基于元胞自动机的弱视条件下群体疏散的仿真研究

根据人在弱视情况下的行为特征,建立基于元胞自动机的逃生模型,对弱视情况下的人群疏散进行了模拟。模拟过程中考虑了人的学习能力及人与人之间的相互作用等因素,模型加入吸引子使模拟人的疏散行为更为灵活。基于人能通过熟悉周围环境作出合理判断的学习能力,引入了"积累步长"的概念,使人的沟通判断能力(走过的路径、边界和出口位置通过交流能够获取)在模型中得到体现。获取足够信息的人可以避免多余的寻找,降低了逃生时间,体现了"人多力量大"的互助行为。通过大量的模拟实验,并讨论不同的环境条件对人群疏散的影响。     

广州市大气污染物对2型糖尿病人群死亡的影响

为探讨空气污染物与2型糖尿病的联系,本研究通过收集广州市2013～2018年空气污染物监测数据、2型糖尿病逐日死亡人数以及气象资料,使用时间序列广义相加模型的方法探究了空气污染物(PM_2.5、NO₂、O₃、PM₁₀、SO₂和CO)暴露对2型糖尿病人群逐日死亡人数的影响,同时探讨了0～64岁与65岁以上人群、男性与女性及冷季(11月～次年4月)与暖季(5～10月)下空气污染影响的差异.结果表明空气污染物的影响急促短暂,通常持续3d,且在累积滞后2d时,PM_2.5、NO₂、PM₁₀、O₃、SO₂及CO的浓度每升高一个IQR,2型糖尿病逐日死亡人数分别上升6.3%(RR=1.063;95%CI:1.017,1.112)、4.7%(RR=1.047;95%CI:1.008,1.088)、6.7%(RR=1.067;95%CI:1.020,1.116)、0.5%(RR=1.005...     

公共场所人群聚集个人风险的研究

公共场所人群聚集的风险影响因素众多,其随机性和不确定性强,对风险进行定量比较困难.在前人研究的基础上,对事故进行分类,并根据事故发生概率和与其相应的概率分布,通过数学推导和参数补偿,提出了个人风险定量计算模型.最后以公共场所的部分事故统计资料为参考数据,阐述了该模型的使用方法和步骤,同时指出使用该模型过程中应该注意的问题.结果表明,该模型具有一定的合理性和准确性,对公共场所人群聚集安全具有一定的指导意义.根据模型的计算结果,建议一般公共场所个人风险的推荐值为4.50×10-7.     

爆炸性恐怖袭击后果与人群聚集状态的关系研究

在自杀性爆炸中,当爆炸负荷较小时,所产生的人员伤亡主要由爆炸碎片造成.从几何及概率理论的角度对自杀式恐怖袭击中爆炸碎片产生的伤亡后果进行了数学建模.人群聚集状态不同,爆炸后产生的伤亡后果不同.在爆炸负荷一定的情况下,分别以场所中的人数,爆炸气流扩散角为变量对伤亡后果进行研究.结果表明,伤亡人数的变化随场所中人数的增加呈单峰式变化.当场所中总人数超过某一阙值后,期望伤亡人数会减小.伤亡人数随爆炸气流扩散角度的增大而下降.场所中人数及爆炸负荷确定的情况下,当场所面积在 m=6～50之间变化时,伤亡后果先增加,然后缓慢下降,最大伤亡在m=25左右时出现.     

人群疏散出口障碍物对疏散效率的影响规律研究

通常认为疏散出口应当保持畅通，避免障碍物阻碍通行进而降低疏散效率。但一些研究发现障碍物对疏散效率的影响可能并非完全负面，为了更全面、正确地认识障碍物对疏散效率的影响规律，在已有研究基础上，采用控制变量的方法，着重考虑障碍物位置和尺寸2个条件，通过构造不同条件的疏散场景，运用Pathfinder软件进行模拟仿真，分析获得障碍物位置和尺寸对疏散效率的影响规律:其他条件不变的情况下，障碍物距离出口由近到远变化，疏散效率呈现先降低后升高再降低的趋势；障碍物尺寸也对疏散效率有显著影响。效率曲线的趋势和极值为进一步的应急策略研究提供了参考和依据。     

数字

正2.8亿居民根据环保部公布的《中国人群环境暴露行为模式研究报告(成人卷)》显示,我国有1.1亿居民和排污企业做邻居,即住宅周边1公里范围内有石化、炼焦、火力发电等重点关注的排污企业,受经济发展水平制约,我国有5.9亿居民在室内直接使用固体燃料做饭,2.8亿居民使用不安全饮用水,应加速实现生活用能清洁化和优质化,加快饮用水安全改造。     

西瓜皮的妙用

夏天,人们对西瓜宠爱有加,然而感兴趣的无非是红润润的瓜瓤,不过,西瓜皮同样是个好东西。西瓜皮别名"西瓜翠衣",又称"瓜衣",共分三层,分别为"青衣"、"翠衣"、"白衣"。其中的"翠衣"这一层,属于瓜皮中的"瓜肉"部分     

夏季野外作业人群的高温防护

野外作业除受太阳的辐射作用外,还受被加热的地面或物体放出的热辐射作用的影响。虽然野外作业中的热辐射强度较高温车问低,但如果持续时间较长,且处在中午前后气温升高,又形成高温、热辐射的作业环境,就会严重危害野外作业人员的身体健康。野外高温作业对人体的影响高温作业时,人体可出现一系,列生理功能改变。当生理功能的改变超过一定限度时,则可产生不良的影响。     

基于Swin Transformer的弱监督人群计数研究

为降低人群聚集引发安全事故的概率,解决完全监督方法数据标注成本高,而现有弱监督方法性能欠佳的问题,提出一种基于Swin Transformer的弱监督人群计数模型。首先,引入具有全局感受野且能够有效提取语义人群信息的Transformer模型,来应对基于卷积神经网络(CNN)的弱监督人群计数方法感受野有限、性能欠佳的问题;然后,采用具有层级设计并且拥有多尺度、层次化计算图像特征能力的Swin Transformer模型作为主干网络,以加强对不同尺度特征的学习,使模型能够更好地应对人群尺度变化的问题;最后,选择只需要人群数量作为监督信息的弱监督方式进行训练,避免对图像中每个人的头部进行标注这一繁琐易错的工作。结果表明：所提模型在ShanghaiTech Part A、ShanghaiTech Part B、UCF-QNRF数据集上的平均绝对误差依次为66.1、8.7、97.1,均方误差依次为106.2、14.9、165.8,在主流数据集上计数性能较好;该模型的性能优于此前的弱监督方法和部分完全监督方法。