極端氣候下，複合性災害的情況越來越常見，在災害發生時，若沒有完善的規劃，容易造成人員或物資的大量損失。綜觀各種災害因素，並考量災時路徑規劃不論對疏散或是救災之行為，都是相當重要的關鍵，因此，本研究將研究焦點聚焦於災時的路徑規劃。

傳統上，對於災時路徑的規劃大多以災前的問卷調查對當地居民的用路習慣做災前分析、或使用地理資訊系統(Geographic Information Systems，GIS)軟體對道路做最短路徑分析。但是，極端氣候下之複合性災害具有變動劇烈及不可預測性，使得道路可能被阻塞。傳統上對路徑使用單一目標求解的做法已不敷使用。因此，本研究使用多目標規劃求解的方式對災時避難路徑做最佳化目標，包含了最短距離、最少轉彎次數、及經過最少路口。

演算法部份，本研究使用超啟發式演算中的質群演算法做為本研究的求解模式，並使用第K短路徑演算法及廣度搜尋演算法輔助質群演算法，提昇搜尋品質。透過本研究提出之演算法求解多目標災時路徑，將結果提供給決策者，能夠讓決策者有效率地選擇避難道路，進而提昇救災避難的品質。

Under extreme climate, complex disasters are becoming more common in the event of a disaster, if there is no perfect plan, likely to cause significant loss of personnel or materiel. Looking at the various disasters factors, and consider the path planning when the disaster regardless of the act of evacuation or relief, are very important key, therefore, this study will be focus on the path planning when disaster occur.

Traditionally path planning in disaster almost using the pre-disaster survey of local residents use the roads habit to do pre-disaster analysis, or use shortest path analysis by using Geographic Information Systems Geographic Information Systems (GIS) software. However, complex disasters with highly changes and unpredictability, traditional planning with single goal have been inadequate. Therefore, this study using multi-objective planning to get the best goal of disaster evacuated routes, including the shortest distance, the number of turn, and least intersection.

In algorithm, this study use particles swarm optimization as the model and use the first K-shortest path algorithm and Breadth-First search algorithm assisted particles swarm optimization to improve the search quality. through the proposed algorithm in this study to policy makers, enables decision makers can efficiently select the road, and enhance the quality of evacuations.

中文文獻
1. 三船康道，地域、地區防災手法，東京都株式會社(1995)。
2. 張益三、蔡柏全「都市災害防救管理體系及避難圈域適宜規模之探究-以嘉義市為例，國立成功大學 (2002)。
3. 包昇平，都市防災避難據點適宜性評估之研究-以嘉義市為例，國立成功大學碩士論文(2004)。
4. 曾明遜、詹士樑，都市地區避難救災動線評估方法之研究(二):地區避難路徑與據點之配合，內政部建築研究所計畫成果報告(1999)。
5. 張文候，台北市防災避難場所之區位決策分析，國立台灣大學碩士論文(1997)。
6. 蕭江碧、黃定國，「都市計畫相關都市防災系統規劃之研究」，內政部建築研究所(1996)。
7. 劉書綺，「都市地區地震災害避難據點與避難路徑擇定之研究」，國立交通大學碩士論文(2010)。
8. 許志義，多目標決策，五男圖書出版公司(1994)。
9. 胡曉輝，粒子群優化演算法介紹(2002)。
10. URL:http://www.iot.gov.tw/ct.asp?xItem=105644&CtNode=1086&mp=1，交通部運研所路網資訊(2010)。
11. URL:http://140.118.205.106/，台北市防災深耕計畫，內政部(2010)。
12. 李威儀、錢學陶、李咸亨，「台北市都市計畫防災系統之規劃」，台北市，台北市政府都市發展局(1997)。
13. 何明錦、黃定國，「都市計畫防災規劃作業之研究」，內政部建築研究所(1997)。
14. 台北市內湖地區都市防災空間系統規劃子計畫一：都市防災規劃手冊研修及辦理中日交流研討會」，台北市，內政部建築研究所委託(2003)。
15. 何明錦、李威儀、楊龍士，「臺中市都市防災空間系統規劃」，台北市，內政部建築研究所(2002)。
16. 陳建忠、文一智，「斗六市都市防災空間系統規劃」，台北市，內政部建築研究所(2002)。
17. 蕭江碧、李泳龍，「南投市都市防災空間系統規劃」，台北市，內政部建築研究所(2002)。
18. 陳建忠、彭光輝，「大里市都市防災空間系統規劃」，台北市，內政部建築研究所(2002)。
19. 解鴻年，「都市防災規劃增修洪災應變空間系統」，建築與規劃學報，第4卷第1期,頁73-89(2003)。
20. 張益三，「都市防災規劃之研究」，國立成功大學，臺灣省政府住宅與都市發展處市鄉規劃局委託(1999)。
21. 李威儀、錢學陶，「從都市防災系統中實質空間防災功能檢討－(二)學校、公園及大型公共設施等防救災據點」，台北市，內政部建築研究所(1999)。
22. 日本建設省都市公園綠地課，建設省土木研究所環境部監修，「防災公園計畫．設計準則」，日本，財團法人都市綠化技術開發機構(1999)。
23. 何明錦，李威儀，「都市計畫防災規劃手冊彙編」，台北市，內政部建築研究所(2000)。
24. 何明錦、李威儀，「從中日災後重建經驗整合都市防災空間規劃技術之研究」，台北市，內政部建築研究所(2001)。
25. 何明錦、張益三，「台北縣中和市都市防災空間系統規劃示範計畫」，台北市，內政部建築研究所(2003)。
26. 陳建忠、張隆盛，「宜蘭縣礁溪鄉都市防災應變空間系統規劃示範計畫」，台北市，內政部建築研究所(2003)。
27. 彭光輝、林峰田，「震災後避難收容設施緊急應變標準作業程序」，台北市，內政部建築研究所委託(2003)。
28. 陳佳正、盧孟明，「台灣極端降雨氣候事件判定方法」，大氣科學，第三十五期第二號，105~118頁(2007)。

英文文獻
1. Chen, Y.W. and Tzeng, G.H.,"Fuzzy Multi-Objective Approach to the Supply Chain Model",International Journal of Fuzzy Systems, Vol.2, NO.3, pp. 221-234(2000)
2. Hwang, C.L. and Yoon, K, “Multiple Attribute Decision Making:
Methods and Applications”, Spring-Verlag, Berlin, Heidelberg, New York(1981)
3. Grodecki, J.：Geodetic Datum Transformations, Colo. : Space Imaging (2001)
4. Marglin, S. , Public Investment Criteria. MIT Press(1967)
5. Gass, S. and Saaty ,T., "The computational algorithm for the parametric objective function, " Naval Research Logistics Quarterly, vol. 2, p.39-p.42(1955)
6. Zadeh, L. ,"Optimality and non-scalar-valued performance criteria, "IEEE Transactions on Automatic Control, vol. 8, no. 59-60(1963)
7. Kim, I. ,"Adaptive weighted sum method for biobjective optimization: Pareto front generation," Structual and Multidisciplinary Optimization, vol. 29, pp. 149-158,(2005)
8. Cohn, J.L. , "Multi objective Programming and Planning ", Academic, San Diego,Calif(1978)
9. Kennedy, J. and Eberhart, R. "Particle Swarm Optimization"，IEEE International Conference on Neural Networks(Perth，Australia)，IEEE Service Center，Piscataway，NJ，IV：1942-1948(1995)
10. Moore, J. and Chapman, R., "Application of particle swarm to multi objective optimization" Department of Computer Science and Software Engineering, Album University, (1999)
11. Yen, J. Y., "finding the K Shortest Loopless Path in a Networks," Management Science, Vol.17, No.11, pp.712-716(1971)
12. Cormen, Thomas H. ,"Leiserson,Introduction to Algorithms", Second Edition. MIT Press and McGraw-Hill, pp. 531–539(2001)
13. Lin ,J.,"Multiple-objective problems: Pareto-optimal solutions by method of proper equality constraints",pp.641-650(1976)
14. Rubinstein, R.Y.; Kroese, D. P. Simulation and the Monte Carlo Method (2nd ed.). New York: John Wiley & Sons(2007)