考虑风险分布特征的危险品运输路径优化（双语出版）

为控制危险品运输风险大小并提高风险分布合理性,兼顾运输商的利益诉求,对多种类型危险品在同一路网内运输时的多路径组合优化问题进行研究。首先根据运输路径物理特征,结合路段风险值给出路径间的物理相异度计算方法,并根据各路段在路网内的地理位置,给出路径间的空间相异度计算方法;然后设置总风险阈值和最小相异度约束,建立同时考虑累积运输风险、运输费用和运输时间的多目标优化模型,改进第2代非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ）对模型求解,利用动态拥挤距离来提高群体中个体分布的均匀性;最后通过随机网格网络算例对多种类型危险品在不同起讫点间单次、多次运输场景下的路径选择进行仿真优化,并利用实际路网数据对优化方法的可行性进行验证。结果表明：设置危险品运输路径之间的相异度约束,可减少共用路段/节点数量,避免运输风险在局部区域内过度集中;适当增加累积运输风险,有利于提高路径之间的物理相异度和空间相异度,使运输风险的分布更为分散,同时扩大了运输商的路径优化空间。研究结果可为政府部门对危险品运输风险控制及风险分布管理提供新的方法,为运输商的路径选择提供决策支持。     

考虑风险分布特征的危险品运输路径优化

为控制危险品运输风险大小并提高风险分布合理性,兼顾运输商的利益诉求,对多种类型危险品在同一路网内运输时的多路径组合优化问题进行研究。首先根据运输路径物理特征,结合路段风险值给出路径间的物理相异度计算方法,并根据各路段在路网内的地理位置,给出路径间的空间相异度计算方法;然后设置总风险阈值和最小相异度约束,建立同时考虑累积运输风险、运输费用和运输时间的多目标优化模型,改进第2代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)对模型求解,利用动态拥挤距离来提高群体中个体分布的均匀性;最后通过随机网格网络算例对多种类型危险品在不同起讫点间单次、多次运输场景下的路径选择进行仿真优化,并利用实际路网数据对优化方法的可行性进行验证。结果表明:设置危险品运输路径之间的相异度约束,可减少共用路段/节点数量,避免运输风险在局部区域内过度集中;适当增加累积运输风险,有利于提高路径之间的物理相异度和空间相异度,使运输风险的分布更为分散,同时扩大了运输商的路径优化空间。研究结果可为政府部门对危险品运输风险控制及风险分布管理提供新的方法,为运输商的路径选择提供决策支持。     

基于博弈论的危险品运输网络选线

针对运输路段交通事故概率未知的情况,提出同时考虑运输成本和风险的危险品运输网络选线模型,以降低危险品运输事故对沿线居民和周围环境的影响。考虑发生交通事故后有毒气体泄漏的二次事故,对事故后果进行量化,界定为气体覆盖范围内的受影响人数;考虑在实际运输过程中路段的复杂性,采用最短路径算法选取运输成本较低的若干条备选路径,对运输路网进行简化;假设事故由袭击方制造且运输方对多条路径进行组合使用,以运输风险最小为目标,建立基于零和博弈理论的复合选线模型;采用启发式算法对模型进行求解,获得运输方对各条备选路径的选择概率,构成复合选线策略。以上海市道路网液氯运输选线问题作为典型案例,验证复合选线模型的有效性,并将模型得到的复合选线策略与最优单一选线策略的结果进行对比分析。结果表明：复合选线策略的期望受影响人数为184人,而单选线策略的期望受影响人数为374人;复合选线模型能够很好地解决危险品运输路段概率未知的问题,并能很好地指导实际危险品运输,且在降低运输风险方面效果优于单一选线策略;最短路径算法的运用能有效限制运输路径的长度,有利于节约运输成本;启发式算法的运行时间较短,在适当控制备选路径数量的前提下,可以用于更大规模路网下的运输选线工作。     

城市危险品道路运输网络的设计和分析

为了更好地研究道路危险品运输网络的拓扑特性,通过分析危险品道路运输路径选择模型特点和所面临的问题,建立了适用于危险品道路运输网络的、规范的、准确的一套体系和标准。以成都市为例,使用Arc GIS和Matlab软件初步设计和建立了道路危险品运输拓扑网络,统计了相关拓扑基础数据,并仿真生成相同规模的随机拓扑网络。对比发现:成都市危险品道路运输拓扑网络具有随机网络特性,主要表现为节点度频次分布服从泊松分布。分别通过线性拟合、高斯拟合、幂律拟合,以拟合优度值选择发现:节点度累积概率分布服从泊松分布;节点度分布中的主要集中节点度为2~4,平均节点度为2.968 2。这些表现特征可为危险品运输相关政府部门、运输公司提供危险品道路运输网络设计相关的科学有效方法。     

基于风险价值的危险品运输路径优化方法

考虑危险品事故发生概率和事故后果等主要因素,研究了危险品运输路径优化设计问题.通过分析不同危险值计算模型的性能特点,选用TR模型计算危险品运输的危险值,通过设定必要限制条件对KSP最短路径搜索算法进行改进,建立危险品运输最短路径集;考虑危险品运输事故发生概率受到多因素影响,具有一定的随机性和不确定性,引入金融领域用于风险管控制的风险价值理论,构建危险品运输路径风险价值模型,求解危险品运输网络在某置信水平下的最小风险值,从而提出了基于风险价值的危险品运输路径优化设计方法,并以长春市加油站为实例进行了模型检验和对比分析.结果表明:①随着置信水平的提高,对应的VaR值也在提高,最佳路径也会有所不同;②当置信水平在[0.9950,1.0000]时,最佳路径为路径6,此时不仅保证了路径最短,也保证了在可接受水平内的危险最小;③与传统最短路径模型相比,所建立危险价值模型能够不同置信水平下的危险路径选择方案,能有效降低运输危险.      

避免重大事故的危险品道路运输网络研究

通过对危险品道路运输网络双层约束条件的分析,考虑避免危险品在运输过程中发生重大事故,建立了上层以监管部门期望的总影响后果最小化及影响后果均衡为目标函数、下层以运输企业期望的加权运输成本和风险损失最小化为目标函数的双层规划模型,兼顾双方不同的利益,并设计启发式算法进行求解,最后利用算例验证了模型和算法的可行性。     

多分辨率视角下危险品事故风险评估方法

从区域宏观风险与路径事故风险的双重视角,科学评估危险品事故风险,对于危险品运输行业管理与事故应急管理具有重要价值.通过建立风险特征-风险影响因子-事故风险的分析框架,充分考虑单位面积人口数对地区事故风险的影响以及路径总长度和运输总时长对路径事故风险的影响,建立地区事故风险和路径事故风险识别方法,从危险品数量、事故风险2个维度构建危险品事故风险的多分辨率评估模型;利用电子运单数据结合空间分析方法,计算危险品的县域事故风险及路径事故风险.运用某地危险品公路运输电子运单数据进行实例评估,验证结果表明,该方法可评估多种视角下危险品事故风险,识别出高事故风险县域和路径,并具有与专项运输规划、突发事件应急预案等制度相结合的潜力.      

危险品道路运输网络风险-成本综合优化研究

危险品道路运输具有双层特性,即风险和成本,在危险品道路运输网络规划中纳入该特性,并将影响其的因素细化为:运输距离、道路事故概率、道路上人口暴露、道路附近人口暴露、财产损失、环境污染和应急响应效率。利用层次分析法为上述因素进行了量化评定,计算出相关权重。建立了以政府需求的最小风险为上层目标函数、企业需求的最小成本为下层目标函数的危险品运输道路网络的双层规划模型。采用遗传算法,以Matlab为平台编写算法程序对模型进行求解。实例分析表明,利用遗传算法对双层规划模型求解,能够在危险品运输道路网络中迅速地搜索到一条同时满足风险与成本综合最小的路线,完成危险品运输道路网络风险与成本的综合优化。     

危险品运输车辆车型、轴载及运载容器形式分析

如果道路危险品运输车辆发生事故或失控后撞击路侧安全设施时得不到有效阻止,将会冲出路外,继而造成难以预料的严重后果,故重点路段的安全设施需针对危险品运输车辆进行特殊设计。文中通过在四川省及重庆市的多条公路上开展危险品运输车辆调查,得到车辆结构、装载容器形式和总轴重(车辆总重)数据,根据调查数据进行统计分析,确定了代表性的危险品运输车辆类型及每种类型车辆的设计轴重,为重点路段路侧安全设施的特殊设计提供防护对象的特性参数和控制依据。     

危险品公路运输安全保障关键技术研究进展

危险品公路运输事故突发性强,给交通运营安全带来巨大风险.根据危险品公路运输过程安全关键技术的研究内容,分别梳理了危险品运输事故致灾机理、运输风险评价、运输路径优化、智能应急防控等国内外研究进展,并做了总结归纳;通过总结相关研究理论方法和计算模型,提出针对运输过程车-路-环协同智能防控的系统架构.随着智慧交通技术不断推广,危险品运输的安全智能防控技术将成为未来的研究重点,根据运输过程中的环境、车辆、路况等数据信息融合后进行危险事故状态预判,在事故发生前及时做出预警及主动防控,有效保障运输安全,因此新兴通信技术的应用将全面提升危险品公路运输的安全保障能力.      

基于非线性双层规划的货运网络分配模型

采用非线性双层规划理论构建多式联运货运网络分配模型，模型同时考虑了货物运输应该优先保证货主的利益，以及运输时间、成本的改变对货主决策的影响。根据服务对象的不同引入两个相关联的网络概念——运输网络和集计网络，上层为货主在集计网络上确定各种联运方案的货运量，实现集计网络流量的用户均衡，在进行决策时必须考虑下层承运者的路线选择所引起的路网流量的改变；下层为承运者根据上层的决策在其运输子网络中进行路线选择，实现运输子网络流量的系统均衡，并给出其求解算法实例。模型模拟了货主和承运者的实际决策行为及其相互影响关系，解决了货主和承运者决策分离的问题.     

随机交通网络中依赖信息的路径优化问题研究

针对交通网络中路径通行时间具有与时间相关的随机分布特性，将研究在此类交通网络上依赖信息的路径选择问题。在路径选择过程中引入交通信息，在随机交通网络上最优路径选择原则为下一节点的选择将依赖于已实现的路段时间及当前节点的出发时间，通过期望最小值方法，按照路径通行时间期望值最小原则，建立一种通过所获得交通信息来进行路径选择的优化模型，给出了模型的求解算法。并在简单交通网络上对模型进行实现。     

Modeling arterial travel time distribution by accounting for link correlations: a copula-based approach

The estimation of urban arterial travel time distribution (TTD) is critical to help implement Intelligent Transportation Systems (ITS) and provide travelers with timely and reliable route guidance. The state-of-practice procedure for arterial TTD estimation commonly assumes that the path travel time follows a certain distribution without considering link correlations. However, this approach appears inappropriate since travel times on successive links are essentially dependent along signalized arterials. In this study, a copula-based approach is proposed to model arterial TTD by accounting for spatial link correlations. First, TTDs on consecutive links along one arterial in Hangzhou, China are investigated. Link TTDs are estimated through the nonparametric kernel smoothing method. Link correlations are analyzed in both unfavorable and favorable coordination cases. Then, Gaussian copula models are introduced to model the dependent structure between link TTDs. The parameters of Gaussian copula are obtained by Maximum-Likelihood Estimation (MLE). Next, path TTDs covering consecutive links are estimated based on the estimated copula models. The results demonstrate the advantage of the proposed copula-based approach, compared with the convolution without capturing link correlations and the empirical distribution fitting methods in both unfavorable and favorable coordination cases.     

基于影响因素可靠度的改进OD反推算法

通过4组测试方案，采用敏感性分析、数理统计分析方法分析了先验矩阵总量、分布结构以及观测OD对数量对OD反推结果的影响程度；提出了考虑先验矩阵和观测路段流量可靠度的改进极大熵算法。研究结果表明：先验矩阵总量基本不影响OD反推结果；先验矩阵分布结构决定着反推结果的准确性；OD反推要求观测路段包含所有OD对，且OD对数量越多，反推结果越准确，基本不会出现OD信息冗余；在反推过程中考虑先验矩阵和观测路段流量可靠度，有助于提高反推精度。     

基于遗传算法求解的危险品道路运输线路优化双层规划模型

危险品道路运输网络设计问题是各国政府监管部门非常重视的问题。通过对危险品运输网络设计双重约束特性的分析,以及对不同危险品运输网络设计方法进行比较,建立起一个双层规划模型,兼顾政府与运输者双方不同的利益目标。结合网络设计问题的要求,研究了危险品道路运输网络双层规划设计问题的遗传算法。通过实例分析,结果表明双层规划是求解危险品道路运输网络设计问题的优秀方法之一,同时遗传算法能产生稳定的最优解。     

观测路径出行时间下随机网络交通需求估计

道路网络起讫点（OD）需求是城市决策长期交通规划和短期交通管理中的基础参数,准确的交通需求更是实施交通拥堵控制、限行限速、路径诱导等措施的先决条件。综合运用观测的轨迹已知和未知路径出行时间,建立随机网络交通需求估计双层规划模型。上层广义最小二乘模型最小化历史交通需求与待估交通需求、观测路径出行时间与待估路径出行时间之间的偏差,约束为交通需求、路段流量、路段出行时间与路径出行时间之间的传播关系,通过高斯混合模型（GMM）对其中轨迹未知的观测出行时间依概率聚类。下层为随机网络交通出行均衡模型,分别运用出行时间预算和随机用户均衡处理路网不确定性和出行者感知误差。上、下层之间通过交通需求和OD-路段关联比例进行信息传递。设计迭代算法框架求解双层规划模型,迭代算法包含求解上层模型的最速下降法、求解下层模型的相继平均算法和求解GMM模型的最大期望（EM）算法。通过算例表明轨迹未知的路径出行信息的加入在提升需求估计精度的同时也增大了估计值的方差;设计的迭代算法能够稳定收敛到10^-5的精度;GMM软聚类方法估计的交通需求显著优于硬聚类方法估计的需求值;交通需求值对观测路径出行时间的扰动更加敏感。研究考虑出行者风险态度,通过轨迹信息的重新构建揭示城市交通需求演化规律。     

部分控制交通网络的流量分配问题及模型

为了研究由于交通控制设备资源有限,只有部分节点受到控制时交通流在路网上的分配,讨论了交通分配的一般准则和方法,并通过对出行者在控制节点和未控制节点的路径选择行为的假设,建立了混合交通配流模型。模型的最优状态为,出行者在未控制节点处都是选择从该节点到达终点路段综合费用最小的路段,而在控制节点处完全服从控制策略的引导选择路径。研究表明,当所有节点都被控制时,模型等价于SO模型;当所有节点都不受控制时,模型等价于UE模型。用一个简单的路网进行算例分析,说明了模型的可行性和合理性。     

大数据背景下的路径选择行为建模

路径选择建模的主要任务是基于合理假设，定量分析交通参与者的路径选择行为，并估计和预测交通参与者对交通网络的使用情况。基于此，全面总结路径选择建模的研究现状，介绍各种出行数据的特点，阐释常见的选择集生成方法，对文献中提出的众多离散选择模型进行归类和讨论，对比模型估计的2类主要方法，并展望机器学习在路径选择建模中的广阔前景。研究结果表明：随着交通感知技术的全息化发展，在海量车辆轨迹数据的支撑下，路径选择研究取得了全方位的进步；路径选择模型可分为基于路径和基于路段的模型，前者以路径为基本选项，从通过确定性或随机性方法生成的选择集中选择路径，包括多项Logit （MNL）模型以及更先进的MNL修正模型、广义极值（GEV）模型、混合Logit模型和非GEV分布模型，后者以路段为基本选项，动态地求解路径选择问题，无需生成选择集，包括各种递归Logit模型；路径选择模型的参数估计可使用有标签数据或无标签数据，前者通过地图匹配在交通网络中重构出真实路径，后者则依概率考虑一系列可能的路径。近年来，基于机器学习的路径选择模型因具有更优的预测性能而受到广泛关注。在未来的路径选择研究中，应进一步结合离散选择模型和机器学习模型，使两者优势互补。