基于电路图的卢浮宫紧急疏散计划的研究

运用降维的思想,把三维的楼层空间转化到二维的电路图上。通过把楼层结构和电路器件的对应,游客拟作电荷,电荷的移动形象表现出游客疏散的过程,并引入传统社会力模型中自身驱动力,排斥力的概念改进模型,以模拟行人间碰撞现象。把实际疏散时间对应到电路公式中,建立最短疏散时间的优化模型。通过元胞自动机进行地面层和楼层间的模拟仿真,仿真结果显示,基于“电路图“的优化疏散模型能够真实的反应游客疏散的具体过程。

基于图论与排队论的人员疏散优化模型研究

以办公楼火灾事故为场景,着重对人员疏散运动时间进行优化,主要考虑缩短应急疏散过程中的人员反应时间及疏散运动时间,通过选择图论理论对疏散最短路径进行优选,对壅滞时间的优化则选用排队论理论,提出了防止人群排队壅滞的安全判据,构建了一个基于图论与排队论的疏散优化模型。以某办公楼建筑为例进行疏散模拟,研究了其在火灾场景下的出口宽度,疏散通道长度,分支入口数、宽度以及人员移动速度等对疏散时间的影响。结果表明,建立的基于图论与排队论的疏散模型,对于合理设计疏散路线和优化建筑物的出口和通道结构具有一定的实用价值。

基于点排队模型的多出口疏散优化模型研究

针对室内多出口条件下,行人自主疏散时盲目选择疏散出口而导致的出口利用不对称问题,本文基于点排队模型计算了行人从单个拥挤出口疏散所耗时间,并据此构建了室内多出口条件下行人疏散的出口选择优化模型,设计了该模型的混合遗传模拟退火求解算法.同时,进一步提出了出口选择确定的元胞自动机仿真模型,用于仿真评估包括本模型优化解在内的多个出口选择方案对疏散时间的改善效果.结果表明,本文所提出的模型和方法,能够保证各个疏散出口的利用率均衡,降低总体疏散时间,对制定可行的疏散计划有一定参考意义.

基于元胞传输理论的应急疏散模型优化

大多数的灾难都无法避免,只能通过有效地疏散减少死亡人数和财产损失。而在疏散过程中,疏散需求的不确定影响着疏散的正常进行。针对需求不确定性,基于元胞传输模型(CTM)以最小疏散时间为目标建立应急疏散模型,然后采用affinely adjustable robust counterpart(AARC)方法对模型鲁棒优化,应用对偶理论改进模型以便于求解并进行算例分析。实例分析表明,AARC同原方案相比,能够极大地降低不确定性保证疏散的正常进行,为疏散决策提供了参考。

基于消除交叉冲突的疏散网络优化模型

针对疏散过程中交叉口易造成延误的问题,构建了基于消除交叉冲突的疏散网络优化双层模型,上层以总疏散时间最短为目标,对各车道转向进行最优设置,下层基于随机用户平衡原理进行路径选择,并运用遗传算法与逐次平均算法结合对该模型进行求解,最终实现疏散交通组织与路径规划的集成优化.本文基于简单实验对模型的收敛性与有效性进行校验,实验表明,运用本文所提出的模型能够有效求解消除交叉冲突下的疏散网络优化问题,且算法的收敛速度较快;基于实际案例证明,本文提出的疏散网络优化模型能通过对交叉口处部分转向的禁行,消除交叉冲突,避免其余转向交通流的中断,从而提高疏散效率.

基于回归分析的群集疏散时间模型优化研究

为提高国际上通用的疏散时间模型(简称经验模型)的仿真度,将人员的属性因素(自然属性和社会属性)影响纳入时间模型,采用回归分析方法,以某高校大型大学生艺术中心疏散案例为研究基础,通过调查采样建立185组数据的实测样本。结合影响人员疏散行为和疏散时间相关因素,运用统计软件SPSS17.0对样本进行回归分析,建立疏散时间回归模型。以回归模型为基础,将个体属性综合为群集属性,求取修正系数并对经验模型进行修正、检验。结果表明:利用回归分析和修正系数对疏散时间经验模型进行修正,可有效弥补经验模型缺乏考虑群集属性影响的弱点,提高经验模型的仿真度和应用价值。

基于过饱和控制的疏散网络优化模型

应急条件下疏散需求呈现短时爆发性特点,为提高网络优化模型在应急疏散状态下的适用性,本文提出了网络过饱和度概念,并结合疏散交通组织策略建立过饱和控制的疏散网络双层优化模型.上层模型从疏散组织者的角度出发最小化疏散网络过饱和度,下层模型以Wardrop用户平衡准则模拟疏散参与者的疏散路径选择行为.采用禁忌搜索算法求解所建模型,并以Sioux Falls网络为平台验证其有效性.实验结果表明,在应急交通疏散状态下,基于过饱和控制的疏散网络优化模型能够实现疏散网络通行能力的最大化利用和应急交通组织策略的最优化配置,具有较强的适用性.

考虑烟气影响的海底隧道火灾人车混合疏散优化模型

为研究烟气影响下海底隧道火灾人车混合疏散优化问题,建立疏散安全成本最小的优化模型.首先,考虑海底隧道结构特性和火灾情景过程中的烟气影响,确立烟气伤害不超限、人车路径流量不超容许载荷等约束条件,构建车辆、人员疏散时间最短的优化模型.然后,考虑隧道应急出口、CO浓度、路段长度和拥堵状态,设计改进蚁群算法对模型进行求解.最后,利用模型开展翔安海底隧道火灾疏散仿真.结果表明:该模型能在避开拥堵、避免人员烟气伤害超限前提下,使人车疏散时间最短,可为海底隧道火灾疏散提供辅助决策.

海底隧道火灾车辆疏散优化模型研究

为了提高海底隧道事故车辆疏散效率,降低疏散过程人员遭受CO伤害,针对海底隧道路网结构特点和应用需求,建立多约束条件下的动态交通流车辆疏散模型,并基于改进蚁群算法设计了模型算法实现对模型的求解.翔安海底隧道火灾事故车辆动态交通流疏散的模拟仿真结果表明:车辆在实现时间最短目标的同时,动态分配交通流,充分利用6个应急出口,确保所有路径CO摄入均在阈值内,有效避免人员伤害.

基于运输模型的安全疏散方案优化探讨

本文提出了一种基于运输模型的安全疏散方案优化方法,可得到针对某特定建筑在各种场景下疏散而不出现人群滞留现象的最优疏散方案。该方法考虑了所有疏散路径在疏散中的使用和各疏散路径最不利通行段及共用通行段的疏散能力大小,以及某个疏散初始位置所容纳疏散人员的个性特征。

遗传算法与行人疏散模型结合的建筑出口优化

构建基于遗传算法与行人运动仿真模型的双层优化框架,选取单室双出口场景,考虑两个出口在同一侧、相邻侧、相对侧3种典型布局,设定3种人员身形,3种疏散初始人群密度,9种疏散出口大小条件,形成243个数值实验场景,分别计算获得最有利于人员疏散的出口布局。研究发现疏散出口宽度与疏散效率呈正向关系,疏散人员半径、初始人员密度与疏散效率呈负向关系,同时在不同布局中,影响疏散效率的关键参数有一定区别。

城市群客运网络疏散路径优化

针对城市群内部交通网络结构复杂,备选线路多的特点,提出一种改进蚁群算法,用于求解城市群客运网络疏散路径问题。构建了城市群综合客运网络模型,在模型构建中考虑城市范围内虚拟换乘边问题,考虑出行时间成本与换乘时间成本构建权重函数;针对蚁群算法进行优化,构建了一种自适应调整的状态转移规则和基于路径长度优化提高算法运算效率的信息素更新规则。结果表明:改进蚁群算法可以有效提高算法收敛效率,降低疏散路径节点数、降低疏散总费用,具有较强的鲁棒性。

基于运输模型的安全疏散方案优化方法探讨

提出了一种基于运输模型的安全疏散方案优化方法,该方法考虑了所有疏散路径在疏散中的使用和各疏散路径最不利通行段及共用通行段的疏散能力大小,以及某个疏散初始位置所容纳疏散人员的个性特征,可得到针对某特定建筑在各种场景下疏散而不出现人群滞留现象的最优疏散方案。

基于Dial分流的陆上交通应急疏散模型的优化和实现

针对08年各大自然灾害造成大量人群滞留的状况,提出了基于陆上交通的Dial分流优化模型,该模型对Dial分流模型的路径选择运用最短路径进行优化,根据交通网络的复杂性和交通状况的随即性的特点对交通量进行宏观分配。并以此优化模型为基础,基于陆上交通网络数据库,利用C#和GIS组件supermap开发实现广州市雪灾应急疏散系统。该模型可为应急决策部门提供可靠的规划设计和实时应急管理。

考虑人员跨片区疏散的固定避难空间仿真及优化

为优化震后城市中心城区中长期避难效率和资源分布,考虑城市片区边界处人员无序疏散对避难需求产生的影响,以某城市中心城区作为研究对象,基于片区空间特征分析,建立跨片区固定避难疏散风险评价模型。选取跨片区疏散高风险片区,结合固定避难场所的吸引度模型,通过Anylogic仿真模型进行多情景对比分析。结果显示,由于城市片区间的避难空间与人员分布不均衡,片区边界处人员的跨片区疏散会导致片区内避难场所容量不足或避难空间浪费严重。针对疏散过程中存在人流对冲等现象而导致疏散效率降低的问题,可通过对疏散空间及疏散路径的优化来缩短疏散总时长。研究结果可为城市整体固定避难场所科学合理规划提供参考。

高铁站应急疏散的优化与实践研究

通过对高铁站的应急疏散体系进行深入研究,探讨应急疏散模型的优化与实践策略。首先,概述高铁站应急疏散的重要性和当前研究背景,指出高铁站作为人员密集、流动性大的公共场所,在突发事件下应急疏散工作的关键性;接着,分析高铁站应急疏散的理论基础,在此基础上,对高铁站应急疏散的现状进行详细分析,指出存在的问题与不足,并结合具体案例进行深入探讨。最后,重点构建高铁站应急疏散的模型,并提出优化策略,通过模型验证与效果分析,验证了模型的有效性和实用性。

DTMM:面向疏散灾害管理的应急物流优化调度模型

文中重点关注灾后快速、协调的人员大规模疏散,以有效减少损失。有效的疏散调度是研究和开发的一项重要任务和优先事项。该系统采用动态跟踪数学模型(DTMM)中的场景建立,此场景是为移动云计算平台开发的。DTMM是一种针对灾难人口密度的面向疏散优化调度模型(EOOSM)。这包括用于数据收集的移动物联网(IoT)接口以及云处理与分析后端系统。在IoT/Fog灾害管理的典型场景下开发解决方案,并提出了一个使用人工场效(AFE)的IoT应用方法,将DTMM算法作为疏散调度的核心。人工场效(AFE)被设计成一个IoT系统,适用于大规模人群的快速疏散,可以根据势场的梯度方向自动确定疏散路径。在AFE的基础上,引入EOOSM作为人工场效,并带有AFE-AR关联。AFE-AR指挥被疏散者与同一个避难场所保持联系,安抚被疏散者,并尽可能进行人道主义疏散。

教学楼内人员应急疏散模型和优化研究

针对教学楼内人员的紧急疏散问题,在合理的假设下,对人员的疏散方式进行确定,而后建立了以总疏散时间最小为目标的疏散模型,最后以某高校教学楼为例,运用MATLAB编程求得目标最优值,通过分析变量对目标值的影响,针对影响较大的变量进行优化,并在相关方面提出几点建议。

考虑路线复杂度的应急疏散双目标路径选择模型

针对路径选择这一疏散计划中最基本的问题,考虑疏散时间以及路线复杂度因素,建立了应急疏散路径选择的双目标优化模型。模型将总疏散时间最短以及路线复杂度最低作为优化目标,同时考虑灾害扩散对疏散网络通行状况的实时影响,将各弧段上的通行速度表示为随时间的连续递减函数。设计了求解模型的蚁群优化算法,仿真结果表明了模型和算法的有效性和可行性。

改进布谷鸟算法在人群疏散多目标优化中的应用

大型场馆的人员疏散问题实际上是一个多目标的优化问题,要求达到疏散时间短、疏散路径长度小、拥挤度低等目标,而由于约束条件之间的冲突性,使多个目标同时达到最优是困难的。目前主要的求解方法是利用智能进化算法进行启发式搜索和解的偏序关系为特征的演化多目标优化算法求解。布谷鸟算法是在布谷鸟寻窝产卵的行为中发现了一种新的搜索算法,基本的布谷鸟算法的搜索活力不足、搜索偏慢。从改变布谷鸟算法的搜索多样性等方面着手提高布谷鸟算法在优化问题上的求解能力,将新算法用于人群疏散的多目标优化,取得了较好的效果。