城市交通網絡中救援車輛路徑優化研究
2022-03-09 23:48:23閆俊霞王雙友張明張建峰
軟件工程 2022年2期
閆俊霞 王雙友 張明 張建峰
文章編號：2096-1472（2022）-02-18-04
DOI：10.19644/j.cnki.issn2096-1472.2022.002.005
摘? 要：道路中斷、可靠性差等路徑選擇問題從根本上影響了救援工作的效率，針對這一現狀，設計了基于MATLAB的應急救援車輛最優路徑模型。依托城市交通路網的數據，通過層次分析法確定影響應急救援的因素，利用MATLAB蟻群算法結合ArcGIS平臺構建城市路網要素，定位應急設施及求解應急救援車輛路徑優化結果。通過實例分析改變要素信息時，救援路徑結果與效率的差別，客觀評估城市應急救援能力，為城市交通救援車輛的路徑優化提供可行性助力。
關鍵詞：應急救援;蟻群算法;MATLAB;AHP
中圖分類號：TP274? ? ?文獻標識碼：A
Research on Route Optimization of Rescue Vehicles in Urban Traffic Networking
YAN Junxia1， WANG Shuangyou2， ZHANG Ming1， ZHANG Jianfeng1
（1.Department of Geography， Handan College， Handan 056005， China;
2.School of Software， Handan College， Handan 056005， China）
yanyantougaogao@126.com; wsyhdc@163.com; 157186236@qq.com; zjfdlx@163.com
Abstract： Road interruptions， poor reliability and other route selection problems fundamentally affect rescue work efficiency. Aiming at these problems， this paper proposes to design an optimal route model for emergency rescue vehicles with MATLAB （Matrix & Laboratory）， based on data from urban traffic road network. Hierarchical analysis method is used to determine the factors affecting emergency rescue. MATLAB ant colony algorithm and ArcGIS platform are used to construct urban road network elements， emergency facility positioning and solving emergency rescue vehicle route optimization results. Through real case analysis， the proposed model can analyzes rescue route results and efficiency differences when changing the element information， objectively evaluate urban emergency rescue capacity， which provides feasibility for the route optimization of urban traffic rescue vehicle.
Keywords： emergency rescue; ant colony optimization algorithms; MATLAB; AHP
1? ?引言（Introduction）
近年來，世界各國突發事件頻發，造成巨大的經濟損失與空前災難，給應急救援部門提出了巨大的挑戰。在事故發生時，救援隊伍的車輛路線信息不能快速合理地確定，導致貽誤了寶貴的救援時間，造成人員、財產的重大損失[1]。應急資源調度車輛路徑分析可以從整體上提高城市道路交通應急救援的效率與應急管理水平。應急資源調度最優路徑選擇將豐富道路應急救援理論，應用到應急資源的調配方案決策中，得出正確判斷并綜合考慮阻抗因素建立道路權重，在最短時間內確定救援路徑，使得應急資源最快地到達救援現場，以減少因路徑選擇錯誤而耽誤的救援時間。本文以城市道路網絡應急救援車輛管理為背景，利用蟻群算法、ArcGIS路網分析尋求最優路徑結果，討論突發因素干擾下的最優路徑分析，并通過案例分析救援車輛的最優路線，建立基于GIS的實時、動態應急路線調度，實現突發事件發生后的應急救援車輛路線選擇。
2? 車輛路徑優化方法（Vehicle routing optimization method）
2.1? ?蟻群算法的基本原理
蟻群算法屬于仿生優化算法，可以通過螞蟻分泌的信息素來尋找路徑。當時間發生變化時，信息素持續減弱甚至消失，出現信息素強度不同的路徑，螞蟻會選擇前面螞蟻所留下的信息素濃度較大的路徑行走，這樣螞蟻就不會隨機地選擇路徑，方便螞蟻找到食物所在地，最后得到一條到達食物所在地的最優路徑[2]。蟻群算法原理如圖1所示。
2.2? ?AHP分析法
通過AHP對應急救援路徑進行因子權重賦值。分析影響研究區城市交通應急救援的因素，選取路徑距離、道路容量、交通狀態、路口停滯、天氣狀況五個影響因素為準則層[3]，目標層為路徑權重Wi。各準則層對于目標層的權重為：W1（路徑距離）、W2（道路容量）、W3（交通狀態）、W4（路口停滯）、W5（天氣狀況）。
3? ?案例分析（Case analysis）
3.1? ?研究區路網數據集的建立
對邯鄲市城市道路矢量化，研究區路網如圖2所示，顯示了各級路線要素，并保證路線的連通性。ArcGIS軟件拓撲工具建立點要素，展示研究區道路相交節點。
構建研究區醫院分布圖，選取研究區三級甲等醫院進行標注，如圖3所示。車禍事故發生點在邯鄲市聯紡西路與東柳大街交叉口，指揮中心派遣專科三級甲等中心醫院對傷員進行救助。
3.2? ?層次分析法確定路阻因素權重
層次分析法構造判斷矩陣[4]，選取路網因素指標取值如表1所示。
判斷矩陣中，C1、C2、C3、C4、C5分別代表路徑距離、道路容量、交通狀態、路口停滯、天氣狀況五個因素[5-7]，如表2所示。RI平均隨機一致性指標如表3所示。
經計算，λmax=5.1269，CI=0.0317，CR=0.03<0.1，所求各個因素權重為W1=0.22、W2=0.41、W3=0.22、W4=0.11、W5=0.04。通過以上層次分析權重計算，得到五個影響因素的權重[8]，利用五個因子權重計算研究區道路網絡各路徑的權重W，如下式所示：
式中，W1、W2、W3、W4、W5是各個影響因子權重值;s為車輛到事故應急點的實際距離[9];v為車輛到事故應急點的平均速度;s/v為路徑參數，可以根據研究區路網模型的實際情況設定;z為交通狀態參數值，按照交通擁堵狀況不同可以劃分為五個等級，根據計算結果構建研究區道路節點權重拓撲圖，如圖4所示。
4? MATLAB最優路徑分析（MATLAB optimal path analysis）
4.1? ?初始路徑結果分析
（1）不考慮實際因素對救援路徑的影響，根據路段的實際長度，救護車救援最優路徑為89—43—42—37—38—39—22—19—20—18，即K—X—Z—R—T—Y—I—F—H—E。救護車輛最優路徑結果、路線圖及收斂圖如圖5所示。從圖5中可以看出，蟻群算法收斂很快，收斂曲線從0.105降到0.095左右，收斂范圍小，且曲線斜率較大，出現先陡后平直的趨勢。迭代中曲線的曲折比較多，說明收斂不穩定，收斂范圍比較小，出現局部最優。
（2）基于交通狀態的因素賦權對救援車輛路徑的影響，對蟻群算法進行賦權后救護車救援最優路徑為89—43—42—41—40—39—22—19—17—18，即K—X—Z—J—S—Y—I—F—D—E。MATLAB蟻群計算過程圖如圖6所示。
圖6中，螞蟻迭代100 次，但是最短距離由0.09左右急速收斂，先陡后趨平，收斂曲線斜率較大。在迭代過程中，平均路線的變化密度減小，說明在考慮實際情況后，螞蟻搜索范圍有所擴大，收斂趨勢趨于平穩。
4.2? ?不同參數設定分析
（1）在蟻群算法中，螞蟻個數增多，對全局搜索能力和精度有一定的提高，但同時又會出現收斂減緩的情況，減弱信息的正反饋作用。為了可以選取合適的螞蟻數量，將參數
進行如下設置：m=50，α=1，β=0.6，ρ=0.7，Q=10，Nmax=100，分別選擇螞蟻數目為15、50、80、100進行仿真，運行結果如圖7所示。
由圖7可見，隨著螞蟻數量的增多，信息的正反饋作用減弱，迭代次數減少，迭代曲線曲折度減少，收斂趨勢趨于平均化。
（2）在蟻群算法中，信息揮發系數對信息素增減有著重要的影響，直接關系到算法的搜索范圍和收斂速度。為了探求合理的信息揮發系數，設m=50，α=1，β=0.6，Q=10，Nmax=100，對信息揮發系數0.2、0.4、0.6、0.8進行仿真，仿真結果如圖8所示。
由圖8可以看出，隨著信息揮發系數的增加，算法的收斂速度加快，迭代次數減少。收斂曲線由0.2—0.14變為0.17—0.12，可見收斂幅度增加，并且隨著信息揮發系數的增大，收斂曲線波動逐漸減少，算法運行更加平穩。
（3）啟發系數和期望啟發系數會影響螞蟻路徑的選擇。啟發系數越大，對已遍歷過的路徑選擇概率越大，期望啟發系數這時對更近點的選擇有很大影響。對啟發系數進行仿真，設β=0.6，ρ=0.7，Q=10，Nmax=100，啟發系數依次為0.4、0.8、1.2、2，仿真結果如圖9所示。對期望啟發系數進行仿真，設m=50，α=1，Q=10，Nmax=100，期望啟發系數為0.2、0.4、0.6、0.8，仿真結果如圖10所示。
由圖9可以看出，啟發系數的增大使算法的迭代次數減少，收斂曲線下降幅度增大，從0.16—0.14變為0.17—0.12，說明啟發系數增加縮小了收縮范圍，加快了收斂速度，同時啟發系數的增大使得算法的運行趨于平穩。可見，啟發系數增大，迭代次數減少，最小路徑變小比較明顯。但是收斂曲線的折線和趨勢沒有明顯變化，說明啟發系數對收斂曲線影響較小。
由圖10可知，螞蟻收斂速度放緩，收斂過程中平均值從0.18到0.12，收斂曲線先陡然后趨于平緩，收斂曲線的曲折密度減小，說明更加趨于平穩。同未引入權重的救援路徑相比，引入權重以時間花費最小為目標，行駛最短距離要大于未引入權重的最短路徑。從收斂曲線和平均路徑曲線可以看出，引入權重的救援路徑優化收斂速度有所減緩，斜率下降，路徑優化過程中穩定性有所改善。同時引入權重的蟻群算法路徑優化，考慮了應急救援過程中的實際影響因素，如路徑距離、道路容量、交通狀態、路口停滯、天氣狀況，對路徑優化具有實際意義。
4.3? ?蟻群路徑結果分析
基于AHP多因素權重路徑分析，對MATLAB蟻群算法進行賦權的應急救援車輛最優路徑為89—43—36—37—26—22—19—17—18，如圖11所示。從醫院出發沿中華南大街向北行駛至和平路，向右行駛到光明大街路口，然后向北行駛至人民路，右轉行駛到滏河大街路口，接著向北行駛至聯紡東路，再向右行駛到東柳大街路口，最后北行到達事故點進行救援。救援車輛路徑及引入層次分析法權重后救護車輛救援路線圖如圖12所示。
5? ?結論（Conclusion）
本文對應急救援路徑模型進行了改進，建立了基于MATLAB蟻群算法的道路優化模型，并探討了引入權重后蟻群算法路徑模型的結果差異。在模型的改進方面，通過路徑距離、道路容量、交通狀態、路口停滯、天氣狀況等權重賦值，依托邯鄲市主要道路的路網絡相關數據，以ArcGIS軟件作為基礎平臺，實現了邯鄲市道路網絡的應急道路救援路徑分析，對MATLAB蟻群算法相關參數進行了對比，分析各參數值變化對優化算法的影響。通過實例分析系統運行效果可知，改進的蟻群算法道路優化模型具有一定的可行性和實用性，可為應急災害管理時道路出行的選擇提供綜合路徑選擇指標，有利于提升應急救援決策支持系統的科學性。
參考文獻（References）
[1] 劉楊，云美萍，彭國雄.應急車輛出行前救援路徑選擇的多目標規劃模型[J].公路交通科技，2009，26（8）：135-139.
[2] 喬梁，金華，李云霄，等.K-均值算法混合蟻群算法城市應急救援最佳路徑決策[J].中國公共安全·學術版，2011，23（2）：53-57.
[3] 楊兆升，于堯，孫文飛.城市路網下應急救援路徑選擇方法[J].哈爾濱工程大學學報，2013，34（12）：1566-1572.
[4] 仝倩.突發事件下城市路網應急動態交通分配模型[D].長春：吉林大學，2013.
[5] 孫碩，段征宇，孫世超，等.隨機時變路網下的城市應急服務車輛路徑分析[J].計算機應用，2014，34（S2）：317-319.
[6] 孔祥麗.多影響因素下的導航路網數據路徑規劃研究[D].武漢：武漢大學，2018.
[7] 董影影.基于蟻群算法的應急車輛調度系統的研究[D].西安：西安科技大學，2018.
[8] YI W， ZDAMAR L. A dynamic logistics coordination model for evacuation and support in disaster response activities[J]. European Journal of Operational Research， 2007， 179（3）：1177-1193.
[9] FIEDRICH F， GEHBAUER F， RCIHERS U. Optimized resource allocation for emergency response after earthquack disasters[J]. Safety Science， 2000， 35（6）：41-57.
作者簡介：
閆俊霞（1982-），女，碩士，講師.研究領域：交通信息化，大數據技術.
王雙友（1983-），男，碩士，副教授.研究領域：大數據技術.
張? ? 明（1995-），男，本科.研究領域：交通信息化.
張建峰（1980-），男，碩士，講師.研究領域：交通信息化.
基金項目：河北省社會發展研究課題（20210201398）;邯鄲市科技研發項目（19422304001-21）;邯鄲學院校級項目（2018106）.
