CN115130781B - 一种计算城市水灾下的人员最短撤离路径方法 - Google Patents

一种计算城市水灾下的人员最短撤离路径方法 Download PDF

Info

Publication number
CN115130781B
CN115130781B CN202210893388.7A CN202210893388A CN115130781B CN 115130781 B CN115130781 B CN 115130781B CN 202210893388 A CN202210893388 A CN 202210893388A CN 115130781 B CN115130781 B CN 115130781B
Authority
CN
China
Prior art keywords
road
shortest
time
node
evacuation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210893388.7A
Other languages
English (en)
Other versions
CN115130781A (zh
Inventor
聂闻
朱洋
原粲茗
骆明华
韩信
谢伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sinosteel Maanshan General Institute of Mining Research Co Ltd
Original Assignee
Sinosteel Maanshan General Institute of Mining Research Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sinosteel Maanshan General Institute of Mining Research Co Ltd filed Critical Sinosteel Maanshan General Institute of Mining Research Co Ltd
Priority to CN202210893388.7A priority Critical patent/CN115130781B/zh
Publication of CN115130781A publication Critical patent/CN115130781A/zh
Application granted granted Critical
Publication of CN115130781B publication Critical patent/CN115130781B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种计算城市水灾下的人员最短撤离路径方法，包括：基于城市淹没范围生成道路节点矩阵，基于淹没范围和人群密度选取出发点和安全点；将道路节点矩阵中的道路节点划分为已访问道路节点集合和未访问道路节点集合；基于出发点遍历到达周围邻接节点的实际时间，选择所述实际时间最短的道路节点作为经过节点；重复查找当前经过节点未访问过的邻接节点，选择最短实际时间，直到扩展到安全点为止，基于获取的每段最短路径组成获取人员最短撤离路径。本发明基于Dijkstra算法，求解得到淹没区域内人员撤离到安全点的最短路径，可以准确求解路网中任一道路节点人员的最短撤离路线，使泄洪、溃坝的预警时间增加，群众撤离时间缩短。

Description

一种计算城市水灾下的人员最短撤离路径方法
技术领域
本发明属于城市水灾人员撤离能力评估领域，特别是涉及一种计算城市水灾下的人员最短撤离路径方法。
背景技术
在城市居民生活中，降雨、降雪、台风等极端恶劣天气会影响我们的日常生活，当面临百年一遇甚至千年一遇的降雨等极端天气情况时，会造成低洼地区的淹没，如果人员无法及时撤离出淹没区域，在面临持续上涨的洪水时，生命会受到威胁甚至会失去生命。
对于城市水灾人员疏散模型的研究相对较少，在现有对于城市水灾人员疏散模型研究中，李伟超等人使用8联通搜索算法对洪水淹没区域进行人员撤离模拟，并在ArcGIS平台上仿真，效果接近实际。周越等人在避灾路径中提出了时间当量长度的概念。康宁对煤矿井下应急路径规划进行研究，使用改进连接表改进Dijkstra算法。何梦男等人使用元胞自动机对单人撤离路线进行优化。现有研究大多针对小面积，平面化的撤离场景，缺乏宏观性与实际性。
发明内容
本发明的目的是提供一种计算城市水灾下的人员最短撤离路径方法，以解决上述现有技术存在的问题。
为实现上述目的，本发明提供了一种计算城市水灾下的人员最短撤离路径方法，包括以下步骤：
基于城市淹没范围生成道路节点矩阵，基于淹没范围和人群密度选取出发点和安全点；
将所述道路节点矩阵中的道路节点划分为已访问道路节点集合和未访问道路节点集合；其中，所述已访问道路节点集合初始时仅包括出发点；
基于所述出发点遍历到达周围邻接节点的实际时间，选择所述实际时间最短的道路节点作为经过节点；
重复查找当前经过节点未访问过的邻接节点，选择最短实际时间，直到扩展到安全点为止，基于获取的每段最短路径组成获取人员最短撤离路径。
可选地，基于城市淹没范围生成道路节点矩阵的过程中，将淹没范围下的不同道路表述为[Vi，Vj]，其中，i，j＝1，2...n。
可选地，将所述道路节点矩阵中的道路节点划分为已访问道路节点和未访问道路节点的过程后：
基于分组后的道路节点生成时间矩阵；
基于所述时间矩阵获取淹没范围内单条道路的实际通过时间，将不相连的道路节点进行标记。
可选地，基于所述出发点遍历到达周围邻接节点的实际时间的过程包括：
将未考虑道路因素下的正常步行速度受到道路因素的约束，获取当前道路的实际通行时间；
定义Tij为所求的通过单条道路[Vi，Vj]的实际时间；为不考虑道路情况下的通过单条道路[Vi，Vj]的实际时间，则/>
其中，i，j表示道路节点，为道路坡度，/>为当前道路上的行人密度，/>分别表示道路宽度与非机动车道宽度，/>表示行人步行时受到道路约束条件下的成本函数。
可选地，重复查找当前经过节点未访问过的邻接节点的过程还包括：查询是否存在坡度过大或拥堵的道路。
可选地，当不存在坡度过大或拥堵的道路时，执行以下步骤：
S1.访问所述未访问道路节点集合，获取所述未访问道路节点集合中的单条道路的实际通过时间并加入所述已访问道路节点集合，使所述已访问道路节点集合中到达各个顶点的长度不大于所述未访问道路节点集合中到达各个顶点的长度；
S2.生成撤离时间集合，基于所述撤离时间集合计算撤离总时间；
S3.将坡度过大以及拥堵道路所对应的实际通过时间进行标记，重新执行S1。
可选地，当存在坡度过大或拥堵的道路时，则直接执行步骤S3。
可选地，步骤S2的过程中包括：
设在淹没范围中的安全点唯一，撤离总时间T为：
其中，i＝(0,1,2,...，n-1)，j＝(1,2,...,n)。
本发明的技术效果为：
本发明提出了一种计算城市水灾情景下的人员最短撤离路径方法，基于Dijkstra算法，求解得到淹没区域内人员撤离到安全点的最短路径，且可以准确地求解出路网中任一道路节点人员的最短撤离路线。很大程度改善了以往凭借经验选取最短路径的习惯，极大地降低了撤离时间计算的工作量，为城市决策者提供最佳逃生路线规划，符合城市居民的实际撤离路线。本发明提供了工业应用等级的算法，使得水库泄洪、溃坝的预警时间增加，群众撤离时间缩短，泄洪时得以拯救更多群众的生命。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例中的时间存储矩阵图，其中(a)为撤离路线示意图，(b)为道路时间存储矩阵图；
图2为本发明实施例中的降雨50年一遇的城市淹没范围下的时间矩阵图；
图3为本发明实施例中的20年一遇降雨下的淹没范围与算法提升率图，其中(a)为20年一遇降雨下的淹没范围图，(b)为20年一遇降雨的算法提升率图；
图4为本发明实施例中的50年一遇降雨下的淹没范围与算法提升率图，其中(a)为50年一遇降雨下的淹没范围图，(b)为50年一遇降雨的算法提升率图；
图5为本发明实施例中的100年一遇降雨下的淹没范围与算法提升率图，其中(a)为100年一遇降雨下的淹没范围图，(b)为100年一遇降雨的算法提升率图；
图6为本发明实施例中的计算城市水灾下的人员最短撤离路径计算方法流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1-6所示，本实施例中提供一种计算城市水灾下的人员最短撤离路径方法，包括：
本发明将城市疏散理论与居民实际疏散过程相结合，利用道路因素下的成本函数对Dijkstra算法进行路径优化，提供了一种基于成本函数下的城市人员应急逃生最短路径求解方法。
利用多元回归函数计算道路的成本函数，
设y为因变量，x1，x2，…，xk为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为：y＝b0+b1x1+b2x2+…+bkxk+e
当求解多元回归模型的回归系数时，以二元线性回归模型为例，求解参数的方程组为：
解此方程可求得b0，b1，b2的数值。通过系数方程的构建，最终可以计算出道路成本函数各个道路因素对应的方程系数。
Dijkstra算法的基本思想为：
1)将所有道路节点V分为互补的两组集合S和U；
2)S为已经求出的顶点集合，初始时S中只包含出发点V0；
3)从集合U中依次寻找Vi加入集合S中，使得V0到S中各个顶点的长度都不大于V0到U中各个顶点的长度；
4)重复步骤三直至扩展到终点。
以1个安全点，402个道路节点为例，定义求解参数：
行人的平均速度受限于不同的道路条件，多种道路因素共同限制行人速度，对行人密度、道路宽度和非机动车道宽度影响行人速度分析得二维道路下的成本函数为在考虑道路因素的情况下，将平面情况下的道路转化为三维情况下的道路，需要将坡度的情况考虑进入，从而可以算出三维道路下的通行速度，坡度成本函数为综上，在考虑一条道路的成本函数下的通行时间为/>撤离总时间为：/>
以50年一遇的淹没范围为背景，对各个蓝色范围内的道路节点统计分析，各个道路节点构造的时间矩阵为402*402维，对于坡度大于15度或小于15度以及常年发生拥堵的道路，通行的时间定义为+∞。此外不相邻的道路节点间的通行时间也定义为+∞。
依据人口居民密度的分布，在淹没区内选择了9个不同的出发点(黄色)，这些出发点均匀分布于淹没区内，安全点为国光中学(红色点)。每两个相互连接的道路节点间的通行时间通过道路长度、通行时间与成本函数计算。采用Dijkstra算法，以出发点1为例，将402个道路节点分为互补的两组集合S和U，S为已经求出的道路节点的集合，初始时S中只包含出发点1。依据相邻节点间的距离与/>生成时间矩阵，/>表示行人步行时受到道路约束条件下的成本函数。部分结果如图二所示。
对于坡度过大以及道路拥堵的道路，对应的Tij更改为+∞，从集合U＝(2，3，…，402)中依次寻找Tij加入集合S＝(1)中，使得出发点1到S中各个顶点的长度都不大于出发点1到U中各个顶点的长度，重复查找未访问过的顶点的邻接节点，直到扩展到安全点国光中学为止。
计算道路通行时间的集合，撤离总时间T为： 使用未经优化的Dijkstra算法下的撤离时间为2807.42秒，使用考虑道路因素下的三维Dijkstra算法下的撤离时间为2842.81秒，共节约35.39秒，撤离效率提高了1.26％。本发明编程与计算过程中所使用的软件为Python。
除50年一遇降雨量下的淹没范围外，本发明还研究了两种降雨量下的淹没区：20年一遇降雨和100年一遇降雨，出发点和安全点与50年一遇降雨的情况相同。节约时间为三维Dijkstra优化算法与未经优化的Dijkstra算法的撤离时间差值，提升率为优化后的算法相比未经优化的算法提高的效率。通过对九个出发点到达安全点的研究，20年一遇、50年一遇与100年一遇下淹没范围内的人员撤离时间的总体趋势为，出发点距离安全点越远，该区域前往安全点所节约的时间越长，提升率越高。此外，随着淹没区域增加，道路线路增多，道路因素更加复杂，某些出发点提升效果显著，且总体节约时间和提升率普遍提高。在100年一遇的降雨条件下，此区域中的人员提升率最高，最高可节约696.23秒，撤离效率提升17.78％。对于20年一遇和50年一遇的降雨条件下，两种情况下的人员撤离效率最大也可分别提高7.59％和11.78％。
本发明设计的三维Dijkstra优化算法可以实现在规划的淹没范围中，在成本函数的条件下计算出任意两点间的实际通行时间，并通过验证表明三维Dijkstra优化算法具有实际的提升撤离效率的作用。将此算法推广，即任何一个非负有向图设置起点与终点，在考虑道路信息的成本函数后，便可以通过算法求出起点与终点间的时间矩阵，通过时间矩阵对应的信息，从而确定撤离效率最高的撤离道路。
本实施例提出的优化算法可以在获取极端天气预警的信息下，高效有序的提前撤离淹没区的人员，进行水库下游城市提前大规模实际路网的最短路径撤离路线规划，并为城市决策者提供最佳逃生路线决策建议辅助。当此发明应用于洪灾预警中，可以使更多人员提前撤离到安全区域，对于城市居民撤离的规划具有重大的理论价值和社会意义。
以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.一种计算城市水灾下的人员最短撤离路径方法，其特征在于，包括以下步骤：
基于城市淹没范围生成道路节点矩阵，基于淹没范围和人群密度选取出发点和安全点；
将所述道路节点矩阵中的道路节点划分为已访问道路节点集合和未访问道路节点集合；其中，所述已访问道路节点集合初始时仅包括出发点；
基于所述出发点遍历到达周围邻接节点的实际时间，选择所述实际时间最短的道路节点作为经过节点；
重复查找当前经过节点未访问过的邻接节点，选择最短实际时间，直到扩展到安全点为止，基于获取的每段最短路径组成获取人员最短撤离路径；
基于所述出发点遍历到达周围邻接节点的实际时间的过程包括：
将未考虑道路因素下的正常步行速度受到道路因素的约束，获取当前道路的实际通行时间；
定义Tij为所求的通过单条道路[Vi,Vj]的实际时间；为不考虑道路情况下的通过单条道路[Vi,Vj]的实际时间，则/>
其中，i，j表示道路节点，为道路坡度，/>为当前道路上的行人密度，/>分别表示道路宽度与非机动车道宽度，/>表示行人步行时受到道路约束条件下的成本函数。
2.根据权利要求1所述的计算城市水灾下的人员最短撤离路径方法，其特征在于，基于城市淹没范围生成道路节点矩阵的过程中，将淹没范围下的不同道路表述为[Vi,Vj]，其中，i，j＝1,2...n。
3.根据权利要求1所述的计算城市水灾下的人员最短撤离路径方法，其特征在于，将所述道路节点矩阵中的道路节点划分为已访问道路节点和未访问道路节点的过程后：
基于分组后的道路节点生成时间矩阵；
基于所述时间矩阵获取淹没范围内单条道路的实际通过时间，将不相连的道路节点进行标记。
4.根据权利要求1所述的计算城市水灾下的人员最短撤离路径方法，其特征在于，重复查找当前经过节点未访问过的邻接节点的过程还包括：查询是否存在坡度过大或拥堵的道路。
5.根据权利要求4所述的计算城市水灾下的人员最短撤离路径方法，其特征在于，当不存在坡度过大或拥堵的道路时，执行以下步骤：
S1.访问所述未访问道路节点集合，获取所述未访问道路节点集合中的单条道路的实际通过时间并加入所述已访问道路节点集合，使所述已访问道路节点集合中到达各个顶点的长度不大于所述未访问道路节点集合中到达各个顶点的长度；
S2.生成撤离时间集合，基于所述撤离时间集合计算撤离总时间；
S3.将坡度过大以及拥堵道路所对应的实际通过时间进行标记，重新执行S1。
6.根据权利要求5所述的计算城市水灾下的人员最短撤离路径方法，其特征在于，当存在坡度过大或拥堵的道路时，则直接执行步骤S3。
7.根据权利要求5所述的计算城市水灾下的人员最短撤离路径方法，其特征在于，步骤S2的过程中包括：
设在淹没范围中的安全点唯一，撤离总时间T为：
其中，i＝(0,1,2,...，n-1)，j＝(1,2,...,n)。
CN202210893388.7A 2022-07-27 2022-07-27 一种计算城市水灾下的人员最短撤离路径方法 Active CN115130781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210893388.7A CN115130781B (zh) 2022-07-27 2022-07-27 一种计算城市水灾下的人员最短撤离路径方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210893388.7A CN115130781B (zh) 2022-07-27 2022-07-27 一种计算城市水灾下的人员最短撤离路径方法

Publications (2)

Publication Number Publication Date
CN115130781A CN115130781A (zh) 2022-09-30
CN115130781B true CN115130781B (zh) 2023-12-01

Family

ID=83385244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210893388.7A Active CN115130781B (zh) 2022-07-27 2022-07-27 一种计算城市水灾下的人员最短撤离路径方法

Country Status (1)

Country Link
CN (1) CN115130781B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007061264A1 (en) * 2005-11-28 2007-05-31 Yeong-Geun Ryu Reducing method of shortest path searching area and calculating method of minimal expecting load and method of searching shortest path
WO2011133016A2 (en) * 2010-04-20 2011-10-27 Dr Ir Tee Clarence Augustine Teck Huo Junction adaptive reactive routing (jarr) protocol for vehicular ad-hoc networks in a city environment [1-3].
CN104331750A (zh) * 2014-10-30 2015-02-04 国网上海市电力公司 一种基于Dijkstra算法的最优逃生路径获取方法
CN106096783A (zh) * 2016-06-13 2016-11-09 Tcl集团股份有限公司 一种基于Dijkstra的路径优化方法及其***
CN106403976A (zh) * 2016-08-30 2017-02-15 哈尔滨航天恒星数据***科技有限公司 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及***
CN110119839A (zh) * 2019-04-24 2019-08-13 华南理工大学 一种城市道路交通事故应急救援路径规划方法
CN110298518A (zh) * 2019-07-09 2019-10-01 四川三秦电气有限责任公司 一种火灾救援路线规划方法
CN110533232A (zh) * 2019-08-15 2019-12-03 哈尔滨工程大学 一种计算客船人员最短撤离路径的方法
CN112071060A (zh) * 2020-08-27 2020-12-11 华南理工大学 一种基于城市路网交通环境变化的应急救援路径规划方法
CN112523798A (zh) * 2020-12-14 2021-03-19 中国矿业大学(北京) 一种矿井突水应急逃生方法及其设备
CN113723655A (zh) * 2020-12-31 2021-11-30 京东城市(北京)数字科技有限公司 路径获取方法、装置、电子设备和存储介质
CN114021374A (zh) * 2021-11-16 2022-02-08 江苏海洋大学 一种最短路径算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200241541A1 (en) * 2019-01-28 2020-07-30 GM Global Technology Operations LLC System and method of an algorithmic solution to generate a smooth vehicle velocity trajectory for an autonomous vehicle with spatial speed constraints

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007061264A1 (en) * 2005-11-28 2007-05-31 Yeong-Geun Ryu Reducing method of shortest path searching area and calculating method of minimal expecting load and method of searching shortest path
WO2011133016A2 (en) * 2010-04-20 2011-10-27 Dr Ir Tee Clarence Augustine Teck Huo Junction adaptive reactive routing (jarr) protocol for vehicular ad-hoc networks in a city environment [1-3].
CN104331750A (zh) * 2014-10-30 2015-02-04 国网上海市电力公司 一种基于Dijkstra算法的最优逃生路径获取方法
CN106096783A (zh) * 2016-06-13 2016-11-09 Tcl集团股份有限公司 一种基于Dijkstra的路径优化方法及其***
CN106403976A (zh) * 2016-08-30 2017-02-15 哈尔滨航天恒星数据***科技有限公司 一种基于阻抗匹配的Dijkstra最优交通路径规划方法及***
CN110119839A (zh) * 2019-04-24 2019-08-13 华南理工大学 一种城市道路交通事故应急救援路径规划方法
CN110298518A (zh) * 2019-07-09 2019-10-01 四川三秦电气有限责任公司 一种火灾救援路线规划方法
CN110533232A (zh) * 2019-08-15 2019-12-03 哈尔滨工程大学 一种计算客船人员最短撤离路径的方法
CN112071060A (zh) * 2020-08-27 2020-12-11 华南理工大学 一种基于城市路网交通环境变化的应急救援路径规划方法
CN112523798A (zh) * 2020-12-14 2021-03-19 中国矿业大学(北京) 一种矿井突水应急逃生方法及其设备
CN113723655A (zh) * 2020-12-31 2021-11-30 京东城市(北京)数字科技有限公司 路径获取方法、装置、电子设备和存储介质
CN114021374A (zh) * 2021-11-16 2022-02-08 江苏海洋大学 一种最短路径算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
双层智能优化算法求解时变网络最短路径问题;陈亮;卢厚清;;装备学院学报(第01期);全文 *
陈亮 ; 卢厚清 ; .双层智能优化算法求解时变网络最短路径问题.装备学院学报.2016,(第01期),全文. *

Also Published As

Publication number Publication date
CN115130781A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
Church et al. Mapping evacuation risk on transportation networks using a spatial optimization model
Kim et al. Integrating travel demand modeling and flood hazard risk analysis for evacuation and sheltering
Barrett et al. Developing a dynamic traffic management modeling framework for hurricane evacuation
Nguyen et al. Toward a sustainable city of tomorrow: a hybrid Markov–Cellular Automata modeling for urban landscape evolution in the Hanoi city (Vietnam) during 1990–2030
Apivatanagul et al. Bi-level optimization for risk-based regional hurricane evacuation planning
CN110009906B (zh) 基于交通预测的动态路径规划方法
CN112556714B (zh) 一种消防灭火救援智能路径规划方法及***
Li et al. Modeling the traffic disruption caused by pluvial flash flood on intra‐urban road network
Wei et al. A knowledge-based problem solving method in GIS application
Morioka et al. City management platform using big data from people and traffic flows
KR102237927B1 (ko) 자율 주행 차량에 의한 도시의 토지 이용 변화 예측 방법
Mount et al. Towards an integrated and realtime wayfinding framework for flood events
CN112797997B (zh) 一种基于栅格路网的应急路径规划架构和方法
CN115130781B (zh) 一种计算城市水灾下的人员最短撤离路径方法
Nguyen et al. Simulation of emergency evacuation of pedestrians along the road networks in Nhatrang city
van der Grift et al. Restoring habitat connectivity across transport corridors: identifying high-priority locations for de-fragmentation with the use of an expert-based model
Li et al. Effectiveness of travel behavior and infrastructure change to mitigate heat exposure
Melo et al. A prototype tool for dynamic pluvial-flood emergency planning
Wolny et al. Challenges, opportunities and barriers to sustainable transport development in functional urban areas
CN113554221B (zh) 一种“流空间”视角下的城镇开发边界模拟预测方法
Yu [Retracted] Simulation and Application of Urban Road Landscape Based on Geographic Information Data
Benchelha et al. Modeling dynamic urban growth using cellular automata and geospatial technique: case of Casablanca in Morocco
Liu et al. A spatial analysis approach to evacuation management: shelter assignment and routing
Wassmer et al. Resilience of transportation infrastructure networks to road failures
Knyazkov et al. Towards a framework for simulation-based evaluation of personal decision support systems for flood evacuation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant