专利名称：一种针对保护目标的移动化学风险源的运输路线优化方法
技术领域：
本发明涉及一种危险源控制方法，特别涉及一种针对保护目标的移动化学 风险源的运输路线优化方法，属于危险源控制领域。
技术背景在我国，很多大城市存在相当多数目的化学风险源，其中有固定的，如化 学工厂，化工仓库等，也有移动的，如化学品运输车辆。理论上，这些风险源 都有发生事故的可能性，都有可能对重要保护目标，如风景名胜、政治、经济 中心、人口密集区等构成严重威胁，但这些化学源，对于保护目标的潜在危害 大小并不相同。因此需要能根据预测的危害度大小，对危害度大的化学源进行 重点监控，实现既有效地降低事故风险，又尽量减少对正常生产秩序的干扰。目前在城市中对于移动危险化学源主要采用GPS定位技术，该技术可以实 时获取移动危险化学源的当前位置和行进路线，能够在事故发生时，进行准确 定位，但是目前尚不能对移动危险化学源对保护目标的威胁大小进行预测和预 警，也不能提前对化学风险进行有效的控制。本发明涉及到的一项重要已有技术是遗传算法。遗传算法是近年来发展迅 速的一种最优化算法。自上世纪70年代美国Michigan大学的John Holland教 授提出遗传算法(genetic algorithms, GA)的概念体系以来，遗传算法在许多 领域得到了高度关注和广泛应用。遗传算法是一种借鉴生物界自然选择和自然 遗传机制的高度并行、随机、自适应搜索算法。它借用了生物遗传学的观点， 通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高，体现 了自然界中"物竞天择、适者生存"的进化过程。天然并行性和对全局信息的 有效利用能力是遗传算法的两大显著特点。遗传算法不需要梯度信息，对目标 函数性质没有过多要求，它可以收敛到全局最优解而不是局部解，这些特点使 得遗传算法在许多用传统优化方法难以处理的问题中大显身手。采用遗传算法 来求解最优行驶路径问题，是充分发挥该算法并行高效搜索的优点，它能够同 时对解空间的多个区域进行搜索，因而可以有效地克服穷举法所遇到的"维数 灾难"现象。一个串行运算的遗传算法描述如下(1) 对待解决问题进行编码；(2) 随机初始化种群X(0)-0d， X2，…Xk); k为初始种群数量；(3) 对当前群体X(t)中每个个体Xi计算其适应度Fit(Xj)，适应度表示了该个体的性能好坏；(4) 应用选择算子产生中间代Xr (t);(5) 对Xr(t)应用其它的算子，产生新一代群体X(t+1)，这些算子的目的 在于扩展有限个体的覆盖面，体现全局搜索的思想；(6) 判断是否满足终止条件，如果满足，输出结果，结束否则，t=t+l; 返回(3)。遗传算法中最常用的算子有如下几种(1) 选择算子(selection/r印roduction):选择算子从群体中按某一概率成对选择个体，某个体Xi被选择的概率与其适应度值成正比。最通常的实现方法是轮盘赌(roulette wheel)模型。(2) 交叉算子(Crossover):交叉算子将被选中的两个个体的基因链按概率 pc进行交叉，生成两个新的个体，交叉位置是随机的。其中pc是一个系统参数。(3) 变异算子(Mutation):变异算子将新个体的基因链的各位按概率pm进行变异。本发明涉及到的另外一项重要已有技术是用伴随方法快速计算移动化学风 险源对保护目标的潜在危害度的方法。刘峰等人在文献《用伴随方法对毒气泄 漏事件进行危害评估》(中国安全科学学报，2003年第13巻第9期)中介绍了 一种伴随方法快速计算移动化学风险源在任何位置对保护目标的潜在危害度的 方法。该文献提出的方法相对于常规方法，计算效率明显提高。发明内容本发明的目的是为了克服已有技术的缺陷，提出一种基于遗传算法的针对 保护目标的移动化学风险源的控制方法。本发明的目的是通过以下技术方案实现的。 首先，给出相关定义 定义l:通行难易程度系数影响移动化学风险源移动速度的因素有道路的平坦程度、宽度、车流量、5风速等，用通行难易度系数表示对这些因素，其计算其计算方法为A>v,/v2 (1)其中，X为移动化学风险源移动路线的通行难易程度系数；v,为移动化学风险源在公路上的平均通行速度；v2为移动化学风险源在运输路线上的通行速度。定义2:当量长度通行难易度系数表与道路的实际长度相乘后，得到的长度称为"当量长度"。 基于上述定义，本发明的一种针对保护目标的移动化学风险源的控制方法 的具体操作步骤如下步骤一、确定移动化学风险源位置及毒性利用移动化学风险源上装有的GPS定位系统，实时获得该移动化学风险源的位置信息及毒性(毒性用;i^示)。步骤二、在步骤一确定移动化学风险源位置的基础上，获得移动化学风险 源所在位置的当前气象条件步骤三、获得移动化学风险源对保护目标的潜在危害度在步骤二的基础上，获得移动化学风险源从所在位置沿任一路线行驶过程 中对保护目标的潜在危害度(用^表示)。步骤四、优化移动化学风险源的运输路线，获得目标运输路线在步骤三的基础上，利用遗传算法优化移动化学风险源的运输路线。其具 体操作步骤如下第1步对所有待选的运输路线进行二进制编码。第2步随机选取数目适当的初始种群X(O)-(x,, X2,…Xk); k为初始种群数量。第3步针对第2步选取的初始种群通过公式2得到运输路线的当量长度。"J^(i+;ic') (2) 其中，z为运输路线的当量长度，每一条运输路线分为n段，《为该运输路线中通行难易程度系数不同的路段的个数；尺,为该运输路线中第z'条路段的通行难易程度系数；/,为该运输路线中第i条路段的长度，；ic'是为避开可能对保6护目标构成严重威胁的路线而引入的罚函数，其反映了该路线上发生事故对保 护目标的危害大小。该罚函数定义为保护目标周围风险场的函数，当风险值很 小的路段，它的数据也很小，对优化路径结果的影响可以忽略不计；而当风险 值很大时，罚函数的数值也很大，这样构造的目标函数最优解，将不包括风险值 大的路段。第4步得到适应值函数(用仰(Xi)表示)的值。适应度函数帰(Xi)代 表运输路线的优劣程度，是对运输路线进行优化取舍的基础，艮P:AY (xi)=l〃 (3) 第5步应用选择算子产生中间代Xr(t) (t为迭代次数)。采用轮盘赌方 法，依适应度大小对个体进行随机选择，个体被选中的概率正比于其适应度函 数值。第6步对Xr(t)应用交叉算子。将被选中的两个个体的基因链按概率pc (pc是人为设定的值)进行交叉，生成两个新的个体，得到X(t+l)。交叉位置 是随机的。第7步对X(t+l)应用变异算子。将新个体的基因链的各位按概率pm (pm 是人为设定的值)进行变异。第8步判断是否满足终止条件设定相邻两次迭代结果的相对差值小于设定值(设定值根据具体需求人为 设定的一数值)为终止条件。如果满足终止条件，输出结果，结束；否则，t=t+l， 返回第4步，开始下一次迭代。经过上述步骤，即可获得优化的对保护目标的移动化学风险源的运输路线。有益效果本发明首次提出了一种针对保护目标的移动化学风险源的运输路线优化方 法，该方法在有效降低化学风险的同时，提高了运输的效率。
具体实施方式
根据上述技术方案，下面通过具体实施方式
对本发明进行详细说明。 本发明一种针对保护目标的移动化学风险源的运输路线优化方法的具体步 骤如下步骤一、确定移动化学风险源位置及毒性利用移动化学风险源上装有的GPS定位系统，实时获得该移动化学风险源的位置信息及毒性(毒性用;i^示)。步骤二、在步骤一确定移动化学风险源位置的基础上，获得移动化学风险源所在位置的当前气象条件步骤三、获得移动化学风险源对保护目标的潜在危害度 在步骤二的基础上，使用刘峰等人在文献《用伴随方法对毒气泄漏事件进行危害评估》中提到的伴随方法获得移动化学风险源从所在位置沿任一路线行驶过程中对保护目标的潜在危害度(用c表示)。步骤四、优化移动化学风险源的运输路线，获得目标运输路线 在步骤三的基础上，利用遗传算法优化移动化学风险源的运输路线。其具体操作步骤如下第1步对所有待选的运输路线进行二进制编码。第2步随机选取数目适当的初始种群。较优的，数目取50~100。本例中 初始种群的数目取100: X(0) = (Xl, X2，…X,。。)。第3步针对第2步选取的初始种群通过公式2得到运输路线的当量长度。第4步得到适应值函数尸it (Xi)-l〃的值。第5步应用选择算子产生中间代Xr(t) (t为迭代次数)。采用轮盘赌方法，依适应度大小对个体进行随机选择，个体被选中的概率正比于其适应度函 数值。第6步对Xr(t)应用交叉算子。较优的，pc取值范围是0.4 0.99。将被 选中的两个个体的基因链按概率pc=0.5进行交叉，生成两个新的个体，得到 X(t+1)，交叉位置是随机的。第7步对X(t+l)应用变异算子。较优的，pm取值范围是0.0001 0.1。 将新个体的基因链的各位按概率pm=0. 001进行变异。第8步判断是否满足终止条件设定相邻两次迭代结果的相对差值小于设定值0.001为终止条件。如果满 足终止条件，输出结果，结束；否则，t=t+l，返回第4步，开始下一次迭代。 较优的，设定值设置在0.001 0.05之间。
权利要求
1.一种针对保护目标的移动化学风险源的运输路线优化方法，其特征在于其具体操作步骤如下步骤一、确定移动化学风险源位置及毒性利用移动化学风险源上装有的GPS定位系统，实时获得该移动化学风险源的位置信息及毒性，毒性用λ表示；步骤二、在步骤一确定移动化学风险源位置的基础上，获得移动化学风险源所在位置的当前气象条件；步骤三、获得移动化学风险源对保护目标的潜在危害度；在步骤二的基础上，获得移动化学风险源从所在位置沿任一路线行驶过程中对保护目标的潜在危害度，潜在危害度用C*示；步骤四、优化移动化学风险源的运输路线，获得目标运输路线；在步骤三的基础上，利用遗传算法优化移动化学风险源的运输路线；其具体操作步骤如下第1步对所有待选的运输路线进行二进制编码；第2步随机选取数目适当的初始种群X(0)＝(x1，x2，…xk)；k为初始种的数目)；第3步针对第2步选取的初始种群通过公式2得到运输路线的当量长度；<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mi>L</mi><mo>=</mo><munderover> <mi>Σ</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>K</mi> <mi>i</mi></msub><msub> <mi>l</mi> <mi>i</mi></msub><mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msup><mi>λC</mi><mo>*</mo> </msup> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow>]]></math></maths>其中，L为运输路线的当量长度，每一条运输路线分为n段，n为该运输路线中通行难易程度系数不同的路段的个数；Ki为该运输路线中第i条路段的通行难易程度系数；li为该运输路线中第i条路段的长度，λC*是为避开可能对保护目标构成严重威胁的路线而引入的罚函数，其反映了该路线上发生事故对保护目标的危害大小；第4步得到适应值函数Fit(xi)＝1/L的值；第5步应用选择算子产生中间代Xr(t)，t为迭代次数；采用轮盘赌方法，依适应度大小对个体进行随机选择，个体被选中的概率正比于其适应度函数值；第6步对Xr(t)应用交叉算子；将被选中的两个个体的基因链按概率pc进行交叉，生成两个新的个体，得到X(t+1)，pc是人为设定的值；交叉位置是随机的；第7步对X(t+1)应用变异算子；将新个体的基因链的各位按概率pm进行变异，pm是人为设定的值；第8步判断是否满足终止条件设定相邻两次迭代结果的相对差值小于设定值为终止条件；如果满足终止条件，输出结果，结束；否则，t＝t+1，返回第4步，开始下一次迭代；经过上述步骤，即可获得优化的对保护目标的移动化学风险源的运输路线。
2. 如权力要求1所述的一种针对保护目标的移动化学风险源的运输路线优 化方法，其特征在于步骤四第2步随机选取初始种群的数目在50 100之间。
3. 如权力要求1所述的一种针对保护目标的移动化学风险源的运输路线优 化方法，其特征在于步骤四第6步概率pc的取值范围是0.4 0.99。
4. 如权力要求1所述的一种针对保护目标的移动化学风险源的运输路线优 化方法，其特征在于步骤四第7步概率pm取值范围是0.0001 0.1。
5. 如权力要求1所述的一种针对保护目标的移动化学风险源的运输路线优 化方法，其特征在于步骤四第8步设定相邻两次迭代结果的相对差值小于设 定值为终止条件，该设定值设置在0.001 0.05之间。
全文摘要
本发明涉及一种针对保护目标的移动化学风险源的运输路线优化方法，属于危险源控制领域。该方法基于遗传算法，能够根据移动危险化学源对保护目标的威胁大小优化移动化学风险源的运输路线，并且在有效降低化学风险的同时，有效地提高运输的效率。
文档编号G05B13/00GK101667014SQ20091009313
公开日2010年3月10日 申请日期2009年9月30日 优先权日2009年9月30日
发明者峰 刘, 畅 呙, 周学志, 磊 李, 王新明, 石建华, 非 胡, 陈海平, 黄顺祥 申请人:中国人民解放军防化指挥工程学院