公共交通导向的多模式疏散规划理论框架

多模式疏散规划旨在兼顾低行动力人群和其他人群不同的疏散需求特征,对公共交通和个体交通相结合的多种疏散方式进行综合分析与优化。但是,国际上对多模式疏散的研究缺乏对公共交通的支持。针对我国低行动力人群比重高、应急疏散资源紧张等国情,提出应急疏散中的"公共交通导向"构想,建立了公共交通导向的多模式疏散规划理论框架,在疏散需求建模预测基础上,实施疏散小区划分、公交集结点选址、疏散网络设计等规划流程,构造分层集约化网络,探讨公共交通导向的应急交通组织策略和应急疏散网络优化模型等关键方法。结合南京青年奥林匹克运动会交通组织工作进行应用,在未采取强制行政措施的前提下,75.4%的市民认为日常出行基本未受影响。

UML在流程工业优化调度工艺描述系统中的应用

结合建模工具Rational Rose说明如何在系统开发过程中运用UML建模。通过流程工业优化调度工艺描述系统的实际建模,对UML建模应用作了进一步说明。

运输排程优化模型在海上批量伤病员后送中的应用

目的 探索运输排程优化模型在海上批量伤病员后送中的应用。方法 采用运筹学优化运输排程模型,合理安排各种运输工具将各类伤病员送往后方医院接受进一步诊治。结果 根据伤员数量、紧急程度,初步构建出一套针对海上批量伤病员医疗后送的运输排程数学优化模型。通过此模型可合理安排运输工具,及时将伤病员后送至目标医院。结论 运筹学优化运输排程模型在海上批量伤病员后送中的应用,可合理分配医疗后送运输工具,提高了后送的质量和效率。

DTMM:面向疏散灾害管理的应急物流优化调度模型

文中重点关注灾后快速、协调的人员大规模疏散,以有效减少损失。有效的疏散调度是研究和开发的一项重要任务和优先事项。该系统采用动态跟踪数学模型(DTMM)中的场景建立,此场景是为移动云计算平台开发的。DTMM是一种针对灾难人口密度的面向疏散优化调度模型(EOOSM)。这包括用于数据收集的移动物联网(IoT)接口以及云处理与分析后端系统。在IoT/Fog灾害管理的典型场景下开发解决方案,并提出了一个使用人工场效(AFE)的IoT应用方法,将DTMM算法作为疏散调度的核心。人工场效(AFE)被设计成一个IoT系统,适用于大规模人群的快速疏散,可以根据势场的梯度方向自动确定疏散路径。在AFE的基础上,引入EOOSM作为人工场效,并带有AFE-AR关联。AFE-AR指挥被疏散者与同一个避难场所保持联系,安抚被疏散者,并尽可能进行人道主义疏散。