原文传递
基于HTN和SVM的交通管控应急任务规划及应用研究
| 论文题名： | 基于HTN和SVM的交通管控应急任务规划及应用研究 |
| 关键词： | 交通管控;应急任务规划;支持向量机;层次任务网络 |
| 摘要： | 近年来，全国各地突发事件频繁发生，如2019年爆发的新冠疫情，严重影响了人民的生活和社会的运转，同时给人民和国家的财产带来了巨大的损失。基于这种形势，在突发事件发生后，必须协助决策者开展应急救援行动，防止影响范围的进一步扩大，而应急救援行动的关键是一份有效的应急行动方案（Incident Action Plans，IAP）。科学合理的应急任务规划方案能够保障应急救援行动的顺利进行。为了制定出科学合理的应急行动方案，需要在应急问题的规划过程中考虑交通管控问题，选择合适的交通管控方式，使得后续资源的配送顺利进行，同时缩短应急响应的时间，提高应急救援的效率。本文将机器学习中的支持向量机（Support Vector Machine，SVM）与层次任务网络（Hierarchical Task Network，HTN）规划相结合，建立了考虑交通管控的应急任务规划算法，大大提升交通管控的智能化水平。 现有的应急任务规划都是由决策部门统一决策，而对于交通管控问题不能够很好的进行处理，往往会存在管控力度无法控制的问题。为解决这个问题，本文提出了交通管控应急层次任务规划框架，该框架包括SVM决策模块和HTN规划模块。当应急问题出现时，SVM决策模块根据应急任务的特点、应急环境、资源需求等，提取出高关联性的特征参数，通过模型决策得到交通管控方式；然后将模块决策结果编码进HTN规划的方法集中，HTN规划模块主要包括方法的扩展、读取任务列表、分解任务列表中的任务、方法实例化和实时状态更新。针对交通管控应急问题的特点，不仅对SHOP2规划的有序任务分解算法（Ordered task decomposition，OTD）进行改进，还设计了基于HTN和SVM的交通管控应急任务网络算法。本文所提方法不仅能够利用HTN规划的递归分解能力，还能够发挥SVM识别分类问题的长处，并对OTD算法进行改进使其适合交通管控的应急问题。 最后，将基于HTN和SVM的交通管控应急任务规划算法应用在新冠疫情期间的应急问题中。在SHOP2规划平台上，结合不同情景进行实验，成功制定出了应急行动方案，证明了方法的可行性和实用价值，同时也为交通管控应急问题规划提供了新思路，具有不错的理论意义。 |
| 作者： | 段志飞 |
| 专业： | 管理科学与工程 |
| 导师： | 王喆 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
