一种基于多种群双层优化算法的危险品运输路径规划方法技术

本发明专利技术公开了一种基于多种群双层优化算法的危险品运输路径规划方法。为了克服危化品运输路径规划求解计算困难的问题；本发明专利技术采用包括以下步骤：获取实时路况及城市人口密度信息，根据时变路况与不确定人口密度信息建立危险品路径规划模型；将运输路径和车辆速度分别作为规划目标，构建一个并行双层结构，并分别进行初始化；对初始化后的并行双层结构使用两个种群求解，其中1号种群使用量子粒子群算法更新公式更新路径点概率矩阵PR，求解最优路径，2号种群使用粒子群算法更新公式更新速度选择概率矩阵PV。优点是通过并行双层结构使用两个种群求解，降低计算难度，在保证算法收敛快速的同时保证种群的多样性和稳定性。快速的同时保证种群的多样性和稳定性。

【技术实现步骤摘要】
一种基于多种群双层优化算法的危险品运输路径规划方法


[0001]本专利技术涉及信息与控制
，尤其涉及一种基于多种群双层优化算法的危险品运输路径规划方法。

技术介绍

[0002]由于危险品的特殊性质，任何与其使用相关的活动都伴随着巨大的风险。在危化品运输过程中，合理的路径规划能够有效的避开交通拥堵、人口密集等高风险区域，因此运输路径规划在确保危险品运输安全方面具有重要地位。在面对计算困难且复杂的优化的问题时，PSO等传统算法收敛快速的特点会带来种群多样性不足、早熟收敛等问题，从而陷入局部最优的困境。
[0003]例如，一种在中国专利文献上公开的“一种在不确定时变路网下的危险品运输路径规划方法”，其公开号CN113393665A，公开日2021
‑
09
‑
14，步骤包括：建立考虑路况及人口密度信息时变性与不确定性的危险品运输规划模型；模型引入时变的模糊变量描述人口密度对运输风险的影响，同时，考虑到路网实时交通状况对运输风险的影响，模型引入时间依赖的等效道路长度描述实时道路状况；使用机会约束机会约束规划方法进行解模糊；最后应用PSO算法求解仿真结果，通过对数值实例求解结果的分析，验证了模型的适用性。该方案在对求运输路径最优方案的解的质量和解的稳定性上都有明显的不足。

技术实现思路

[0004]本专利技术主要解决危化品运输路径规划求解计算困难的问题；提供一种基于多种群双层优化算法的危险品运输路径规划方法。
[0005]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：
[0006]本专利技术包括以下步骤：
[0007]S1：获取实时路况及城市人口密度信息，根据时变路况与不确定人口密度信息建立危险品路径规划模型；
[0008]S2：将运输路径和车辆速度分别作为规划目标，构建一个并行双层结构，并分别进行初始化；
[0009]S3：对初始化后的并行双层结构使用两个种群求解，其中1号种群使用量子粒子群算法更新公式更新路径点概率矩阵PR，求解最优路径，2号种群使用粒子群算法更新公式更新速度选择概率矩阵PV。
[0010]采用本方案通过双层优化结构可以保证危险品的运输安全问题，同时也能确保种群的多样性和收敛性，使得计算结果更加的精确。
[0011]作为优选，所述步骤S1中获取的实时路况及城市人口密度信息包括城市道路的实时交通指数、交通指数历史数据、城市实时人口热力图，所述危化品运输车辆的运输风险表示为：
[0012]R
ij
(t)＝P
ij
×
Cs
ij
(t),i、j∈N,t∈T
[0013]式中，R
ij
(t)是t时刻节点i、j∈N间的运输风险；P
ij
表示车辆从节点i到节点j之间道路段L
ij
发生事故的概率；Cs
ij
(t)表示道路段L
ij
发生事故可能产生的后果。
[0014]采用本方案通过降型操作的区间二型模糊集作为评估道路网络人口分布的模糊变量。
[0015]作为优选，所述路网中道路段L
ij
上的事故后果严重程度计算方法为：
[0016][0017]式中，t表示车辆出发后的时刻，表示在t时刻道路段L
ij
周围人口密度的模糊数，为道路段L
ij
发生事故时影响范围的半径，其中，为时变的区间二型模糊变量；
[0018]等价形式为：
[0019][0020]式中，i,j∈N,t∈T，在上述区间二型模糊隶属度函数中，与分别为两个梯形一型模糊变量：与分别表示区间二型模糊变量的上下隶属度函数，其中一型模糊变量与的隶属度函数为：
[0021][0022][0023]式中，为预定义的一型模糊变量。
[0024]采用本方案区间二型模糊集可以简化计算过程，降低处理难度。
[0025]作为优选，所述道路段L
ij
发生事故的概率表示为：
[0026]P
ij
＝AR
ij
×
LKPr
ij
×
D
ij
,i,j∈N
[0027]式中，AR
ij
表示路段L
ij
上发生交通事故的概率，LKPr
ij
表示路段L
ij
上发生交通事故后引发危险品泄漏事故的概率，D
ij
表示路段L
ij
的距离；
[0028]车辆的运输风险为：
[0029][0030]式中，i,j∈N,t∈T；
[0031]运输风险最小化的目标表示为：
[0032][0033]s.t.:
[0034][0035]式中，为决策变量，当车辆在t时刻从节点i到达节点j时，决策变量为1,否则为0；α为置信度水平；Z为求解的风险值；
[0036]根据模糊理论的置信度计算公式，对于变量的上层隶属度函数机会约束规划模型为：
[0037][0038]对于下层隶属度函数，机会约束规划模型为：
[0039][0040]式中，α
U
和α
L
分别是预定义和约束条件成立的置信度水平；其中，约束条件成立的置信度水平；其中，
[0041]对于求解最低道路风险值，其机会约束规划模型化简为等价约束为：
[0042][0043]其中对于上式中的和分别有：
[0044][0045][0046]通过基于置信度的机会约束规划方法,将含有模糊变量的运输风险值Zr转化为：
[0047][0048]对于使用规划的路径运输危化品的时间计算公式为：
[0049][0050]式中，表示车辆从t时刻进入道路段L
ij
到达节点j所花费的时间，表示车辆从t时刻进入道路段L
ij
到达节点j的速度；
[0051]对于的规划选择行驶速度较为稳定的安排，速度的波动情况计算公式为：
[0052][0053]式中，为在道路段中行驶的速度平方差,用于表示运输车辆速度的稳定性；
[0054]在进行危险品运输时对于达到运输时间、运输风险、车辆速度波动三个模型的化目标函数表示为：
[0055][0056][0057][0058]式中，优化目标F1是车辆运输过程中花费的时间成本；优化目标F2是车辆运输过程中潜在交通事故引发的风险；优化目标F3是车辆运输过程中各道路段所规划行驶速度；
[0059]将上述三个优化目标转换为单目标问题，其优化模型下：
[0060]Min Fitness＝Min(F1+F2+F3)＝Min(T+Zr+DV)。
[0061]采用本方案将事故风险使用机会约束模型转化为其等价确定形式；优化目标F3是车辆运输过程中各道路段所规划行驶速度；通常，运输危本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多种群双层优化算法的危险品运输路径规划方法，其特征在于，包括以下步骤：S1：获取实时路况及城市人口密度信息，根据时变路况与不确定人口密度信息建立危险品路径规划模型；S2：将运输路径和车辆速度分别作为规划目标，构建一个并行双层结构，并分别进行初始化；S3：对初始化后的并行双层结构使用两个种群求解，其中1号种群使用量子粒子群算法更新公式更新路径点概率矩阵PR，求解最优路径，2号种群使用粒子群算法更新公式更新速度选择概率矩阵PV。2.根据权利要求1所述的一种基于多种群双层优化算法的危险品运输路径规划方法，其特征在于，所述步骤S1中获取的实时路况及城市人口密度信息包括城市道路的实时交通指数、交通指数历史数据、城市实时人口热力图，所述危化品运输车辆的运输风险表示为：R
ij
(t)＝P
ij
×
Cs
ij
(t),i、j∈N,t∈T式中，R
ij
(t)是t时刻节点i、j∈N间的运输风险；P
ij
表示车辆从节点i到节点j之间道路段L
ij
发生事故的概率；Cs
ij
(t)表示道路段L
ij
发生事故可能产生的后果。3.根据权利要求2所述的一种基于多种群双层优化算法的危险品运输路径规划方法，其特征在于，所述路网中道路段L
ij
上的事故后果严重程度计算方法为：式中，t表示车辆出发后的时刻，表示在t时刻道路段L
ij
周围人口密度的模糊数，为道路段L
ij
发生事故时影响范围的半径，其中，为时变的区间二型模糊变量；等价形式为：式中，i,j∈N,t∈T，在上述区间二型模糊隶属度函数中，与分别为两个梯形一型模糊变量：与分别表示区间二型模糊变量的上下隶属度函数，其中一型模糊变量与的隶属度函数为：
式中，为预定义的一型模糊变量。4.根据权利要求3所述的一种基于多种群双层优化算法的危险品运输路径规划方法，其特征在于，所述道路段L
ij
发生事故的概率表示为：P
ij
＝AR
ij
×
LKPr
ij
×
D
ij
,i,j∈N式中，AR
ij
表示路段L
ij
上发生交通事故的概率，LKPr
ij
表示路段L
ij
上发生交通事故后引发危险品泄漏事故的概率，D
ij
表示路段L
ij
的距离；车辆的运输风险为：式中，i,j∈N,t∈T；运输风险最小化的目标表示为：s.t.:式中，为决策变量，当车辆在t时刻从节点i到达节点j时，决策变量为1,否则为0；α为置信度水平；Z为求解的风险值；根据模糊理论的置信度计算公式，对于变量的上层隶属度函数机会约束规划模型为：对于下层隶属度函数，机会约束规划模型为：
式中，α
U
和α
L
分别是预定义和约束条件成立的置信度水平；其中，约束条件成立的置信度水平；其中，对于求解最低道路风险值，其机会约束规划模型化简为等价约束为：其中对于上式中的和分别有：分别有：通过基于置信度的机会约束规划方法,将含有模糊变量的运输风险值Zr转化为：对于使用规划的路径运输危化品的时间计算公式为：式中，表示车辆从t时刻进入道路段L
ij
到达节点j所花费的时间，表示车辆从t时刻进入道路段L
ij
到达节点j的速度；
对于的规划选择行驶速度较为稳定的安排，速度的波动情况计算公式为：式中，为在道路段中行驶的速度平方差,用于表示运输车辆速度的稳定性；在进行危险品运输时对于达到运输时间、运输风险、车辆速度波动三个模型的化目标函数表示为：为：为：式中，优化目标F1是车辆运输过程中花费的时间成本；优化目标F2是车辆运输过程中潜在交通事故引发的风险；优化目标F3是车辆运输过程中各道路段所规划行驶速度；将上述三个优化目标转换为单目标问题，其优化模型下：Min Fitness＝Min(F1+F2+F3)＝Min(T+Zr+DV)。5.根据权利要求1所述的一种基于多种群双层优化算法的危险品运输路径规划方法，其特征在于，所述S2的具体内容为：在基于双层结构优化算法的路径规划方法中使用路径点选择概率矩阵PR生成路径，其公式为：式中，pr
ij
表示在节点i时选择经过道路段L
ij
到达节点j的概率参数；最终路径选择概率PR
ij
为：在对路径点概率矩阵PR初始化时，矩阵元素pr
ij
定义为节点i时到达节点j距离D
ij
的倒数：在基于双层结构优化算法中使用速度选择概率矩阵PV生成路段速度，速度选择概率矩阵PV为：
式中，pv
ij
表示道路段L
ij
行驶速度对于速度上限的百分比，pv
ij
的取值范围为(0,1]；t时刻驶入路网道路段L
ij
的速度计算公式为：6.根据权利要求1所述的一种基于多种群双层优化算法的危险品运输路径规划方法，其特征在于，所述S3的具体内容为：1号种群求解最优路径时使用的是量子粒子群算法，对于量子粒子群算法，其收敛性依靠吸引子p
i
(k)实现，吸引子的更新公式表示为：式中，p
i
(k)代表粒子pop
i
第k次迭代时的吸引子，Pbest
i
(k)为粒子pop
i
第k次迭代时的个体最优解，Gbest对于粒子群所有粒子pop＝(p1,p2,
…
,p
M
)第k次迭代时群体最优解，表示为：式中，r1和r2为(0,1]区间上服从均匀分布的随机...

【专利技术属性】
技术研发人员：郑松，柳枝果，蒋鹏，许欢，刘俊，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：