论文部分内容阅读
灾害避难所建设是灾害管理的一个重要方面,合理有效地规划灾害避难所的区位,有助于人们快速地到达附近的灾害避难所,从而提高灾民的生存率。 基于灾害避难所的内在特点,主要考虑短时可达性、公平性、节约性、效率性四个方面,构建了灾害避难所的选址模型。该选址模型包括最小化从居民区到指定灾害避难所的总加权距离、最小化灾害避难所的建设成本两个目标,同时要求满足两个约束条件,即包括灾害避难所的容量约束与居民点到灾害避难所的最大距离约束。基于灾后避难设施破坏危险性因素,对模型中的最优疏散路径有效距离与候选场址参数进行了合理科学的选取,从各个居民区到任一候选场址的最优疏散路径可由两个准则确定:一是路径破坏危险性最小化,二是路径长度最小化。候选场址参数的选取是按照灾害避难所规划的原则,确定三个指标(安全性、有效性、连通性)来排除不符合要求的室外用地。 灾害避难所的选址模型含有多目标、严格约束条件和离散的解空间。本文选用一种较新的人工智能算法——粒子群算法(ParticleSwarmOptimization,PSO),并对其进行了改进,以适应的灾害避难所选址模型的求解。模型的改进主要包括四个方面:(1)加入了离散方法,使算法中的粒子在整个更新过程中始终在一个合理的整数域中飞行;(2)加入了约束处理方法,以满足模型中涉及的两个约束条件,使算法能够快速地找到可行的较优解;(3)加入了模拟退火算法作为局部搜索方法,以提高粒子群算法的搜索效果,同时有效地避免算法陷入局部最优解;(4)通过Pareto多目标策略来进行模型中局部非劣解集与全局非劣解集的寻找。 最后,以北京市朝阳区为例,将改进的粒子群算法(MPSO-SA算法)运用到该区的地震灾害避难所的优化选址中,结果表明:本文使用的MPSO-SA算法应用于灾害避难所选址模型的解算优于NSGA-Ⅱ、SPSO-SA、MPSO。MPSO-SA算法搜索到17个可行的非劣选址方案中,从方案1到方案17,其选定的避难所总个数逐渐增多,而总加权距离值逐渐减少。决策者可以根据一定的偏好,确定所选取的方案。方案1到方案6,选定的避难所个数的大小对其总加权距离值的影响很大,而方案13到17,随着选定避难所数的逐渐增多,对总加权距离值变小的影响逐渐减少。政府通过资金投入进行灾害避难所建设时,投入的成本越多(建设的避难所个数越多),其产生的效益越大(总加权距离值越小),但投资的边际效益递减。但是当资金并非特别充裕时,可以考虑采用方案1-6,其结果基本能满足实际需求,而且投入的资金能对其产生的效益有较大的影响。