基于風(fēng)險(xiǎn)價(jià)值的危險(xiǎn)品運(yùn)輸路徑優(yōu)化方法*

魏福祿 劉 攀 李志斌 孫 鋒 郭永青 趙利英

（1.東南大學(xué)交通學(xué)院 南京210096；2.山東理工大學(xué)交通與車(chē)輛工程學(xué)院 山東淄博255000；3.西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院 西安710048；

0 引 言

改革開(kāi)放以來(lái)，我國(guó)經(jīng)濟(jì)的大幅增長(zhǎng)帶動(dòng)了危險(xiǎn)品產(chǎn)業(yè)的蓬勃發(fā)展。為了促進(jìn)新興經(jīng)濟(jì)的快速增長(zhǎng)，中國(guó)在努力發(fā)展基礎(chǔ)設(shè)施的同時(shí)，也加強(qiáng)了對(duì)傳統(tǒng)產(chǎn)業(yè)潛力的挖掘。傳統(tǒng)工業(yè)包括石油、化工、能源等各種各樣危險(xiǎn)品都在挖潛之列。

依據(jù)我國(guó)《安全生產(chǎn)法》將有害物質(zhì)定義為能夠在運(yùn)輸貿(mào)易中帶來(lái)健康、安全、或財(cái)產(chǎn)風(fēng)險(xiǎn)的物質(zhì)[1]。據(jù)統(tǒng)計(jì)，危險(xiǎn)貨物在市場(chǎng)上交易量每五年翻一倍[2]。80%的危險(xiǎn)品是通過(guò)道路運(yùn)輸，與普通物品運(yùn)輸不盡相同，危險(xiǎn)品運(yùn)輸事故是小概率大影響事件。危險(xiǎn)品運(yùn)輸事故會(huì)造成嚴(yán)重的經(jīng)濟(jì)財(cái)產(chǎn)損失和人員傷亡，社會(huì)影響惡劣，這使危險(xiǎn)品運(yùn)輸環(huán)節(jié)產(chǎn)生較大壓力，路徑優(yōu)化成為保障安全減少損失的關(guān)鍵問(wèn)題。

長(zhǎng)期以來(lái)，危險(xiǎn)品事故在世界各國(guó)不斷發(fā)生，尤其是在危險(xiǎn)品運(yùn)輸過(guò)程中屢見(jiàn)不鮮，極易造成人身傷亡且伴隨有巨大的經(jīng)濟(jì)損失，同時(shí)對(duì)環(huán)境污染也造成了嚴(yán)重影響。如何降低此類(lèi)事故風(fēng)險(xiǎn)成為人們的研究方向，其中危險(xiǎn)品運(yùn)輸?shù)穆窂揭?guī)劃問(wèn)題逐漸成為人們關(guān)注的焦點(diǎn)、熱點(diǎn)問(wèn)題。

危險(xiǎn)品運(yùn)輸風(fēng)險(xiǎn)評(píng)估在增強(qiáng)運(yùn)輸網(wǎng)絡(luò)安全和規(guī)避事故危險(xiǎn)等方面起著重要的作用。與普通物品運(yùn)輸?shù)穆窂揭?guī)劃問(wèn)題不同，危險(xiǎn)品的路徑規(guī)劃問(wèn)題更多地傾向于如何降低運(yùn)輸過(guò)程的綜合風(fēng)險(xiǎn)。針對(duì)這個(gè)問(wèn)題，國(guó)內(nèi)外專(zhuān)家學(xué)者進(jìn)行了大量的研究。

國(guó)外的研究主要集中在人工智能與啟發(fā)式算法的應(yīng)用上。如Ichoua等[3]提出了時(shí)變速度模型，使用并行禁忌搜索算法來(lái)計(jì)算車(chē)輛調(diào)度問(wèn)題。Ruiz 等[4]運(yùn)用兩階段法來(lái)解決車(chē)輛調(diào)度模型。Haghani 等[5]將分枝定界法與遺傳算法結(jié)合，用以求解動(dòng)態(tài)車(chē)輛調(diào)度模型。Bula 等[6]采用多啟動(dòng)變量鄰域搜索算法求解危險(xiǎn)品異構(gòu)車(chē)隊(duì)車(chē)輛路徑優(yōu)化問(wèn)題。Chai 等[7]針對(duì)路徑優(yōu)化設(shè)計(jì)兩階段多目標(biāo)優(yōu)化算法，在第一階段，利用脈沖算法獲取從配送中心到各目的地的帕羅托路徑。在第二階段，設(shè)計(jì)基于非支配排序遺傳算法II（NSGA-II）的多目標(biāo)優(yōu)化方法確定候選路徑。Zografos 等[8]提出啟發(fā)式算法求解雙目標(biāo)車(chē)輛路徑優(yōu)化與調(diào)度模型。Parvaresh等[9]提出基于模擬退火算法和禁忌搜索算法的多目標(biāo)原啟發(fā)式算法。Pamu?ar 等[10]提出結(jié)合自適應(yīng)神經(jīng)網(wǎng)絡(luò)、ABC算法和Dijkstra 算法解決城市危險(xiǎn)品路徑選擇優(yōu)化問(wèn)題。Liu 等[11]使用多項(xiàng)式算法對(duì)此類(lèi)問(wèn)題進(jìn)行求解，Garcia等[12]結(jié)合啟發(fā)式策略搜索該類(lèi)問(wèn)題的近似最優(yōu)解。

與此同時(shí)，國(guó)內(nèi)專(zhuān)家學(xué)者指出在對(duì)危險(xiǎn)品運(yùn)輸路徑進(jìn)行優(yōu)化設(shè)計(jì)時(shí)，不僅要考慮運(yùn)輸速度和成本，更需考慮安全性問(wèn)題。劉冬華等[13]指出在規(guī)劃危險(xiǎn)品運(yùn)輸路徑時(shí)還需將環(huán)境風(fēng)險(xiǎn)、經(jīng)濟(jì)損失考慮在內(nèi)；Fan 等[14]響應(yīng)政府使用“路段限行”用于約束運(yùn)輸商路徑選擇的政策，研究了如何將規(guī)劃路段封閉以降低危險(xiǎn)品運(yùn)輸網(wǎng)絡(luò)中的危險(xiǎn)；進(jìn)一步，Bianco等[15]考慮了影響危險(xiǎn)品運(yùn)輸?shù)穆范钨M(fèi)用和風(fēng)險(xiǎn)2 個(gè)因素，力求在運(yùn)輸費(fèi)用達(dá)到納什均衡的同時(shí)，運(yùn)輸風(fēng)險(xiǎn)也達(dá)到最小化；另一方面，政府也提出了使用“路段收費(fèi)”對(duì)路徑選擇進(jìn)行約束的政策，Esfandeh等[16]設(shè)計(jì)了常規(guī)車(chē)輛和危險(xiǎn)品運(yùn)輸車(chē)輛的不同收費(fèi)標(biāo)準(zhǔn)用以?xún)?yōu)化運(yùn)輸網(wǎng)絡(luò)。Kang 等[17]針對(duì)不同類(lèi)型的危險(xiǎn)品，從區(qū)域風(fēng)險(xiǎn)公平約束的角度，提出采用VaR 模型優(yōu)化運(yùn)輸路徑的方法，Garrido 等[18]不僅考慮不同類(lèi)型危險(xiǎn)品的風(fēng)險(xiǎn)差異性，還針對(duì)風(fēng)險(xiǎn)分布公平性結(jié)合社會(huì)風(fēng)險(xiǎn)承受能力進(jìn)行路徑優(yōu)化[18]，為了確保運(yùn)輸風(fēng)險(xiǎn)分布的公平性，設(shè)置各路段危險(xiǎn)品運(yùn)輸量限制，并將基尼系數(shù)和方差系數(shù)作為風(fēng)險(xiǎn)分布公平性的衡量指標(biāo)[19]。相對(duì)危險(xiǎn)暴露量方法則是通過(guò)計(jì)算駕駛?cè)讼鄬?duì)風(fēng)險(xiǎn)值，對(duì)事故風(fēng)險(xiǎn)進(jìn)行識(shí)別和研判[20]。

目前，我國(guó)關(guān)于危險(xiǎn)品運(yùn)輸路徑優(yōu)化的研究多集中在通過(guò)構(gòu)建優(yōu)化模型并進(jìn)行算法求解上，在對(duì)危險(xiǎn)品運(yùn)輸路徑風(fēng)險(xiǎn)評(píng)價(jià)系統(tǒng)理論的研究方面尚不充分。因此，深入研究危險(xiǎn)品運(yùn)輸路徑優(yōu)化的系統(tǒng)理論或?qū)⑵渌I(lǐng)域的優(yōu)質(zhì)模型算法引入危險(xiǎn)品運(yùn)輸路徑優(yōu)化設(shè)計(jì)方面，便非常迫切而有價(jià)值。本文提出了基于風(fēng)險(xiǎn)價(jià)值模型的危險(xiǎn)品運(yùn)輸路徑優(yōu)化設(shè)計(jì)方法，能夠?yàn)槲ｋU(xiǎn)品運(yùn)輸制定規(guī)避風(fēng)險(xiǎn)的路線(xiàn)提供支持，可以最大限度地降低事故風(fēng)險(xiǎn)，提高危險(xiǎn)品運(yùn)輸?shù)陌踩院涂尚行?，?duì)保障人民安全，保護(hù)生態(tài)環(huán)境，促進(jìn)國(guó)家發(fā)展具有重要意義。

1 危險(xiǎn)值計(jì)算方法

1.1 危險(xiǎn)值計(jì)算模型

對(duì)危險(xiǎn)品運(yùn)輸進(jìn)行路徑規(guī)劃，首先要解決的問(wèn)題便是如何衡量在運(yùn)輸過(guò)程中發(fā)生的危險(xiǎn)值（R）。計(jì)算危險(xiǎn)值典型的模型有：TR模型、人口暴露模型、事故概率模型、感知危險(xiǎn)模型、最大化危險(xiǎn)模型、平均變量模型、效應(yīng)模型和條件概率模型等[21-22]。TR模型的特點(diǎn)是，在運(yùn)輸路徑計(jì)算時(shí)一旦判斷有危險(xiǎn)即終止該路徑，繼續(xù)搜索其他路徑，可最小化事故發(fā)生概率。相比于人口暴露模型、事故概率模型對(duì)極端情況的過(guò)分重視，以及感知危險(xiǎn)模型、最大化危險(xiǎn)模型等計(jì)算復(fù)雜度高的特點(diǎn)，TR模型構(gòu)造簡(jiǎn)單且包含主要影響因素，有著較強(qiáng)的魯棒性和實(shí)用性，故以TR模型為基礎(chǔ)構(gòu)建風(fēng)險(xiǎn)價(jià)值計(jì)算模型。

假設(shè)危險(xiǎn)品運(yùn)輸可選路徑的集合為G( )N，A ，結(jié)點(diǎn)N 和弧A 共同組成了該路徑集G ，G 中各弧段表示為( i，j )∈A，pij為可選路徑發(fā)生危險(xiǎn)事故的概率，cij為事故產(chǎn)生的后果。采用用影響估計(jì)值來(lái)計(jì)算cij，考慮人口密度對(duì)事故風(fēng)險(xiǎn)的影響，將其作為影響估計(jì)值，采用路徑人口半徑估計(jì)事故發(fā)生概率及后果[22]。對(duì)于任一節(jié)點(diǎn)k ，k ∈N ，假設(shè)受影響的區(qū)域半徑為λ，見(jiàn)圖1。

圖1 事故影響范圍Fig.1 Impact scope of traffic accident

式中：ρij為沿弧長(zhǎng)（i，j）的人口平均密度，人/m2；π 為圓周率；length of arc（i，j）表示為?。╥，j）的物理長(zhǎng)度，m。

1.2 風(fēng)險(xiǎn)價(jià)值模型

風(fēng)險(xiǎn)價(jià)值（Value-at-Risk，VaR），是一種金融領(lǐng)域經(jīng)典的風(fēng)險(xiǎn)測(cè)量方法，被廣泛應(yīng)用于風(fēng)險(xiǎn)管理、危險(xiǎn)估計(jì)和金融控制等領(lǐng)域，在交通運(yùn)輸領(lǐng)域應(yīng)用尚少。該理論方法最初被用來(lái)測(cè)量多元化投資組合的金融風(fēng)險(xiǎn)，也就是說(shuō)，VaR值表示1個(gè)企業(yè)可能遭遇的最大合理?yè)p失。

危險(xiǎn)品運(yùn)輸路徑規(guī)劃與金融資本的多元化投資組的過(guò)程和目標(biāo)有著異曲同工之處，可將風(fēng)險(xiǎn)價(jià)值模型進(jìn)行發(fā)展，引入危險(xiǎn)品運(yùn)輸路徑規(guī)劃領(lǐng)域。將1條路徑的起點(diǎn)與終點(diǎn)之間的組合視為金融投資的組合，將可能遭遇到的損失最小化的組合方案視為危險(xiǎn)品運(yùn)輸路徑風(fēng)險(xiǎn)值最小的最佳路徑。

對(duì)于危險(xiǎn)品運(yùn)輸網(wǎng)絡(luò)G( N，A) ，在已知某確定的置信水平下，風(fēng)險(xiǎn)價(jià)值（VaR）的定義為：當(dāng)某條路徑l 的風(fēng)險(xiǎn)值Rl超過(guò)風(fēng)險(xiǎn)臨界值β 的概率不大于(1 -α )時(shí)的最小β 值，置信水平α 下路徑l 的風(fēng)險(xiǎn)價(jià)值（）表達(dá)式見(jiàn)式（2）。

式中：α 為預(yù)設(shè)值，代表決策者可接受的置信水平。

對(duì)于危險(xiǎn)品運(yùn)輸可選路徑的整個(gè)網(wǎng)絡(luò)而言，VaR值為可選路徑集合中的最小值，即

2 危險(xiǎn)品運(yùn)輸風(fēng)險(xiǎn)價(jià)值問(wèn)題的建模

2.1 危險(xiǎn)品運(yùn)輸可選路徑集的劃定

在危險(xiǎn)品運(yùn)輸網(wǎng)絡(luò)中，使用風(fēng)險(xiǎn)價(jià)值模型的前提是得到一系列的可選路徑集，對(duì)于路徑的常用求解算法很多，筆者考慮危險(xiǎn)品運(yùn)輸風(fēng)險(xiǎn)與暴露時(shí)間、路徑長(zhǎng)短的關(guān)系特征，采用最短路徑算法并對(duì)其進(jìn)行適當(dāng)改進(jìn)，實(shí)現(xiàn)對(duì)危險(xiǎn)品運(yùn)輸網(wǎng)絡(luò)中的最短路徑集的求解與劃定。

K 最短路徑（K Shortest Paths，KSP）算法是路徑搜索算法的一種典型算法，其實(shí)質(zhì)是對(duì)Dijkstra算法的改進(jìn)和升級(jí)，通過(guò)提前設(shè)定k 值，在Dijkstra 算法的基礎(chǔ)上執(zhí)行二次遍歷，從而搜索出路網(wǎng)中2 點(diǎn)間k 條最短路徑，建立最短路徑集。

然而，由于危險(xiǎn)品在運(yùn)輸途中發(fā)生事故的概率受到危險(xiǎn)品自身屬性、相應(yīng)運(yùn)輸規(guī)則、事故發(fā)生概率以及路徑長(zhǎng)度等多因素影響，具有一定的隨機(jī)性和不確定性，基于KSP算法的路徑規(guī)劃并不能完全滿(mǎn)足最佳路徑的需求，在對(duì)危險(xiǎn)品運(yùn)輸路徑優(yōu)化進(jìn)行設(shè)計(jì)時(shí)需要為其設(shè)定必要的限制條件，從而建立科學(xué)的可選路徑集，從而確定最優(yōu)路徑，危險(xiǎn)品運(yùn)輸路徑優(yōu)化流程，見(jiàn)圖2。

圖2 危險(xiǎn)品運(yùn)輸路徑優(yōu)化流程Fig.2 Optimization process of hazmat transportation route

2.2 危險(xiǎn)品運(yùn)輸網(wǎng)絡(luò)風(fēng)險(xiǎn)價(jià)值模型的建立

以危險(xiǎn)品運(yùn)輸路徑集組成的網(wǎng)絡(luò)為研究對(duì)象，假設(shè)每一條可選路徑l ，其組成弧的有序集表示為其中，(ik，jk)是此路徑第k 段弧。 M 表示所有可選路徑l 的集合，給定一個(gè)置信水平α ∈( 0，1) ，l ∈M 。

假定當(dāng)事故發(fā)生在路徑上的任何路段時(shí)，危險(xiǎn)品運(yùn)輸將會(huì)終止。值得注意的是，危險(xiǎn)品運(yùn)輸事故發(fā)生概率（pij）的可能性極小，通常在10-8到10-6次/（輛·公里·年）的范圍內(nèi)。

將每1 條路中各段弧對(duì)風(fēng)險(xiǎn)價(jià)值的影響值，按著升序進(jìn)行排列，用表示弧集{cij:( i，j )∈Al} 中第k 個(gè)最小值，根據(jù)式（1）的定義，可得風(fēng)險(xiǎn)度量期望值Rl，見(jiàn)式（4）。

式中：ml為集合Al的基數(shù)，即ml= | Al|。如上所述，Rl的累積分布函數(shù)可進(jìn)一步推導(dǎo)，得到式（5）。

式中：FRl( β )表示路徑Rl的危險(xiǎn)累積分布函數(shù)，Pr表示概率，可簡(jiǎn)寫(xiě)為p，其中可將用表示，使用上式累積分布函數(shù)和，可推導(dǎo)得到式（6）。

VaR 模型在置信區(qū)間內(nèi)，將事故發(fā)生的隨機(jī)性加以考慮，更切合危險(xiǎn)品運(yùn)輸實(shí)際情況，對(duì)于足夠大的置信區(qū)間，發(fā)生事故概率的危險(xiǎn)值大于VaR 值的概率便會(huì)極小。將對(duì)應(yīng)的VaR 值作為風(fēng)險(xiǎn)最大閾值，其值越小，意味著該條危險(xiǎn)品運(yùn)輸路徑危險(xiǎn)越低。

3 實(shí)例驗(yàn)證與討論

為驗(yàn)證基于風(fēng)險(xiǎn)價(jià)值的危險(xiǎn)品運(yùn)輸路徑優(yōu)化設(shè)計(jì)模型的有效性，以吉林省長(zhǎng)春市為例，選取長(zhǎng)春市加油站作為研究節(jié)點(diǎn)，利用風(fēng)險(xiǎn)價(jià)值模型對(duì)汽油的運(yùn)輸路徑進(jìn)行設(shè)計(jì)與選擇。圖3為長(zhǎng)春市加油站的分布狀況。汽油因其具有易燃、易爆、易蒸發(fā)、易擴(kuò)散等屬性，在運(yùn)輸途中具有較大危險(xiǎn)，不僅應(yīng)做好防靜電、雨淋、明火、高溫等預(yù)防性措施，還要對(duì)運(yùn)輸路徑進(jìn)行優(yōu)化和篩選。既要保障城市不同區(qū)域的各加油站汽油運(yùn)輸供給，又要綜合考慮各方因素充分降低運(yùn)輸危險(xiǎn)。

圖3 長(zhǎng)春市加油站的分布狀況Fig.3 Distribution of gas stations in Changchun

長(zhǎng)春市加油站運(yùn)輸線(xiàn)路網(wǎng)絡(luò)可選路徑，見(jiàn)圖4。將節(jié)點(diǎn)A定義為起點(diǎn)，節(jié)點(diǎn)B定義為終點(diǎn)，該運(yùn)輸網(wǎng)絡(luò)由43個(gè)節(jié)點(diǎn)和126個(gè)鏈路組成。圖4中每2個(gè)節(jié)點(diǎn)間的線(xiàn)路長(zhǎng)度不代表真實(shí)的路徑長(zhǎng)度，其真實(shí)路徑長(zhǎng)度數(shù)據(jù)可通過(guò)百度地圖等軟件具體獲取。

以減少危險(xiǎn)品暴露時(shí)間、節(jié)省運(yùn)輸成本為基本導(dǎo)向，采用加限制條件的KSP 最短路算法，求解從起始點(diǎn)A 到終點(diǎn)B 的7 組最短路徑集，即建立最短路的集合，見(jiàn)表1。表中第2列對(duì)應(yīng)路徑的節(jié)點(diǎn)，第3列表示每條路徑對(duì)應(yīng)的實(shí)際長(zhǎng)度。

圖4 長(zhǎng)春市加油站運(yùn)輸路線(xiàn)圖Fig.4 Transportation route of Changchun Gas Station

表1 長(zhǎng)春市加油站汽油運(yùn)輸路徑規(guī)劃方案Tab.1 The plan of gasoline transportation route in Changchun Gas Station

運(yùn)用式（1）計(jì)算每段弧發(fā)生危險(xiǎn)事故的概率，每段路徑發(fā)生危險(xiǎn)事故的概率通過(guò)路徑長(zhǎng)度計(jì)算，每條路段的事故后果根據(jù)人口密度和人口半徑計(jì)算，事故概率和事故后果隨機(jī)產(chǎn)生，選取路徑l1，根據(jù)式（4），得到l1的事故風(fēng)險(xiǎn)值，見(jiàn)式（7）。

根據(jù)式（5），得到路徑l1的累積分布函數(shù)見(jiàn)式（8），事故風(fēng)險(xiǎn)值的累計(jì)分布曲線(xiàn)圖，見(jiàn)圖5。

圖5 事故風(fēng)險(xiǎn)值l1 的累積分布曲線(xiàn)Fig.5 Cumulative distribution curve of VaR of route l1

不同臨界風(fēng)險(xiǎn)值下發(fā)生危險(xiǎn)的概率亦不相同，給定α 值可以計(jì)算相應(yīng)VaR 值。例如：當(dāng)α 取0.9920時(shí)，可得式（9）。

根據(jù)上述的累積分布函數(shù)，得到對(duì)應(yīng)的VaR 值為1.3302。

同一條路徑不同置信水平下，各路徑的VaR 值不同，選取路徑l1，可得到不同置信水平下的風(fēng)險(xiǎn)價(jià)值。當(dāng)置信水平為99%時(shí)，各條路徑的VaR值，見(jiàn)表2。不同置信水平下各路徑的VaR值不同，所選擇的最佳路徑也不同，見(jiàn)表3。

表2 99%置信水平下各路徑VaR 值Tab.2 VaR value of each route under 99%confidence level

表3 不同置信水平下最佳路線(xiàn)的VaR 值Tab.3 VaR value of the best route under different confidence levels

各條路徑在不同置信水平下的VaR 值，見(jiàn)圖6。由表3和圖6可知，隨著置信水平的提高，對(duì)應(yīng)的VaR值也在提高，在不同的置信水平下，選取的最佳路徑也會(huì)有所不同。例如：當(dāng)置信水平在[0，0.9855]時(shí)，最佳的路徑為路徑1，而當(dāng)置信水平在[0.9950，1.0000]時(shí)，最佳的路徑則為路徑6，此時(shí)不僅保證了路徑最短，同時(shí)也保證了在可接受水平內(nèi)的危險(xiǎn)最小，為決策者提供了靈活的選擇方案。

圖6 各路徑在不同置信水平下的VaR值Fig.6 VaR value of each route under different confidence levels

使用最短路徑模型對(duì)本文的案例進(jìn)行分析得到最短路徑——路徑1，根據(jù)式（1）可得事故發(fā)生的概率為0.0135，使用傳統(tǒng)危險(xiǎn)模型，得到相應(yīng)的危險(xiǎn)值為5.746。與不同置信水平下的危險(xiǎn)不同，最短路徑模型下的危險(xiǎn)一旦發(fā)生，危險(xiǎn)值為必然發(fā)生的最差情形。為了證明VaR模型在危險(xiǎn)品運(yùn)輸方面具有降低危險(xiǎn)的作用，特引入1 個(gè)參數(shù)——降低率，見(jiàn)式（10）。

不同置信水平的危險(xiǎn)降低率見(jiàn)表4，由表可知，置信水平越高，危險(xiǎn)的降低率越低，可能發(fā)生的危險(xiǎn)值越接近確定性情景。在置信水平接近1 的時(shí)候，選取的路徑為路徑6，發(fā)現(xiàn)危險(xiǎn)的降低率為15.19%，這從實(shí)際角度說(shuō)明了本文提出的將VaR模型應(yīng)用于危險(xiǎn)品運(yùn)輸具有降低危險(xiǎn)的作用。

通過(guò)實(shí)例驗(yàn)證可見(jiàn)，基于風(fēng)險(xiǎn)價(jià)值的危險(xiǎn)品路徑優(yōu)化設(shè)計(jì)算法，能夠?yàn)殚L(zhǎng)春市各加油站汽油運(yùn)輸線(xiàn)路優(yōu)化提供不同置信水平下最佳路線(xiàn)。在可接受的危險(xiǎn)值內(nèi)，能夠綜合考慮線(xiàn)路距離、人口密度、人口半徑等關(guān)鍵因素及約束，估計(jì)事故發(fā)生概率，評(píng)估事故發(fā)生后果及其影響，為決策者提供符合實(shí)際應(yīng)用場(chǎng)景的路徑規(guī)劃選擇方案。在相同危險(xiǎn)值下，路徑選擇當(dāng)本著途徑人口密度小的區(qū)域?yàn)樵瓌t，以規(guī)避當(dāng)事故發(fā)生時(shí)可能對(duì)沿途居民造成的惡劣后果。

表4 VAR 模型與傳統(tǒng)最短路徑模型的對(duì)比Tab.4 Comparison between VAR model and traditional shortest path model

針對(duì)危險(xiǎn)品道路運(yùn)輸?shù)牟淮_定性、隨機(jī)性及相應(yīng)運(yùn)輸規(guī)則，系統(tǒng)分析節(jié)點(diǎn)、路網(wǎng)等特性差異，并為其構(gòu)建風(fēng)險(xiǎn)價(jià)值模型，計(jì)算不同置信水平下的VaR值，是對(duì)危險(xiǎn)品運(yùn)輸路線(xiàn)優(yōu)化的量化分析，能直觀(guān)體現(xiàn)不同路徑的差異，可為未來(lái)“互聯(lián)網(wǎng)+云計(jì)算”背景下，實(shí)現(xiàn)危險(xiǎn)品運(yùn)輸智能化決策和危險(xiǎn)控制平臺(tái)提供基礎(chǔ)性算法實(shí)踐。

4 結(jié)束語(yǔ)

本文主要針對(duì)將危險(xiǎn)價(jià)值模型應(yīng)用于危險(xiǎn)品運(yùn)輸路徑優(yōu)化領(lǐng)域進(jìn)行了研究?？紤]到危險(xiǎn)品運(yùn)輸事故隨機(jī)且影響不可控的特點(diǎn)，基于TR模型，以長(zhǎng)春加油站為例對(duì)路徑優(yōu)化方法進(jìn)行了實(shí)例驗(yàn)證，分別針對(duì)確定性環(huán)境下的危險(xiǎn)值與不同置信水平下的危險(xiǎn)值進(jìn)行了對(duì)比，發(fā)現(xiàn)VaR 模型不僅能提供不同危險(xiǎn)接受水平下的最佳路徑，為決策者提供靈活的解決方案，同時(shí)還具有降低危險(xiǎn)的作用。在未來(lái)的研究中，可探索事故后果和概率的不確定性，在數(shù)據(jù)不足的情況下，探索魯棒性較強(qiáng)的運(yùn)輸路徑。