خلاصه

هنگامی که یک فاجعه در مقیاس بزرگ رخ می دهد، هر فرد تخلیه شده باید به شیوه ای سریع و ایمن به یک پناهگاه مناسب منتقل شود. اکثر مطالعات موجود در مورد تخصیص پناهگاه، سرعت تخلیه و ظرفیت پناهگاه را در نظر می گیرند در حالی که ایمنی تخلیه در نظر گرفته نشده است. در این مقاله، ما یک طرح تخصیص پناهگاه را پیشنهاد می‌کنیم که هم سرعت و هم ایمنی تخلیه را تحت محدودیت ظرفیت پناهگاه در نظر می‌گیرد. ما ابتدا مسئله تخصیص پناهگاه را به عنوان یک برنامه خطی عدد صحیح دو مرحله ای (ILP) فرموله می کنیم. از آنجایی که ILP دو مرحله ای به نامزدهای مسیر بین افراد تخلیه شده و پناهگاه های احتمالی آنها نیاز دارد، ما یک طرح انتخاب مسیر سریع و قابل اعتماد را به عنوان گسترش طرح انتخاب مسیر موجود پیشنهاد می کنیم. از طریق نتایج عددی با استفاده از داده های واقعی منطقه آراکو شهر ناگویا در ژاپن، ما نشان می‌دهیم که طرح پیشنهادی می‌تواند میانگین قابلیت اطمینان مسیر را در میان افراد تخلیه شده تا 13.6٪ بهبود بخشد در حالی که افزایش میانگین طول مسیر را در بین تخلیه‌شدگان تا 7.3٪ در مقایسه با انتخاب مسیر مبتنی بر فاصله و تخصیص پناهگاه کاهش می‌دهد. علاوه بر این، ما همچنین نشان می دهیم که ظرفیت پناهگاه فعلی برای پشتیبانی از تخلیه سریع و قابل اعتماد ساکنان کافی نیست.

کلید واژه ها:

تخصیص پناهگاه با ظرفیت ; تخلیه سریع و قابل اعتماد ؛ انتخاب مسیر ؛ برنامه ریزی خطی عدد صحیح (ILP)

1. معرفی

هنگامی که یک فاجعه در مقیاس بزرگ، به عنوان مثال، یک زلزله، رخ می دهد، هر فرد تخلیه شده باید به یک پناهگاه مناسب به روشی سریع و ایمن حرکت کند. چنین تخلیه سریع و قابل اعتمادی را می توان با هر دو رویکرد قبل و بعد از فاجعه به دست آورد. رویکردهای پیش از فاجعه شامل ایجاد پناهگاه [ 1 ، 2 ، 3 ، 4 ، 5 ، 6 ]، تخصیص پناهگاه [ 7 ، 8 ، 9 ]، برنامه ریزی تخلیه [ 10 ، 11 ، 12 ]، و تجزیه و تحلیل ریسک جغرافیایی [ 13 ، 14 ، 15 ، 16، 17 ]. از نظر تخصیص پناهگاه، اکثر مطالعات موجود اساساً زمان تخلیه و ظرفیت پناهگاه را در نظر می گیرند در حالی که تخلیه ایمنی نیز مهم است.
رویکردهای پیش از فاجعه می‌توانند تصویری جهانی از تخلیه تحت مفروضات از پیش تعریف‌شده (مثلاً مکان‌های پناهگاه، توزیع جغرافیایی جمعیت، و خطر شبکه جاده‌ای) به ما ارائه دهند. از آنجایی که در نظر گرفتن همه موقعیت‌های احتمالی فاجعه دشوار است، رویکردهای پس از فاجعه نیز برای جبران عدم تطابق بین مفروضات و موقعیت‌های واقعی مهم هستند.
رویکردهای پس از فاجعه شامل هدایت تخلیه [ 18 ، 19 ، 20 ] و سیستم های علائم [ 21 ، 22 ، 23 ] است.]. در مقایسه با رویکردهای پیش از فاجعه، روش‌های پس از بلایا می‌توانند به‌طور انعطاف‌پذیری با تغییرات محیطی پویا ناشی از فاجعه مقابله کنند تا از تصمیم‌گیری تخلیه‌شدگان در شرایط پرتنش حمایت کنند. با این حال، بیشتر رویکردهای پس از فاجعه به طور ضمنی فرض می‌کنند که هر فرد تخلیه‌کننده نزدیک‌ترین پناهگاه را برای تخلیه انتخاب می‌کند، که ممکن است تخلیه‌کننده را به مسیری کمتر قابل اعتماد و/یا به یک پناهگاه پر هدایت کند. در سال‌های اخیر، ما می‌توانیم اطلاعات مربوط به ایمنی (به عنوان مثال، اطلاعات ریسک جغرافیایی) را علاوه بر اطلاعات مربوط به ظرفیت (به عنوان مثال، توزیع جمعیت و مکان‌ها و ظرفیت‌های پناهگاه) از دولت‌ها و برخی شهرداری‌ها دریافت کنیم [ 13 ، 14 ، 15 ] .
در این مقاله، ما مطالعه موردی زلزله را در نظر می گیریم و یک طرح تخصیص پناهگاه را برای دستیابی به تخلیه سریع و ایمن تحت محدودیت ظرفیت پناهگاه پیشنهاد می کنیم. این یک نوع مسائل بهینه سازی چند هدفه است، یعنی به حداقل رساندن طول مسیر و به حداکثر رساندن قابلیت اطمینان مسیر.
ما ابتدا مسئله تخصیص پناهگاه را به عنوان یک برنامه خطی عدد صحیح دو مرحله ای (ILP) تحت ورودی نامزدهای مسیر بین تخلیه کنندگان و پناهگاه های احتمالی آنها فرموله می کنیم، که می تواند توسط حل کننده موجود، CPLEX [ 24 ] حل شود. همانطور که برای نامزدهای مسیر، ما همچنین یک طرح انتخاب مسیر سریع و قابل اعتماد را پیشنهاد می کنیم، که یک نسخه توسعه یافته از طرح انتخاب مسیر موجود [ 20 ] برای بهبود قابلیت اطمینان مسیر است.
بسته به دانش در مورد مکان تخلیه‌شدگان، طرح پیشنهادی را می‌توان به‌عنوان رویکرد پیش از فاجعه یا پس از فاجعه مشاهده کرد. اگر طرح پیشنهادی از توزیع جغرافیایی ساکنان به عنوان مکان اولیه آنها استفاده کند، می توان آن را به عنوان تخصیص پناهگاه قبل از فاجعه برای برنامه ریزی تخلیه در نظر گرفت. از سوی دیگر، اگر بتواند مکان واقعی تخلیه‌شدگان تحت شرایط فاجعه را از طریق فناوری‌های اطلاعاتی و ارتباطی (مثلاً دستگاه‌های تلفن همراه، سیستم‌های موقعیت‌یابی جهانی و شبکه‌های ارتباطی) به دست آورد، می‌تواند به تخصیص پناهگاه پس از فاجعه نیز دست یابد. پاسخگو به تغییرات محیطی
در این مقاله، ما عمدتاً بر روی تخصیص پناهگاه پیش از فاجعه تحت مطالعه موردی زلزله با استفاده از داده‌های جغرافیایی واقعی (یعنی احتمال انسداد جاده، نقشه شهر ناگویا، مکان‌ها و ظرفیت‌های پناهگاه‌ها و توزیع ساکنان) تمرکز می‌کنیم. ارائه شده توسط دولت و شهرداری ژاپن [ 13 ، 25 ، 26 ، 27 ].
از طریق نتایج عددی با استفاده از داده‌های واقعی منطقه آراکو در شهر ناگویا، در ژاپن، ما اثربخشی طرح تخصیص پناهگاه پیشنهادی را از نظر سرعت و ایمنی تخلیه تحت محدودیت‌های ظرفیت پناهگاه نشان خواهیم داد.
بقیه این مقاله به شرح زیر سازماندهی شده است. بخش 2 کارهای مرتبط را ارائه می دهد. در بخش 3 ، طرح پیشنهادی را معرفی می کنیم. پس از نمایش نتایج عددی در بخش 4 , در نهایت نتیجه گیری و کارهای آینده را در بخش 5 ارائه می کنیم .

2. کارهای مرتبط

2.1. تجزیه و تحلیل ریسک جغرافیایی و انتخاب مسیر

در صورت هدایت تخلیه، کوتاه ترین مسیر ممکن است برای تخلیه سریع و ایمن کافی نباشد. چندین مطالعه بر معیارهای مختلف برای انتخاب مسیر سریع و قابل اطمینان متمرکز شده اند: تراکم ترافیک [ 28 ، 29 ]، موانع مربوط به وجود آوار [ 30 ، 31 ]، و آسیب پذیری جاده [ 13 ، 15 ، 17 ، 32 ، 33 ]]. از نقطه نظر سرعت تخلیه، رفتار خودخواهانه افراد تخلیه شده (یعنی تلاش برای حرکت هر چه سریعتر به پناهگاه های خود) ممکن است باعث ازدحام شدید شود. برای درک چنین ازدحام ناشی از رفتار خودخواهانه، چندین مطالعه مدل‌های جریان عابر پیاده را ارائه می‌کنند [ 28 ، 29 ]. در [ 34 ]، برناردینی ویدئوی ضبط شده تخلیه واقعی زلزله را تجزیه و تحلیل کرد و پایگاه داده ای را برای مدل های تخلیه عابر پیاده در اثر زلزله پیشنهاد کرد که شامل رفتار تخلیه گام به گام و همچنین کمیت های حرکت (یعنی سرعت، شتاب و فاصله از موانع است). ). در [ 35]، لیو و همکاران. یک روش انتخاب مسیر بر اساس الگوریتم کلونی زنبورهای مصنوعی برای جلوگیری از ازدحام در طول تخلیه در ساختمان پیشنهاد شده است. کاسای و همکاران یک انتخاب مسیر آگاه از تراکم را با استفاده از مکان‌های جمع‌آوری‌شده تخلیه‌کنندگان از طریق دستگاه به ارتباط دستگاه پیشنهاد کرد [ 36 ]. برای سادگی، ما بر طول مسیر به عنوان معیار سرعت تمرکز می کنیم، اما رویکرد پیشنهادی می تواند در صورت قابل اجرا بودن، برای سایر معیارهای سرعت نیز اعمال شود.
از نقطه نظر ایمنی تخلیه، کوتینیو رودریگز و همکاران. یک مسئله مسیریابی مکان چند هدفه را با استفاده از دو نوع مسیر (یعنی یک مسیر اصلی و یک پشتیبان) پیشنهاد کرد که هدف آن به حداقل رساندن فاصله و خطر در طول تخلیه است [ 2 ]. در این مطالعه موردی، آنها تجزیه و تحلیل مطالعه موردی را تحت فرض خطر آتش سوزی انجام دادند که در آن روش شاخص خطر آتش سوزی [ 15 ] به عنوان ابزاری برای ارزیابی ایمنی آتش سوزی در ساختمان ها استفاده می شود. شاخص خطر آتش سوزی مجموع وزنی از پارامترهای خطر چندگانه است و از 0.0 تا 5.0 متغیر است. شاخص خطر بالا (معمولاً کم) نشان دهنده سطح بالا (و یا پایین) ایمنی در برابر آتش است. مطالعات متعددی در مورد شرایط اضطراری زلزله در ایتالیا و ژاپن وجود دارد [ 20 , 32 , 37]. برناردینی و همکاران، چندین فاکتور ایمنی را برای افراد تخلیه شده در نظر گرفتند (به عنوان مثال، آسیب پذیری خیابان، احتمال انسداد خیابان، و شرایط ازدحام در طول مسیرها) و یک ابزار هدایت پویا را بر اساس الگوریتم دایکسترا با شاخص ایمنی یکپارچه پیشنهاد کردند [ 37 ]. سانترلی و همکاران شاخص‌های آسیب‌پذیری را برای شبکه جاده‌ای تحت زلزله توسعه داده است [ 32 ]. این دو مطالعه احتمال انسداد جاده ناشی از آوارهای ساختمان‌های فروریخته را فرض می‌کردند که با عرض جاده، ارتفاع ساختمان‌های کنار جاده و آسیب‌پذیری ساختمان‌ها ارزیابی می‌شود [ 17 ].
در ژاپن، شهرداری خاصی (به عنوان مثال، شهر ناگویا) نیز احتمال مسدود شدن جاده را به روشی مشابه ارائه می دهد، که نشان دهنده احتمال مسدود شدن بخش جاده مربوطه پس از وقوع زلزله با بزرگی معینی است. تعریف تفصیلی در پیوست A ارائه خواهد شد . در [ 20 ]، هارا و همکاران. یک طرح انتخاب مسیر مبتنی بر تحلیل ریسک جغرافیایی پیشنهاد کرد که با کمک احتمال انسداد جاده، مسیری سریع و ایمن را برای هر فرد تخلیه‌شده فراهم می‌کند.
در این مقاله، ما این طرح انتخاب مسیر را برای بهبود ایمنی مسیر گسترش می‌دهیم و از آن برای به دست آوردن نامزدهای مسیر بین تخلیه‌شدگان و نامزدهای احتمالی پناهگاه آنها استفاده می‌کنیم.

2.2. هدایت تخلیه و تعاملات انسانی

مطالعات متعددی در مورد سیستم‌های هدایت تخلیه غیر مستقیم/مستقیم انجام شده است: هدایت غیرمستقیم بر اساس سیستم‌های علامت [ 21 ، 22 ، 23 ] و سیستم‌های هدایت تخلیه مستقیم [ 18 ، 19 ، 20 ]. سیستم علامت گذاری یکی از انتساب های ساختمان در شرایط اضطراری و همچنین شرایط عادی است و پیشنهادات غیرمستقیم در مورد تخلیه را به تخلیه کنندگان ارائه می دهد [ 21 ، 23 ]. با این حال، Galea و همکاران. نشان داد که اثربخشی سیستم‌های علامت‌گذاری برای تخلیه محدود است و تنها 38٪ از تخلیه‌شدگان از اطلاعات مربوط به تخلیه از سیستم علائم استفاده می‌کنند [ 21 ]]. برای مقابله با این مشکل، تأثیر تعاملات بین افراد و علائم بر رابطه بین ادراک، تفسیر و استفاده بررسی شده است [ 22 ، 23 ].
از نقطه نظر هدایت تخلیه مستقیم، فوجیهارا و میوا یک طرح هدایت تخلیه پیشنهاد کردند که می تواند حتی زمانی که زیرساخت های ارتباطی موجود به شدت آسیب دیده باشد، کار کند [ 18 ]. در این طرح، افراد تخلیه شده به صورت دستی اطلاعات وضعیت هر جاده (به عنوان مثال، قابل عبور و مسدود) را در دستگاه های تلفن همراه خود ثبت می کنند و آن را از طریق یک شبکه تحمل تاخیر [ 38 ] که از دستگاه های تلفن همراه تشکیل شده است، با دیگران به اشتراک می گذارند. از آنجایی که چنین عملیات دستی ممکن است در شرایط اضطراری دشوار باشد، کوماتسو و همکاران. یک طرح راهنمایی تخلیه خودکار مشترک لبه تلفن همراه را پیشنهاد کرد که در آن دستگاه های تلفن همراه تخلیه شوندگان به طور خودکار اطلاعات وضعیت جاده را از طریق به اشتراک گذاری اطلاعات با افراد تخلیه شده تخمین می زنند [ 19 ]].
در زمینه روانشناسی، اشاره شده است که تعداد کمی از رهبران می توانند بسیاری از افراد تخلیه شده را هدایت کنند (به عنوان مثال، روش دنبال کردن جهت و روش دنبال کردن من) [ 39 ]. در [ 19 ]، تعاملات ضمنی بین افراد تخلیه شده از طریق به اشتراک گذاری اطلاعات را می توان به عنوان نوعی از چنین ارتباطات رهبر و پیرو در نظر گرفت. از آنجایی که چنین رویکردهای پس از فاجعه به طور ضمنی روابط همکاری ناشی از فعل و انفعالات انسانی را ایجاد می کند، نه تنها می تواند سرعت تخلیه را بهبود بخشد بلکه به اجتناب از جاده های با خطرات بالا به شیوه ای سازگار کمک می کند. با این حال، اکثر مطالعات در مورد هدایت تخلیه، رویکردهای پس از فاجعه هستند و اساساً انتخاب کوتاه‌ترین مسیر را اتخاذ کرده‌اند.
برای بهبود ایمنی تخلیه، هارا و همکاران. یک انتخاب مسیر مبتنی بر تحلیل ریسک جغرافیایی برای طرح هدایت تخلیه خودکار پیشنهاد کرد، که با ترکیب اطلاعات ریسک از پیش به‌دست‌آمده و اطلاعات جمع‌آوری‌شده در طول تخلیه، مسیری سریع و ایمن را برای هر فرد تخلیه‌شده فراهم می‌کرد [ 20 ]. با این حال، این رویکرد به طور ضمنی فرض می‌کند که هر تخلیه‌کننده نزدیک‌ترین پناهگاه را انتخاب می‌کند، که ممکن است باعث سرریز پناهگاه و/یا انتخاب مسیرها/پناهگاه‌ها در مناطق پرخطر شود. در این مقاله، ما یک طرح تخصیص پناهگاه را پیشنهاد می‌کنیم که می‌تواند محدودیت ظرفیت و همچنین سرعت و ایمنی تخلیه را در نظر بگیرد.

2.3. تخصیص پناهندگی

مطالعات متعددی در مورد تخصیص پناهگاه برای تخلیه سریع تحت بلایای بزرگ در مقیاس بزرگ انجام شده است [ 7 ، 8 ، 9 ]. نگ و همکاران یک طرح تخصیص پناهگاه را پیشنهاد کرد که تعادل بین تخصیص پناهگاه جهانی برای به حداقل رساندن زمان تخلیه کل و انتخاب پناهگاه خودخواهانه فردی در شرایط اضطراری را در نظر می گیرد [ 7 ]. سعادت سرشت و همکاران. یک طرح تخصیص پناهگاه را با در نظر گرفتن طول مسیر تخلیه، جمعیت و ظرفیت پناهگاه، با کمک الگوریتم‌های تکاملی چندهدفه و سیستم اطلاعات جغرافیایی پیشنهاد کرد [ 8 ]]. بایرام طرح تخصیص پناهگاه را به گونه ای پیشنهاد کرد که طول مسیر هر فرد تخلیه شده از طول کوتاه ترین مسیر به اضافه یک آستانه معین تجاوز نکند [ 9 ]. این مطالعات موجود بر تخلیه سریع و ظرفیت پناهگاه متمرکز است در حالی که ایمنی تخلیه در نظر گرفته نشده است. از نظر ایمنی تخلیه، کوتینیو رودریگز و همکاران. یک مدل برنامه ریزی خطی اعداد صحیح مختلط چند هدفه برای به حداقل رساندن فاصله و خطر آتش سوزی در طول تخلیه پیشنهاد کرد [ 2 ، 3 ]. در این مقاله، مطالعه موردی زلزله را در نظر می گیریم و به تخصیص پناهگاه برای تخلیه سریع و ایمن تحت محدودیت های ظرفیت پناهگاه می پردازیم.

2.4. برنامه ریزی ریاضی چندهدفه

همانطور که در بالا ذکر شد، تخصیص پناهگاه مناسب باید جنبه های مختلف (به عنوان مثال، سرعت، ایمنی و ظرفیت پناهگاه) را در نظر بگیرد، که نشان می دهد نوعی مسئله بهینه سازی چند هدفه است. همچنین مطالعات متعددی در مورد بهینه سازی چند هدفه، به عنوان مثال، روش وزن دهی [ 40 ، 41 ]، انجام شده است. εروش محدودیت [ 40 ، 41 ، 42 ] و AUGMECON [ 43 ، 44 ]. هدف مشترک آنها استخراج زیرمجموعه نماینده مجموعه پارتو است که مجموعه راه حل های بهینه پارتو است (یعنی راه حل هایی که نمی توانند یک تابع هدف را بدون تخریب توابع هدف باقی مانده بهبود بخشند). روش وزن دهی توابع هدف اصلی را به یک تابع هدف واحد تبدیل می کند، به عنوان مثال، مجموع وزنی آنها [ 40 ، 41 ]. این نیاز به طراحی دقیق پارامترهای وزنی دارد که بتواند اهمیت نسبی هر هدف را در نظر بگیرد. ε-روش محدودیت اولین توابع هدف را تحت محدودیت هایی بهینه می کند که در آن هر k- امین تابع هدف باقیمانده با یک آستانه مشخص محدود می شود. εک[ 42 ]. بردار از εکباید با در نظر گرفتن مبادله بین اهداف با دقت انتخاب شود. تقویت شده εروش محدودیت (AUGMECON) روشی را برای تعیین محدوده در اختیار ما قرار می دهد εک[ 43 ].
در این مقاله با الهام از εروش محدودیت و AUGMECON، تخصیص پناهگاه را به عنوان یک ILP دو مرحله ای فرموله می کنیم، که در آن ILP مرحله اول برای تعیین محدوده پارامتر استفاده می شود و ILP مرحله دوم بر اساس فرموله می شود. ε-روش محدودیت

3. تخصیص پناهگاه با ظرفیت برای تخلیه سریع و قابل اطمینان

تخصیص پناهگاه برای تخلیه‌شدگان نوعی مسائل بهینه‌سازی ترکیبی است که در آن ما نیاز به در نظر گرفتن چندین ویژگی مهم تخلیه (به عنوان مثال، سرعت، ایمنی و محدودیت ظرفیت پناهگاه‌ها) داریم.
ما ابتدا نمادها و معیارهایی را برای مسیر تخلیه، یعنی سرعت و قابلیت اطمینان، در  بخش 3.1 ارائه می کنیم و نمای کلی طرح تخصیص پناهگاه پیشنهادی را در بخش 3.2 توضیح می دهیم . در مرحله بعد، چنین تخصیص پناهگاهی را به عنوان یک ILP دو مرحله ای در بخش 3.3 فرموله می کنیم . ما همچنین الگوریتمی را برای محاسبه مسیرهای سریع و قابل اعتماد بین افراد تخلیه شده و پناهگاه های احتمالی آنها در بخش 3.4 پیشنهاد می کنیم.

3.1. مقدماتی

از آنجایی که تخصیص پناهگاه بخشی از برنامه ریزی تخلیه است، ما بر روی منطقه هدف برای برنامه ریزی تخلیه تمرکز می کنیم. در ژاپن، واحد منطقه هدف معمولاً یک منطقه مدرسه است و شهردار شهرداری باید مکان تخلیه اضطراری تعیین شده را برای هر نوع بلایا (مثلاً زلزله و سیل) تعیین کند [ 45 ]. جی=(V،E،g)نشان دهنده نموداری است که ساختار داخلی ناحیه هدف را نشان می دهد، جایی که Vمجموعه ای از رئوس است یعنی تقاطع ها یا پناهگاه ها و Eمجموعه ای از لبه ها یعنی جاده ها است. پناهگاه های D وجود دارد که با نشان داده می شوندD={1،2،…،D}به طوری که D⊂V. فرض کنید که وجود دارد ن>0تخلیه شده، نشان داده شده با ن={1،2،…،ن}، و هر تخلیه i در ابتدا در راس قرار دارد لمندر منطقه هدف
برای محاسبه تخصیص پناهگاه، ما به مکان های اولیه تخلیه کنندگان نیاز داریم. تخصیص پناهگاه را می توان به عنوان رویکرد قبل از فاجعه یا پس از فاجعه، با توجه به دانش در مورد مکان های اولیه تخلیه شده در نظر گرفت. از نقطه نظر تخصیص پناهگاه پیش از فاجعه، توزیع جغرافیایی ساکنان [ 27 ] می تواند به عنوان مکان های اولیه احتمالی تخلیه شدگان (ساکنان) استفاده شود. ما همچنین می‌توانیم توزیع جغرافیایی جمعیت متغیر با زمان را اتخاذ کنیم (به عنوان مثال، داده‌های جریان مردم [ 14]) در نظر گرفتن مکان های اولیه تخلیه شده در چرخه زندگی انسان (به عنوان مثال، دوره رفت و آمد در صبح و دوره بازگشت در عصر). از سوی دیگر، از نقطه نظر تخصیص پناهگاه پس از فاجعه، اگر زیرساخت های ارتباطی زمینی (به عنوان مثال، شبکه های سلولی و Wi-Fi) وجود داشته باشد، می توانیم مکان واقعی افراد تخلیه شده را از طریق دستگاه های تلفن همراه آنها در ابتدای یک فاجعه جمع آوری کنیم. در حال کار است.
اگر زیرساخت‌های ارتباطی زمینی (تا حدی) آسیب دیده و در دسترس نیستند، می‌توانیم از ارتباط دستگاه به دستگاه (D2D) از طریق دستگاه‌های تلفن همراه تخلیه‌کنندگان [ 38 ، 46 ] و دستگاه‌های دارای اتصال ماهواره‌ای [ 47 ] نیز استفاده کنیم.]. لطفاً توجه داشته باشید که چنین مجموعه‌ای از اطلاعات پس از فاجعه نه تنها تحت تأثیر محیط‌های ارتباطی، بلکه از ضریب نفوذ طرح پیشنهادی و همچنین تنظیمات حریم خصوصی افراد تخلیه‌شده برای اطلاعات موقعیت مکانی آنها خواهد بود. اگر تخصیص پناهگاه پس از فاجعه نتواند مکان‌های واقعی تخلیه‌شدگان را بدست آورد، می‌تواند اطلاعات آماری فوق‌الذکر را نیز مانند موارد قبل از فاجعه اتخاذ کند. در ادامه، ما عمدتاً بر روی تخصیص پناهگاه پیش از فاجعه تمرکز می‌کنیم که در آن از توزیع جغرافیایی ساکنان به عنوان مکان‌های اولیه تخلیه‌شدگان استفاده می‌شود.
الگوریتم تطبیق نقشه [ 48 ] می تواند نزدیکترین راس نمودار داخلی را از یک مکان مبتنی بر مختصات بیابد. g:E→منیک تابع با ارزش واقعی است که احتمال انسداد جاده را تعیین می کند پهدر بازه واحد بسته من=[0،1]به هر لبه ه∈Eدر نقشه ریسک احتمال انسداد جاده پهاحتمال تخمینی آن بخش جاده است ه∈Eبه دلیل ریزش ساختمان در امتداد جاده تحت یک زلزله معین مسدود شده است [ 13 ]. تعریف دقیق احتمال انسداد جاده در ضمیمه A توضیح داده شده است.

یک مسیر تخلیه r را می توان با بردار جاده ها نشان داد. طول مسیر r را به صورت مجموع طول هر جاده e در r تعریف می کنیم :

fد(r)=∑∀ه∈rده،

جایی که دهطول جاده e . علاوه بر این، ما همچنین می توانیم قابلیت اطمینان مسیر را به صورت زیر تعریف کنیم [ 20 ]:

fپ(r)=∏∀ه∈r(1-په)،

که احتمال این است که تمام جاده های e در طول مسیر r با فرض مستقل بودن احتمالات مسدود شدن جاده در طول مسیرها قابل عبور هستند. قابلیت اطمینان مسیر مقداری در محدوده می گیرد [0،1]و یک مقدار بزرگ (معمولاً کوچک) به معنای قابلیت اطمینان بالا (و یا کم) است. ما می‌توانیم اطلاعات جغرافیایی (مثلاً موقعیت پناهگاه، ظرفیت پناهگاه، و توزیع ساکنان) را از دولت و شهرداری‌ها قبل از وقوع فاجعه بدست آوریم [ 14 ، 26 ، 27 ]. هر پناهگاه j∈Dظرفیت دارد سیjافراد سی={سی1،سی2،…،سیD}مجموعه ای از ظرفیت پناهندگی را نشان می دهد.

جدول 1 نمادهای استفاده شده در این مقاله را خلاصه می کند.

3.2. مروری بر طرح تخصیص پناهندگی پیشنهادی

در این بخش به معرفی کلی طرح تخصیص پناهندگی پیشنهادی می پردازیم. شکل 1 نمودار جریان انجام تخصیص پناهگاه و نامزد مسیر را نشان می دهد. ابتدا مکان‌های اولیه تخلیه‌شدگان را از توزیع جغرافیایی ساکنان محاسبه می‌کنیم [ 27 ].
از آنجایی که توزیع جغرافیایی ساکنان تعداد افراد در هر زیر منطقه q را به ما می دهد ، نq، به طور یکسان تخصیص می دهیم نqتخلیه کنندگان به رئوس در زیر منطقه q . اجازه دهید سمجموعه ای از مناطق فرعی را نشان می دهد و بنابراین ∑q∈سنq=ن.
با توجه به این واقعیت که برخی از ساکنان ممکن است حتی در شرایط اضطراری در خانه یا محل کار خود بمانند، ما بیشتر فرض می کنیم که β( 0≤β≤1) نسبت تمام ساکنین به عنوان تخلیه شده عمل می کنند که با نشان داده شده است نβ. در چنین مواردی می توانیم در نظر بگیریم نمانند نβ.
بعد، نقشه ریسک داده شده است جی=(V،E،g)، مجموعه ای از پناهگاه ها D، مجموعه ظرفیت پناهندگی سی، مجموعه ای از تخلیه شدگان ن، و مکان های اولیه تخلیه شدگان ℒ، نامزدهای مسیر را بدست می آوریم rمن،jبین همه تخلیه شدگان من∈نو همه پناهگاه ها j∈Dبا استفاده از الگوریتم 2، که در بخش 3.4 توضیح داده خواهد شد . در نهایت، تخصیص پناهندگی با حل ILP ها به دست می آید، OPپو/یا OPدکه در بخش 3.3 توضیح داده خواهد شد .

3.3. فرمول دو مرحله ای ILP برای تخصیص پناهگاه

همانطور که در بالا ذکر شد، تخصیص پناهگاه باید با در نظر گرفتن سرعت و ایمنی تخلیه تحت محدودیت ظرفیت پناهگاه به دقت طراحی شود. این یک نوع مسائل بهینه‌سازی چندهدفه است و بنابراین در ILP دو مرحله‌ای زیر با این مشکل مقابله می‌کنیم.

3.3.1. مرحله اول: به حداکثر رساندن میانگین قابلیت اطمینان مسیر در میان افراد تخلیه شده تحت محدودیت ظرفیت پناهگاه

با توجه به نامزدهای مسیر بین تخلیه‌شدگان و پناه‌گاه‌های احتمالی آن‌ها به عنوان داده‌های ورودی، که در بخش 3.4 توضیح داده خواهد شد ، ما ابتدا به حداکثر رساندن ایمنی تخلیه، یعنی میانگین قابلیت اطمینان مسیر در میان تخلیه‌شدگان، می‌خواهیم. این مشکل بهینه سازی را می توان با ILP زیر نشان داد OPپ.

حداکثر1ن∑من∈ن∑j∈Dfپ(rمن،j)ایکسمن،j،
س.تی.ایکسمن،j∈{0،1}،∀من∈ن،∀j∈D،
∑j∈Dایکسمن،j=1،∀من∈ن،
∑من∈نایکسمن،j≤سیj،∀j∈D.
تابع هدف ( 3 ) به حداکثر رساندن میانگین قابلیت اطمینان جاده در بین افراد تخلیه شده است، که در آن rمن،jنامزد مسیر بین تخلیه i و پناهگاه j است. محاسبه از rمن،jدر بخش 3.4 توضیح داده خواهد شد . ایکسمن،jمتغیر تصمیم باینری است که توسط (4) داده شده است. اگر تخلیه کننده i به پناهگاه j اختصاص داده شود ، ایکسمن،j=1. در غیر این صورت، ایکسمن،j=0. محدودیت (5) تضمین می کند که هر فرد تخلیه شده باید به یک پناهگاه اختصاص داده شود. از آنجایی که تخلیه کنندگان سرریز ملزم خواهند بود به پناهگاه های دیگر [ 49 ] نقل مکان کنند، چنین شرایط سرریز توسط (6) ممنوع است، که نشان می دهد تعداد تخلیه کنندگان اختصاص داده شده به هر پناهگاه از ظرفیت مربوطه تجاوز نمی کند.
از آنجایی که تابع هدف و تمام محدودیت ها با متغیرهای تصمیم باینری خطی هستند، OPپILP است، که می تواند توسط حل کننده موجود، به عنوان مثال، CPLEX حل شود.
3.3.2. مرحله دوم: به حداقل رساندن میانگین طول مسیر در میان افراد تخلیه شده تحت محدودیت ظرفیت پناهگاه و میانگین قابلیت اطمینان مسیر
با حل مشکل OPپ، می توانیم مقدار بهینه میانگین قابلیت اطمینان مسیر را بدست آوریم fپ*. با این حال، تخصیص پناهگاه مربوطه ممکن است از نظر تخلیه سریع فضایی برای بهبود داشته باشد. برای مقابله با این مبادله بین سرعت و قابلیت اطمینان، ما یک بهینه سازی مرحله دوم را به عنوان ILP پیشنهاد می کنیم. OPد، که می تواند با اصلاح فرموله شود OPپبه شرح زیر است.

ابتدا تابع هدف ( 3 ) با

دقیقه1ن∑من∈ن∑j∈Dfد(rمن،j)ایکسمن،j،

که به حداقل رساندن میانگین طول مسیر در بین تخلیه شدگان است. علاوه بر محدودیت های OPپ، به عنوان مثال، (4) – (6)، OPدمحدودیت زیر را اضافه می کند:

1ن∑من∈ن∑j∈Dfپ(rمن،j)ایکسمن،j≥fپ*-ε.
محدودیت ( 8 ) با کنترل یک پارامتر سطح معینی از میانگین در دسترس بودن مسیر را تضمین می کند. ε (0≤ε≤fپ*)، که کاهش مجاز میانگین قابلیت اطمینان مسیر را از مقدار بهینه توصیف می کند fپ*. اگر εکوچک است (مثلاً بزرگ)، تخصیص پناهگاه برای تخلیه مطمئن (سریع) طراحی شده است.
تنظیم مناسب برای εدر بخش 4.2 مورد بحث قرار خواهد گرفت . از آنجایی که تابع هدف و تمام محدودیت ها با متغیرهای باینری خطی هستند، OPپILP نیز هست.

3.4. محاسبه کاندیداهای مسیر سریع و قابل اعتماد بین افراد تخلیه شده و پناهگاه های احتمالی آنها

راه حل، به عنوان مثال، تخصیص پناهگاه، ILP دو مرحله ای به پارامترهای ورودی آن بستگی دارد، که نامزدهای مسیر بین افراد تخلیه شده و پناهگاه های احتمالی آنها هستند، به عنوان مثال، rمن،j. ما یک طرح انتخاب مسیر سریع و قابل اعتماد را پیشنهاد می کنیم، که یک نسخه توسعه یافته از طرح انتخاب مسیر موجود است [ 20 ].

الگوریتم 1 یک تابع را ارائه می دهد نامزد_راه ها(جی،من،j،کحداکثر،δحداکثر،γهفتم)که حداکثر می شمرد کحداکثر (کحداکثر≥1)کوتاهترین مسیر بین تخلیه کننده i و پناهگاه j تحت محدودیت طول مسیر، δحداکثر (δحداکثر≥0)و قابلیت اطمینان مسیر، γهفتم (0≤γهفتم≤1). با توجه به شبکه راه جی=(V،E،g), evacue i , پناه j , پارامترها (کحداکثر،δحداکثر)، و γهفتم، ابتدا مجموعه ای از نامزدهای مسیر را مقداردهی اولیه می کند، ℛمن،jکحداکثر،δحداکثر،γهفتم، خالی و کوتاه ترین طول مسیر باشد ددقیقهبی نهایت بودن (خط 1). بعد، حداکثر به دست می آورد کحداکثرکاندیدای کوتاه ترین مسیر بین تخلیه i و پناهگاه j ، آرمن،jکحداکثر، با استفاده از k -هفتم_کوتاه ترین_راه ها(·)تابع بر اساس الگوریتم ین [ 50 ] (خط 2). همچنین طول کوتاه ترین مسیر را محاسبه می کند آرمن،jکحداکثر، ددقیقه(خط 3). در حلقه بعدی خطوط 4-8، نامزدهای مسیر سریع و قابل اعتماد را از آنها استخراج می کند آرمن،jکحداکثر. لطفا توجه داشته باشید که نامزدهای مسیر در آرمن،jکحداکثربه ترتیب صعودی طول مسیر مرتب می شوند. اگر طول مسیر r از کوتاه ترین مسیر بیشتر باشد، به عنوان مثال، ددقیقه، در یک سطح معین، δحداکثر، حلقه را متوقف می کند (خطوط 5-6). اگر قابلیت اطمینان مسیر r برابر یا بیشتر از یک آستانه باشد γتیساعت، r را به آن اضافه می کندℛمن،jکحداکثر،δحداکثر،γهفتم(خط 8). لطفاً توجه داشته باشید که طرح موجود در [ 20 ] این عملیات را ندارد، و بنابراین قابلیت اطمینان جاده به بهترین شکل در نظر گرفته می‌شود. بعد از حلقه، برمی گردد ℛمن،jکحداکثر،δحداکثر،γهفتمبه عنوان نامزدهای مسیر سریع و قابل اعتماد.

الگوریتم 1 نامزد_راه ها(جی،من،j،کحداکثر،δحداکثر،γهفتم): شمارش حداکثر کحداکثرکوتاهترین مسیر بین تخلیه کننده i و پناهگاه j تحت محدودیت در طول مسیر، δحداکثرو قابلیت اطمینان مسیر،  γهفتم.
نیاز: جی،من،j،کحداکثر،δحداکثر،γهفتم
اطمینان حاصل شود: ℛمن،jکحداکثر،δحداکثر،γهفتم
1: ℛمن،jکحداکثر،δحداکثر،γهفتم←∅، ددقیقه←∞ ▹ اولیه سازی
2: ℛمن،jکحداکثر← ک -کوتاه ترین_راه ها(جی،من،j،کحداکثر) ▹ محاسبه کحداکثر-کوتاه ترین مسیرها
3: ددقیقه←دقیقهr∈ℛمن،jکحداکثرfد(r) ▹ محاسبه طول کوتاه ترین مسیر
4: برای r∈ℛمن،jکحداکثر انجام دادن
5:      اگر fد(r)-ددقیقه>δحداکثر سپس ▹ وضعیت طول مسیر را بررسی کنید
6:          شکستن
7:      اگر fپ(r)≥γتیساعت سپس ▹ وضعیت قابلیت اطمینان مسیر را بررسی کنید
8:          ℛمن،jکحداکثر،δحداکثر،γهفتم←ℛمن،jکحداکثر،δحداکثر،γهفتم∪{r}
9: بازگشت ℛمن،jکحداکثر،δحداکثر،γهفتم
نامزدهای مسیر در ℛمن،jکحداکثر،δحداکثر،γهفتمبسته به پارامترها تغییر می کند کحداکثر، δحداکثر، و γهفتم. کحداکثرو δحداکثرتنوع و سرعت نامزدهای مسیر را کنترل می کند [ 20 ]. کحداکثرتحت محدودیت سربار محاسبات می تواند تا حد امکان بزرگ باشد. δحداکثرهمچنین می‌تواند با در نظر گرفتن تخلیه سریع و کشف مسیر مطمئن، مقدار متوسطی باشد. برعکس، تنظیم از γهفتممشکل است زیرا قابلیت اطمینان مسیر بین تخلیه i و پناهگاه j می تواند بسته به جفت i و j تغییر کند.

با در نظر گرفتن این ویژگی ها، ما یک تابع را پیشنهاد می کنیم سریع_قابل اعتماد_مسیر(جی،من،j،η،کحداکثر،δحداکثر)که نامزد مسیر سریع و قابل اعتماد را محاسبه می کند rمن،jبین تخلیه i و پناهگاه j (الگوریتم 2). با توجه به شبکه راه جی=(V،E،g)، evacuee i ، پناه j ، و پارامترها (کحداکثر، δحداکثر)، ابتدا مقداردهی اولیه می شود γهفتمحداکثر مقدار یعنی یک و ℛمن،jکحداکثر،δحداکثر،γهفتمیک مجموعه خالی باشد (خط 1). در حلقه بعدی خطوط 2-6، قابل اطمینان ترین مسیر را جستجو می کند rمن،jبین تخلیه i و پناهگاه j تحت محدودیت در کحداکثرو δحداکثر، با کاهش γهفتمدر یک فاصله زمانی معین، η، به عنوان مثال، η=0.1. اگر موفق به یافتن نامزدهای مسیر شود ℛمن،jکحداکثر،δحداکثر،γهفتماستفاده كردن نامزد_راه ها(·)(خط 3)، قابل اطمینان ترین مورد را به شرح زیر انتخاب می کند (خط 5):

rمن،j=ارگحداکثرr∈ℛمن،jکحداکثر،δحداکثر،γهفتمfپ(r).

در غیر این صورت، اگر ℛمن،jکحداکثر،δحداکثر،γهفتمخالی است، با تنظیم به جستجوی نامزدهای مسیر ادامه می دهد γهفتم=γهفتم-η(خط 6). در نتیجه، الگوریتم 2 مسیری سریع و قابل اعتماد را در اختیار ما قرار می دهد rمن،jبین تخلیه i و پناهگاه j .

الگوریتم 2 سریع_قابل اعتماد_مسیر(جی،من،j،η،کحداکثر،δحداکثر): محاسبه نامزد مسیر سریع و قابل اعتماد rمن،jبین تخلیه i و پناهگاه j .
نیاز: جی،من،j،η،کحداکثر،δحداکثر
اطمینان حاصل شود: rمن،j
1: γهفتم←1، ℛمن،jکحداکثر،δحداکثر،γهفتم←∅ ▹ اولیه سازی
2: در حالی که γهفتم≥0 انجام دادن
3:     ℛمن،jکحداکثر،δحداکثر،γهفتم←نامزد_راه ها(جی،من،j،کحداکثر،δحداکثر،γهفتم) ▹ محاسبه نامزدهای مسیر
4:      اگر ℛمن،jکحداکثر،δحداکثر،γهفتم≠∅ سپس
5:          بازگشت rمن،jطبق ( 9 ) ▹ محاسبه نامزد مسیر سریع و قابل اعتماد
6:      γهفتم←γهفتم-η ▹ به روز رسانی از γهفتم

4. نتایج عددی

در این بخش، تکلیف پناهگاه به دست آمده با حل ILP دو مرحله ای را ارزیابی می کنیم. OPپو OPد، با استفاده از اطلاعات واقعی

4.1. مدل ارزشیابی

برای ارزیابی، شهر ناگویا را در ژاپن انتخاب می کنیم زیرا نقشه خطر را در اختیار ما قرار می دهد که در آن هر جاده با احتمال انسداد جاده توضیح داده شده است [ 13 ]. 263 ناحیه مدرسه وجود دارد که هر کدام واحد برنامه ریزی تخلیه هستند [ 25 ]. منطقه آراکو را با در نظر گرفتن میانگین بالای احتمال انسداد جاده از بین آنها انتخاب می کنیم. منطقه سبز در شکل 2 نقشه خطر را نشان می دهد 2.7[کیلومتر]×1.9[کیلومتر]منطقه آراکو ساختار نمودار داخلی این نقشه از 801 راس و 1220 یال تشکیل شده است.
در مورد سناریوی فاجعه، شهر ناگویا با توجه به میزان خسارت، اطلاعات احتمالات مسدود شدن جاده را برای چندین کلاس در اختیار ما قرار می دهد. در این مقاله از داده‌های کلاس ماکزیمم که زلزله مگاتراست نانکای را در نظر می‌گیرند استفاده می‌کنیم. هر جاده در شکل 2 با توجه به احتمال انسداد جاده رنگی شده است: قرمز (مثلاً سیاه) به معنای احتمال انسداد جاده زیاد (و یا کم) است. میانگین احتمال انسداد جاده در بین تمام جاده ها 0.151 است. ناحیه نارنجی رنگ در شکل 2 شامل جاده هایی با احتمال انسداد راه بالا می باشد، یعنی میانگین احتمال انسداد جاده در این ناحیه 0.278 است. ما همچنین سه پناهگاه واقعی را نشان می دهیم D={اس1،اس2،اس3}به عنوان نقاط آبی در شکل 2 ، مطابق با [ 26 ]. ظرفیت هر پناهگاه به عنوان داده شده است سیاس1=11500 سیاس2=1964، و سیاس3=8000.
23156 ساکن در منطقه آراکو [ 27 ] وجود دارد و توزیع جغرافیایی ساکنان در شکل 3 نشان داده شده است . ما تأیید می کنیم که سه پناهگاه نمی توانند همه ساکنان را در خود جای دهند، به عنوان مثال، ∑j∈Dسیj=21,464 < 23,156.
در ادامه مطلب را تنظیم می کنیم βبه عنوان یک سناریوی نمونه که در آن برخی از ساکنان حتی در شرایط اضطراری در خانه یا محل کار خود می مانند، 0.7 باشد.
برای مقایسه، ما از سه طرح بسته به ترکیب تخصیص پناهگاه و انتخاب مسیر استفاده می کنیم، همانطور که در جدول 2 نشان داده شده است. طرح مبتنی بر فاصله فقط به حداقل رساندن طول متوسط ​​مسیر در بین افراد تخلیه شده در نظر می گیرد که می توان با حل یک نسخه اصلاح شده ILP به دست آورد. OPدکه در آن محدودیت ( 8 ) حذف شده است.

ما از دو نوع معیار استفاده می کنیم. اولین مورد میانگین طول مسیر است، f¯د، برای ارزیابی سرعت تخلیه که با تابع هدف مطابقت دارد ( 7 ). مورد دوم، میانگین قابلیت اطمینان مسیر است، f¯پکه مربوط به تابع هدف است ( 3 ).

f¯د=ن-1∑من∈ن∑j∈Dfد(rمن،j)ایکسمن،j،f¯پ=ن-1∑من∈ن∑j∈Dfپ(rمن،j)ایکسمن،j.
در ادامه، میانگین ده نتیجه عددی مستقل را نشان می‌دهیم که هر کدام مکان‌های اولیه تخلیه‌شده‌ها متفاوت است. از طریق آزمایش های اولیه، پارامترهای انتخاب مسیر را به صورت زیر تنظیم می کنیم: کحداکثر=5000، δحداکثر=300 و η=0.1.

4.2. تجزیه و تحلیل مبادله بین سرعت و ایمنی تحت محدودیت ظرفیت

در این بخش، عملکرد طرح پیشنهادی را در مقایسه با طرح مبتنی بر فاصله تحت محدودیت ظرفیت نشان می‌دهیم. شکل 4 چگونگی زوال مجاز قابلیت اطمینان مسیر را نشان می دهد εمیانگین طول مسیر را تحت تاثیر قرار می دهد f¯دو میانگین قابلیت اطمینان مسیر f¯پدر صورت تقاضای تخلیه نسبتاً زیاد، به عنوان مثال، β=0.7. ابتدا روی عملکرد طرح پیشنهادی تمرکز می کنیم. از آنجایی که کوچک (مثلاً بزرگ) εبر میانگین قابلیت اطمینان مسیر (متوسط ​​طول مسیر) تأکید می کند، ما مشاهده می کنیم که f¯پو f¯دطرح پیشنهادی با افزایش کاهش می یابد ε. ما آن را مشاهده می کنیم ε=0.05یکی از تنظیمات پارامتر مناسب از نظر تخلیه سریع و قابل اطمینان است. به طور خاص، طرح پیشنهادی می تواند بهبود یابد f¯پ13.6 درصد با 7.3 درصد افزایش f¯د، در مقایسه با طرح مبتنی بر فاصله. در ادامه مطلب را تنظیم می کنیم ε0.05 باشد. در موارد واقعی، ارزش εهمچنین ممکن است تحت تأثیر عوامل دیگری مانند قضاوت سیاسی قرار گیرد.
در مرحله بعد، ما بر روی تکلیف پناهگاه به دست آمده تمرکز می کنیم. شکل 5 و شکل 6 به ترتیب تخصیص پناهگاه طرح مبتنی بر فاصله و طرح پیشنهادی را نشان می دهد. به یاد بیاورید که ناحیه نارنجی در شکل 2 شامل جاده هایی با احتمال انسداد جاده بالا است، یعنی میانگین احتمال مسدود شدن جاده در این منطقه 0.278 است. در ناحیه نارنجی شکل 5 ، برخی از افراد تخلیه شده به اس3مجبور به عبور از منطقه با احتمال مسدود شدن جاده هستند. با مقایسه مناطق نارنجی در شکل 5 و شکل 6 ، تأیید می کنیم که طرح پیشنهادی می تواند چنین تخلیه ناامنی را با اختصاص دادن آنها به آنها کاهش دهد. اس1.
برای تجزیه و تحلیل عمیق ویژگی‌های طرح پیشنهادی، نتایج دقیق را در هر پناهگاه نشان می‌دهیم. شکل 7 ، شکل 8 و شکل 9 چگونگی را نشان می دهد εبر تعداد تخلیه شدگان اختصاص داده شده تأثیر می گذارد، f¯د، و f¯پبه ترتیب در هر پناهگاه. ما ابتدا روی پناهگاه تمرکز می کنیم اس2. ما آن را مشاهده می کنیم f¯دبا کاهش می یابد εبا توجه به محدودیت ظرفیت (6) ضمن حفظ تعداد تخلیه شدگان اختصاص یافته. به طور خاص، ما آن را تأیید می کنیم f¯داز اس2می تواند 35.9% بهبود یابد، یعنی 392.0 [ متر]، با مقایسه نتیجه ε=0با آن از ε=0.05. این نتیجه به این معنی است که افراد تخلیه در نزدیکی پناهگاه هستند اس2اختصاص داده شده اند اس2با کاهش محدودیت ( 8 ). برعکس، ما آن را مشاهده می کنیم f¯پاز اس2افزایش می یابد با εکه بیانگر آن است که نمی توان بخشی از تخلیه شدگان را به دلیل محدودیت ظرفیت (6) به پناهگاه های مناسب خود اختصاص داد. ε=0. ما جزئیات این نتیجه را در بخش 4.3 شرح خواهیم داد.
در نهایت، ما روی پناهگاه ها تمرکز می کنیم اس1و اس3. ما آن را تایید می کنیم f¯داز اس1و تعداد تخلیه شدگان اختصاص داده شده از اس1کاهش با ε. این پدیده را می توان به صورت زیر توضیح داد. در ابتدا، افراد تخلیه دور از اس1اختصاص داده شده اند اس1در صورت ε=0، برای بهبود میانگین قابلیت اطمینان مسیر. با افزایش ε، این افراد تخلیه شده را می توان به پناهگاه های نزدیک تر اختصاص داد، اس2و اس3، اما بیشتر آنها را فقط می توان به پناهگاه اختصاص داد اس3، به دلیل ظرفیت محدود اس2. در نتیجه، تعداد افراد تخلیه شده به اس3افزایش می یابد با ε. این امر برخی از آنها را مجبور به عبور از منطقه با احتمال انسداد جاده بالا می کند و بنابراین f¯پاز اس3با کاهش می یابد ε.

4.3. تأثیر محدودیت ظرفیت بر تخلیه سریع و قابل اطمینان

در این بخش، طراحی مناسب برای ظرفیت پناهگاه را با مقایسه طرح پیشنهادی و طرح بدون محدودیت ظرفیت بررسی می‌کنیم که می‌تواند به عنوان یک مورد ایده‌آل در نظر گرفته شود.
شکل 10 تخصیص پناهگاه طرح پیشنهادی را بدون محدودیت ظرفیت نشان می دهد β=0.7. با مقایسه شکل 6 با شکل 10 ، ابتدا تأیید می کنیم که طرح پیشنهادی بدون محدودیت ظرفیت، افراد بیشتری را به پناهگاه اختصاص می دهد. اس2. این نتیجه نشان می دهد که تقاضا برای پناهندگی اس2به طور قابل توجهی بیش از ظرفیت پناهگاه فعلی است سیاس2.
شکل 11 چگونگی تأثیر آن را نشان می دهد βبر f¯دو f¯پتغییرات بین طرح پیشنهادی و آن بدون محدودیت ظرفیت. شکل 12 نتیجه مربوط به هر پناهگاه را نشان می دهد. مشاهده می کنیم که طرح پیشنهادی افزایش می یابد f¯د6.5٪ در مقایسه با طرح پیشنهادی بدون (6) زمانی که β=0.7. این به دلیل ظرفیت پناهندگی است اس2فاقد 4118 تقاضای واقعی است که در شکل 12 نشان داده شده است. در طرح پیشنهادی، تخلیه کنندگان سرریز تمایل دارند به آنها اختصاص داده شوند اس1که دارای ظرفیت کافی بوده و در منطقه نسبتا امنی قرار دارد. در شکل 11 ، ما همچنین تأیید می کنیم که طرح پیشنهادی همچنان ادامه دارد f¯پصرف نظر از β، در مقایسه با طرح پیشنهادی بدون محدودیت ظرفیت.
این نتایج نشان می دهد که تنظیمات فعلی برای ظرفیت پناهگاه باید به ویژه برای پناهگاه تجدید نظر شود اس2. به عبارت دیگر، طرح پیشنهادی می تواند به عنوان ابزاری برای محاسبه ظرفیت مورد نیاز هر پناهگاه برای تخلیه سریع و مطمئن مورد استفاده قرار گیرد.

4.4. بحث

در پایان این بخش، به طور خلاصه محدودیت طرح پیشنهادی را از دیدگاه پیاده سازی در زمینه دنیای واقعی مورد بحث قرار می دهیم. تخصیص پناهندگی بر اساس طرح پیشنهادی باید قبل از تخلیه به تخلیه‌شدگان اعلام/آگهی شود. ما انتظار داریم که همکاری با سیستم هدایت تخلیه خودکار مشترک ابر سیار [ 19 ]] یکی از راه های ممکن است. در این سیستم، اپلیکیشن موبایل یک فرد تخلیه کننده می تواند به کمک تعاملات ضمنی با مالک خود، وضعیت واقعی جاده (یعنی قابل عبور یا مسدود بودن) را در حین تخلیه به طور خودکار تخمین بزند. اطلاعات تخمینی از طریق شبکه های ارتباطی زمینی (به عنوان مثال، شبکه های سلولی و Wi-Fi) و/یا ارتباطات D2D با سایر دستگاه های تلفن همراه (تخلیه کنندگان) و ابر به اشتراک گذاشته خواهد شد. این اطلاعات به‌دست‌آمده به‌صورت پویا می‌تواند برای به‌روزرسانی تخصیص پناهگاه استفاده شود.

5. نتیجه گیری ها

هنگامی که یک فاجعه در مقیاس بزرگ رخ می دهد، هر فرد تخلیه شده باید به شیوه ای سریع و ایمن به یک پناهگاه مناسب منتقل شود. این را می توان با ترکیب هر دو رویکرد قبل و بعد از فاجعه به دست آورد. در این مقاله، ما یک مطالعه موردی زلزله را در نظر گرفته‌ایم و یک طرح تخصیص پناهگاه را پیشنهاد کرده‌ایم که می‌تواند تخلیه سریع و مطمئن تحت محدودیت ظرفیت پناهگاه را پشتیبانی کند. با توجه به نامزدهای مسیر بین تخلیه‌شدگان و پناه‌گاه‌های احتمالی آن‌ها، ما ابتدا مسئله تخصیص پناهگاه را به عنوان ILP دو مرحله‌ای فرموله کرده‌ایم، که میانگین طول مسیر را به حداقل می‌رساند در حالی که سطح معینی از قابلیت اطمینان متوسط ​​مسیر را تحت محدودیت ظرفیت پناهگاه تضمین می‌کند. در مورد کاندیداهای مسیر، ما یک طرح انتخاب مسیر سریع و قابل اعتماد را پیشنهاد کرده‌ایم که ورودی ILP دو مرحله‌ای را تولید می‌کند، به عنوان مثال،
از طریق نتایج عددی با استفاده از داده های واقعی منطقه آراکو در شهر ناگویا در ژاپن، نتایج نماینده نشان داده است که (1) طرح پیشنهادی می تواند تعادل بین سرعت تخلیه و قابلیت اطمینان را تحت محدودیت ظرفیت پناهگاه با تنظیم یک پارامتر کنترل کنترل کند و (2) ) طرح پیشنهادی با تنظیم پارامتر مناسب می تواند قابلیت اطمینان مسیر را به میزان 13.6% بهبود بخشد و در عین حال از افزایش میانگین طول مسیر به میزان 7.3% در مقایسه با طرح مبتنی بر فاصله جلوگیری کند. علاوه بر این، ما همچنین نشان داده‌ایم که طرح پیشنهادی می‌تواند به عنوان ابزاری برای بازنگری تنظیمات فعلی ظرفیت پناهگاه استفاده شود. به طور خاص، ما نشان دادیم که ظرفیت یک پناهگاه خاص فاقد 4118 تقاضای واقعی است که میانگین طول مسیر را 6.5٪ افزایش می دهد.
در کار آینده، ما قصد داریم یک بررسی جامع از خطرات احتمالی در سایر مناطق شهر ناگویا انجام دهیم.

ضمیمه A. احتمال انسداد جاده

شهر ناگویا در ژاپن خطرات منطقه ای را درست پس از وقوع یک فاجعه در مقیاس بزرگ (به عنوان مثال، زلزله نانکای ناقوس) به عنوان احتمال مسدود شدن جاده هر جاده در منطقه ارزیابی کرده است [ 13 ]. احتمال انسداد جاده بر اساس سه مدل (یعنی مدل جاده، مدل فروریختن ساختمان کنار جاده و مدل انسداد جاده) در هر جاده محاسبه می‌شود.
مدل راه متشکل از اسناد جاده (یعنی طول راه و عرض جاده) به دست آمده از نقشه پایه برنامه ریزی شهری است. مدل فروریختن ساختمان کنار جاده ابتدا احتمال ریزش کلی هر ساختمان در امتداد جاده را با توجه به بزرگی زلزله و پارامترهای مربوط به ساختمان (یعنی ارتفاع، سال ساختمان و نوع ساختمان (یعنی چوبی یا غیر چوبی) محاسبه می‌کند. ). این مدل بدترین سناریو را فرض می‌کند که در آن تمام ساختمان‌های دو طرف جاده فرو می‌ریزند و عرض انسداد جاده (آوار) ناشی از ریزش ساختمان، ارتفاع ساختمان خواهد بود.

در مدل انسداد راه، در صورتی که اختلاف عرض و ارتفاع ساختمان فروریخته (یعنی عرض راه موجود) کمتر از σ=2 [متر]، که حداقل فضا برای تخلیه پیاده روی است. به عبارت صحیح تر، این مدل ابتدا یک جاده e را بین دو تقاطع به بخش هایی در هر 20 تقسیم می کند[متر]، که با عرض سایت ساختمان مطابقت دارد و احتمال انسداد را برای هر بخش محاسبه می کند س∈ه، پس، با توجه به رابطه بین عرض جاده افه [متر]و ارتفاع ساختمانها در بخش s در هر دو طرف جاده (یعنی ارتفاع اچس،1 [متر](مسابقه اچس،2 [متر]) ساختمان در یکی (نسبت به دیگری) کنار جاده 1 (نسبت به 2) از بخش s ). بدون از دست دادن کلیت، پسبا این فرض تعریف می شود اچس،1≥اچس،2:

پس=آرس،1اگر افه-اچس،1<σ و افه-اچس،2≥σ،1-(1-آرس،1)(1-آرس،2)اگر افه-اچس،1<σ و افه-اچس،2<σ،آرس،1آرس،2اگر افه-اچس،1≥σ،افه-اچس،2≥σ، و افه-(اچس،1+اچس،2)<σ،0اگر افه-اچس،1≥σ،افه-اچس،2≥σ، و افه-(اچس،1+اچس،2)≥σ،

جایی که آرس،1و آرس،2احتمال ریزش کلی ساختمان را به ترتیب در کنار جاده 1 و کنار جاده 2 از بخش s نشان می دهد. توجه داشته باشید که آرس،1و آرس،2بر اساس مدل فروریختن ساختمان کنار جاده محاسبه می شوند.

جاده e مسدود در نظر گرفته می شود زمانی که حداقل یک بخش س∈همطابق ( A1 ) مسدود شده است. در نتیجه، احتمال انسداد جاده پهرا می توان با بیان کرد

په=1-∏س∈ه(1-پس).
توجه داشته باشید که هر چه طول جاده e , d e بیشتر باشد، احتمال انسداد راه p e بیشتر است.

منابع

  1. کونگسومساکساکول، اس. یانگ، سی. چن، الف. مدل محل تخصیص پناهگاه برای برنامه ریزی تخلیه سیل. جی شرق. انجمن آسیا ترانسپ گل میخ. 2005 ، 6 ، 4237-4252. [ Google Scholar ]
  2. کوتینیو-رودریگز، جی. ترالهاو، ال. Alçada-Almeida، L. حل مسئله مکان یابی-مسیریابی با رویکرد چندهدفه: طراحی طرح های تخلیه شهری. J. Transp. Geogr. 2012 ، 22 ، 206-218. [ Google Scholar ] [ CrossRef ]
  3. کوتینیو-رودریگز، جی. سوزا، ن. Natividade-Jesus، E. طراحی طرح های تخلیه برای مراکز شهری متراکم. در مجموعه مقالات موسسه مهندسین عمران-مهندس شهرداری ; Thomas Telford Ltd.: لندن، انگلستان، 2015; جلد 169، صص 160–172. [ Google Scholar ]
  4. بایرام، وی. تانسل، B.Ç. یامان، اچ. سیستم و منافع کاربر در مکان یابی پناهگاه و برنامه ریزی تخلیه. ترانسپ Res. روش قسمت B. 2015 ، 72 ، 146-163. [ Google Scholar ] [ CrossRef ]
  5. کیلجی، ف. کارا، توسط; بوزکایا، ب. مکان یابی مناطق پناهگاه موقت پس از زلزله: موردی برای ترکیه. یورو جی. اوپر. Res. 2015 ، 243 ، 323-332. [ Google Scholar ] [ CrossRef ]
  6. خو، جی. یین، ایکس. چن، دی. آن، جی. Nie, G. مدل مکان یابی چند معیاره پناهگاه های تخلیه زلزله برای کمک به برنامه ریزی شهری. بین المللی J. کاهش خطر بلایا. 2016 ، 20 ، 51-62. [ Google Scholar ] [ CrossRef ]
  7. نگ، م. پارک، جی. والر، ST یک مدل دو سطحی ترکیبی برای تخصیص پناهگاه بهینه در تخلیه اضطراری. محاسبه کنید. کمک مدنی زیرساخت. مهندس 2010 ، 25 ، 547-556. [ Google Scholar ] [ CrossRef ]
  8. سعادت سرشت، م. منصوریان، ع. طالعی، م. برنامه ریزی تخلیه با استفاده از رویکرد بهینه سازی تکاملی چندهدفه. یورو جی. اوپر. Res. 2009 ، 198 ، 305-314. [ Google Scholar ] [ CrossRef ]
  9. بایرام، V. مدل‌های بهینه‌سازی برای برنامه‌ریزی و مدیریت تخلیه شبکه در مقیاس بزرگ: مروری بر ادبیات. Surv. اپراتور Res. مدیریت علمی 2016 ، 21 ، 63-84. [ Google Scholar ] [ CrossRef ]
  10. لو، کیو. جورج، بی. Shekhar, S. الگوریتم های مسیریابی محدود ظرفیت برای برنامه ریزی تخلیه: خلاصه ای از نتایج. در سمپوزیوم بین المللی پایگاه های داده مکانی و زمانی ; یادداشت های سخنرانی در علوم کامپیوتر; Springer: برلین/هایدلبرگ، آلمان، 2005; صص 291-307. [ Google Scholar ]
  11. یوسف، م. آریفین، ج. Mohamed, A. رویکردهای بهینه سازی برای برنامه ریزی تخلیه اضطراری ماکروسکوپی: یک بررسی. در مجموعه مقالات سمپوزیوم بین المللی فناوری اطلاعات 2008، کوالالامپور، مالزی، 26 تا 28 اوت 2008. جلد 3، ص 1-7. [ Google Scholar ]
  12. ژنگ، ی جی؛ چن، سی. لینگ، بهینه‌سازی تکاملی HF برای عملیات‌های امدادی بلایا: یک بررسی. Appl. محاسبات نرم. 2015 ، 27 ، 553-566. [ Google Scholar ] [ CrossRef ]
  13. شهر ناگویا سیاست توسعه شهر مقاوم در برابر زلزله. 2015. در دسترس آنلاین: https://www.city.nagoya.jp/jutakutoshi/cmsfiles/contents/0000002/2717/honpen.pdf (در 25 آوریل 2019 قابل دسترسی است). (به ژاپنی).
  14. سکیموتو، ی. شیباساکی، آر. کاناسوجی، اچ. اوسویی، تی. Shimazaki، Y. PFlow: بازسازی جریان مردم، بازیافت داده های بررسی اجتماعی در مقیاس بزرگ. محاسبات فراگیر IEEE 2011 ، 10 ، 27-35. [ Google Scholar ] [ CrossRef ]
  15. لارسون، دی. توسعه ساختار یک روش شاخص خطر آتش سوزی برای ساختمان های آپارتمانی چند طبقه با اسکلت چوبی . گزارش دانشجو؛ دانشگاه لوند: لوند، سوئد، 2000. [ Google Scholar ]
  16. ساسابه، م. فوجی، ک. Kasahara، S. تجزیه و تحلیل خطر شبکه جاده ای با توجه به جریان مردم در شرایط عادی و تخلیه. محیط زیست طرح. ب مقعد شهری. علوم شهر 2018 ، 47 ، 1-16. [ Google Scholar ] [ CrossRef ]
  17. کمیسیون فنی ایتالیا برای ریز پهنه‌بندی لرزه‌ای. کتابچه راهنمای تجزیه و تحلیل شرایط اضطراری در سناریوهای شهری (راهنمای L’analisi della Condizione Limite Dell’emergenza Dell’insediamento Urbano (CLE)) . CNR، Dipartimento Sistemi di Produzione: رم، ایتالیا، 2014. (به ایتالیایی)
  18. فوجیهارا، ا. میوا، اچ. راهنمایی تخلیه فاجعه با استفاده از ارتباطات فرصت طلب: پتانسیل برای خدمات مبتنی بر فرصت. در کلان داده و اینترنت اشیا: نقشه راه برای محیط های هوشمند ؛ Bessis, N., Dobre, C., Eds. انتشارات بین المللی Springer: چم، سوئیس، 2014; جلد 546، ص 425–446. [ Google Scholar ]
  19. کوماتسو، ن. ساسابه، م. کواهارا، ج. Kasahara، S. طرح هدایت خودکار تخلیه بر اساس تعاملات ضمنی بین تخلیه کنندگان و گره های موبایل آنها. GeoInformatica 2018 ، 22 ، 127-141. [ Google Scholar ] [ CrossRef ]
  20. هارا، ت. ساسابه، م. Kasahara، S. انتخاب مسیر مبتنی بر تجزیه و تحلیل ریسک جغرافیایی برای هدایت تخلیه خودکار، سریع و قابل اعتماد با استفاده از دستگاه های تلفن همراه تخلیه کنندگان. J. محیط. هوشمند اومانیز. محاسبه کنید. 2019 ، 10 ، 2291-2300. [ Google Scholar ] [ CrossRef ]
  21. Galea، ER; H، X. لارنس، PJ مطالعات تجربی و پیمایشی در مورد اثربخشی سیستم های تابلوهای دینامیکی. آتش نشانی علمی 2014 ، 11 ، 1129-1143. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. زی، اچ. فیلیپیدیس، ال. Galea، ER; بلک شیلدز، دی. لارنس، PJ تجزیه و تحلیل تجربی اثربخشی علائم اضطراری و اجرای آن در شبیه سازی تخلیه. آتش نشانی. 2012 ، 36 ، 367-382. [ Google Scholar ] [ CrossRef ]
  23. زو، آر. لین، جی. بکریک-گربر، بی. لی، ن. تعاملات انسان-ساختمان-اضطراری و تأثیر آنها بر عملکرد واکنش اضطراری: مروری بر وضعیت هنر. Saf. علمی 2020 , 127 , 104691. [ Google Scholar ] [ CrossRef ]
  24. ILOG. بهینه ساز IBM ILOG CPLEX. 2019. در دسترس آنلاین: https://www.ibm.com/products/ilog-cplex-optimization-studio (در 25 آوریل 2019 قابل دسترسی است).
  25. MILT ژاپن. سرویس دانلود اطلاعات عددی زمین ملی: داده های ناحیه مدرسه. 2010. در دسترس آنلاین: https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-A27-v2_1.html (در 25 آوریل 2019 قابل دسترسی است). (به ژاپنی)
  26. استان آیچی پیوست طرح پیشگیری از بلایای منطقه ای استان آیچی. 2017. در دسترس آنلاین: https://www.pref.aichi.jp/bousai/boukei/list-fuzoku.htm (در 25 آوریل 2019 قابل دسترسی است). (به ژاپنی).
  27. MIC ژاپن e-Stat پورتال سایت آمار رسمی ژاپن. 2008. در دسترس آنلاین: https://www.e-stat.go.jp/en (در 25 آوریل 2019 قابل دسترسی است).
  28. Fruin, J. طراحی برای عابرین پیاده: مفهوم سطح خدمات . دانشگاه پلی تکنیک بروکلین: بروکلین، نیویورک، ایالات متحده آمریکا، 1970. [ Google Scholar ]
  29. سیفرید، ع. استفن، بی. لیپرت، تی. مبانی مدلسازی جریان عابر پیاده. فیزیک یک آمار مکانیک. Appl. 2006 ، 368 ، 232-238. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  30. کوان، نماینده مجلس؛ Ransberger, DM LiDAR Assisted Emergency Response: شناسایی موانع شبکه حمل و نقل ناشی از بلایای بزرگ. محاسبه کنید. محیط زیست سیستم شهری 2010 ، 34 ، 179-188. [ Google Scholar ] [ CrossRef ]
  31. سانترلی، اس. برناردینی، جی. Quagliarini، E. برآورد آوار ساختمان زلزله در مراکز شهر تاریخی: از داده های دنیای واقعی تا معیارهای مبتنی بر تجربی. بین المللی J. کاهش خطر بلایا. 2018 ، 31 ، 281-291. [ Google Scholar ] [ CrossRef ]
  32. سانترلی، اس. برناردینی، جی. کوالیارینی، ای. D’Orazio، M. شاخص های جدید برای ارزیابی قابلیت اطمینان و در دسترس بودن شبکه خیابان های مراکز شهر موجود در شرایط اضطراری زلزله. بین المللی جی آرچیت. میراث. 2018 ، 12 ، 153-168. [ Google Scholar ] [ CrossRef ]
  33. کوالیارینی، ای. برناردینی، جی. سانترلی، اس. Lucesoli، M. مسیرهای تخلیه در مراکز شهر تاریخی: یک روش جامع برای ارزیابی خطر لرزه ای آنها. بین المللی J. کاهش خطر بلایا. 2018 ، 31 ، 698-710. [ Google Scholar ] [ CrossRef ]
  34. برناردینی، جی. کوالیارینی، ای. D’Orazio، M. به سمت ایجاد یک پایگاه داده ترکیبی برای مدل های تخلیه عابران پیاده زلزله. Saf. علمی 2016 ، 82 ، 77-94. [ Google Scholar ] [ CrossRef ]
  35. لیو، اچ. خو، بی. لو، دی. ژانگ، جی. یک رویکرد برنامه ریزی مسیر برای تخلیه جمعیت در ساختمان ها بر اساس الگوریتم بهبود یافته کلونی زنبورهای مصنوعی. Appl. محاسبات نرم. 2018 ، 68 ، 360-376. [ Google Scholar ] [ CrossRef ]
  36. کسایی، ی. ساسابه، م. Kasahara، S. انتخاب مسیر آگاه از تراکم در هدایت تخلیه خودکار بر اساس همکاری بین تخلیه‌کنندگان و گره‌های متحرک آنها. EURASIP J. Wirel. اشتراک. شبکه 2017 ، 2017 ، 164. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  37. برناردینی، جی. سانترلی، اس. کوالیارینی، ای. D’Orazio، M. ابزار راهنمای دینامیکی برای تخلیه ایمن تر عابر پیاده در اثر زلزله در سیستم های شهری. محاسبه کنید. محیط زیست سیستم شهری 2017 ، 65 ، 150-161. [ Google Scholar ] [ CrossRef ]
  38. Fall, K. A Delay-Tolerant Network Architecture for Challenge Internet Architecture. در مجموعه مقالات کنفرانس 2003 کاربردها، فناوری‌ها، معماری‌ها و پروتکل‌ها برای ارتباطات رایانه‌ای، کارلسروهه، آلمان، 25-29 اوت 2003. ص 27-34. [ Google Scholar ]
  39. سوگیمن، تی. Misumi, J. توسعه یک روش جدید تخلیه برای شرایط اضطراری: کنترل رفتار جمعی توسط گروه های کوچک اضطراری. J. Appl. روانی 1988 ، 73 ، 3-10. [ Google Scholar ] [ CrossRef ]
  40. Ehrgott, M. بهینه سازی چند معیاره ; Springer Science & Business Media: برلین، آلمان، 2005; جلد 491. [ Google Scholar ]
  41. چانکونگ، وی. Haimes، YY تصمیم گیری چندهدفه: نظریه و روش شناسی ; انتشارات Courier Dover: Mineola، NY، USA، 2008. [ Google Scholar ]
  42. YV، YH; Lasdon، LS; Da Wismer، DA در مورد فرمول دو معیاری مشکلات شناسایی سیستم یکپارچه و بهینه سازی سیستم. IEEE Trans. سیستم مرد سایبرن. 1971 ، SMC-1 ، 296-297. [ Google Scholar ] [ CrossRef ]
  43. Mavrotas, G. پیاده سازی موثر روش ε- محدودیت در مسائل برنامه ریزی ریاضی چندهدفه. Appl. ریاضی. محاسبه کنید. 2009 ، 213 ، 455-465. [ Google Scholar ] [ CrossRef ]
  44. ماوروتاس، جی. فلوریوس، ک. یک نسخه بهبود یافته از روش محدودیت ε- افزوده (AUGMECON2) برای یافتن مجموعه پارتو دقیق در مسائل برنامه ریزی اعداد صحیح چند هدفه. Appl. ریاضی. محاسبه کنید. 2013 ، 219 ، 9652-9669. [ Google Scholar ] [ CrossRef ]
  45. دولت ژاپن. قانون اساسی مقابله با بلایا 1961. در دسترس آنلاین: https://www.japaneselawtranslation.go.jp/law/detail_main?re=02&vm=&id=3092 (در 25 آوریل 2019 قابل دسترسی است).
  46. انصاری، ری. کریستومو، سی. حسن، س. گویزانی، م. ممتاز، س. رودریگز، جی. رودریگز، شبکه‌های JJPC 5G D2D: تکنیک‌ها، چالش‌ها و چشم‌اندازهای آینده. سیستم IEEE J. 2018 , 12 , 3970–3984. [ Google Scholar ] [ CrossRef ]
  47. سانتوس، آر. ماس، دی. زناتی، ت. Comfort، L. طراحی و اجرای یک واحد شاهد برای مسیریابی فرصت طلب در سناریوهای هشدار سونامی. Saf. علمی 2016 ، 90 ، 75-83. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. قدوس، م. Ochieng، WY; ژائو، ال. Noland، RB الگوریتم تطبیق نقشه عمومی برای برنامه های کاربردی مخابراتی حمل و نقل. راه حل GPS. 2003 ، 7 ، 157-167. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. عثمان، اف. موراکامی، ک. ویکاسونو، AD; Setiawan، E. کاربرد شبیه سازی مدل مبتنی بر عامل برای تخلیه سونامی در Pacitan، اندونزی. MATEC Web Conf. 2017 , 97 , 01064. [ Google Scholar ] [ CrossRef ]
  50. ین، JY یافتن K کوتاهترین مسیرهای بدون حلقه در یک شبکه. مدیریت علمی 1971 ، 17 ، 712-716. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00442 g001 550
شکل 1. نمودار جریان محاسبه تخصیص پناهگاه و نامزد مسیر.
Ijgi 09 00442 g002 550
شکل 2. نقشه منطقه آراکو پوشیده شده توسط چندضلعی سبز ( 2.7[کیلومتر]×1.9[کیلومتر]احتمال انسداد جاده و پناهگاه ها D={اس1،اس2،اس3}. منطقه نارنجی رنگ شامل جاده هایی است که احتمال مسدود شدن آنها زیاد است.
Ijgi 09 00442 g003 550
شکل 3. توزیع جغرافیایی ساکنان [افراد] در منطقه آراکو تحت پوشش چندضلعی سبز (2.7 [km] × 1.9 [km]).
Ijgi 09 00442 g004 550
شکل 4. تاثیر εبر f¯دو f¯پ (β=0.7).
Ijgi 09 00442 g005 550
شکل 5. تخصیص پناهگاه طرح مبتنی بر فاصله ( β=0.7).
Ijgi 09 00442 g006 550
شکل 6. تخصیص پناهگاه طرح پیشنهادی ( β=0.7).
Ijgi 09 00442 g007 550
شکل 7. رابطه بین εو تعداد تخلیه شدگان اختصاص داده شده در هر پناهگاه ( β=0.7).
Ijgi 09 00442 g008 550
شکل 8. رابطه بین εو f¯ددر هر پناهگاه ( β=0.7).
Ijgi 09 00442 g009 550
شکل 9. رابطه بین εو f¯پدر هر پناهگاه ( β=0.7).
Ijgi 09 00442 g010 550
شکل 10. تخصیص پناهگاه طرح پیشنهادی بدون محدودیت ظرفیت.
Ijgi 09 00442 g011 550
شکل 11. تاثیر βبر f¯دو f¯پ(طرح پیشنهادی در مقابل طرح پیشنهادی بدون محدودیت ظرفیت).
Ijgi 09 00442 g012 550
شکل 12. تاثیر βدر مورد تعداد تخلیه شدگان اختصاص داده شده در هر پناهگاه (طرح پیشنهادی در مقابل طرح پیشنهادی بدون محدودیت ظرفیت).

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید