面向应急疏散的多尺度路网中通行能力损失与决策支持研究

Effective and timely evacuation is critical in alleviating the impact of natural disasters and public crisis. As such, evacuation models are often sought to support the preparedness of evacuations. One important task in the modeling process is to evaluate exogenous factors that cause transportation system capacity loss during evacuation. There are two basic types of capacity loss: First is incident-induced capacity loss, which are due to traffic incidents that causes reduction in network throughput. Such incidents includes traffic crashes, flooding, debris, disabled vehicles, downed trees etc. The other is interdependency-induced capacity loss, that are caused by cascading impacts because of other facilities failures. For example, power outage can lead to failure of traffic signals. This study proposed to model the capacity loss due to incidents and signal failures and evaluate their impacts in emergency evacuation process. Then incorporate them into simulation models. A three-layered simulation network for evacuation is being built to address the evacuation impact due to capacity loss from macroscopic, mesoscopic and microscopic perspectives. Evacuation demand and background demands will be built based on discrete models in terms of OD matrix and agents. Multiple scenarios based on empirical data and hypothetical cases are being created. This research can give insights on how traffic incidents and cascading failures affect roadway network and evacuation process and provide feedback and suggestions in emergency planning.

及时有效地进行疏散可以显著降低自然灾害和公共危机发生时所造成的影响，因此建立交通疏散仿真模型可以有效支撑紧急情况发生时的应急疏散。疏散建模中对外生因素的评估至关重要，这些外生因素主要包括两种：一是由于洪水、泥石流、车辆抛锚等交通事件原因导致的通行能力损失；二是由于其他相关网络故障带来的级联故障，如因停电导致的交通信号灯失灵而带来的通行能力损失。本研究拟对在应急疏散状况下因上述原因导致的通行能力丧失进行建模,并将其整合到三层疏散仿真网络模型中进行功能预测，该模型可以从宏观、中观和微观角度对通行能力导致的应急疏散效果进行分析；再利用离散选择模型对应急疏散中的疏散需求和背景交通进行建模，从而建立基于历史数据和假设事件的应急疏散仿真场景。本研究可以对应急疏散中交通事件和级联故障对交通网络状态、疏散过程和能力的影响进行有效分析和预测，为应急管理和疏散提供决策支持。

近年来，由于全球气候变化，极端天气情况日益增多，也愈发凸显了人类在应急管理方面存在的突出问题和未来的发展方向。本研究实现了在特定的自然灾害之下，利用多尺度仿真模型，对交通疏散过程中疏散人员的每阶段的行为，以及交通系统的通行能力损失进行建模和仿真。研究结果揭示了交通事件和系统级联故障对应急疏散交通路网通行能力的影响机制，明确应急事件类型与通行能力损失的内在关系。. 本研究基于交通事件统计模型，通过蒙特卡洛仿真生成事件并预测事件型通行能力损失。同时利用信号灯数据，对事件场景下信号灯故障对通行能力的下降进行建模。利用离散选择模型，对研究区域的全部人口进行个体行为预测，生成相应的起讫点矩阵和个体行为列表。在以上模型输入基础上，建立基于历史事件的疏散场景模型，并利用在现实中获得的车流量和出行时间等数据对模型进行验证和校准。同时，依照每次的迭代结果记录疏散行为的演化过程，对疏散者应对通行能力降低的反馈机制进行分析和评估。通过构建多尺度仿真网络与协同仿真系统，实现宏观-中观-微观的网络参数传输与系统校准，并以此为基础实现跨层的数据驱动诱导策略。. 本研究可以克服不同尺度下仿真模型的缺陷和不同分辨率下评价标准的缺失揭示疏散需求、疏散时间、交通事件和系统级联故障对应急疏散交通路网通行能力的影响机制。通过评估疏散者的疏散体验，从个体角度对疏散效果进行评估，从而为命令发布时间决策和疏散路径管理优化提供依据。本研究中的应急疏散仿真模型与方法对于城市级应急管理与决策支持具有较好的应用场景，在数据富集的场景下将会得到更广泛的应用。