云模糊循环堆栈应急调度耦合态势优化模型

发布时间：2020-01-31 01:08

【摘要】：在特大地震灾害等突发事件救援力量和资源应急智能调度中,需要构建调度网络,应急调度网络的耦合态势的优化设计,对提高调度网络的活力和效率至关重要。提出一种基于云模糊循环堆栈的应急调度耦合态势优化模型,基于基本交汇点疏散特征与可控疏散网络的构建原则,构建网络模型,网络配置中涵盖了紧急疏散的规划和政策制定、路径选择、救灾物资发放和资源的合理配置、以及灾后重建等。设立工作区、装备区、指挥部等,进行正确的区域、场所的划分和设定。对突发事件应急调度网络的能量节点进行模糊循环堆栈控制设计,得到救援力量最优配置,增强突发事件应急调度网络系统的稳定性,实现对网模型的耦合态势优化控制。仿真结果表明,该模型能有效提高应急救援的吞吐性能,突发事件的应急救援和资源调度的响应时间缩短,性能提高。
【图文】：

调度模型

件的资源调度优化配置。首先构建突发事件应急调度网络模型，进行网络节点能量分配设计和信息数据模型数学建模，采用云模糊循环堆栈算法进行应急调度的耦合态势算法，提高网络的生存性和系统稳定性。仿真实验验证了模型的优越性能，在提高应急响应能力等方面具有优势。1突发事件应急调度网络模型构建与资源节点能量分配在设计突发事件应急调度耦合态势优化模型之前，首先需要构建基于基本交汇点疏散特征与可控疏散网络的构建原则[3-5]，构建突发事件应急调度网络模型，一个典型的突发事件应急救援调度控制模型如图1所示。图1基本调度模型Fig.1Basicschedulingmodel图1中，实现突发事件应急调度时，分支(i',i)是最佳人员疏散和救援人员应急匝道，(i+1,i)和(i,i-1)分别是上下游快速应急通道，，对于上游分支(i,j)，用pi,j表示其上游端点i处的待疏散交通量。qi,j和qi,j分别表示路段或匝道(i,j)的可行流量与最大可行流量。假设ci+1,i+di',i≤ci,i-1。为了在最短时间内资源聚集量，最大可行的资源汇集流应分别满足qi+1,i:=ci+1,i和qi',i:=di',i。显然此假设ci,i-1≤min{ci+1,i,di',i}，在上游分支(i+1,i)的待疏散居民来自较高的风险区域，而匝道上待疏散的居民来自相对较低的风险区域。由此得到突发事件应急调度网络模型。考虑图1中的交汇结构i，假设有：max{ci+1,i,di',i}<ci,i-1<ci+1,i+di',i(1)成立，则最优疏散策略应始终保持结构模型：qi',i=ci,i-1pi',i(pi',i+pi+1,i)(2)qi+1,i=ci,i-1pi+1,i(pi',i+pi+1,i)(3)那么(i',i)完成人员疏散和资源调度的最小时间是pi',ici',i。如果pi',ici

节点模

科技通报第31卷采集节点模型设计如图2所示。在循环堆栈内，路由节点的0.1o,标号为1到12的节点是被疏散交通量的起点，其中标号为1到10的节点与具有相同标号的救援通道相连。假设标号为1、7、2、4和8的应急救援通道最大放行能力为5，在人员疏散网络的任意汇流点，匝道总具有优先放行流量的权利，救灾资源库为LAPACK和BLAS库。图2节点模型Fig.2Nodesmodel采用本文模型和传统该模型，对应急调度的耦合态势进行性能评估，评估指标为突发事件应急救援调度响应时间，得到仿真对比结果如图3所示，定量分析结果见表1。(a)传统方法(b)本文方法图3突发事件应急救援调度响应性能曲面Fig.3Emergencyrescuedispatchresponsesurface分析结果可见，采用本文算法，能有效融合应急调度数据，系统响应曲面峰值明显，表明应急调度网络模型的耦合性能较好，网络模型响应时间较短，应急救援的吞吐性能提高，提高和突发事件和灾难下的救灾响应性能。表1仿真性能测试结果Table1Testresults突发事件应急响应资源数据20K×2020K×5020K×10030K×2030K×5030K×10040K×2040K×5040K×100100K×20100K×50100K×100本文算法2035621498343842227743711543073109230588174传统算法952807481414681295202905205984228555866加速比/%213.68200.71200.27243.26179.91175.83216.34127.51149.25129.69107.11139.354结论在特大地震灾害等突发事件救援力量和资源应急智能调度中，需要构建调度网络，应急调度网络的耦合态势的优化设计，对提高调度网络的活力和效率至关重要。提出一种基于云模糊循环堆栈的应急调度耦合态势优化模型

【参考文献】