روش جستجوی مسیرهای تخلیه بلایای زلزله با استفاده از GA و GIS چند هدفه

این مطالعه تعیین مسیرهای تخلیه با پای پیاده در بلایای زلزله را به عنوان یک مسئله بهینه‌سازی چند هدفه بررسی می‌کند و هدف آن ارائه روشی برای جستجوی کمی مسیرهای تخلیه با استفاده از الگوریتم ژنتیک چندهدفه (GA چند هدفه) و GIS است. نتیجه گیری را می توان در سه نکته زیر خلاصه کرد. 1) یک GA برای طراحی و ایجاد یک الگوریتم جستجوی مسیر تخلیه استفاده شد که مشکل بهینه‌سازی مسیرهای تخلیه بلایای زلزله را با در نظر گرفتن آن به عنوان یک مسئله بهینه‌سازی با اهداف متعدد، مانند فاصله تخلیه و زمان تخلیه، حل می‌کند. 2) در این روش، حسن تناسب با استفاده از روش رتبه بندی پارتو تعیین می شود تا رتبه بندی افراد بر اساس برتری ها و حقارت های نسبی آنها مشخص شود. 3) در این روش، جستجوی مسیرهای تخلیه بر اساس اطلاعات مربوط به شرایط فعلی، امکان استخراج مسیرهای تخلیه را بر اساس مکان‌های ساختمان و جاده فعلی فراهم می‌کند. علاوه بر این، این روش بر اساس اطلاعات در دسترس عموم است. بنابراین، به دست آوردن اطلاعات جغرافیایی مشابه با این مطالعه، این روش را قادر می سازد بدون توجه به اینکه در چه منطقه ای اعمال می شود، یا اینکه داده ها مربوط به گذشته یا آینده است، موثر باشد. بنابراین، این روش دارای درجه بالایی از تکرارپذیری مکانی و زمانی است. یا اینکه داده ها مربوط به گذشته یا آینده است. بنابراین، این روش دارای درجه بالایی از تکرارپذیری مکانی و زمانی است. یا اینکه داده ها مربوط به گذشته یا آینده است. بنابراین، این روش دارای درجه بالایی از تکرارپذیری مکانی و زمانی است.

کلید واژه ها:

مسیر تخلیه، محل تخلیه، بلایای زلزله، مسئله بهینه سازی چند هدفه، GA چند هدفه (الگوریتم ژنتیک چند هدفه)، روش رتبه بندی پارتو، GIS

1. مقدمه

بر اساس تجربیات زلزله بزرگ هانشین (1995) و زلزله بزرگ ژاپن شرقی (2011)، در سال های اخیر در ژاپن، کاهش اثرات بلایای طبیعی از طریق خودیاری و کمک متقابل مورد تاکید قرار گرفته و تلاش می شود. در تدوین برنامه های تخلیه توسط سازمان های مستقل پیشگیری از بلایا و موارد مشابه. در سال 2011، در “به سوی بازسازی” [ 1]، شورای طراحی بازسازی در واکنش به زلزله بزرگ ژاپن شرقی این عقیده را ارائه کرد که خودیاری که به شکل ایده «فرار» از فاجعه است، باید مبنای رویکرد کاهش اثرات بلایای طبیعی قرار گیرد. و به منظور امکان پذیر سازی این امر، اقدامات مربوط به جنبه های ناملموس تر باید مورد تاکید قرار گیرد. این اقدامات شامل آموزش کامل پیشگیری از بلایا با استفاده از کمک های متقابل و تهیه نقشه های خطر توسط ارگان های دولتی است. برای “فرار” سریع و ایمن از فاجعه، لازم است یک برنامه تخلیه مشخص به طور خاص تدوین شود، تا مسیرهای تخلیه ایجاد شود. نمونه‌هایی از تلاش‌های موجود برای تدوین برنامه‌های تخلیه از طریق خودیاری و کمک متقابل، فعالیت‌های bousai machi-aruki (فعالیت‌های پیشگیری از بلایا است که شامل قدم زدن در اطراف یک محله برای بررسی اینکه کدام مکان‌ها برای تخلیه در صورت وقوع فاجعه امن هستند و کدام مکان‌ها هستند، هستند. خطرناک)، تمرین های شبیه سازی فاجعه و غیره. یک نمونه معرف از دومی DIG (بازی تخیل فاجعه) است که توسط Komura و همکاران توسعه یافته است. (1997) [2 ] . با این حال، ویژگی مشترک در ایجاد مسیرهای تخلیه از طریق این تلاش ها این است که از آنجایی که اهداف اصلی الهام بخشیدن به آگاهی پیشگیری از بلایا و آموزش مردم در مورد پیشگیری از بلایا است، مسیرها به صورت کمی ارزیابی نمی شوند. بنابراین، طرح‌های تخلیه تدوین‌شده تحت تأثیر دیدگاه‌های ذهنی سازندگان قرار دارند و عدم اطمینان در مورد استفاده عملی از آنها در یک فاجعه وجود دارد.

بر اساس پیشینه ذکر شده در بالا، این مطالعه تعیین مسیرهای تخلیه پیاده در بلایای زلزله را به عنوان یک مسئله بهینه سازی چند هدفه مورد بررسی قرار می دهد و هدف آن ارائه روشی برای جستجوی کمی مسیرهای تخلیه با استفاده از الگوریتم ژنتیک چند هدفه است. GA چند هدفه). علاوه بر این، روش این مطالعه برای منطقه مورد مطالعه اعمال می‌شود و چندین نامزد مسیر تخلیه که استخراج شده‌اند، بر روی یک نقشه دیجیتال با استفاده از GIS مشاهده و ارزیابی می‌شوند. هدف این مطالعه استفاده از روش استخراج مسیرها به منظور ارائه کارآمد اطلاعات برای تلاش‌های کاهش بلایای طبیعی است که از طریق خودیاری و کمک متقابل انجام می‌شود – یعنی ارائه کارآمد اطلاعات برای تدوین برنامه‌های تخلیه توسط افراد و پیشگیری مستقل از بلایا. سازمان های.

2. کارهای مرتبط

این مطالعه مربوط به 1) مسیرهای تخلیه; 2) جستجوی راه حل بهینه با استفاده از GA. 3) تحلیل فضایی با استفاده از GIS. و 4) مسائل بهینه سازی چند هدفه. مطالعه لیو و همکاران. (2006) [ 3 ] نمونه ای از تحقیقات مربوط به (1) است. لیو و همکاران از شبیه‌سازی خسارت سیل توسط سیستم اطلاعات جغرافیایی مکانی-زمانی (DiMSIS) و روش Dijkstra که روشی برای یافتن کوتاه‌ترین مسیر است، استفاده کرد و الگوریتمی برای استخراج مسیرهای تخلیه ایجاد کرد که می‌تواند به تغییرات وضعیت در طول زمان در بلایای سیل پاسخ دهد. . علاوه بر این، تاکوچی و همکاران. (2002) [ 4] تخلیه از یک سونامی در یک فاجعه زلزله را تصور کرد و مسیرهای تخلیه را تجزیه و تحلیل کرد که انسداد جاده ناشی از فروریختن ساختمان ها و فاصله کلی تخلیه را در نظر گرفت. ایچیکاوا و همکاران (2001) [ 5 ] این واقعیت را در نظر گرفت که انسداد جاده ها توسط ساختمان های فروریخته تخلیه را دشوار می کند و خطر را در مسیرهای مناطق تخلیه برای هر جاده تخمین زد. آنها سپس از شبیه سازی مونت کارلو برای ایجاد وضعیت انسداد جاده استفاده کردند و مکان مناطق تخلیه را بر اساس وضعیت انسداد جاده در کوتاه ترین مسیرها در نظر گرفتند.

به عنوان نمونه هایی از تحقیقات مربوط به (2)، Inoue et al. (2013) [ 6 ] مکان بهینه امکانات مرتبط با گردشگری را در مناطق توریستی شهری استخراج کردند و Asou و همکاران. (2007) [ 7 ] مکان بهینه مکان های تخلیه در بلایا را استخراج کرد. این مطالعات برتری ویژگی جستجوی چند نقطه ای GA را در مسئله بهینه سازی ترکیبی ارزیابی مکان تسهیلات نشان داد. به عنوان نمونه ای از تحقیقات مربوط به (3)، کوآرای و همکاران. (2007) [ 8] نقشه ای را که ویژگی های فیزیکی یک منطقه از زمین را با اطلاعاتی در مورد آسیب های ساختمانی ناشی از زلزله های گذشته بر روی یک GIS نشان می دهد، تطبیق داد و نقشه و اطلاعات بر روی هم را به منظور بررسی رابطه بین فاجعه زمینی ناشی از زلزله و ویژگی های فیزیکی تجزیه و تحلیل کرد. زمین. آنها اثربخشی تجزیه و تحلیل فضایی که از GIS استفاده می کند را نشان دادند.

4) در حوزه تحقیق در مورد مسائل بهینه سازی چندهدفه، مطالعات زیادی وجود دارد که با استفاده از یک GA چندهدفه، جستجوی راه حل های بهینه را انجام داده اند. این جستجوها ویژگی جستجوی چند نقطه ای GA را اعمال می کنند. هارا و همکاران (2006) [ 9 ] جستجوی مسیر توسط سیستم های ناوبری خودرو را به عنوان یک مسئله بهینه سازی چند هدفه مشاهده کرد. آنها روشی را پیشنهاد کردند که در آن یک GA چند هدفه برای بهینه سازی توابع هدف مستقل برای طول مسیر، زمان تخمینی سفر و درجه راحتی رانندگی استفاده شد. آنها اثربخشی روش را با مقایسه آن با روش های موجود نشان دادند. کینوشیتا و همکاران (2008) [ 10] از یک GA چند هدفه برای ایجاد مسیرهای گشت و گذار استفاده کرد که ترجیحات هر یک از اعضای یک گروه را در نظر گرفت و برتری جستجو توسط GA چند هدفه را در مورد بهینه سازی چندین توابع هدف متضاد نشان داد.

بر اساس نتایج تحقیقات مرتبط فوق الذکر، این مطالعه منحصر به فرد بودن و ارزش را در زمینه تحقیقات بلایا نشان می دهد، زیرا هدف آن استفاده از یک GA چند هدفه برای جستجوی کمی مسیرهای تخلیه، به منظور ارائه اطلاعات موثر برای تخلیه است. تدوین برنامه با استفاده از روش‌های خودیاری و کمک متقابل، که اشکال مستقیم‌تری برای کمک به کاهش بلایای طبیعی هستند، انجام می‌شود. به این معنی که هدف آن استفاده از یک GA چند هدفه برای جستجوی کمی مسیرهای تخلیه به منظور ارائه اطلاعات موثر برای تدوین طرح تخلیه توسط افراد تخلیه‌شده و سازمان‌های منطقه‌ای پیشگیری از بلایا است.

3. چارچوب و روش

در بخش 4، چالش های اجتناب از هر یک از علل مختلف انسداد تخلیه به عنوان اهداف در بهینه سازی مسیر تخلیه تعیین شده است و به منظور حل مسئله بهینه سازی چند هدفه بهینه سازی این اهداف، یک الگوریتم جستجوی مسیر تخلیه که استخدام یک GA طراحی و ایجاد شده است. در بخش 5، داده های شبکه راه برای منطقه مورد مطالعه با استفاده از GIS ایجاد می شود و اطلاعات مربوط به موانعی که در حین تخلیه رخ می دهد به این داده ها برای هر جاده اضافه می شود. در بخش 6، یک الگوریتم جستجوی مسیر تخلیه بر روی شبکه جاده ای که ایجاد شده است اعمال می شود، نقاط شروع تخلیه و مقاصد تعیین می شود و یک آزمایش ارزیابی انجام می شود. علاوه بر این، همگرایی مقادیر ارزیابی برای هر هدف مورد بررسی قرار می گیرد، و بررسی می شود که آیا جستجوی موثری در حال انجام است یا خیر. در بخش 7، پارامترهایی که منجر به موثرترین جستجو در بخش 6 شده اند، به GA اعمال می شوند و جستجوی مسیر تخلیه دوباره انجام می شود. علاوه بر این، مسیرهای به دست آمده در GIS تجسم می شوند و با اطلاعاتی برای هر جاده، مانند اطلاعات احتمال انسداد، روی هم قرار می گیرند. این اجازه می دهد تا یک ارزیابی بصری انجام شود، و مسیرهای برتر پیشنهاد می شود. علاوه بر این، نسخه ArcGIS Esri Inc. 10.1 به عنوان GIS استفاده می شود. GIS برای ایجاد داده های شبکه جاده، انجام تجزیه و تحلیل فضایی و تجسم نتایج جستجوی مسیر تخلیه استفاده می شود. مسیرهای به دست آمده در GIS تجسم می شوند و با اطلاعاتی برای هر جاده مانند اطلاعات احتمال انسداد روی هم قرار می گیرند. این اجازه می دهد تا یک ارزیابی بصری انجام شود، و مسیرهای برتر پیشنهاد می شود. علاوه بر این، نسخه ArcGIS Esri Inc. 10.1 به عنوان GIS استفاده می شود. GIS برای ایجاد داده های شبکه جاده، انجام تجزیه و تحلیل فضایی و تجسم نتایج جستجوی مسیر تخلیه استفاده می شود. مسیرهای به دست آمده در GIS تجسم می شوند و با اطلاعاتی برای هر جاده مانند اطلاعات احتمال انسداد روی هم قرار می گیرند. این اجازه می دهد تا یک ارزیابی بصری انجام شود، و مسیرهای برتر پیشنهاد می شود. علاوه بر این، نسخه ArcGIS Esri Inc. 10.1 به عنوان GIS استفاده می شود. GIS برای ایجاد داده های شبکه جاده، انجام تجزیه و تحلیل فضایی و تجسم نتایج جستجوی مسیر تخلیه استفاده می شود.

منطقه انتخاب شده برای مطالعه، بخش شمالی شهر سومیدا ( شکل 1 ) بود، که منطقه شهری توکیو است که در صورت وقوع یک فاجعه آسیب پذیرترین منطقه است، بر اساس «ارزیابی منطقه محور آسیب پذیری در برابر فاجعه زلزله ( شماره 7)» [ 11 ]، منتشر شده توسط دولت متروپولیتن توکیو. این منطقه دارای غلظت بالایی از خانه های چوبی و جاده های بسیاری با عرض کم است. بنابراین، تصور می شود که عوامل زیادی وجود دارد که در صورت وقوع فاجعه مانع تخلیه می شود. بنابراین می توان اثربخشی روش این مطالعه را در این منطقه به خوبی نشان داد.

4. روش جستجوی مسیر تخلیه با استفاده از GA چند هدفه

4.1. طراحی الگوریتم جستجوی مسیر تخلیه

پایتون 2.7 به عنوان زبان برنامه نویسی برای طراحی الگوریتم جستجوی مسیر تخلیه استفاده شد. شکل 2 جریان الگوریتم جستجوی مسیر تخلیه را نشان می دهد و طرح کلی هر عملیات در زیر آورده شده است.

1) کسب اطلاعات مجاور بین گره ای و اطلاعات پیوند جاده

داده‌های CSV اطلاعات مجاور مرتبط با گره و داده‌های CSV اطلاعات پیوند جاده‌ای را به شکل فهرست تغییر دهید و داده‌ها را در GA وارد کنید.

2) کدگذاری ژنتیکی

تعیین کنید که چگونه هر یک از مسیرها، که فردی هستند، در GA بیان می شوند.

3) تولید جمعیت اولیه

به طور تصادفی تعدادی مسیر برابر با اندازه جمعیت (تعداد افرادی که باید در جمعیت باشند) ایجاد کنید و جمعیت اولیه را تشکیل دهید.

4) ارزیابی نیکویی برازش با استفاده از روش رتبه‌بندی پارتو

با استفاده از مقادیر ارزیابی برای هر هدف (اطلاعات جاده)، میزان مناسب بودن هر مسیر را بر اساس روش رتبه بندی پارتو محاسبه کنید.

5) اشتراک گذاری

به تناسب خوبی که در (4) محاسبه شده است، تجدید نظرهایی را اضافه کنید که شباهت‌های بین افراد را در نظر می‌گیرد و یک حسن تناسب جدید ایجاد می‌کند.

6) انتخاب / حذف

بر اساس تناسب خوبی که تجدید نظرها در (5) اضافه شده است، تعیین کنید کدام مسیرها را برای نسل بعدی حفظ کنید. به عنوان یک روش انتخاب، از ترکیبی از انتخاب چرخ رولت و حفظ استراتژی پارتو (استراتژی حفظ نخبگان در یک بهینه سازی تک هدفه GA) استفاده کنید.

7) کراس اوور

دو مسیر از جمعیت را برای والدین انتخاب کنید و با عبور از آنها در یک نقطه متقاطع، دو مسیر را ایجاد کنید که کودکان هستند.

8) جهش

یک مسیر را از جمعیت انتخاب کنید و یک بار دیگر به صورت تصادفی مسیرهایی را در نقطه جهش و بعد از آن ایجاد کنید تا مسیرهای جدید ایجاد کنید.

4.2. ایجاد الگوریتم جستجوی مسیر تخلیه

4.2.1. کسب اطلاعات مجاور بین گرهی و اطلاعات پیوند جاده

1) ایجاد لیست مجاورت

داده های CSV را که حاوی روابط مجاورت بین گره ای است به فرم لیست مجاورت تبدیل کنید و آن را در GA وارد کنید. در مورد لیست مجاورت، ساختار سه گانه ای به آن داده می شود، شماره گره ها برای مطابقت با فهرست مجاورت ساخته می شوند و اطلاعات مجاورت ذخیره می شود. به عنوان اطلاعات مجاورت، شماره گره های مجاور هر گره و شماره پیوندهایی که گره های پیوند ذخیره می شوند.

2) ایجاد لیست اطلاعات لینک جاده

یک لیست پیوند، که با تبدیل داده‌های CSV حاوی اطلاعات پیوند جاده‌ای به فهرست شکل می‌گیرد، به GA وارد می‌شود. وقتی این کار انجام شد، شماره پیوندها مطابق با فهرست لیست پیوندها ساخته می شوند و اطلاعات جاده ذخیره می شود.

4.2.2. کدگذاری ژنتیکی

این مطالعه به مسیرها می پردازد. بنابراین، ترتیب اعداد گره، که مسیرها را تشکیل می دهد، یک مسئله است. بنابراین در این مطالعه کدگذاری ژنتیکی با استفاده از بیان مسیر انجام می شود. بیان مسیر روشی است که در آن ژن‌ها اعداد گره هستند و مسیرها با فهرست‌هایی که به ترتیبی که اعداد گره از آن عبور می‌کنند مرتب می‌شوند. می توان گفت که بیان مسیر طبیعی ترین روش است. علاوه بر این، از آنجایی که فهرست‌ها مسیرها را همانطور که هستند بیان می‌کنند، بیان مسیر با این واقعیت مشخص می‌شود که رمزگشایی از ژنوتیپ به فنوتیپ ضروری نیست. طول ژن با تعداد گره هایی که از آن عبور می کنند متفاوت است. بنابراین متغیر است.

4.2.3. نسل جمعیت اولیه

تعدادی از افراد کد شده در بخش قبل که برابر با اندازه جمعیت N است به طور تصادفی برای تشکیل جمعیت اولیه ایجاد می شود. جمعیت به صورت فهرستی با ساختار دوگانه نمایش داده می شود. به منظور جلوگیری از حلقه شدن مسیرها، گره هایی که قبلاً از آنها عبور کرده اند استفاده نمی شود. علاوه بر این، افراد بر اساس فهرست مجاورت ایجاد شده در بخش 4.2.1 ایجاد می‌شوند و این تضمین می‌کند که تنها راه‌حل‌های امکان‌پذیر – یعنی فقط مسیرهایی که متصل هستند – تولید می‌شوند. در این روش، عملیات ژنتیکی انتخاب/قتل، تلاقی و جهش بر روی جمعیت تولید شده به روشی که در بالا توضیح داده شد انجام می شود.

4.2.4. ارزیابی میزان تناسب با استفاده از روش رتبه‌بندی پارتو

1) تعیین ارزش های ارزیابی در مورد هر هدف

در این تحقیق چهار هدف کاهش فاصله تخلیه افزایش احتمال رسیدن به مقصد که انسداد جاده، اجتناب از خطر ناشی از آتش سوزی و کاهش زمان تخلیه را در بهینه سازی مسیر تخلیه در نظر می گیرد در نظر گرفته شده است. بنابراین، ابتدا برای همه افراد، مقادیر ارزیابی برای هر هدف (فاصله، احتمال رسیدن، درجه خطر آتش سوزی در جاده ها، و زمان تخمینی تخلیه) با استفاده از معادلات (1) تا (3) و (6) تعریف شد.

الف) ارزش ارزیابی برای فاصله

مقدار ارزیابی برای فاصله به عنوان کل فاصله تخلیه تا مقصد با استفاده از رابطه زیر (1) بدست آمد.

(1)

: مجموع مسافت برای فرد X _i [m];

: فاصله برای پیوند j که منفرد X _i از [m] عبور می کند.

: تعداد کل پیوندهایی که فرد X _i از آنها عبور می کند.

ب) ارزش ارزیابی برای احتمال ورود

در مورد ارزش ارزیابی برای احتمال ورود: برای هر لینک، احتمال عبور از لینک بر اساس احتمال مسدود شدن جاده برای پیوند محاسبه شد. احتمال اینکه امکان عبور از تمام مسیرهای جاده ای در مسیر وجود داشته باشد، احتمال رسیدن بود. مقدار ارزیابی برای احتمال ورود به عنوان یک ارزش ارزیابی برای این احتمالات پیدا شد.

(2)

: احتمال رسیدن برای فرد X _i ;

: احتمال مسدود شدن پیوند j که منفرد X _i از آن عبور می کند.

: احتمال اینکه پیوند j که منفرد X _i از آن عبور می کند قابل عبور باشد.

: تعداد کل پیوندهایی که فرد X _i از آنها عبور می کند.

ج) ارزش ارزیابی درجه خطر آتش سوزی در جاده ها

ارزش ارزیابی درجه خطر آتش سوزی در جاده ها مجموع درجه خطر آتش سوزی در جاده ها برای هر پیوند است و با استفاده از رابطه (3) بدست می آید.

(3)

: درجه کل خطر آتش سوزی در جاده ها برای فرد X _i ;

: درجه خطر آتش سوزی در جاده ها برای پیوند j که فرد X _i از آن عبور می کند.

: تعداد کل پیوندهایی که فرد X _i از آنها عبور می کند.

د) ارزش ارزیابی برای زمان تخمینی تخلیه

ارزش ارزیابی برای زمان تخمینی تخلیه، مجموع دوره های زمانی است که فرد تخلیه شده برای عبور از لینک ها می گذراند و بر اساس فاصله، عرض جاده و جمعیت تخمینی تخلیه در جاده برای هر پیوند محاسبه می شود. بر اساس مطالب دفتر پیشگیری از بلایای شهری اداره شهر وزارت ساخت و ساز (1997) [ 12 ] و مدیرکل مدیریت بلایای طبیعی در دفتر کابینه (2005) [ 13 ]، معادله ای برای استخراج عرض جاده که به تعداد معینی از افراد تخلیه شده در یک ساعت اجازه عبور می دهد در زیر آورده شده است.

(4)

در اینجا، تراکم جمعیت تخلیه نشان دهنده تعداد افرادی است که می توانند در هر 1 متر مربع تخلیه ^شوند . به طور کلی، یک نفر در هر متر مربع به عنوان تراکم جمعیت تخلیه در هنگام فاجعه استفاده می شود. این معادل تراکم روی سکوی شلوغ ایستگاه قطار است. علاوه بر این، معمولاً 2 کیلومتر در ساعت به عنوان سرعت راه رفتن در هنگام فاجعه استفاده می شود. این بر اساس این نظر است که توصیه می‌شود مکان‌های تخلیه با مساحت بزرگ به گونه‌ای قرار گیرند که مدت زمان تخلیه به آنها در عرض یک ساعت و فاصله تخلیه در 2 کیلومتر باشد. با توجه به معادله فوق الذکر برای استخراج عرض جاده، در روش حاضر، زمان عبور t _j برای پیوند j با رابطه (5) در زیر تعریف می شود.

(5)

: زمان لازم برای عبور از پیوند j [h];

: فاصله پیوند j [m];

: برآورد جمعیت تخلیه در جاده برای پیوند j [P];

: مجموع جمعیت تخمینی تخلیه در جاده ها برای پیوندهایی که قبل از رسیدن به پیوند j از آن عبور کرده اند [P].

: سرعت پیاده روی [m/h] (=2000 m/h);

: تراکم جمعیت تخلیه [P/m2 ] (=1 P/ ^m2 ) ;

: عرض جاده برای پیوند j [m].

در اینجا، عبارت دوم در سمت راست معادله (5) زمان تخلیه را بیان می کند که بر اساس معادله استخراج عرض جاده یافت می شود. علاوه بر این، در مورد جمعیت تخلیه تخمینی، هنگامی که یک پیوند عبور می کند، جمعیت تخلیه تخمینی در آن لینک به طور تجمعی افزایش می یابد. بر اساس موارد فوق، کل زمان تخلیه برای فرد X _i با معادله (6) که در زیر آورده شده است، تعریف می شود و یک مقدار ارزیابی است.

(6)

: کل زمان تخلیه برای فرد X _i [h];

: تعداد کل پیوندهایی که فرد X _i از آنها عبور می کند.

روش رتبه‌بندی پارتو بر اساس مقادیر ارزیابی برای هر یک از این اهداف، برای تعیین توابع هدف برای محاسبه خوبی تناسب افراد استفاده می‌شود.

2) ارزشیابی برازش با استفاده از روش رتبه بندی پارتو

با استفاده از روش رتبه بندی پارتو بر اساس مقادیر ارزشیابی برای هر هدف تعریف شده در (1)، رتبه ای که بیانگر برتری یا حقارت هر فرد است تعیین می شود. در مورد زیر، فرد X _i به عنوان “تحت تسلط” X _i تعریف می شود .

(7)

: فاصله کل تخلیه;

: احتمال رسیدن به مقصد;

: مجموع درجه خطر آتش سوزی در جاده ها.

: کل زمان تخلیه.

یعنی در صورتی که فرد Xi مسافت طولانی تری داشته باشد، احتمال رسیدن کمتر، درجه خطر آتش سوزی بالاتر در جاده ها، و زمان تخلیه کل طولانی تر از فرد Xi باشد _، فرد X _i به عنوان “تسلط یافته _“ تعریف می شود. توسط “فرد X _i . بر اساس این تعریف، رتبه یک فرد X _i (بیان شده با ” “) زمانی که فرد X _i تحت سلطه تعدادی از افراد برابر با n _i باشد، با رابطه (8) که در زیر آورده شده است، تعیین می شود.

(8)

فردی که برای آن R = 1 درست است، یک راه حل بهینه پارتو را نشان می دهد، که راه حلی است که از هیچ راه حل دیگری کمتر نیست. این رتبه برای تنظیم توابع هدف، مانند رابطه (9) زیر استفاده می شود. معادله (9) به گونه ای تنظیم شده است که هر چه رتبه بالاتر باشد (هر چه به 1 نزدیکتر باشد)، حسن تناسب بهتر است.

(9)

بنابراین، توابع هدف بر اساس رتبه های یافت شده با استفاده از روش رتبه بندی پارتو تنظیم می شوند.

4.2.5. اشتراک گذاری

در روش این پژوهش، اشتراک در فضای بازنمایی انجام شده است. اگر اشتراک در فضای هدف برای روش اعمال می شد و مسیرهایی با مقادیر ارزیابی مشابه برای هر هدف در جامعه وجود داشت، آن مسیرها مشابه در نظر گرفته می شدند. با این حال، از آنجا که مسیرها در این مطالعه بر روی مسیرها متمرکز شده‌اند، حتی اگر مقادیر ارزیابی مشابه باشند، ممکن است در فضای بازنمایی گره‌هایی که مسیرها را تشکیل می‌دهند کاملاً متفاوت باشند. بنابراین، مسیرها را نمی توان مشابه دانست. به همین دلیل در روش این پژوهش شباهت به عنوان مسیر در نظر گرفته شده و اشتراک منحصر به فرد در فضای بازنمایی اعمال می شود. روش خاص اشتراک گذاری در این مطالعه در زیر تشریح شده است.

1) تعداد گره هایی که بین افراد X _i و X _j همپوشانی دارند شمارش می شود. با این حال، نقطه شروع تخلیه و مقصد محاسبه نمی شود.

2) تعداد کل گره هایی که X _i و X _j را تشکیل می دهند شمارش می شود. با این حال، نقطه شروع تخلیه و مقصد محاسبه نمی شود.

3) نسبت گره هایی که بین X _i و X _j همپوشانی دارند (به صورت ” ” بیان می شود) یافت می شود. نسبت گره های همپوشانی معادل فاصله d بین افراد در اشتراک در فضای هدف است.

4) مراحل (1) تا (3) بین همه افراد در جمعیت انجام می شود و نسبت گره هایی که بین افراد همپوشانی دارند برای هر فرد در رابطه با هر فرد دیگر یافت می شود.

5) برای هر فرد یک عدد طاقچه که تعداد افراد مشابه آن فرد است محاسبه می شود. تعداد طاقچه X _i با معادله (10) که در زیر آورده شده است، تعریف می شود.

(10)

: تابع اشتراک گذاری.

: نسبت گره هایی که بین افراد X _i و X _j همپوشانی دارند .

: میزان جمعیت.

تابع اشتراک گذاری با معادله (11) که در زیر آورده شده است، تعریف می شود.

(11)

: نرخ اشتراک گذاری، .

در این مطالعه، نرخ اشتراک r _سهم معادل شعاع اشتراک اشتراک در فضای هدف است. مقادیر دلخواه از 0 تا 1 به _سهم r داده می شود . یعنی در موردی که نسبت گره‌هایی که بین افراد همپوشانی دارند برابر یا بیشتر از نرخ اشتراک‌گذاری باشد، آن افراد مشابه در نظر گرفته می‌شوند و شماره‌های جایگاه آنها شمرده می‌شود.

6) با تقسیم خوب بودن تناسب F هر فرد بر عدد طاقچه یافت شده برای هر فرد، حسن تناسب سهمF جدیدی ایجاد می شود که شباهت بین افراد را در نظر می گیرد. خوبی تناسب فرد X _i که با shareF _i نشان داده شده است با معادله (12) نشان داده شده است.

(12)

با انجام گزینش و حذف بر اساس مقدار خوب بودن سهم F _i که به اشتراک گذاری شرح داده شده در بالا برای آن انجام شده است، تنوع افراد در جمعیت حفظ می شود و جستجوی جهانی تر، که در جستجوی مجموعه ای از موارد مهم است. راه حل های بهینه پارتو، قابل انجام است. با توجه به اثربخشی اشتراک‌گذاری انجام‌شده در روش این مطالعه، در بخش 6.1 یک آزمایش ارزیابی انجام می‌شود و پراکندگی افراد در جامعه بررسی می‌شود تا بررسی شود که آیا اشتراک‌گذاری به طور مؤثر انجام شده است یا خیر.

4.2.6. انتخاب و حذف

در روش این مطالعه، استراتژی حفظ راه حل های بهینه پارتو و انتخاب چرخ رولت در ترکیبی از عملیات انتخاب و حذف استفاده می شود. هر عملیات در زیر توضیح داده شده است. انتخابی غیر از آن برای افرادی که حفظ آنها برای نسل بعدی با استفاده از استراتژی حفظ راه حل های بهینه پارتو تعیین شده است با استفاده از انتخاب چرخ رولت انجام می شود. احتمال انتخاب برای افراد در انتخاب چرخ رولت با شبه نشان داده می شود. این بر اساس خوبی تناسب است که به اشتراک گذاری برای آن انجام شده است، که با shareF نشان داده شده است، و با معادله (13)، ارائه شده در زیر تعیین می شود.

(13)

بر اساس احتمال انتخاب برای هر فرد که با معادله (13) تعیین می شود، انتخاب چرخ رولت تا زمانی تکرار می شود که تعداد افراد نسل بعدی به اندازه جمعیت N برسد. از طریق استفاده از اشتراک گذاری، شباهت بین افراد را در نظر می گیرد، همانطور که در معادله (13)، یک جمعیت نسل بعدی که در آن افراد به طور مساوی پراکنده شده اند و هیچ شیوعی از افراد مشابه وجود ندارد، ایجاد می شود.

4.2.7. کراس اوور

روش متقاطع این مطالعه در زیر توضیح داده شده است. به عنوان روش متقاطع از متقاطع یک نقطه ای استفاده می شود.

1) دو نفر به طور تصادفی از جامعه به عنوان افراد والدین انتخاب می شوند. در صورتی که این دو فرد دقیقاً با استفاده از گره های یکسان تشکیل شوند، فرد ایجاد شده همانند افراد والد خواهد بود. بنابراین، متقاطع با چنین افرادی انجام نمی شود.

2) از گره هایی که بین دو فرد همپوشانی دارند (بدون احتساب نقطه شروع تخلیه و نقاط مقصد)، یک نقطه به طور تصادفی به عنوان نقطه متقاطع انتخاب می شود. اگر گره های همپوشانی وجود نداشته باشد، متقاطع انجام نمی شود.

3) گره ها در نقطه متقاطع و پس از آن افراد والد مبادله می شوند و دو فرد فرزند ایجاد می شود.

4) اگر یک مسیر در یک فرد کودک حلقه شود، حلقه حذف می شود.

عملیات توصیف شده در بالا بر اساس احتمال متقاطع C انجام می شود و افراد کودک تولید شده به جمعیت اضافه می شوند.

4.2.8. جهش

روش جهش مورد استفاده در روش این مطالعه در زیر توضیح داده شده است.

1) از بین جامعه یک نفر به صورت تصادفی انتخاب می شود.

2) یک نقطه به طور تصادفی از گره هایی که فرد انتخاب شده را تشکیل می دهند انتخاب می شود و به عنوان نقطه جهش استفاده می شود. با این حال، نقطه شروع تخلیه و نقاط مقصد به عنوان نقاط جهش انتخاب نمی شوند.

3) از گره نقطه جهش، مسیری که به نقطه مقصد متصل می شود به طور تصادفی تولید می شود. تولید مسیر بر اساس فهرست‌های مجاورت انجام می‌شود، مشابه تولید جمعیت اولیه، و تنها راه‌حل‌های امکان‌پذیر یا مسیرهای ناگسستنی تولید می‌شوند.

4) بخشی از فرد انتخاب شده در (1) که در نقطه جهش و فراتر از آن است، با مسیری که به طور تصادفی ایجاد شده است جایگزین می شود و در نتیجه یک مسیر جدید ایجاد می شود.

5) اگر مسیر تولید شده در (4) حلقه باشد، حلقه حذف می شود.

عملیات فوق بر اساس میزان جهش M انجام می شود و افراد ایجاد شده به جمعیت اضافه می شوند.

5. ایجاد اطلاعات جاده برای منطقه مورد مطالعه

5.1. قوانین تخلیه

5.1.1. روش تخلیه

دولت کلان شهر توکیو [ 14 ] تخلیه دو مرحله ای را به عنوان یک قانون اساسی برای تخلیه در مواقع فاجعه دارد و شهر سومیدا [ 15 ] [ 16 ]] نیز از این سیستم پیروی می کند. در تخلیه دو مرحله‌ای، به عنوان اولین مرحله تخلیه پس از وقوع فاجعه، افراد به محل تجمع موقت تخلیه می‌شوند و خسارت را بررسی می‌کنند. به عنوان محل تجمع موقت، مدارس ابتدایی، دبیرستان های راهنمایی، پارک ها و غیره توسط هر انجمن محله/انجمن ساکنان تعیین می شود. در صورت احراز خسارت و خطرناک بودن محل تجمع موقت، به عنوان مرحله دوم تخلیه، تخلیه‌شدگان به محل تخلیه تعیین‌شده در منطقه بزرگ منتقل می‌شوند. دولت متروپولیتن توکیو مکان هایی را که تقریباً 10 هکتار یا بیشتر مساحت دارند به عنوان مکان های تخلیه بزرگ تعیین می کند [ 14 ]] . تصور می شود مکان هایی با مساحت 10 هکتار یا بیشتر تحت تأثیر گرمای تابشی ناشی از آتش سوزی قرار نمی گیرند. در همین حال، در مواردی که خسارت ناشی از آتش سوزی پس از وقوع فاجعه در مقیاس وسیع گسترش می یابد و تخلیه به مکان تخلیه موقت خطرناک ارزیابی می شود، تخلیه شدگان مستقیماً به محل تخلیه منطقه بزرگ تخلیه می شوند. این به عنوان تخلیه مستقیم نامیده می شود. این مطالعه بر تخلیه دو مرحله ای و تخلیه مستقیم تمرکز دارد و تلاش می کند مسیرهای تخلیه را برای هر یک از این روش ها بهینه کند.

5.1.2. تخصیص مکانهای تخلیه منطقه بزرگ

به هر منطقه یک مکان تخلیه منطقه بزرگ اختصاص داده شده است. طبق گفته سومیدا سیتی [ 16 ] ، در ناحیه مورد مطالعه، منطقه کیوجیما با 3 چوم بیشترین درجه خطر را دارد. درجه کل خطر (مجموع خطر فروریختن ساختمان و درجه خطر آتش سوزی) درجه دشواری در انجام فعالیت ها در هنگام فاجعه را در نظر می گیرد. دولت متروپولیتن توکیو [ 14] تعیین کرده است که محل تخلیه منطقه بزرگ کیوجیما با منطقه 3 چوم، منطقه مسکونی کلان شهر توکیو Bunka 1-chome (Toei Bunka 1-chome jūtaku ittai) است. بنابراین، منطقه Kyoujima 3-chome از شمال شهر سومیدا به عنوان تمرکز این مطالعه انتخاب شد و این مطالعه جستجوهایی را برای مسیرهای تخلیه انجام می دهد که مقصد آن منطقه مسکونی متروپولیتن Bunka 1-chome توکیو است.

5.2. ایجاد اطلاعات جاده با استفاده از GIS

5.2.1. جمع آوری و پردازش داده های مورد استفاده

جدول 1 داده های مورد استفاده در این تحقیق و نحوه پردازش داده ها را نشان می دهد. اطلاعات مربوط به احتمال ریزش کلی ساختمان، طبقه‌بندی شده بر اساس سطح زمین و نوع ساختمان، از «ارزیابی آسیب‌پذیری منطقه‌ای در برابر فاجعه زلزله (شماره 7)» [ 11 ]] منتشر شده توسط دولت متروپولیتن توکیو در محاسبه احتمال انسداد جاده و افزودن آن به شبکه جاده استفاده شد. با این حال، داده‌های مربوط به سال ساخت هر ساختمان، داده‌های مالیات دارایی ثابت است که در دسته اطلاعات شخصی قرار می‌گیرد و دستیابی به آن برای افراد دشوار است. بنابراین، در این تحقیق، بدترین آسیب ممکن تصور شد و فرض بر این بود که تمامی ساختمان‌های چوبی قبل از سال 1970 ساخته شده‌اند. [ 11]، نرخ کل فروریختگی ساختمان یکنواخت 50.99% استفاده شد. علاوه بر این، در این مطالعه، ازدحام در جاده ها به دلیل تمرکز جمعیت به عنوان عامل اصلی موانع تخلیه در نظر گرفته شده است. جمعیت شب و روز مرتب شده بر اساس واحدهای آدرس اداری مانند بلوک، بخش فرعی و آزا (کوچکترین واحد اداری در ژاپن) در نظر گرفته شد ( جدول 1 )، و مشخص شد که در منطقه کیوجیما 3 چوم جمعیت شبانه بیشتر از جمعیت در روز؛ بنابراین، جمعیت شبانه برای محاسبه جمعیت برآورد شده در جاده ها استفاده شد.

5.2.2. ایجاد داده های شبکه راه

در این مطالعه، احتمال انسداد جاده بر اساس رابطه موقعیتی بین بافر عرض آوار ناشی از ساختمان‌های چوبی کنار جاده و خط مرکزی جاده واقع در مقابل آن محاسبه شد. بنابراین، خط مرکزی راه از داده‌های کاربری زمین استخراج شد و برای ایجاد داده‌های گره‌ای که تقاطع‌ها و چهارراه‌ها را نشان می‌داد و داده‌های پیوندی که جاده‌هایی را نشان می‌داد که تقاطع‌ها و چهارراه‌ها را به هم متصل می‌کردند، استفاده شد. داده های شبکه جاده با ادغام بیشتر این مجموعه داده ها ایجاد شد. شکل 3 شبکه راه را نشان می دهد

همانطور که در بالا توضیح داده شد ایجاد شد و اطلاعات جاده به این داده ها اضافه شد.

5.2.3. محاسبه احتمال انسداد راه و اضافه شدن آن به شبکه راه

احتمال انسداد جاده در شکل 3 به داده های شبکه راه اضافه شدبه عنوان یک صفت این مطالعه دو نوع انسداد را در نظر می‌گیرد: 1) انسداد منفرد، به‌عنوان زمانی که جاده‌ای در اثر فروریختن یک ساختمان چوبی تنها در یک طرف جاده مسدود می‌شود، و 2) انسداد ترکیبی، به‌عنوان زمانی که یک جاده مسدود می‌شود، تعریف می‌شود. با فروریختن ساختمان های چوبی در دو طرف جاده مسدود شده است. در اینجا، در مورد (1) انسداد منفرد، زمانی که عرض آوار تولید شده توسط یک ساختمان فروریخته با شکل ساختمان واقع در طرف دیگر جاده تلاقی می کند، جاده واقع بین این ساختمان ها مسدود شده در نظر گرفته می شود. علاوه بر این، در مورد (2) انسداد ترکیبی، زمانی که عرض زباله های تولید شده توسط ساختمان های فروریخته در دو طرف جاده تلاقی می کنند، جاده واقع بین این ساختمان های فروریخته مسدود شده در نظر گرفته می شود. در مورد احتمال انسداد جاده برای مورد (1) انسداد منفرد، از آنجایی که جاده با ریزش یک ساختمان چوبی در یک طرف جاده مسدود می شود، احتمال انسداد همان احتمال ریزش ساختمان چوبی در نظر گرفته می شود. در همین حال، در مورد (2) انسداد ترکیبی، از آنجایی که جاده هنگام فروریختن ساختمان‌ها در سمت چپ و راست جاده مسدود می‌شود، احتمال انسداد با ضرب احتمال ریزش برای ساختمان‌های سمت چپ و راست به دست می‌آید. جاده. در زیر روش های محاسبه احتمال انسداد جاده و افزودن آن به شبکه راه ها شرح داده شده است. از آنجایی که هنگام فروریختن ساختمان‌ها در سمت چپ و راست جاده، جاده مسدود می‌شود، احتمال انسداد با ضرب احتمال ریزش ساختمان‌های سمت چپ و راست جاده به دست می‌آید. در زیر روش های محاسبه احتمال انسداد جاده و افزودن آن به شبکه راه ها شرح داده شده است. از آنجایی که هنگام فروریختن ساختمان‌ها در سمت چپ و راست جاده، جاده مسدود می‌شود، احتمال انسداد با ضرب احتمال ریزش ساختمان‌های سمت چپ و راست جاده به دست می‌آید. در زیر روش های محاسبه احتمال انسداد جاده و افزودن آن به شبکه راه ها شرح داده شده است.

1) استخراج و طبقه بندی ساختمان های کنار جاده

ساختمان‌های کنار جاده‌ای که از عوامل اولیه انسداد جاده‌ها هستند استخراج شد. ابتدا، یک بافر از خط مرکزی جاده فقط در سمت راست ایجاد شد و تابع جستجوی فضایی GIS برای استخراج ساختمان‌هایی که با بافر تقاطع داشتند استفاده شد. به طور مشابه، در مرحله بعد یک حائل از خط مرکزی جاده فقط در سمت چپ ایجاد شد و ساختمان هایی که با بافر تقاطع داشتند استخراج شدند. با دنبال کردن این مراحل، ساختمان‌ها به ساختمان‌هایی که در سمت راست جاده و ساختمان‌هایی که در سمت چپ جاده قرار داشتند، طبقه‌بندی شدند.

2) استخراج ساختمان های چوبی کنار جاده و اضافه شدن احتمال ریزش

با استفاده از تابع جستجوی ویژگی GIS، ساختمان‌های چوبی هم از ساختمان‌های سمت راست و هم از ساختمان‌های سمت چپ استخراج شدند. علاوه بر این، احتمال ریزش به عنوان ویژگی به هر یک از ساختمان های چوبی اضافه شد.

3) استخراج جفت ساختمان که باعث انسداد می شود

الف) مورد انسداد منفرد

یک بافر با شعاع برابر با عرض آوار که در صورت ریزش از یک ساختمان چوبی در سمت راست جاده تولید می‌شد، ایجاد شد و از تابع جستجوی فضایی GIS برای استخراج هر ساختمان در سمت چپ استفاده شد. جاده ای که با حائل تلاقی می کند. همین کار برای سمت چپ جاده انجام شد و جفت ساختمان هایی که باعث انسداد تکی می شدند استخراج شد. در مورد خروج آوار که در هنگام فروریختن ساختمان رخ می دهد، حداکثر خسارت تصور می شد و فرض بر این بود که آوارها به طور یکنواخت در همه جهات خارج می شوند. علاوه بر این، در مورد عرض زباله، با اشاره به Ichikawa و همکاران. (2001) [ 5]، عرض زباله با استفاده از معادله (14)، که در زیر آورده شده است، بدست آمد. در مورد تعداد طبقات ساختمان ها، به داده هایی در مورد وضعیت کاربری فعلی ساختمان اشاره شده است. به عنوان ارتفاع متوسط ​​کف، از ارتفاع متوسط ​​یکنواخت کف سه متر استفاده شد.

(14)

ب) مورد انسداد ترکیبی

حفاظ های عرض آوار برای ساختمان های چوبی در دو طرف چپ و راست جاده ایجاد شد. تابع جستجوی فضایی GIS برای استخراج بافرهای باقی مانده سمت چپ که با بافرهای باقی مانده سمت راست و بافرهای آوار سمت راست که با بافرهای باقی مانده سمت چپ قطع می شوند، استفاده شد. این مراحل برای استخراج ساختمان ها در سمت راست و ساختمان ها در سمت چپ انجام شد که باعث انسداد ترکیبی می شد.

4) ایجاد خطوط بخش جاده

با اشاره به یوشیکاوا و همکاران. (2003) [ 17] ، خطوط مقطع (خطوطی که نقاط مرکزی ساختمان ها را به هم متصل می کند که باعث مسدود شدن جاده می شود) ایجاد شد. با استفاده از ابزار GIS XY To Line، داده‌های خطی برای خطوطی تولید شد که نقاط مرکزی ساختمان‌ها را به هم متصل می‌کردند که باعث مسدود شدن جاده می‌شد (که در (3) بالا استخراج شد) و این داده‌ها به عنوان خطوط مقطع استفاده شد. مختصات XY که نقاط مرکزی ساختمان ها بودند با استفاده از تابع حسابی هندسه GIS پیدا شدند. خطوط مقطع برای مناسبت با سه نوع مورد ایجاد شد – مورد انسداد منفرد ناشی از فروریختن ساختمان‌های چوبی در سمت راست جاده، مورد انسداد منفرد ناشی از فروریختن ساختمان‌های چوبی در سمت چپ جاده ، و مورد انسداد ترکیبی. علاوه بر این، احتمال انسداد متناسب با نوع انسداد برای هر مورد اضافه شد.

5) اضافه شدن احتمال انسداد به شبکه راه

با استفاده از ابزار جفت فضایی GIS، به هر پیوند جاده ای که با سه نوع خط مقطع تولید شده در (4) تلاقی می کند، احتمال انسداد (با pk نشان داده شده ) برای هر یک از نقاط روی خطوط مقطع (نشان داده شده با _k ) اضافه شد.

6) محاسبه احتمال انسداد راه

از طریق عملیات فوق، به هر پیوند جاده، احتمال انسداد (با p _k نشان داده شده ) برای نقاط روی خطوط مقطع (این نقاط با k نشان داده شده بودند) اضافه شد. احتمال Ps _که همه نقاط k در خطوط مقطع هر پیوند جاده قابل عبور باشند با استفاده از احتمال انسداد pk محاسبه شد _و با معادله (15) بیان می شود (Takeuchi et al. (2002) [ 4 ]).

(15)

بنابراین، احتمال انسداد پیوند جاده Pb _با استفاده از رابطه (16) زیر پیدا شد:

(16)

با استفاده از تابع محاسباتی میدان GIS، محاسبات فوق بر روی جدول ویژگی داده پیوند جاده انجام شد و احتمال انسداد برای هر پیوند جاده محاسبه شد. شکل 4 شبکه جاده ای را نشان می دهد که انسداد احتمالی جاده برای هر پیوند، محاسبه شده با استفاده از عملیات فوق، به آن اضافه شده است. از شکل 4 مشاهده می شود که احتمال انسداد در قسمت شمال شرقی زیاد است.

5.2.4. اندازه گیری عرض جاده

عرض جاده بر اساس داده های خط لبه جاده و خطوط مرکزی جاده (پیوندهای جاده) ایجاد شده در بخش 5.2.1 اندازه گیری شد. عرض جاده هنگام محاسبه خطر آتش سوزی و زمان تخلیه ضروری است. روش اندازه گیری عرض جاده در زیر توضیح داده شده است.

1) بر اساس داده‌های خط لبه جاده، بافرهایی با شعاع 0.5 متر تولید شد و پیوندهای جاده‌ای که با بافرها قطع شده‌اند با استفاده از تابع جستجوی فضایی GIS استخراج شدند. این امکان استخراج جاده هایی با عرض کمتر از 1 متر را فراهم کرد.

2) عرض 1 متر (موردی که شعاع بافر 0.5 متر است) به عنوان یک ویژگی به پیوندهای جاده استخراج شده داده شد.

3) پیوندهای جاده ای استخراج شده در (2) از بدنه کلی داده های پیوند جاده حذف شدند.

4) یک بار دیگر، بافرها از داده های خط لبه جاده تولید شدند. هنگام انجام این مرحله، شعاع بافر مقداری بود که با افزودن 0.5 متر به شعاع بافر تنظیم شده در (1) به دست می آمد. علاوه بر این، با استفاده از تابع جستجوی فضایی GIS، گروهی از پیوندهای جاده‌ای که شامل جاده‌های با عرض کمتر از 1 متر (که در (3) ایجاد شد) را شامل نمی‌شود، با بافرها و پیوندهای جاده‌ای که با بافرها تلاقی می‌کنند، قرار می‌گیرند. استخراج شدند. این مرحله امکان استخراج جاده هایی با عرض بیشتر یا مساوی 1 متر و کمتر از 2 متر را فراهم کرد.

مراحل (1) تا (4) تکرار شد و شعاع بافر را هر بار 0.5 متر افزایش داد. از این طریق، داده های پیوند جاده برای عرض هر متر تا حداکثر عرض استخراج شد. در نهایت، داده‌های پیوند جاده استخراج‌شده برای عرض هر متر با استفاده از تابع ادغام GIS برای ایجاد مجموعه‌ای از داده‌های پیوند جاده‌ای که حاوی اطلاعات عرضی برای هر پیوند جاده است، ادغام شدند. شکل 5 یک شبکه جاده ای را نشان می دهد که عرض جاده با آن اندازه گیری می شود

شرح داده شده در بالا اضافه شده است.

5.2.5. اضافه شدن درجه خطر آتش سوزی به شبکه راه

درجه خطر آتش سوزی برای هر بلوک و chome* (* یک بخش فرعی شماره گذاری شده یک منطقه در یک آدرس) از «ارزیابی آسیب پذیری در برابر زلزله بر اساس منطقه (شماره 7)» [ 11 ] به عنوان خطر ناشی از آن اضافه شد. آتش برای هر پیوند جاده روش انجام این کار در زیر توضیح داده شده است.

1) درجه خطر آتش سوزی برای هر بلوک و chome به عنوان یک ویژگی به داده های چند ضلعی بلوک و chome برگرفته از داده های وضعیت کاربری فعلی اضافه شد.

2) با استفاده از یک ابزار جفت فضایی GIS، درجه خطر آتش سوزی به پیوندهای جاده ای اضافه شد که با هر بلوک و چند ضلعی chome قطع می شود. زمین لرزه بزرگ هانشین به وضوح نشان داد که جاده هایی با عرض مساوی یا بیشتر از دوازده متر باعث وقفه در گسترش آتش می شوند. بنابراین به جاده هایی با عرض دوازده متر یا بیشتر درجه خطر آتش سوزی صفر اختصاص داده شد. در مورد داده های عرض جاده، مقادیر اندازه گیری شده در بخش 5.2.3 استفاده شد.

3) درجات خطر آتش سوزی اضافه شده به پیوندهای جاده در مرحله (2) در هر بلوک/خانه ثابت بود. بنابراین، درجه خطر آتش سوزی بین پیوندهای جاده در یک بلوک / خانه تفاوتی نداشت. این بدان معنی است که مهم نیست از چه جاده ای در بلوک / خانه عبور می شود، درجه خطر آتش سوزی یکسان خواهد بود. اما برای تخلیه در صورت وقوع آتش سوزی، تخلیه سریع به جاده هایی با عرض وسیع که در اثر آتش سوزی یا گسترش آتش آسیبی نبیند مهم است. بنابراین، تصور می شود فاصله تخلیه ارتباط نزدیکی دارد. در اینجا، بر اساس این ایده که “هرچه مسافت تخلیه در یک بلوک/خانه با درجه خطر آتش سوزی بالا طولانی تر باشد، احتمال بیشتری وجود دارد که با خطر آتش سوزی مواجه شود” به عنوان یک شاخص جدید که درجه خطر ناشی از آن را نشان می دهد. آتش زدن در جاده، مقداری که با ضرب درجه خطر آتش سوزی با فاصله پیوند جاده به دست می آید به عنوان درجه خطر آتش سوزی در یک جاده استفاده شد. علاوه بر این، درجه خطر آتش سوزی در جاده ها برای هر جاده با استفاده از تابع محاسباتی میدان GIS در جدول ویژگی پیوند جاده محاسبه شد. انجام این کار باعث شد تا درجه خطر آتش سوزی در جاده های داخل یک بلوک/خانه متفاوت باشد.

شکل 6 شبکه جاده ای را نشان می دهد که درجه خطر آتش سوزی در جاده های ایجاد شده به روش فوق به آن اضافه شده است.

5.2.6. محاسبه برآورد جمعیت تخلیه در جاده و اضافه شدن آن به شبکه راه

جمعیت تخمینی تخلیه‌شدگانی که در هر جاده در زمان وقوع فاجعه رخ می‌دهند، محاسبه شد و به عنوان یک ویژگی به پیوندهای جاده اضافه شد. جمعیت تخمینی در GA هنگام محاسبه زمان تخلیه برای یک مسیر استفاده می شود. در زیر روش های محاسبه جمعیت تخمینی در یک جاده و افزودن آن به شبکه راه ها شرح داده شده است

1) با استفاده از تابع جستجوی فضایی GIS، بر اساس داده‌های کاربری فعلی ساختمان‌ها که با داده‌های چندضلعی بلوک/کوم تلاقی می‌کنند، برگرفته از داده‌های وضعیت کاربری فعلی زمین، برای هر بلوک/خانه، ساختمان‌های موجود در بلوک/خانه استخراج شد. .

2) با استفاده از تابع جستجوی ویژگی GIS، از داده‌های ساختمان‌های استخراج‌شده در مرحله (1)، تنها خانه‌های مجردی یا مستقل و آپارتمان‌ها یا مجتمع‌های مسکونی با تعداد زیادی تخلیه‌کننده شبانه استخراج شد.

3) با استفاده از معادله (17)، جمعیت های تخمینی که با کل فضای هر واحد مسکونی مطابقت داشتند، تعیین شدند. محاسبه معادله (17) با استفاده از تابع محاسباتی میدان GIS در فیلدهای ویژگی برای داده های ساختمانی انجام شد. شکل 7 جمعیت تخلیه تخمینی برای هر محل سکونت را نشان می دهد که طبق شرح بالا محاسبه شده است.

(17)

4) با استفاده از ابزار جفت فضایی GIS، جمعیت تخلیه تخمینی هر اقامتگاه به نزدیکترین پیوند جاده به محل سکونت اختصاص داده شد.

شکل 8 یک شبکه جاده ای را نشان می دهد که جمعیت تخمینی تخلیه در جاده محاسبه شده به شرح بالا به آن اضافه شده است.

5.2.7. خروجی داده لینک جاده

تمام اطلاعات راه برای شبکه جاده ایجاد شده در بخش های 5.2.1 تا 5.2.6 در یک جدول و خروجی ویژگی GIS ادغام شد. روش انجام این کار در زیر توضیح داده شده است.

1) با استفاده از تابع انحلال GIS، تمام اطلاعات جاده بر اساس شناسه های پیوند جاده خلاصه شد. این مسافت ( شکل 3 )، احتمال انسداد جاده ( شکل 4 )، عرض جاده ( شکل 5 )، درجه خطر ناشی از آتش سوزی در جاده ( شکل 6 )، و جمعیت تخمینی تخلیه در جاده ( شکل 8 ) برای هر جاده را فعال کرد. پیوند در یک جدول ویژگی GIS خلاصه شود.

2) ابزار GIS برای صادر کردن ویژگی های ویژگی به ASCII برای خروجی اطلاعات جاده در مرحله (1) به یک فایل CSV استفاده شد.

هنگامی که جستجوی مسیر انجام می شود، خروجی داده پیوند جاده همانطور که در بالا توضیح داده شد، به عنوان اطلاعات جاده به GA وارد می شود.

6. ارزیابی الگوریتم جستجوی مسیر تخلیه

در این بخش، آزمایش ارزیابی انجام شده به منظور نشان دادن اعتبار روش این مطالعه شرح داده شده است. در بخش 6.1، به منظور نشان دادن اعتبار روش اشتراک گذاری منحصر به فرد روش این مطالعه، انجام یا عدم مشارکت مؤثر تأیید می شود. این کار با بررسی توزیع راه حل ها انجام می شود. در عین حال، با در نظر گرفتن تغییر در راه حل های به دست آمده که هنگام تغییر نرخ اشتراک r _{سهم رخ می دهد، یک مقدار سهم} r مناسب روشن می شود. در بخش 6.2، با در نظر گرفتن تغییر در راه حل ها در مواردی که تعداد اهداف تغییر می کند، و همگرایی راه حل ها، بهینه سازی چند هدفه به درستی انجام شده است یا خیر. علاوه بر این، در همان زمان، GIS است

برای تجسم مسیرهای مشتق شده استفاده می شود و یک ارزیابی بصری انجام می شود.

در آزمایش ارزیابی در این بخش، به منظور مقایسه مسیرهای مشتق شده، از نقطه شروع تخلیه و نقطه مقصد تخلیه یکسان در طول آزمایش استفاده شد. به طور خاص، همانطور که در شکل 9 در آزمایش ارزیابی نشان داده شده است، نقطه شروع تخلیه نقطه A و مقصد نقطه B بود که یک گره در مجاورت سایت تخلیه منطقه بزرگ است.

6.1. اشتراک گذاری آزمایش ارزیابی

در این بخش، به منظور بررسی اثرات اشتراک منحصربه‌فرد این مطالعه، توزیع افراد در جامعه برای مواردی که اشتراک‌گذاری انجام نمی‌شود و مواردی که اشتراک‌گذاری انجام شده و نرخ _اشتراک r تغییر یافته است، مقایسه می‌شود. . انجام این کار تأیید می کند که آیا هدف اشتراک گذاری، که “حفظ تنوع در راه حل ها در بین جمعیت” است، با موفقیت به دست آمده است یا خیر. در این بخش، بهینه‌سازی با استفاده از دو هدف انجام می‌شود که توزیع افراد برای آنها به راحتی قابل درک است (فاصله تخلیه و احتمال ورود).

6.1.1. پارامترهای GA

جدول 2 پارامترهای GA را برای آزمایش ارزیابی مربوط به اشتراک گذاری نشان می دهد. به منظور امکان مقایسه اثرات اشتراک گذاری در هر مورد از (1) تا (6)، استخراج راه حل ها با همه پارامترها به جز _سهم r برای هر مورد یکسان انجام شد.

6.1.2. به اشتراک گذاری نتایج آزمایش ارزیابی و بحث

جدول 3 مقادیر ارزیابی راه حل های بهینه پارتو را نشان می دهد که از افراد در جمعیت به دست آمده است

نسل نهایی برای هر یک از موارد (1) تا (6) در جدول 2 . مشاهده می‌شود که در مواردی که اشتراک‌گذاری انجام نشده است، افراد مشابه بر جمعیت غالب هستند. بنابراین، جستجوی جهانی انجام نشد و جستجو برای راه حل های بهینه پارتو نیز به اندازه کافی انجام نشد. کمترین تعداد راه حل بهینه پارتو در این مورد پنج به دست آمد. در مورد (2)، که در آن r _سهم0.2 =، چون اشتراک گذاری انجام شد، در مقایسه با مورد (1) انواع بیشتری از افراد در جامعه وجود دارد و در ادامه، شش راه حل بهینه پارتو استخراج شد. تصور می شود که این به این دلیل است که از آنجایی که افراد در جمعیت متنوع بودند، تعداد انواع افراد والدین در عملیات ژنتیکی متقاطع و جهش افزایش یافت. یعنی با توجه به افزایش تعداد انواع افراد والدین، افراد فرزندی که بر اساس آن افراد والدین ایجاد می‌شوند نیز متنوع شدند و بنابراین جستجوی جهانی‌تر امکان‌پذیر شد. همچنین تصور می‌شود به همین دلیل است که راه‌حل‌های بهینه پارتو بیشتری در موارد (3) تا (6) به دست آمده‌اند، که در هر یک از موارد (3) تا (5) هفت مورد و در مورد (6) هشت مورد به دست آمده است. . علاوه بر این، با مقایسه موارد (3) تا (6)،_سهم = 1.0.

r _سهم = 1.0 موردی را نشان می دهد که در آن اشتراک گذاری که حسن تناسب افراد تشکیل شده با گره های مشابه را کاهش می دهد در جمعیت انجام می شود. در روش این مطالعه، زمانی که دو فرد والدین دقیقاً با گره‌های مشابهی تشکیل شوند، عملیات متقاطع انجام نمی‌شود. این به این دلیل است که حتی در صورت تلاقی والدین، افراد کودکی دقیقاً مشابه والدین ایجاد می‌شوند. با کاهش تناسب افراد با ساختار دقیقاً یکسان از طریق اشتراک گذاری که در آن r _{سهم دارند}= 1.0، افراد متنوع تری در جمعیت از طریق گزینش و حذف انتخاب می شوند و بنابراین می توان متقاطع را به طور موثر انجام داد. از این طریق، از آنجایی که متقاطع اجازه می دهد تا تنوع بیشتری از افراد کودک تولید شود، تنوع بیشتری از افراد در جمعیت وجود دارد. با توجه به دلایل ذکر شده، تصور می شود که در روش این مطالعه، اشتراک گذاری که برای آن _سهم r = 1.0 موثرترین اشتراک گذاری بوده است.

با توجه به این دلایل، تأیید شد که اشتراک در این مطالعه بر حفظ تنوع افراد در جامعه تأثیر داشته و در نتیجه امکان جستجوی جهانی وجود دارد. بنابراین، این احتمال وجود دارد که تعداد بیشتری از راه حل های بهینه پارتو پیدا شود. علاوه بر این، تأیید شد که در روش این مطالعه، اشتراک گذاری زمانی مؤثرتر است که r _سهم = 1.0 باشد. بنابراین در این روش از r _share = 1.0 استفاده می شود، زیرا بهترین نرخ به اشتراک گذاری در نظر گرفته می شود.

6.1.3. آزمایشی برای ارزیابی بهینه سازی چند هدفه

این بخش یک آزمایش ارزیابی را توصیف می کند که به منظور بررسی اینکه آیا بهینه سازی چند هدفه مسیرهای تخلیه به طور مناسب با روش این مطالعه انجام شده است یا خیر، انجام شد. پارامترهای GA در آزمایش ارزیابی به شرح زیر بود. نرخ اشتراک: r _سهم = 1.0; اندازه جمعیت: N = 100; تعداد نسل های آزمایشی: G = 1000; نرخ متقاطع: C [%] = 100; و نرخ جهش: M [%] = 1. جدول 4

مقادیر ارزیابی برای هر هدف را برای مسیرهای مشتق شده خلاصه می کند، که برای آنها فاصله تخلیه، احتمال رسیدن، درجه خطر ناشی از آتش سوزی در جاده و زمان تخلیه بهینه شده است. بیست مسیر به عنوان راه حل های بهینه پارتو استخراج شد. از این میان، مسیرهای 1، 11، 19 و 20 در شکل 10 نشان داده شده است. علاوه بر این، شکل 11 و شکل 12 نتایج را برای مسیرهای مشتق شده با عرض جاده و جمعیت تخلیه تخمینی برای هر محل سکونت، و مسیرهای مشتق شده با جمعیت تخلیه تخمین زده شده در جاده ها و برای هر محل سکونت به ترتیب نشان می دهد.

در مورد مسیرهای مشتق شده از جمله مسیرهای 1، 18، 19 و 20، مسیرها تقریباً مشابه مواردی است که فاصله تخلیه، احتمال رسیدن و درجه خطر ناشی از آتش سوزی در جاده بهینه شده است. با این حال، یک مسیر جدید، مسیر 11، که زمان تخلیه را به حداقل می رساند، استخراج شد. مسیر 11 کمترین فاصله تخلیه را ندارد اما کمترین زمان تخلیه را دارد. مسیر 1، کوتاه ترین مسیر، دارای جمعیت تخلیه کل 150 نفر است، در حالی که مسیر 11 دارای جمعیت تخلیه کل 81 نفر است. علاوه بر این، شکل 12 به وضوح نشان می دهد که در حالی که مسیر 1 از جاده هایی با جمعیت تخلیه تخمینی زیاد می گذرد، مسیر 11 از جاده هایی با جمعیت تخلیه تخمینی نسبتاً کوچک عبور می کند. علاوه بر این، شکل 11به وضوح نشان می دهد که در حالی که مسیر 1 عمدتاً از جاده هایی با عرض سه تا چهار متر می گذرد، مسیر 11 عمدتاً از جاده هایی با عرض هفت تا نه متر عبور می کند. بنابراین تصور می‌شود که زمان تخلیه مسیر 1 به دلیل ازدحام در جاده‌ها که ناشی از جمعیت زیاد تخلیه است و علاوه بر آن جاده‌های با عرض کم طولانی شود. در مقابل، مسیر 11 جمعیت تخلیه تخمینی کمی دارد و جاده های وسیعی برای آن انتخاب شده است. بنابراین در نظر گرفته می شود که به دلیل ازدحام در جاده ها برای مسیر 11 تقریباً طولانی شدن زمان تخلیه وجود ندارد. بنابراین تأیید شد که با افزودن زمان تخلیه به عنوان هدف به این روش، مسیرهای جدیدی که زمان تخلیه را در نظر می گیرند می توانند تولید شود.

نتیجه ای که از بالا مشخص است این است که با افزایش تعداد اهداف، مسیرهای متعددی به دست آمد که مقادیر ارزیابی آنها برای هر هدف، روابط درونی با یکدیگر بود. این مسیرها راه حل های بهینه پارتو بودند، به این معنی که برای بهبود ارزش ارزیابی برای یکی از اهداف، ارزش ارزیابی برای یکی از اهداف دیگر باید کاهش یابد. بنابراین، در نظر گرفته می‌شود که بهینه‌سازی چندهدفه به درستی انجام شده است. بنابراین، در روش این مطالعه، چندین نامزد مسیر تخلیه در یک جستجو به عنوان راه‌حل‌های بهینه پارتو استخراج می‌شوند. بنابراین، از میان این نامزدها، مسیرهای تخلیه متعددی که پیش بینی می کنند در زمان فاجعه چه اتفاقی می افتد، می توانند انتخاب شوند.

6.2. همگرایی ارزش های ارزیابی برای هر هدف

به منظور بررسی اینکه آیا بهینه سازی همزمان چند هدفه به طور موثر انجام شده است یا خیر، همگرایی مقادیر ارزیابی برای هر هدف در یک بهینه سازی چهار هدفه مورد بررسی قرار گرفت. پارامترهای GA در آزمایش ارزیابی به شرح زیر بود. نرخ اشتراک: r _سهم = 1.0; اندازه جمعیت: N = 100; تعداد نسل های آزمایشی: G = 1000; نرخ متقاطع: C [%] = 100; و نرخ جهش: M [%] = 1. شکل 13 همگرایی مقادیر ارزیابی را برای هر نسل مشتق شده نشان می دهد. از شکل 13 می توان دریافت که مقادیر متوسط ​​در جمعیت ها در منطقه 600 متری برای فاصله تخلیه، در منطقه 2000 برای درجه خطر ناشی از آتش سوزی در جاده و در منطقه 0.5 ساعت برای زمان تخلیه همگرا شده اند.

با این حال، در مورد احتمال ورود، می توان مشاهده کرد که در حالی که میانگین مقدار احتمال ورود افراد در جمعیت در مقایسه با نسل اولیه با ایجاد مکرر نسل ها به طور کلی بهبود یافته است، اما نمی توان همگرایی واضحی را در مقایسه با سه مورد دیگر تأیید کرد. اهداف. این واقعیت که فاصله تخلیه با هر سه هدف دیگر ارتباط نزدیکی دارد دلیلی بر این امر تلقی می شود. فاصله تخلیه خود یک مقدار ارزیابی است که بر اساس مسافت تعیین می شود و درجه خطر ناشی از آتش سوزی در جاده یک مقدار ارزیابی است که از ضرب درجه خطر ناشی از آتش سوزی در هر بلوک/کوم در فاصله هر جاده به دست می آید. علاوه بر این، زمان تخلیه یک مقدار ارزیابی است که با استفاده از فاصله تخلیه و سرعت پیاده‌روی برای یافتن زمان حمل و نقل منظم به دست می‌آید. و سپس به دلیل شلوغی زمان اضافی به آن اضافه می شود. در مواردی که تنها تأثیر کمی از ازدحام وجود دارد، زمان تخلیه به شدت به فاصله تخلیه بستگی دارد. با توجه به این موضوع، تصور می‌شود که هرچه فاصله تخلیه افراد در جمعیت به مقدار کمی همگرا شود، فاصله تخلیه، درجه خطر ناشی از آتش‌سوزی در جاده و زمان تخلیه بیشتر می‌شود. در همین حال، از آنجایی که احتمال ورود وابسته به فاصله تخلیه نیست، اگر فاصله تخلیه برای افراد جمعیت کوتاهتر شود، بهبود نخواهد یافت. با این وجود، مشاهده می‌شود که ارزش‌های ارزیابی برای هر هدف برای افراد جامعه با افزودن هر نسل بهبود می‌یابد و در نظر گرفته می‌شود که بهینه‌سازی همزمان چند هدفه به اندازه کافی انجام شده است.

7. پیشنهاد کاندیداهای مسیر تخلیه در منطقه مورد مطالعه

7.1. انتخاب نقاط شروع تخلیه نمایندگان و نقاط مقصد تخلیه برای هر منطقه

نقاطی در هر منطقه که تخلیه برای آن‌ها بر اساس درجه خطر کل (که درجه سختی انجام فعالیت‌ها در مواقع فاجعه را در نظر می‌گیرد) دشوارترین در نظر گرفته می‌شد، به عنوان نقطه شروع تخلیه نماینده انتخاب شدند. علاوه بر این، مسیرهای تخلیه برای دو نوع تخلیه پیشنهاد شده است

روش در این مطالعه – مورد تخلیه دو مرحله‌ای و مورد تخلیه مستقیم. بنابراین، دو نقطه به عنوان نقاط مقصد تخلیه انتخاب شدند: یک محل تجمع موقت که اولین نقطه مقصد است و یک مکان تخلیه منطقه بزرگ که دومین نقطه مقصد است. محل تجمع موقت مکانی است که توسط شهر سومیدا [ 16 ] تعیین شده است، محل نقطه شروع تخلیه، و سایت تخلیه منطقه بزرگ مکانی است که توسط دولت شهری توکیو تعیین شده است [ 14 ]. به طور خاص، همانطور که در شکل 14 نشان داده شده استنقطه A به عنوان نقطه شروع تخلیه استفاده شد. نقطه A در کیوجیما 3 کوم واقع شده است، منطقه ای که درجه خطر کلی برای آن (که درجه سختی انجام فعالیت ها در زمان فاجعه را در نظر می گیرد) بالا است. علاوه بر این، محل تجمع موقت ساکنان نقطه A، زمین بازی کودکان کاراتاچی است. بنابراین، نقطه B، نقطه مجاور زمین بازی، به عنوان اولین مقصد مورد استفاده قرار گرفت. نقطه C به عنوان مقصد دوم استفاده شد. نقطه C در مجاورت منطقه مسکونی کلانشهر توکیو Bunka 1-chome (Toei Bunka 1-chome jūtaku ittai) است که یک سایت تخلیه منطقه بزرگ است.

7.2. پارامترهای GA

پارامترهای GA تنظیم شده برای جستجوی مسیر به شرح زیر بود. نرخ اشتراک: r _سهم = 1.0; اندازه جمعیت: N = 150; تعداد نسل های آزمایشی: G = 1000; نرخ متقاطع: C [%] = 100; و نرخ جهش: M [%] = 2.

7.3. نمونه هایی از تخلیه

7.3.1. مسیرهای تخلیه در مورد تخلیه دو مرحله ای

1) مسیرها از نقطه شروع تخلیه تا محل تجمع موقت

به عنوان مسیرهایی از نقطه A، نقطه شروع تخلیه، به نقطه B، همسایگی محل تجمع موقت، تنها دو مسیر نشان داده شده در جدول 5 و شکل 15 به عنوان راه حل های بهینه پارتو استخراج شدند.

مسیر 2 کمترین فاصله را دارد. اما به دلیل اینکه شامل عبور از جاده هایی با احتمال انسداد زیاد است، احتمال ورود آن به 36% پایین است. در مقابل، مسیر 1 برای جلوگیری از جاده‌هایی با احتمال انسداد بالا منحرف می‌شود و احتمال رسیدن آن 100 درصد است. علاوه بر این، از آنجا که مسیر 1 یک مسیر غیر ضروری غیر مستقیم نیست، نمی توان تفاوت زیادی بین مسیر 1 و مسیر 2 برای فاصله تخلیه مشاهده کرد.

درجه خطر در جاده به دلیل آتش سوزی و زمان تخلیه. بر این اساس، مسیر 1 که احتمال ورود بالایی دارد، به عنوان مسیر تخلیه مناسب است و به همین دلیل به عنوان راه حل ترجیحی انتخاب شد.

2) مسیر از محل تجمع موقت به محل تخلیه منطقه بزرگ

به عنوان مسیرهایی از نقطه B، همسایگی محل تجمع موقت، به نقطه C، همسایگی محل تخلیه منطقه بزرگ، سی و دو مسیر به عنوان راه حل های بهینه پارتو استخراج شد. جدول 6 مقادیر ارزیابی مسیرهای مشتق شده را نشان می دهد. از مسیرهای مشتق شده، مسیرهای 27 و 30 در شکل 16 نشان داده شده است. علاوه بر این، شکل 17 و شکل 18 نتایجی را برای مسیرهای ترجیحی که با جمعیت تخلیه تخمینی در جاده‌ها و برای هر محل سکونت کنار هم قرار گرفته‌اند، و مسیرهای مشتق شده که به ترتیب با عرض جاده کنار هم قرار گرفته‌اند، نشان می‌دهند.

در مورد مسیرهای مشتق شده، حداکثر فاصله تخلیه که متعلق به مسیر 32 است، تنها 1106.7 متر است. بنابراین، حتی اگر طول هر یک از مسیرهای مورد (1) که در بالا توضیح داده شد (مسیرها از نقطه A، نقطه شروع تخلیه، تا همسایگی محل تجمع موقت) به طول هر یک از مسیرهای مشتق شده در جدول 6 ، فاصله ترکیبی همچنان در دو کیلومتری کاهش می یابد. به طور مشابه، در مورد زمان تخلیه، حتی اگر زمان تخلیه هر یک از مسیرهای مورد (1) به زمان هر یک از مسیرهای مشتق شده در جدول 6 اضافه شود.، زمان تخلیه ترکیبی همچنان در عرض یک ساعت خواهد بود. در مورد احتمال ورود، مسیرهایی که شرایط ترجیحی بیشتر یا مساوی 70 درصد را برآورده می‌کنند، مسیرهای 26، 27، 30 و 31 بودند. از این چهار مسیر، مسیرهای 27 و 30 ( شکل 16 ) که درجه خطر نسبتاً کمی دارند. به دلیل آتش سوزی در جاده که ویژگی های آن با یکدیگر متفاوت است، به عنوان راه حل های ترجیحی انتخاب شدند. مسیر 27 فاصله تخلیه کمی دارد و همچنین در مقایسه با سایر مسیرهای مشتق شده، احتمال ورود نسبتاً بالایی دارد. با این حال، از شکل 17 و شکل 18مشاهده می شود که برای این مسیر، مسافت عبور از جاده ها به صورت بلوک/کوم با عرض کم زیاد و درجه خطر آتش سوزی نسبتاً زیاد است. مسیر 30 فاصله تخلیه نسبتا طولانی دارد. با این حال، احتمال ورود آن بالا و همچنین درجه خطر کم ناشی از آتش سوزی است. از شکل 16 می توان دریافت که جاده ها در این مسیر بعید است شلوغ باشند، زیرا در این مسیر از جاده هایی با احتمال انسداد زیاد جلوگیری می شود و تخلیه شوندگانی که این مسیر را طی می کنند پس از طی کوتاه مدت در جاده ای با عرض وسیع خارج می شوند. فاصله؛ در ادامه مسیر از جاده هایی با عرض وسیع عبور می کند. بنابراین این مسیر نسبت به مسیر 27 که مسافت مسیر کوتاهی دارد زمان تخلیه کمتری دارد.

7.3.2. مسیرهای تخلیه در صورت تخلیه مستقیم

بیست و یک مسیر به‌عنوان راه‌حل‌های بهینه پارتو برای مسیرهای تخلیه مستقیم از نقطه A، نقطه شروع تخلیه، به نقطه C، در نزدیکی سایت تخلیه منطقه بزرگ، استخراج شد. جدول 7 هر یک از مقادیر ارزیابی مسیرهای مشتق شده را نشان می دهد و مسیرهای 19 و 20 برای نشان دادن در شکل 19 انتخاب شده اند. علاوه بر این، شکل 20 و شکل 21 نتایجی را برای مسیرهای ترجیحی که با جمعیت تخلیه تخمینی در جاده ها و برای هر محل سکونت کنار هم قرار گرفته اند، و مسیرهای مشتق شده که به ترتیب با عرض جاده روی هم قرار گرفته اند، نشان می دهد.

مسیرهای مشتق شده همگی دارای فاصله تخلیه در عرض دو کیلومتر و زمان تخلیه در عرض یک ساعت بودند. از بین مسیرهای مشتق شده، تنها سه مسیر دارای احتمال رسیدن بیش از 70٪ بودند – مسیرهای 18، 19 و 20. در نزدیکی نقطه شروع تخلیه، جاده‌های زیادی با احتمال مسدود شدن جاده‌ها بالا وجود دارد، بنابراین تخلیه دشوار است. با این حال، امکان یافتن مسیرهایی مانند این سه مسیر وجود داشت – مسیرهایی با احتمال رسیدن بالا و خطر آتش سوزی کم. از این سه مسیر، مسیرهای 19 و 20 ( شکل 19) خطر آتش سوزی نسبتاً کمی نسبت به سایر مسیرهای مشتق شده دارند، زیرا امکان تخلیه سریع به جاده های با عرض وسیع را فراهم می کنند. این مسیرها به عنوان راه حل های ترجیحی انتخاب شدند. علاوه بر این، مسیرهای 19 و 20 نیز احتمال ورود بالایی دارند. بنابراین تخلیه سریع و ایمن در این مسیرها امکان پذیر است.

8. نتیجه گیری و موضوعات آینده پژوهی

نتیجه گیری این تحقیق را می توان در سه نکته زیر خلاصه کرد:

1) یک GA برای طراحی و ایجاد یک الگوریتم جستجوی مسیر تخلیه استفاده شد که مشکل بهینه‌سازی مسیرهای تخلیه بلایای زلزله را با در نظر گرفتن آن به عنوان یک مسئله بهینه‌سازی با اهداف متعدد، مانند فاصله تخلیه و زمان تخلیه، حل می‌کند. با استفاده از این روش، می توان چندین نامزد مسیر تخلیه را که اهداف آنها در یک رابطه مبادله ای با یکدیگر است، در یک جستجو پیدا کرد. علاوه بر این، انتخاب راه حل های ترجیحی از میان نامزدهای مسیر تخلیه به دست آمده، تعیین مسیرهای تخلیه چندگانه را در آماده سازی برای فاجعه امکان پذیر می کند.

2) در این روش، حسن تناسب با استفاده از روش رتبه بندی پارتو تعیین می شود تا رتبه بندی افراد بر اساس برتری ها و حقارت های نسبی آنها مشخص شود. این کار باعث می شود که توابع هدف بدون در نظر گرفتن وزن یا اولویت بین هر هدف تنظیم شوند. بنابراین، تعداد اهداف را می توان آزادانه افزایش داد و اهداف مختلفی را که مسیرهای تخلیه بلایا باید برآورده کنند، در نظر گرفت. علاوه بر این، از آنجایی که این روش جستجوها را بر اساس احتمال انسداد جاده و فاصله تخلیه که داده های کمی هستند انجام می دهد، مسیرهای مشتق شده مسیرهایی هستند که به صورت کمی ارزیابی شده اند و می توانند شاخص های بسیار موثری برای تعیین مسیرهای تخلیه باشند.

3) در روش، اطلاعات جاده در مورد موانع تخلیه بلایا بر اساس داده های مربوط به شرایط فعلی، مانند داده های ساختمان و کاربری زمین ایجاد شد. در این روش، جستجوی مسیرهای تخلیه بر اساس اطلاعات شرایط موجود، امکان استخراج مسیرهای تخلیه را بر اساس مکان‌های ساختمان و جاده کنونی فراهم می‌کند. بنابراین، این روش دارای درجه بالایی از تکرارپذیری فضایی است. علاوه بر این، این روش بر اساس اطلاعات در دسترس عموم است. بنابراین، به دست آوردن اطلاعات جغرافیایی مشابه با این مطالعه، این روش را قادر می سازد بدون توجه به اینکه در چه منطقه ای اعمال می شود، یا اینکه داده ها مربوط به گذشته یا آینده است، موثر باشد. بنابراین، این روش علاوه بر تکرارپذیری مکانی، دارای درجه بالایی از تکرارپذیری زمانی نیز می باشد.

نمونه هایی از موضوعات آینده برای تحقیق بهبود دقت جستجو، تجسم GIS روابط مبادله راه حل های مشتق شده، و اصلاح بیشتر اطلاعات جاده است.

منابع