基于多智能體的城市軌道交通列車延誤仿真模型及應(yīng)用

董　皓　康會(huì)峰　廖　琦　李　璇

(1. 北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司　北京　100037;　2. 北華航天工業(yè)學(xué)院　河北廊坊　065000;3. 寧波大學(xué)海運(yùn)學(xué)院　浙江寧波　315211)

?

基于多智能體的城市軌道交通列車延誤仿真模型及應(yīng)用

董皓1康會(huì)峰2廖琦1李璇3

(1. 北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司北京100037;2. 北華航天工業(yè)學(xué)院河北廊坊065000;3. 寧波大學(xué)海運(yùn)學(xué)院浙江寧波315211)

摘要城市軌道交通列車延誤處置方案制定是軌道交通運(yùn)營(yíng)管理的重要工作，處置方案的合理性是提高處置效率的前提，驗(yàn)證處置方案的合理性也是運(yùn)營(yíng)管理部門亟待解決的問題?；诖耍远嘀悄荏w(以下簡(jiǎn)稱多Agent)理論為基礎(chǔ)，分別構(gòu)建乘客Agent、列車Agent、網(wǎng)絡(luò)Agent及突發(fā)事件Agent的仿真模型；分析列車延誤的多Agent仿真原理；以上海軌道交通2號(hào)線列車延誤為背景，編寫多Agent列車延誤仿真程序，并對(duì)處置方案進(jìn)行仿真分析,該模型已在上海軌道交通人民廣場(chǎng)站大客流處置工作中得到了實(shí)際應(yīng)用。

關(guān)鍵詞城市軌道交通；列車延誤；處置方案；多Agent

軌道交通發(fā)生突發(fā)事件時(shí)(如火災(zāi)、列車故障、信號(hào)故障等)，不可避免地會(huì)造成列車延誤，而列車延誤又會(huì)導(dǎo)致乘客在站臺(tái)迅速聚集，特別是突發(fā)事件發(fā)生在高峰時(shí)段(早、晚高峰)的大型換乘樞紐站，極有可能由于客流過高導(dǎo)致大客流風(fēng)險(xiǎn)，并會(huì)連帶引起人群踩踏、人員傷亡等安全事件[1]。為了避免、抑制此類事件的發(fā)生，軌道交通相關(guān)部門制定了一系列的行車處置措施(如跳站停車、扣車、利用備車等)和客運(yùn)處置措施(如限流、客流引導(dǎo)、信息發(fā)布等)。然而，軌道交通系統(tǒng)具有社會(huì)性和經(jīng)濟(jì)性，若處置方案不合理，會(huì)帶來乘客投訴、經(jīng)濟(jì)損失等負(fù)面效應(yīng)。因此，在處置方案應(yīng)用前，對(duì)其合理性進(jìn)行驗(yàn)證是保障乘客生命安全、提高處置效率的前提和基礎(chǔ)[1]。雖然軌道交通相關(guān)部門會(huì)定期開展相關(guān)演練，但演練畢竟存在一定的狹隘性，演練效果存在質(zhì)疑，且無法還原列車延誤時(shí)的實(shí)際工況?；诖耍P者以智能仿真理論為基礎(chǔ)，建立并利用仿真模型，以計(jì)算機(jī)系統(tǒng)為工具，對(duì)處置方案(重點(diǎn)為行車處置方案)進(jìn)行分析、設(shè)計(jì)和評(píng)估，以確保處置方案的可靠性。

1軌道交通多Agent行為模型

多智能體以下簡(jiǎn)稱多Agent。

1.1模型的非線性因素

軌道交通系統(tǒng)是一個(gè)集乘客、列車、線網(wǎng)(線路、車站)等于一體的復(fù)雜系統(tǒng)[2]，常態(tài)下系統(tǒng)處于一種平衡狀態(tài)，系統(tǒng)中各單位具有交互適應(yīng)性。一旦發(fā)生突發(fā)事件將會(huì)打破原有的平衡模式，造成列車運(yùn)行延誤、客流聚集、網(wǎng)絡(luò)客流分布改變等多種后果，這些因素的相互作用、相互影響表現(xiàn)出了高度的非線性特征，具體表現(xiàn)在以下方面。

1.1.1系統(tǒng)基礎(chǔ)信息

在網(wǎng)絡(luò)化運(yùn)營(yíng)模式下，軌道交通線網(wǎng)信息涉及的要素眾多，其物理網(wǎng)絡(luò)復(fù)雜、列車運(yùn)行信息多變、乘客出行行為不確定，在建模時(shí)不能簡(jiǎn)單地對(duì)其物理網(wǎng)絡(luò)進(jìn)行抽象，還需要確定線網(wǎng)的基礎(chǔ)數(shù)據(jù)、列車的開行計(jì)劃、乘客的有效路徑集、原始OD數(shù)據(jù)等。

1.1.2各要素之間的相互影響

各要素之間具有作用與反作用的特性，乘客是具有主觀能動(dòng)性的智能體，其對(duì)乘坐列車的選擇受列車擁擠程度、排隊(duì)時(shí)間、列車運(yùn)行狀況等多方面的影響；乘客在車站的聚集程度對(duì)列車的開行計(jì)劃具有反作用效應(yīng)。因此，各要素之間的相互作用并非簡(jiǎn)單的線性關(guān)系[3]。此外，客流特性在不同特征日、不同時(shí)段的分布規(guī)律各不相同，因此，建模約束條件多、呈現(xiàn)高維度的非線性特征。

1.1.3突發(fā)事件對(duì)系統(tǒng)的影響

突發(fā)事件發(fā)生后，由于乘客出行行為具有主觀能動(dòng)性，將打亂客流在原有線網(wǎng)上的分布，運(yùn)營(yíng)管理部門將隨突發(fā)事件的演變采取相應(yīng)的調(diào)整措施，而客流在線網(wǎng)上的分布也將隨著突發(fā)事件的演變而動(dòng)態(tài)改變。

1.2多Agent模型建立

1.2.1多Agent概述

Agent是一種具有自主性、社會(huì)性、反應(yīng)性和能動(dòng)性[4-5]，在連續(xù)不斷地感知外界環(huán)境的變化下，自主運(yùn)行和自主交互以滿足其設(shè)計(jì)目標(biāo)的計(jì)算實(shí)體。它是20世紀(jì)70年代由Hewitt建立的以Actor模型為基礎(chǔ)，并隨著網(wǎng)絡(luò)技術(shù)和人工智能技術(shù)發(fā)展而興起的一個(gè)研究領(lǐng)域，其研究重點(diǎn)在于邏輯或物理上分散的智能系統(tǒng)之間如何協(xié)調(diào)各自行為,從而實(shí)現(xiàn)問題的求解。

對(duì)軌道交通系統(tǒng)而言，已超出了單Agent的能力范圍(乘客Agent、列車Agent、網(wǎng)絡(luò)Agent、突發(fā)事件Agent等)，在此引入多Agent系統(tǒng)(multi-agent system，MAS)概念。MAS是指能夠隨外界環(huán)境變化進(jìn)行自我調(diào)整與修正，并能夠通過與其他Agent進(jìn)行交互、通信、協(xié)作、協(xié)同的方式完成復(fù)雜問題求解的分布式智能系統(tǒng)。一般性的MAS模型包括：分布式、集中式和聯(lián)邦式[6]，以TELL、ASK或KQML、KIF形式語言作為通信模式[7]。

1.2.2模型建立

由上述分析可知，軌道交通系統(tǒng)突發(fā)事件仿真是一個(gè)復(fù)雜、高度非線性的問題，應(yīng)用多Agent原理對(duì)其進(jìn)行抽象，系統(tǒng)應(yīng)包括：乘客Agent、網(wǎng)絡(luò)Agent、列車Agent、突發(fā)事件Agent。采用Bratman提出的BDI(beliefdesireintention)模型[8]對(duì)軌道交通突發(fā)事件系統(tǒng)進(jìn)行抽象，可表示為

AgentA::={Aid,P,I,A,R,Dva,Dar,See,Next,Action}

(1)

式中：Aid表示Agent的編號(hào)；P表示Agent對(duì)突發(fā)事件感知后的影響，I表示Agent的內(nèi)部狀態(tài)集合；A表示行為集合，即Agent表示對(duì)突發(fā)事件作出的響應(yīng)集合；R表示行為所造成的結(jié)果集合；Dva為突發(fā)事件感知與行動(dòng)集間的關(guān)系；Dar為行動(dòng)集與結(jié)果集的對(duì)應(yīng)關(guān)系；See,Next,Action用于描述Agent內(nèi)部觀察、思維和決策的過程。各Agent描述如下：

1) 乘客Agent。乘客Agent在軌道交通系統(tǒng)中扮演臨時(shí)主體的角色，可由六元組表示

P={Id,Attr(x,y),A,R,f(x,y),g(A)}

(2)

式中：Id為乘客Agent編號(hào)；Attr為乘客屬性(包括OD信息、進(jìn)站時(shí)間、出站時(shí)間、乘客可行路徑集等)；(x,y)為乘客對(duì)突發(fā)事件的感知度，這里x為延誤時(shí)長(zhǎng)，當(dāng)x為(0min,15min]，乘客選擇繼續(xù)等待后續(xù)列車；當(dāng)x為(15min,30min]，若存在次短路徑(以時(shí)間為衡量標(biāo)準(zhǔn))，乘客選擇次短路徑或其他交通方式[9-10]。y為站臺(tái)擁擠程度(以下稱站臺(tái)飽和度)的感知度，當(dāng)站臺(tái)飽和度大于80%時(shí)，乘客選擇次短路徑或離開系統(tǒng)；f(x,y)為感知與行動(dòng)之間的關(guān)系；A為行動(dòng)集合；R為結(jié)果集合；g(A)表示A與R之間的關(guān)系。突發(fā)事件下乘客的Agent描述如圖1所示。

圖1　突發(fā)事件下軌道交通系統(tǒng)乘客Agent行為描述

2) 列車Agent。列車Agent在軌道交通系統(tǒng)中擔(dān)當(dāng)運(yùn)輸載體角色，同樣可以由六元組表示

train={Id,Attr,x′,A′,R′,f′(x′),g′(A′)}

(3)

式中：Id表示列車Agent編號(hào)；Attr表示列車Agent屬性(包括列車載客量、運(yùn)行速度、開行方案等)；x′為列車對(duì)突發(fā)事件的感知度(以時(shí)間為標(biāo)尺)；A′為列車調(diào)整策略集合，可由f′(x′)(感知與行動(dòng)間的關(guān)系)；R′為列車采取調(diào)整策略后的影響集合(對(duì)本線車站或臨線的客流影響)；g′(A′)為行動(dòng)集合A′與R′的關(guān)系。突發(fā)事件下列車的Agent描述如圖2所示。

圖2　突發(fā)事件下軌道交通系統(tǒng)列車Agent行為描述

3) 網(wǎng)絡(luò)Agent。軌道交通系統(tǒng)網(wǎng)絡(luò)扮演永久性主體的角色，可用二元組NetWork={Id,Attr}表示，其中Id為線網(wǎng)Agent編號(hào)；Attr為屬性，包括網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、車站信息(站臺(tái)、站廳)、線路長(zhǎng)度、網(wǎng)絡(luò)信息等。它不僅是乘客Agent和列車Agent的載入平臺(tái)，而且是突發(fā)事件作用的載體。只有將乘客Agent、列車Agent和突發(fā)事件Agent同時(shí)作用于同一平臺(tái)，才能使其相互影響、相互交互。因此，網(wǎng)絡(luò)Agent是軌道交通突發(fā)事件仿真的基礎(chǔ)。

4) 突發(fā)事件Agent。突發(fā)事件Agent在軌道交通系統(tǒng)中扮演著虛擬主體的角色，可用二元組Event={Id,Attr}表示，其中Id為突發(fā)事件Agent編號(hào)；Attr表示突發(fā)事件屬性(包括事件發(fā)生的時(shí)間、地點(diǎn)、位置、類型、原因、影響等)。在仿真中只有獲取這些參數(shù)的確切信息，系統(tǒng)才能夠?qū)F(xiàn)實(shí)場(chǎng)景得以還原，仿真效果才能為實(shí)際運(yùn)營(yíng)提供決策支持?；诙郃gent的軌道交通延誤仿真模型的核心Agent關(guān)系如圖3所示。

圖3　基于多Agent的軌道交通列車運(yùn)行延誤仿真模型關(guān)系

2多Agent的列車延誤仿真原理

基于多Agent的軌道交通列車延誤仿真過程主要分為3個(gè)階段：仿真初始化、仿真實(shí)施以及仿真結(jié)束。仿真過程如圖4所示，其中初始化主要是指對(duì)模型中涉及的Agent、參數(shù)、變量進(jìn)行初始化設(shè)置；仿真結(jié)束后，保存仿真結(jié)果；仿真運(yùn)行過程是列車運(yùn)行延誤模型的關(guān)鍵，具體過程如下：

圖4　軌道交通列車延誤仿真過程UML順序

在仿真時(shí)鐘推進(jìn)的1個(gè)步長(zhǎng)中，軌道交通線網(wǎng)Agent遍歷網(wǎng)絡(luò)中各線路和車站，并由各車站Agent向列車和乘客發(fā)送消息，要求列車和乘客進(jìn)行更新，進(jìn)而觸發(fā)其他Agent信息更新。

車站Agent向乘客發(fā)送“上下客”信息：乘客從車站獲取相關(guān)列車的狀態(tài)信息，并根據(jù)相關(guān)排隊(duì)規(guī)則和容量限制上下車，上下車結(jié)束后列車更新車內(nèi)乘客信息，車站更新相應(yīng)的客流信息；同時(shí)，車站Agent向車站列車發(fā)送“移動(dòng)”消息，列車詢問站臺(tái)乘客上下車狀態(tài)，乘客上下車結(jié)束后，車站向網(wǎng)絡(luò)發(fā)送“出站”信息，網(wǎng)絡(luò)Agent接到“出站”信息后，向列車發(fā)送“出站”命令，列車向網(wǎng)絡(luò)獲取前車位置信息和運(yùn)行狀態(tài)，列車開始出站。

網(wǎng)絡(luò)Agent向列車發(fā)送“移動(dòng)”消息(移動(dòng)距離及方向)，列車收到消息后，會(huì)向網(wǎng)絡(luò)Agent請(qǐng)求前車位置信息和運(yùn)行狀態(tài)，并開始移動(dòng)，移動(dòng)完成后網(wǎng)絡(luò)Agent更新其列車信息；此過程反復(fù)進(jìn)行，直至列車移動(dòng)至車站，且網(wǎng)絡(luò)Agent向列車發(fā)送“到站”信息，同時(shí)向車站發(fā)送列車“進(jìn)站”信息，列車到站停止移動(dòng)。根據(jù)仿真時(shí)鐘推進(jìn)，重復(fù)上述過程，直至仿真結(jié)束。

突發(fā)事件Agent可通過人為虛擬設(shè)置來模擬事件發(fā)生后的系統(tǒng)狀態(tài)，系統(tǒng)在得到突發(fā)事件信息(線路、車站、延誤時(shí)長(zhǎng)等)后，列車Agent和乘客Agent將根據(jù)延誤信息來選擇調(diào)整策略。

3模型應(yīng)用

多Agent理論所涉及的領(lǐng)域廣泛，其主要應(yīng)用于大型復(fù)雜的系統(tǒng)中，具體包括：工業(yè)、管理、交通、醫(yī)療、電力、網(wǎng)絡(luò)、金融、計(jì)算機(jī)仿真等[11]。本文重點(diǎn)以軌道交通列車延誤為研究對(duì)象，構(gòu)建了多Agent模型，分析了多Agent的列車延誤仿真原理。為了進(jìn)一步驗(yàn)證模型的可靠性和實(shí)用性，以實(shí)際軌道交通列車延誤為背景，基于C#.NET語言平臺(tái)，結(jié)合多Agent理論進(jìn)行程序編寫?；诙郃gent的軌道交通列車延誤仿真分析如下。

3.1案例背景

選取上海軌道交通重點(diǎn)換乘樞紐人民廣場(chǎng)站為背景。人民廣場(chǎng)站是軌道交通1號(hào)線、2號(hào)線和8號(hào)線三線換乘樞紐，換乘大廳共有3層，其中1、8號(hào)線站臺(tái)位于地下2層，2號(hào)線站臺(tái)位于地下3層。1、8號(hào)線換乘2號(hào)線的乘客需經(jīng)過地下1層的三角換乘大廳，換乘大廳可容納2 000人左右，在客流高峰時(shí)段可以起到緩沖客流的作用。通過實(shí)地調(diào)查及對(duì)歷史數(shù)據(jù)分析得知，人民廣場(chǎng)站在工作日高峰時(shí)段，正常情況下的站臺(tái)初始飽和度在60%左右。

根據(jù)相關(guān)客運(yùn)管理規(guī)定，大客流分為3個(gè)等級(jí)，一級(jí)為客流量超出車站設(shè)計(jì)客流量(即站臺(tái)飽和度≥100%)；二級(jí)為客流量達(dá)到車站設(shè)計(jì)的客流量八成(即站臺(tái)飽和度≥80%)，在該工況下極有可能引發(fā)大客流風(fēng)險(xiǎn)，因此，處置方案應(yīng)將站臺(tái)飽和度控制在80%以下；三級(jí)為客流量達(dá)到車站設(shè)計(jì)的六成(即站臺(tái)飽和度≥60%)。車站的客運(yùn)組織應(yīng)根據(jù)3個(gè)等級(jí)的大客流管理預(yù)案內(nèi)容，具體制訂相應(yīng)的客運(yùn)組織方案及行車調(diào)整方案。算例以此為依據(jù)，設(shè)站臺(tái)飽和度的初始值為60%，站臺(tái)飽和度的閾值為80%。以2號(hào)線下行列車延誤為例進(jìn)行分析，事件具體信息如表1所示。

表1　突發(fā)事件基本信息

3.2仿真分析

3.2.1仿真約束

由于2號(hào)線對(duì)人民廣場(chǎng)影響的時(shí)間段為8:28—8:55，且上行最大晚點(diǎn)為3 min，下行最大晚點(diǎn)為9 min，為了便于仿真，設(shè)約束松弛條件[12]為：1)將8:28—8:55時(shí)間內(nèi)的2號(hào)線上行所有列車設(shè)置3 min延誤，對(duì)2號(hào)線下行所有列車設(shè)置9 min延誤；2)仿真時(shí)段為8:00—9:00，預(yù)熱時(shí)間10 min；3)客流為AFC系統(tǒng)提供的原始刷卡OD數(shù)據(jù)；4)乘客路徑采用上海票務(wù)中心提供的清分路徑表；5)列車運(yùn)行時(shí)刻采用工作日列車實(shí)際運(yùn)行數(shù)據(jù)。

3.2.2效果分析

1) 未采取措施。在未采取任何處置措施的情況下，2號(hào)線站臺(tái)的平均客流密度及最大密度如圖5所示(具體密度值參照各圖的密度索引值)。由圖5可知，在無任何應(yīng)急處置措施的情況下，2號(hào)線站臺(tái)在延誤30 min后，站臺(tái)平均密度將達(dá)到3.3人/m2，換算為站臺(tái)飽和度約為165%。

圖5　無任何應(yīng)急措施下2號(hào)線站臺(tái)客流密度仿真示意

2) 采取措施。在采取行車組織方案后(跳站停車)，1號(hào)線上行跳停3次、1號(hào)線下行跳停3次、8號(hào)線上行跳停1次。得到2號(hào)線站臺(tái)平均客流密度和最大客流密度如圖6所示。由圖6可知，在采取行車調(diào)整方案后，2號(hào)線站臺(tái)平均客流密度約為1.6人/m2，換算為站臺(tái)飽和度約為80%。依據(jù)《大客流管理專項(xiàng)方案》，啟動(dòng)相應(yīng)的3級(jí)大客流客運(yùn)組織方案。因此，在該延誤工況下，為了避免大客流引發(fā)危害的發(fā)生，可采用該處置方案，即1號(hào)線上行跳停3次、1號(hào)線下行跳停3次、8號(hào)線上行跳停1次。應(yīng)用該模型，可有效抑制站臺(tái)大客流的聚集，避免由于擁擠引發(fā)的乘客生命財(cái)產(chǎn)損失。

圖6　采取行車調(diào)整方案后2號(hào)線站臺(tái)客流密度仿真示意

4結(jié)語

軌道交通突發(fā)事件的共性問題為列車延誤，而列車延誤處置方案的合理性分析成為了目前運(yùn)營(yíng)管理部門的重難點(diǎn)之一。通過對(duì)多Agent理論進(jìn)行研究，建立了乘客Agent、列車Agent、網(wǎng)絡(luò)Agent及突發(fā)事件Agent仿真模型，并對(duì)列車延誤的多Agent仿真原理進(jìn)行了分析；為了進(jìn)一步驗(yàn)證仿真模型的可靠性，編寫了多Agent列車延誤仿真程序，并以上海軌道交通2號(hào)線為背景，對(duì)仿真模型進(jìn)行了實(shí)例分析；同時(shí)，該模型已在上海軌道交通人民廣場(chǎng)站大客流處置工作中得到了實(shí)際應(yīng)用。

參考文獻(xiàn)

[1] 苗沁.城市突發(fā)大客流的軌道交通解決方案[J].都市快軌交通,2015，28(4)：62-64.

[2] 蔣萬軍，白雪梅.大型綜合交通樞紐流線組織設(shè)計(jì)[J].都市快軌交通,2014，27(4)：12-16.

[3] 李鋒.城市軌道交通網(wǎng)絡(luò)列車運(yùn)行延誤及其影響的演變機(jī)理研究[D].上海: 同濟(jì)大學(xué), 2012.

[4] WOOLDRIDGE M, JENNINGS N R.Intelligent agents: theory and practice[J].The Knowledge Engineering Review, 1995, 10(2):115-152.[5] HEWITT C.Viewing control structures as patterns of passing messages[J].Artificial Intelligence, 1977, 8(3): 323-364.

[6] JENNINGS N R, SYCARA K, WOOLDRIDGE M.A roadmap of agent research and development[J].Autonomous Agents and Multi-agent Systems, 1998, 1(1):7-38.

[7] 蔡自興.人工智能及其應(yīng)用[M].北京：清華大學(xué)出版社, 1996.

[8] BRATMAN M E, ISRAEL D J, POLLACK M E.Plans and resource-bounded practical reasoning[J].Computational Intelligence,1988, 4(3):349-355.

[9] AIEX L.Methods to Estimate Railway Capacity and Passenger Delays [D].Denmark: Technical University of Denmark, 2008:90-95.

[10] 洪玲, 高佳, 徐瑞華.城市軌道交通網(wǎng)絡(luò)突發(fā)事件影響客流量的計(jì)算[J].同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版),2011, 39(10):1485-1489.

[11] 董皓.城市軌道交通網(wǎng)絡(luò)應(yīng)急處置動(dòng)態(tài)優(yōu)化理論方法研究[D].上海：同濟(jì)大學(xué), 2014.

[12] 李義華.基于多智能體的物流配送車輛調(diào)度決策方法研究[D].長(zhǎng)沙：中南大學(xué)，2012.

(編輯：郝京紅)

The Model and Application of Train Delay on the Basis of Multi-Agent for Urban Rail Transit

Dong Hao1Kang Huifeng2Liao Qi1Li Xuan3

(1. Beijing Urban Construction Design & Development Group Co., Ltd., Beijing 100037;2. North China Institute of Aerospace Engineering, Langfang, Hebei 065000；3. Faculty of Maritime and Transportation,Ningbo University,Ningbo,Zhejiang 315211)

Abstract:Disposal scheme is an important work for URT operation management, and the rationality of the disposal scheme is the precondition to improve the efficiency of disposal. The rationality of scheme is also an urgent problem for operation management department. Accordingly, based on multi-agent theory, simulation models of passenger agent, train agent, network agent and emergency agent are established respectively. Train delay simulation theory of multi-agent is analyzed. The Line 2 of Shanghai URT train delay is taken as a case study, a multi-agent train delay simulation program is developed, and the disposal scheme is analyzed. The simulation model can evaluate and analyze delay disposal scheme. The model has been applied in People's Square Station, a large passenger flow station of Shanghai rail transit.

Key words:urban rail transit; train delay; disposal scheme; multi-agent

doi:10.3969/j.issn.1672-6073.2016.03.011

收稿日期:2015-07-06修回日期: 2015-07-13

作者簡(jiǎn)介:董皓，男，工程師，工學(xué)博士，從事地鐵運(yùn)營(yíng)管理方面的研究，10donghao@#edu.cn

基金項(xiàng)目:中國(guó)博士后科學(xué)基金資助項(xiàng)目(2014M5 51454)；國(guó)家自然科學(xué)基金資助項(xiàng)目(71271153)；浙江省自然科學(xué)基金(LQ13G010010)

中圖分類號(hào)U293

文獻(xiàn)標(biāo)志碼A

文章編號(hào)1672-6073(2016)03-0042-05