第三道防线的最短路程方案 Q207?Q210、Q178?Q222、Q170?Q170、Q182?Q273、Q12?Q25、Q13?Q21、 Q494?Q486、Q481?Q491、Q530?Q531、Q548?Q532、Q176?Q534、Q536?Q535、Q475?Q543、Q478?Q542、Q480?Q569、Q569?Q568、Q179?Q183、Q177?Q198上表中Qi?Qj均为平台i到节点j的最短路径，也即在围堵嫌疑犯时交叉口Qj由平台Qi去封锁围堵。通过计算得到第二防线全部待命所用时间：
t2d(Q,Q)???2ijmax?8.4min?9min。1km/min通过这样的防线设置，目标点的搜捕范围基本上就被控制在第一道防线与第三道防线的中间同心圆的部分，然后让第一道防线的警力外扩搜捕，让第三道防线的警力收缩搜捕，使第一道防线与第三道防线的中间同心圆面积越来越小，实现围堵目标点的目的。
t3?1km/min?d3(Qi,Qj)??5.2min?6min,
max六、模型的评价
优点：1.在分配平台管辖范围模型中，从实际出发，各个交巡警服务平台不能重复管辖节点的客观事实，引入隶属度思想将被重复管辖的节点进行了更合理的分配。
2.在对全市平台设置方案进行分析中添加用矩阵的运算，易于用数学软件求解。 缺点：1.在本论文的模型中的假设性太强，导致该模型运用到实际上会有一定的困难。 2．在最后一个围堵模型中，第一防线的外扩搜捕与第三防线的收缩搜捕过程中，选择的路径只能是一条单一的路径，可能在这个时间差之内让嫌疑犯逃跑。
七、参考文献
八、附录
21
附录 1 A区域的标点程序 %A区域各节点标号程序 clc clear
csjd=[1 413 359 2 403 343 3 383.5 351 4 381 377.5 5 339 376 6 335 383 7 317 362
8 334.5 353.5 9 333 342 10 282 325 11 247 301 12 219 316 13 225 270 14 280 292 15 290 335 16 337 328 17 415 335 18 432 371 19 418 374 20 444 394 21 251 277 22 234 271 23 225 265 24 212 290 25 227 300 26 256 301 27 250.5 306 28 243 328 29 246 337 30 314 367 31 315 351 32 326 355 33 327 350 34 328 342.5 35 336 339 36 336 334 37 331 335 38 371 330 39 371 333
40 388.5 330.5
22
41 411 327.5 42 419 344 43 411 343 44 394 346 45 342 342 46 342 348 47 325 372 48 315 374 49 342 372 50 345 382
51 348.5 380.5 52 351 377 53 348 369 54 370 363 55 371 353 56 354 374 57 363 382.5 58 357 387 59 351 382 60 369 388 61 335 395 62 381 381 63 391 375 64 392 366 65 395 361 66 398 362 67 401 359 68 405 360 69 410 355 70 408 350 71 415 351 72 418 347 73 422 354 74 418.5 356 75 405.5 364.5 76 405 368 77 409 370 78 417 364 79 420 370 80 424 372 81 438 368 82 438.5 373 83 434 376 84 438 385
23
85 440 392 86 447 392 87 448 381 88 444.5 383 89 441 385
90 440.5 381.5 91 445 380 92 444 360 ];%原始数据
plot(csjd(:,2),csjd(:,3),'b.');%描点 n=length(csjd(:,1));
pingtai=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20
413,403,383.5,381,339,335,317,334.5,333,282,247,219,225,280,290,337,415,432,418,444 359,343,351,377.5,376,383,362,353.5,342,325,301,316,270,292,335,328,335,371,374,394]'; %个平台的原始数据 for i=1:20
plot(pingtai(:,2),pingtai(:,3),'r*');%将平台用红色*表示 end
for i=1:n
text(csjd(i,2),csjd(i,3),num2str(i));%在各节点上标号 end
a=[1,1,2,3,3,4,4,5,5,6,7,7,8,8,9,10,11,11,12,14,15,15,16,16,17,17,17,18,18,19,20,21,22,23,24,24,25,26,26,27,28,28,29,30,30,31,31,32,33,33,34,35,36,36,36,36,37,38,38,39,40,41,41,42,43,43,44,45,46,46,47,47,47,48,49,49,50,51,51,52,53,53,54,54,55,56,57,57,57,58,60,61,62,62,63,64,64,65,66,66,67,67,68,68,69,69,69,70,70,71,71,72,73,73,74,74,75,76,77,77,78,79,80,81,82,82,83,84,85,86,86,87,87,88,88,89,89,89,90,91
75,78,44,45,65,39,63,49,50,59,32,47,9,47,35,34,22,26,25,21,7,31,14,38,40,42,81,81,83,79,86,22,13,13,13,25,11,27,10,12,29,15,30,7,48,32,34,33,34,8,9,45,35,37,16,39,7,39,41,40,2,17,92,43,2,72,3,46,8,55,48,6,5,61,50,53,51,52,59,56,52,54,55,63,3,57,58,60,4,59,62,60,4,85,64,65,76,66,67,76,44,68,69,75,70,71,1,2,43,72,74,73,74,18,1,80,76,77,78,19,79,80,18,82,83,90,84,85,20,87,88,88,92,89,91,20,84,90,91,92]; %连线的原始数据 na=length(a(1,:)); for i=1:na
line([csjd(a(1,i),2),csjd(a(2,i),2)],[csjd(a(1,i),3),csjd(a(2,i),3)]); %连线 end
for i=1:na d(i)=sqrt((csjd(a(1,i),2)-csjd(a(2,i),2)).^2+(csjd(a(1,i),3)-csjd(a(2,i),3)).^2);%计算各个路线的距
离 %text((csjd(a(1,i),2)+csjd(a(2,i),2))/2,(csjd(a(1,i),3)+csjd(a(2,i),3))/2,num2str(sqrt((csjd(a(1,i),2)-csjd(a(2,i),2)).^2+(csjd(a(1,i),3)-csjd(a(2,i),3)).^2))); %再连线上标上距离 end
churu=[12,14,16,21,22,23,24,28,29,30,38,48,62];
24
%出入口原始数据 hold on
for i=1:length(churu)
plot(csjd(churu(i),2),csjd(churu(i),3),'ro'); %将出入口用红色圈表示 end
c=zeros(n,n); for i=1: na
c(a(1,i),a(2,i))=sqrt((csjd(a(1,i),2)-csjd(a(2,i),2)).^2+(csjd(a(1,i),3)-csjd(a(2,i),3)).^2); end c=c+c'; for i=1:n for j=1:n
if c(i,j)==0 c(i,j)=inf; end end end
for i=1:n c(i,i)=0; end
附录 2 dijkstra算法程序
function [distance,path]=dijkstra(A,s,e)
% [DISTANCE,PATH]=DIJKSTRA(A,S,E)
% returns the distance and path between the start node and the end node. % A: adjcent matrix % s: start node % e: end node % initialize
n=size(A,1); % node number D=A(s,:); % distance vector path=[]; % path vector visit=ones(1,n); % node visibility
visit(s)=0; % source node is unvisible parent=zeros(1,n); % parent node % the shortest distance
for i=1:n-1 % BlueSet has n-1 nodes temp=zeros(1,n); count=0; for j=1:n if visit(j)
temp=[temp(1:count) D(j)];
25
