【技术实现步骤摘要】
本专利技术涉及乘客仿真模拟和疏散安全领域，具体的涉及一种水灾场景下车厢式交通工具内乘客疏散效率预测方法。
技术介绍
1、由于公共交通工具的普及以及人们环保意识的加强，越来越多的人在出行过程中选择公共交通工具出行，其中公交车、地铁、火车等厢式交通工具成为越来越多的人的选择，但是在交通运输过程中，天气等方面的不可控因素增多，暴雨、雨水倒灌等现象时有发生，尤其在乘坐地铁出行的过程中，水灾场景尤为具有现实危险性。
2、水灾场景下地铁列车乘客疏散效率预测，对于提高应急响应能力、减少潜在伤亡具有重要意义；关于地铁乘客疏散的研究主要集中在火灾、恐怖袭击等情境下的疏散模拟与优化，而针对水灾情景的疏散效率预测，尚缺乏专门的研究和方法。传统的疏散模型往往没有考虑到水灾特有的环境因素，如水位上升对乘客移动速度的影响、疏散路径的变化等。并且开发一种针对水灾场景下地铁列车乘客疏散效率的预测方法，不仅对于地铁运营商制定应急预案、提高疏散效率具有现实指导意义，也对提升城市公共安全管理水平、保障公众安全具有重要的理论和实践价值。
3、因此，本领域技术人员亟需一种能够预测水灾场景下地铁列车乘客疏散效率的方法，为地铁系统的安全管理提供科学的决策支持。
技术实现思路
1、针对现有技术中存在的问题，本专利技术的目的在于：提供一种考虑列车内积水深度、列车可通行车门数量、车门间宽度、列车内乘客数量、乘客反应时间以及正常情况下乘客运动速度对水灾情况下乘客安全疏散时间的影响，在面对灾害时，有助于提高地铁运
2、为实现上述目的，本专利技术采取的技术方案是：一种水灾场景下车厢式交通工具内乘客疏散效率预测方法，包括以下步骤：
3、步骤一：构建车厢三维仿真模型，模拟车厢车门开关状态受水灾影响程度，设置列车内初始乘客分布位置；
4、步骤二：搭建车厢内水动力学模型，得到车厢内水位深度随时间变化数据，结合正常情况下乘客的行走速度，计算不同水深下对应的乘客行走速度，模拟不同水灾情况下的乘客疏散行为；
5、步骤三：构建车厢内乘客疏散效率预测模型，将所述不同水灾情况下的乘客疏散行为放入步骤一所述的车厢三维仿真模型中，模拟多种场景，得到所述车厢内乘客疏散效率预测模型的数据集；
6、步骤四：使用红尾鹰算法对所述车厢内乘客疏散效率预测模型进行优化，得到第一预测模型，利用所述数据集中部分数据对所述第一预测模型进行训练，得到优化预测模型；
7、步骤五：向所述优化预测模型中输入所述数据集中剩余部分数据，得到所述多种场景中的对应场景下的乘客疏散效率的预测值，得到用于预测水灾场景下车厢式交通工具内乘客疏散效率的模型。
8、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，所述车厢式交通工具为地铁列车，所述多种场景包括列车内积水深度、列车可通行车门数量、可通行车门间宽度、列车内乘客数量、乘客反应时间、正常情况下乘客运动速度。
9、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，在步骤一中，所述构建车厢三维仿真模型，通过模拟所述地铁列车运行过程中的不同场景，改变所述地铁列车的可通行车门数量，以及车门的可通行宽度，将所述列车内乘客初始分布位置作为疏散起点，乘客离开列车的初始分布位置作为疏散终点，模拟出乘客的运动规律。
10、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，在步骤二中，所述乘客行走速度定义为：
11、
12、b＝1-l/lmax
13、ω＝1.0/(0.982+exp(1.12t-4.0))
14、其中：表示正常情况下乘客的行走速度的最大速度，是乘客行走速度，ω是由于疲劳而导致的速度下降的比率，l为车厢内水深，lmax是乘客无法行走的临界水深，llittle为洪水对乘客行走影响较小和/或无影响的洪水水深，b表示随水深增加，行走速度降低的比率，t表示时间，exp表示自然指数函数。
15、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，在步骤三中，所述车厢内乘客疏散效率预测模型的构建方法包括：
16、步骤3-1：数据预处理，根据所述数据集划分训练样本、测试样本；
17、步骤3-2：根据输入特征的数量与预测特征的数量确定预测模型神经网络的输入层节点个数与输出层节点个数，所述输入特征包括所述多种场景的数据，所述输出特征包括地铁列车乘客疏散时间；
18、步骤3-3：根据柯尔莫哥洛夫定理定义隐藏层层数为1，确定隐藏层中神经元数量，根据经验公式确定隐藏层节点个数，式中：n1是隐藏层节点个数，n是输入层节点个数，m是输出层节点个数，a为常数；
19、步骤3-4：建立bp神经网络，确定神经元激活函数，配置网络参数。
20、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，所述步骤s3-4包括：
21、①：确定bp神经网络每层使用的激活函数为和purelin(x)＝x，其中，tansig函数为双曲正切函数，x表示输入到激活函数的值，e是自然对数的底数，purelin函数为线性函数；
22、②：设置神经网络前向传播公式其中，xt为输入变量，y为输出变量，u为隐藏层神经元的输出，f为激活函数的映射关系，vtj为第i个输入变量与第j个隐藏层神经元的权重，为隐藏层u第j个神经元的阈值。
23、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，所述步骤四包括：
24、步骤4-1：设置红尾鹰算法参数，确定种群数量和设定最大迭代次数，获取对应测试函数的边界信息和维度；
25、步骤4-2：定义适应度函数，计算红尾鹰算法中的适应度值，所述适应度函数为：
26、其中，m为bp神经网络模型中对象数量，n为bp神经网络模型中特征数量，x为数据真实特征，真实值输出值为k为常数；
27、步骤4-3：得到所述第一预测模型的目标函数：其中y为经过步骤4-2神经网络预测出的值；
28、步骤4-4：利用红尾鹰算法对所述第一预测模型中的权值和阈值进行优化，重构预测算法，将权值和阈值作为红尾鹰优化算法的一组候选解，计算适应度；
29、步骤4-5：通过红尾鹰算法的迭代计算，得到红尾鹰算法的目标函数最优值对应的最优解，获得所述多种场景中的对应场景下的乘客疏散效率的最优预测值。
30、上述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，所述红尾鹰算法包括：高飞过程、低飞过程、俯冲过程；所述步骤4-4包括：
31、③：初始化红尾鹰算法，生成一个种群的初始位置，并计算每个个体的适应度；
32、④：比较每个个体的适应度与当前最优适应度，更新最优位置和最优适应度；
33、⑤：获得一个本文档来自技高网...
【技术保护点】
1.一种水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，所述车厢式交通工具为地铁列车，所述多种场景包括列车内积水深度、列车可通行车门数量、可通行车门间宽度、列车内乘客数量、乘客反应时间、正常情况下乘客运动速度。
3.根据权利要求2所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，在步骤一中，所述构建车厢三维仿真模型，通过模拟所述地铁列车运行过程中的不同场景，改变所述地铁列车的可通行车门数量，以及车门的可通行宽度，将所述列车内乘客初始分布位置作为疏散起点，乘客离开列车的分布位置作为疏散终点，模拟出乘客的运动规律。
4.根据权利要求2所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，在步骤二中，所述乘客行走速度定义为：
5.根据权利要求4所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，在步骤三中，所述车厢内乘客疏散效率预测模型的构建方法包括：
6.根据权利要求5所述
7.根据权利要求6所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，所述步骤四包括：
8.根据权利要求7所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，所述红尾鹰算法包括：高飞过程、低飞过程、俯冲过程；所述步骤4-4包括：
9.根据权利要求8所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，所述高飞过程，在每次迭代中，计算种群位置的平均值Xmean，根据公式
10.根据权利要求9所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，所述方法还包括步骤六：向步骤五中得到的所述乘客疏散效率的模型中输入数据集中剩余部分数据中的列车内积水深度、列车可通行车门数量、可通行车门间宽度、列车内乘客数量、乘客反应时间以及正常情况下乘客运动速度，得到对应场景下人群疏散时间的预测值，计算平均绝对百分误差用以评价所述乘客疏散效率的模型的有效性。
...【技术特征摘要】
1.一种水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，所述车厢式交通工具为地铁列车，所述多种场景包括列车内积水深度、列车可通行车门数量、可通行车门间宽度、列车内乘客数量、乘客反应时间、正常情况下乘客运动速度。
3.根据权利要求2所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，在步骤一中，所述构建车厢三维仿真模型，通过模拟所述地铁列车运行过程中的不同场景，改变所述地铁列车的可通行车门数量，以及车门的可通行宽度，将所述列车内乘客初始分布位置作为疏散起点，乘客离开列车的分布位置作为疏散终点，模拟出乘客的运动规律。
4.根据权利要求2所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，在步骤二中，所述乘客行走速度定义为：
5.根据权利要求4所述的水灾场景下车厢式交通工具内乘客疏散效率预测方法，其特征在于，在步骤三中，所述车厢内乘客疏散效率预测模型的构建方法包括：
【专利技术属性】
技术研发人员：杨晓霞，邵闯，康元磊，张永亮，曲大义，魏金丽，朱兆文，史云娣，周亚博，周波，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。