1.一种城市轨道交通地铁车厢内乘客的疏散预测方法,其特征在于,包括以下步骤:S1)、基于模糊逻辑理论构建乘客疏散出地铁车厢时的目标车门选择模型,计算获得乘客选择每个车门的概率值;
S2)、基于元胞自动机模型,结合乘客自身心理行为特点实时计算乘客的移动概率值,建立乘客疏散出地铁车厢的移动模型;
S3)、采用所构建的乘客目标车门选择模型与移动模型进行仿真实验,模拟地铁车厢内乘客疏散状况,预测地铁车厢突发事故时事故点的位置、车厢车门有效利用宽度以及车厢内座椅排布方式对乘客疏散的影响;
所述步骤S1)包括以下具体步骤:
a)、模糊化:将影响乘客疏散时目标车门选择的概率p进行模糊化,作为模糊逻辑的输入量,并建立模糊集{Sp,Mp,Lp},具体建立三个模糊集: {Sρ,Mρ,Lρ};
其中,Sp、Mp、Lp分别表示选择某个车门的概率p为低、中、高,d1表示车门与乘客之间的距离, 分别表示车门与乘客之间的距离为短、中、长;d2表示车门与事故点之间的距离, 分别表示车门事故点客之间的距离为短、中、长,ρ表示车门周围乘客的密度,Sρ、Mρ、Lρ分别表示车门周围乘客的密度为小、中、大;
b)、分别设定模糊输入变量和模糊输出变量的隶属度函数:选取高斯型隶属度函数,影响乘客疏散时目标车门选择的三个模糊量以及乘客选择目标车门的模糊输出量的隶属度函数为:其中d1、d2的取值范围是根据B型地铁列车的实际物理尺寸确定,ρ的取值范围根据日常实践的平均值确定;
c)、模糊推理:根据实践平均值设置乘客在疏散时目标车门选择的模糊规则,根据模糊规则推论出乘客的目标车门的选择概率;
d)、解模糊:将所述推论得到的乘客目标车门选择概率的模糊值转换为明确的输出值,转换方式采用质心去模糊化方法:其中X是输出变量p的模糊集合,μ(x)为p的隶属度函数。
2.如权利要求1所述的城市轨道交通地铁车厢内乘客的疏散预测方法,其特征在于,所述步骤S2)包括以下具体步骤:a)、将影响乘客移动时心理和行为的量引入元胞自动机模型,建立乘客下一步移动位置的静态场模型和动态场模型;
b)、乘客可移动位置的静态场模型为:
其中,(i,j)表示乘客可移动位置的每一个元胞坐标,(p,q)和(mk,nk)分别表示事故点的位置坐标和每一个地铁车厢车门的位置坐标,以B型地铁车辆为例搭建仿真环境展开模拟仿真试验,因此,k表示B型地铁列车车厢车门的数量,共有24个车门,k∈[1,24],乘客可移动位置的动态场模型为:其中,M(i,j,n)表示乘客邻胞累计通过的乘客数量,n表示乘客下一步可以移动的元胞位置,通过摩尔型元胞自动机模型来模拟乘客的疏散,乘客下一步的可移动的元胞位置总共有8个,故n=8;
c)、基于建立乘客可移位置的静态场模型和动态场模型,计算乘客下一步的移动概率为:Pij=Nexp(KSSij)exp(KDDij)(1‑ηij)αij‑1
N={Σexp(KsSij)exp(KDDij)(1‑ηij)αij}其中Sij和Dij分别表示每个元胞的静态场值和动态场值,Ks和Kd分别为静态场和动态场的比例系数,ηij表示元胞是否被障碍物占据,当元胞被障碍物占据时ηij=0,否则,ηij=1,αij表示元胞是否被乘客占据,当元胞被乘客占据时,αij=0,否则,αij=1;
d)、利用乘客的移动概率进行实时更新计算乘客每一步的移动位置。
3.如权利要求2所述的城市轨道交通地铁车厢内乘客的疏散预测方法,其特征在于,所述步骤S2)的步骤a)中,影响乘客移动时心理和行为的量包括乘客到事故点的距离、乘客到车门的距离。
4.如权利要求2所述的城市轨道交通地铁车厢内乘客的疏散预测方法,其特征在于,所述步骤S2)的步骤c)中,在模拟实验中所述障碍物指火源或座椅。
5.如权利要求1所述的城市轨道交通地铁车厢内乘客的疏散预测方法,其特征在于,所述步骤S3)具体包括:将基于模糊逻辑理论建立的乘客疏散时目标车门的选择模型以及基于元胞自动机模型建立的乘客的疏散移动模型相结合,通过模拟仿真实验,进一步预测地铁车厢内发生突发事故时乘客的疏散情况。