城区内涝条件下城市公交-地铁双层交通网络的脆弱性分析

为提高城市公共交通应对内涝的能力,利用复杂网络理论的Space-L方法构建了武汉市中心城区的地铁、公交无向加权网络,并在此基础上运用ArcGIS软件构建了不同耦合半径的公交-地铁双层交通网络,确定了连边的权重和节点的重要度,计算了静态下地铁网络、公交网络和不同耦合半径的公交-地铁双层交通网络的介数、平均路径长度和聚类系...     

基于PPP模式的武汉城市内涝灾害防治体系研究

我国城市化进程正受到城市内涝灾害的困扰,2016年武汉暴雨甚至造成全城瘫痪。为了缓解武汉严峻的内涝形势,根据此次武汉内涝状况,分析了内涝灾害的成因,并探讨了武汉城市内涝灾害防治的新思路,即结合"海绵城市"与"PPP模式"提出了针对武汉市完整的内涝灾害防治体系规划。该体系将生态环境、经济效率和社会效率有机结合,可为城市内涝灾害防治提供依据。     

城市公共场所拥挤踩踏事故统计分析与风险评估研究

近年来城市公共场所拥挤踩踏事故在世界各地屡屡发生,事故规模越来越大,伤亡人数越来越多,拥挤踩踏事故已经严重威胁到了城市的健康发展。从事故机制入手研究城市公共场所拥挤踩踏事故,分析此类事故的重要影响阶段,进而确定最有效的控制方法。首先运用统计学方法,通过相关性比较、因子分析等方法获取城市公共场所拥挤踩踏事故风险评估指标,构建了完整的拥挤踩踏事故风险评价指标体系;然后确定了突发瞬时事件是最容易引发拥挤踩踏事故的原因,其次还存在人员潜在风险、管理工作疏漏、场馆设计缺陷等诱因;最后提出目标明确、操作性强的应对方案,以提高城市公共场所拥挤踩踏事故的预警和防范能力。     

考虑洪涝灾害风险的城市应急避难场所选址研究*

为解决洪涝灾害下城市应急避难场所选址优化问题,将洪涝灾害风险评估与选址模型相结合。首先,运用灰色模糊综合评价法对洪涝灾害风险进行评价,得到洪涝灾害风险综合指数。然后,将综合指数归一化处理后作为权重引入疏散距离最小化和覆盖人口最大化的目标函数,结合最小化避难所数量,以最大服务范围、容量作为约束,构建引入洪涝灾害综合风险权重的多目标应急避难场所选址优化模型,并采用遗传算法对模型进行求解。最后,以武汉市作为实证研究对象验证模型的科学性和有效性。研究结果表明:在考虑洪涝灾害风险的情况下,应急避难场所选址方案可在接近最优解的情况下达到最优。研究结果可为城市防洪应急避难场所布局优化提供参考。     

震后初期应急物流公私协同的动态LAP模型

针对震后初期灾区应急物资严重短缺的现实情况,为满足多主体的不同应急需求,基于公平与效率兼顾的视角,构建满意度最大、总成本最小、人员损失最小的多周期、多目标、多物资的公私物流资源整合的双层动态选址-分配(LAP)模型,上层以商品满足率最大为目标,下层以时间满足率最大为目标;设计遗传算法进行优化求解;最后以汶川地震为例,验证模型和算法的有效性。结果表明:所建模型可以实现震后初期公私物流协同作用下的多物资动态LAP决策,而且兼顾公平和效率。     

基于改进Smote-GBDT算法的岩爆预测模型

为准确预测岩爆等级,确保施工人员和设备安全,首先,从岩爆机制、数据和算法角度,分析埋深(D)、单轴抗压强度(UCS)、单轴抗拉强度(UTS)、岩石脆性指数(B₁、B₂)、围岩最大切向应力(MTS)、应力集中系数(SCF)和弹性变形能指数(W_et) 8个指标,建立岩爆预测指标体系;其次,针对岩爆样本存在的数据不均衡问题,引进托梅克联系(Tomek Link)对欠采样方法,改进合成少数类过采样(Smote)算法,对岩爆训练样本进行混合过采样;最后,构建SmoteTomek-梯度提升树(GBDT)岩爆预测模型,以38组数据验证模型的有效性,并与其他模型进行对比。结果表明：SmoteTomek-GBDT的准确率为92.1%,较未采样提升5.3%,Smote采样提升10.5%,优于随机过采样模型,并且避免跨等级的岩爆误判。     

基于火场预测和多出口决策的协同进化救援路径优化方法

为给深入火场救援的消防员提供最佳救援路线,掌握营救和自救时机,通过改变涟漪规则、动态调整扩散速度、多出口决策设置来改进基于涟漪扩散算法(RSA)协同进化路径优化方法(CEPO)。基于火场预测和多出口决策提出协同进化救援路径优化(CERPO)方法,并以湖北某校教学楼火灾扩散仿真模拟为背景,在不同时间节点情境下规划最佳救援往返路径并比较路径异同,与D^*算法对比验证CERPO有效性和灵活性。研究结果表明：CERPO能基于火灾预测提前避障规划最佳路径,并在第500 s情境下及时启动多出口决策,规划新的撤离路径;CERPO与传统算法相比可避免绕路,提高消防救援效率,研究结果可为救援路径规划提供参考。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。     

考虑多主体心理效应的应急资源调度超网络模型

为探究不同人员主体心理效应对应急资源调度过程的影响,运用超网络工具,定量描述差异化应急主体协调运作下不同属性应急网络的相互作用;同时,针对实际调度过程中出现的供需矛盾,引入行为科学理论,量化表示决策者后悔和灾民失望心理,并将其融入到应急资源优化调度问题中;建立以调度时间、应急成本、救援效应为目标函数的应急资源调度超网络模型,将模型转化为变分不等式等价形式,应用修正投影算法对模型进行求解。结果表明:该模型可有效解决多人员主体心理作用下的应急资源协调调度问题;应急主体关联度、灾害风险度、决策者后悔心理和后悔规避行为以及灾民失望心理和失望规避行为对应急资源调度方案的制定有着重要的影响。