集合覆盖模型例题_面向城市规划的避难疏散场所选址模型

2023-11-08

8f3dd5893db124423d4c12f8d7cdd283.gif

 城市应急避难场所是指灾害发生后,民众可以集中避难生活,救援工作可以快速开展的场地。国内外学者对避难场所的选址模型已有一定研究,可以将其归为区位选择模型、责任区划分模型和布局优化模型三大类。避难场所的区位选择模型主要为公共设施选址的经典模型及其改进模型,常用的有P-中值模型、最大覆盖模型及其改进模型等。该类模型仅考虑传统区位条件,没有顾及选址场地周围因素的影响和能否较好地覆盖居住区等问题。责任区划分模型主要考虑避难场所的服务范围,要求避难场所在此范围内能够满足一定的避难需求。如李刚等提出以Voronoi理论为基础的责任区划分模型,李久刚等考虑人口容量、疏散距离等约束条件划定避难场所责任区。该类模型自创建以来进展不大,且在实际应用中没有解决路网、水系等对责任区划分的影响,难以精准地以居民地划分区界。避难场所布局优化模型是根据已有规划文本得出区域内所有避难场所备选点,结合具体的需求对其布局进行优化调整,最终得出最优布局的模型。如吴建宏等建立了多目标规划模型,优化城市所需的避难场所个数、选址和服务区域;周亚飞等依据“公平”和“效率”原则建立模型,并利用LINGO进行求解;陈文龙等建立了基于Voronoi图和多目标微粒群的空间选址优化模型,智能搜索设施的空间布局位置。该类模型的研究进展较快,考虑的参数越来越多,复杂度越来越大,然而相应的可以实际应用到规划工作中的高效求解算法却相对较少。

 现有模型基于各自的选址目标,侧重点各有不同,但都具有一些局限性。本文根据城市规划的流程,综合考虑避难疏散场所个数、区位选择、路径服务长度和人口容量等因素,提出面向城市规划的避难场所选址模型,并开发了基于GIS的避难疏散场所选址分析系统。

1 多条件约束选址模型1.1 模型需求

 应急避难场所的规划是在城市总体规划的基础上进行的,其业务流程可分为以下几步:划分综合防灾分区并调查分区内人口分布,分析用地指标与应急避难场所用地资源,分析城市道路情况并组织疏散通道,结合控制性详细规划确定应急避难场所备选点位置,优化调整应急避难场所备选点位置并编写抗震防灾规划。

 与业务流程相对应,避难场所的选址一般都是在保证以下4个原则的基础上进行的,即成本最小化、利益最大化、需求导向完善和环境因素符合条件。成本最小化指使疏散人群花费最少代价到达指定场所,如疏散需求点到避难场所的加权总距离最小;利益最大化指避难场所需要服务尽可能多的人口;需求导向完善指避难场所需要满足一定的需求条件,如在规定时间或规定距离内疏散人群必须能够到达避难场所;环境因素符合条件指避难场所的位置需要根据国家规定选在规定的用地类型上,且场所内的设施条件能够保证避难人群的基本生活。

1.2 模型构建

 针对城市规划的特点和需求,构建多条件约束选址模型,综合已有模型的优势并弥补其不足。避难疏散场所建设首先需要考虑的是成本最小化和利益最大化原则,即模型需要保证每个需求点到与其最近的应急避难场所的距离总和最小且覆盖人口数最大。故模型的主体部分采用区位选址模型,将中值模型和最大覆盖模型的目标函数进行结合。在此基础上,为满足需求导向和环境因素条件,使用责任区划模型添加一系列约束条件;为符合控制性详细规划要求,使用布局优化模型对总规制定的避难疏散场所备选点进行优化调整。

 目标函数为

1054a295d527d23a218c3d1e41cfeefb.png(1)

6a70b407bf85f6ae61b13c65357924bd.png(2)

948ea5e4608bf2ead7c3cf7d7dbcd6b6.png(3)

 约束条件为

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

集合覆盖模型例题_面向城市规划的避难疏散场所选址模型 的相关文章

  • html获取text输入框中的值

    1 在head中引用jquery 2 定义一个text输入框
  • 指针用作函数参数、指针型函数和函数指针

    指针用作函数参数 以前我们学过的函数参数要么是基本数据类型的变量 要么是类的对象 又或者是数组名 前几讲学到的指针同样可以用作函数参数 指针作函数形参时 我们调用此函数将实参值传递给形参后 实参和形参指针变量将指向相同的内存地址 那么在被调
  • Linux主要命令功能

    1 dmesg 主要用来显示内核信息 使用dmesg可以有效诊断机器硬件故障或者添加硬件出现的问题 另外使用dmesg可以确定你的服务器安装了那些硬件 每次系统重启 系统都会检查所有硬件并将信息记录下来 执行 bin dmesg命令可以查看
  • 第十届蓝桥杯真题-灵能传输

    题目 OJ https www lanqiao cn problems 196 learning 考点 前缀和 贪心 思路 题目意思就是希望通过灵能交换后使得不稳定度最小 假设对a i 进行灵能传输 可以发现前缀和s i 1 和s i 进行
  • Java值传递和引用传递详细说明(详细分析)

    1 形参与实参 我们先来重温一组语法 形参 方法被调用时需要传递进来的参数 如 func int a 中的a 它只有在func被调用期间a才有意义 也就是会被分配内存空间 在方法func执行完成后 a就会被销毁释放空间 也就是不存在了 实参
  • FormData同时传输多个文件和其他数据

    近日有个需求是 在web的对话框中 用户可以输入文本内容和上传附件 附件的数量不限 所有附件总和大小不超过20M 这个实现的方法不止一种 比如之前的后端同事是要求 文件和文本分开传输 文件用一个单独接口上次 上传成功后返回一个id 把这个i
  • 【论文翻译】Iterative Geometry Encoding Volume for Stereo Matching and Multi-View Stereo(CVPR 2023)

    一 论文简述 1 第一作者 Gangwei Xu 2 发表年份 2023 3 发表期刊 CVPR 4 关键词 立体匹配 MVS 几何编码体 GRU 3D卷积 5 探索动机 RAFT的全对相关体缺乏非局部几何知识 难以处理病态区域的局部模糊
  • perp系列之五:perp安装

    perp系列之五 perp安装 版本说明 版本 作者 日期 备注 0 1 ZY 2019 5 29 初稿 目录 文章目录 perp系列之五 perp安装 版本说明 目录 概要 描述 激活 升级 例子 概要 vi conf mk make m
  • Vmware虚拟机设置静态IP地址

    一 安装好虚拟后在菜单栏选择编辑 虚拟网络编辑器 打开虚拟网络编辑器对话框 选择Vmnet8 Net网络连接方式 随意设置子网IP 点击NAT设置页面 查看子网掩码和网关 后面修改静态IP会用到 二 检查宿主机VM8 网卡设置 打开网络和共
  • 欧科云链OKLink:2023年6月安全事件盘点

    一 基本信息 2023年6月REKT和RugPull事件约造成约1000万美元损失 相比上月有显著下降 但安全事件发生数量依旧不减 其中被废弃的Atlantis Loans遭受治理攻击 造成的损失超250万美元 对该协议有过授权的用户需及时
  • Faster R-CNN详解

    Faster R CNN代码实现详解参见 faster rcnn源码详解 樱花的浪漫的博客 CSDN博客 faster rcnn源码 Faster rcnn详细注释版源码地址 faster rcnn源码详细注释版 每一步均有详细批注 深度学
  • 目标检测 实践

    文章目录 0 数据标注via 一 添加图片 二 定义标记类型 Attributes 三 标注 四 导出标注文件 1 模型 1 1 数据准备 1 2 模型训练 1 3 模型使用 1 4 改进方向 0 数据标注via via工具的界面如下图所示
  • python3中多项式创建_利用 Python3 ,实现数学科学计算

    SymPy是符号数学的Python库 旨在用一套强大的符号计算体系完成诸如多项式求值 求极限 解方程 求积分 微分方程 级数展开 矩阵运算等等计算问题 虽然Matlab的类似科学计算能力也很强大 但是Python以其语法简单 易上手 异常丰
  • JDBC和数据库连接池

    JDBC 基本介绍 JDBC原理 模拟JDBC public class MysqlJdbcImp implements JdbcInterface Override public Object getConnection System o
  • 解决element ui select下拉框不回显数据问题

    最近在做一个项目 项目的后端是地址 https github com wangyuanjun008 wyj springboot security git 前端地址是 https github com wangyuanjun008 wyj
  • 用通俗易懂的方式讲解:lightGBM 算法及案例(Python 代码)

    文章目录 1 介绍lightGBM之前 1 1 lightGBM演进过程 1 2 AdaBoost算法 1 3 GBDT算法以及优缺点 1 4 启发 2 什么是 lightGBM 3 lightGBM 原理 3 1 基于Histogram
  • 开源中文大语言模型集合【2023-06-19】

    整理开源的中文大语言模型 以规模较小 可私有化部署 训练成本较低的模型为主 包括底座模型 垂直领域微调及应用 数据集与教程等 自ChatGPT为代表的大语言模型 Large Language Model LLM 出现以后 由于其惊人的类通用
  • Java利用Mybatis进行数据权限控制

    权限控制主要分为两块 认证 Authentication 与授权 Authorization 认证之后确认了身份正确 业务系统就会进行授权 现在业界比较流行的模型就是RBAC Role Based Access Control RBAC包含
  • 经典加法器Verilog实现

    简介 加法器是数字系统最基础的计算单元 用来产生两个数的和 加法器是以二进制做运算 负数是用二进制的补码来表示计算的 减法器也是加法器 8bite并行加法器 并行加法器就是利用多个全加器实现两个操作数各位同时相加 并行加法器中全加器的个数与

随机推荐