一种面向地铁突发失效的空地协同应急响应方法及系统

摘要: 本发明涉及城市交通应急管理,尤其是涉及一种面向地铁突发失效的空地协同应急响应方法及系统。背景技术:1、城市轨道交通网络化运营使得线路间换乘关系日趋复杂,客流呈现...
一种面向地铁突发失效的空地协同应急响应方法及系统

本发明涉及城市交通应急管理,尤其是涉及一种面向地铁突发失效的空地协同应急响应方法及系统。

背景技术:

1、城市轨道交通网络化运营使得线路间换乘关系日趋复杂,客流呈现高密度、强波动特征,系统运行的耦合性与整体性显著增强。当关键站点、重要区段或大型换乘枢纽因设备故障、极端天气或突发事件发生中断时,局部扰动可借助网络拓扑结构迅速蔓延,引发行人路径重选择、换乘能力下降、公交接驳压力骤增等多模式交通系统的连锁响应,严重时甚至导致城市综合交通的大面积功能瘫痪。

2、目前,多数研究主要针对轨道交通或公交网络开展单层网络分析,缺乏轨道交通、公交及道路网络之间跨层协同关系的统一建模。同时,现有应急资源配置方法大多基于静态网络,较少考虑灾害演化过程中实时信息获取对应急决策的影响,难以满足复杂场景下快速响应需求。此外,无人机在城市交通领域的研究主要集中于交通巡检、道路监测及物流配送等方面,其与轨道交通应急疏散及公交协同调度的深度融合研究仍相对不足。

技术实现思路

1、本发明的目的是提供一种面向地铁突发失效的空地协同应急响应方法及系统,通过融合公交接驳与无人机动态感知,实现高风险节点识别、应急资源优化配置与疏散路径动态规划,提升综合交通系统的应急响应效率与韧性。

2、为实现上述目的,第一方面,本发明提供了一种面向地铁突发失效的空地协同应急响应方法,包括以下步骤:

3、s1、构建目标城市的多层复合交通网络,多层复合交通网络包括道路网络层、公交网络层、地铁网络层以及各网络层之间的跨层耦合连接;

4、s2、基于多层复合交通网络的拓扑特征和客流功能属性,识别多层复合交通网络中的高风险脆弱节点;

5、s3、以优先覆盖高风险脆弱节点为目标,生成应急公交站点布局方案;

6、s4、在多层复合交通网络中确定无人机部署点,并根据无人机对道路网络边的观测覆盖状态,更新被覆盖道路边的通行风险值;

7、s5、基于更新后的通行阻抗,在多层复合交通网络中生成从应急公交站点至疏散目标的最优应急路径;

8、s6、根据多层复合交通网络、高风险脆弱节点、应急公交站点布局方案、无人机部署点和最优应急路径,生成空地协同应急响应决策方案。

9、优选的,s1中多层复合交通网络的构建具体包括:

10、s11、分别构建道路网络、公交网络和地铁网络,其中为节点集合,为边集合,为权重集合;

11、s12、对于属于不同网络层的节点和,若二者之间的空间距离不超过预设的层间耦合半径,则在二者之间建立跨层耦合边,判定方式为:

12、;

13、其中,表示属于网络层的节点与属于网络层的节点之间的空间距离,,、、分别代表道路网络层、公交网络层和地铁网络层,表示网络层与网络层之间的预设层间耦合半径,表示在节点与节点之间建立跨层耦合边,表示不建立跨层耦合边;

14、s13、构建多层复合交通网络,节点集合为,边集合为,其中为公交网络层与道路网络层之间的跨层耦合边集合,为地铁网络层与道路网络层之间的跨层耦合边集合,为公交网络层与地铁网络层之间的跨层耦合边集合。

15、优选的,s2中识别高风险脆弱节点,采用综合脆弱性指标进行评价,具体包括:

16、计算多层复合交通网络中每个节点的综合脆弱性指标:

17、;

18、其中,为节点的综合脆弱性指标值,为归一化后的度中心性,为归一化后的介数中心性,为归一化后的接近中心性,为归一化后的客流强度,为归一化后的换乘负荷,、、、、分别为对应指标的权重系数;

19、依据综合脆弱性指标值对多层复合交通网络中的所有节点进行降序排序,选取排名前n位的节点作为高风险脆弱节点,其中n为正整数。

20、优选的,s3中生成应急公交站点布局方案,采用风险优先的最大覆盖选址模型,具体包括:

21、s31、设定候选应急公交站点集合和需求节点集合,其中表示第个候选应急公交站点,为候选应急公交站点总数,表示第个需求节点,,为需求节点总数,需求节点的权重为综合脆弱性指标值;

22、s32、定义覆盖判定规则:若候选站点与需求节点之间的空间距离不超过预设的服务半径,则认为需求节点被覆盖:

23、;

24、其中,为覆盖标识变量,表示需求节点被候选站点覆盖,表示未被覆盖,表示候选站点与需求节点之间的空间距离,为预设的服务半径。

25、优选的,所述风险优先的最大覆盖选址模型进一步包括:

26、s33、在第轮选址过程中,计算每个尚未被选择的候选站点的边际收益:

27、;

28、其中,为第轮候选站点的边际收益,表示需求节点集合中去除前轮已被覆盖的需求节点集合后剩余的需求节点集合,为需求节点的综合脆弱性指标值,表示候选站点的可用性,表示候选站点可用,表示不可用;

29、s34、选择边际收益最大的候选站点作为本轮选址结果:

30、;

31、其中,为第轮选中的应急公交站点,表示取使目标函数取得最大值的变量,表示候选站点集合中去除前轮已选中的应急公交站点集合后剩余的候选站点集合;

32、s35、迭代执行s33至s34,直至选出预设数量的应急公交站点,获得最终应急公交站点集合,其中为预设的应急公交站点选址总数;

33、s36、采用期望加权覆盖率评价应急公交站点布局方案:

34、;

35、其中,为期望加权覆盖率,为被最终应急公交站点集合覆盖的需求节点集合,为需求节点的综合脆弱性指标值。

36、优选的,s4中确定无人机部署点具体包括:

37、s41、设定无人机候选观测点集合,其中表示第个候选观测点,为候选观测点总数;

38、s42、确定每个候选观测点在观测半径内可覆盖的道路边集合:

39、;

40、其中,为候选观测点可覆盖的道路边集合,为道路网络中的一条道路边,、分别为道路边的两个端点节点的编号索引,为多层复合交通网络中的道路网络边集合,表示候选观测点与道路边的中点之间的空间距离,为预设的无人机观测半径;

41、s43、计算候选观测点的信息增益:

42、;

43、其中,为候选观测点的信息增益,表示可覆盖道路边集合中去除已被覆盖的道路边集合后剩余的道路边集合,表示道路边的信息价值;

44、s44、每轮选择信息增益最大的候选观测点:

45、;

46、其中,为第轮选中的无人机部署点,表示取使目标函数取得最大值的变量,表示候选观测点集合中去除前轮已选中的无人机部署点集合后剩余的候选观测点集合;

47、迭代执行s42至s44,直至选出预设数量的无人机部署点,得到无人机部署点集合,其中为预设的无人机部署点总数。

48、优选的,s4中根据无人机对道路网络边的覆盖结果更新通行风险值,具体包括:

49、s45、对于被无人机部署点集合中任一无人机覆盖的道路边,更新道路边的通行风险值:

50、;

51、其中,为更新后的道路边的通行风险值,为道路边的原始通行风险值,为无人机信息更新强度系数,为二值指示变量,表示道路边被无人机部署点集合中的至少一个无人机覆盖,表示未被任何无人机覆盖;

52、s46、根据更新后的通行风险值,计算对应道路边的通行阻抗:

53、;

54、其中,为更新后的道路边的通行阻抗,为道路边的原始通行阻抗,为风险惩罚系数。

55、优选的,s5具体包括:

56、s51、获取从应急公交站点至疏散目标的条候选应急路径,构成候选路径集合,其中表示第条候选应急路径,为候选应急路径总数;

57、s52、计算每条候选应急路径的路径总成本:

58、;

59、其中,为候选应急路径的路径总成本,为候选应急路径包含的道路边集合,为更新后的道路边的通行阻抗;

60、s53、从候选路径集合中选择总成本最小的候选应急路径作为最优应急路径:

61、;

62、其中,为所述最优应急路径,表示取使目标函数取得最小值的变量,并得到最优应急路径所包含的道路边集合。

63、优选的,所述方法还包括对无人机服务充分性进行评价,具体包括:

64、确定被无人机部署点集合覆盖的道路边集合:

65、;

66、其中,为被无人机部署点集合覆盖的道路边集合,表示存在量词,表示存在属于无人机部署点集合的无人机部署点,表示无人机部署点与道路边的中点之间的空间距离,为预设的无人机观测半径;

67、计算道路信息覆盖率、应急路径观测率、走廊集中度和非走廊无人机比例:

68、;;;;

69、其中,为道路信息覆盖率,表示被无人机覆盖的道路边数量占道路网络边总数的比例;为应急路径观测率,表示被无人机覆盖的最优应急路径边数量占最优应急路径边总数的比例;为走廊集中度,表示被无人机覆盖的最优应急路径边数量占被无人机覆盖的道路边总数量的比例;为非走廊无人机比例,表示未被用于观测最优应急路径的无人机覆盖能力占比;表示集合中元素的数量,为最优应急路径包含的道路边集合,为多层复合交通网络中的道路网络边集合,表示被无人机覆盖的道路边集合与最优应急路径道路边集合的交集;

70、当同时满足、且时,判定无人机服务为充分。

71、第二方面,本发明还提供了一种面向地铁突发失效的空地协同应急响应系统,包括:

72、数据获取模块,用于获取目标城市的道路网络数据、公交网络数据、地铁网络数据及客流数据;

73、复合网络构建模块,用于根据数据获取模块获取的数据,构建多层复合交通网络;多层复合交通网络包括道路网络层、公交网络层、地铁网络层以及各网络层之间的跨层耦合连接;

74、脆弱性识别模块,用于基于多层复合交通网络的拓扑特征和客流功能属性,识别多层复合交通网络中的高风险脆弱节点;

75、应急公交布局模块,用于以优先覆盖高风险脆弱节点为目标,生成应急公交站点布局方案;

76、无人机部署与路径优化模块,用于在多层复合交通网络中确定无人机部署点,根据无人机对道路网络边的观测覆盖状态更新被覆盖道路边的通行风险值,并基于更新后的通行阻抗生成从应急公交站点至疏散目标的最优应急路径;

77、决策生成模块,用于根据多层复合交通网络、高风险脆弱节点、应急公交站点布局方案、无人机部署点和最优应急路径,生成空地协同应急响应决策方案。

78、因此,本发明采用上述一种面向地铁突发失效的空地协同应急响应方法及系统,达到了以下技术效果:

79、(1)本发明通过构建地铁-公交-道路三层复合交通网络,采用综合脆弱性指标(cvi-ds)融合拓扑结构与客流特征,实现了对复合交通网络中高风险脆弱节点的精准识别,克服了传统方法仅依赖单一中心性指标的局限性,为应急资源配置提供了可靠的量化依据。

80、(2)本发明采用风险优先的最大覆盖选址模型(r-mexclp)进行应急公交站点布局,以高脆弱性节点为优先覆盖目标,相比传统最大覆盖模型,期望加权覆盖率提升约126.6%,top30高脆弱节点覆盖率达到0.3000,实现了有限公交资源条件下的核心风险区域优先保障。

81、(3)本发明通过无人机信息增益模型(uav-rig)与动态路径优化算法(bir-ksp)的协同联动,构建了“空中感知—地面接驳—跨层疏散”的一体化应急响应机制。无人机对道路网络进行动态观测并更新通行风险值,路径优化算法融合实时路况信息生成最优疏散路径。实验结果表明,核心交通走廊保障能力达到98.62%,应急路径观测率达到33.08%,非走廊无人机比例达到97.24%,满足服务充分性判定条件,且在不同参数扰动条件下系统性能波动小于0.05,具有优异的稳定性与鲁棒性。

82、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。