《研究生课程(论文类)试卷(交通地理信息系统)》由会员分享，可在线阅读，更多相关《研究生课程(论文类)试卷(交通地理信息系统)（11页珍藏版）》请在金锄头文库上搜索。
1、研究生课程（论文类）试卷研究生课程（论文类）试卷20122012 / /20132013 学年第学年第 学期学期课程名称：课程名称： 课程代码：课程代码： 论文题目：论文题目： 学生姓名：学生姓名： 专业专业学号：学号： 学院：学院： 课程（论文）成绩：课程（论文）成绩：课程（论文）评分依据（必填）：课程（论文）评分依据（必填）：任课教师签字：任课教师签字： 日期：日期： 年年 月月 日日课程（论文）题目：课程（论文）题目： 内容：内容：摘要：摘要：城市中发生严重突发事件时，需要各类应急车辆从不同的应急服务站点快速、安全、有序地抵达事发地点。本文分别利用 ArcGIS 软件和蚁群算法对城市突发
2、事件下的多应急车辆最优路径进行了重点研究，并对两者的差异进行了分析，发现这两种最优路径寻优方法都能较好地寻找到路网中应急车辆行驶的最优路径。关键词：关键词：应急救援，最优路径，GIS，蚁群算法 一一 引言引言当城市中发生较为严重的应急突发事故（如商场着火、重特大交通事故等）时，要求各类应急车辆（救护车、消防车、警车、工程抢险车等）从不同的应急服务站点快速、安全地抵达事发地点，开展救援工作，以保障居民的人生财产安全。经典最优路径算法主要有 Dijkstra 算法，启发式 A*算法、蚁群算法等。李元臣等1通过对 Dijkstra 算法运行速度的分析，在该算法的基础上采用二叉树结构来改进传统的 Di
3、jkstra 算法，在一定程度上优化了最短路径的计算过程。刘浩等2将人工智能领域的 A*算法引入到矢量地图的最优路径搜索中来，并针对交通矢量地图的特点，提出了一种将矢量地图本身节点的数据结构和 A*算法需搜索的节点数据结构在索引时相互联系，在计算时又相互分离的策略，提高了 A*算法的执行效率。郝光等3为了获得满足决策者需要的多目标最短路径问题的有效路径，建立了多目标最短路径模型，并提出了综合 k-最短路径算法和多目标格序决策方法的多项式算法。谢民等4将路径规划问题转化为以加权路径网的以路径长度与通行时间的线性组合为目标函数的优化问题，并提出了一种改进的蚁群算法应用于该问题，使得规划的路径更加符
4、合各种实际要求。刘杨等5分析了基于交通信息中心的应急车辆最优路径的多目标属性,给出了随机网络中各属性的量化计算方法,以最小化出行时间,最大化行程时间可靠度为目标,考虑了通行可靠性、安全性、道路条件限制等因素,建立了应急车辆出行前最优路径选择的多目标规划模型。贾影娣等6结合资源保障系统的特点，讨论了 GIS 技术在应急资源保障系统中的应用，包括系统的体系结构、功能模块划分以及采用的关键技术，并设计了基于 GIS 技术的应急资源保障系统，提高了最近资源查找的准确性和效率。本文尝试分别利用 GIS 技术及蚁群算法寻找城市严重突发事件下的多应急车辆最优路径，并对这两种路径寻优技术进行了差异分析，文章的
5、研究成果将会为应急救援管理系统提供重要的理论保障与技术支撑。二二 基于基于 GISGIS 的多应急车辆最优路径分析的多应急车辆最优路径分析2.12.1 ArcGISArcGIS 软件简介软件简介地理信息系统（Geography Information System，GIS）是一个能处理空间信息的，具有数据获取及存储、空间数据分析及推导、决策结果在地图上可视化显示等功能的决策支持系统，它能为决策提供其所需的信息并给出最优决策方案。ArcGIS 是 ESRI 公司开发的最主要的 GIS 软件，ArcGIS 可以出色地完成以下工作：1）交通部门为通勤人员编制行车路线图；2）水利部门寻找切断爆裂水管的
6、阀门；3）税务机关为土地评估部门和土地规划部门编制土地利用图；4）工程部门监控道路和桥梁运行情况，编制预防自然灾害的规划方案；5）警察机构研究犯罪模式，以便更合理地布置警力和了解街道巡查的效果；6）污水处理部门确定地震发生后需要优先抢修的地方；7）电信公司研究地形，寻找新增手机信号塔的站点位置；8）水文专家监控水质情况以保护公众健康；9）管道公司寻找铺设新管道投资最少的最佳路线；10）电力部门构建电力线路模型图，以便使电力损耗最小化，同时规划新增设备的配置方位；11）气象专家向风暴可能经过的城镇发布警报；12）商家通过分析附近地区居民点的密集程度，对新增零售网点的选址进行评估；13）警察部门寻
7、找到事故现场的最快路径；14）急救部门根据模拟结果和交通的易通达性安排紧急救护设施；15）水资源管理人员监视上游水质情况，以便寻找可能的污染源；16）消防队根据地形和气象资料预测森林火灾的蔓延范围。综合以上详细分析，GIS 可以帮助我们完成许多工作。由于多应急车辆最优路径寻优过程的寻优信息与空间地理信息相关程度非常高，因此在多应急车辆最优路径分析中，GIS 可以发挥重要的作用。 2.22.2 基于基于 GISGIS 的多应急车辆最优路径分析的多应急车辆最优路径分析实际情况下，为了提高应急车辆的出行效率，保障居民人生财产安全，必须考虑多个目标，如路程最短、车辆最少、时间最短、费用最省等，在应急情
8、况比较复杂时，如何取决要看决策者对各个目标的定位7。本文分别选取出行路程最短及行程时间最短作为优化目标，并在 GIS 软件中，求解各自优化目标下的多应急车辆最优路径。2.2.12.2.1 路程最短目标下的多应急车辆最优路径分析路程最短目标下的多应急车辆最优路径分析GIS 为管理者提供了丰富的网络分析工具（Network Analyst） ，能够为决策者产生最佳路径（Optimal Route） 、查找最近设施（Closest Facility） 、产生服务区（Service Area）等。不同的出行阻抗（Impedance）可以设置成长度、时间等，这为我们找到不同优化目标（出行路程最短、行程时
9、间最短等）下的多应急车辆最优路径提供了便利8。假设某城市中，有一在建高楼工程发生严重安全事故，需要各类应急车辆（救护车、警车、消防车、工程救险车等）从不同的应急服务站点出发，以出行路程最短为目标，抵达事发地点，开展救援工作。图 1 为本试验路网。图图 1 1 试验路网试验路网在 GIS 中，利用网络分析工具中的查找最近设施功能，我们可以快速地找到各个应急服务站点至事发地点的最短出行路程，如表 1 及图 2 所示。表表 1 1 路程最短目标下的多应急车辆最优路径分析路程最短目标下的多应急车辆最优路径分析行程长度（米）行程时间（分钟）工程救险部事发地点2807.898.42消防中队事发地点2722
10、.758.17医院事发地点2578.667.74派出所事发地点4624.0113.87注：这里假设各应急车辆的平均行驶速度为，即。20/km h333.33/ minm图图 2 2 路程最短目标下的多应急车辆最优路径分析路程最短目标下的多应急车辆最优路径分析2.2.22.2.2 时间最短目标下的多应急车辆最优路径分析时间最短目标下的多应急车辆最优路径分析本节还是以上一节中的案例为研究对象，但是以行程时间最短为目标，对多应急车辆的最优路径进行寻优。在 GIS 中，利用网络分析工具中的查找最近设施功能，我们可以快速地找到各个应急服务站点至事发地点的最短行程时间所在的路径，如表 2 及图 3 所示。
11、图图 3 3 时间时间最短目标下的多应急车辆最优路径分析最短目标下的多应急车辆最优路径分析表表 2 2 时间时间最短目标下的多应急车辆最优路径分析最短目标下的多应急车辆最优路径分析行程长度（米）行程时间（分钟）工程救险部事发地点/7.35消防中队事发地点/8.09医院事发地点/7.73派出所事发地点/11.27从表 1 和表 2 的各应急车辆的行程时间来看，路程最短目标下的多应急车辆最优路径分析只考虑了道路长度，并未考虑实际路网中道路等级情况；而时间最短目标下的多应急车辆最优路径分析，既考虑了道路长度，也考虑了各等级道路的车速情况，较符合实际交通情况。路径分析结果也表明，时间最短目标下的应急车
12、辆行程时间要少于路程最短目标下的应急车辆的行程时间。因此，在实际情况下，一般选取时间最短目标下的多应急车辆最优路径分析结果，为救援工作节省宝贵的时间。 三三 基于蚁群算法的多应急车辆最优路径分析基于蚁群算法的多应急车辆最优路径分析 3.13.1 蚁群算法简介蚁群算法简介蚁群算法(ant colony algorithm)是由意大利学者 Dorigo、Maniezzo 等人在 20 世纪 90年代初首先提出来的9、10，是基于群体的一种仿生方法，其在旅行商问题（TSP） 、二次分配问题（QAP） 、机器人路径规划、网络路由的优化及连续函数的优化等方面有较好的应用。对于有个节点的路网车辆路径规划问
13、题，将只蚂蚁置于巢穴起始点 ，把目nms标点 假设为食物，则此路径规划问题可以转化为蚁群寻找食物的路径寻优问题。定e义在 时刻第只蚂蚁在节点 选择下一个节点的转移概率公式为：tkij（1） ( )( )( )0ijijilil l allowedktktijpt kjallowed其他其中，表示第只蚂蚁 时刻在路段上的信息素浓度；表示从节( )ijtkt( , )i j1 ijijd点 到节点上的启发式信息；和分别为控制信息素浓度和启发式信息的相对重要ij程度的参数。在时刻路段上的信息素浓度为：1t ( , )i j（2）1(1)( )m k ijijij ktt 其中，表示第只蚂蚁在时刻 到
14、之间在路段留下的信息素增量。以k ijkt1t ( , )i j往研究表明，有 3 种不同实现的算法，分别是 ant-cycle、ant-density、ant-quantityk ij算法，其中 ant-quantity 算法利用了全局信息，更加符合真实蚂蚁释放信息素的过程。（3）-k ij ijQant quantity d算法:其中，是一个常量，表示每只蚂蚁所持有的信息素总量，表示节点 和节点Qijdi之间的路段长度。j3.23.2 蚁群算法的改进蚁群算法的改进3.2.13.2.1 引入启发式因素引入启发式因素为了体现应急车辆的特殊性，在应急车辆动态最优路径规划中，增加了一个启发式因素。表示城市道路的等级，道路等级越高，应急车辆选择此道路通行的概率ijrijr越大。考虑到在一般城市中，只有主干路、次干路及支路，并假定主干路为双向六车道、次干路为双向四车道、支路为双向二车道。的取值如下：ijr0.80.30.1ijr 主干路次干路支路3.2.23.2.2 多应急车辆最优路径目标函数多应急车辆最优路径目标函数应急车辆由于其任务的特殊性，要求应急车辆必须在指定时间内抵达事发地0,T点，所以应急车辆的路径规划问题是带有行程时间
