《整合大數據挖掘與路網脆弱性評估的疏散交通管理研究》是依託哈爾濱工業大學，由安實擔任項目負責人的面上項目。
基本介紹
- 中文名：整合大數據挖掘與路網脆弱性評估的疏散交通管理研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：安實
項目摘要,結題摘要,
項目摘要
道路交通應急疏散管理的核心理論瓶頸在於災害條件下疏散者行為數據調查難度較大，導致相應疏散交通需求預測精度較低。同時，基於最最佳化思想的疏散交通管理策略最佳化，由於建立在諸多理想假設之上，致使其實際套用效果較差。本項目針對災害背景下的應急疏散交通管理問題進行研究，首先基於大數據集挖掘疏散者災害前後的出行行為，從而建立疏散個體活動-出行鏈模型，準確預測疏散交通需求；以此為基礎，識別出路網中脆弱而關鍵的疏散需求節點和疏散通道，進而針對二者分別構建節點層和通道層交通管理最佳化模型；最後面向疏散交通管理者決策的實際需要，研發疏散行為挖掘與交通管理策略仿真及決策支持原型系統，並以美國艾琳颶風疏散的實際情景驗證研究成果的合理性和實用性。本研究整合了大數據挖掘技術、基於脆弱性評估的疏散交通管理最佳化理論與基於活動的出行需求建模理論，這種三位一體的研究方法，相對於傳統的疏散交通管理研究構成了重要創新。
結題摘要
道路交通應急疏散管理的核心理論瓶頸在於災害條件下疏散者行為數據調查難度較大，導致相應疏散交通需求預測精度較低。同時，基於最最佳化思想的疏散交通管理策略最佳化，由於建立在諸多理想假設之上，致使其實際套用效果較差。本項目針對災害背景下的應急疏散交通管理問題進行研究，首先基於大數據集挖掘疏散者災害前後的出行行為，從而建立了疏散個體“活動-出行鏈”模型，準確預測疏散交通需求；以此為基礎，識別出路網中脆弱而關鍵的疏散需求節點和疏散通道，進而針對二者分別構建節點層和通道層交通管理最佳化模型；最後面向疏散交通管理者決策的實際需要，研發了疏散行為挖掘與交通管理策略仿真及決策支持原型系統，並以美國“艾琳”颶風疏散的實際情景驗證研究成果的合理性和實用性。本研究整合了大數據挖掘技術、基於脆弱性評估的疏散交通管理最佳化理論與基於活動的出行需求建模理論，這種“三位一體”的研究方法，相對於傳統的疏散交通管理研究構成了重要創新。與隨機最大效用建模方法作對比，構建了基於效用-後悔混合決策規則的疏散出行決策行為模型，並以疏散路徑選擇意向數據對所建模型進行驗證。以經典的Wardrop第一平衡理論為基礎，建立了基於隨機用戶平衡的疏散交通平衡配流模型，捕捉到不同災害風險條件下疏散交通流的扭曲效應，彌補了以往研究中對心理因素考慮的不足之處。建立了基於脆弱性性評估的疏散路網抗風險雙層規劃決策模型，為應急疏散資源配置方案提供理論支撐，有助於應急管理者事先準備，制定出切合實際的疏散交通規劃方案。
