閆俊霞 王雙友 張明 張建峰

文章編號：2096-1472（2022）-02-18-04

DOI：10.19644/j.cnki.issn2096-1472.2022.002.005

摘? 要：道路中斷、可靠性差等路徑選擇問題從根本上影響了救援工作的效率，針對這一現(xiàn)狀，設(shè)計(jì)了基于MATLAB的應(yīng)急救援車輛最優(yōu)路徑模型。依托城市交通路網(wǎng)的數(shù)據(jù)，通過層次分析法確定影響應(yīng)急救援的因素，利用MATLAB蟻群算法結(jié)合ArcGIS平臺構(gòu)建城市路網(wǎng)要素，定位應(yīng)急設(shè)施及求解應(yīng)急救援車輛路徑優(yōu)化結(jié)果。通過實(shí)例分析改變要素信息時，救援路徑結(jié)果與效率的差別，客觀評估城市應(yīng)急救援能力，為城市交通救援車輛的路徑優(yōu)化提供可行性助力。

關(guān)鍵詞：應(yīng)急救援;蟻群算法;MATLAB;AHP

中圖分類號：TP274? ? ?文獻(xiàn)標(biāo)識碼：A

Research on Route Optimization of Rescue Vehicles in Urban Traffic Networking

YAN Junxia1， WANG Shuangyou2， ZHANG Ming1， ZHANG Jianfeng1

（1.Department of Geography， Handan College， Handan 056005， China;

2.School of Software， Handan College， Handan 056005， China）

yanyantougaogao@126.com; wsyhdc@163.com; 157186236@qq.com; zjfdlx@163.com

Abstract： Road interruptions， poor reliability and other route selection problems fundamentally affect rescue work efficiency. Aiming at these problems， this paper proposes to design an optimal route model for emergency rescue vehicles with MATLAB （Matrix & Laboratory）， based on data from urban traffic road network. Hierarchical analysis method is used to determine the factors affecting emergency rescue. MATLAB ant colony algorithm and ArcGIS platform are used to construct urban road network elements， emergency facility positioning and solving emergency rescue vehicle route optimization results. Through real case analysis， the proposed model can analyzes rescue route results and efficiency differences when changing the element information， objectively evaluate urban emergency rescue capacity， which provides feasibility for the route optimization of urban traffic rescue vehicle.

Keywords： emergency rescue; ant colony optimization algorithms; MATLAB; AHP

1? ?引言（Introduction）

近年來，世界各國突發(fā)事件頻發(fā)，造成巨大的經(jīng)濟(jì)損失與空前災(zāi)難，給應(yīng)急救援部門提出了巨大的挑戰(zhàn)。在事故發(fā)生時，救援隊(duì)伍的車輛路線信息不能快速合理地確定，導(dǎo)致貽誤了寶貴的救援時間，造成人員、財(cái)產(chǎn)的重大損失^[1]。應(yīng)急資源調(diào)度車輛路徑分析可以從整體上提高城市道路交通應(yīng)急救援的效率與應(yīng)急管理水平。應(yīng)急資源調(diào)度最優(yōu)路徑選擇將豐富道路應(yīng)急救援理論，應(yīng)用到應(yīng)急資源的調(diào)配方案決策中，得出正確判斷并綜合考慮阻抗因素建立道路權(quán)重，在最短時間內(nèi)確定救援路徑，使得應(yīng)急資源最快地到達(dá)救援現(xiàn)場，以減少因路徑選擇錯誤而耽誤的救援時間。本文以城市道路網(wǎng)絡(luò)應(yīng)急救援車輛管理為背景，利用蟻群算法、ArcGIS路網(wǎng)分析尋求最優(yōu)路徑結(jié)果，討論突發(fā)因素干擾下的最優(yōu)路徑分析，并通過案例分析救援車輛的最優(yōu)路線，建立基于GIS的實(shí)時、動態(tài)應(yīng)急路線調(diào)度，實(shí)現(xiàn)突發(fā)事件發(fā)生后的應(yīng)急救援車輛路線選擇。

2? 車輛路徑優(yōu)化方法（Vehicle routing optimization method）

2.1? ?蟻群算法的基本原理

蟻群算法屬于仿生優(yōu)化算法，可以通過螞蟻分泌的信息素來尋找路徑。當(dāng)時間發(fā)生變化時，信息素持續(xù)減弱甚至消失，出現(xiàn)信息素強(qiáng)度不同的路徑，螞蟻會選擇前面螞蟻所留下的信息素濃度較大的路徑行走，這樣螞蟻就不會隨機(jī)地選擇路徑，方便螞蟻找到食物所在地，最后得到一條到達(dá)食物所在地的最優(yōu)路徑^[2]。蟻群算法原理如圖1所示。

2.2? ?AHP分析法

通過AHP對應(yīng)急救援路徑進(jìn)行因子權(quán)重賦值。分析影響研究區(qū)城市交通應(yīng)急救援的因素，選取路徑距離、道路容量、交通狀態(tài)、路口停滯、天氣狀況五個影響因素為準(zhǔn)則層^[3]，目標(biāo)層為路徑權(quán)重Wi。各準(zhǔn)則層對于目標(biāo)層的權(quán)重為：W₁（路徑距離）、W₂（道路容量）、W₃（交通狀態(tài)）、W₄（路口停滯）、W₅（天氣狀況）。

3? ?案例分析（Case analysis）

3.1? ?研究區(qū)路網(wǎng)數(shù)據(jù)集的建立

對邯鄲市城市道路矢量化，研究區(qū)路網(wǎng)如圖2所示，顯示了各級路線要素，并保證路線的連通性。ArcGIS軟件拓?fù)涔ぞ呓Ⅻc(diǎn)要素，展示研究區(qū)道路相交節(jié)點(diǎn)。

構(gòu)建研究區(qū)醫(yī)院分布圖，選取研究區(qū)三級甲等醫(yī)院進(jìn)行標(biāo)注，如圖3所示。車禍?zhǔn)鹿拾l(fā)生點(diǎn)在邯鄲市聯(lián)紡西路與東柳大街交叉口，指揮中心派遣?？迫壖椎戎行尼t(yī)院對傷員進(jìn)行救助。

3.2? ?層次分析法確定路阻因素權(quán)重

層次分析法構(gòu)造判斷矩陣^[4]，選取路網(wǎng)因素指標(biāo)取值如表1所示。

判斷矩陣中，C₁、C₂、C₃、C₄、C₅分別代表路徑距離、道路容量、交通狀態(tài)、路口停滯、天氣狀況五個因素^[5-7]，如表2所示。RI平均隨機(jī)一致性指標(biāo)如表3所示。

經(jīng)計(jì)算，λ_max=5.1269，CI=0.0317，CR=0.03<0.1，所求各個因素權(quán)重為W₁=0.22、W₂=0.41、W₃=0.22、W₄=0.11、W₅=0.04。通過以上層次分析權(quán)重計(jì)算，得到五個影響因素的權(quán)重^[8]，利用五個因子權(quán)重計(jì)算研究區(qū)道路網(wǎng)絡(luò)各路徑的權(quán)重W，如下式所示：

式中，W₁、W₂、W₃、W₄、W₅是各個影響因子權(quán)重值;s為車輛到事故應(yīng)急點(diǎn)的實(shí)際距離^[9];v為車輛到事故應(yīng)急點(diǎn)的平均速度;s/v為路徑參數(shù)，可以根據(jù)研究區(qū)路網(wǎng)模型的實(shí)際情況設(shè)定;z為交通狀態(tài)參數(shù)值，按照交通擁堵狀況不同可以劃分為五個等級，根據(jù)計(jì)算結(jié)果構(gòu)建研究區(qū)道路節(jié)點(diǎn)權(quán)重拓?fù)鋱D，如圖4所示。

4? MATLAB最優(yōu)路徑分析（MATLAB optimal path analysis）

4.1? ?初始路徑結(jié)果分析

（1）不考慮實(shí)際因素對救援路徑的影響，根據(jù)路段的實(shí)際長度，救護(hù)車救援最優(yōu)路徑為89—43—42—37—38—39—22—19—20—18，即K—X—Z—R—T—Y—I—F—H—E。救護(hù)車輛最優(yōu)路徑結(jié)果、路線圖及收斂圖如圖5所示。從圖5中可以看出，蟻群算法收斂很快，收斂曲線從0.105降到0.095左右，收斂范圍小，且曲線斜率較大，出現(xiàn)先陡后平直的趨勢。迭代中曲線的曲折比較多，說明收斂不穩(wěn)定，收斂范圍比較小，出現(xiàn)局部最優(yōu)。

（2）基于交通狀態(tài)的因素賦權(quán)對救援車輛路徑的影響，對蟻群算法進(jìn)行賦權(quán)后救護(hù)車救援最優(yōu)路徑為89—43—42—41—40—39—22—19—17—18，即K—X—Z—J—S—Y—I—F—D—E。MATLAB蟻群計(jì)算過程圖如圖6所示。

圖6中，螞蟻迭代100 次，但是最短距離由0.09左右急速收斂，先陡后趨平，收斂曲線斜率較大。在迭代過程中，平均路線的變化密度減小，說明在考慮實(shí)際情況后，螞蟻搜索范圍有所擴(kuò)大，收斂趨勢趨于平穩(wěn)。

4.2? ?不同參數(shù)設(shè)定分析

（1）在蟻群算法中，螞蟻個數(shù)增多，對全局搜索能力和精度有一定的提高，但同時又會出現(xiàn)收斂減緩的情況，減弱信息的正反饋?zhàn)饔?。為了可以選取合適的螞蟻數(shù)量，將參數(shù)

進(jìn)行如下設(shè)置：m=50，α=1，β=0.6，ρ=0.7，Q=10，N_max=100，分別選擇螞蟻數(shù)目為15、50、80、100進(jìn)行仿真，運(yùn)行結(jié)果如圖7所示。

由圖7可見，隨著螞蟻數(shù)量的增多，信息的正反饋?zhàn)饔脺p弱，迭代次數(shù)減少，迭代曲線曲折度減少，收斂趨勢趨于平均化。

（2）在蟻群算法中，信息揮發(fā)系數(shù)對信息素增減有著重要的影響，直接關(guān)系到算法的搜索范圍和收斂速度。為了探求合理的信息揮發(fā)系數(shù)，設(shè)m=50，α=1，β=0.6，Q=10，N_max=100，對信息揮發(fā)系數(shù)0.2、0.4、0.6、0.8進(jìn)行仿真，仿真結(jié)果如圖8所示。

由圖8可以看出，隨著信息揮發(fā)系數(shù)的增加，算法的收斂速度加快，迭代次數(shù)減少。收斂曲線由0.2—0.14變?yōu)?.17—0.12，可見收斂幅度增加，并且隨著信息揮發(fā)系數(shù)的增大，收斂曲線波動逐漸減少，算法運(yùn)行更加平穩(wěn)。

（3）啟發(fā)系數(shù)和期望啟發(fā)系數(shù)會影響螞蟻路徑的選擇。啟發(fā)系數(shù)越大，對已遍歷過的路徑選擇概率越大，期望啟發(fā)系數(shù)這時對更近點(diǎn)的選擇有很大影響。對啟發(fā)系數(shù)進(jìn)行仿真，設(shè)β=0.6，ρ=0.7，Q=10，N_max=100，啟發(fā)系數(shù)依次為0.4、0.8、1.2、2，仿真結(jié)果如圖9所示。對期望啟發(fā)系數(shù)進(jìn)行仿真，設(shè)m=50，α=1，Q=10，N_max=100，期望啟發(fā)系數(shù)為0.2、0.4、0.6、0.8，仿真結(jié)果如圖10所示。

由圖9可以看出，啟發(fā)系數(shù)的增大使算法的迭代次數(shù)減少，收斂曲線下降幅度增大，從0.16—0.14變?yōu)?.17—0.12，說明啟發(fā)系數(shù)增加縮小了收縮范圍，加快了收斂速度，同時啟發(fā)系數(shù)的增大使得算法的運(yùn)行趨于平穩(wěn)?？梢?，啟發(fā)系數(shù)增大，迭代次數(shù)減少，最小路徑變小比較明顯。但是收斂曲線的折線和趨勢沒有明顯變化，說明啟發(fā)系數(shù)對收斂曲線影響較小。

由圖10可知，螞蟻收斂速度放緩，收斂過程中平均值從0.18到0.12，收斂曲線先陡然后趨于平緩，收斂曲線的曲折密度減小，說明更加趨于平穩(wěn)。同未引入權(quán)重的救援路徑相比，引入權(quán)重以時間花費(fèi)最小為目標(biāo)，行駛最短距離要大于未引入權(quán)重的最短路徑。從收斂曲線和平均路徑曲線可以看出，引入權(quán)重的救援路徑優(yōu)化收斂速度有所減緩，斜率下降，路徑優(yōu)化過程中穩(wěn)定性有所改善。同時引入權(quán)重的蟻群算法路徑優(yōu)化，考慮了應(yīng)急救援過程中的實(shí)際影響因素，如路徑距離、道路容量、交通狀態(tài)、路口停滯、天氣狀況，對路徑優(yōu)化具有實(shí)際意義。

4.3? ?蟻群路徑結(jié)果分析

基于AHP多因素權(quán)重路徑分析，對MATLAB蟻群算法進(jìn)行賦權(quán)的應(yīng)急救援車輛最優(yōu)路徑為89—43—36—37—26—22—19—17—18，如圖11所示。從醫(yī)院出發(fā)沿中華南大街向北行駛至和平路，向右行駛到光明大街路口，然后向北行駛至人民路，右轉(zhuǎn)行駛到滏河大街路口，接著向北行駛至聯(lián)紡東路，再向右行駛到東柳大街路口，最后北行到達(dá)事故點(diǎn)進(jìn)行救援。救援車輛路徑及引入層次分析法權(quán)重后救護(hù)車輛救援路線圖如圖12所示。

5? ?結(jié)論（Conclusion）

本文對應(yīng)急救援路徑模型進(jìn)行了改進(jìn)，建立了基于MATLAB蟻群算法的道路優(yōu)化模型，并探討了引入權(quán)重后蟻群算法路徑模型的結(jié)果差異。在模型的改進(jìn)方面，通過路徑距離、道路容量、交通狀態(tài)、路口停滯、天氣狀況等權(quán)重賦值，依托邯鄲市主要道路的路網(wǎng)絡(luò)相關(guān)數(shù)據(jù)，以ArcGIS軟件作為基礎(chǔ)平臺，實(shí)現(xiàn)了邯鄲市道路網(wǎng)絡(luò)的應(yīng)急道路救援路徑分析，對MATLAB蟻群算法相關(guān)參數(shù)進(jìn)行了對比，分析各參數(shù)值變化對優(yōu)化算法的影響。通過實(shí)例分析系統(tǒng)運(yùn)行效果可知，改進(jìn)的蟻群算法道路優(yōu)化模型具有一定的可行性和實(shí)用性，可為應(yīng)急災(zāi)害管理時道路出行的選擇提供綜合路徑選擇指標(biāo)，有利于提升應(yīng)急救援決策支持系統(tǒng)的科學(xué)性。

參考文獻(xiàn)（References）

[1] 劉楊，云美萍，彭國雄.應(yīng)急車輛出行前救援路徑選擇的多目標(biāo)規(guī)劃模型[J].公路交通科技，2009，26（8）：135-139.

[2] 喬梁，金華，李云霄，等.K-均值算法混合蟻群算法城市應(yīng)急救援最佳路徑?jīng)Q策[J].中國公共安全·學(xué)術(shù)版，2011，23（2）：53-57.

[3] 楊兆升，于堯，孫文飛.城市路網(wǎng)下應(yīng)急救援路徑選擇方法[J].哈爾濱工程大學(xué)學(xué)報，2013，34（12）：1566-1572.

[4] 仝倩.突發(fā)事件下城市路網(wǎng)應(yīng)急動態(tài)交通分配模型[D].長春：吉林大學(xué)，2013.

[5] 孫碩，段征宇，孫世超，等.隨機(jī)時變路網(wǎng)下的城市應(yīng)急服務(wù)車輛路徑分析[J].計(jì)算機(jī)應(yīng)用，2014，34（S2）：317-319.

[6] 孔祥麗.多影響因素下的導(dǎo)航路網(wǎng)數(shù)據(jù)路徑規(guī)劃研究[D].武漢：武漢大學(xué)，2018.

[7] 董影影.基于蟻群算法的應(yīng)急車輛調(diào)度系統(tǒng)的研究[D].西安：西安科技大學(xué)，2018.

[8] YI W， ZDAMAR L. A dynamic logistics coordination model for evacuation and support in disaster response activities[J]. European Journal of Operational Research， 2007， 179（3）：1177-1193.

[9] FIEDRICH F， GEHBAUER F， RCIHERS U. Optimized resource allocation for emergency response after earthquack disasters[J]. Safety Science， 2000， 35（6）：41-57.

作者簡介：

閆俊霞（1982-），女，碩士，講師.研究領(lǐng)域：交通信息化，大數(shù)據(jù)技術(shù).

王雙友（1983-），男，碩士，副教授.研究領(lǐng)域：大數(shù)據(jù)技術(shù).

張? ? 明（1995-），男，本科.研究領(lǐng)域：交通信息化.

張建峰（1980-），男，碩士，講師.研究領(lǐng)域：交通信息化.

基金項(xiàng)目：河北省社會發(fā)展研究課題（20210201398）;邯鄲市科技研發(fā)項(xiàng)目（19422304001-21）;邯鄲學(xué)院校級項(xiàng)目（2018106）.