[发明专利]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

说明书

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。

背景技术

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)＝(x₁，x₂，…x_k)；k为初始种群数量；

(3)对当前群体X(t)中每个个体x_i计算其适应度Fit(x_i)，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+1；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/reproduction)：选择算子从群体中按某一概率成对选择个体，某个体x_i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卷第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1：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、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：

K＝v₁/v₂             (1)