地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究

地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究

ID:37067635

大小:2.55 MB

頁(yè)數(shù):84頁(yè)

時(shí)間:2019-05-16

地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究_第1頁(yè)
地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究_第2頁(yè)
地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究_第3頁(yè)
地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究_第4頁(yè)
地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究_第5頁(yè)
資源描述:

《地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào):學(xué)校代號(hào):10150UDC:密級(jí):學(xué)號(hào):20142214碩士學(xué)位論文地鐵大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警技術(shù)研究TheRiskPre-warningTechnologyonLargePassengerFlowEvacuationinSubway學(xué)生姓名:任洺萱導(dǎo)師及職稱:王洪德教授學(xué)科門類:工學(xué)專業(yè)名稱:交通運(yùn)輸規(guī)劃與管理研究方向:安全工程申請(qǐng)學(xué)位級(jí)別:碩士論文答辯日期:2017年6月16日學(xué)位授予單位:大連交通大學(xué)摘要地鐵運(yùn)輸過程中可能會(huì)發(fā)生火災(zāi)、列車沖突、列車脫軌、路外人員傷亡、突發(fā)大客流踩踏、設(shè)備故障等事故,為免二次傷害,大客流疏

2、運(yùn)工作尤為重要。因此,對(duì)地鐵大客流疏運(yùn)的安全分析逐漸受到人們的重視,如果能提出有效的大客流疏運(yùn)評(píng)價(jià)方法和體系,結(jié)合具體車站進(jìn)行仿真調(diào)試,就可以提高救援速度,減少大客流事件的發(fā)生,這對(duì)提高地鐵大客流疏運(yùn)安全水平具有重要的意義。本文首先通過層次分析法、德爾菲法進(jìn)行地鐵大客流疏運(yùn)安全風(fēng)險(xiǎn)因素識(shí)別,建立系統(tǒng)的大客流疏運(yùn)風(fēng)險(xiǎn)預(yù)警框架,根據(jù)粗集理論提取核心指標(biāo),并對(duì)地鐵大客流預(yù)警級(jí)別和閾值進(jìn)行界定。為了實(shí)現(xiàn)地鐵疏運(yùn)預(yù)警功能,建立基于自組織競(jìng)爭(zhēng)的神經(jīng)網(wǎng)絡(luò)(artificialneuralnetwork,ANN)模型,輸入核心指標(biāo),通過Matla

3、b神經(jīng)網(wǎng)絡(luò)工具箱(NeuralNetworkToolbox,簡(jiǎn)稱NNbox)進(jìn)行計(jì)算,該模型首次被應(yīng)用于在地鐵安全預(yù)警領(lǐng)域。然后,對(duì)大連市西安路地鐵站進(jìn)行實(shí)地調(diào)查,采用Anylogic仿真軟件進(jìn)行實(shí)際客流模擬,獲得客流預(yù)警關(guān)鍵點(diǎn),通過對(duì)關(guān)鍵點(diǎn)的監(jiān)測(cè),實(shí)時(shí)掌握關(guān)鍵點(diǎn)的客流密度,繪制人流密度圖,以此計(jì)算客流預(yù)警時(shí)間。為了有效縮短轉(zhuǎn)為上一級(jí)的預(yù)警時(shí)間,對(duì)西安路站的設(shè)備設(shè)施擺設(shè)、人流導(dǎo)向提出四種改進(jìn)方案,并對(duì)四種改進(jìn)方案進(jìn)行整合分析測(cè)試,大大減少了站廳、站臺(tái)等的擁堵現(xiàn)象,從而驗(yàn)證了整合方案的合理性,為西安路站內(nèi)的大客流疏運(yùn)工作提供了參考。

4、最后建立地鐵大客流疏運(yùn)仿真預(yù)警平臺(tái),對(duì)地鐵疏運(yùn)預(yù)警進(jìn)行演示,方便對(duì)地鐵概況、安全風(fēng)險(xiǎn)因素、預(yù)警甄別、應(yīng)急預(yù)案、評(píng)價(jià)問卷等查看和學(xué)習(xí),指導(dǎo)現(xiàn)場(chǎng)客流疏運(yùn)安全管理工作。關(guān)鍵詞:地鐵疏運(yùn);風(fēng)險(xiǎn)預(yù)警;自組織競(jìng)爭(zhēng);神經(jīng)網(wǎng)路;仿真平臺(tái)IAbstractSubwaytransportationmayoccurintheprocessoffire,conflict,thetrainderailment,roadcasualties,suddenlargepassengerflow,equipmentfailurestrampleaccident,t

5、oavoidthesecondarydamagelargepassengerflowevacuationworkisparticularlyimportant.Asaresult,thesubwaylargepassengerflowevacuationsafetyanalysishasbroughttotheattentionofthepeople,ifwecanputforwardeffectivelargepassengerflowevacuationevaluationmethodandsystem,combinedwit

6、hthespecificstationsimulationdebugging,canincreasethespeedoftherescue,reducethebigeventsofthepassengerflow,improvethesubwaylargepassengerevacuationsafetyisveryimportant.Thispaperthroughtheanalytichierarchyprocess(AHP),Delphimethod,largepassengerflowofsubwayevacuations

7、afetyriskfactorsidentification,establishasystemoflargepassengerflowevacuationframework,riskpre-warningbasedonroughsettheorytoextractthecoreindex,andthesubwaytrafficwarninglevelandthreshold.Inordertorealizesubwayevacuationwarningfunction,basedontheself-organizingcompet

8、itiveneuralnetwork(artificialneuralnetwork,ANN)model,inputthecoreindex,throughMatlabneuralnetworkToolbox(neuralnetworkToolbo

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。