不确定交通状态下的应急物流调度模型研究

• 作 者: 孙佑强
• 出 处: 太原科技大学
• 发表日期: 2021年05期
• 关键词: 应急物流调度 交通时空数据 不确定性 云模型 多目标进化算法 高维多目标进化算法

我国地域辽阔,受自然灾害影响较为严重,同时随着科技的进步,生产生活中人为事故导致的灾害也时常发生。为了减少灾害导致的损失,此类紧急事件主要通过三个阶段进行处置:准备阶段、处置阶段和恢复阶段;其中处置阶段是应急救援中最主要的步骤,处置中物资调度的效率直接影响到救援的效果。为了更好的处理生产生活中由灾害造成的紧急事件,针对调度中存在的问题本文设计了相应的应急物流调度模型。由于灾害的未知性和灾害发生时间的不确定性,在城市救援中,不同时间下道路的交通状态对于调度方案的制定会产生较大影响。交通状态本身具有高度的不确定性,而且随着时间的变化而变化,很多因素对交通状态都会产生影响,例如道路、天气和限号等。为了尽可能的预知并减少这种不确定的交通状态对调度中产生的影响,本文采用云模型来处理这种不确定性。结合交通时空数据的特性,设计了几种不同的策略来提取数据中的数字特征,并对救援时刻的交通状态进行推理预测。为了验证所提算法,本文以北京市的出租车时空数据为例,仿真实验结果显示,基于分离数字特征的混合云模型预测算法总误差要比其他算法平均降低13.55%。其次,在应急物流调度模型中引入不确定的交通状态和真实路网,并考虑到救援中最重要的两个问题:救援时间和救援费用,本文提出了一种不确定交通状态的多目标应急物流调度模型。针对所提模型的特点,设计了新的个体编码及进化算子,并采用三种不同的改进多目标进化算法对所提模型进行求解。实验结果显示,针对三类不同的救援时间,所提模型都可以给决策者提供有效的调度方案。最后,关于调度过程中的道路危险性与驾驶安全性,在多目标调度模型的基础上重新构建了一个不确定交通状态的高维多目标调度模型。在此模型中,使用所提个体编码及进化算子对高维多目标进化算法进行改进,并将改进后的NSGA-III,MOEA/D,SPEA2,SPEA2-SDE,Gr EA和RVEA用于模型求解。实验结果表明,在三类不同的救援时间下,模型均可规划出有效的调度方案。