CN101079022A - 地铁火灾虚拟演习可视化评定系统 - Google Patents

Abstract

一种计算机应用技术领域的地铁火灾虚拟演习可视化评定系统，包括系统管理模块、专家评定模块和数据处理模块，所述系统管理模块对用户的属性进行设置，所述专家评定模块首先通过系统管理模块设定的用户信息进行登录，然后对各评定因子打分并提交给数据处理模块；数据处理模块对专家评定模块中的输入进行处理，首先运用模糊数学建立隶属度矩阵，然后采用层次比较分析法求解判断矩阵，并进行一致性检验，最后采用德尔菲专家法来处理多位专家评定的结果，最终得到地铁火灾虚拟演习的评定结果。本发明具有定量性、科学性、客观性和高效性等优点，可以对不同角色人员的虚拟演习进行合理的评定，进一步提高他们的地铁火灾应急响应能力。

Description

地铁火灾虚拟演习可视化评定系统

技术领域

本发明涉及的是一种计算机应用技术领域的可视化评定系统，特别是涉及一种地铁火灾虚拟演习可视化评定系统。

背景技术

由于地铁空间相对狭窄，一旦发生火灾时，往往造成很大的经济损失和人员伤亡。因此，必须针对地铁火灾突发事件进行应急响应研究。而实战演习和培训将牵扯到各有关部门，且由于突发事件通常和人体安全相关，因此很难通过真实人体及人群进行试验，同时真实火灾试验也不符合环保的要求，具有不可操作性。对于火灾这样的大尺度、多维空间问题，试验研究是比较困难的，费用也很高，而计算机虚拟演习则具有安全、高效、成本低廉的特点。

为了对整个虚拟演习的合理性和实用性作出评定，既要对演习过程中的人为因素，如不同的演习角色(决策部门、执行部门和普通游客)在虚拟演习中的表现进行全面评定(让参与者对自己的应急能力有一个充分的认识)，也要对演习中出现的非人为因素，如地铁车站防火设计、喷淋设计和安全疏散管理等，进行全面评定(为地铁车站的防火设计提供科学参考)，整个演习涉及的因素很多，各因素之间关系又不明确，更是涉及到管理等人为因素，因此对影响演习效果的各种因素进行简单的线性叠加，而忽略各因素的相互影响很难对地铁火灾虚拟演习进行准确的评定。

经对现有技术的文献检索发现，随着近年来火灾评定研究的深入，Chen等在《Beijing：Progress In Safety Science And Technology VOL.II(C)Chemicalindustry press，2000.8：498-502》发表的“Model of Fuzzy CompartmentsiveAssessment and Its Application to Fire Safety In Buildings”(车厢模糊评定模型及其在建筑火灾中的应用，北京：安全科学与技术进展，VOL.II(C)，化学工业出版社，2000.8：498-502)较早提出了火灾的模糊评定系统。然而，模糊评定法缺乏必要的权重量化值，主观随意性太大。因此，基于对影响地铁火灾虚拟演习的各因素的全面分析，建立地铁火灾虚拟演习的可视化评定系统，提高评定的可靠性和高效性，具有重要的现实意义。

发明内容

本发明针对现有技术中存在的上述问题，提供一种基于FAD的地铁火灾虚拟演习可视化评定系统，使其对评定过程既进行定性分析，又进行定量分析，减少人为主观因素带来的误差和不确定性，可以准确、高效地对地铁火灾虚拟演习进行评定。

本发明是通过以下技术方案实现的，本发明包括三个模块：系统管理模块、专家评定模块和数据处理模块。所述系统管理模块，对用户的属性进行设置，包括各个专家的用户名、密码以及专家的权值；所述专家评定模块首先通过系统管理模块设定的用户信息进行登录，然后对各评定因子打分并提交给数据处理模块；所述数据处理模块对专家评定模块中的输入进行处理，首先运用模糊数学建立隶属度矩阵，然后采用层次比较分析法求解判断矩阵，并进行一致性检验，最后采用德尔菲专家法(Delfei experts method)来处理多位专家评定的结果，最终得到地铁火灾虚拟演习的评定结果。

所述系统管理模块，用户可以以给定的用户名和密码进行登录，允许修改密码，但不允许修改用户名和权值。

所述专家评定模块，首先要求专家用自己的用户名和密码进行用户登录，登录后进入专家评定界面。进入界面后，需要对各评定因子根据自己的专业知识打分赋权值。同时对每个评定因子，对其与其它评定因子的关系进行打分，给出判断矩阵；此时需要对判断矩阵进行一致性检验，若通过一致性检验，表明打分合理，则进入对下一个评定因子的评定。否则要重新评定该评定因子，直至通过一致性检验为止。当专家完成对所有评定因子的评定后，系统会自动计算出该专家的评定结果。当所有专家都完成评定后，系统会计算出此次地铁火灾虚拟演习的评定等级结果。

所述数据处理模块运行于服务器端，对专家评定模块中的输入进行处理，最终得到地铁火灾虚拟演习的评定结果表示为： $F=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{w}_i{B}_i.$ 其中 $\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{w}_i=1$ 而i为专家序号，i＝1，2，…p；w_i为专家在评定项目上的权威指数；B_i为第i个专家的评定结果。

本发明将模糊数学、层次比较分析法、德尔菲专家法相结合，建立了地铁火灾虚拟演习可视化评定系统，与现有技术相比，具有以下优势：(1)定量性：该系统能客观反映地铁火灾虚拟演习评定的实际情况，使评定分析定量化。(2)科学性：该系统基于模糊数学、层次比较分析法和德尔菲专家法，理论上是严密的，计算方法和过程是正确的。(3)客观性：该系统结合模糊数学理论和层次比较分析法将火灾中的不确定性的问题和人的主观判断用量级形式表达，并采用了德尔菲专家法中经验数据，使地铁火灾虚拟演习的评定结果更符合客观实际。(4)高效性：该系统易于编程计算，算法简单，并实现了可视化评定。利用本发明系统，大大缩短了评定时间，从原来的2-3天缩短到现在的2-3个小时，可以对不同角色人员(管理人员、医疗救护人员、消防战士、普通乘客)的虚拟演习结果进行合理高效的评定，进一步提高他们的地铁火灾应急响应能力。

附图说明

图1为本发明系统模块结构图

图2为本发明系统流程图

具体实施方式

以下结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例包括三个模块：系统管理模块、专家评定模块和数据处理模块。系统管理模块对用户的属性进行设置，包括各个专家的用户名、密码以及专家的权值；专家评定模块首先通过系统管理模块设定的用户信息进行登录，然后对各评定因子打分并提交给数据处理模块；数据处理模块对专家评定模块中的输入进行处理，首先运用模糊数学建立隶属度矩阵，然后采用层次比较分析法求解判断矩阵，并进行一致性检验，最后采用德尔菲专家法来处理多位专家评定的结果，最终得到地铁火灾虚拟演习的评定结果。

本实施例中数据处理模块对专家评定模块的输入数据基于模糊数学(Fuzzymathematics)、层次比较分析法(Analytic hierarchy process)和德尔菲专家法进行处理，其步骤为：

(1)确定模糊综合评定因子集。

(2)确定评定判断集。将地铁火灾的风险等级设为三级，一级为低等风险，二级为中等风险，三级为高等风险。由此，模糊评定的评定判断集为{一级，二级，三级}。

(3)根据专家评定模块中各专家对评定因子赋的权值，以矩阵形式进行记录。

(4)建立隶属度矩阵。首先对评定因子集中任一因子，建立评定判断集上的模糊影射，可得到二级子集综合评定判断矩阵；其次利用模糊综合评定法得到一级母集综合评定判断矩阵；最后给出对母集进行综合评定的结果。

(5)用层次分析法求二级子集综合评定判断矩阵。首先采用三标度法建立比较判断矩阵。然后将比较判断矩阵的每一列元素求和；其次用比较判断矩阵的每一元素除以刚刚求得的和，使得矩阵的每一列归一化得到新的矩阵；最后将新矩阵每行求和求每一行的平均值，即可求得二级子集综合评定判断矩阵。

(6)对比较判断矩阵B作归一化处理和一致性检验。首先通过矩阵B的最大特征值λ_max和相应的特征向量x对矩阵B作归一化处理；然后进行矩阵B的一致性检验。当一致性比CR＜0.1时，认为判断矩阵B的一致性可以接受。当CR≥0.1时，认为判断矩阵B的一致性不可以接受，必须重新建立比较判断矩阵B，直到通过一致性检验为止。其中CR＝CI/RI；CI＝(λ_max-n)/(n-1)(计算时，取n＝3)；RI为随机指标，其值为RI＝0.58；n为配对比较的元素数目，等于矩阵B的维数。

(7)采用加权平均法来处理多位专家评定得到的结果，最后得到地铁火灾虚拟演习的综合评定结果 $F=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{w}_i{B}_i,$ 其中 $\underset{i=1}{\overset{p}{\mathrm{\Σ}}}{w}_i=1,$ 而i为专家序号(i＝1，2，…p)；w_i为专家在评定项目上的权威指数；B_i为第i个专家的评定结果。

图2所示为本发明系统的流程图。在主界面上，专家1凭用户名和密码登录系统，进入评定子界面，对评定因子赋权值，给出判断矩阵，系统自动对判断矩阵执行一致性检验。当专家1完成对所有的评定因子的评定后，提交系统计算，可以得到专家1的评定结果。系统这时会判断P是否达到指定的评定专家总数，若未达到，则下一位专家重复上一位专家的评定过程。若达到最大人数，则进行最终总体评定，给出最终的评定结果。

实施例为对地铁某站火灾虚拟演习进行评定。演习人员为乘客代表、医护人员代表和地铁车站列车长。每个演习者分别以自己身份进入分布式虚拟演习场景参与虚拟演习，虚拟演习结束后，由3名火灾领域的专家利用本发明中的评定系统对演习人员的虚拟演习进行评定。

系统管理员进入系统管理界面，分别设置各个评定专家进入系统的密码。同时，根据专家在火灾领域的权威性和研究成果等对3个专家进行权重赋值。三个专家的权重值之和必须为1。

表1所示的U1、U2、U3、U4、U5、U6表示6个评定因子。专家1根据自己的用户名和密码进入专家评定模块，对各评定因子打分赋权值。其次对于每个评定因子，与其它评定因子的关系进行打分，给出判断矩阵；此时系统进入数据处理模块，对判断矩阵进行一致性检验，若通过一致性检验，表明打分合理，则进入对下一个评定因子的评定。否则需要专家1重新确定判断矩阵，直至通过一致性检验为止。当专家完成对所有评定因子的评定后，系统将再次进行数据处理模块，计算出专家1的评定结果{0.5402，0.3094，0.1829}，如表1所示。专家1最终判定整个演习方案评定结果为：一级(低等)风险隶属度为54.02％，二级(中等)风险隶属度为30.94％，三级(高等)风险隶属度为18.29％。

专家2和专家3按上述相同步骤完成对各因子的评定，每个专家的综合评价结果如表1所示。

当3个专家均完成对评定因子U1、U2、U3、U4、U5、U6评定打分后，则进行最终总体评定，给出最终的评定结果。本次实施例中的最终评价结果为{0.4867，0.3280，0.2074}，如表1所示。

上述结果表明，通过本实施例系统对地铁某站火灾虚拟演习进行综合评定，实施结果为：一级(低等)风险隶属度为48.66％，二级(中等)风险隶属度为32.80％，三级(高等)风险隶属度为20.74％。

                                 表1

评定因子	专家1	专家2	专家3
				U1	{0.4892，0.3066，0.1541}	{0.5361，0.3237，0.1402}	{0.4596，0.4063，0.2462}

U2	{0.5306，0.2979，0.1714}	{0.5627，0.2449，0.1924}	{0.4286，0.3604，0.2109}
				U3	{0.5346，0.2605，0.2049}	{0.5880，0.2594，0.1526}	{0.4118，0.3582，0.2300}
U4	{0.5720，0.2406，0.1875}	{0.5160，0.3000，0.1840}	{0.4047，0.3441，0.2512}
				U5	{0.4787，0.3530，0.1684}	{0.4427，0.3306，0.2265}	{0.3509，0.3531，0.2959}
U6	{0.5065，0.3459，0.1476}	{0.3530，0.4655，0.2315}	{0.3462，0.3765，0.2683}
				各每个专家最终评定结果	{0.5402，0.3094，0.1829}	{0.5023，0.3070，0.1907}	{0.4066，0.3674，0.2480}
三个专家综合评定结果	{0.4867，0.3280，0.2074}

Claims (4)

1、一种地铁火灾虚拟演习可视化评定系统，其特征在于，包括系统管理模块、专家评定模块和数据处理模块，所述系统管理模块，对用户的属性进行设置，包括各个专家的用户名、密码以及专家的权值，所述专家评定模块首先通过系统管理模块设定的用户信息进行登录，然后对各评定因子打分并提交给数据处理模块；数据处理模块对专家评定模块中的输入进行处理，首先运用模糊数学建立隶属度矩阵，然后采用层次比较分析法求解判断矩阵，并进行一致性检验，最后采用德尔菲专家法来处理多位专家评定的结果，最终得到地铁火灾虚拟演习的评定结果。

2、根据权利要求1所述的地铁火灾虚拟演习可视化评定系统，其特征是，所述系统管理模块，用户以给定的用户名和密码进行登录，允许修改密码，但不允许修改用户名和权值。

3、根据权利要求1所述的地铁火灾虚拟演习可视化评定系统，其特征是，所述专家评定模块，首先专家用自己的用户名和密码进行用户登录，登录后进入专家评定界面，进入界面后，需要对各评定因子根据自己的专业知识打分赋权值，同时对每个评定因子、对其与其它评定因子的关系进行打分，给出判断矩阵，此时需要对判断矩阵进行一致性检验，若通过一致性检验，表明打分合理，则进入对下一个评定因子的评定，否则要重新评定该评定因子，直至通过一致性检验为止，当专家完成对所有评定因子的评定后，系统会自动计算出该专家的评定结果，当所有专家都完成评定后，系统会计算出此次地铁火灾虚拟演习的评定等级结果。

4、根据权利要求1所述的地铁火灾虚拟演习可视化评定系统，其特征是，所述数据处理模块运行于服务器端。

Images