CN113361997A - 一种基于风险最小化的危险废物运输路径实时规划的方法 - Google Patents

Abstract

本申请实施例提供了一种基于风险最小化的危险废物运输路径实时规划的方法，将风险因素纳入最优路径规划过程中，综合考虑危险废物车辆、道路参数和环境参数、交通信息和驾驶行为，构建运输风险评估函数模型，对危险废物运输的风险进行精细化评估，使规划的路径更全面、更客观。

Description

一种基于风险最小化的危险废物运输路径实时规划的方法

技术领域

本申请涉及危险废物运输领域，特别涉及一种基于风险最小化的危险废物运输路径实时规划的方法。

背景技术

危险废物具有易燃、易爆、有强烈腐蚀性、有毒、感染性和放射性等，因此其容易造成突发或累积的环境风险，防范危险废物的环境风险是危险废物管理的重要目标之一。从危险废物全流程管理的角度考虑，危险废物的运输造成了风险源的移动，运输过程中的安全事故可能引起危险物质泄漏和爆炸等，在附近及其影响范围或扩散范围中造成人员伤亡、财产损失以及大气、水环境和土壤污染，且风险受体会由于运输路径的不同而产生差异，运输路径规划不合理可能造成风险概率以及风险受体敏感性的增加。

由于产废单位的生产性质、地点以及产生的危险废物种类繁多，分布密度低，从产废单位到处置单位的路线多样，距离较长，且途径区域众多，危险废物车辆的运输路径具有随意性和模糊性等特点，导致了风险运输环节风险不确定较高。

现有技术中，危险废物运输最优路径规划方法存在以下不足：1，路径规划的安全性不足，大多方法基于时间、距离和成本直接求取最短路径，未考虑风险因素，缺乏有效、全面的危险废物运输风险评价方法和手段；2，路径规划的实时性较低，当环境或场景变化或发生突发事故时，不能快速地进行动态调整，无法及时有效为危险废物运输车辆提供最优路径指导；3，路径基础数据更新频率过低，导致路径规划结果具有滞后性，不能及时输出最优路径；而如果实时信息的采集更新频率设定过高，则导致数据计算量大，远程处理器运行负荷高，无法高效精准地进行路径规划。

因此，综合考虑风险发生概率以及风险结果，合理地规划危险废物的运输路径是保证危险废物运输过程中风险最小化的重要基础工作。

发明内容

本申请提供一种基于风险最小化的危险废物运输路径实时规划的方法，以解决现有技术中存在着危险废物运输路径规划的安全性不足、实时性较低、路径规划结果滞后的问题。

一种基于风险最小化的危险废物运输路径实时规划的方法，所述方法包括：

步骤1，获取规划路径起始节点和目标节点的位置信息，选择规划路径的中间节点，采集相邻节点之间各路段的静态参数信息；

步骤2，将所采集的静态参数作为评价指标，建立静态风险评价函数模型，计算各个路段的初始风险值，采用Dijkstra算法(即、狄克斯特拉算法)进行初步路径规划加权，筛选初始最优路径；

步骤3，根据所述初始风险值，进行路段风险等级划分；

步骤4，根据所述路段风险等级设定实时规划路径信息的动态更新频率；

步骤5，按照所述动态更新频率，获取危险废物运输车辆行驶过程中的动态参数信息；

步骤6，根据所述动态参数，确定发生风险事故概率的动态修正系数，并在初始风险评价函数模型的基础上导入动态参数，构建动态风险评价函数模型，计算各个路段实时的动态风险值，采用Dijkstra算法进行实时路径规划加权，从而进行最优规划路径更新。

其中，便于描述，可以对相邻节点之间各路段进行编号，记为路段集J＝{1，2，3，……，j}。

其中，风险值可以是一个数值，所有的路段可以基于相同的标准得到各个路段对应的无单位的数值；当然，风险值也可以具有单位。

因此，根据静态参数确定初始风险值从而筛选初始最优路径、根据初始风险值设定实时规划路径信息的动态更新频率、以及结合动态参数信息确定是否对初始最优路径进行优化调整至实时最优路径规划，从而确定危险废物运输最优路径。这样，在规划路径时，不仅考虑了静态参数和动态参数，可以全面地实现风险最小化，还考虑了基于初始风险值进行动态更新频率的确定，这样可以确保路径规划的准确性和实时性；此外，设定动态更新频率，也可以降低数据计算量，有效缓解远程处理器的运行负荷，避免频繁更新路径，保证路径规划的科学性和高效性。

起始节点即为规划路径的起点，目标节点即为规划路径的终点。基于不同的危险废物种类和运输目的，起始节点和目标节点的认定过程如下：比如当处理危险废物时，在运输车辆尚未出发时，将危险废物产生单位视为规划路径的起点，并作为起始节点；将危险废物处置单位视为规划路径的终点，并作为目标节点；而如果运输车辆已经离开起始节点，当运输车辆处于运输途中时，则在构建动态风险评价函数模型时最近的即将到达的中间节点变为新的规划路径的起点，并作为起始节点，目标节点则保持不变，而根据实时危险废物运输风险评估的结果，该新的规划路径与原来的规划路径的路段保持相同或者不同。

可选的，所述选择规划路径的中间节点的步骤包括：基于电子交通地图，获取路口的数量和位置信息，并将每个路口作为一个中间节点。关于中间节点的选取区域范围，选取的是起始节点和目标节点所在行政区域内路网的区域；具体的，该行政区域范围可根据起始节点和目标节点的位置来确定。示例性的，比如当起始节点和目标节点位于同一区时，则中间节点则可选取为该区内路网的所有路口；当起始节点和目标节点位于同一市、不同区时，则中间节点可选取为该市内路网的所有路口；当然，也可以根据实际需求采用除行政区域划分的其他办法设定中间节点的选取区域范围。

其中，路口选择为任意可更改路径的转折点，比如可以选择城市的红绿灯路口或者未设红绿灯的路口、高速公路出入口、城乡道路的路口、以及乡镇道路口等。

因此，中间节点的选取过程非常简单和明确，不需要用户自己设定额外的功能去识别和选择中间节点，而是根据载入最新的电子交通地图进行自动识别和确定。

以上，静态参数是指与车辆运输实时状况不相关的信息，也就是说，在整个运输过程中，这些参数基本保持不变；而动态参数则是与车辆运输实时状况相关的信息，在运输过程中，这些参数会实时变化。

可选的，所述静态参数信息包括：危险废物运输车辆的信息、道路信息和环境信息。

这样，在建立静态风险评价函数模型时，不仅考虑了环境信息，还考虑了危险废物运输车辆的信息和道路信息，其中，基于环境信息可计算运输车辆在对应路段发生风险事故概率，基于危险废物运输车辆的信息和道路信息可计算风险事故后所造成的事故后果。通过结合事故概率和事故后果来计算各个路段的初始风险值，使得初始风险值的计算更加全面，从而有利于实现风险最小化的路径规划。

可选的，所述道路信息包含路段的长度、道路类型、车道数、路宽、历史交通事故发生率、以及道路限制信息中的至少一种，道路限制信息是指道路限速、道路限行等道路限制类的信息。可以理解的是，道路信息的参数可以更多，且参数越多时，越有利于通过这些参数准确地计算出初始风险值，作为一种实施方式，道路信息包括路段的长度、道路类型、车道数、路宽、历史交通事故发生率、以及道路限制信息。

可选的，所述危险废物运输车辆的信息包含运载危险废物的类别和危险特性、以及车辆的最大载重中的至少一种。可以理解的是，危险废物运输车辆的信息的参数可以更多，且参数越多时，越有利于通过这些参数准确地计算出初始风险值，作为一种实施方式，所述危险废物运输车辆的信息包括运载危险废物的类别和危险特性、以及车辆的最大载重。

可选的，所述环境信息包含天气、温度、人口密度、以及环境限制信息中的至少一种，环境限制信息是指敏感区域(如饮用水水源地、河流、湖泊、森林、学校、历史古迹、商业区、科研基地、车站等)等环境限制类的信息。可以理解的是，环境信息的参数可以更多，且参数越多时，越有利于通过这些参数准确地计算出初始风险值，作为一种实施方式，所述环境信息包括天气、温度、人口密度、以及环境限制信息。

可选的，所述初始风险值记为R_j，R_j的计算公式如下：

R_j＝F(P_j,Q_j) (1)

式(1)中，P_j为路段j发生风险事故的概率，Q_j为路段j的事故后果；

式(1)中，R_j为P_j和Q_j的乘积，这样，初始风险值R_j是结合事故概率和事故后果来计算，使得初始风险值R_j的计算更加全面，从而有利于实现风险最小化的路径规划。

可选的，所述P_j和Q_j的定义如下：

P_j＝f(α,l,d,n,w,p) (2)

式(2)中，α为动态修正系数、l为路段的长度、d为道路类型、n为车道数、w为路宽、p为历史交通事故发生率；

式(3)中，r为危险废物的危险等级、T为天气状况、K为温度、ρ为人口密度、μ为其他环境影响因子；

关于动态修正系数α，当运输车辆尚未出发时，此时运输车辆位于起始节点，动态修正系数α取固定值1，也就是说由于此时车辆处于待出发静止状态，不考虑动态参数，而是直接将动态修正系数α取固定值1；而如果当运输车辆处于运输途中时，在重新构建动态风险评价函数模型时需要考虑基于动态参数所得到的动态修正系数α。

关于P_j和Q_j函数的具体计算方法可基于专家打分法和历史事故情景数据库，分配各个参数地指标权重，再进行加权计算。

例如，

P_j＝α_j×l×p_d,n,w；

Q_j＝0.3r+0.15T+0.15K+0.25ρ+0.15μ；

当然，以上P_j和Q_j函数的计算方法中，具体的参数选择、参数权重需结合危险废物运输实际信息进行确定。

上述对事故概率P_j的定义公式中，全面引入参数包括路段j的长度、道路类型、车道数、路宽、以及历史交通事故发生率。对事故Q_j的的定义公式中，全面引入参数包括危险废物的危险等级、天气状况、温度、人口密度、以及其他环境影响因子。

可选的，所述采用Dijkstra算法进行初步路径规划加权，筛选初始最优路径的步骤包括：

步骤2-2-1，初始化集合S仅包含起始节点c₀，集合E包含其余节点，R[0][k]为c₀到c_k的路径风险值；

步骤2-2-2，初始化起始节点c₀到集合E中节点c_k的路径风险值dist[k]＝R[0][k]，若节点之间不连通，则dist[k]＝∞；

步骤2-2-3，将最小路径风险值dist[kmin]对应的节点c_kmin从集合E中移动到集合S中；

步骤2-2-4，更新起始节点c₀到集合E中节点c_k的路径风险值，dist[k]＝min{dist[k],dist[kmin]+R[kmin][k]}；

步骤2-3-5，若目标节点已加入到集合S中，则最优路径为集合S中节点的添加顺序；否则，转到步骤2-2-2。

其中，步骤2-2-2中，节点之间不连通是指两个节点之间无法直接通行，其判断的根据在于一些限制信息包括道路限制信息、环境限制信息等，比如当道路限行时，则属于节点之间不连通的典型情形。

这样，利用Dijkstra算法的计算模型，采用各个路段的风险值作为加权的对象，可以得到风险最小化的初始最优路径。Dijkstra算法是典型的单源最短路径算法，用于计算一个节点到其他所有节点的最短路径，而本申请中则将路径距离转换成风险值，从而求解风险最小化的路径。

可选的，所述根据所述初始风险值，进行路段风险等级划分的步骤包括：预先设定危险废物运输风险阈值；将所述初始风险值与所述风险阈值进行比较，从而对各路段进行风险分级划分。

其中，风险阈值可通过历史事故情景数据库进行选择。

这样，通过预先设定风险阈值后，由于风险阈值来源于历史事故统计数据，将初始风险值与风险阈值进行大小比较，即可以确定初始风险值的风险等级，将具体的风险数值对应至相应的风险等级，便于将风险数值进行分类和识别其风险大小。

可选的，所述预先设定危险废物运输风险阈值；将所述初始风险值与所述风险阈值进行比较，从而对各路段进行风险分级划分的步骤包括：

步骤3-1，预先设定危险废物运输风险阈值

和

步骤3-2，根据步骤2所获得的路段j的初始风险值R_j，对各路段进行风险分级划分，并将风险级别结果输入路段集J中；若

划分为低风险；若

为中风险；若

为高风险。

这样，通过设定两个风险阈值

和

即可以将路段j的初始风险值R_j划分为低风险、中风险和高风险三个不同等级。

其中，设定两个风险阈值

和

只是本申请的一种具体实施方式。根据实际需求，设定一个或者三个以上的风险阈值均可行，从而可以将路段j的初始风险值R_j划分为更少或者更多不同等级；比如当设定一个风险阈值时，若R_j小于等于该风险阈值，则划分为低风险，若R_j大于该风险阈值，则划分为高风险，这样将风险划分低风险和高风险两个不同等级。

可选的，所述根据路段风险等级设定实时规划路径信息的动态更新频率的步骤包括：当所述风险等级越高时，所述动态更新频率更新的速度越快。

这样，当路段对应的风险等级越高时，则更新频率更新的越快，而当路段对应的风险等级越低时，则更新频率更新的越慢。这样可以将更新频率设定在一个合理的范围，从而有效的利用远程处理器，降低数据计算量，避免频繁更新路径；且由于将不同的风险路段进行划分，避免了定时更新带来的路径优化不及时问题或者路径优化太频繁或者实时更新的问题。

可选的，在风险等级分为低风险、中风险和高风险三个不同等级时，所述动态更新频率更新的步骤包括：

步骤4-1，假设当前危险废物运输车辆行驶在路段j上，读取初始规划路径中路段j的长度、限速和下一路段j+1的风险级别，计算从节点c_j-1到达下个目标可行节点c_j所需时间Δt；

步骤4-2，根据路段j+1的风险级别和路段j的行驶时间Δt，预设路况信息和实时规划路径的更新频率η_j，过程如下：

若路段j+1的风险级别为低，设定该路段的更新频率η_j为Δt；

若路段j+1的风险级别为中，设定该路段的更新频率η_j为Δt/A，其中A＞1；

若路段j+1的风险级别为高，设定该路段的更新频率η_j为Δt/B，其中B＞A。

其中，Δt可通过路段j的长度除以限速的最高速度得到，更新频率η_j的单位为时间/次。

这样，当路段j+1的风险级别为低时，由于更新频率η_j＝Δt，在路段j上只会更新一次或者在到达下一中间节点处再更新；而路段j+1的风险级别为中或者高时，则会更新至少一次；示例性的，A＝2、B＝3。基于此，则可以将动态更新频率与路段的风险值结合，其原则就是当下一路段的风险值越高时，越需要频繁重新计算规划路径，确保当前路径规划是否依然是风险最小化的路径。

同样的，当风险等级划分为两个不同等级或者三个不同等级以上时，动态更新频率可以参照划分为低风险、中风险和高风险三个不同等级时设定。

可选的，所述按照所述动态更新频率，获取危险废物运输车辆行驶过程中的动态参数信息的过程如下：根据步骤4预设的更新频率，当到达规定的更新时间点时，实时获取驾驶行为信息和相邻路段的交通信息。

这样，基于驾驶行为信息和实时的交通信息去计算动态参数信息，即可以将驾驶行为和实时的交通信息带入风险评估函数模型，避免只采集静态参数的缺陷，更完善地计算实时运输风险，从而优化路径。

可选的，所述驾驶行为信息包含车速、累积行驶时间、加速度、以及违法停留时间中的至少一种。可以理解的是，驾驶行为信息的参数可以更多，且参数越多时，越有利于从这些参数中准确的计算出动态风险值，作为一种实施方式，所述驾驶行为信息包含车速、累积行驶时间、加速度、以及违法停留时间。这些驾驶行为信息可以通过在运输车辆上安装车载GPS、传感器和摄像头等，基于物联网技术实时获取。

可选的，所述相邻路段的交通信息包括车流量、拥堵情况(预计通行时间)、以及交通事故情况(突发事故)中的至少一种。可以理解的是，相邻路段的交通信息的参数可以更多，且参数越多时，越有利于从这些参数中准确的计算出动态风险值，作为一种实施方式，所述相邻路段的交通信息包括车流量、拥堵情况、以及交通事故情况。这些相邻路段的交通信息可以通过在关键路段和节点处布置摄像头、连接交通系统数据在线平台等手段，实时获取。

可选的，根据所述动态参数，确定发生风险事故概率的动态修正系数的步骤如下：

将路段j的动态修正系数记为α_j，α_j的定义如下：

α_j＝g(v,t,a,u,q,c,f) (4)

式(4)中，v为车速、t为累积行驶时间、a为加速度、u为违法停留时间、q为车流量、c为拥堵情况、f为交通事故情况。

关于α_j函数的具体计算方法可基于专家打分法和历史事故情景数据库，分配各个参数地指标权重，再进行加权计算。

例如，α_j＝0.1v+0.1t+0.1a+0.2u+0.15q+0.15c+0.2f；

当然，以上α_j函数的计算方法中，具体的参数选择、参数权重需结合危险废物运输实际信息进行确定。

上述对动态修正系数α_j的定义公式中，全面引入参数包括位于路段j上运输车辆的车速、累积行驶时间、加速度、违法停留时间、车流量、拥堵情况、交通事故情况。

可选的，所述在初始风险评价函数模型的基础上导入动态参数，构建动态风险评价函数模型，计算各个路段实时的动态风险值的步骤包括：

动态风险值记为H_j，H_j的计算公式如下：

H_j＝F(P_j,Q_j) (5)

式(5)中，P_j为路段j发生风险事故的概率，Q_j为路段j的事故后果；

所述P_j和Q_j的定义如下：

P_j＝f(α_j,l,d,n,w,p) (6)

式(6)中，α_j为动态修正系数、l为路段的长度、d为道路类型、n为车道数、w为路宽、p为历史交通事故发生率；

式(7)中，r为危险废物的危险等级、T为天气状况、K为温度、ρ为人口密度、μ为其他环境影响因子。

其中，动态风险值H_j与初始风险值R_j的函数构成形式完全一样，其区别在于：初始风险值R_j中，当运输车辆尚未出发时动态修正系数α取固定值1(即相当于不考虑动态参数)，而动态风险值H_j则一定需要考虑动态参数。

可选的，所述进行实时运输风险评估，从而对初始最优路径进行调整的步骤包括：采用Dijkstra算法进行实时路径规划加权，确定实时最优路径。

在进行实时运输风险评估之后，依然需要对动态风险进行风险等级划分，如果下一路段的风险等级评估为低时，则不需要采用Dijkstra算法进行实时路径规划加权，而如果下一路段的风险等级评估为中、高时，才需要采用Dijkstra算法进行实时路径规划加权。也就是说，如果下一路段的风险等级评估为低时，不需要重新规划路径，相当于实时路径和初始路径保持一致。

可选的，所述采用Dijkstra算法进行实时路径规划加权，确定实时最优路径的步骤包括：

步骤6-3-1，初始化集合S仅包含路段j的下一节点c_j，集合E包含其余节点，R[j][k]为c_j到c_k的路径风险值；

步骤6-3-2，初始化节点c_j到集合E中节点c_k的路径风险值dist[k]＝R[j][k]。若节点之间不连通，则dist[k]＝∞；

步骤6-3-3，将最小路径风险值dist[kmin]对应的节点c_kmin从集合E中移动到集合S中；

步骤6-3-4，更新节点c_j到集合E中节点c_k的路径风险值，dist[k]＝min{dist[k],dist[kmin]+R[kmin][k]}；

步骤6-3-5，若目标节点已加入到集合S中，则更新后的最优路径为集合S中节点的添加顺序；否则，转到步骤6-3-3。

然后，按预设的更新频率将实时最优路径规划发送至车载导航中，车辆即根据指导及时调整行驶路线。

有益效果：

(1)将风险因素纳入最优路径规划过程中，使规划的路径更全面、更客观；

(2)基于物联网技术，实时获取行驶过程中的动态参数信息，根据环境或交通状况变化实时同步规划新的最优路径，保证规划路径的准确性和实时性；

(3)基于风险等级设定路线动态更新频率，降低数据计算量，有效缓解远程处理器的运行负荷，避免频繁更新路径，保证路径规划的科学性和高效性。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本申请的一些具体实施例，附图中相同的附图标记标示了相同或类似的部件或部分，本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1为本申请一实施方式中路径规划方法；

图2为运输车辆待执行运输任务前的示意图；

图3为运输车辆进行路径规划的步骤1的示意图；

图4为运输车辆进行路径规划的步骤2的示意图；

图5为运输车辆进行路径规划的步骤5的示意图；

图6为一实施方式中运输车辆确定的实时最优规划路径；

图7为一实施方式中风险评价指标参数信息的示意图。

具体实施方式

为使本申请的上述目的、特征和优点能够更加明显易懂，在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。

请参阅图1，本申请一实施例提供了路径规划方法，该路径规划方法可以包括：步骤1至步骤6。

步骤1，确定规划路径的节点，其中，路径的节点包括起始节点、目标节点和中间节点。

步骤2，获取相邻节点间各路段的静态参数信息，并基于该静态参数信息建立静态风险评价函数模型，采用改进的Dijkstra算法进行初步路径规划，得到初始最优路径。

步骤3，在步骤2建立静态风险评价函数模型，计算各个路段的初始风险值后，根据所述初始风险值，判断路段的静态风险级别。

步骤4，根据步骤3得到的路段风险等级确定实时规划路径信息的动态更新频率。

步骤5，根据步骤4设定的动态更新频率，在达到更新时间时，获取相邻节点间路段的动态参数信息。

步骤6，根据步骤5获得的动态参数，确定事故概率的动态修正系数，并建立动态风险评价函数模型，计算各个路段实时的动态风险值，判断下一路段的动态风险级别，如动态风险级别为低风险则继续按初始路径行驶，如果动态风险级别增加至中风险或者高风险，则将路段j+1对应的节点j作为更新路径规划的起始节点，利用改进的Dijkstra算法进行实时路径规划，筛选实时最优路径，车载导航进行最优规划路径更新，调整路线。

下面将结合图2至图6，对本申请的路径规划方法进行详细的描述。路径规划的过程可由与运输车辆连接的远程服务器执行，为方便描述，以下路径规划的主体以运输车辆描述。

如图2所示，为运输车辆待执行运输任务前的示意图，图2中，4个方块代表建筑物(也可以是其他车辆无法通行的物体)，五角星代表危险废物运输车辆。

如图3所示，为运输车辆进行路径规划的步骤1的示意图。此时，基于电子交通地图，运输车辆获取各个节点的位置和数目，其中节点1为起始节点，节点9为目标节点，并基于起始节点1和目标节点9的位置信息，确定中间节点的选择区域(如在同一行政区内)并获得该选择区域内的所有路口信息，一共获得标记2至8的7个中间节点，并采集相邻节点之间各路段的静态参数信息。

如图4所示，为运输车辆进行路径规划的步骤2的示意图。此时，运输车辆采集相邻节点之间各路段的静态参数信息，并基于各路段的静态参数信息，建立静态风险评估函数模型，利用Dijkstra算法进行初步路径规划加权，筛选初始最优路径，从起始节点1依次经过中间节点2、中间节点5和中间节点6到达目标节点9，各个节点之间的路段分别标记为路段1、路段2、路段3和路段4。

如图5所示，为运输车辆进行路径规划的步骤5的示意图。此前，运输车辆基于静态风险级别已经确定了动态更新频率，当运输车辆行驶至路段1的途中时，达到需要动态更新的时间节点时，此时获取对应各路段的动态参数信息。当然，图5所示位于节点1和2之间动态更新的时间节点也只是一种实施方式，动态更新的时间节点也可能是在节点2位置上。

接着，运输车辆基于动态参数信息，确定事故概率的动态修正系数，并建立动态风险评价函数模型，计算各个路段实时的动态风险值，并判断下一路段(路段2)的动态风险级别。

如果当路段2的动态风险级别被认定为低风险时，则不需要重新规划路径，运输车辆在下一次动态更新的时间节点之前依然规划按照路段2、路段3和路段4的路径行驶。

如果当路段2的动态风险级别被认定为中风险或者高风险时，则运输车辆会利用改进的Dijkstra算法进行实时路径规划(此时路段2已经被排除在实时路径规划的路段之外)，并筛选实时最优路径。在规划实时路径时，除了路段2，所有的节点之间的路段均会被计算实时的动态风险值，包括车辆已经走过的路段1，此时在计算实时的动态风险值，需要将各路段的动态参数带入，这些动态风险值成为接下来划分风险级别和确定动态更新频率的依据。

如图6所示，为运输车辆确定的实时最优规划路径。此时，中间节点2变为最优规划路径的起始节点，规划路径为从起始节点2经过中间节点3和中间节点6到达目标节点9，各个节点之间的新的规划路段分别标记为路段5和路段6。接着，车载导航进行最优规划路径更新，调整路线。

如图7所示，为本申请一实施方式中风险评价指标参数信息的示意图。风险评价指标参数包括静态参数信息和动态参数信息。

以危险废物运输为例，静态参数信息包括危险废物车辆信息、道路信息和环境信息三类；动态参数包括驾驶行为信息和相邻路段的交通信息两类。

其中，危险废物车辆信息包括危险废物类型、危险废物特性和车辆核准载重；道路信息包括路段长度、道路类型、车道数、路宽、道路限制和历史交通事故率；环境信息包括天气、温度、人口密度和敏感区域。

其中，驾驶行为信息包括车速、累积行驶时间和加速度；交通信息包括车流量、预计通行时间(拥堵情况)和交通事故情况。

根据危险废物车辆信息和环境信息计算事故后果，根据道路信息计算事故概率；而根据驾驶行为信息和交通信息计算动态修正参数，从而对事故概率进行修正，最后计算得危险废物运输风险值。

综上所述，本申请实施例提供了一种基于风险最小化的危险废物运输路径实时规划的方法，将风险因素纳入最优路径规划过程中，综合考虑危险废物车辆、道路参数和环境参数、交通信息和驾驶行为，构建运输风险评估函数模型，对危险废物运输的风险进行精细化评估，使规划的路径更全面、更客观。基于物联网技术，实时获取行驶过程中的动态参数信息，根据环境或交通状况变化实时同步规划新的最优路径，保证规划路径的准确性和实时性；基于风险等级设定路线动态更新频率，降低数据计算量，有效缓解远程处理器的运行负荷，避免频繁更新路径，保证路径规划的科学性和高效性。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本申请的多个示例性实施例，但是，在不脱离本申请精神和范围的情况下，仍可根据本申请公开的内容直接确定或推导出符合本申请原理的许多其他变型或修改。因此，本申请的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种基于风险最小化的危险废物运输路径实时规划的方法，所述方法包括：

步骤1，获取规划路径起始节点和目标节点的位置信息，选择规划路径的中间节点，采集相邻节点之间各路段的静态参数信息；

步骤2，将所采集的静态参数作为评价指标，建立静态风险评价函数模型，计算各个路段的初始风险值，采用Dijkstra算法进行初步路径规划加权，筛选初始最优路径；

步骤3，根据所述初始风险值，进行路段风险等级划分；

步骤4，根据所述路段风险等级设定实时规划路径信息的动态更新频率；

步骤5，按照所述动态更新频率，获取危险废物运输车辆行驶过程中的动态参数信息；

步骤6，根据所述动态参数，确定发生风险事故概率的动态修正系数，并在初始风险评价函数模型的基础上导入动态参数，构建动态风险评价函数模型，计算各个路段实时的动态风险值，并进行实时运输风险评估，从而对初始最优路径进行调整。

2.根据权利要求1所述的方法，其特征在于，所述选择规划路径的中间节点的步骤包括：

基于电子交通地图，获取路口的数量和位置信息，并将每个路口作为一个中间节点。

3.根据权利要求1所述的方法，其特征在于，所述静态参数信息包括：危险废物运输车辆的信息、道路信息和环境信息；

其中，所述危险废物运输车辆的信息包含运载危险废物的类别和危险特性、以及车辆的最大载重中的至少一种；

所述道路信息包含路段的长度、道路类型、车道数、路宽、历史交通事故发生率、以及道路限制信息中的至少一种；

所述环境信息包含天气、温度、人口密度、以及环境限制信息中的至少一种。

4.根据权利要求1所述的方法，其特征在于，所述初始风险值记为R_j，R_j的计算公式如下：

R_j＝F(P_j,Q_j) (1)

式(1)中，P_j为路段j发生风险事故的概率，Q_j为路段j的事故后果；

所述P_j和Q_j的定义如下：

P_j＝f(α,l,d,n,w,p) (2)

式(2)中，α为动态修正系数、l为路段的长度、d为道路类型、n为车道数、w为路宽、p为历史交通事故发生率；

式(3)中，r为危险废物的危险等级、T为天气状况、K为温度、ρ为人口密度、μ为其他环境影响因子。

5.根据权利要求1所述的方法，其特征在于，所述采用Dijkstra算法进行初步路径规划加权，筛选初始最优路径的步骤包括：

步骤2-2-1，初始化集合S仅包含起始节点c₀，集合E包含其余节点，R[0][k]为c₀到c_k的路径风险值；

步骤2-2-2，初始化起始节点c₀到集合E中节点c_k的路径风险值dist[k]＝R[0][k]，若节点之间不连通，则dist[k]＝∞；

步骤2-2-3，将最小路径风险值dist[kmin]对应的节点c_kmin从集合E中移动到集合S中；

步骤2-2-4，更新起始节点c₀到集合E中节点c_k的路径风险值，dist[k]＝min{dist[k],dist[kmin]+R[kmin][k]}；

步骤2-3-5，若目标节点已加入到集合S中，则最优路径为集合S中节点的添加顺序；否则，转到步骤2-2-2。

6.根据权利要求1所述的方法，其特征在于，所述根据所述初始风险值，进行路段风险等级划分的步骤包括：

预先设定危险废物运输风险阈值；将所述初始风险值与所述风险阈值进行比较，从而对各路段进行风险分级划分。

7.根据权利要求6所述的方法，其特征在于，所述预先设定危险废物运输风险阈值；将所述初始风险值与所述风险阈值进行比较，从而对各路段进行风险分级划分的步骤包括：

步骤3-1，预先设定危险废物运输风险阈值

和

步骤3-2，根据所述步骤2所获得的路段j的初始风险值R_j，对各路段进行风险分级划分，并将风险级别结果输入路段集J中；若

划分为低风险；若

为中风险；若

为高风险。

8.根据权利要求1所述的方法，其特征在于，所述根据路段风险等级设定实时规划路径信息的动态更新频率的步骤包括：当所述风险等级越高时，所述动态更新频率更新的速度越快。

9.根据权利要求1所述的方法，其特征在于，所述按照所述动态更新频率，获取危险废物运输车辆行驶过程中的动态参数信息的过程如下：

根据所述步骤4预设的更新频率，当到达规定的更新时间点时，实时获取驾驶行为信息和相邻路段的交通信息；

所述驾驶行为信息包含车速、累积行驶时间、加速度、以及违法停留时间中的至少一种；

所述相邻路段的交通信息包含车流量、拥堵情况、以及交通事故情况中的至少一种。

10.根据权利要求1所述的方法，其特征在于，根据所述动态参数，确定发生风险事故概率的动态修正系数的步骤如下：

将路段j的动态修正系数记为α_j，α_j的定义如下：

α_j＝g(v,t,a,u,q,c,f) (4)

式(4)中，v为车速、t为累积行驶时间、a为加速度、u为违法停留时间、q为车流量、c为拥堵情况、f为交通事故情况。

Images