突发事件下高铁站应急疏散多目标优化模型与自适应量子蚁群算法

doi:10.16381/j.cnki.issn1003-207x.2021.1315

摘要/Abstract

摘要：

突发事件下公共场所人员的应急疏散问题是目前国内外研究的热点，其中高铁站应急情境下的人员疏散及路径优化也随着高铁的快速发展逐渐引起了人们的重视。本文考虑拥挤度会对疏散人员心理行为及疏散效率产生影响，以高铁站人员应急疏散过程中的拥挤度与总疏散时间为目标，建立了高铁站应急疏散路径多目标优化数学模型，设计了一种改进的自适应量子蚁群算法进行求解，并与常规算法求解结果做了对比分析。通过算例进行模拟实验，结果表明，所提出的模型较好地兼顾了疏散路径的安全性与时效性，且设计的算法具有良好的全局性和收敛性，有助于进一步完善我国高速铁路客运运作管理体系。

关键词: 高铁站, 拥挤度, 应急疏散, 多目标优化, 量子蚁群算法

Abstract:

The high-speed rail station， as a connection point for traffic inside and outside the city， has greatly promoted the economic development of the surrounding areas. It is a comprehensive transportation hub integrating transportation， transfer and service. In the event of an emergency， it is difficult to evacuate the huge passenger flow in a short period of time， and it is easy to cause casualties. Therefore， it is necessary to study how to organize efficient and orderly emergency evacuation activities in a limited time， optimize the evacuation path of people in high-speed railway stations， and reduce casualties and property losses caused by emergencies.The first part of this paper reviews the relevant literature on the evacuation process under emergencies， and finds that there are still some shortcomings in the existing research. First， in terms of model construction， the existing research usually adopts the general evacuation model of large public places， which does not reflect the characteristics of the evacuation problem of high-speed rail. Secondly， in the method of solving the objective problem， some existing algorithms are difficult to obtain effective and stable results when solving nonlinear programming models with multiple optimization objectives and multiple constraints.The second part introduces the characteristics of the evacuation problem of high-speed railway stations and the characteristic factors that need to be considered when modeling. According to the structural characteristics of the high-speed railway station， a multi-objective optimization model for the evacuation path of people in the high-speed railway station is established. The optimization goal of the model is to reduce the total evacuation time of all evacuees’ as much as possible， balance the load of the entire evacuation network， and calculate a feasible evacuation path that can evacuate people on time under the condition of ensuring safety.In the third part， an improved quantum ant colony algorithm is designed based on the methods of increasing the quantum revolving gate adaptive improvement mechanism， increasing the individual mutation strategy， and improving the pheromone update method. And through the numerical example comparison experiment， it is verified that the improved quantum ant colony algorithm can effectively overcome the shortcomings of the traditional ant colony algorithm that the convergence speed is slow and it is easy to fall into the local optimum.In the fourth part， based on the actual survey data of a high-speed railway station， an experimental case of the evacuation problem of high-speed railway station is constructed with different scales of evacuating personnel， and the optimization results of the improved quantum ants are compared and tested， which shows the effectiveness and efficiency of the model.In summary， the emergency evacuation of high-speed railway stations is studied under the emergency situation， the relationship between evacuation efficiency and personnel density and congestion is analyzed， and finally a multi-objective evacuation path optimization model is established. In order to enhance the efficiency of model solving， an improved quantum ant colony algorithm is designed based on a mixed strategy， which overcomes the defect that the ant colony algorithm is prone to fall into prematurity. The optimization results of the algorithm can provide a more scientific and effective decision-making basis for the path selection of emergency evacuation of high-speed railway stations.

Key words: high-speed railway station, emergency evacuation, crowding degree, multi-objective optimization, quantum ant colony algorithm

中图分类号:

F224.32

王付宇,谢昊轩,林钟高,王骏. 突发事件下高铁站应急疏散多目标优化模型与自适应量子蚁群算法[J]. 中国管理科学, 2024, 32(3): 188-197.

Fuyu Wang,Haoxuan Xie,Zhonggao Lin,Jun Wang. Multi-objective Optimization Model and Adaptive Quantum Ant Colony Algorithm for Emergency Evacuation of High-speed Railway Stations under Emergencies[J]. Chinese Journal of Management Science, 2024, 32(3): 188-197.

图/表 18

表1

模型参数"

符号	含义
$G$	疏散网络
$t$	时间
$i$	节点的索引号
$M$	高铁站内处于危险区域的人员总数量
$t i j k$	疏散者k通过通道(i，j)进行疏散时所需要的时间
$p a t h k$	疏散者k的路径
$s 0 k$	疏散者k的路径出发点
$l i j$	通道(i，j)长度
$u i j$	通道(i，j)的可达性，0代表可达，1代表不可达
$v i j k (t)$	疏散者k在通道(i，j)t时刻的运动速度
$v i j (0)$	常量，行人在通道(i，j)的标准运动速度
$N i j (t)$	通道(i，j)在t时刻下的人员数量
$C i j$	通道(i，j)所能容纳的人员数量上限
$T m a x$	疏散网络完成全部疏散的总用时
$α$	拥挤情形下，疏散速度的修正系数，取值为0.5
$β$	拥挤度修正系数，取值为0.5

表1

表2

不同算法参数设置"

算法	$m$	$α$	$β$	$ρ$	$Q$
ACO	31	1	6	0.9	1
CACO	30	1.5	2	0.9	-
QACA	31	1.5	2	0.9	-

表2

图1

图2

图3

图4

图5

图6

图7

表3

表4

图8

图9

图10

表5

图11

图12

图13

参考文献 33

1	王付宇，王骏. 突发事件情景下地铁站人员应急疏散问题综述［J］. 计算机应用研究， 2018， 35（10）：14-19.
	Wang F Y， Wang J. Summary of emergency evacuation of subway station personnel in emergency situations［J］. Application Research of Computers， 2018， 35（10）：14-19.
2	关伟，吴建军，高自友. 交通运输网络系统工程［J］.交通运输系统工程与信息， 2020，20（6）：9-21.
	Guan W， Wu J J， Gao Z Y. Transportation network systems engineering［J］. Journal of Transportation Systems Engineering and Information Technology， 2020， 20（6）：9-21.
3	Altshuler E， Ramos O， Núñez Y， et al. Symmetry breaking in escaping ants［J］. American Naturalist， 2005， 166（6）： 643-649.
4	Qian T， Huang G H， Wu C Z， et al. IF-EM： an interval-parameter fuzzy linear programming model for environment-oriented evacuation planning under uncertainty［J］. Journal of Advanced Transportation， 2011， 45（4）：286-303.
5	Cova T J， Johnson J P. A network flow model for lane-based evacuation routing［J］. Transportation Research Part A， 2015， 37（7）：579-604.
6	Zhou M， Dong H R， Wen D， et al. Modeling of crowd evacuation with assailants via a fuzzy logic approach［J］. IEEE Transactions on Intelligent Transportation Systems， 2016， 17（9）： 2395-2407.
7	李妍峰，高雍，徐国勋.考虑服务水平的旅游公共交通网络设计问题研究［J］.工业工程与管理，2020，25（5）：94-102.
	Li Y F， Gao Y， Xu G X. A tourism public transport network design problem considering service level［J］.Industrial Engineering and Management，2020，25（5）：94-102.
8	李双琳，马祖军.震后交通管制下基于用户均衡条件的救灾路径选择［J］.管理工程学报，2014，28（3）：148-155+217.
	Li S L， Ma Z J. The model of fragile goods economic order quantity partly based on the delayed payment term［J］. Journal of Industrial Engineering and Engineering Management， 2014， 28（3）：148-155+217.
9	黄家骏，徐瑞华，洪玲，等. 动态不确定性环境下的地铁车站应急疏散仿真建模［J］. 交通运输系统工程与信息， 2018， 18（2）：164-170.
	Huang J J， Xu R H， Hong L， et al. Simulation model of evacuation process in metro station under dynamic and uncertain environment［J］. Journal of Transportation Systems Engineering and Information Technology， 2018， 18（2）：164-170.
10	李建光，赵寒青. 安全容量限制下人群分类对应急疏散影响研究［J］. 武汉理工大学学报（信息与管理工程版）， 2019， 41（1）： 1-6+11.
	Li J G， Zhao H Q. Quantitative method for the dynamic damage on people caused by sudden disasters［J］. Journal of Wuhan University of Technology （Information & Management Engineering）， 2019， 41（1）：1-6+11.
11	Lei W J， Li A G， Gao R， et al. Simulation of pedestrian crowds’ evacuation in a huge transit terminal subway station［J］. Physica A Statistical Mechanics & Its Applications， 2012， 391（22）： 5355-5365.
12	Guo X W， Chen J Q， You S Z， et al. Modeling of pedestrian evacuation under fire emergency based on an extended heterogeneous lattice gas model［J］. Physica A Statistical Mechanics & Its Applications， 2013， 392（9）： 1994-2006.
13	Yang P Z， Li C， Chen D H. Fire emergency evacuation simulation based on integrated fire-evacuation model with discrete design method［M］. Elsevier Science Ltd. 2013， 32（5）： 84-96.
14	屈云超，高自友，李新刚. 考虑从众效应和信息传递的行人疏散建模［J］. 交通运输系统工程与信息， 2014， 14（5）：188-193.
	Qu Y C， Gao Z Y， Li X G. Modeling and simulating herding behavior and information spreading process in pedestrian flow［J］.Journal of Transportation Systems Engineering and Information Technology，2014，14（5）：188-193.
15	刘毅，沈斐敏. 考虑灾害实时扩散的室内火灾疏散路径选择模型［J］. 控制与决策， 2018（9）：1598-1604.
	Liu Y， Shen F M. Route selection model in indoor evacuation under real effect of fire spread［J］. Control and Decision， 2018（9）：1598-1604.
16	余肖禹，谢科范，梁本部. 应急避难场所感知与疏散行为的关系研究［J］.管理学报，2020，17（6）：931-936.
	Yu X Y， Xie K F， Liang B B. The relationship between emergency shelter perception and evacuation behavior［J］. Chinese Journal of Management， 2020， 17（6）：931-936.
17	Zong X L， Xiong S W， Fang Z X， et al. Multi-ant colony system for evacuation routing problem with mixed traffic flow［C］// IEEE Congress on Evolutionary Computation. IEEE， 2010：1-6.
18	Singhal K， Sahu S. Fire evacuation using ant colony optimization algorithm［J］. International Journal of Computer Applications， 2016， 139（8）： 0975-8887.
19	张江华，刘治平，朱道立. 多源点突发灾害事故应急疏散模型与算法［J］. 管理科学学报， 2009， 12（3）：111-118.
	Zhang J H， Liu Z P， Zhu D L. Multi-source emergency evacuation model and algorithm［J］. Journal of Management Sciences in China， 2009， 12（3）：111-118.
20	李小林，张松，陈华平.考虑分时电价的多目标批调度问题蚁群算法求解［J］.中国管理科学，2014，22（12）：56-64.
	Li X L， Zhang S， Chen H P. Solving multi-objective batch scheduling under TOU price using ant colony optimization［J］. Chinese Journal of Management Science， 2014， 22（12）： 56-64.
21	董崇杰，刘毅，彭勇. 改进布谷鸟算法在人群疏散多目标优化中的应用［J］. 系统仿真学报， 2016， 28（5）：1063-1069．
	Dong C J， Liu Y， Peng Y. Improved cuckoo search algorithm applied to multi-objective optimization of crowd evacuation［J］. Journal of System Simulation， 2016， 28（5）：1063-1069．
22	周鲜成，刘长石，周开军，等.时间依赖型绿色车辆路径模型及改进蚁群算法［J］.管理科学学报，2019，22（5）：57-68.
	Zhou X C， Liu C S， Zhou K J， et al. Improved ant colony algorithm and modelling of time-dependent green vehicle routing problem［J］. Journal of Management Sciences in China，2019，22（5）：57-68.
23	安实，冯德健，王健，等.多车型多行程需求可拆分的应急疏散车辆调度［J］. 大连交通大学学报， 2019， 40（1）：1-6.
	An S， Feng D J， Wang J， et al. Scheduling of emergency evacuation vehicles with multiple vehicle types and multiple trips and split delivery［J］.Journal of Dalian Jiaotong University， 2019， 40（1）：1-6.
24	李清泉，李秋萍，方志祥.一种基于时空拥挤度的应急疏散路径优化方法［J］.测绘学报， 2011， 40（4）：517-523.
	Li Q Q， Li Q P， Fang Z X. An emergency evacuation routing optimization method based on space-time congestion concept［J］. Acta Geodaetica et Cartographica Sinica， 2011， 40（4）：517-523.
25	何健飞，刘晓. 基于拥挤度的地铁应急疏散路径优化方法［J］. 中国安全科学学报， 2013， 23（2）：166-171.
	He J F， Liu X. A subway emergency evacuation routing optimization method based on congestion degree ［J］. China Safety Science Journal， 2013， 23（2）：166-171.
26	Anaya-Arenas A M， Renaud J， Ruiz A. Relief distribution networks： a systematic review［J］. Annals of Operations Research， 2014， 223（1）：53-79.
27	Cao H， Li T， Li S X， et al. An integrated emergency response model for toxic gas release accidents based on cellular automata［J］. Annals of Operations Research， 2017， 255（1-2）：617-638.
28	Dorigo M， Blum C. Ant colony optimization theory： a survey［J］. Theoretical Computer Science， 2005， 344（2-3）：243-278.
29	Ma Y N， Gong Y J， Xiao C F， et al. Path planning for autonomous underwater vehicles： an ant colony algorithm incorporating alarm pheromone［J］. IEEE Transactions on Vehicular Technology， 2019， 68（1）：141-154.
30	Gao G Q， Mei Y， Jia Y H， et al. Adaptive coordination ant colony optimization for multipoint dynamic aggregation［J］. IEEE Transactions on Cybernetics， 2021（99）：1-15.
31	唐亮，何杰，靖可，等. 时间窗口约束下基于改进蚁群算法的协同制造调度研究［J］. 中国管理科学， 2018， 26（4）：97-107.
	Tang L， He J， Jing K， et al. Collaborative manufacturing scheduling based on improved ant colony optimization algorithm with time window constraint［J］. Chinese Journal of Management Science， 2018， 26（4）：97-107.
32	Cil Z A， Mete S， Serin F. Robotic disassembly line balancing problem： a mathematical model and ant colony optimization approach［J］. Applied Mathematical Modelling， 2020， 86：335-348.
33	Keshanchi B， Souri A， Navimipour N J. An improved genetic algorithm for task scheduling in the cloud environments using the priority queues： formal verification， simulation， and statistical testing［J］. Journal of Systems & Software， 2017， 124（2）：1-21.

问题	TSPLIB最优解	算法	最优解	最差解	平均解
Eil51	426	QACA	441.30	467.02	458.14
		ACO	457.04	469.41	461.22
		CACO	454.16	467.59	461.87
Eil101	629	QACA	651.17	702.01	680.59
		ACO	694.97	715.52	700.88
		CACO	665.50	706.94	685.21
中国旅行商问题	15377（千米）	QACA	15443.19	15972.76	15691.25
		ACO	15601.92	16221.34	15948.52
		CACO	15592.11	16247.70	15813.37

算法	收敛代数	最优解	最差解	平均解
ACO	154	1392.51	1457.29	1412.12
CACO	175	1375.22	1455.75	1395.78
QACA	117	1347.75	1421.12	1385.44

[1]	王海宇. 基于简单检测方法的动态 $n p x$ 控制图的经济统计优化设计[J]. 中国管理科学, 2023, 31(9): 205-213.
[2]	单汩源, 王建江, 别黎. 基于自适应大邻域搜索的鲁棒多项目调度方法[J]. 中国管理科学, 2022, 30(9): 217-231.
[3]	牛奔, 郭晨, 唐恒. 基于多目标多元学习细菌觅食优化算法的混合数据聚类[J]. 中国管理科学, 2022, 30(12): 131-140.
[4]	徐小峰, 林姿汝, 周鹏. 多油品供给受限下多油库被动配送车辆路径问题研究[J]. 中国管理科学, 2021, 29(5): 157-165.
[5]	彭武良, 马小菁. 一种策略层项目计划的双目标优化方法[J]. 中国管理科学, 2021, 29(2): 69-77.
[6]	董雪璠, 刘怡君, 廉莹. 基于熵控原理的多目标第三产业结构优化模型——以北京市为例[J]. 中国管理科学, 2017, 25(9): 53-62.
[7]	吴志樵, 卢祥远, 牟立峰, 唐加福. 考虑采购成本与组合风险的构件优化选择方法[J]. 中国管理科学, 2017, 25(8): 158-165.
[8]	丁秋雷. 客户时间窗变化的物流配送干扰管理模型——基于行为的视角[J]. 中国管理科学, 2015, 23(5): 89-97.
[9]	葛怀志, 张金隆. 基于公理设计和功能过剩的公共住房撮合分配方法[J]. 中国管理科学, 2015, 23(1): 111-120.
[10]	李双琳, 马祖军, 郑斌, 代颖. 震后初期应急物资配送的模糊多目标选址-多式联运问题[J]. 中国管理科学, 2013, (2): 144-151.
[11]	王克喜, 袁际军, 黄敏镁, 陈为民. 多平台下的参数化产品族多目标智能优化[J]. 中国管理科学, 2011, 19(4): 111-119.
[12]	齐二石, 李辉, 刘亮. 基于遗传算法的虚拟企业协同资源优化问题研究[J]. 中国管理科学, 2011, 19(1): 77-83.
[13]	何波, 杨超. 基于成本/服务权衡的逆向物流网络设计问题研究[J]. 中国管理科学, 2008, 16(4): 90-95.
[14]	石琴, 陈朝阳, 覃运梅. 多目标物流网络优化模型的研究[J]. 中国管理科学, 2005, (4): 40-43.
[15]	黄平, 张仲义. 运输网络运量分配问题的模型及算法研究[J]. 中国管理科学, 1999, (1): 48-54.