欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024117680044
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于多源数据的危险品高速公路运输绿色路径规划方法,其特征在于,包括:

通过数据公开网站和网络公开文件获取与危险品高速公路运输绿色路径规划过程有关的多源数据,这些多源数据包括高速公路路网数据、危险品运输车辆报警数据、居民点数据、高速公路收费数据、土地利用数据、应急救援点数据、温室气体排放量数据、大气污染物排放量数据和单位气体货币化数据;

运用Excel和ArcGIS软件对获取的多源数据进行处理,以形成统一的危险品高速公路运输数据集;

计算研究区域内每条高速公路路段的报警率、危险品运输事故后果和风险减缓因子,然后结合报警率、危险品运输事故后果和风险减缓因子,构建危险品高速公路运输风险评估模型;

计算车辆运行过程中温室气体和大气污染物排放量,结合气体排放量和单位气体货币化价格,构建危险品高速公路运输外部成本评估模型;

结合风险评估模型和外部成本评估模型,以运输风险最低和外部成本最低为双目标,构建危险品高速公路运输绿色路径规划模型;

通过设计蚁群算法和模拟退火算法相结合的混合算法求解上述危险品高速公路运输绿色路径规划模型;

在混合算法达到终止条件时,输出危险品高速公路运输绿色路径规划结果;

在危险品高速公路运输风险评估模型的构建中,使用报警率替代危险品运输事故率,从潜在暴露人口数和潜在环境影响面积两方面衡量危险品运输事故后果,考虑应急救援力量对危险品运输风险的减缓作用,包括:为研究区域内的每条高速公路路段创建一个两侧宽度为1km的跑道型缓冲区,然后根据公式(1)计算危险品运输车辆在特定高速公路路段上的报警率;

式中:Pij表示高速公路路段ij的报警率;kij表示高速公路路段ij的缓冲区内的报警点个数;K表示获取的研究区域内危险品运输车辆的总报警点个数;

为研究区域内的每条高速公路路段创建一个跑道型缓冲区,以模拟危险品运输事故的潜在影响区域,缓冲区的两侧宽度根据危险品种类而定,然后根据公式(2)计算危险品运输事故发生时的每条高速公路路段的路侧暴露人口;

式中:表示高速公路路段ij发生危险品运输事故时的路侧暴露人口数;Eij表示高速公路路段ij的缓冲区内的居民点个数;POPtotal表示研究区域内的总人口数;ETotal表示获取的研究区域内居民点的总个数;pout表示居民户外暴露率;λin表示建筑物等室内环境对居民的安全风险减缓效应;

在ArcGIS中以长度作为成本属性构建高速公路路网数据集,然后利用NetworkAnalyst模块对处理后的所有收费站OD对进行路径优化分析,进而求解最短路径,并导出沿途所经的高速公路路段,再将每个收费站OD对间的交通流量分配至其对应的最短路径上的每条路段,累计汇总后得到每条高速公路路段的一定时间段内的交通流量数据,最后根据公式(3)计算危险品运输事故发生时的路上暴露人口;

式中:表示高速公路路段ij发生危险品运输事故时的路上暴露人口数;Qij表示高速公路路段ij在一定时间段内的交通流量;表示车辆的平均人员占有因子;Lij表示高速公路路段ij的长度;Vij表示高速公路路段ij内所有行驶车辆的平均速度;

调用ArcGIS中的裁剪工具,将土地利用数据作为输入要素,将计算路侧暴露人口时创建的跑道型缓冲区依次作为裁剪要素,裁剪出相应数量的新缓冲区,然后导出所有新缓冲区的属性表,提取路段附近受影响的土地类型及其对应面积,最后根据公式(4)计算危险品运输事故发生时每条高速公路路段附近受影响的土地面积;

式中:Sij表示高速公路路段ij受危险品运输事故影响的土地面积;θk表示第k类土地类型的影响权重系数;Sk表示危险品运输事故影响范围内第k类土地的面积;

为研究区域内的每条高速公路路段创建若干多环缓冲区,多环缓冲区是由多个跑道型缓冲区组合而成,多环缓冲区的个数和跑道型缓冲区的两侧宽度按照具体要求设置,根据公式(5)计算危险品运输事故发生时每条高速公路路段的风险减缓因子;

式中:εij表示高速公路路段ij的风险减缓因子;εt表示风险减缓因子的子指标;τt表示子指标εt的权重值;VAt表示子指标εt的分配值;

将研究区域内每条高速公路路段的报警率、危险品运输事故发生时造成的路侧暴露人口数和路上暴露人口数以及该路段的风险减缓因子相结合,按照公式(6)计算危险品运输事故发生时该高速公路路段的潜在人口风险;

式中:表示危险品运输事故在高速公路路段ij上发生时造成的潜在人口风险;Pij表示高速公路路段ij的报警率;Eij表示高速公路路段ij的缓冲区内的居民点个数;POPtotal表示研究区域内的总人口数;ETotal表示获取的研究区域内居民点的总个数;pout表示居民户外暴露率;λin表示建筑物等室内环境对居民的安全风险减缓效应;Qij表示高速公路路段ij在一定时间段内的交通流量;表示车辆的平均人员占有因子;Lij表示高速公路路段ij的长度;Vij表示高速公路路段ij内所有行驶车辆的平均速度;εij表示高速公路路段ij的风险减缓因子;

将研究区域内每条高速公路路段的报警率、危险品运输事故发生时受影响的土地面积以及该路段的风险减缓因子相结合,按照公式(7)计算危险品运输事故发生时该高速公路路段的潜在环境风险;

式中:表示危险品运输事故在高速公路路段ij上发生时造成的潜在环境风险;Pij表示高速公路路段ij的报警率;θk表示第k类土地类型的影响权重系数;Sk表示危险品运输事故影响范围内第k类土地的面积;εij表示高速公路路段ij的风险减缓因子;

按照公式(8)计算危险品运输事故发生时每条高速公路路段的总风险值,

式中:Rij表示危险品运输事故在路段ij上发生的总风险值;ω1和ω2分别表示人口风险和环境风险的权重系数;表示危险品运输事故在高速公路路段ij上发生时造成的潜在人口风险;表示危险品运输事故在高速公路路段ij上发生时造成的潜在环境风险;和分别表示所有高速公路路段中潜在人口风险的最大值和所有高速公路路段中潜在环境风险的最大值;

在危险品高速公路运输外部成本评估模型的构建中,计算车辆运行过程中温室气体排放量和大气污染物排放量,结合单位气体的货币化价格,计算总外部成本,包括:按照公式(9)计算车辆运行过程中二氧化碳CO2的排放量;

式中:表示CO2的排放量;NCV表示化石燃料的平均低位发热量;D表示车辆的行驶里程;OC表示车辆的百公里燃油量;ρ表示化石燃料的密度;CC表示化石燃料的单位热值含碳量;OF表示化石燃料的碳氧化率;44/12表示二氧化碳与碳的分子量之比;表示CO2的全球变暖潜势;

按照公式(10)计算车辆运行过程中甲烷CH4的排放量;

式中:表示CH4的排放量,以当量CO2衡量;表示CH4的排放因子;表示CH4的全球变暖潜势;

按照公式(11)计算车辆运行过程中氧化亚氮N2O的排放量;

式中:表示N2O的排放量,以当量CO2衡量;表示N2O的排放因子;表示N2O的全球变暖潜势;

按照公式(12)计算车辆运行过程中通过尾气形式排放的大气污染物排放量;

式中:表示第m种大气污染物的尾气排放量,其中m∈M,M表示五种大气污染物的集合,包括一氧化碳CO、氮氧化物NOx、细颗粒物PM2.5、可吸入颗粒物PM10和挥发性有机化合物VOCs,即M={CO、NOx、PM2.5、PM10、VOCs};D表示车辆的行驶里程;BEFm表示第m种大气污染物的综合基准排放系数,与车型及燃料类型有关;表示温度修正因子;表示湿度修正因子;γ表示车辆的平均行驶速度修正因子;θ表示车辆的负载系数修正因子;

按照公式(13)计算车辆运行过程中通过蒸发形式排放的大气污染物排放量;

式中:表示VOCs的蒸发排放量;表示车辆行驶过程中的蒸发排放系数;D表示车辆的行驶里程;V表示车辆的平均行驶速度;

结合单位温室气体的货币化价格,按照公式(14)计算车辆运行过程中排放温室气体所造成的外部成本;

式中:CGHG表示排放温室气体所造成的外部成本;表示CO2的单位货币化价格;表示第h种温室气体的排放量;H表示三种温室气体的集合,即H={CO2、CH4、N2O};

结合单位大气污染物的货币化价格,按照公式(15)计算车辆运行过程中排放大气污染物所造成的外部成本;

式中:CAP表示排放大气污染物所造成的外部成本;表示第m种大气污染物的单位货币化价格;表示第m种大气污染物的尾气排放量,表示VOCs的蒸发排放量;M表示五种大气污染物的集合,即M={CO、NOx、PM2.5、PM10、VOCs};

结合排放温室气体和大气污染物所造成的外部成本,按照公式(16)计算车辆运行过程中气体排放所造成的总外部成本;

C=CGHG+CAP(16);

式中:C表示车辆运行过程中气体排放所造成的总外部成本;CGHG表示排放温室气体所造成的外部成本;CAP表示排放大气污染物所造成的外部成本。

2.根据权利要求1所述的基于多源数据的危险品高速公路运输绿色路径规划方法,其特征在于,处理获取的多源数据并将其导入Excel和ArcGIS中,包括:将高速公路路网数据、危险品运输车辆报警经纬度坐标、居民点经纬度坐标、高速公路收费站经纬度坐标、土地利用数据和应急救援点经纬度坐标导入ArcGIS;

从网络公开文件中提取温室气体排放量数据、大气污染物排放量数据和单位温室气体和大气污染物的货币化数据,然后导入Excel。

3.根据权利要求1所述的基于多源数据的危险品高速公路运输绿色路径规划方法,其特征在于,结合风险评估模型和外部成本评估模型,构建以运输风险最低和外部成本最低为双目标的危险品高速公路运输绿色路径规划模型,包括:目标函数f1实现危险品运输过程中的风险最小化,如公式(17);

目标函数f2实现危险品运输过程中的总外部成本最小化,如公式(18);

约束(19)和约束(20)保证危险品运输车辆必须从规定的起点出发到达规定的终点;

约束(21)和约束(22)保证每个节点最多被访问一次;

决策变量表示若危险品运输车辆经过高速公路路段ij,则xij=1;否则,xii=0。

4.根据权利要求1所述的基于多源数据的危险品高速公路运输绿色路径规划方法,其特征在于,设计蚁群算法和模拟退火算法相结合的混合算法求解已构建的危险品高速公路运输绿色路径规划模型,包括:S1:初始化:

S1.1:初始化算法参数:

蚁群算法参数:蚂蚁数量antnum、最大迭代次数itermax、信息素释放强度Q、信息素重要程度因子α、启发函数重要程度因子β、蚂蚁最大搜索次数searchtotal和信息素挥发系数ρ;

模拟退火算法参数:初始温度T0、终止温度Tend、降温速率q和每种温度下的迭代次数itertem;

S1.2:初始化蚁群算法的信息素矩阵:

构建一个维度为节点数量的信息素矩阵,并初始化所有节点对(i,j)之间的信息素浓度τij为0,随后判断任意两个节点之间是否存在连接关系,如果节点i和节点j相连接,则将其对应的信息素浓度τij设置为Q;

S1.3:初始化运输起点Nstart和运输终点Nend;

S2:再分配信息素:

S2.1:Dijkstra算法求解距离最短的路径:

基于节点间的连接关系,统计任意两相连节点间的路径长度Dij,并将其作为权重,然后应用Dijkstra算法求解出车辆完成运输任务的最短路径,对于此最短路径上的每一节点对(i,j),增加其上的信息素浓度,增幅为Q,即更新后的信息素浓度τij=τij+Q;

S2.1:Dijkstra算法求解风险最小的路径:

将风险评估过程求得的两相连节点间的风险值Rij作为新的权重,再次使用Dijkstra算法求解出车辆完成运输任务时风险最小的路径,对于此风险最小路径上的每一节点对(i,j),同样增加其上的信息素浓度,增幅依旧为Q,即再次更新后的信息素浓度τij=τij+Q;

S3:生成初始解向量:

蚂蚁从指定的起点Nstart开始搜索,按照状态转移公式(23),计算选择下一个节点的概率,直到蚂蚁搜索到指定的终点Nend,本发明提出了一种带搜索步数限制的混合策略来解决蚁群算法中的“死锁”现象,该混合策略如下:在蚂蚁迭代寻路之前,设定每只蚂蚁的最大搜索步数为节点总数,蚂蚁每寻路一次,其搜索步数加1,并检查其是否陷入停滞状态:如果未陷入停滞,则流程结束,开始下一只蚂蚁的迭代寻路过程;如果陷入停滞,在算法前期采用标记策略,即将该蚂蚁标记为无效,并将所有节点按顺序添加到蚂蚁的路径搜索结果中,这意味着该蚂蚁的解向量长度为节点总数;在算法后期,采用召回策略,清空该蚂蚁之前搜索的所有节点,将其召回到起始节点,并允许其重新开始搜索过程,以寻找可行的路径,直到所有蚂蚁都完成寻路,生成一组初始解向量;

式中,表示第k只蚂蚁在当前迭代次数下从节点i前往节点j的概率;iter表示当前迭代次数;τij(iter)表示节点i和节点j间连接路径上的信息素浓度;Dij表示节点i和节点j间连接路径的长度;ηij(iter)为启发函数,ηij(iter)=1/Dij,表示蚂蚁从节点i转移到节点j的期望程度;allowk表示第k只蚂蚁的待选择节点的集合;α为信息素重要程度因子;β为启发函数重要程度因子;

S4:计算目标函数值:

根据解向量的长度识别出被标记蚂蚁的解向量,将这些解向量的两个目标函数值赋为Inf,以区分它们和未被标记蚂蚁的解向量,对于其他未被标记的蚂蚁,它们的解向量的目标函数值则根据目标函数f1和f2进行计算;

S5:初始解扰动:

S5.1:识别出被标记蚂蚁的解向量,不对其进行扰动;

S5.2:在当前温度下,对其他未被标记的蚂蚁的解向量进行多次扰动,具体的扰动规则如下:随机选取解向量中除起点和终点外的任意一个节点作为扰动节点,接着判断该扰动节点的紧前节点和紧后节点间是否存在其他节点:如果不存在,则重新选择扰动节点进行扰动;如果存在这样的节点,则进一步判断这些节点中是否有从未在当前解向量中出现过的节点,如果找到这样的节点,则随机选取其中一个与扰动节点进行交换,从而生成新的解向量;否则,结束扰动;

S6:新解的取舍:

S6.1:按照公式(24)对当前解的目标函数值进行归一化处理并加和;

S6.2:计算扰动后产生的新解的两个目标函数值,按照公式(25)对新解的目标函数值进行归一化处理并加和;

S6.3:按照公式(26)的Metropolis准则判断新解是否被接受:若新解的归一化目标函数值之和E2小于当前解的归一化目标函数值之和E1,则直接采用新解替换当前解;若E2大于或等于E1,则计算新解的接受概率,该概率为exp(-(E2-E1)/T),然后生成一个(0,1)区间内均匀分布的随机数rand,若计算出的接受概率大于随机数rand,也接受新解替换当前解;否则,放弃新解替换当前解;

式中,和表示当前解的两个目标函数值;和表示新解的两个目标函数值;E1和E2表示当前解和新解分别归一化后的两个目标函数值之和;T表示当前温度;P表示新解取代当前解的概率;

S7:判断是否对所有未被标记的蚂蚁完成了扰动:是,进行下一步的降温操作;否,对下一只未被标记的蚂蚁进行扰动;

S8:降温:

按照设定的降温策略逐步降低温度,同时比较当前温度是否已达到设定的终止温度Tend:如果达到设定的最低温度,结束模拟退火算法;否则,返回并继续执行S3;

S9:非支配解筛选:

蚁群算法生成的一组初始解向量在经过模拟退火算法的扰动和新解取舍后,得到一组新的解向量,对这组新解向量进行非支配解筛选,保留Pareto最优解集;

S10:信息素更新:

根据Pareto最优解集中的路径选择,按照公式(27)和(28)更新蚁群算法的信息素矩阵;

式中,Δτijk表示第k只蚂蚁在节点i和节点j之间的连接路径上释放的信息素浓度;nPareto为Pareto最优解集中的蚂蚁数量;Δτij表示节点i和节点j连接路径上所有蚂蚁释放的信息素浓度之和;iter表示蚁群算法的当前迭代次数;Lk表示第k只蚂蚁经过的路线总长度;

S11:蚁群迭代:

S3-S10构成蚁群算法的一次完整迭代过程,每次迭代完成后,蚁群算法的迭代次数加1,即当前迭代次数iter=iter+1,检查当前迭代次数是否已达到预设的蚁群算法最大迭代次数:如果达到最大迭代次数,则退出程序并输出结果;否则,继续执行下一次迭代。

5.根据权利要求4所述的基于多源数据的危险品高速公路运输绿色路径规划方法,其特征在于,在混合算法达到终止条件时,输出算法的求解结果,包括:重复S3-S10,直到达到蚁群算法的最大迭代次数,退出程序并输出危险品高速公路运输绿色路径规划结果,该结果可为运输企业和监管机构提供科学有效的路径规划方案的参考,以权衡运输风险和外部成本。