基于情景分析的应急路径选择研究
发布时间：2021-04-01 07:02
非常规突发事件发生发展的不确定性,造成了不确定的应急运输路网情景。为了在多种不确定性情景下进行应急路径选择决策,本文基于情景分析方法,建立了在应急条件下路网环境的情景分析树和应急路网的理想路径,将应急路网情景蕴含在具有不确定性的多属性向量中,而后构建了嵌入情景的应急路径选择模型并给出其求解算法,最后通过算例对基于情景分析的应急路径选择方法的可行性和有效性进行了分析与验证。
【文章来源】：运筹与管理. 2012,21(05)北大核心CSSCICSCD
【文章页数】：6 页
【部分图文】：
不确定路网环境下应急路径选择员、药品、衣物等由于应该是含有多种属性括通行安全性，畅通响到路网道路周围
图2路网环境的情景分析树伴随突发事件发生和演化，路网中每条弧arci的状态由初始情景转向次生情景，设定次生情景集合(ES，P1)，其中ES=(es1，es2，…，esM)，M=|ES|，esm是次生情景集合ES中的一个情景(m=1，2，…，M)，每个情景发生可能性为p(esm)，并且∑Mm=1p(esm)=1。每一个初始情景esm，都会造成不同的事件影响情景，设定这些影响情景的集合为(IS/m，P2/m)，其中IS/m=(is1/m，is2/m，…，issm/m)表示在第m个次生情景下对应的影响情景集合，Sm=|IS/m|，isS/m是影响情景集合IS/m中的一个影响情景(S=1，2，…，Sm)。在第m个次生情景下每个影响情景的发生的可能性为p(isS/esm)，并且∑SmS=1p(isS/esm)=1。次生情景对道路各关键属性造成的每一个影响结果用αS/m(f1，f2，f3，f4)表示，其中f1，f2，f3，f4为各个属性评价值，属性评价值越大越好，并且f1，f2，f3，f4∈［0，1］。设定通过情景树、情景发生的可能性和情景对路网的影响结果向量，来对路网中的每一个路段arci的情景进行描述和表达。2应急路网环境的路径选择建模应急路网中各个路段的情景蕴含在具有不确定性的多属性向量中，并且嵌入在路径选择的模型里，因此建模可以反映出情景的变化。对于多种情景下路段的关键属性fiS/m，i=1，2，3，4，每个属性分别有其最优值和最差值，并且每个属性值都能达到最优值和最差值。这里通过欧式距离来定义每个向量与其最优向量的偏离程度，再通过相对偏离程度来度量多属性的综合满意度。对于路段关键属性，每个属性的最优值为fiS/m每个属性的最优值为fimax=
图3在路网理想路径中嵌入情景的建模分析结合路网环境的情景分析，我们将情景及情景的影响嵌入到路径选择模型中。对于有向网络G(N，Arc)，定义从起始点到终点的一条路为x珒={xij|(i，j)∈Arc}，其中xij=1表示弧(i，j)在这条路中，否则xij=0则弧(i，j)不在这条路中。由于路网中路径长度不确定，为此我们定义该有向网络的长度为网络中所有路段数目的总和，即Dmax=|G|，并且构建一条理想的路径x珒Dmax(1，2，…，D－1，Dmax)，此路径中每个路段的综合满意度值，为该路段在不同情景下可以取得的最好的属性值对应的综合满意度θkmax，而整条理想路径的综合满意度为θmax=∏Dmaxk=1θkmax。如图3所示，在构建了这条理想路径的基础上，每个路段情景的变化就可以嵌入到这条路径中。我们只需要用某个路段的某个情景下的综合满意度值θS/m来替换这条理想路径中相对应的路段的理想值即可。同时，理想路径的其他部分取值保持不变。在每次选择一条路径的时候，未被选择到的路段便由理想路径中相应的路段填充，这样整个路径的长度就始终保持不变，因此可以屏蔽由于每次所选择的路径的路段数目不同，而造成各个路径的综合满意度无法比较的问题。图中所示为两种在不同路段嵌入情景的情况，嵌入情景的路段则构成了一次选择的路径(如S2→S3→SD－1)，尽管每次选择的路径长度不同，但是它们嵌入到了理想路径中，则具有了可比性。根据以上的分析与定义，通过对情景进行表达，最终构建情景分析基础上的应急路径选择模型。结合Zhong和Liu提出的α关键路的思想［19］，我们用σ表示决策者的需求的可能性置信水平，用{∏(i，j)∈Arc(θijS/m，θ珋ijmax)xijθmax}表示在每个路段随机?
【参考文献】：
期刊论文
[1]基于模糊神经网络的应急物流最优路径选择[J]. 李博文,余博,杨晓明. 物流技术. 2009(12)
[2]重大研究计划“非常规突发事件应急管理研究”的科学背景、目标与组织管理[J]. 韩智勇,翁文国,张维,杨列勋. 中国科学基金. 2009(04)
[3]随机时变网络下的应急路径选择研究[J]. 魏航,魏洁. 系统工程学报. 2009(01)
[4]考虑路线复杂度的应急疏散双目标路径选择模型[J]. 袁媛,汪定伟,蒋忠中,盛莹. 运筹与管理. 2008(05)
[5]基于灰色理论的应急物流最优路径选择[J]. 邹志云,宋程,虢向阳. 物流技术. 2008(01)
[6]突发灾害下可靠路径搜索模型与算法[J]. 缪成,吴启迪,许维胜. 计算机工程与应用. 2007(28)
[7]情景分析法在交通规划中的应用研究[J]. 余艳春,邵春福,董威. 武汉理工大学学报(交通科学与工程版). 2007(02)
[8]研发团队激励机制设计的情景分析[J]. 王端旭. 科研管理. 2006(06)
[9]应急模糊网络系统最大满意度路径的选取[J]. 刘春林,何建敏,盛昭瀚. 自动化学报. 2000(05)
[10]情景分析方法中的交叉影响分析[J]. 金毓渝. 上海海运学院学报. 1993(01)
本文编号：3112897
【文章来源】：运筹与管理. 2012,21(05)北大核心CSSCICSCD
【文章页数】：6 页
【部分图文】：
不确定路网环境下应急路径选择员、药品、衣物等由于应该是含有多种属性括通行安全性，畅通响到路网道路周围
图2路网环境的情景分析树伴随突发事件发生和演化，路网中每条弧arci的状态由初始情景转向次生情景，设定次生情景集合(ES，P1)，其中ES=(es1，es2，…，esM)，M=|ES|，esm是次生情景集合ES中的一个情景(m=1，2，…，M)，每个情景发生可能性为p(esm)，并且∑Mm=1p(esm)=1。每一个初始情景esm，都会造成不同的事件影响情景，设定这些影响情景的集合为(IS/m，P2/m)，其中IS/m=(is1/m，is2/m，…，issm/m)表示在第m个次生情景下对应的影响情景集合，Sm=|IS/m|，isS/m是影响情景集合IS/m中的一个影响情景(S=1，2，…，Sm)。在第m个次生情景下每个影响情景的发生的可能性为p(isS/esm)，并且∑SmS=1p(isS/esm)=1。次生情景对道路各关键属性造成的每一个影响结果用αS/m(f1，f2，f3，f4)表示，其中f1，f2，f3，f4为各个属性评价值，属性评价值越大越好，并且f1，f2，f3，f4∈［0，1］。设定通过情景树、情景发生的可能性和情景对路网的影响结果向量，来对路网中的每一个路段arci的情景进行描述和表达。2应急路网环境的路径选择建模应急路网中各个路段的情景蕴含在具有不确定性的多属性向量中，并且嵌入在路径选择的模型里，因此建模可以反映出情景的变化。对于多种情景下路段的关键属性fiS/m，i=1，2，3，4，每个属性分别有其最优值和最差值，并且每个属性值都能达到最优值和最差值。这里通过欧式距离来定义每个向量与其最优向量的偏离程度，再通过相对偏离程度来度量多属性的综合满意度。对于路段关键属性，每个属性的最优值为fiS/m每个属性的最优值为fimax=
图3在路网理想路径中嵌入情景的建模分析结合路网环境的情景分析，我们将情景及情景的影响嵌入到路径选择模型中。对于有向网络G(N，Arc)，定义从起始点到终点的一条路为x珒={xij|(i，j)∈Arc}，其中xij=1表示弧(i，j)在这条路中，否则xij=0则弧(i，j)不在这条路中。由于路网中路径长度不确定，为此我们定义该有向网络的长度为网络中所有路段数目的总和，即Dmax=|G|，并且构建一条理想的路径x珒Dmax(1，2，…，D－1，Dmax)，此路径中每个路段的综合满意度值，为该路段在不同情景下可以取得的最好的属性值对应的综合满意度θkmax，而整条理想路径的综合满意度为θmax=∏Dmaxk=1θkmax。如图3所示，在构建了这条理想路径的基础上，每个路段情景的变化就可以嵌入到这条路径中。我们只需要用某个路段的某个情景下的综合满意度值θS/m来替换这条理想路径中相对应的路段的理想值即可。同时，理想路径的其他部分取值保持不变。在每次选择一条路径的时候，未被选择到的路段便由理想路径中相应的路段填充，这样整个路径的长度就始终保持不变，因此可以屏蔽由于每次所选择的路径的路段数目不同，而造成各个路径的综合满意度无法比较的问题。图中所示为两种在不同路段嵌入情景的情况，嵌入情景的路段则构成了一次选择的路径(如S2→S3→SD－1)，尽管每次选择的路径长度不同，但是它们嵌入到了理想路径中，则具有了可比性。根据以上的分析与定义，通过对情景进行表达，最终构建情景分析基础上的应急路径选择模型。结合Zhong和Liu提出的α关键路的思想［19］，我们用σ表示决策者的需求的可能性置信水平，用{∏(i，j)∈Arc(θijS/m，θ珋ijmax)xijθmax}表示在每个路段随机?
【参考文献】：
期刊论文
[1]基于模糊神经网络的应急物流最优路径选择[J]. 李博文,余博,杨晓明. 物流技术. 2009(12)
[2]重大研究计划“非常规突发事件应急管理研究”的科学背景、目标与组织管理[J]. 韩智勇,翁文国,张维,杨列勋. 中国科学基金. 2009(04)
[3]随机时变网络下的应急路径选择研究[J]. 魏航,魏洁. 系统工程学报. 2009(01)
[4]考虑路线复杂度的应急疏散双目标路径选择模型[J]. 袁媛,汪定伟,蒋忠中,盛莹. 运筹与管理. 2008(05)
[5]基于灰色理论的应急物流最优路径选择[J]. 邹志云,宋程,虢向阳. 物流技术. 2008(01)
[6]突发灾害下可靠路径搜索模型与算法[J]. 缪成,吴启迪,许维胜. 计算机工程与应用. 2007(28)
[7]情景分析法在交通规划中的应用研究[J]. 余艳春,邵春福,董威. 武汉理工大学学报(交通科学与工程版). 2007(02)
[8]研发团队激励机制设计的情景分析[J]. 王端旭. 科研管理. 2006(06)
[9]应急模糊网络系统最大满意度路径的选取[J]. 刘春林,何建敏,盛昭瀚. 自动化学报. 2000(05)
[10]情景分析方法中的交叉影响分析[J]. 金毓渝. 上海海运学院学报. 1993(01)
本文编号：3112897
本文链接：https://www.wllwen.com/projectlw/xtxlw/3112897.html
