基于霍克斯跳跃扩散过程的灾害撤离交通服务动态模式控制

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》:Dynamic mode control for transit services in disaster evacuations using a Hawkes-based jump diffusion process

【字体: 大 中 小 】 时间:2026年09月29日 来源:TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES 8.4

编辑推荐:

   • 针对飓风疏散的动态交通模式与车辆规模切换框架; • 基于Hawkes过程的跳跃扩散模型捕捉自我激发的疏散需求激增; • 强度带迟滞控制器跟踪逐点成本最小化基准; • 双控制INRIX校准已在飓风Sally、Ian、Idalia、Milton和Helene中得到验证。 引

  

• 针对飓风疏散的动态交通模式与车辆规模切换框架;
• 基于Hawkes过程的跳跃扩散模型捕捉自我激发的疏散需求激增;
• 强度带迟滞控制器跟踪逐点成本最小化基准;
• 双控制INRIX校准已在飓风Sally、Ian、Idalia、Milton和Helene中得到验证。

引言
近年来,在 Irma、Helene 和 Michael 等严重飓风来临前的灾害疏散(Bretschneider & Kimms, 2011)凸显了我国交通管理系统在应对灾害方面的显著局限(Li 等, 2017, Wang 等, 2016),即使在多车道高速公路上(Cheng 等, 2011, Gottumukkala 等, 2012)也会导致即时交通瓶颈和整体系统性能下降。这些系统受制于固定的运营模式,往往造成大面积延误。此外,以汽车为中心的城市设计加上有限的出行选择,使弱势群体的疏散成功率明显偏低(Swamy 等, 2017)。

然而,公共交通服务在疏散场景中有潜力解决许多此类挑战,为没有私家车的人提供可及的交通选择(Bish, 2011)。在疏散规划中,不同类型的公交服务,如固定线路巴士、灵活的或按需响应的摆渡车、残疾人专车以及新兴的自动驾驶系统,可以发挥互补作用以提高疏散效率(Lee & Kockelman, 2021, 2024, Sevim 等, 2025)。固定线路服务沿主要走廊提供大容量运输,而灵活和残疾人专车运营则能覆盖分散的或出行受限的群体(Narayan 等, 2020, Yan 等, 2021)。在此基础上,最近的技术进步使交通规划者能够设计更用户友好和适应性的疏散策略。例如,Next Future Mobility 和特斯拉自动驾驶 Robovan 概念等模块化自动驾驶系统,或更广泛地说,共享自动驾驶车辆(SAVs)(Lee & Kockelman, 2021, 2024, Sevim 等, 2025),可以通过动态重组以响应实时需求激增,提供更高的灵活性和可扩展性,这对于缓解高交通密度和有限公交选择带来的风险至关重要。与传统的固定线路系统不同,这些技术能够在实时调整线路配置和车辆规模,使其能够应对灾害场景中典型的动态需求。

尽管存在这种技术前景,但大多数疏散策略仍在静态服务配置下运行,无法有效应对由天气更新或紧急警告触发的快速变化的疏散强度(Bhattarai & Song, 2025, Harris 等, 2022)。为弥补这一缺口,动态交通类型控制可以使机构在需求变化时以近实时方式切换服务类型或车辆规模。当疏散强度因天气更新或公众警告而快速变化时,这种控制尤为关键。优化交通模式的挑战因疏散需求的复杂性和动态性而进一步加剧。这种需求可能因时机不同(灾前或灾后)以及事件的具体特征(如风暴潮或地震)而有显著差异。

为说明这些复杂性,我们分析了来自纽约市出租车行程的全面数据集,作为理解疏散需求激增和不确定性的可行案例研究(图1)。该数据集被广泛认为是疏散领域最可靠的来源之一,提供了数百万次出租车行程的详细记录,包括像飓风桑迪这样关键灾害事件期间的行程,桑迪于2012年10月29日袭击了纽约市(Donovan & Work, 2016, 2017)。虽然本研究范围集中在公交疏散,但该数据集为灾害时间线中需求激增和不确定性如何发生提供了宝贵见解。更细致的分析揭示了需求中的显著下降跳跃、灾害窗口内加剧的不确定性和不规则峰值,这些反复强调了灾害场景的不可预测性。这些模式在需求的频率和强度上引入了相当大的不确定性,导致紧急情况下需求行为高度动态和非线性。

为对这些混合不确定性建模,我们引入了跳跃扩散过程(JDP)(?ksendal 等, 2005, ?ksendal & Sulem, 2019),这是一种最初在金融领域开发的数学框架,用于模拟叠加在连续市场波动之上的突然价格跳跃。JDP 提供了一个稳健的随机框架,用于模拟具有连续动态但被突然、概率性事件打断的系统。最初在金融计量经济学中制定以模拟资产价格不连续性(Merton, 1976),JDP 此后通过双重指数跳跃进行了扩展以实现经验拟合(Kou, 2002),现已支持广泛的应用领域。在工程系统中,JDP 被部署用于模拟混合退化过程,将连续磨损与不连续故障相结合。例如,双重噪声源下的云基础设施可靠性(Tamura & Yamada, 2015),以及用于剩余使用寿命估计的年龄状态依赖模型(Wen 等, 2025)。在实物期权和项目估值中,JDP 模拟成本制度转换和政策冲击,在不确定性下提供更准确的估值(Zhang 等, 2010)。在流行病建模中,跳跃扩散框架捕捉随机疾病激增和抑制效应,表现优于纯布朗或确定性模型(Zhou & Zhang, 2016; Tesfay 等, 2021; Lefebvre, 2024)。跳跃过程也为行为流行病建模(Sabbar 等, 2024; Zhou & Zhang, 2016)和空间传染动力学(Allen, 2004)提供信息。在方法论上,跳跃精确算法等创新实现了无偏模拟(Casella & Roberts, 2011),而非线性滤波器扩展了高维系统中的推断(Bégin & Boudreault, 2019)。鉴于其合成连续演化和离散冲击的能力,JDP 特别适合疏散建模等领域,在这些领域中需求表现出混合动态:缓慢积累被政策诱导或媒体驱动的需求激增所打断。

通过应用此方法论,我们捕捉了需求中的渐进变化和危机期间发生的突然"跳跃",为理解和应对疏散需求模式的复杂性提供了更稳健的框架。此外,基于 Hawkes 过程的跳跃扩散过程(HB-JDP)通过将 Hawkes 过程的自激发结构(能够建模事件聚集和后震类型行为)与扩散过程的连续变异性相结合,提供了一种能力。这种混合设计允许同时表示持久需求升级和突发需求激增,与传统随机或时间序列模型相比,提供了更现实和稳健的疏散行为描述。在灾害应对背景下,HB-JDP 能够捕捉初始疏散公告如何触发级联的额外出发,并为计划动态服务分配的公交运营商提高预测精度。

基于这些见解,本文介绍了一种数据驱动的决策架构,将 HB-JDP 建模的疏散需求与交通类型控制策略相结合。该框架能够在不确定情况下在不确定需求下实时切换服务类型和车辆容量以平衡成本、容量和响应能力。通过这种方式,本文贡献了(1)用于预测动态疏散需求的随机建模框架,(2)模式控制策略和车辆规模适应,以及(3)使用飓风期间真实疏散数据验证的案例研究,以展示政策适用的可行性。虽然我们的重点是动态模式和车辆规模适应性,但重要的是要注意,这些决策建立在数十年的疏散规划基础研究之上。经典研究(此处列出了一些)优化了疏散路线、逆向流操作和避难所分配,以最小化清空时间并最大化网络吞吐量(Murray-Tuite & Wolshon, 2013, Dixit & Wolshon, 2014, Hasan 等, 2013)。这些框架建立了在政策和资源约束下路线选择、避难所容量和出发时间控制如何影响总体系统性能。本研究所提出的动态切换架构通过生成随时间变化的需求和未来不确定性来补充这些模型,这些不确定性可以纳入路由或避难所优化框架中。

分段摘要

文献综述
在传统疏散规划研究中,两个主要领域得到了广泛探索:模拟和优化(Abdelgawad 等, 2010; Chiu & Mirchandani, 2008; Cova & Johnson, 2003; Hamacher & Tjandra, 2001; Helbing 等, 2002; Li 等, 2015a, 2017; Lu 等, 2019; Murray-Tuite & Mahmassani, 2003; Sbayti & Mahmassani, 2006; Xie & Turnquist, 2011; Yang 等, 2017)。这些研究为表征多种疏散场景提供了见解(方法论

为推导闭式阈值并保持方法论的可行性,我们的模型依赖于一系列关键假设。虽然这些假设在相关部分进行了讨论,但它们也总结在表1中以透明度和引导结果解释。模型清晰地区分了需求随时间的变化和其在空间上的分布。在时间上,总疏散需求可以自由地从上一个区间波动到下一个区间:它遵循一个

实验设计与敏感性见解
实验仿真中使用的参数基于相关文献(如 Guo 等, 2023)的发现以及一系列设计好的实验试验的组合,以探索模型在各种条件下的敏感性。对于每个模拟场景,JDP 参数共享共同的基线值,用于初始需求密度(Q0=30)、漂移率(η=0.01)和波动性(σ=0.1)。模拟跨越96小时期间,时间步长大小为Δt=0.01,以

研究局限性
我们在表13中总结了当前流程的残余约束及其操作含义。

结论与最终评论
本研究提出了一种用于动态疏散公交的统一决策架构,整合了 HB-JDP 需求驱动和基于成本的模式/车辆规模切换。我们将决策与 PCMLB 进行对比评估,并部署了 IBH 控制器,该控制器在每日强度上操作化了无差异带,实现了透明的基于阈值的控制和操作上可审计的日边界切换。该框架通过纳入疏散特定成本来优化紧急情况下的公交运营

未来研究
基于本研究中开发的交通模式切换框架,我们确定了几种研究方向。每个方向都有相应的支持方法论,详见附录,以说明这些扩展如何实施。

基于校准的 PCMLB 基准和已实现的强度带迟滞控制器,一个自然的下一步是通过实物期权公式将货币切换成本内生化。此扩展保留了我们的

CRediT 作者贡献声明
Alican Sevim:写作 – 初稿,验证,方法论,调查,概念化。Eren Erman Ozguven:写作 – 审稿与编辑,调查,资金获取。Qianwen Vivian Guo:写作 – 审稿与编辑,监督,方法论,资金获取,概念化。Paul Schonfeld:写作 – 审稿与编辑。

声明生成式 AI 和 AI 辅助技术在写作过程中的使用
在准备本工作期间,作者使用了生成式 AI 工具,特别是 ChatGPT,用于语法纠正、句子重构和内容澄清等任务。在使用这些工具之后,所有作者都彻底审阅并编辑了内容,并对最终发表文章的准确性和完整性承担全部责任。

资助
第一作者和通讯作者部分由美国交通部(USDOT)推进社区中心交通系统(ACTS)中心支持,资助号 693JK42550003。

利益冲突声明
作者声明,他们没有已知的竞争财务利益或个人关系,这些利益或关系可能影响了本论文中报告的工作。

致谢
作者感谢 Jiaqing Lu 对本研究的贡献,特别是他在文献综述方面的协助以及在 LaTeX 格式、组织和稿件准备方面的广泛支持。他的努力有助于提高论文的呈现和可读性。作者感谢 INRIX 通过 INRIX 2025 MetroLab 挑战赛的支持,这使得本研究能够获得使用的实证移动性数据集。

Alican Sevim | Eren Erman Ozguven | Qianwen Vivian Guo | Paul Schonfeld
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号