大数据背景下耦合人工智能算法的城市关联基础设施韧性预测与优化研究

As the highly developed and dense urban interdependent infrastructure networks are often mutually connected and interdependent, cascading effects are prone to happen and cause great harm when emergencies occur. In this project, we will study some crucial questions about urban interdependent infrastructure resilience under the background of Big Data. The relevance between different urban infrastructure systems and the mechanism of cascading failures will be analyzed, and a micro-macro combined model of urban interdependent infrastructure cascading failures at multiple spatial and temporal resolutions will be developed, which combines big data analysis. The features of urban interdependent infrastructure resilience will be investigated and the key parameters about resilience will be clarified，so that we will be able to build a quantitative theoretical model about urban interdependent infrastructure resilience. Scenario construction of typical disasters involving urban interdependent infrastructure will be developed, and multidimensional prediction method for resilience of urban interdependent infrastructure under typical disasters will be proposed. The optimization for urban interdependent infrastructure resilience combining artificial intelligence algorithm will be explored, and cities such as Beijing will be selected for empirical study. This project will help us clarify the law of urban interdependent infrastructure resilience features, deepen and expand the application of big data analysis and artificial intelligence, enrich the connotation of management science, and then provide scientific basis for the government’s prevention and response to emergencies involving urban interdependent infrastructure.

城市关联基础设施网络发达且密集，经常互相关联，相互依赖，一旦发生突发事件，极易产生连锁效应，影响巨大。本项目针对大数据背景下，城市关联基础设施韧性的关键问题开展研究。研究城市基础设施关联性与级联失效机理，建立结合大数据分析的多时空分辨率、微观-宏观尺度相结合的城市关联基础设施级联失效模型；研究城市关联基础设施韧性特征，阐明韧性关键特征参数，构建城市关联基础设施韧性定量化理论模型；开展城市关联基础设施典型灾害情景构建，建立典型灾害事故下的城市关联基础设施多维度韧性预测方法；构建耦合人工智能算法的城市关联基础设施韧性优化方法，并选取北京市等城市开展实证性研究。通过本研究，可以明晰城市关联基础设施韧性特征规律，深化和拓展大数据分析与人工智能应用，丰富管理科学内涵，进而为政府预防和应对城市关联基础设施突发事件提供科学支撑。

城市基础设施互相关联、相互依赖，为城市人类社会活动提供最基本、最重要的保障。深入了解日益复杂的关联基础设施网络，并设法提高其抵御灾害和快速恢复的能力，具有重要的意义。本项目围绕城市关联基础设施，开展大数据背景下耦合人工智能算法的城市关联基础设施韧性预测与优化研究，主要完成工作如下：.1）城市基础设施关联性与级联失效机理研究.基于水力计算方法提出了燃气管网级联失效脆弱性指标，并进行级联失效脆弱性分析；基于复杂网络方法构建了考虑节点属性的电力-通信基础设施关联网络，研究基于节点属性最值攻击的后果；使用某城市的部分实际电网数据和通信数据进行建模分析，识别脆弱系统、部件。.2）城市关联基础设施韧性特征与模型研究.构建基于决策树的供水管网风险评估模型和基于COX-PH的城市供水管线生存分析模型，预测事故发生和事故不发生的效率；构建燃气管网韧性评估模型，并进行管网节点和管段的敏感性分析；重点考虑建筑、交通、能源、通讯、供水5类基础设施，构建虚拟城市模型，从城市子系统角度考虑城市恢复，构建城市恢复模型。.3）城市关联基础设施典型灾害情景构建与韧性预测研究.构建基于浅水方程组的城市降雨积水数值模拟模型，并证明模型的实用性；开展机场设施火灾场景实验研究，分析油品燃烧的各项参数随时间的变化规律，建立辐射透射经验模型，并得到实验验证。.4）城市关联基础设施韧性优化方法与实证性研究。.提出了一种出发点-目的地（O-D）热点聚类模型，对这些热点所在区域内各种类型的POI分布进行了定量分析；提出了城市道路交通通勤电场模型，分析了城市道路交通通勤空间域内通勤状态与电场特征量的相关性；提出了引入驾驶员行为倾向异质性与安全距离限制耦合机制的元胞自动机模型，并进行交通流宏观特征分析；对燃气管网的风险暴露、建设成本、水力工况计算等进行数学建模，并在此基础上基于模拟退火算法搭建优化模型；通过两个或多个成本函数的组合，形成了11个新的复合成本函数，以此进行危化品扩散的源项估计；提出了一种基于浅水方程的模拟方法，对两个地铁车站出入口广场进行了四组对比性内涝模拟，并针对堵漏、排水、疏散三种应急响应策略，基于佩特里网（PN）模型进行了模拟分析。.通过本研究，可以明晰城市关联基础设施韧性特征规律，深化和拓展大数据分析与人工智能应用，丰富管理科学内涵，进而为政府预防和应对城市关联基础设施突发事件提供科学支撑。