應急車輛排隊延誤[8]。該模型將應急車輛在路口的平均延誤分為：均勻控制延誤、增量延誤、初始排隊延誤，計算公式如下：

(20)

3.3 模型求解

(1)協同供應效率系數的計算分析

由于地震發生后，救援地的總供應量不一定能全部滿足所有受災點的需求，因此會使某些受災點的總供應量xk小于或者等于需求量zk，即dk≤zk。因此需要對每個受災點的供應情況進行效率評估。

定義1：地震后的各受災點對應急服務資源的當量需求量為該受災點的實際需求量與需求緊迫程度的乘積(zk·πk)。則受災點的理想分配效率mk是該受災點的當量需求量在所有受災點的總當量需求量中所占的比重。即：

(21)

(22)

(23)

在得到每個受災點的獨立供應效率系數后，就可計算整個應急協同供應分配方案的協同供應效率系數，協同供應效率系數為f(φk)，則其計算公式為：

(24)

推論1：當每個震后受災點的獨立供應效率系數相同時，協同供應效率系數為1。

推論2：協同供應效率系數的取值范圍是[0,1]。

推論1的證明：

(2)多目標模型的求解

要使得將應急服務資源供應到各災害需求點的供應時間最少，同時減少災害造成的損失，且還有滿足應急服務資源覆蓋范圍盡可能大的目標，這個多目標同時達到是不可能的，由此需要在幾者之間尋找平衡。對于這個多目標的求解方法，本文采用一種改進的功效系數法對這里的多目標進行處理。假設μ為模型的解向量，G為μ的可行域，則多目標模型的求解步驟如下：

步驟1，分別計算出目標函數值的上界和下界：

(25)

(26)

(27)

(28)

(29)

(30)

步驟2，設

(31)

步驟3，得出最終模型：

(32)

4 應用分析

(1)案例

以我國2008年汶川地震為例，地震主要對成都市、綿陽市、德陽市、廣元市、阿壩州、雅安市六個地區造成了嚴重的損失，因此，論文假設地震主要對成都市、綿陽市、德陽市、廣元市、阿壩州、雅安市六個地區造成了嚴重的損失，主要考慮這六個受災點的供應情況，其應急服務資源需求量見表1。另外，非一次性消耗資源屬于不便于同一次性消耗資源組合，因此，該案例不考慮非一次性應急服務資源供應情況。

表1 應急服務資源的需求數量

為了使案例數據更好的適應模型，本文假設不同種類的應急服務資源在應急服務資源集散點轉運到應急服務資源中轉點時進行組合，即對各種應急服務資源進行打包，按每人每天的需求量打包一份，以便資源運送到受災點時更好的發放到受災群眾手里，基于以上假設，受地震影響較大的成都市、綿陽市、德陽市、廣元市、阿壩州、雅安市六個地區應急服務資源組合需求量分別為10000、50000、30000、10000、10000、1000組。設共有六個應急服務資源轉運中心，分別是W1、W2、W3、W4、W5、W6，根據應急布局方案，轉運中心儲備一定量的應急服務資源，具體見表2。設共有三個應急服務資源集散點，分別是S1、S2、S3，根據應急服務資源布局要求，應急服務資源集散中心儲備一定量的應急服務資源，具體見表3。

表2 轉運中心應急服務資源儲備量

表3 集散中心應急服務資源儲備量

從表2、表3可知，總的應急服務資源需求量為111000組，目前的應急救援系統能夠提供的數量為85000組，無法滿足災情的需要，但是滿足率已經達到了76.57%，已經達到了救災的需求；根據救災實際情況，假設救災應急極限時間為24小時，再結合各應急點的受災損失程度，即應急服務資源需求系數，可得出應急點的實際需求極限時間，具體應急極限時間見表4。

表4 各受災點應急服務資源需求系數

模型中假設的三種運輸方式的速度v1、v2、v3假設為5km/h、30km/h、200km/h。各集散中心到轉運中心的空間距離如表5、表6所示。

表5 各集散中心到轉運中心的空間距離(km)

表6 各轉運中心到各受災點的運輸距離(km)

假設通過衛星遙感和飛機航拍，獲取了各級節點之間的道路破壞。如表7、表8所示。

表7 集散點到轉運中心的道路破壞率

表8 轉運中心到受災點的道路破壞率

表9 震后受災點路網基本參數

(2)選取震后受災點的區域路網和參數設置

設該區域路網包含9個路口，12條路段。該區域路網中各路段的基本參數情況如表9所示。

利用MATLAB8.3a，按照改進粒子群算法編程，設最大迭代次數為1000、粒子群規模為40，運行程序10次求解得目標函數值均值為119457.3，分布情況如圖2-3所示，可以看出用該算法每次求得的解比較接近于平均值，全部分布在區間[116000，124000]之間，且誤差比例都控制在4%以內，說明該算法具有較強的穩定性。

圖2 改進粒子群算法

圖3 誤差比例

(3)結果分析

取一組接近平均值的最優解，得最優應急供應方案，如表10和表11所示。

表10 各集散點到各轉運中心的量

表11 從轉運中心供應應急服務資源到各受災點的量

計算各受災點的應急服務資源滿足率Π=(0.90，0.84，0.90，0.90，0.82，0.87，0.82，0.79，0.90，0.89，0.72，0.75，0.86，0.80)。根據計算可得Π≥0.7，各個應急救災點的應急服務資源的滿足率都在70%，說明提出的應急服務資源集散中心、轉運中心和受災點的供應網絡模型在應急服務資源供應覆蓋率最大和災害損失最下的多目標模型能達到應急救災的需要。

該地區在震后5小時內應急車流量迅速增加，具體數據見表12。

通過表12可知，路段R1、R2、R4、R9、R10在某次震后5時發生堵塞現象，因此，應該及時啟動堵塞路段的應急交通協同優化模型。表12的數值輸入到算法中，運行得到堵塞路段路網應急交通協同優化值，如表13和表14所示。

表12 震后路網動態應急車輛監測結果

表13 信號配時參數求解結果(s)

表14 路段參數求解結果

為了進一步說明所提出的震后應急交通協同優化模型的可用性，分別用應急車輛平均行程速度、路段飽和度、占有率和排隊長度比四個指標與優化前的四個指標進行對標，分別見圖4～圖7。

圖4 優化前后各路段平均行駛速度對比圖

圖5 優化前后各路段飽和度對比圖

圖6 優化前后各路段占有率對比圖

圖7 優化前后各路段排隊長度比圖

由圖4可知，優化后R1，R2，R4，R10路段的平均行駛速度明顯變快，只有R9路段的平均行駛速度沒有得到明顯的提升。由圖5可知，優化后R1，R2，R4，R10路段的飽和度有很大幅度的降低，只有R9路段的飽和度沒有得到明顯的降低，部分路段飽和度上升。從圖6可知，優化后R1，R2，R4，R10路段的路段占有率明顯降低，只有R9路段的路段占有率沒有得到明顯的降低，部分路段有一定程度的提升。從圖7可知，優化后R1，R2，R4，R10路段的排隊長度比明顯降低，只有R9路段的排隊長度比沒有得到明顯的降低，部分路段有一定程度的提升。

綜上所述，震后對路網實施應急交通協同優化方案，路網中各路段的流量得到了均衡，協同前相對擁擠的路段經過協同優化后，將流量分配到別的路段上，避免造成擁擠蔓延。因此，所提出模型是有效的。說明應急服務資源供應覆蓋率最大和災害損失最下的多目標模型能達到應急救災的需要，能及時快速滿足應急交通協同優化管理的需要。

5 結語

本文在分析智慧城市和大數據環境下的應急交通協同優化框架的前提下，提出相關假設，分析了應急交通網絡的協同供應效率系數，并構建以應急服務資源覆蓋范圍最大和受災點總損失為最小的應急供應模型。同時，根據應急管理的實際需要和理論文獻構建了應急服務資源集散點、轉運點和受災點的節點的供應網絡，在分析應急車輛平均行程速度、路段飽和度、占有率和排隊長度比等約束條件的基礎上，構建震后應急交通路網協同優化模型。最后利用案例驗證了所提出優化模型的有效性。

研究表明震后應急交通流量是一個動態的過程。可以運用通訊技術如傳感器等獲取實時交通數據信息，以便于在調整、更新應急交通方案時及時的考慮這些最新信息。論文所研究的震后應急交通路網協同優化過程可以通大數據技術解決。通過大數據技術獲取和處理的實時更新的最優解決方案是對震后應急交通控制非常重要的，它可以防止應急救援車輛行駛到已經擁擠的路段或路口；它還可以通過應急方案引導，減少交通擁堵。研究成果對于提高交通管理水平、制定應急交通策略和協同優化應急管理具有重要的理論價值和現實意義。

[1] Sheu J B. An emergency logistics distribution approach for quick response to urgent relief demand in disasters [J]. Transportation Research Part E:Logistics and Transportation Review, 2007, 43(6):687-709.

[2] Liu Wenmao, Hu Guangyu, Li Jianfeng.Emergency resources demand prediction using case-based reasoning[J].Safety cience,2012,50(3):530-534.

[3] Wong S C,Yang Hai. Reserve capacity of a signal control road network[J].Transportation Research,1997,31(5):397-402.

[4] Chiou S W. Optimization of a nonlinear area traffic control system with elastic demand [J]. Automatica, 2010,46(10):1626-1635.

[5] Kong Xiangjie, Xua Zhenzhen, Shenb Guojiang, et al. Urban traffic congestion estimation and prediction based on floating car trajectory data[J]. Future Generation Computer Systems, 2016, 61: 97-107.

[6] Yang Zhaosheng,Mei Duo,Yang Qingfang,et al. Research on traffic flow prediction model for large-scale road network based on cloud computing[J].Mathematical Problems in Engineering, 2014,2014(3):1-8.

[7] 陳紹寬，郭謹一，王璇,等.交叉口延誤計算方法的比較[J].北京交通大學學報,2005,29(3)：77-80.

[8] 莊焰，曾文佳.信號交叉口延誤計算模型研究[J].深圳大學學報(理工版),2006,23(4)：309-313.

[9] 王嘉祺，程建川，王昊.信號交叉口增量延誤分析[J].交通與計算機,2005,23(5)：13-16.

[10] 孫智源, 陸化普,張曉利，等. 城市交通控制與誘導協同的雙層規劃模型[J]. 東南大學學報(自然科學版), 2016, 46(2): 450-457.

[11] 羅向龍,焦琴琴,牛力瑤,等. 基于深度學習的短時交通流預測[J]. 計算機應用研究, 2016, 34(1): 1-5.

[12] 劉長石, 彭怡, 寇綱. 震后應急物資配送的模糊定位-路徑問題研究[J]. 中國管理科學，2016, 24(5)：111-118.

[13] Allwinkle S; Cruickshank P. Creating smarter cities: An overview[J].Journal of Urban Technology,2011,18(2):1-16.

[14] 何新華,胡文發,許長延,等.考慮隨機性與模糊性的應急服務供應鏈轉運策略[J].山東大學學報(理學版), 2016, 51 (12): 67-77.

[15] He Xinhua, Hu Wenfa. Modeling relief demands in an emergency supply chain system under large-scale disasters based on a queuing network[J]. ScientificWorld Journal, 2014,(2):1-12.

Emergency Supply Problems and Collaboration Optimization ofEmergency Traffic Network after Earthquakes

HE Xin-hua1，HU Wen-fa2，ZHOU Xi-zhao3，ZHENG AI-bing4

(1.School of Economics Management, Shanghai Maritime University, Shanghai 201306, China;2.School of Economics and Management, Tongji University, Shanghai 200092, China;3.University of Shanghai for Science and Technology, Shanghai 200093, China;4.School of International Business Adminstration,Shanghai University of Finance and Economics,Shanghai 200433)

An earthquake often has impact on a traffic network from two aspects. The first one is a wide damage of theexisting transportation network which would decrease traffic capacity dramatically and cause frequent traffic congestions, and the second one is a soaring demand of transportation to deliver a great deal of injured people to other undamaged areas in a short time and to import many emergent resources to the damaged areas. Accumulation of above impact would worsen transportation reliability and reduce transportation capability of the traffic network. In order to avoid those adversities, based on recognizing traffic network properties under emergency conditions after an earthquake, a framework of emergency service resource supply and supply problems of emergency service resources after earthquakes are considered in this paper. An Emergent Transportation Collaboration Network (ETCN) is presented, which consists of a collection center of emergent service resources, a transit center of emergent service resources and distribution center of emergent service resources. All emergent activities in ETCN are classified into three working stages, and a Collaboration Supply Efficiency (CSE) coefficient to describe their relationships is introduced. Based on ECTN and CSE coefficients, an Emergent Supply Collaboration Model (ESCM) is developed, whose objectives are to maximize coverage area of emergent service resources and to minimize disaster loss. In order to ensure supplying emergent service resources and avoiding traffic congestions, a collaboration optimization model of emergent traffic network after earthquake is further developed from ESCM considering constraints of average transportation speed of emergency vehicles, road saturation, occupation ratio and queue length. Then, it is discussed that the changing principle of occupation ratio and queue length by variation of transportation speed of vehicles under emergencies. In the end, a case study is applied to testify a collaboration optimizationto ensure supplying emergent service resources. A numerical example demonstrates the proposed model is effective and the improved algorithmis efficient.This paper would be a theoretical base and potential practice solution for emergency traffic control and management.

emergency supply; emergency service resources; emergency traffic network after an earthquake; collaborative supply efficiency coefficient

2016-06-30；

2017-01-08

國家自然科學基金資助項目(71473162，71371145，71102043，61273042)；上海市教育委員會創新項目(14ZS123)

何新華(1973-)，女(漢族)，湖北天門人，上海海事大學經濟管理學院博士，副教授，碩士生導師，研究方向：應急供應鏈與交通控制研究，E-mail：xhhe@shmtu.edu.cn.

1003-207(2017)04-0104-11

10.16381/j.cnki.issn1003-207x.2017.04.013

U491;C931

A