情景驱动的地铁应急资源动态调配方法研究

发布时间：2024-06-07 18:53

　　地铁是现代城市综合运输系统的重要组成部分,具有运量大、运行速度快、发车密度高等特点,但由于其构造相对封闭、客流量大和人员密集等因素,一旦发生火灾或其它事故,极易造成大量人员伤亡,进而造成大量财产损失,可能会引起不可预计的负面影响。如何利用有限的资源,有计划地组织地铁应急救援行动,提高应对地铁突发事件快速反应的应急决策能力,为事故点提供更加快捷的紧急救援服务,已成为各地铁公司亟待解决的问题。应急救援资源是展开应急救援活动的重要保障,决策者根据灾情的情况必须快速制定相应的应急资源调配方案组织实施营救,以便控制事态的发展,使突发事件所造成的损失最小。本文以地铁突发事件应急资源的调配问题为研究对象,根据相应的突发事件情况建立地铁突发事件情景构建框架。通过情景模型的构建、情景信息的集成,研究情景驱动的地铁突发事件的应急资源动态调配。在对地铁突发事件情景的研究的基础上,构建了基于知识元的地铁突发事件情景模型。首先,本文系统的综述了知识元理论、地铁突发事件的“情景—应对”模式以及应急资源调配方法的研究现状。其次,通过情景模型,在单灾点调度方案中采用马尔科夫决策分析方法解决应急资源的调配问题。针对地铁...

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

图4.4应急资源量对收敛时间的影响

13Bc=；17Cc=；16Dc=；212Bc=；24Cc=；222Dc=；3Bc纯策略1s，2s，3s得到此次调度总成本为：830706=34；2C=36；3C=36；12C=CC1、2的分析求....

图4.5应急资源对执行时间的影响

情景驱动的地铁应急资源动态调配方法研究示，当救援中心的数量比较少时，模型的执行时间比较心太少，各灾点就会对参与救援中心的应急资源进行争夺量增多，各灾点的选择性就比较大，减少了相互之间的博行时间。从图4.5中的对比曲线得知，随着灾点个数的增增大，造成这种现象的原因是突发事件的灾....

图4.6算法迭代曲线图

表4.7多目标遗传算法参数值变异概率交叉概率200600.20.85分别运行25次，得出相应的结果，如表4.8所示。表4.8算法运行结果算法平均运行时间/s收敛代数最佳适应度最佳适应比例蚁群算法50.21002.6281.3%蚁群算法74.3....

本文编号：3990953