高速列车疫情风险评估与主动防护策略
发布时间：2021-01-25 05:02
考虑到列车密闭车厢内传染病的危害性,研究了车厢内病毒的空间分布特性;结合乘客间距离相关性分析结果,构建了乘客感染预测模型,对车厢内存在多感染者情况下每个乘客感染病毒的风险进行了评估;为降低乘客乘车感染风险,制定了列车乘客主动防护策略,提出基于贪婪算法和变邻域局部搜索算法的混合启发式算法,对车厢乘客布座问题进行优化求解;通过基于距离的贪婪算法,将列车固定坐标的乘客布座问题转换为最多乘客数最少病毒重叠区问题,得到座位可行解,并汇总各可行解得到可行域,再基于变邻域的局部搜索算法改进座位可行解,得到最优乘客布座方案。研究结果表明:本文建立的感染概率评估模型可有效预测乘客感染病毒的风险,结合基于混合启发式算法的主动防护措施可有效降低乘客乘车的感染风险;针对短途旅客,随着乘车人数和车厢内感染者的增加,高风险感染者由1人增加至7人,中风险感染者由0人增加至3人,低风险感染者由47人增加至83人;相较于无序就坐,采用本文制定的布座策略可消除乘客感染风险。
【文章来源】：交通运输工程学报. 2020,20(03)北大核心
【文章页数】：10 页
【部分图文】：
短途旅客感染风险预测结果
设定算法初始座位起点为图2坐标(0,0.5)的座位,图2为根据本文算法得到的短途旅客座位分布,分别表示了病毒传播半径为1.0、1.2和1.5 m情况下的座位分布情况,圆心代表乘客的位置,圆圈代表每一位乘客的病毒传播范围。本文算法在尽可能地保证列车乘车人数的情况下,通过合理布置,使图2中所有的圆圈互不相交,即认为在平面范围内,乘客之间不存在相互感染和交叉感染,有效降低了乘客乘坐列车带来的感染风险。图3为病毒传播半径为1 m时,车厢内每位旅客均为病毒携带者时,车厢病毒浓度空间分布。由图3可知:若乘客为传染源,其中心点的病毒浓度最高,随着距离的增大病毒浓度逐渐下降,各个传染源之间不存在重叠,即认为在空间范围内,乘客之间不存在相互感染和交叉感染。
图3为病毒传播半径为1 m时,车厢内每位旅客均为病毒携带者时,车厢病毒浓度空间分布。由图3可知:若乘客为传染源,其中心点的病毒浓度最高,随着距离的增大病毒浓度逐渐下降,各个传染源之间不存在重叠,即认为在空间范围内,乘客之间不存在相互感染和交叉感染。由图4可知:在保证乘客乘车安全的情况下,本文方法与贪婪算法传播半径为1.0 m时对应的座位数分别为17与15,1.2 m时对应的座位数分别为14与13,受限于车厢空间尺寸,随着传播半径的增加,在1.5 m时2种方法对应的座位数相同。通过对比可知,本文的混合启发式算法相对于单一启发式算法寻优效果更好,可以更大程度分配乘车资源,优化布座方案。
【参考文献】：
期刊论文
[1]基于贪心算法的离散单位圆盘覆盖问题研究[J]. 王淼,吴松涛,李永哲,武悦. 华南理工大学学报(自然科学版). 2019(12)
[2]列车动力学模型时变环境参数自适应辨识[J]. 谢国,金永泽,黑新宏,姬文江,高士根,高桥圣,望月宽. 自动化学报. 2019(12)
[3]面向热轴故障的高速列车轴温阈值预测模型[J]. 谢国,王竹欣,黑新宏,高橋聖,望月宽. 交通运输工程学报. 2018(03)
[4]Standard Analysis for Transfer Delay in CTCS-3[J]. CAO Yuan,MA Lianchuan,XIAO Shuo,ZHANG Xia,XU Wei. Chinese Journal of Electronics. 2017(05)
[5]入境旅客列车上152例发热病例的流行病学分析[J]. 马进,王声湧,邓留,刘保平,林汉生,何剑峰. 中华疾病控制杂志. 2011(02)
[6]空调列车硬座车厢内污染物扩散规律研究[J]. 陶红歌,陈焕新,谢军龙,舒朝晖. 铁道学报. 2010(03)
本文编号：2998622
【文章来源】：交通运输工程学报. 2020,20(03)北大核心
【文章页数】：10 页
【部分图文】：
短途旅客感染风险预测结果
设定算法初始座位起点为图2坐标(0,0.5)的座位,图2为根据本文算法得到的短途旅客座位分布,分别表示了病毒传播半径为1.0、1.2和1.5 m情况下的座位分布情况,圆心代表乘客的位置,圆圈代表每一位乘客的病毒传播范围。本文算法在尽可能地保证列车乘车人数的情况下,通过合理布置,使图2中所有的圆圈互不相交,即认为在平面范围内,乘客之间不存在相互感染和交叉感染,有效降低了乘客乘坐列车带来的感染风险。图3为病毒传播半径为1 m时,车厢内每位旅客均为病毒携带者时,车厢病毒浓度空间分布。由图3可知:若乘客为传染源,其中心点的病毒浓度最高,随着距离的增大病毒浓度逐渐下降,各个传染源之间不存在重叠,即认为在空间范围内,乘客之间不存在相互感染和交叉感染。
图3为病毒传播半径为1 m时,车厢内每位旅客均为病毒携带者时,车厢病毒浓度空间分布。由图3可知:若乘客为传染源,其中心点的病毒浓度最高,随着距离的增大病毒浓度逐渐下降,各个传染源之间不存在重叠,即认为在空间范围内,乘客之间不存在相互感染和交叉感染。由图4可知:在保证乘客乘车安全的情况下,本文方法与贪婪算法传播半径为1.0 m时对应的座位数分别为17与15,1.2 m时对应的座位数分别为14与13,受限于车厢空间尺寸,随着传播半径的增加,在1.5 m时2种方法对应的座位数相同。通过对比可知,本文的混合启发式算法相对于单一启发式算法寻优效果更好,可以更大程度分配乘车资源,优化布座方案。
【参考文献】：
期刊论文
[1]基于贪心算法的离散单位圆盘覆盖问题研究[J]. 王淼,吴松涛,李永哲,武悦. 华南理工大学学报(自然科学版). 2019(12)
[2]列车动力学模型时变环境参数自适应辨识[J]. 谢国,金永泽,黑新宏,姬文江,高士根,高桥圣,望月宽. 自动化学报. 2019(12)
[3]面向热轴故障的高速列车轴温阈值预测模型[J]. 谢国,王竹欣,黑新宏,高橋聖,望月宽. 交通运输工程学报. 2018(03)
[4]Standard Analysis for Transfer Delay in CTCS-3[J]. CAO Yuan,MA Lianchuan,XIAO Shuo,ZHANG Xia,XU Wei. Chinese Journal of Electronics. 2017(05)
[5]入境旅客列车上152例发热病例的流行病学分析[J]. 马进,王声湧,邓留,刘保平,林汉生,何剑峰. 中华疾病控制杂志. 2011(02)
[6]空调列车硬座车厢内污染物扩散规律研究[J]. 陶红歌,陈焕新,谢军龙,舒朝晖. 铁道学报. 2010(03)
本文编号：2998622
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/2998622.html
