基于ANUGA二维模型的动态洪水实时启发式撤离路径规划算法研究

《Scientific Reports》：Real-time heuristic evacuation pathfinding algorithm for flood avoidance

　　**摘要**洪水是世界上最具有破坏性的年度灾害之一，无论从人员伤亡还是经济损失的角度来看都是如此，这使得撤离路线规划对于减轻洪水风险至关重要。本研究提出了一种基于ANUGA二维模型的动态洪水模拟实时启发式洪水撤离路径规划算法（RHEPFA）。其核心创新在于一种新颖的双范围（危险区域与安全区域）启发式加权机制，能够高效预测洪水演进。RHEPFA独特地与水文动力学预报相结合，基于移动速度、地形约束和淹没动力学进行实时路径查找。这一创新方法保持了超过90%的可通行率，优于静态Dijkstra算法和蚁群优化算法。与动态Dijkstra算法相比，RHEPFA仍然表现出色，可通行率提高12.5%，路径长度缩短22.8%，计算成本降低81.3%，更重要的是，撤离时间窗口延长10.43%。研究进一步发现，被困率与撤离速度呈负相关，采用更快的交通方式可以显著降低被困率。