网联自动驾驶车辆应急路径规划中的链路级可靠性集成：一种多目标框架及关键服务质量阈值分析

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Arc-Level Reliability Integration in Connected Autonomous Vehicle Emergency Routing: A Multi-Objective Framework with Critical Service Quality Threshold Analysis

　　

- 在连接自动驾驶车辆（CAV）路由框架的四个机制层级上嵌入弧可靠性。
- 识别一个关键阈值，超过该阈值后服务质量将发生非线性崩溃。
- 证明在平均可靠性相等的情况下，枢纽故障比随机中断更具破坏性。
- 通过一种内生修复算子将弧可靠性整合到算法设计中。
- 在2025年伊比利亚半岛停电事件中验证模型，无需重新校准参数。

引言

自然灾害（包括地震、山火（Jana等，2025）和洪水）的发生频率和严重程度日益增加，使全球各地的应急医疗响应系统承受着非凡的运营压力（Krichen等，2024）。近几十年来，自然灾害事件急剧上升，年均记录发生次数从20世纪60年代的不足50起增加到2020年代的超过400起（OWID，2026）。与此同时，这些事件带来的经济损失呈指数级增长，2020年代每年经济损失经常超过3500亿美元，而千禧年初尚不足2000亿美元（Aon，2026）。

这一趋势带来的人类后果同样令人震惊。大规模伤亡事件中的生存率主要决定因素并非可用的医疗资源总量，而是这些资源能否在可操作的时间约束内，以适当的顺序快速、准确地送达患者（Shamani等，2026）。这给应急响应系统带来了巨大压力，要求它们在条件最为混乱时仍能精准运作。

然而，在实践中实现这种精准远比表面所见更为困难。灾后环境中的应急医疗响应运营面临一种叠加性挑战，而传统规划框架并未针对此进行设计（Yang等，2025）：基础设施损坏同时降低了道路通行能力，破坏了通信链路，并因地域分散且医学异构的伤亡群体而增加需求（Karaman等，2026；Wang, F.等，2025）。2017年飓风哈维在休斯顿的应急响应期间，大都会地区5.1%的蜂窝基站停服，在飓风登陆时，阿兰萨斯县的停服率达到94.7%，雷富吉奥县达到84.6%，直接削弱了该区域的应急调度协调能力（FCC，2018）。更近的案例是，2025年1月洛杉矶帕利塞兹和伊顿山火引发了连锁停电，导致受影响区域的蜂窝基站瘫痪，迫使三大运营商全部部署应急卫星和移动资产（FCC，2025；CTIA，2025）。综合来看，这些案例表明通信和道路网络退化并非异常结果，而是大规模灾害事件中的反复出现的特征。

为应对这些持续的运营挑战，连接自动驾驶车辆（CAVs）作为一种前景广阔的应急车队技术应运而生，因为它们无需人类驾驶员即可运行，可通过车-基础设施（V2I）通信进行协调，并能在准实时内动态重新路由（Lv等，2023）。CAVs配备了车载感知传感器、边缘计算单元以及车-万物（V2X）通信接口，能够与路边基础设施单元以及车队中的其他车辆持续交换位置、速度和交通密度数据（Lv等，2023）。车载路由模块利用这一实时数据流，通过美国公路局（BPR）函数更新旅行时间估计值（Bamdad Mehrabani等，2025）。然而，这一技术前景附带一个关键警告：使CAV协调成为可能的通信基础设施本身也易受造成路由问题的那些灾害的破坏（Hu等，2025）。

CAV应急车队调度被形式化为带时间窗的车辆路径问题（VRPTW），这是一个经典的组合优化框架，其中一支车队必须服务一组患者节点，每个节点关联一个代表临床上可接受的到达时间间隔的时间窗，同时满足车辆容量和返回停靠点的约束（Liu等，2026）。在CAV语境下，VRPTW沿两个经典形式中不存在的维度进行了扩展。第一，弧旅行时间是时变的：弧上的速度由实时交通密度决定，通过BPR流量-延误函数表示，该函数捕捉了流量-容量比与拥堵之间的非线性关系（Gendreau等，2015）。第二，路由决策由通过V2X通信信道传输的实时交通数据提供信息支持。该数据的可用性和准确性直接取决于传输这些数据的通信链路的完整性（Farag & Rakha，2023；Wang, J.等，2025）。在灾后网络中，物理道路容量和V2X通信质量同时受到同一基础设施损坏的退化影响，形成了一个标准的网络模型无法表示的耦合信息-物理可靠性问题（Ouyang，2014）。

许多近期研究分别在自动驾驶车辆路由（Zhao等，2025a）、网络可靠性和人道主义物流等领域展开，但尚无研究将它们整合为统一框架。文献涵盖四个在很大程度上并行发展且缺乏交叉融合的研究方向。在CAV应急路由方向上，虽然先前的研究聚焦于单车导航，但Adas等（2025）评估了在大规模应急场景中通过自动驾驶车辆编队路由所获得的物流和运营效率提升。Chai等（2017）研究了不确定旅行时间下V2I支持的动态重新路由，Ahmed等（2023）将CAV路由扩展至多医院患者分配。尽管这些研究在技术上十分复杂，但每种模型都建立在完全可靠的通信网络假设之上，且追求单一路由目标，使得可靠性-质量耦合未被建模。

在VRPTW扩展方向上，Métwalli, A.等（2026）提出了带软时间窗的应急医疗服务问题，但将旅行时间视为确定性的；Huang等（2026）在人道主义路由中引入了模糊需求，但未涉及网络可靠性；Shiri等（2023）研究了部分分诊信息下的救护车路由，使用硬可行性切割而非分级满意度函数。综合来看，这些论文表明时间窗灵活性和患者异质性已被公认为建模优先级，但没有任何一篇将二者与底层网络基础设施的可靠性联系起来。

网络可靠性方向将基础设施维度引入视野。Berdica（2002）引入了道路网络脆弱性的基础性术语，Murray-Tuite和Mahmassani（2004）量化了网络中断的路由影响，Hu等（2022）建立了通过Benders分解求解的可靠性约束路由问题。然而，这三项研究都将弧故障视为二元移除，而非带有拥堵影响的连续分级退化，这种简化排除了部分损坏网络规划所需的敏感性分析。

在人道主义物流方向上，Ransikarbum和Mason（2016）以及Caunhye等（2012）开发了带优先级权重的多目标应急分配模型，建立了同时优化竞争性服务标准的规范性依据。这两个模型均未纳入CAV技术或通信可靠性约束；因此，自动驾驶车辆运营能力与退化网络条件之间的相互作用仍在其研究范围之外。

跨这四个方向的阅读揭示了一个一致性的结构性缺口。没有任何先前的路由模型使用单一的弧级可靠性参数来同时通过拥堵效应调节道路通行能力、通过最小可靠性阈值约束弧可行性、并作为选择低可靠性弧的惩罚项进入路由目标。前两个作用已分别在可靠性和路由文献中出现；第三个作用则完全缺失。这种三重角色并非仅仅是符号上的便利；它从根本上改变了优化问题的数学结构。当弧可靠性同时影响拥堵、可行性和待最小化的目标时，最小化路径不可靠性和最小化患者不满意成为部分冲突的目标，由此产生的权衡前沿由可靠性系数在网络上的分布而非仅由距离或时间决定。该模型的多目标硬度加上非线性拥堵耦合意味着，对于实际规模的网络，精确方法在计算上不可行，且标准的多目标元启发式算法需要进行问题特定的适配才能在可靠性约束收紧时保持解的可行性（Deb等，2002；Zhang & Li，2007；de Castro Pena等，2023）。这一区别可以与最接近的现有工作进行具体的对比陈述。在附录A中比较的十八项可靠性感知路由和灾害物流研究中，仅有两项以任何方式表示通信质量，且两者都只是部分表示：Karahalios等（2025）实时处理信息-物理可靠性，但保持弧成本静态，因此退化从未传播至拥堵；Razavi等（2025）在单目标模型中纳入信息风险，因此与服务质量之间的权衡从未被暴露。在十八项研究中，有八项将故障表示为二元事件，仅有一项将其表示为连续量，动态交通仅出现在两项中。没有已审查的研究同时连续表示弧退化、将其与动态拥堵耦合、并将其保留为显式优化目标。正是这种组合——而非其中任何单一要素——使得本文发展的模型独具特色。

本文做出了五项贡献。第一，我们提出了带模糊时间窗和（概率链路）网络可靠性约束的连接自动驾驶车辆路由问题（CA-VRPFTW-NR），纳入了可靠性调整的拥堵模型，其中单一弧级参数同时确定有效道路通行能力、弧可行性和路径级可靠性。这种统一参数化提供了可靠性-服务质量耦合的闭式、解析可处理模型，无需仿真。第二，我们开发了一个三目标优化框架，同时最小化患者不满意和路径不可靠性，并最大化优先级加权的覆盖服务，使用扩展了可靠性-可行性修复机制的量子启发遗传算法（QiGA）求解，同时与其他现有的单目标和多目标优化算法进行比较。第三，我们进行了系统性实验研究，涵盖七个最小可靠性阈值、四种网络故障模式、四种拓扑类型以及四种主要基准元启发式算法和三种多目标比较算法，提供了全面的跨算法和跨条件性能分析。第四，我们引入了服务质量退化率（SQDR）指标，并计算识别了一个临界可靠性阈值，低于该阈值后无论车队规模或算法选择如何，服务质量都将发生非线性崩溃。第五，我们通过服务质量相图提供了可操作的管理指导，将阈值-流量对映射到安全、退化和崩溃三种服务状态，并附有阈值表，指定每个服务质量目标所需的最小可靠性。

操作场景为灾后CAV应急医疗路由，其中一支自动驾驶车辆车队从中央枢纽出发，服务地理分散的患者，患者分为三个伤情严重等级，每个等级具有临床上定义的时间窗。选择该场景是因为它代表了可靠性感知路由最严苛的考验：时间窗被违反时将产生不可逆的临床后果，患者在紧迫性方面具有异质性，因此需要优先级差异化的路由而非距离最优解，且道路网络因同一灾害事件在物理容量和通信质量方面同时退化。

本文其余部分组织如下。第2节回顾了五个研究方向的相关工作：交通网络可靠性、基础设施中断下的路由优化、通信退化下的连接自动驾驶车辆、多目标优化和人道主义物流。第3节呈现问题模型，包括网络模型、可靠性调整的BPR函数、模糊时间窗表示、决策变量、三目标框架和完整约束集。第4节描述解决方案方法、QiGA算法以及所有算法共享的可靠性-可行性修复算子。第5节呈现计算结果，包括基线验证、可靠性阈值敏感性分析、基于SQDR的临界阈值识别、故障模式和拓扑实验、算法性能比较以及多目标帕累托分析。第6节将该框架应用于2025年伊比利亚半岛停电作为实际案例研究。第7节以发现总结、局限性和未来研究方向作为结论。

文献综述节选

近期关于自动驾驶车辆路由、基础设施可靠性和应急物流的研究在各领域内取得了实质性进展，但这些进展在很大程度上彼此孤立。与本文所解决的相关问题直接相关的五个研究方向为：基础设施退化下的交通网络可靠性、中断条件下的路由优化、通信不确定性下的连接自动驾驶车辆调度、灾后……

问题陈述

本研究针对灾后城市网络中的CAV应急医疗路由问题。在发生重大中断事件后，道路基础设施遭受部分或完全失效，V2X设备损坏导致通信链路退化，多个优先级类别的应急医疗需求激增。目标是调度一支自主医疗车辆车队从中央医院出发前往患者位置，每辆车返回医院，并以一种方式完成这些任务……

方法论

本节描述了将第3节提出的模型付诸实施的解决方案方法。

第4.1节确定了网络可靠性进入求解过程的四个不同节点，并解释了每个节点对服务质量的影响。第4.2节描述了所有八种算法共用的求解流程，以强制执行这些可靠性要求。第4.3节和第4.4节分别介绍了所提出的QiGA和四种基准算法，重点强调其……结果与讨论本节对为评估所提出的基于QiGA的CAV路径规划框架在灾后网络条件下所进行的计算实验进行了全面分析。实验在合成灾后网络上进行，网络规模分别为n=20、50、100、150名患者，K=6辆车辆，可靠性阈值φpen范围为[0.70, 1.00]。所有结果均为每种配置下20个独立实例、每个实例10个随机种子（即每种配置200次运行）的平均值。五种算法为……2025年伊比利亚半岛停电事件案例研究2025年4月28日，伊比利亚半岛发生了欧洲历史上规模最大的停电事件，影响了西班牙、葡萄牙和安道尔的约5500万人（Daví-Arderius and Graf, 2025; REE, 2025）。对于CAV紧急医疗车队而言，该事件造成了三重叠加中断：（1）V2I通信链路失效，蜂窝基站备用电源在2至4小时内耗尽；（2）交通信号系统离线，对……结论本文解决了紧急路径规划文献中的一个结构性空白：缺乏一个统一的框架，将路段级通信可靠性作为同时影响旅行时间拥堵、路径可行性和路径优化目标的驱动因素。所提出的CA-VRPFTW-NR公式将单一可靠性参数?ij嵌入求解方法论中四个性质上不同的节点，将BPR旅行时间模型、收缩可达性的可行性门限与……数据可用性本研究结果所支持的源代码、仿真元数据和案例研究数据已公开并在Zenodo上永久存档，地址为https://doi.org/10.5281/zenodo.21800619，该链接始终指向最新版本。存档内容完整复现了本文报告中所有实验、图表和表格，案例研究数据存放于CAVRSS_CaseStudy_Data文件夹中。代码以MIT许可证发布，源自OpenStreetMap的网络数据以ODbL 1.0许可证发布，以及……CRediT作者贡献声明Hooman Razavi：撰写—初稿、方法论。Mostafa Hajiaghaei-Keshteli：指导。M. Hamed Mozaffari：撰写—审阅与编辑。Neale R. Smith：撰写—审阅与编辑、指导。Hooman Razavi | Mostafa Hajiaghaei-Keshteli | M. Hamed Mozaffari | Neale R. Smith