区域抗震防灾应急疏散道路智能优选模型.doc

区域抗震防灾应急疏散道路智能优选模型 收稿日期：2012-08-29基金项目：国家十二五科技支撑计划项目（2009BAJ28B04 2011BAK07B01、2011BAJ08B03、2011BAJ08B05），中国博士后科学基金资助项目（2011M500199）作者简介：刘朝峰（1984-），男，河北晋州人，博士研究生。E-mail:刘朝峰1，苏经宇1,2，郭小东1,2（1.北京工业大学 抗震减灾研究所，北京 100124；2.北京工业大学 建筑与规划学院，北京 100124）摘要：为了判断突发灾害下区域道路的应急疏散能力，选择合理的应急疏散道路，从应急疏散角度构建包括速度、时间负荷裕度、空间负荷裕度、畅通可靠度、行程时间可靠度等5个因素的评价指标体系，结合双链量子遗传算法和自主评价技术，提出了区域抗震防灾应急疏散道路智能优选模型。该模型首次通过计算评价指标的绝对优势度和相对优势度，确定评价单元的评价指标优先顺序；其次利用改进双链量子遗传算法优化IOWA算子求解评价单元的位置加权向量和评价值向量；最后利用评价值的集结得到各评价单元的最优评价向量。实例计算表明，该方法评价结果充分反映了受多种因素综合影响的道路应急疏散能力评价的客观实际情况，可接受程度较高，验证了该模型及求解过程的可行性，优选结果可为区域的应急疏散规划提供决策依据。关键词：区域路网；应急疏散；双链量子遗传算法；优势度；综合评价中图分类号: U121，C931 文献标识码:A 文章编号: Intelligent Optimization Model on Regional Emergency Evacuation Road for Seismic Resistance and Hazardous PreventionLIU Chao-feng1, SU Jing-yu1,2, GUO Xiao-dong1,2(1. Inst. of Earthquake Resistance and Disaster Reduction, Beijing Univ. of Technol., Beijing 100124, China; 2. College of Architecture and Urban Planning, Beijing Univ. of Technol., Beijing 100124, China)Abstract: In order to determine the emergency evacuation capacity of urban roads in sudden disasters, the emergency evacuation capability evaluation method for the regional road network is studied. The evaluation index system including speed, time of load margin, the space load margin, smooth reliability, travel time reliability is built from the perspective of emergency evacuation. Self-evaluation model for emergency evacuation capacity of the regional road network based on improved double chains quantum genetic algorithm is established. Firstly, the prior order of the evaluation indexes is determined by calculating the absolute dominance degree and relative dominance degree. Secondly, the position weighted vector and the evaluation value vector of the evaluation object are solved by improved double chains quantum genetic algorithm optimizing IOWA Operator. Finally, the optimal evaluation vector is obtained by the aggregated model of evacuation values. Example shows that the evaluation results reflect the reality of the emergency evacuation capacity of urban roads affected by a variety of factors. It is highly acceptable, and provides the a basis for decision making for regional emergency evacuation plan.Keywords: regional road network; emergency evacuation capacity; double chains quantum genetic algorithm; degree of dominance; comprehensive evaluation;在非常规突发事件的应急处置中，道路网络是应急框架中的重要组成部分，是救援和疏散的生命线。近年来，特大地震发生的频度、强度和造成的损失显著增加，因灾害引起的道路网络异常状态复杂，使其通行能力不能充分发挥，成为应急疏散的瓶颈，直接导致疏散(或救援)能力的下降和损失范围的扩大1-4。如2008年5月，四川汶川特大地震，由于道路系统损坏严重，导致应急疏散和应急救援延迟，从而导致巨大的人员伤亡和经济损失。其中，重灾区内的都汶高速公路、国道213和317线、省道S303线损毁尤为严重，如都汶公路，80%道路损毁，全线交通中断110多天5,6。可见，区域道路网络的应急疏散能力对有效满足灾害应急疏散和减少灾害损失具有重要意义。本文利用多指标综合评价技术和改进双链量子遗传算法相结合，并引入到区域路网的应急疏散能力评价中，建立了区域路网的应急疏散能力的自主评价方法，为区域的抗震防灾规划中道路应急疏散能力评估提供理论基础。通过实例计算，评价结果与主成分分析法、随机模拟综合评价法计算结果对比分析，验证了该方法的可行性和有效性。1 自主评价1.1 评价问题的描述设评价路段为，评价路段的评价指标为，则评价路段的指标值矩阵为X。计算之前需要对评价指标进行标准化处理，处理后的指标值矩阵仍记为X。 （1）1.2 指标优势度的计算在确定评价路段竞争视野的基础上，评价主体在评价指标上相对竞争视野内的被评价路段的竞争强度为：， （2）评价主体在评价指标上的绝对优势度为和相对优势度为7： （3） （4）式中：为竞争强度取值为非负的个数。1.3 位置加权向量和评价值的确定设评价指标的位置加权向量为，其中由下式得到7： （5）式中：，；和表示评价者对于指标绝对优势度和相对优势度的偏好程度，和的值可以根据评价者的偏好事先确定，无特殊情况可令。以绝对优势度和相对优势度分别为第一诱导分量和第二诱导分量；是评价单元的评价指标重新排序后第j个评价指标的取值，则在评价主体下第个被评价路段的评价值为8： （6）根据等比 OWA 算子思想，可由下述规划模型求解各评价指标的位置加权向量 8： （7）1.4 最优评价值的求解（1）利用改进的加速双链量子遗传算法9-12优化求解目标函数式（7）得到位置加权向量和评价值向量，其优化步骤主要有：量子种群初始化：设定转角步长初值为，变异概率为，选择概率为，量子位为m=5，限定代数T=20，在中随机形成初始量子种群，种群规模为k=100。 解空间变换：利用线性变换，将2m=10个概率幅变换到到解空间。计算种群A中各染色体的矢量距、基于矢量距浓度的选择概率、期望繁殖率。将初始种群A分别按期望繁殖率和选择概率进行降序排列。依据变异概率对新种群进行变异操作利用目标函数对新种群进行适应度评价和量子染色体编码。优化和压缩量子位幅角的搜索空间。如果满足收敛条件或代数达到最大限制时算法终止，否则返回到步骤2进一步迭代新种群进行计算。（2）利用上步所求的评价值向量构成评价值矩阵：，采用向量夹角之和最小法确定最优评价值向量，具体算法如下7： （8）其中，为为实对称矩阵的最大特征根，为对应的的正特征向量，且。2 实例分析为了验证本方法的可行性和有效性，以文献13中的北京某区域的交通状态监测数据为例进行计算分析，其中Speed 表示速度；Time0表示时间负荷裕度；Free为畅通可靠度；Travel为行程时间可靠度；Space为空间负荷裕度；LOS为日常状态下的道路交通服务水平。选取区域中15个典型路段作为计算对象，各指标的监测数据见表1所示。表1 典型路段各指标检测数据Table 1 Monitoring data of typical road sections对象名称TIMESpeedTime0FreeTravelSpaceLOS1衙门口桥西铁路涵西900米老山模具18:1390.9300.98000.66550.94100.820812怡海花园花乡桥7:3085.6920.98000.68900.91560.837513水屯漫水桥卢沟桥北路17:1380.3160.98330.69510.95220.841714学知桥花园北路6:3164.6000.98670.58050.92050.750025丰台乡镇企业职校岳各庄侨8:1161.5490.95330.47460.80710.620826下蜒桥芳群路7:3056.2980.90670.44380.73900.566727百子湾火车站四方桥19:2462.6890.95000.41450.64750.504228四方桥百子湾火车站19:2448.4480.87000.31560.48140.275039长虹桥兆龙饭店8:1158.0000.71000.34630.37470.3375210新兴桥莲花桥6:3022.8760.59670.41140.81940.4969511分钟寺桥周家庄路西口8:1140.0640.62500.37740.40210.4125312新发地北桥新发地北桥南铁路桥6:3061.8870.86000.22860.13470.1500213兆龙饭店白家庄17:1238.2310.66670.29640.69240.2417414青岛海信日立空调公司北沙滩桥南天桥16:2960.1990.66500.29890.24100.2458215太阳宫和平里桥16:2948.0240.71250.22490.31120.14583注：本文仅对Speed列数据进行处理，分别除以100，其它数据不变。采用极值预处理法对表1中的数据进行无量纲化，依据式（2）、（3）和（4）进行计算得到各评价路段的绝对优势度和相对优势度，重新对各评价主体下的评价路段进行排序，选取前3个评价路段的计算结果，列于表2中。表2 3个典型路段的评价指标的优势度及位置排序Table 2 Dominance and location sort of evaluation index of three typical road sections评价指标初始排序评价主体123位置排序绝对优势度相对优势度位置排序绝对优势度相对优势度位置排序绝对优势度相对优势度Speed(1)30.98540.348830.99840.557731.00000.5918Time0(2)50.99270.283450.99920.306951.00000.2935Free(3)11.0000.240410.98740.057341.00000.052Travel(4)40.99760.064120.99560.047820.99850.0474Space(5)20.99560.063340.98510.030410.95520.0153依据表2中数据与式（5）、式（6）和式（7），利用改进的加速双链量子遗传算法优化求解目标函数式（7），得到典型路段的位置加权向量和评价值向量，结果见表3和表4所示。表3 典型路段位置加权向量Table 3 poison weighting vector of typical road sections评价路段名称q位置加权向量wSpeedTime0FreeTravelSpace1衙门口桥西铁路涵西900米老山模具0.18070.49950.26890.14040.06290.02812怡海花园花乡桥0.19600.49940.28370.13030.05980.02683水屯漫水桥卢沟桥北路0.19900.49920.28220.13130.06080.02654学知桥花园北路0.20150.49980.27100.14240.06400.02285丰台乡镇企业职校岳各庄侨0.29070.49920.27400.13910.06150.02626下蜒桥芳群路0.31260.49860.27350.14090.06210.02497百子湾火车站四方桥0.38700.49930.26590.13450.06790.03248四方桥百子湾火车站0.48000.49990.26270.13600.06780.03369长虹桥兆龙饭店0.48010.49790.26210.13670.06890.034410新兴桥莲花桥0.42930.49970.27290.14090.06050.026011分钟寺桥周家庄路西口0.42490.49920.28730.13080.05800.024712新发地北桥新发地北桥南铁路桥 0.38850.49960.31300.12170.04730.018413兆龙饭店白家庄0.50960.49930.26010.13470.06980.036114青岛海信日立空调公司北沙滩桥南天桥0.50810.49970.26050.13480.06950.035515太阳宫和平里桥0.49240.49950.26630.13470.06660.0329表4 典型路段评价值向量Table 4 evaluation value vector of typical road sections路段评价值向量1(0.9590.9780.9780.7860.6060.5330.4870.2460.3020.3870.3230.1050.1930.2070.074)T2(0.9590.9800.9790.7890.6100.5350.4950.2510.3000.3640.3170.1210.1730.2050.072)T3(0.9570.9830.9950.8260.6360.5620.5000.2570.2770.4500.3240.0620.2210.1610.056)T4(0.9770.9810.9920.9340.8060.7070.7210.4820.2900.2810.2130.3530.2390.1680.188)T5(0.9800.9760.9920.9460.8240.7250.7360.5140.2930.3240.2060.3530.3110.1670.217)T6(0.9800.9760.9920.9460.8240.7250.7350.5130.2930.3250.2060.3520.3110.1670.216)T7(0.9840.9670.9540.8690.7730.6740.7330.5100.3480.1380.1880.4910.2190.2670.261)T8(0.9830.9680.9740.9160.8090.7100.7420.5320.3190.2640.1910.4160.3150.2120.255)T9(0.9780.9550.9220.7240.6070.5290.5510.3260.3920.2020.2790.3350.2070.3510.212)T10(0.9760.9690.9900.8870.7300.6500.5700.3310.2970.6120.3310.0550.4180.1640.138)T11(0.9650.9830.9910.8370.6560.5810.5110.2430.2870.4750.3440.0550.2190.1700.057)T12(0.9820.9650.9470.8420.7470.6500.7210.5080.3570.0880.1790.5180.1980.2880.268)T13(0.9740.9630.9790.8560.7060.6270.5660.3510.3130.5570.3110.1040.4270.1960.168)T14(0.9780.9550.9220.7240.6070.5300.5520.3270.3930.2010.2790.3360.2080.3510.213)T15(0.9880.9500.9200.7810.6960.6080.6620.4500.4010.1560.2240.4670.2670.3530.293)T依据表3和表4中的数据与式（8）可求解得到最大特征值为：=82.2844，其对应的特征向量为：=(0.4157, 0.4135, 0.4131, 0.3614, 0.3042, 0.2673, 0.2658, 0.1682, 0.1380, 0.1366, 0.1103, 0.1191, 0.1125, 0.0969, 0.0774)T 。为了对比分析该方法的有效性和可行性，将本文方法的评价结果与随机模拟法14、主成分分析法15评价结果进行比较，结果见表5。表5 典型路段评价值向量Table 5 evaluation value vector of typical road sections评价结果及排序123456789101112131415本文方法0.416 0.414 0.413 0.361 0.304 0.267 0.266 0.168 0.138 0.137 0.110 0.119 0.113 0.097 0.077 排序123456789101311121415随机模拟法1.9331.6671.81.5331.41.2671.1330.8850.740.9510.3120.5370.4570.3180.067排序132456710891213141115主成份分析法0.8630.8560.850.7690.6920.6430.6390.50.490.4790.4520.4450.4420.440.396排序123456789101112131415图1 评价结果比较Fig.1 Comparison of evaluation results由表5中三种方法的评价结果和图1的对比分析可知：本文方法的评价结果与主成分分析法的评价结果基本一致；而与随机模拟法的评价结果相比，有些评价路段的应急疏散能力排序不一致，但两种方法评价结果大体一致。究其原因，随机模拟法属于一种主观评价法，而本文方法和主成分分析法属于客观评价法。可见，通过不同方法评价结果的对比分析验证了本文方法的可行性和有效性，能够有效评价区域路网的应急疏散能力。3 结 论（1）从应急疏散角度，选取速度、时间负荷裕度、空间负荷裕度、畅通可靠度、行程时间可靠度等5个因素作为评价指标体系，结合双链量子遗传算法和自主评价方法建立了区域抗震防灾应急疏散道路智能优选模型，为区域路网的应急疏散道路选择提供了一种方法。（2）通过某区域路网的实例计算，表明本文方法的评价结果与其他两种方法的评价结果基本一致，验证了本文方法是合理、可靠的，对区域路网应急疏散能力评价具有很好的适用性。利用该模型可以得到一个具体数值，进而可以对不同评价路段的应急疏散能力进行排序。（3）由于路网的应急疏散能力评价属于多因素综合评价问题，涉及的影响因素较多，评价指标有待进一步完善、修正，使应急疏散能力评价结果更为精确、合理。参考文献1 王永明,周磊山,刘铁民. 非常规突发事件中的区域路网疏散能力评估与交通组织方案设计J. 系统工程理论与实践, 2011, 31(8):1608-1616.WANG Yong-ming, ZHOU Lei-sham, LIU Tie-min. Evacuation capability evaluation and traffic organization planning on the area road network under unconventional emergencies J. Systems Engineering-Theory & Practice, 2011, 31(8):1608-1616. 2 陈坚,晏启鹏,霍娅敏,等. 基于可靠性分析的区域灾害应急物流网络设计J. 西南交通大学学报, 2011, 46(6):1025-1032.CHEN Jian, YAN Qi-peng, HUO Ya-min, et al. Regional emergency logistics network design based on reliability analysisJ. Journal of Southwest Jiao Tong University, 2011, 46(6):1025-1032. 3 向灵芝,崔鹏,钟敦伦,等. 川地震区泥石流危害道路的定量分析以汶川县肖家沟为例J. 西南交通大学学报, 2012,47(3):387-393.XIANG Lingzhi, CUI Peng, ZHONG Dunlun, et al. Quantitative hazard assessment of road debris flow in Wenchuan earthquake area:a case study of Xiaojia ravine in Wenchuan countyJ.Journal of Southwest Jiaotong University, 2012,47(3):387-393.4 袁媛,汪定伟. 灾害扩散实时影响下的应急疏散路径选择模型J. 系统仿真学报, 2008, 20(6):1563-1566YUAN Yuan,WANG Dingwei. Route selection model in emergency evacuation under real time effect of disaster extensionJ. Journal of System Simulation, 2008, 20(6):1563-15665 韩用顺,崔鹏,朱颖彦,等. 汶川地震危害道路交通及其遥感监测评估以都汶公路为例J. 四川大学学报(工程科学版), 2009,41(3):273-283.HAN Yong-shun, CUI Peng, ZHU Ying-yan, et al. Remote Sensing Monitoring and Assessment of Traffic Damage by Wenchuan EarthquakeA Case Study in Du-Wen HighwayJ .Journal of Sichuan University(Engineering Science Edition), 2009, 41(3): 273-283. 6 王晓.城市道路交通系统抗震可靠性研究及应用J. 福建:福建农林大学交通运输工程,2009.WANG Xiao. Research and application on seismic reliability for urban transportation systemJ. Fujian:Trabsportation Engineering ,Fujian Agriculture and Forestry University,2009.7 易平涛,李伟伟,郭亚军. 基于二维 IOWA 算子的客观自主式评价方法J. 运筹与管理，2011,20（6）：182-187.YI Ping-tao, LI Wei-wei, GUO Ya-jun. Research into objective self-determined evaluation based on two-dimension IOWA operatorJ. Operations Research and Management Science, 2011,20（6）：182-187. 8 姚爽,郭亚军,易平涛. 基于多维诱导分量的拓展IOWA 算子及其应用J. 东北大学学报(自然科学版), 2009, 30( 2): 298-301.YAO Shuang, GUO Ya-jun, YI Ping-tao. Multi-variable induced ordered weighted averaging operator and its applicationJ. Journal of Northeastern University(Natural Science), 2009, 30( 2):298-301.9 Grover L K. A fast quantum mechanical algorithm for database searchC/ Proc of the 28th Annual ACM Symp on Theory of Computation, New York, USA: 1996: 212-21510 KEOGH E J, CHAKRABARTIK, PAZZANIM, et al. Dimensionality reduction for fast similarity search