动态不确定性环境下的地铁车站应急疏散仿真建模

针对动态不确定环境下乘客初始状态、疏散行为、全局疏散路径不确定等问题,提出基于Agent的疏散行为动态切换模型,并引入选择变更代价实现了多种疏散行为的动态切换;考虑与常态仿真衔接构建疏散空间衔接关系,并提出基于改进Dijkstra算法的全局疏散路径搜索方法;最后,以某车站突发事故场景为例进行多个应急预案的仿真评估.结果验证模型具有可行性,并能更真实反映动态不确定环境对乘客疏散过程的影响,进一步提高了疏散仿真精度.

基于社会力模型的多出口室内应急疏散仿真研究

突发事件频发,如何将密集行人从有限出口的室内空间安全疏散是应急疏散研究的重难点。以某高校大礼堂为例,利用Anylogic进行仿真,引入意识程度综合反映行人受到的安全教育,安全培训以及熟悉程度,改进原始社会力模型中的期望速度;针对多出口室内出口利用不均提出分区引导和改变出口结构优化方案。仿真结果表明:意识程度增加行人的期望速度,有效降低疏散时间;分区引导,出口宽度和出口间隔的合理设置可以合理分流人群,减少出口拥堵,有效解决出口利用不均问题。

基于协作式深度强化学习的火灾应急疏散仿真研究

火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明:所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。

地铁车站乘客疏散出口选择行为仿真建模

针对地铁车站乘客疏散过程中的出口选择行为受到自身感知和判断能力的制约,且可能会根据当前位置和出口实时状况重新选择出口,提出一种出口动态选择模型,模型引入感知因子和判断系数反映乘客的感觉和知觉能力,采用动态比较过程和预测决策过程来模拟乘客的出口选择和出口变换行为.以某地铁车站站台层为场景分析乘客的感知和判断能力对出口选择、出口变换行为及疏散效果的影响.仿真结果表明:模型参数可以有效调节乘客的出口选择和出口变换行为,进而影响疏散结果.当车站视野不佳或乘客偏好等待时,需要引导乘客从拥堵的出口到通畅的出口进行疏散;而当车站视野良好且乘客偏好走行时,需要引导乘客选择适当的出口,并在等待时多一些耐心.

基于仿真的隧道区间列车火灾疏散模式及效率分析

区间应急疏散是指轨道交通列车在隧道区间行驶中遇到火灾等突发情况迫停,工作人员引导乘客有序、高效地向安全区域疏散的过程。介绍了区间应急疏散的3种通用模式,分析研究了不同载客工况下最高效的疏散方式,提出了区间列车火灾工况下的送排风方案。这可为类似工况下的应急疏散提供参考。