突发状况下危险品运输网络鲁棒性建模和仿真

交通运输系统工程与信息 ›› 2015, Vol. 15 ›› Issue (2): 109-115.

突发状况下危险品运输网络鲁棒性建模和仿真

胡鹏，帅斌^*，狄兆华

西南交通大学交通运输与物流学院，成都610031

收稿日期:2014-08-07 修回日期:2014-10-22 出版日期:2015-04-25 发布日期:2015-04-27
作者简介:胡鹏（1989-），男，贵州遵义人，博士生.
基金资助:
国家自然科学基金（71173177）；四川省科技厅苗子工程资助项目(2014-013).

Model and Simulation for the Robustness of Hazardous Goods Transportation Network under Emergency

HU Peng，SHUAI Bin，DI Zhao-hua

College of Transportation & Logistics, Southwest Jiaotong University, Chengdu 610031, China

Received:2014-08-07 Revised:2014-10-22 Online:2015-04-25 Published:2015-04-27

摘要/Abstract

摘要：

由于突发状况，危险品运输受到影响或威胁，其后果是致命的.因此针对危险品运输网络进行鲁棒性分析，以利于网络的设计和选择.本文基于自然渗流现象与复杂网络的渗流理论相结合，对危险品运输网络的鲁棒性进行定义，并从整体性角度，基于图论提出网络连通率；从微观细节的角度，提出渗流节点数、渗流失效率、节点承载力、渗流阻尼参数.从定义和实际出发，提出假设条件，建立模型，设定仿真场景.最后，根据仿真流程图，使用Matlab 仿真.根据仿真结果，定性定量分析不同节点度节点突发状况和不同节点承载系数对危险品运输网络节点失效渗流鲁棒性的影响.

关键词: 公路运输, 鲁棒性, 仿真模型, 危险品运输网络, 突发状况, 渗流

Abstract:

Under emergency circumstances, dangerous goods transport is affected, and the consequences are fatal. Therefore, the robustness of hazardous goods transportation network is analyzed for facilitating the design of that network. In this paper, based on natural seepage phenomenon and the percolation theory of complex networks, the robustness of dangerous goods transportation network is defined, and then, from the perspective of wholeness, network connectivity rate is proposed based on graph theory. From the perspective of micro details, they are put forward that the number of percolation nodes, the failure rate of percolation, node capacity, and the percolation damping parameter. Starting from these definitions and the actuality, models are established and the simulation scenario with assumptions is set up. Finally, according to the simulation flow chart, Matlab simulation is adopted. According to the simulation results, we apply qualitative and quantitative analysis to acquiring the influence of the percolation robustness of hazardous goods transportation network for nodes failure with the different node- degree and node- capacity coefficient in emergency conditions.

Key words: highway transportation, robustness, simulation model, hazardous goods transportation network, emergency, percolation

中图分类号:

TP391.9

胡鹏，帅斌，狄兆华. 突发状况下危险品运输网络鲁棒性建模和仿真[J]. 交通运输系统工程与信息, 2015, 15(2): 109-115.

HU Peng，SHUAI Bin，DI Zhao-hua. Model and Simulation for the Robustness of Hazardous Goods Transportation Network under Emergency[J]. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(2): 109-115.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract18966.shtml

http://www.tseit.org.cn/CN/Y2015/V15/I2/109

参考文献

[1] 中华人民共和国国家标准. 危险货物分类和品名编号[S]. GB6944-2012, 2012. [PRC National Standard. Classification and code of dangerous goods [S]. GB6944-2012, 2012.]

[2] D S Callaway, M E J Newman, S H Strogatz, et al. Network robustness and fragility: percolation on random graphs[J]. Physical Review Letters, 2000, 85: 5468- 5471.

[3] Moreno Y, Gómez J B, Pacheco A F. Instability of scale-free networks under node-breaking avalanches[J]. Europhysics Letters, 2002, 58(4): 630.

[4] Wang Wenxu, Chen Guanrong. Universal robustness characteristic of weighted networks against cascading failure[J]. Physical Review E, 2008, 77(2): 026101.

[5] Jianxi Gao, S V Buldyrev, S Havlin, et al. Robustness of a network of networks[J]. Physical Review Letters, 2011, 107:195701.

[6] M E J Newman. Networks: an introduction[M]. New York: Oxford University Press, 2010.

[7] 刘锐，严宝杰，黄志鹏. 城市公共交通网络的复杂性分析[J]. 交通运输系统工程与信息，2009，9(3):17-22. [LIU R，YAN B J，HUANG Z P. Complexity analysis of urban public transit network[J]. Journal of Transportation Systems Engineering and Information Technology, 2009，9(3):17-22.]

[8] 王力，于欣宇，李颖宏，等. 基于FCM聚类的复杂交通网络节点重要性评估[J]. 交通运输系统工程与信息， 2010，10(6):169-173. [WANG L，YU X Y，LI Y H，et al. Traffic complex network node importance assessment based on FCM clustering[J]. Journal of Transportation Systems Engineering and Information Technology, 2010， 10(6):169-173.]

[9] 曾小舟，唐笑笑，江可申. 基于复杂网络理论的中国航空网络结构实证研究[J]. 交通运输系统工程与信息， 2011，11(6):175-181. [ZENG X Z，TANG X X，JIANG K S. Empirical study of Chinese airline network structure based on complex network theory[J]. Journal of Transportation Systems Engineering and Information Technology, 2011，11(6):175-181.]

[10] K-I Goh, E Oh, B Kahng, et al. Betweenness centrality correlationin social networks[J]. Phys. Rev. E, 2003, 67: 017101.

[1]	王宁, 张佳蕊, 赵姣. 城际零担货运平台车辆路径问题研究[J]. 交通运输系统工程与信息, 2022, 22(2): 163-177.
[2]	谭二龙, 李宏海, 钟厚岳, 霍恩泽, 马晓磊. 基于轨迹数据的货车自发编队节油潜力估计[J]. 交通运输系统工程与信息, 2022, 22(1): 74-84.
[3]	贾术艳, 宋雨童, 杨紫都. 基于生长曲线函数的货车运营环节碳达峰研究[J]. 交通运输系统工程与信息, 2021, 21(6): 310-318.
[4]	甘蜜, 卿三东, 刘晓波, 李丹丹. 货车轨迹数据在公路货运系统中应用研究综述[J]. 交通运输系统工程与信息, 2021, 21(5): 91-101.
[5]	李根, 翟伟, 朱兴贝, 杨晟, 邬岚. 侧向碰撞风险对交织区汇合行为的影响[J]. 交通运输系统工程与信息, 2021, 21(4): 204-210.
[6]	李桃迎，王婷，张羽琪. 考虑多特征的高速公路交通流预测模型[J]. 交通运输系统工程与信息, 2021, 21(3): 101-111.
[7]	袁方，杨轸，周雄峰. 双车道公路弯道半径及回旋线长度对转向行为的影响[J]. 交通运输系统工程与信息, 2021, 21(1): 116-123.
[8]	胡立伟，何越人，李耀平，孟玲，殷秀芬. 基于人工免疫机制的营运货车运行风险评价研究[J]. 交通运输系统工程与信息, 2021, 21(1): 149-155.
[9]	戢晓峰，吴亚欣，郝京京，房锐，胡澄宇. 平纵组合路段事故严重程度致因辨识模型[J]. 交通运输系统工程与信息, 2020, 20(6): 197-204.
[10]	程颖，张佳乐，张少君，郭继孚，张达. 大型货运车辆生态驾驶及节油潜力评估[J]. 交通运输系统工程与信息, 2020, 20(6): 253-258.
[11]	段莉珍，栾庆熊，赵鑫. 区域路网货物运输量统计方法改进[J]. 交通运输系统工程与信息, 2020, 20(4): 28-33.
[12]	刘昱，吴志新，李孟良，于晗正男，汪洋，贺可勋，安晓盼. 中国乘用车工况构建[J]. 交通运输系统工程与信息, 2020, 20(3): 233-240.
[13]	何永明，裴玉龙，冉斌. 基于智能路钮的超高速公路虚拟轨道系统研究[J]. 交通运输系统工程与信息, 2020, 20(2): 55-60.
[14]	王海星，王翔宇，王招贤，李学东. 基于数据挖掘的危险货物运输风险驾驶行为聚类分析[J]. 交通运输系统工程与信息, 2020, 20(1): 183-189.
[15]	李智, 张琦，孙延浩，曾壹. 高速铁路列车运行图鲁棒性协同优化模型研究[J]. 交通运输系统工程与信息, 2019, 19(5): 169-176.