基于GERT 网络的应急救援关键路段识别

交通运输系统工程与信息 ›› 2017, Vol. 17 ›› Issue (4): 166-172.

基于GERT 网络的应急救援关键路段识别

李彦瑾，罗霞*，车国鹏，曹祎

西南交通大学交通运输与物流学院，成都610031

收稿日期:2016-12-27 修回日期:2017-04-06 出版日期:2017-08-25 发布日期:2017-08-25
作者简介:李彦瑾（1990-），男，四川达州人，博士生.
基金资助:
国家自然科学基金/National Natural Science Foundation of China（51308475）；中央高校基本科研业务费专项资金/ The Fundamental Research Funds for the Central Universities（SWJTUA0920502051307-03）

Critical Road Links Identification in Emergency Rescue Based on GERT Network

LI Yan-jin, LUO Xia, CHE Guo-peng, CAO Yi

School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China

Received:2016-12-27 Revised:2017-04-06 Online:2017-08-25 Published:2017-08-25

摘要/Abstract

摘要：

为了及时识别出突发事件下城市道路的关键路段，以构建最短应急救援路径，本文提出了一套完整流程.首先，针对路网在应急条件下的贫信息环境特征，设计一种基于模糊综合评判的行程时间估算方法.然后，考虑救援人员的应急心理和经验选择行为，构建面向广义阻抗的GERT(Graph Evaluation and Review Technique)网络模型.最后，运用 Dijkstra 算法获得救援路径完成关键路段识别.以成都市某区域实际交通网络为算例进行验证，结果表明：基于2 种模糊算子估算路段行程速度，其绝对误差为2.722 km/h，精度较高；与传统关键路段识别方法相比，GERT网络模型能更好地反映行程时间和路段拥挤度对路径选择行为的影响(拟合度80.95%)，并将重要度识别技术从路网降低到路径层面，效果良好.

关键词: 交通工程, 关键路段识别, GERT网络, 救援路径, 贫信息, 模糊数学

Abstract:

In order to timely indentify critical road link of urban network in emergencies to establish the shortest emergency rescue path. This paper designs a complete process. Firstly, considering poor information environment of road network under emergency conditions, a method of estimating travel time is presented based on fuzzy comprehensive evaluation. Then, a GERT model is established based on generalized impedance in connection with emergency psychology and empirical selection behavior. Finally, Dijkstra algorithm is used to obtain rescue path and finish critical road links identification. The paper selects an actual traffic network of a region in Chengdu City to verify model and algorithm. The results show that: compared with traditional identify method, GERT network model can reflect the effect of travel time and road link congestion on path choice behavior better (fitting degree is 80.95% ), and makes road link importance identification concreted from network level to path level, which has well effect.

Key words: traffic engineering, critical link identification, GERT network, rescue path, poor information, fuzzy mathematics

中图分类号:

U491

李彦瑾，罗霞，车国鹏，曹祎. 基于GERT 网络的应急救援关键路段识别[J]. 交通运输系统工程与信息, 2017, 17(4): 166-172.

LI Yan-jin, LUO Xia, CHE Guo-peng, CAO Yi. Critical Road Links Identification in Emergency Rescue Based on GERT Network[J]. Journal of Transportation Systems Engineering and Information Technology, 2017, 17(4): 166-172.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.tseit.org.cn/CN/abstract/abstract19466.shtml

http://www.tseit.org.cn/CN/Y2017/V17/I4/166

参考文献

[1] TAYLOR MAP. Critical transport infrastructure in urban areas: impacts of traffic incidents assessed using accessibility-based network vulnerability analysis[J]. Growth&Change, 2008, 39(4): 593-616.

[2] JENELIUS E, MATTESSON L G. Road network vulnerability analysis of area-covering disruptions: A grid-based approach with case study[J]. Transportation Research Part A: Policy and Practice, 2012, 46(5): 746- 760.

[3] D’ESTE G M, TAYLOR M A P. Network vulnerability: an approach to reliability analysis at the level of national strategic transport networks[C]. New York: Pergamon Press, 2003: 23-44.

[4] 侯立文，蒋馥. 城市道路网的可靠性仿真[J]. 系统仿真学报, 2002, 14(5): 664- 668. [HOU L W, JIANG F. Simulation of urban road network reliability[J]. Journal of System Simulation, 2002, 14(5): 664-668.]

[5] 张勇，屠宁雯，姚林泉. 城市道路交通网络脆弱性识别方法[J]. 中国公路学报, 2013, 26(4)：154-161. [ZHANG Y, TU N W, YAO L Q. Urban road traffic network vulnerability identification method[J]. China Journal of Highway and Transport, 2013, 26(4): 154- 161.]

[6] 刘思峰，万寿庆，陆志鹏，等. 交通网络中救援点与事故点的路段重要性评价模型研究[J]. 中国管理科学, 2009, 17(1): 119-124. [LIU S F, WAN S Q, LU Z P, et al. The importance of highway section evaluation model in complex network between accident point and rescue point in the emergency situations[J]. Chinese Journal of Management Science, 2009, 17(1): 119-124.]

[7] DAILEY D J. Travel time estimation using cross - correlation techniques[J] .Transportation Research(Part B), 1993 , 27(2): 97-107.

[8] 北京市市政工程设计研究总院. 城市道路设计规范[M]. 北京：中国建筑工业出版社, 2012. [The Beijing Municipal Engineering Design & Research Institute. Code for design of urban road engineering[M]. Beijing: China Architecture & Building Press, 2012.]

[9] FANG Z G, YANG B H, LU Z P, et al. The GERT network model study of disaster evolution based on bayes inference[J]. Chinese Journal of Management Science, 2009, 17(2): 102-107.

[1]	林建新, 刘博, 赵霞, 张蕾. 基于混合约束自编码器的机动车工况智能构建方法[J]. 交通运输系统工程与信息, 2022, 22(2): 109-116.
[2]	戢晓峰, 耿昭师. 山区双车道公路货车碰撞预测的双变量冲突极值模型[J]. 交通运输系统工程与信息, 2022, 22(2): 230-238.
[3]	张建波, 孙建平, 徐春玲, 郭镜霞, 温慧敏, 宋国华. 考虑交通运行条件影响的驾驶员特征聚类[J]. 交通运输系统工程与信息, 2022, 22(2): 330-336.
[4]	马景峰, 任刚, 李豪杰, 曹奇, 杜建玮. 电动自行车与机动车事故严重性影响因素分析[J]. 交通运输系统工程与信息, 2022, 22(2): 337-348.
[5]	宗芳, 王猛, 贺正冰. 考虑多车影响的分子动力学智能网联跟驰模型[J]. 交通运输系统工程与信息, 2022, 22(1): 37-48.
[6]	马小龙, 余强, 刘建蓓. 基于路侧毫米波雷达的车辆碰撞概率计算方法[J]. 交通运输系统工程与信息, 2022, 22(1): 57-66.
[7]	廖鹏, 唐铁桥. 基于车辆动力传动和转向系统的换道轨迹优化策略[J]. 交通运输系统工程与信息, 2022, 22(1): 98-105.
[8]	刘永红, 罗霞, 胡剑鹏. 考虑临时和预约需求的共享泊位动态分配方法[J]. 交通运输系统工程与信息, 2022, 22(1): 171-181.
[9]	袁振洲, 郭曼泽, 彭泳鑫, 杨洋. 基于梯度关联规则的老年行人交通事故风险识别[J]. 交通运输系统工程与信息, 2022, 22(1): 195-208.
[10]	张玉婷, 陈波佑, 张双焱, 闫学东, 李晓梦. 抵近信控交叉口分心驾驶识别模型[J]. 交通运输系统工程与信息, 2022, 22(1): 217-224.
[11]	宋浪, 王健, 杨滨毓, 安实. 连续流交叉口左转非机动车交通组织创新设计[J]. 交通运输系统工程与信息, 2022, 22(1): 225-233.
[12]	白婧荣, 唐伯明, 孙宗元, 毕辉云, 向恬君. 毗邻互通立交特长隧道驾驶负荷研究[J]. 交通运输系统工程与信息, 2022, 22(1): 301-310.
[13]	郭彦茹, 罗志雄, 王家川, 何方. 数据驱动的共享单车停放区规划方法研究[J]. 交通运输系统工程与信息, 2021, 21(6): 9-16.
[14]	李君羡, 沈宙彪, 童文聪, 吴志周. 基于分类车头时距的城市道路大型车影响分析[J]. 交通运输系统工程与信息, 2021, 21(6): 55-62.
[15]	卢凯, 周志洁, 张勇刚, 赵世杰, 徐广辉. 面向单向交通路网的绿波协调设计方法[J]. 交通运输系统工程与信息, 2021, 21(6): 74-83.