一种针对城市聚集事件的应急疏散方法与系统技术方案

本申请涉及一种针对城市聚集事件的应急疏散方法与系统。包括：步骤a：利用基础地理测绘数据构建城市多模式交通系统；步骤b：基于手机信令大数据估算城市聚集人口的时空分布；步骤c：基于浮动车辆GPS轨迹数据估算城市道路拥堵状态；步骤d：基于智能刷卡数据估算公交、地铁的载客量；步骤e：结合所述多模式交通系统、城市聚集人口的时空分布、城市道路拥堵状态以及公交、地铁的载客量构建应急疏散优化模型，并利用启发式算法求解所述应急疏散优化模型，得到聚集事件的多交通疏散策略。本申请可以有效疏导聚集人群，调度车辆，避免拥堵，为应急管理部门或交通部门提供决策支撑。

An emergency evacuation method and system for Urban Agglomeration

【技术实现步骤摘要】
一种针对城市聚集事件的应急疏散方法与系统
本申请属于城市公共安全
，特别涉及一种针对城市聚集事件的应急疏散方法与系统。
技术介绍
近些年来，随着城市经济的快速发展，城市人口在不断增长，已然呈现出高密度、高流动的人口状态。而聚集事件时有发生，如灯光秀、演唱会和足球联赛等，它们是威胁城市安全或交通拥堵的主要来源，我国每年因聚集事件造成的非正常死亡人员教训惨痛，比如，2014年跨年夜上海外滩踩踏事件。聚集事件发生后，尽快安全地疏散事故现场的人员，是最大程度减少危险的关键。然而，在人口密集且地物环境复杂的大都市，针对聚集事件的应急响应系统仍不够完善，缺乏全局统筹规划且行之有效的疏散预案。超大型城市大规模聚集事件下的应急疏散预案研究成为社会各界关注的热点，是应急管理部门制定应急响应预案极其重要的环节，对构建安全城市有着积极意义。
技术实现思路
本申请提供了一种针对城市聚集事件的应急疏散方法与系统，旨在至少在一定程度上解决现有技术中的上述技术问题。为了解决上述问题，本申请提供了如下技术方案：一种针对城市聚集事件的应急疏散方法，包括以下步骤：步骤a：利用基础地理测绘数据构建城市多模式交通系统；步骤b：基于手机信令大数据估算城市聚集人口的时空分布；步骤c：基于浮动车辆GPS轨迹数据估算城市道路拥堵状态；步骤d：基于智能刷卡数据估算公交、地铁的载客量；步骤e：结合所述多模式交通系统、城市聚集人口的时空分布、城市道路拥堵状态以及公交、地铁的载客量构建应急疏散优化模型，并利用动态多商品网络流算法或启发式算法求解所述应急疏散优化模型，得到聚集事件的多交通疏散策略。本申请实施例采取的技术方案还包括：在所述步骤a中，所述利用基础地理测绘数据构建城市多模式交通系统，具体包括：步骤a1：利用真实测量的二维城市车辆道路边界，构建道路矢量面要素，以此作为整个模型的骨架；步骤a2：在车行道的侧面，构建相应人行道；步骤a3：以实测的建筑轮廓及其高程数据构建三维建筑物模型；步骤a4：利用基础地理测绘数据，绘制广场、公园的通道；步骤a5：绘制三维人行天桥、地下通道、地铁的入口和出口、公交车站站台；步骤a6：构建所述人行道、车行道、天桥、广场、公园、地下通道、地铁、公交车站间的有向拓扑关系；步骤a7：通过模拟仿真的方法分析人行道、车行道、天桥、广场、公园、地下通道、地铁、公交车站的属性，包括：人行道的最大人流量、车行道的最大车流量、人行道和车行道上的逃离速度、地铁的单位时间载客量。本申请实施例采取的技术方案还包括：在所述步骤b中，所述基于手机信令大数据估算城市聚集人口的时空分布，具体包括：步骤b1：在历史无聚集事件的数据上，利用手机基站位置数据构建平面点集Voronoi图；步骤b2：将每个手机用户分配至每个基站服务的Voronoi图中，构建瞬时人口分布图；步骤b3：在时间维度上，构建多个瞬时人口分布图以及人群移动轨迹；步骤b4：顾及采样率、手机基站服务范围、城市建成环境以及历史数据因素，将Voronoi图内部的人口数量进行扩样，并进一步细化其时空分布，估算人口日常时空分布Q1；步骤b5：基于步骤b1-b4，根据聚集事件发生时的数据估算人口时空分布Q2；步骤b6：根据Q1和Q2计算得到因聚集事件而产生的人口时空分布。本申请实施例采取的技术方案还包括：在所述步骤c中，所述基于浮动车辆GPS轨迹数据估算城市道路拥堵状态，具体包括：步骤c1：利用浮动车辆GPS轨迹数据计算离散位置的车辆行驶速度；步骤c2：利用海量历史数据和机器学习算法，分析车辆行驶速度与流量的关系，以及与道路拥堵状态的时空间关系；步骤c3：采用时空间插值算法，计算车辆在路段任意位置的行驶速度；步骤c4：融合交通视频监控、地磁传感器数据分析每个道路口的动态车辆流入和流出量；步骤c5：采用动态交通流模型模拟仿真出道路各位置的车辆流量及密度分布。本申请实施例采取的技术方案还包括：在所述步骤d中，所述基于智能刷卡数据估算公交、地铁的载客量，具体包括：步骤d1：对特定用户的刷卡记录进行时间排序，构建出行链；根据上车站点和公交行驶方向，选择公交行驶路线与其出行链中最接近的站点为下车站点；步骤d2：统计所有公交在所有时间段中，载客量的最大值为公交总载客量W1；步骤d3：任意时刻，累积上下车乘客数量差为当前公交载客量W2，则公交剩余载客量估算为W1-W2；步骤d4：利用早晚高峰历史数据估算单次地铁的最大载客量，即为地铁最大载客量W3；步骤d5：利用地铁进站刷卡记录，计算当前地铁的乘客量W4，若W4＞W3，则剩余载客量为W5＝0；否则，W5＝W3-W4。本申请实施例采取的技术方案还包括：在所述步骤e中，所述的应急疏散优化模型具体包括：步骤e1：确定优化目标，包括最大化疏散效率以及最小化人-车冲突；步骤e2：确定约束条件：包括总人流量守恒、车行道容量、人行道容量、地铁载客量、公交载客量、人-车流量转换守恒、车辆行驶速度、人群逃离速度；步骤e3：基于优化目标和约束条件，利用动态多商品网络流算法或启发式优化算法求解最优人-车时空流量；步骤e4：根据最优人-车时空流量计算结果，制定疏散策略，包括时空疏散路径及其交通方式、步行和车辆道路资源分配、多交通模式转换策略、交叉路口疏导策略、以及轨道/公交调度表。本申请实施例采取的技术方案还包括：一种针对城市聚集事件的应急疏散系统，包括：多模式交通系统模块：用于利用基础地理测绘数据构建城市多模式交通系统；人口分布估算模块：用于基于手机信令大数据估算城市聚集人口的时空分布；交通拥堵状态估算模块：用于基于浮动车辆GPS轨迹数据估算城市道路拥堵状态；公交/地铁载客量估算模块：用于基于智能刷卡数据估算公交、地铁的载客量；疏散模型构建模块：用于结合所述多模式交通系统、城市聚集人口的时空分布、城市道路拥堵状态以及公交/地铁的载客量构建应急疏散优化模型，并利用动态多商品网络流算法或启发式算法求解所述应急疏散优化模型，得到聚集事件的多交通疏散策略。相对于现有技术，本申请实施例产生的有益效果在于：本申请实施例的针对城市聚集事件的应急疏散方法与系统考虑了城市地理建成环境和人口情况，充分利用步行、公交、地铁、和私家车等多种交通方式，以疏散效率和疏散安全为目标，顾及容量约束、人流量守恒、逃离速度等约束，构建多目标多动态约束的应急疏散优化模型，利用启发式算法等手段求解出相应的多交通疏散策略，有效疏导聚集人群，调度车辆，避免拥堵，为应急管理部门或交通部门提供决策支撑。附图说明图1是本申请实施例的针对城市聚集事件的应急疏散方法的流程图；图2为城市多模式交通系统示意图；图3为人口时空分布图；图4为城市道路拥堵状态估算流本文档来自技高网...

【技术保护点】
1.一种针对城市聚集事件的应急疏散方法，其特征在于，包括以下步骤：/n步骤a：利用基础地理测绘数据构建城市多模式交通系统；/n步骤b：基于手机信令大数据估算城市聚集人口的时空分布；/n步骤c：基于浮动车辆GPS轨迹数据估算城市道路拥堵状态；/n步骤d：基于智能刷卡数据估算公交、地铁的载客量；/n步骤e：结合所述多模式交通系统、城市聚集人口的时空分布、城市道路拥堵状态以及公交、地铁的载客量构建应急疏散优化模型，并利用动态多商品网络流算法或启发式算法求解所述应急疏散优化模型，得到聚集事件的多交通疏散策略。/n

【技术特征摘要】
1.一种针对城市聚集事件的应急疏散方法，其特征在于，包括以下步骤：
步骤a：利用基础地理测绘数据构建城市多模式交通系统；
步骤b：基于手机信令大数据估算城市聚集人口的时空分布；
步骤c：基于浮动车辆GPS轨迹数据估算城市道路拥堵状态；
步骤d：基于智能刷卡数据估算公交、地铁的载客量；
步骤e：结合所述多模式交通系统、城市聚集人口的时空分布、城市道路拥堵状态以及公交、地铁的载客量构建应急疏散优化模型，并利用动态多商品网络流算法或启发式算法求解所述应急疏散优化模型，得到聚集事件的多交通疏散策略。


2.根据权利要求1所述的针对城市聚集事件的应急疏散方法，其特征在于，在所述步骤a中，所述利用基础地理测绘数据构建城市多模式交通系统，具体包括：
步骤a1：利用真实测量的二维城市车辆道路边界，构建道路矢量面要素，以此作为整个模型的骨架；
步骤a2：在车行道的侧面，构建相应人行道；
步骤a3：以实测的建筑物轮廓及其高程数据构建三维建筑物模型；
步骤a4：利用基础地理测绘数据，绘制广场、公园的通道；
步骤a5：绘制三维人行天桥、地下通道、地铁的入口和出口、公交车站站台；
步骤a6：构建所述人行道、车行道、天桥、广场、公园、地下通道、地铁、公交车站间的有向拓扑关系；
步骤a7：通过模拟仿真的方法分析人行道、车行道、天桥、广场、公园、地下通道、地铁、公交车站的属性，包括：人行道的最大人流量、车行道的最大车流量、人行道和车行道上的逃离速度、地铁的单位时间载客量。


3.根据权利要求1所述的针对城市聚集事件的应急疏散方法，其特征在于，在所述步骤b中，所述基于手机信令大数据估算城市聚集人口的时空分布，具体包括：
步骤b1：在历史无聚集事件的数据上，利用手机基站位置数据构建平面点集Voronoi图；
步骤b2：将每个手机用户分配至每个基站服务的Voronoi图中，构建瞬时人口分布图；
步骤b3：在时间维度上，构建多个瞬时人口分布图以及人群移动轨迹；
步骤b4：顾及采样率、手机基站服务范围、城市建成环境以及历史数据因素，将Voronoi图内部的人口数量进行扩样，并进一步通过插值细化其时空分布，估算人口日常时空分布Q1；
步骤b5：基于步骤b1-b4，根据聚集事件发生时的数据估算人口时空分布Q2；
步骤b6：根据Q1和Q2计算得到因聚集事件而产生的人口时空分布。


4.根据权利要求1所述的针对城市聚集事件的应急疏散方法，其特征在于，在所述步骤c中，所述基于浮动车辆GPS轨迹数据估算城市道路拥堵状态，具体包括：
步骤c1：利用浮动车辆GPS轨迹数据计算离散位置的...

【专利技术属性】
技术研发人员：江锦成，陈劲松，刘康，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44