1.一种混合粒子群算法和遗传算法的救援规划算法，其特征在于，具体操作步骤如下：(1)、将城市进行网点规划，标注好每条街道及十字路口；并标记好点与点之间的距离；

(2)、在网格化城市时要将重点的地点进行标记，其中，重点的地点包括城市存在的多个调度中心，不同的调度中心的资源不同且有限，当事故要求的资源超过任何单一调度中心的资源后，则需多调度中心共同执行救援任务；

此外，若需求的资源数量小于所有调度中心的资源总和，则需有限安排以较低成本来执行救援的调度中心；

(3)、当执行任务时，调度中心接收实时道路情况且配合网格化后的城市地图，在网图上做出标记；

当道路的情况出现路口无法通行，或是两个节点之间道路阻塞导致拥挤；为区分可通行和无法通行的节点，使用0和1来标注；

其中，若节点即十字路口出现无法通行的情况，会导致节点周围的路都将无法通行，而若节点之间的道路阻塞则不影响节点周围的道路；

(4)、当救援任务下达到调度中心时，调度中心根据救援任务的紧急程度做出事故评级，事故评级用来设定最大救援成本；若是达到最高等级的话将不考虑成本，则所有的救援力量将全部出勤；

其中，所有的救援任务结束需在规定的救援时间之前到达调度中心；此外根据事故的类型，进行救援物资的携带，救援物资的使用和损耗都会带来救援成本；

(5)、设置优先值，即综合道路长度及道路拥挤程度，网点之间道路的优先值，用于通过路径选择的调度；当即将执行任务时，可通行的道路上会有不同的道路拥挤情况，拥挤程度会造成等待时间；通过权衡绕路和等待的时间进行选择道路；救援力量到达后先进行简易的治疗，将需就医者送往目的地，救援任务完成后，则返回调度中心。

2.根据权利要求1所述的一种混合粒子群算法和遗传算法的救援规划算法，其特征在于，

在步骤(1)中，所述将城市进行网点规划是指：将实际生活的道路进行网格化，且标注好每个路口以及网点之间的距离，为道路规划通过依据和参数。

3.根据权利要求1所述的一种混合粒子群算法和遗传算法的救援规划算法，其特征在于，

在步骤(2)中，所述在网格化城市时要将重点的地点进行标记具体是：将绘制的网格化城市的道路节点进行编号，标记出调度中心、医院和随机的事故点；

所述执行救援任务具体是指：从调度中心出发到达事故点进行救援，然后将伤重者送往医院后返回调度中心；其中，在实施救援前，调度中心根据调度中心的救援力量来进行任务下达。

4.根据权利要求1所述的一种混合粒子群算法和遗传算法的救援规划算法，其特征在于，

在步骤(3)中，所述调度中心接收实时道路情况且配合网格化后的城市地图，并在网图上做出标记具体是：调度中心接受到救援任务，开始规划救援路径和携带的救援物资数量；

路径规划从标注的调度中心开始，前往事故点实施救援并将重伤者送往医院后返回；

其中，调度中心获取道路的路况信息，使用0和1来标记不可通行和可通行的节点；将阻塞道路的距离改为∞，其具体如下式所示：式中，dij表示各路口节点的可否通行情况，i和j表示相邻节点；Disij表示可通行节点之间的道路长度；distance表示两个道路之间节点的距离。

5.根据权利要求1所述的一种混合粒子群算法和遗传算法的救援规划算法，其特征在于，在步骤(4)中，所述通过调度中心根据救援任务的紧急程度做出事故评级，事故评级用来设定最大救援成本具体是指：

根据事故严重程度设定事故等级Urgent求出最大救援成本，如下式所示：Z≤MaxCost*Urgent式中，Z表示此次任务的最高救援成本；MaxCost表示每级的最大救援成本；Urgent表示书等级；

当规划的调度中心的救援力量大于事故点的需求量时，如下式所示：t

式中，m调度中心的总个数，ri表示第i个救援节点的资源；R表示事故点的需求量；t表示预算的救援时间；T表示最大救援时间；

当得到此次救援成本后，需和根据事故等级设定最大救援成本进行比较；

另外，所述携带的救援物资需考虑救援车辆的车厢空间和物资的体积及使用成本，此处采用遗传算法来对救援物资的携带方案进行规划。

6.根据权利要求1所述的一种混合粒子群算法和遗传算法的救援规划算法，其特征在于，

在步骤(5)中，所述设置的优先值的求解具体是：根据实时的道路情况，用0标出不可通行的节点，剩余节点用1表示；将阻塞道路的距离更改为∞；用k作为拥挤程度，从0‑1之间取值，表示拥挤的程度；

其中，1表示畅通，0表示阻塞；使用Pr来表示道路的优先值，V表示正常情况下的救援车辆行驶速度，Vij表示实际通过i和j之间道路的速度。λt和λDis分别表示行驶的时间成本和距离成本，

具体如下式所示：Vij＝V*k