灾害扩散实时影响下的应急疏散路径选择模型

应急疏散的目的是要在灾害发生时将处于危险地带的人群尽快转移至安全地带.由于灾害的扩散,疏散网络中各弧段上的路况将不断恶化,且不同的弧段受到灾害扩散影响的程度也将不同.为此,在提出的应急疏散路径选择模型中,将通过疏散路径所需的总疏散时间最短作为优化目标,将各弧段上的通行速度表示为关于时间的连续递减函数,并对不同弧段的速度函数设置了不同的衰减参数.设计了求解这一时变最短路问题的改进Dijkstra算法并给出了算法的正确性证明,仿真实例说明了模型和算法的有效性和可行性.     

重点片区道路应急避震疏散评价理论模型

根据对重点片区应急避震疏散影响因素的分析,结合系统动力学的基本思想和原理的研究,从灾害环境、道路空间、人员特性三个方面分析了地震疏散过程中的动态反馈性,建立了道路系统动力学疏散的因果模型和流量模型.结合城市抗震防灾规划标准中对紧急避难场所、疏散道路及疏散时间的要求,就地震灾害发生时重点人群密集片区的紧急疏散过程中的道路疏散能力进行了动态模拟,并根据模拟结果对重点人员密集片区的规划改建提出了相关的建议,为城市抗震防灾工作提供参考.     

高层建筑垂直应急疏散系统的仿真研究

针对传统高层建筑楼梯应急疏散的弊端，建立了高层建筑垂直应急疏散系统的仿真模型，并进行了仿真实验研究。仿真模型包括楼梯疏散和电梯疏散两个模块，分别以人流在楼梯中的‘步行速度和电梯疏散时间的计算为基础。仿真实验结果可以反映人群的拥挤和电梯行驶等基本现象，并对电梯应急疏散系统的评价和高层建筑应急预案的设计有一定的参考作用。     

基于时间扩展网络制定的混合速度疏散算法

针对大规模应急疏散过程中基础设施的供给与快速产生的疏散交通需求之间的矛盾,提出一种基于时间扩展网络用于有组织计划的混合速度应急疏散算法,其主要思路是以疏散者位置及运动速度建立疏散组,通过标记路段的时间可用性确定不同疏散组的出发时间及路径,以达到避免交通冲突及确保疏散效率的目的。实验表明,该方法在确保疏散过程高效、有序进行的前提下,可获得与理论最优值接近的疏散结果,且疏散规模越大,逼近效果越好。     

应急物资配送动态调度的粒子群算法

应急条件下的物资配送与调度面临着需求信息不准确、需求紧急程度差异和运输路网动态变化的复杂环境,借助模糊数学中的三角模糊数描述应急物资需求量,利用连续速度时间依赖函数模拟真实的动态路网交通状况,并考虑不同需求点的需求紧急程度差异,建立了针对性的应急物资配送动态调度的多目标数学模型;通过设计粒子群优化算法,采用“离散-连续向量混合编码”方案和加权整合的适应值函数导向机制,结合连续更新的位置和速度操作策略,建立了针对这类含有离散和连续变量组合的优化模型的快速高效求解算法;最后,结合两个实际的算例进行了数值实验与分析,通过与用Matlab求得的解析解的比较,证明算法收敛速度快、鲁棒性强,从而为应急条件下的物资配送动态调度提供了有效和可靠的方法.     

基于危险源影响的地铁车站乘客疏散仿真模型

为研究地铁车站在危险源突发事件条件下乘客主观能动性和外界环境对疏散过程的影响,结合危险源场景特征对乘客疏散过程进行社会力分析,建立基于危险源的社会力模型.模型考虑了乘客的主观能动性,调整自驱动力中期望速度大小和方向的确定方法及更新规则,并针对外界环境的影响,引入危险源对乘客的排斥力.以上海地铁某车站站台层为场景进行算例应用及分析,仿真结果表明:模型能较好地模拟危险源突发事件下乘客疏散过程.为减少疏散时间,车站疏散组织工作要安排乘客合理绕行,控制危险源范围,当车站密度小时,要提高乘客期望速度,而车站密度大时,则要提高瓶颈的通行效率.     

案例驱动的社区应急疏散准备规划启动时机识别

有效的应急疏散准备规划是提升应急疏散能力的关键.已有研究关注规划的理论建模及工作机理,忽略了何时启动规划,即应急疏散准备规划的启动时机识别这一重要问题.社区是城市应急管理的基层组织,是实施应对的基本单元.面向城市社区,阐述如何基于案例驱动实现社区应急疏散准备规划的启动时机识别.考虑到不同社区的案例适用性不同,通过社区特征相似性度量和适用度概率分配选择适用案例;以灾害情景要素特征为指标,运用聚类算法生成用于启动时机识别的模拟灾害情景组;根据案例建立模拟情景与预期疏散效果之间的联系,生成启动时机的识别结果.最后,通过对广东省社区的调查用例分析来验证该案例驱动方法的可行性.     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.     

基于混合遗传-Nelder Mead单纯形算法的源强及位置反算

确定泄漏源的位置和强度, 是进行群体疏散和应急决策的基础. 将扩散模型得到的浓度值 与传感器观测的浓度值进行比较并建立混合遗传-Nelder Mead单纯形算法模型, 反算得到泄露源的位置和强度, 进而利用浓度的模拟数据验证该算法的可行性. 研究结果表明:混合遗传-Nelder Mead单纯形算法不受初值选取的影响, 即使初值远离期望值, 也能得到很好的结果, 而且能以较小的误差 和较快的速度反算出结果, 更适合于多维变量的搜索. 因此混合遗传-Nelder Mead单纯形算法能够快速准确地反算得到泄漏源的位置和强度, 满足应急决策的需要.     

基于改进A*算法的多层邮轮疏散系统仿真

为解决海上航行应急疏散效率低下的问题,提出一种基于改进A*算法的应急疏散系统。以网络流模型为基础,采用邻接节点的遍历方式完成路径搜索,并在代价值的计算中加入路径人员密度和路径障碍物的影响,使算法更具实用性。为提升算法效率,对网络进行节点优化,给出单层多出口情况下的多路径择优方案,并考虑在路径发生拥堵时进行二次规划。仿真结果表明：该系统能够为多层大型邮轮上的人员提供一条有效的疏散路径,不仅在安全性方面可以有效避免路段拥堵情况,而且在疏散时间方面较传统A*算法更短,疏散效果更好。