[论文解读] Optimal Shelter Location-Allocation during Evacuation with Uncertainties: A Scenario-Based Approach

Fardad Haghpanah, Hamid Foroughi|arXiv (Cornell University)|Feb 15, 2018

Evacuation and Crowd Dynamics被引用 8

一句话总结

本文提出了一种基于情景的双层优化模型，用于在不确定性条件下优化疏散过程中的避难所选址与分配问题，采用遗传算法在四个不同时间情景（工作日、夜间、周末、假期）下求解该问题。结果表明，不同情景下的最优避难所配置存在显著差异，需根据情景调整避难所的数量与位置，以实现有效的疏散规划。该研究以意大利伦巴第大区的一个案例研究为例。

ABSTRACT

Evacuation planning is an important and challenging element in emergency management due to the high level of uncertainty and numerous players and agencies involved in the event. To address all the factors with conflicting objectives, mathematical modeling has gained an extensive application over all aspects of evacuation planning to help responders and policy makers evaluate required time for evacuation and estimate numbers and distribution of casualties under different disaster scenarios. Correspondingly, mathematical formulation of evacuation optimization problems and solution methods are important when planning for evacuation. In this paper, the bi-level programming formulation of shelter location-allocation problem is considered. To account for stochasticity, a scenario-based approach is taken to address the uncertainty in the population to be evacuated from a small town in Lombardy region, Italy. Genetic algorithm is used as the solution method. Four scenarios are considered to study the optimal number and location of shelters for evacuation during normal weekdays, at nights, during weekends, and during vacation times with visiting travelers. The results highlight how different scenarios need different number and location of shelters for an optimal evacuation.

研究动机与目标

• 解决应急响应中疏散期间人口分布不确定性的挑战。
• 开发一种数学模型，以考虑不确定性下避难所选址与分配中的冲突目标。
• 评估不同时间情景（工作日、夜间、周末、假期）对最优避难所位置与容量的影响。
• 为决策者提供基于情景的避难所部署建议，以提升疏散效率。
• 在意大利伦巴第大区的真实案例研究中应用并验证遗传算法求解方法。

提出的方法

• 构建双层规划模型用于避难所选址与分配，上层优化避难所位置，下层将疏散人员分配至避难所。
• 采用基于情景的方法建模随机的人口分布，设定四种不同情景：工作日、夜间、周末及有游客的假期时段。
• 使用遗传算法求解计算复杂的双层优化问题，实现对解空间的高效探索。
• 纳入避难所容量、出行时间及疏散需求等约束，以反映现实中的运营限制。
• 基于意大利伦巴第大区某小镇的真实人口与地理数据校准模型。
• 通过情景特定的性能指标（包括疏散时间与避难所利用率）评估解的质量。

实验结果

研究问题

• RQ1 人口分布的时间变化（如工作日与假期期间）如何影响避难所的最优数量与位置？
• RQ2 在假期期间包含游客对避难所容量与选址决策有何影响？
• RQ3 不同情景（夜间、周末、工作日）对最优疏散表现所需的避难所配置有何不同要求？
• RQ4 遗传算法在不确定性条件下求解双层避难所选址与分配问题方面，其有效性如何？
• RQ5 在不同人口情景下，疏散时间、避难所利用率与覆盖范围之间存在何种权衡？

主要发现

• 最优避难所数量在不同情景间存在显著差异，假期期间因游客增加而需最多数量的避难所。
• 工作日与假期情景下的避难所位置存在显著差异，表明静态避难所规划方案并非最优。
• 夜间情景所需的避难所数量少于工作日情景，可能由于整体人口流动减少。
• 周末情景的避难所需求处于中等水平，避难所数量与分布介于工作日与假期期间之间。
• 遗传算法求解方法在所有情景下均成功识别出近似最优的避难所配置，且收敛行为一致。
• 基于情景的方法表明，忽略人口时间变化将导致避难所部署效率低下，并可能引发容量不足问题。