欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202111252196X
申请人: 青岛理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多目标规划的地铁站内客流疏散人工诱导方法,其特征在于,具体包括以下步骤:S1:将地铁站内空间网络化,并确定初始行人位置;

S2:指挥台用户界面输入引导员成本函数系数,系统构建引导员成本函数,并结合高斯混合模型确定引导员的分配方案;

S3:构建以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型;

S4:用改进的NSGA‑II算法对以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型进行求解,确定引导员疏散路线并显示于引导员用户界面;

步骤S2中,具体包括:

S2.1,指挥台用户界面输入引导员成本函数系数,系统构建引导员成本函数考虑因素包括:被引导行人迷茫因素、不被引导行人因素、引导员人力成本因素、各引导员带领行人数的均衡因素与各引导员带领行人数量限制因素;

S2.2,Y1为行人迷茫系数,表示处于两个及以上引导员的引导范围内的被引导行人数量;

Y1=qgy*(1‑cl)

其中,qgy是站厅层被引导行人的总量, 是站厅层第i个引导员带领的行人数量,cl为轮廓系数, Kg表示引导员个数,其中在 中,ai表示聚类后得到的第i类中每个行人与本类中其他行人的平均距离,bi表示聚类后得到的第i类中每个行人与本类距离最近的类中行人的平均距离;

S2.3,Y2是不被引导行人系数,表示不在引导员影响范围内的行人数量;

Y2=Qg‑qgy

S2.4,Y3是引导员人力成本系数;

Y3=ac*Kg

其中,ac表示人力成本投入与不同安全需求的调节系数,本发明中取ac为10;

S2.5,Y4是各引导员带领行人数的均衡系数,用来评价每个引导员带领行人数差异的大小,期望每个引导员带领行人数量均等;

S2.6,Y5是各引导员带领行人数量限制系数,期望每个引导员带领行人数量不要超过20人,因引导员所带人数过多会造成事故;bc为每个引导员带领行人超限成本系数;

S2.7,综上所述,引导员成本函数Y如下所示:Y=β1Y1+β2Y2+β3Y3+β4Y4+β5Y5其中,β1、β2、β3、β4和β5为加权系数,且β1+β2+β3+β4+β5=1;

S2.8,根据不同疏散需求确定引导员成本函数中各因素的加权系数;

S2.9,输入行人位置参数作为样本数据,令站厅层引导员个数Kg=1;

S2.10,随机确定各高斯分布函数的参数均值μw、方差σw和概率εw;

S2.11,进入EM算法;

(b)

每个样本数据xb(1≤b≤Qg)属于每个高斯成分的概率为z ;

(b)

z 符合多项分布,如下:

(b) (b)

故p(x |z )服从第w个高斯分布,表示为:(b) (b)

x |z =w~N(μw,σw);

则所有样本数据的似然函数的表达式如式:

(b)

E‑step:计算z 的后验概率:

即,

M‑step:更新参数:

S2.12,通过重复步骤S2.5进行迭代,直至模型参数变化小于阈值δ;

S2.13,计算Kg值下的引导员成本函数值Y;

S2.14,令Kg=Kg+1,重复步骤S2.10~S2.13,直到引导员成本函数值Y大于阈值τ;

S2.15,取引导员成本函数值Y的最小值作为最优聚类结果,得到引导员个数Kg与各引导员位置;

步骤S4,具体包括:

S4.1,设定多目标函数以及约束条件,设置疏散场景,输入每个引导员与带领行人位置数据;

S4.2,确定多目标规划问题的约束类型,然后根据约束类型对多目标规划问题进行求解;

先产生初始种群作为父种群,在此之后会得到各目标的值,判断是否可以退出算法,若退出,则得到Pareto最优解,若不退出,则进行下一代种群的进化;

S4.3,下一代种群进化步骤为:对父种群进行选择、交叉和变异后产生子种群,若此时子种群与父种群不同,则进行步骤S4.4;若子种群与父种群相同,则进行编码操作,即重新把每个引导群分配到每个节点,计算每个引导群的适应度值与两个目标函数的适应度值,然后进行选择、分割交叉操作与分割变异操作,再进行非支配排序,基于适应值对种群进行分层产生新的父种群,继而重复步骤S4.3;

S4.4,父、子种群合并,计算序值与拥挤距离后,进行非支配排序后分别使用排序函数sort按升序排序时间目标与拥挤成本目标,在此之后,修建种群得到新一代子种群;

S4.5,判断函数是否达到终止条件,若达到,则退出程序得到Pareto最优解,若不退出,则重复步骤S4.3;

S4.6,将程序得到的Pareto最优解对应的疏散路线显示于引导员用户界面。

2.如权利要求1所述的基于多目标规划的地铁站内客流疏散人工诱导方法,其特征在于,步骤S1,确定初始行人位置包括建立初始地铁站内网络空间,将网络空间环境抽象成有向图G,表示为:G=(N,E);

N为疏散节点集合,即N=(O,D,W);其中,O为初始节点集合;D为终止节点,即地铁站内各个安全出口的集合;W为中间节点,即在地铁站内设置的避障节点与不同设施连接处的点的集合;

E={emn}为各个节点之间的连线,即可行疏散路径,其中m、n属于节点集合N;将可行疏散路径E设置为无重叠部分的、面积总和为行人可行区域的、具有一定行人容量的路径。

3.如权利要求1所述的基于多目标规划的地铁站内客流疏散人工诱导方法,其特征在于,步骤S3中,多目标引导员疏散路线规划模型以引导员带领被引导人员疏散时间最小和每条路径的拥挤成本最小作为目标函数,目标函数如下式:其中,

j=1,2,...,Ka+Kg, 表示第j个引导员所选择的可行疏散路径集合,即Ei中各个节点的连线,Ei是从引导员位置到任一安全出口的一条完整疏散路径;f1表示各引导员带领被引导行人到达安全出口的疏散时间最大值,即在此时间,所有被引导行人均被成功疏散;在f1中,Vj(t)表示第j个引导员经过疏散路径时的速度集合,Vj(t)中每一个取值与 中的每一段疏散路径一一对应,此值与引导员到达路径的时间有关;f2表示各引导员所选路径的拥挤度成本之和;θj表示第j个引导员在走每段所选路径时,每段路径的拥挤度成本之和;

路径emn的拥挤度成本θmn,表达式如下:其中, 表示疏散路径emn的路径长度; 表示在t时刻下疏散路径enn上的行人行走速度; 表示在t时刻下疏散路径emn上的行人密度,表示式为;

其中, 是t时刻下疏散路径emn上的行人数量; 是疏散路径emn的容量,分别为疏散路径emn的长和宽,r为行人半径;

问题的约束如下:

Ej∈[1,nj]

其中,Ej是整数,nj是可选择的完整的疏散路径Ej的条数,Ej是 的集合。