(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211068525.X (22)申请日 2022.09.02 (71)申请人 广东工业大 学 地址 510000 广东省广州市东 风东路729号 (72)发明人 赵佳虹　黎嘉文　 (74)专利代理 机构 深圳市广诺专利代理事务所 (普通合伙) 44611 专利代理师 居振浩 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/26(2012.01) G06N 3/00(2006.01) G06Q 10/08(2012.01) G06N 3/12(2006.01) (54)发明名称 一种基于交通大数据的危险品运输救援调 度方法 (57)摘要 本申请提供一种基于交通大数据的危险品 运输救援调度方法， 包括： 获得灾害多发区域信 息， 确定灾害分布特征； 采用事件树分析法计算 各区域的风险指数， 具体包括:根据灾害统计资 料构建事件树， 定量分析事件树并计算各区域的 风险指数； 分析各路段的视频监控录像并计算在 不同天气状况下各时间段的车流量和平均车速； 构建元胞自动机模型模拟不同天气状况的各时 间段下所有路段的交通流； 根据天气状况停放救 援车辆并提供最佳调度方案， 具体包括:根据天 气状况停放救援车辆， 灾害发生时提供救援车辆 的最佳调度方案 。 权利要求书3页 说明书6页 附图2页 CN 115392756 A 2022.11.25 CN 115392756 A 1.一种基于交通大 数据的危险品运输救援调度方法， 其特 征在于， 所述方法包括： 获得灾害 多发区域信息， 确定灾害分布特 征； 采用事件树分析法计算各区域的风险指数， 根据灾害统计资料构建事件树， 定量分析 事件树并计算各区域的风险指数； 分析各路段的视频监控录像并计算在不同天气状况 下各时间段的车流 量和平均车速； 构建元胞自动机模型模拟不同天气状况的各时间段 下所有路段的交通 流； 根据元胞自动机模型确定修建停车区域的选址， 根据所述元胞自动机模型计算通过所 有路段的平均用时， 采用蚁群算法求解调度救援车辆的最短用时和对应的路径， 采用遗传 算法求解修建停车区域的最佳选 址； 根据天气状况停放救援车辆并提供最佳调度方案， 所述最佳调度方案是指在灾害发生 时提供救援车辆的最佳调度方案 。 2.根据权利要求1所述的方法， 其中， 所述获得灾害多发区域信 息， 确定灾害分布特征， 包括: 获取当地历史上发生过且有记录的所有灾害； 获取灾害的类型、 发生的地点信 息、 发生 的时间、 获取灾害发生时的天气状况和经济损失金额； 统计所有发生灾害的地点对于同一 类型的灾害发生的次数； 对每一类灾害， 根据灾害发生的地点对应的灾害发生次数， 在地图 上画出灾害的空间分布图， 分析灾害的分布特 征。 3.根据权利要求1所述的方法， 其中， 所述采用事件树分析法计算各区域的风险指数， 包括: 根据灾害统计资料， 分析导致灾害发生的因素， 构建事件树； 定量分析事件树， 计算各 后果事件发生的概率和平均经济损失额； 根据后果事件发生的概率和平均经济损失额， 计 算各区域的风险指数； 包括： 根据灾害统计资料构建事件树； 定量分析事件树并计算各区域 的风险指数； 所述根据灾害统计资料构建事 件树， 具体包括: 根据灾害统计资料， 分析导致灾害发生的因素， 确定灾害的初始事件； 判定与灾害发生 相关的安全功能； 从初始事件开始， 用树枝代表事件发展途径， 按事件发展过程绘制事件 树； 去掉树枝中与初始事件或灾害 无关、 功能关系相互矛盾或不协调的安全功能， 简化事件 树； 所述定量分析事 件树并计算各区域的风险指数， 具体包括: 统计事件树中每个环节事件发生的频率； 统计初始事件发生的频率； 将事件发生的频 率近似为概率， 根据初始事件及事件树中每个环节事件发生的频率计算后续事件及各后果 事件发生的概率； 根据发生灾害的经济损失金额， 计算 发生后果事件的平均经济损失额； 根 据后果事 件发生的概 率和平均经济损失额， 计算各区域的风险指数。 4.根据权利要求1所述的方法， 其中， 所述分析各路段的视频监控录像并计算在不同天 气状况下各时间段的车流 量和平均车速， 包括: 调取在不同天气状况下所有路段在不同时间段的视频监控录像； 根据视频监控录像， 计算所有路段在不同天气状况 下各时间段的车流 量和平均车速 。 5.根据权利要求1所述的方法， 其中， 所述构建元胞自动机模型模拟不同天气状况的各 时间段下所有路段的交通 流， 包括:权　利　要　求　书 1/3 页 2 CN 115392756 A 2获取所有路段的长度和车道数； 获取所有路段的限速和 交通信号灯的时长； 根据路段 在不同天气 状况下各时间段的车流量、 平均车速及路段的长度、 车道数、 限速和交通信号灯 的时长， 确定车辆的行进规则， 构建元 胞自动机模型。 6.根据权利要求1所述的方法， 其中， 所述根据元胞自动机模型确定修建停车区域的选 址， 包括: 根据历史灾害的分布特征， 考察在灾害发生密集的区域附近所有能建造停车区域的地 点， 估计在各个地点建造停车区域的成本； 根据元胞自动机模 型， 结合历史灾害发生的时间 和天气状况， 计算通过各个路段的平均用时； 根据通过各个路段的平均用时， 采用蚁群算法 求解救援车辆从各个停车区域建造点到所有地点的最短用时和对应的路径； 根据各区域的 风险指数和救援车辆从各个停车区域建造点到所有地点的最短用时， 结合停车区域的建造 成本， 采用遗传算法求解修建停车区域的最佳选址； 包括： 根据元胞自动机模型计算通过所 有路段的平均用时； 采用蚁群算法求解调度救援车辆的最短用时和对应的路径； 采用遗传 算法求解修建停车区域的最佳选 址； 所述根据元胞自动机模型计算 通过所有路段的平均用时， 具体包括: 统计在各种天气状况和各个时间段下发生灾害的次数； 通过元胞自动机模型模拟出在 各种天气状况和各个时间段下通过所有路段的用时； 以各种天气状况和各个时间段下发生 灾害的次数占比为权 重， 计算通过所有路段用时的加权平均值； 所述采用蚁群算法求 解调度救援车辆的最短用时和对应的路径， 具体包括: 在地图上标注通过各路段的用时； 选择一个地点作为执行蚁群算法的终点； S1： 随机放 置蚂蚁到不同的停车区域建造点； S2： 每只蚂蚁选择下一路段； S3： 判断是否有未选择的路 段， 若是， 执行S2， 反之则执行S4； S4： 更新各路段的信息素浓度； 按顺序重复执行S1 ‑S4， 直 至达到预先设置的迭代次数； 输出所有停车区域建造点到发生过灾害的地点的最短用时和 对应的路径； 选择剩 下的地点作为终点， 重复执行蚁群算法， 直至选择完所有地点， 输出各 个停车区域建造点到所有地 点的最短用时和对应的路径； 所述采用遗传算法求 解修建停车区域的最佳选 址， 具体包括: 根据修建成本和调度用时确定修建停车区域的最佳选址求解问题的目标函数； 选择一 种编码方式， 根据求解精度确定染色体的长度； 根据染色体的长度初始化种群； S1： 根据目 标函数计算种群的适应度； S2： 选择和复制适应度高的个体； S3： 对染色体执行交叉和 变异 操作； 重复S1 ‑S3， 直至达到预先设置的迭代次数； 读取算法最后一次迭代的结果， 将染色体 解码， 得到最佳发放方案 。 7.根据权利要求1所述的方法， 其中， 所述根据天气状况停放救援车辆并提供最佳调度 方案， 包括: 获取当地 次日的天气状况， 根据次日的天气状况下历史发生过的灾害分布停放救援车 辆到灾害发生密集的区域附近的停车区域； 发生灾害时， 根据蚁群算法的求解结果， 按照算 法求得的最佳路径调 度救援车辆； 包括： 根据天气 状况停放救援车辆； 灾害发生时提供救援 车辆的最佳调度方案； 所述根据天气状况停放救援车辆， 具体包括: 通过当地的天气预报 获取次日的天气状况； 筛选在次日的天气状况下历史发生过的灾 害信息； 根据灾害的空间分布图， 将救援车辆提前停放到距离灾害发生密集区域最近的停权　利　要　求　书 2/3 页 3 CN 115392756 A 3