1.一种危险品事故道路应急疏散优化方法，其特征在于，包括如下步骤：确定疏散安全点数量，将疏散源点和疏散安全点之间的受灾区域进行等级划分，同时构建疏散源点和疏散安全点之间的疏散道路网络；

将受灾区的等级划分结果及疏散道路网络叠加得到疏散道路网络模型；

确定所述疏散道路网络模型中不同等级的区域环境风险系数，根据所述区域环境风险系数计算疏散道路网络中不同疏散路径的环境风险值；

根据所述疏散路径的环境风险值构建疏散路径环境风险目标函数；

以道路交通流量守恒为约束，根据疏散路径长度目标函数和所述疏散路径环境风险目标函数建立危险品事故道路应急疏散优化模型：使用粒子群‑遗传混合算法求解所述危险品事故道路应急疏散优化模型，得到危险品事故道路应急疏散优化方案。

2.根据权利要求1所述的危险品事故道路应急疏散优化方法，其特征在于，所述疏散路径的环境风险值的计算公式为：式中，rij为路段(i,j)的环境风险值；

eij为路段(i,j)的环境风险系数；

lij为路段(i,j)的实际长度，单位为m；

vij为路段(i,j)的平均运行速度，单位为m/min。

3.根据权利要求2所述的危险品事故道路应急疏散优化方法，其特征在于，所述路段的环境风险系数eij按以下两种情况计算：所述路段全部落在一个受灾区时，取受灾区的环境风险系数；

所述路段经过多个受灾区时，环境风险系数计算公式如下：式中，e1、e2、e3分别为不同受灾区的环境风险系数；

l1、l2、l3分别为路段(i,j)落在不同受灾区的长度。

4.根据权利要求3所述的危险品事故道路应急疏散优化方法，其特征在于，所述疏散路径环境风险目标函数为：式中，N为疏散对象总数；V为道路网络节点总数；i为道路网络节点编号，i＝1,2,...,V；j为道路网络节点编号，j＝1,2,...,V；n为疏散对象编号，n＝1,2,...,N；dij为路段(i,j)的长度；rij为路段(i,j)的环境风险值；xnij为决策变量；vnij为车辆n在路段(i,j)的行驶速度。

5.根据权利要求4所述的危险品事故道路应急疏散优化方法，其特征在于，所述疏散路径长度目标函数为：

6.根据权利要求5所述的危险品事故道路应急疏散优化方法，其特征在于，所述危险品事故道路应急疏散优化模型目标函数为：

1 K 1 K

式中，w为权重系数，D为最短疏散路径，D为第K短疏散路径，R为最小疏散风险，R 为第K小疏散风险。

7.根据权利要求6所述的危险品事故道路应急疏散优化方法，其特征在于，所述危险品事故道路应急疏散优化模型包含所有疏散对象全部参与应急疏散的约束条件及保证所有对象都到达应急疏散目的地的约束条件，两个所述约束条件分别如下：式中，xn1j为编号为n的疏散对象通过路段(1,j)时的决策变量，如果编号为n的疏散对象通过路段(1,j)，则取值为1，否则为0；

xniV为编号为n的疏散对象通过路段(i,V)时的决策变量，如果编号为n的疏散对象通过路段(i,V)，则取值为1，否则为0。

8.根据权利要求7所述的危险品事故道路应急疏散优化方法，其特征在于，所述道路交通流量守恒公式为：式中，xnip为编号为n的疏散对象通过路段(i,p)时的决策变量，如果编号为n的疏散对象通过路段(i,p)，则取值为1，否则为0；

xnpj为编号为n的疏散对象通过路段(p,j)时的决策变量，如果编号为n的疏散对象通过路段(p,j)，则取值为1，否则为0。

9.根据权利要求4所述的危险品事故道路应急疏散优化方法，其特征在于，所述车辆n在路段(i,j)的车速vnij的计算公式为：式中，cij为道路(i,j)最大可容纳的车辆数；mnij为疏散对象n通过道路(i,j)时道路(i,j)中已有的车辆数；v0ig为道路(i,j)上车辆数为0时的车辆行驶速度。

10.根据权利要求1所述的危险品事故道路应急疏散优化方法，其特征在于，使用粒子群‑遗传混合算法求解所述危险品事故道路应急疏散优化模型的步骤包括：(1)设定优化参数K，调用第K短疏散路径算法，计算出第K短疏散路径或第K小疏散风险路径，生成可选路径集合；

(2)按泊松分布随机产生规模为N的疏散车流，从可选路径集合中随机制定每个疏散对象的疏散路径，所有疏散对象的疏散路径组成一个疏散方案，设迭代次数t＝0，初始化P个

1 2 P

疏散方案作为初始粒子，记为X0＝{x ,x ,…,x}，其中，N为疏散对象总数；V为道路网络节

点总数； 取值为1或0，1代表第p个疏散方案中第i辆车经过第v个道路节点，0代表第p个疏

1 2 P

散方案中第i辆车不经过第v个道路节点，x ,x ,…,x 为适应值，找出适应值最小的个体作为当前全局最优个体，记作 初始化每个个体的最优为i

(3)对于任意x∈Xt(i＝1,2,…,P)，以杂交概率CrossP1和CrossP2分别从当前个体的i历史最优 中和当前全局最优个体 选择部分车辆的路径与x 进行交换，再按变异概i率MutationP1和MutationP2分别从第K短路径和第K小风险路径选择部分车辆路径对x 进i i行变异，杂交变异得到新粒子y，计算y的适应值；

i i

(4)如果y的适应值优于当前全局最优个体 则用y更新 否则， 保持不变；

i i i

(5)如果y的适应值优于当前个体的历史最优 则用y更新 y 保存到Xt+1；否i则，x保存到Xt+1；

(6)当迭代次数t小于最大进化代数时，重复步骤(3)～(5)；当t达到最大进化代数时，输出 作为最优的疏散方案。