基于Logistic曲线的路网脆弱性动态识别

为探究突发环境下路网交通负荷的时空变化规律,运用情景分析方法研究突发事件的"产生-消散"过程;通过构建动态识别指标将道路网络分为正常与事发路段集等2部分,对前者采用离散化手段建立动态交通负荷分配模型,对后者利用三参数Logistic曲线完成事发路段交通负荷的近似建模;选择逆向求解策略,将突发环境下的道路网络转化为一个反应型离散控制系统,并运用Lan-Filler套分解算法进行求解;通过算例分析验证该方法的可行性,并与传统的静态脆弱性识别方法比较。结果表明:突发环境下的路网脆弱性指标随着事故的"产生—消散"过程动态变化;与传统方法相比,用基于Logistic曲线的动态脆弱性识别模型,可保证在路网拓扑结构不发生改变的前提下,识别道路网络各路段各时刻的脆弱性,其结果更符合路网实际情况。     

贫信息情况下的应急救援路径选择模型

为及时获取突发事件后的最优应急救援路径,首先运用Zadeh模糊算子量化路段行程速度的模糊性,引入随机动态变量表征路段行程时间的随机性,以此刻画具有模糊性与随机性的贫信息路网环境;然后结合随机一致性条件,构建该环境下的应急救援路径选择模型,再通过数学归纳法将其转化为鲁棒优化模型,并利用改进Dijkstra算法完成求解;最后用KAUFMAN路网验证模型的有效性。结果表明:基于2类不同的Zadeh模糊算子估算路段行程速度,其平均绝对误差为6. 271km/h;与传统方法相比,用鲁棒优化模型得到的应急救援路径行程时间更短;而且这种模型的算法复杂度为多项式形式,故可应用于大规模路网。