论文部分内容阅读
综合交通枢纽承担着区域客货运中转的重任,与区域的民生和经济发展息息相关。对于枢纽内的人员疏散管理,如何设计合理的疏散模型,为人群提供路径规划参考方案,为综合交通枢纽运营者提供决策辅助,减少疏散资源投入,提高枢纽运营效率和质量,具有重要的现实意义。本文以重庆北站北广场综合交通枢纽人员疏散为研究对象,以疏散路径规划和疏散模拟模型为研究重点,分别提出了多蚁群双信息素(Multi-Ant Colony and Dual Pheromone Algorithm,MACDPA)换乘疏散路径规划算法、动态分区蚁群(Dynamic Partitioned Ant Colony Optimization,DPACO)应急疏散路径规划算法,并以两种路径规划算法得到的方案为宏观引导,提出了基于元胞鱼群算法(Cellular Automaton-Improved Artificial Fish School Algorithm,CA-IAFSA)的人员疏散模拟模型。具体的研究工作包含以下四个方面:(1)综合交通枢纽常规换乘疏散路径规划研究。针对常规场景中,铁路到站人员疏散到目标乘车点的单源多目的地路径规划问题,根据不同的换乘意向将疏散人群划分为多个蚁群,引入种群信息素和部落信息素,采用多蚁群规划、双信息素反馈策略,提出了MACDPA路径规划算法。实验结果表明:在同等实验条件下,由MACDPA算法得到的最小网络清空时间较ACO、HMERP-ACO两种算法分别减少了32.6%、5.2%,最小累计拥挤系数较二者分别减少了38.8%、5.5%,最小人均疏散时间较二者分别减少了18.8%、3.3%。MACDPA算法的双信息协作机制能够有效均衡路径负载,使搜索过程跳出局部最优,既扩大了搜索范围,又增加了Pareto解集的多样性。(2)综合交通枢纽应急疏散路径规划研究。对于灾害突发场景中,鉴于MACDPA算法无法针对性地解决人员从初始位置疏散到出口的多源多目的地路径规划问题,考虑灾害源及人员的初始分布进行动态分区,并结合改进ACO算法,提出了DPACO路径规划算法。实验结果表明:当疏散人数分别为500、5000时,由DPACO算法得到的最小网络清空时间相比HACO算法分别降低了约10.2%、20.67%,最小累计拥挤系数分别降低了13.77%、26.52%。DPACO算法可以优先为人员分配较短的路径,在降低疏散时间和累计拥挤系数的同时,保证人均疏散时间和人均疏散距离较小。(3)综合交通枢纽人员疏散模拟模型研究。基于研究内容(1)(2)中的算法求解的疏散路径规划方案,顶层采用改进的AFSA算法进行移动位置更新,底层采用CA模型解决位置冲突,实现宏观路径规划方案与微观疏散运动模拟相结合,提出了基于CA-IAFSA算法的微观疏散模拟模型。实验结果证明:CA-IAFSA模型克服了原始AFSA在存在障碍物的疏散环境中,易陷入局部最优的缺陷。当疏散人数为500,使用DPACO算法得到的最小网络清空时间的疏散方案时,相比ICA模型,CA-IAFSA模型将时间复杂度降低了43.6%,在刻画人员的导向、避障、跟随等行为上具有较好的模拟效果,能够较为真实地模拟枢纽内的人员疏散过程。(4)综合交通枢纽人员疏散系统设计。根据本文研究成果,从系统架构、功能模块、数据库等方面,分析并设计综合交通枢纽人员疏散系统,从而为综合交通枢纽管理者构造了一个疏散决策辅助的平台框架。