基于地面场粒子群优化算法的高密度人群应急疏散建模
本文关键词: 地面场模型 粒子群优化模型 密集人群 信息物理系统 仿真推演 出处:《计算机应用》2017年12期 论文类型:期刊论文
【摘要】:针对非常规突发事件环境下高密度人群的拥挤管理和快速疏散问题,提出一种由感知层、传输层、计算层和应用层构成的多层结构人群疏散信息物理系统(E-CPS)体系框架。在E-CPS体系框架计算层中将静态地面场(FF)建模规则引入经典粒子群优化(PSO)模型,提出地面场PSO(FF-PSO)人群疏散模型,该模型同时具备静态场规则简单、计算快和PSO模型快速搜索、快速收敛的优点。此外,FF-PSO模型中构建了一种新的适应度函数,实现了疏散策略的动态选择,并通过数值仿真及实例仿真验证了FF-PSO模型在拥挤管理中的可行性和有效性。国家会展中心(上海)的实例仿真结果表明,考虑拥堵管理比仅考虑距离最短平均每分钟可多疏散66人,疏散时间节省19 min,疏散效率提升13.4%。
[Abstract]:In order to solve the problem of high density crowd congestion management and rapid evacuation in unconventional emergency environment, a new method is proposed, which is composed of perceptual layer and transmission layer. An E-CPS (E-CPS) system, which is composed of computing layer and application layer, is used to calculate the static ground field in the framework of E-CPS. The classical particle swarm optimization (PSO) model is introduced into the modeling rules. A crowd evacuation model for ground field PSO-FF-PSOs is proposed. The model has the advantages of simple static field rules, fast computation and fast search of PSO model. In addition, the model has the advantages of fast convergence. A new fitness function is constructed in the FF-PSO model, which realizes the dynamic selection of evacuation strategy. The feasibility and effectiveness of FF-PSO model in congestion management are verified by numerical simulation and case simulation. The simulation results of the National Convention and Exhibition Center (Shanghai) show that the model is feasible and effective. Considering congestion management, 66 more people can be evacuated per minute than the shortest distance, and the evacuation time is saved 19 minutes, and the efficiency of evacuation is improved by 13.4.
【作者单位】: 同济大学CIMS研究中心;
【基金】:国家自然科学基金资助项目(71573190)~~
【分类号】:TP18;TU998.1
【正文快照】: 0引言随着城市居民人口密度的不断增大,城市公共场所的人群安全问题日益突出。在大型交通枢纽、公共展馆等人数众多的场所,若突发火灾、暴恐等突发事件,将造成严重后果。因此,研究突发事件下的高密度人群疏散问题至关重要至关重要。目前,人群疏散领域的研究方法主要有两种:1)
【相似文献】
相关期刊论文 前9条
1 李丽娟;黄志斌;刘锋;;启发式粒子群优化算法及其在空间结构优化中的应用[J];空间结构;2008年03期
2 吕福祥;黄磊;;基于粒子群优化的支持向量机在地表沉降预测中的应用[J];测绘信息与工程;2010年02期
3 梁邦伟;;基于粒子群优化算法的边坡安全系数估计[J];大众科技;2012年08期
4 徐晓龙;孙炳楠;付军;;基于粒子群优化算法的结构系统辨识[J];科技通报;2007年06期
5 李峰;唐和生;薛松涛;王勇;陈昒;;粒子群优化算法在桁架优化设计中的应用[J];土木建筑与环境工程;2009年01期
6 王仁超;吴维兴;;基于粒子群优化算法的双代号网络进度计划图的绘制[J];天津大学学报;2009年01期
7 刘贺;张弘强;刘斌;;基于粒子群优化神经网络算法的深基坑变形预测方法[J];吉林大学学报(地球科学版);2014年05期
8 朱宁;王大博;乔双;;粒子群优化算法在可供选择城市规划方案中的应用[J];东北师大学报(自然科学版);2010年02期
9 于德亮;唐海燕;丁宝;张永明;齐维贵;;基于粒子群优化模糊核聚类的电梯群交通模式识别[J];哈尔滨工业大学学报;2012年10期
相关会议论文 前2条
1 黄志斌;刘锋;李丽娟;;改进的粒子群优化算法(HPSO)及其在结构优化设计中的应用[A];计算机技术在工程建设中的应用——第十三届全国工程建设计算机应用学术会议论文集[C];2006年
2 黄志斌;刘锋;李丽娟;;改进的粒子群优化算法(HPSO)及其在结构优化设计中的应用[A];第十三届全国工程建设计算机应用学术会议论文集[C];2006年
相关硕士学位论文 前6条
1 赵俊波;基于改进粒子群优化算法的人员疏散问题研究[D];辽宁科技大学;2016年
2 史志俊;粒子群优化算法及其在结构动力修改中的应用研究[D];南京理工大学;2005年
3 张俊葆;粒子群优化算法及其在板结构优化设计中的应用[D];广东工业大学;2008年
4 王伟;改进粒子群优化算法在边坡工程力学参数反演中的应用[D];河海大学;2007年
5 刘丹丹;多项目环境下建筑施工企业资源管理问题研究[D];西南交通大学;2014年
6 王久振;基于粒子群优化算法的供水管网污染源识别研究[D];湖南大学;2013年
,本文编号:1483613
本文链接:https://www.wllwen.com/guanlilunwen/huizhanguanlilunwen/1483613.html