城市交通非常规突发事件,即由于一些自然的或人为的不可预见的因素造成的、非预期的、发生概率较小的、缺乏对其演化规律的知识和处置经验的、能引起城市车道通行能力剧减或需求剧增的非正常事件,包括交通领域自身事件,以及非交通领域但能给城市交通带来严重影响的事件。由于城市交通非常规突发事件是一类罕见的事件,“情景--应对”成为重要的管理方式,即应急处置是非常规突发事件应对的关键。而应急资源又是应急处置的关键要素之一,在资源有限和时间紧迫的情境下,如何协调应急处置的各个目标、设计最优的资源调度方案(资源的调度和最优路径的选择)对城市交通非常规突发事件应急管理具有重要的意义。　　 在非常规突发事件爆发的初期,由于信息不充分,对资源需求的种类及数量不明确,需要根据以往类似的事件,推断出所需的应急资源。基于这个现实,对案例推理技术(CBR)进行改进,将模糊理论、粗糙集理论和案例推理方法相结合,建立城市交通非常规突发事件应对的资源需求预测FRS-CBR模型:首先采用粗糙集理论和方法对城市交通非常规突发事件特征指标进行约简,然后利用模糊理论中贴近度来衡量突发事件与案例库中各案例的接近程度,判定相似性案例,获取案例推理结果,同时,结合专家讨论意见和后续信息进行适当修正,最后对交通突发事件案例库进行更新,完成案例推理过程。以某市“公路道路危货运输突发事故应急救援”需求资源预测为例进行仿真,验证了预测模型的可行性,并且预测结果较好。　　 在对应急资源需求做出预测之后,需要对资源进行协调优化调度(协调应急目标、确定出救点及相应的资源量),针对这一问题,本文从确定性条件和不确定性条件两个方面进行了研究。确定条件下又分三种情况:①连续应急系统下,单种应急资源出救点选择的多目标优化问题,通过定义模糊目标集,将多目标转化为单目标；针对时间的连续性和出救点数目的离散性并存的现状,给出了两层搜索算法,并对算法进行了证明,设计了求解连续条件下多目标优化模型的求解方法,并验证了该方法的可行性。②一次性消耗系统下,考虑到城市交通的特性:动态性、连锁反应性,重点研究了单种应急资源、多应急点的出救点选择多目标优化问题,引入应急点重要度的概念,按照“重要应急点优先保障”的思想,将多个应急点问题转化为单个应急点问题；③考虑到城市交通非常规突发事件爆发后,交通可能被破坏,在选择出救点时,很有必要考虑调度的可靠性。针对这一情况,建立了多应急资源下的“应急开始时间最早、出救点最少、可靠性最大”的优化模型,通过将多目标转化为二阶段目标进行求解。针对不确定条件下应急资源调度多目标优化问题国内研究较少的现状,重点研究了区间数和模糊数下有限制期的、出救点选择的“应急开始时间最早、出救点最少”多目标优化问题,通过引入“真度”的概念,将区间数(模糊数)转化为实数,借鉴何建敏(2005)求解多目标问题的思想,设计该问题的快速求解算法,并给出相应的仿真算例。　　 在对应急资源进行优化调度后,需要寻找最优路径将应急资源调运到应急点,即寻找各出救点到应急点的最优路径。本文仍然从确定性条件和不确定性条件两个方面展开研究。确定条件下,首先,对通过任意两个节点间的时间和运输费用都是确定(即边权为确定数)的“时间最短和运输费用最少”目标下路径选择问题进行描述,建立数学模型,为求解该模型,首先从蚂蚁可行集的设置、蚂蚁死亡(为加快蚁群算法的速度,在蚂蚁的可行集为空时宣布蚂蚁死亡,而不让其回到原来的节点重新选择。这样做可以有效的防止蚂蚁进入死循环状态)、蚂蚁状态转移概率调整(为解决蚁群算法容易陷入局部最优的问题,采用蒙特卡罗方法选取蚂蚁的下一步方案)和信息素上限设置(为防止蚁群算法的“早熟”,设置了信息素的上限,加上信息素的挥发性,使其它路径更有机会被选择到)四个方面对蚁群算法进行改进(称之为改进的蚁群算法),求出应急资源调运最优路径选择的非劣方案集,然后,采用改进的TOPSIS法在非劣方案中求取最优方案,最后,结合城市交通非常规突发事件的特点:大面积的交通堵塞或瘫痪,给出了仿真算例。不确定条件下,即考虑任意节点间的时间是不确定的(即边权是不确定的),针对均匀分布的区间数和三角形模糊数在反映现实问题中的局限,对其进行改进,分别研究了正态分布型的区间网络和一般梯形的模糊网络最大满意度和运输费用最小的最优路径的选取问题,设计了两类问题的在“时间满意度最大”单目标情况下的求解方案,在此基础上对改进的蚁群算法进行进一步改进,以求解时间不确下的最优路径选择问题。　　 本文按照“应急资源需求预测--应急资源优化调度--应急资源调运最优路径选择”的路径研究城市交通非常规突发事件应对的资源协调优化问题,为城市交通应急管理者和决策者提供了可供参考的模型和方法,具有较高的理论价值和现实意义。