CN102207930B - 综合客运枢纽客流安全等级计算方法 - Google Patents

Abstract

本发明公开了客运枢纽客流管理技术领域中的一种综合客运枢纽客流安全等级计算方法。本发明针对不同类型的步行空间量化相应的服务水平指标，并在此基础上，根据步行空间服务水平与客流安全的对应关系，制定了相应的客流安全等级标准。通过客流安全状态的评价计算方法，可以为行人安全状态的识别与预警提供量化依据。

Description

综合客运枢纽客流安全等级计算方法

技术领域

本发明属于客运枢纽客流管理技术领域，尤其涉及一种综合客运枢纽客流安全等级计算方法。

背景技术

目前，国内外对城市综合客运枢纽的研究，大多集中在行人交通设施的服务水平方面。对行人交通设施服务水平的划分，分别从舒适性、可靠性、安全性、方便性等因素来考虑。国内外众多学者对枢纽内行人空间服务水平的研究分为通道服务水平、等候区域服务水平、设施服务水平和换乘交通方式服务水平等。评价行人交通设施的服务水平需要研究枢纽内各种交通设施的服务能力能否满足客流需求。

作为网络节点的综合客运枢纽，大量客流在其内部集结无法及时疏散出去，容易导致严重的拥堵问题。行人交通设施的服务水平反映了枢纽提供给旅客服务质量的程度，但不能满足对客流安全状态的评价，应该建立一种客流安全状态的评价方法，对枢纽内客流的安全状态特别是高密度时客流安全状态进行实时评价。

发明内容

针对上述背景技术中提到的没有对客运枢纽客流安全等级评价的不足，本发明提出了一种综合客运枢纽客流安全等级计算方法。

本发明的技术方案是，综合客运枢纽客流安全等级计算方法，其特征是该方法包括以下步骤：

步骤1：确定客流安全等级评判的模糊综合评价模型；

步骤2：在步骤1的基础上，选取影响因素并确定评判因素的权重；

步骤3：通过隶属度函数来确定模糊关系矩阵；

步骤4：客流安全等级的计算。

所述步骤1包括以下步骤：

步骤1.1：建立评判对象的因素论域U；

步骤1.2：确定评定等级论域V；

步骤1.3：进行单因素评估，建立模糊关系矩阵R；

步骤1.4：确定评判因素的权重u；

步骤1.5：进行综合评判。

所述步骤2包括以下步骤：

步骤2.1：利用三标度法建立互补型的模糊判断矩阵；

步骤2.2：求模糊判断矩阵的行和，将模糊判断矩阵改造为模糊一致性判断矩阵；

步骤2.3：求模糊一致性判断矩阵求得排序向量；

步骤2.4：将模糊一致性判断矩阵转换为互反型矩阵；

步骤2.5：根据排序向量和互反型矩阵确定评判因素的权重。

所述步骤3包括以下步骤：

步骤3.1：确定单因素分级标准；

步骤3.2：根据分级标准确定隶属度函数；

步骤3.3：根据隶属度函数建立评判矩阵。

所述步骤4所述客流安全等级的计算公式为：

B＝uR

式中：

B为安全等级向量。

本发明通过研究枢纽内行人安全等级的划分方法，提取枢纽内视频监控系统采集来的行人数据，对行人流安全状态进行实时分析与判定，能够及时发现枢纽内存在安全隐患的高密度客流，实现行人安全状态的识别与预警。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

1.确定客流安全等级评判的模糊综合评价模型

模糊综合评价模型：

1.1建立评判对象的因素论域U

即n个评价指标，U＝[U₁U₂…U_n]，就是要确定评价因素体系，解决从哪些因素来评估客观对象的问题。

1.2确定评定等级论域V

V＝[V₁V₂…V_m]

等级论域的确定，才使得模糊综合评判得到一个模糊评判向量，被评估对象对于等级的隶属程度，就可以通过模糊评判向量表示出来。

1.3进行单因素评估，建立模糊关系矩阵R

在构造了等级模糊子集后，要逐个对被评事物从每个因素U_i(i＝1，2，…，n)上进行量化，即确定从单因素来看被评价事物对各等级模糊子集的隶属度(R|U_i)，进而得到模糊关系矩阵：

$R=\left[\begin{array}{c}\left(R\right|U_1)\\ \left(R\right|U_2)\\ \·\·\·\\ \left(R\right|U_n)\end{array}\right]=\left[\begin{array}{cccc}{r}_{11}& r_{12}& \·\·\·& r_{1m}\\ r_{21}& r_{22}& \·\·\·& r_{2m}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ r_{n1}& r_{n1}& \·\·\·& r_{\mathrm{nm}}\end{array}\right]$

式中：r_ij为因素U_i对应V中等级V_j的隶属关系，即从因素U_i着眼，评价对象被评为V_j等级的隶属关系，因而r_ij是第i个因素对该评估对象的单因素评估，它构成了模糊综合评判的基础。

1.4确定评判因素的权重u

评判因素的权重u是U中各因素对被评估对象的隶属关系，他取决于人们进行模糊综合评判时的着眼点，即评判时依次着重于哪些因素。由于因素集U中各因素对被评估对象的重要性不一样，因此，要用模糊方法对每个因素赋予不同的权重，它可表示为U上的一个模糊子集u＝[u₁u₂…u_n]，且

$\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{u}_i=1,$ u_i≥0(i＝1，2，…，n)。

1.5进行综合评判

模糊综合评判的基本模型用公式表示如下：

$B=\mathrm{uR}=\left[\begin{array}{cccc}{u}_1& u_2& \·\·\·& u_n\end{array}\right]\left[\begin{array}{cccc}{r}_{11}& r_{12}& \·\·\·& r_{1m}\\ r_{21}& r_{22}& \·\·\·& r_{2m}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ r_{n1}& r_{n1}& \·\·\·& r_{\mathrm{nm}}\end{array}\right]=\left[\begin{array}{cccc}{b}_1& b_2& \·\·\·& b_n\end{array}\right]$

将上面的评判因素的权重u与模糊关系矩阵R，得到最后的模糊综合评判向量。其中b_j是由u与R的第j列运算得到的，它表示被评事物从整体上看作v_j等级模糊子集的隶属程度。

客流安全等级评价的模糊综合评价模型：

(1)确定评价对象的因素集，即确定评价指标

评价指标是根据能反映客流安全的指标而设置的。分别选取行人的速度和密度作为客流安全的评价指标。各种评价指标的量化值所在的区间不完全相同，速度、密度的评价指标以数值小为最优，即考虑单因素条件下，速度、密度越小客流越安全。如在速度一定的条件下，密度越大越危险；在密度一定的条件下，速度越大客流越危险。即U＝[U₁(密度)U₂(速度)]

(2)确定评价等级论域，即建立评价集

等级论域V上的5个模糊子集构成标准模型库，其中V_i是模糊子集：

[V₁(很安全)V₂(安全)V₃(一般)V₄(危险)V₅(很危险)]。

(3)建立模糊关系矩阵R

根据上面对评价对象的因素集和等级论域的分析，模糊关系矩阵如下：

$R=\left[\begin{array}{c}\left(R\right|U_1)\\ \left(R\right|U_2)\end{array}\right]=\left[\begin{array}{ccccc}{r}_{11}& r_{12}& r_{13}& r_{14}& r_{15}\\ r_{21}& r_{22}& r_{23}& r_{24}& r_{25}\end{array}\right].$

(4)确定评判因素的权重

在确定安全等级的评判因素为密度与速度后，确定它们的权重，u＝[u₁u₂]。

(5)安全等级的计算

根据上面的分析，客流安全等级的计算公式如下：

$B=\mathrm{uR}=\left[\begin{array}{cc}{u}_1& u_2\end{array}\right]\left[\begin{array}{ccccc}{r}_{11}& r_{12}& r_{13}& r_{14}& r_{15}\\ r_{21}& r_{22}& r_{23}& r_{24}& r_{25}\end{array}\right]=\left[\begin{array}{ccccc}{b}_1& b_2& b_3& b_4& b_5\end{array}\right]$

根据最大隶属度原则确定客流的安全等级。

2影响因素的权重

在客流安全的评价指标中，经过专家打分评定，密度的权重大于速度的权重。

客流安全等级的评价方法采用模糊层次分析法，模糊层次分析法是一种定量与定性相结合的方法，是在层次分析法基础上的一种改进。

模糊层次分析法的步骤如下：

2.1利用三标度法建立互补型的模糊判断矩阵，F＝(f_ij)_n×n，称其为优先判断矩阵：

$F={\left(f_{\mathrm{ij}}\right)}_{n\&times;n}=\left[\begin{array}{cc}0.5& s\left(i\right)=s\left(j\right)\\ 1.0& s\left(i\right)>s\left(j\right)\\ 0& s\left(i\right)<s\left(j\right)\end{array}\right]$

其中s(i)和s(j)分别表示因素a_i和a_j的相对重要性程度。

2.2求行和并利用转换公式将模糊判断矩阵F＝(f_ij)_n×n改造为模糊一致性判断矩阵M＝(m_ij)_n×n。

2.3利用和行归一法 $W^{\left(0\right)}={\left[\begin{array}{cccc}{w}_1& w_2& ...& w_n\end{array}\right]}^T={\left[\begin{array}{cccc}\frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_{1j}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_{\mathrm{ij}}}& \frac{\underset{j=2}{\overset{n}{\mathrm{\&Sigma;}}}{m}_{2j}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_{\mathrm{ij}}}& ...& \frac{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_{\mathrm{nj}}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{m}_{\mathrm{ij}}}\end{array}\right]}^T$ 或利用方根法 $W^{\left(0\right)}={\left[\begin{array}{cccc}{w}_1& w_2& ...& w_n\end{array}\right]}^T={\left[\begin{array}{cccc}\frac{\sqrt[n]{\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{m}_{1j}}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\sqrt[n]{\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{m}_{\mathrm{ij}}}}& \frac{\sqrt[n]{\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{m}_{2j}}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\sqrt[n]{\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{m}_{\mathrm{ij}}}}& ...& \frac{\sqrt[n]{\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{m}_{\mathrm{nj}}}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}\sqrt[n]{\underset{j=1}{\overset{n}{\mathrm{\&Pi;}}}{m}_{\mathrm{ij}}}}\end{array}\right]}^T$ 求得排序向量。

2.4利用转换公式将模糊一致性判断矩阵M＝(m_ij)_n×n变为互反型矩阵E＝(e_ij)_n×n。

2.5以排序向量W⁽⁰⁾作为特征值法的迭代初值V₀，进一步求精度较高的排序向量W^(k)即：

①以V₀＝V₀(v₀₁，v₀₂…v_0n)^T为迭代初值，利用迭代公式V_k+1＝EV_k求特征向量V_k+1，并求V_k+1的无穷范数||V_k+1||_∞。

②判断：若||V_k+1||_∞-||V_k||_∞≤ε，则||V_k+1||_∞即为最大特征值λ_max，将V_k+1进行归一化处理后， $V_{k+1}={\left[\begin{array}{cccc}\frac{v_{k+\mathrm{1,1}}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_{k+1,i}}& \frac{v_{k+\mathrm{1,2}}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_{k+1,i}}& ...& \frac{v_{k+1,n}}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{v}_{k+1,i}}\end{array}\right]}^T$ 所得向量W^(k)＝V_i+1即为方案排序向量，迭代结束。

③否则，以 $V_k=\frac{V_{k+1}}{{\left|\right|V_{k+1}\left|\right|}_{\&infin;}}={\left[\begin{array}{cccc}\frac{v_{k+\mathrm{1,1}}}{{\left|\right|V_{k+1}\left|\right|}_{\&infin;}}& \frac{v_{k+\mathrm{1,2}}}{{\left|\right|V_{k+1}\left|\right|}_{\&infin;}}& ...& \frac{v_{k+1,n}}{{\left|\right|V_{k+1}\left|\right|}_{\&infin;}}\end{array}\right]}^T$ 作为新值，再次迭代。

密度和速度的权重：

根据2.1中描述的权重确定的模糊层次分析法的步骤，客流安全等级评判中评价指标密度、速度的权重确定步骤如下：

(1)在客流安全的评价指标中，经过专家打分评定，密度的权重大于速度的权重，所以优先关系矩阵为：

$F=\begin{array}{c}\mathrm{\&rho;}\\ v\end{array}\left[\begin{array}{cc}0.5& 1\\ 0& 0.5\end{array}\right]$

(2)根据2.1中步骤(2)中的转化公式，行和m₁＝1.5，m₂＝0.5，模糊一致性判断矩阵：

$M={\left(m_{\mathrm{ij}}\right)}_{n\&times;n}=\left[\begin{array}{cc}0.5& 0.75\\ 0.25& 0.5\end{array}\right]$

(3)利用和行归一法或方根法求的排序向量分别为W⁽⁰⁾＝[0.6250.375]^T，W⁽⁰⁾＝[0.6340.366]^T经分析，计算误差大于0.001，其计算精度不高。

(4)根据2.1中步骤(4)中的转化公式，建立互反型判断矩阵：

$E={\left(e_{\mathrm{ij}}\right)}_{n\&times;n}=\left[\begin{array}{cc}1& 3\\ 0.333& 1\end{array}\right]$

(5)以行归一法求得的排序向量W⁽⁰⁾＝[0.625 0.375]^T作为特征值法的迭代初值，根据2.1中步骤(5)中的计算公式，经计算W⁽¹⁾＝[0.75 0.25]^T，W⁽²⁾＝[0.75 0.25]^T，迭代2次计算误差小于0.001，且满足收敛要求。所以把W＝[0.75 0.25]^T作为密度、速度的权重值。

对于通道、楼梯这类通过型的设施，密度、速度的权重，采用u＝W^T＝[0.75 0.25]；对于等候区域和自动扶梯(行人相对于自动扶梯时静止的)这类等候型设施，密度、速度的权重，采用u＝[1 0]。

3判断矩阵的确定

3.1单因素下密度与速度的分级标准

由于客流安全分级标准都是模糊的，所以用隶属度来刻画分级界限较合理。先根据各指标的5个标准，做出5个级别的隶属函数。各评价指标都是以数值小为最优，因此采用偏小型分布。

大规模客流对我国各大城市的综合客运枢纽内旅客的安全潜伏着极大的隐患，在大规模客流条件下，很可能发生拥挤踩踏事故。本文用客流安全度来表示枢纽内客流的安全状况，客流安全度是表示旅客在行走过程中遇到潜在风险的程度，把安全度的范围界定在0～1之间，0表示客流最危险，1表示客流最安全。选取行人在走行过程中的速度和区域范围内旅客的密度作为指标，分别建立单因素条件下客流安全的密度函数和速度函数，从这两个方面来反映客流的安全度。客流安全等级的划分的假设条件：

(1)客流安全等级是假设在均匀分布条件下得到的；

(2)对通勤者正常行走状态下进行研究；

安全度函数关系式确定步骤如下：

(1)根据历史经验或者实际调查结果为依据，确定密度、速度的“极安全”和“极危险”的值C和D。

(2)定义客流安全度函数如下：

客流安全度函数为： $f(X,C,D)=\left\{\begin{array}{cc}1& X<C\\ \frac{D-X}{D-C}& C\&le;X\&le;D\\ 0& X>D\end{array}\right..$

(3)分别将指标值(速度、密度)X₀代入上述函数中，得到f(X₀，A，B)，即为指标X₀评价值。

(4)考察f(X₀，A，B)在[01]中的位置。确定单因素下X₀的区间范围。

表1不同设施处客流安全的密度与速度的极限值

(注：排队等候区域、自动扶梯行人的相对速度为零)

根据每一个指标的区间范围按“危险程度”分为5个档次，给“很安全”赋值为1，“很危险”赋值为0，中间再分出“较安全”、“一般”、“较危险”三个档次，把0.8，0.6，0.4，0.2为不同档次之间的阈值。根据表2可以得出单因素下密度、速度的分级界限：

表2单因素下密度的等级分级界限

	很安全	较安全	一般	较危险	很危险
						通道	1.20	2.09	2.98	3.87	4.76
排队等候区域	0.96	1.91	2.86	3.81	4.76
						楼梯	1.48	2.66	3.84	5.02	6.2
自动扶梯	1.2	2.4	3.6	4.8	6

综合客运枢纽内的行人往往会携带行李，而行李因素对行人占用空间有显著影响。因此，要考虑行李因素对客流安全等级的影响，即要考虑行李因素对不同等级下人体占用空间的修正。

在考虑行李因素对客流安全等级的影响时，对北京南站携带行李的情况进行了调查，对旅客行李分为四大类：

(1)无行李：指乘客不携带行李或一个普通的单肩包。

(2)小包：指乘客手中提的购物袋等，在平面上的投影面积小于0.1平方米。

(3)中包：指出差用的双肩包指，在平面上的投影面积大于0.1平方米小于0.2平方米。

(4)大包：指乘客携带的拉杆箱，在平面上的投影面积大于0.2平方米小于0.5平方米。

对北京南站携带行李情况进行了调查，如表3所示，共调查了1437人，分别统计行人携带大包、中包、小包和无行李的情况。显然，如果行人携带大包、中包、小包和无行李的比例分别为p₀、p₁、p₂和p₃，则携带行李情况下较不带行李情况下行人空间的增加值为： $s=\frac{0.3p_0+0.15p_1+0.05p_2}{p_o+p_1+p_2+p_3}.$

表3京津城际列车旅客携带行李情况

通过综合考虑，携带行李情况下较不带行李情况下行人空间的增加值为0.096平方米/人。

表4考虑行李因素的密度的等级分级界限

同样，可以得到单因素下速度的等级分级界限如表5所示：

表5单因素下速度的等级分级界限

3.2隶属度函数的确定

如果把等级划分为c级，从1～c级指标的标准特征值依次增加的类型称为指标递增型，递增型的隶属度函数为：

1级指标的隶属度函数为：

$f_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<y_1\\ \frac{y_2-x}{y_2-y_1}& y_1\&le;x\&le;y_2\\ 0& y_2<x\end{array}\right.$

i(1＜i＜c)级指标的隶属度函数为：

$f_{v_i\left(x\right)}=\left\{\begin{array}{cc}0& x<y_{i-1},x>y_{i+1}\\ \frac{x-y_{i-1}}{y_i-y_{i-1}}& y_{i-1}\&le;x\&le;y_i\\ \frac{y_{i+1}-x}{y_{i+1}-y_i}& y_i<x\&le;y_{i+1}\end{array}\right.$

c级指标的隶属度函数为：

$f_{v_c\left(x\right)}=\left\{\begin{array}{cc}0& x<y_{c-1}\\ \frac{x-y_{c-1}}{y_c-y_{c-1}}& y_{c-1}\&le;x\&le;y_c\\ 1& y_c<x\end{array}\right.$

则通道内行人密度的隶属度函数如下：

${\mathrm{\&rho;}}_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<1.08\\ 1.52(1.74-x)& 1.08\&le;x\&le;1.74\\ 0& 1.74<x\end{array}\right.$

${\mathrm{\&rho;}}_{v_2\left(x\right)}=\left\{\begin{array}{cc}0& x<1.08,x>2.31\\ 1.52(x-1.08)& 1.08\&le;x\&le;1.74\\ 1.75(2.31-x)& 1.74<x\&le;2.31\end{array}\right.$

${\mathrm{\&rho;}}_{v_3\left(x\right)}=\left\{\begin{array}{cc}0& x<1.74,x>2.82\\ 1.75(x-1.74)& 1.74\&le;x\&le;2.31\\ 1.96(2.82-x)& 2.31<x\&le;2.82\end{array}\right.$

${\mathrm{\&rho;}}_{v_4\left(x\right)}=\left\{\begin{array}{cc}0& x<2.31,x>3.27\\ 1.96(x-2.31)& 2.31\&le;x\&le;2.82\\ 2.22(3.27-x)& 2.82<x\&le;3.27\end{array}\right.$

${\mathrm{\&rho;}}_{v_5\left(x\right)}=\left\{\begin{array}{cc}0& x<2.82\\ 2.22(x-2.82)& 2.82\&le;x\&le;3.27\\ 1& 3.27<x\end{array}\right.$

同理，速度评价指标采用偏小型分布，同样得到通道内行人速度评价指标5级标准的隶属度函数。

$V_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<0.27\\ 4.17(0.48-x)& 0.24\&le;x\&le;0.48\\ 0& 0.48<x\end{array}\right.$

$V_{v_2\left(x\right)}=\left\{\begin{array}{cc}0& x<0.24,x>0.72\\ 4.17(x-0.24)& 0.24\&le;x\&le;0.48\\ 4.17(0.72-x)& 0.48<x\&le;0.72\end{array}\right.$

$V_{v_3\left(x\right)}=\left\{\begin{array}{cc}0& x<0.48,x>0.96\\ 4.17(x-0.48)& 0.48\&le;x\&le;0.72\\ 4.17(0.96-x)& 0.72<x\&le;0.96\end{array}\right.$

$V_{v_4\left(x\right)}=\left\{\begin{array}{cc}0& x<0.72,x>1.20\\ 4.17(x-0.72)& 0.72\&le;x\&le;0.96\\ 4.17(1.20-x)& 0.96<x\&le;1.20\end{array}\right.$

$V_{v_5\left(x\right)}=\left\{\begin{array}{cc}0& x<0.96\\ 4.17(x-0.96)& 0.96\&le;x\&le;1.20\\ 1& 1.20<x\end{array}\right.$

有了各个指标的隶属函数，就可以进行单因素评价，建立模糊关系矩阵R。则楼梯上行人密度的隶属度函数如下：

${\mathrm{\&rho;}}_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<1.3\\ 1.22(2.12-x)& 1.3\&le;x\&le;2.12\\ 0& 2.12<x\end{array}\right.$

${\mathrm{\&rho;}}_{v_2\left(x\right)}=\left\{\begin{array}{cc}0& x<1.3,x>2.81\\ 1.22(x-1.3)& 1.3\&le;x\&le;2.12\\ 1.45(2.81-x)& 2.12<x\&le;2.81\end{array}\right.$

${\mathrm{\&rho;}}_{v_3\left(x\right)}=\left\{\begin{array}{cc}0& x<2.12,x>3.39\\ 1.45(x-2.12)& 2.12\&le;x\&le;2.81\\ 1.72(3.39-x)& 2.81<x\&le;3.39\end{array}\right.$

${\mathrm{\&rho;}}_{v_4\left(x\right)}=\left\{\begin{array}{cc}0& x<2.81,x>3.89\\ 1.72(x-2.81)& 2.81\&le;x\&le;3.39\\ 2(3.89-x)& 3.39<x\&le;3.89\end{array}\right.$

${\mathrm{\&rho;}}_{v_5\left(x\right)}=\left\{\begin{array}{cc}0& x<3.39\\ 2(x-3.39)& 3.39\&le;x\&le;3.89\\ 1& 3.89<x\end{array}\right.$

同理，速度评价指标采用偏小型分布，同样得到楼梯上行人速度评价指标5级标准的隶属度函数。

$V_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<0.172\\ 5.81(0.344-x)& 0.172\&le;x\&le;0.344\\ 0& 0.344<x\end{array}\right.$

$V_{v_2\left(x\right)}=\left\{\begin{array}{cc}0& x<0.172,x>0.516\\ 5.81(x-0.172)& 0.172\&le;x\&le;0.344\\ 5.81(0.516-x)& 0.344<x\&le;0.516\end{array}\right.$

$V_{v_3\left(x\right)}=\left\{\begin{array}{cc}0& x<0.344,x>0.688\\ 5.81(x-0.344)& 0.344\&le;x\&le;0.516\\ 5.81(0.688-x)& 0.516<x\&le;0.688\end{array}\right.$

$V_{v_4\left(x\right)}=\left\{\begin{array}{cc}0& x<0.516,x>0.86\\ 5.81(x-0.516)& 0.516\&le;x\&le;0.688\\ 5.81(0.86-x)& 0.688<x\&le;0.86\end{array}\right.$

$V_{v_5\left(x\right)}=\left\{\begin{array}{cc}0& x<0.688\\ 5.81(x-0.688)& 0.688\&le;x\&le;0.86\\ 1& 0.86<x\end{array}\right.$

则排队等候区域行人密度的隶属度函数如下：

${\mathrm{\&rho;}}_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<0.88\\ 1.37(1.61-x)& 0.88\&le;x\&le;1.61\\ 0& 1.61<x\end{array}\right.$

${\mathrm{\&rho;}}_{v_2\left(x\right)}=\left\{\begin{array}{cc}0& x<0.88,x>2.24\\ 1.37(x-0.88)& 0.88\&le;x\&le;2.61\\ 1.59(2.24-x)& 1.61<x\&le;2.24\end{array}\right.$

${\mathrm{\&rho;}}_{v_3\left(x\right)}=\left\{\begin{array}{cc}0& x<1.61,x>2.79\\ 1.59(x-1.61)& 1.61\&le;x\&le;2.24\\ 1.82(2.79-x)& 2.24<x\&le;2.79\end{array}\right.$

${\mathrm{\&rho;}}_{v_4\left(x\right)}=\left\{\begin{array}{cc}0& x<2.24,x>3.27\\ 1.82(x-2.24)& 2.24\&le;x\&le;2.79\\ 2.08(3.27-x)& 2.79<x\&le;3.27\end{array}\right.$

${\mathrm{\&rho;}}_{v_5\left(x\right)}=\left\{\begin{array}{cc}0& x<2.79\\ 2.08(x-2.79)& 2.79\&le;x\&le;3.27\\ 1& 3.27<x\end{array}\right.$

则自动扶梯上行人密度的隶属度函数如下：

${\mathrm{\&rho;}}_{v_1\left(x\right)}=\left\{\begin{array}{cc}1& x<1.08\\ 1.15(1.95-x)& 1.08\&le;x\&le;1.95\\ 0& 1.95<x\end{array}\right.$

${\mathrm{\&rho;}}_{v_2\left(x\right)}=\left\{\begin{array}{cc}0& x<1.08,x>2.68\\ 1.15(x-1.08)& 1.08\&le;x\&le;1.95\\ 1.37(2.68-x)& 1.95<x\&le;2.68\end{array}\right.$

${\mathrm{\&rho;}}_{v_3\left(x\right)}=\left\{\begin{array}{cc}0& x<1.95,x>3.29\\ 1.37(x-1.95)& 1.95\&le;x\&le;2.68\\ 1.64(3.29-x)& 2.68<x\&le;3.29\end{array}\right.$

${\mathrm{\&rho;}}_{v_4\left(x\right)}=\left\{\begin{array}{cc}0& x<2.68,x>3.80\\ 1.64(x-2.68)& 2.68\&le;x\&le;3.29\\ 1.96(3.80-x)& 3.29<x\&le;3.80\end{array}\right.$

${\mathrm{\&rho;}}_{v_5\left(x\right)}=\left\{\begin{array}{cc}0& x<3.29\\ 1.96(x-3.29)& 3.29\&le;x\&le;3.80\\ 1& 3.80<x\end{array}\right.$

3.3根据隶属度函数建立模糊关系矩阵

枢纽内不同设施的客流安全等级标准的隶属度函数也可以建立，这样就可以得到对不同设施进行客流安全评价的模糊关系矩阵，从而进行客流安全等级的评价。根据上面的隶属度函数关系式，得到的模糊关系矩阵如下：

$R=\left[\begin{array}{ccccc}{\mathrm{\&rho;}}_{v_1\left(x\right)}& {\mathrm{\&rho;}}_{v_2\left(x\right)}& {\mathrm{\&rho;}}_{v_3\left(x\right)}& {\mathrm{\&rho;}}_{v_4\left(x\right)}& {\mathrm{\&rho;}}_{v_5\left(x\right)}\\ V_{v_1\left(x\right)}& V_{v_2\left(x\right)}& V_{v_3\left(x\right)}& V_{v_4\left(x\right)}& V_{v_5\left(x\right)}\end{array}\right]$

4客流安全等级的计算

根据前面对客流安全等级的描述，当给出枢纽内设施上行人的速度、密度后，根据隶属度函数就可以得到模糊关系矩阵，速度、密度的权重也已经得出，这样根据如下公式就可以计算出客流的安全等级

$B=\mathrm{uR}=\left[\begin{array}{cc}{u}_1& u_2\end{array}\right]\left[\begin{array}{ccccc}{\mathrm{\&rho;}}_{v_1\left(x\right)}& {\mathrm{\&rho;}}_{v_2\left(x\right)}& {\mathrm{\&rho;}}_{v_3\left(x\right)}& {\mathrm{\&rho;}}_{v_4\left(x\right)}& {\mathrm{\&rho;}}_{v_5\left(x\right)}\\ V_{v_1\left(x\right)}& V_{v_2\left(x\right)}& V_{v_3\left(x\right)}& V_{v_4\left(x\right)}& V_{v_5\left(x\right)}\end{array}\right]=\left[\begin{array}{ccccc}{b}_1& b_2& b_3& b_4& b_5\end{array}\right]$

如当某时客流监测设备检测出通道处人群的客流密度为1.8人/平方米.行人速度为0.6米/秒。把速度、密度的值分别代入上面的公式，就可以得到模糊关系矩阵，从而就可以进行安全等级的评价，如下所示：

$B=\mathrm{uR}=\left[\begin{array}{cc}0.75& 0.25\end{array}\right]\left[\begin{array}{ccccc}0& 0.89& 0.11& 0& 0\\ 0& 0.5& 0.5& 0& 0\end{array}\right]=\left[\begin{array}{ccccc}0& 0.7925& 0.2075& 0& 0\end{array}\right]$

根据最大隶属度原则，判断出客流的安全级别处于第二级较安全等级。

当某时客流监测设备检测出候车区域人群的密度为2.4人/平方米，把速度、密度的值分别代入上面的公式，就可以得到模糊关系矩阵，从而就可以进行安全等级的评价，如下所示：

根据最大隶属度原则，判断出客流的安全级别处于第三级一般等级。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.综合客运枢纽客流安全等级计算方法，其特征是该方法包括以下步骤：

步骤1：构建综合客运枢纽客流安全等级评判的模糊综合评价模型，主要包括以下步骤：

步骤1.1：建立评判对象的因素论域U＝[U₁(密度) U₂(速度)]；

步骤1.2：确定评定等级论域V，

V＝[V₁(很安全) V₂(安全) V₃(一般) V₄(危险) V₅(很危险)]；

步骤1.3：进行单因素评估，建立模糊关系矩阵R，

$R=\left[\begin{array}{c}\left(R\right|U_1)\\ \left(R\right|U_2)\end{array}\right]=\left[\begin{array}{ccccc}{r}_{11}& r_{12}& r_{13}& r_{14}& r_{15}\\ r_{21}& r_{22}& r_{23}& r_{24}& r_{25}\end{array}\right];$

步骤1.4：确定评判因素的权重u＝[u₁u₂]；

步骤1.5：进行综合评判；

式中：r_ij为因素U_i(i＝1,2)对应V中等级V_j(j＝1,2,3,4,5)的隶属关系，即从评判因素U_i着眼，评价对象被评为V_j等级的隶属关系，因而r_ij是第i个因素对该评估对象的单因素评估，它构成了模糊综合评判的基础；由于因素集U中各因素对被评估对象的重要性不一样，因此，要用模糊方法对每个因素赋予不同的权重，它可表示为U上的一个模糊子集u＝[u₁ u₂],且在这里u₁、u₂特指评判因素密度和速度的权重；

步骤2：在步骤1的基础上，选取密度、速度为综合客运枢纽客流安全等级的评价指标，并计算客流安全等级评判中评价指标的权重；

步骤3：根据综合客运枢纽客流安全分级标准和考虑行李因素对不同等级下人体占用空间的修正，建立密度、速度对应于枢纽内不同设施，即通道、排队等候区域、楼梯和自动扶梯，在不同客流安全等级下的隶属度函数，并确定其模糊关系矩阵；

步骤4：根据评价指标权重和模糊关系矩阵，构建基于密度、速度的综合客运枢纽客流安全等级计算模型。

2.根据权利要求1所述综合客运枢纽客流安全等级计算方法，其特征是所述步骤2包括以下步骤：

步骤2.1：利用三标度法建立互补型的模糊判断矩阵；

步骤2.2：求模糊判断矩阵的行和，将模糊判断矩阵改造为模糊一致性判断矩阵；

步骤2.3：求模糊一致性判断矩阵求得排序向量；

步骤2.4：将模糊一致性判断矩阵转换为互反型矩阵；

步骤2.5：根据排序向量和互反型矩阵确定密度U₁、速度U₂的权重。

3.根据权利要求1所述综合客运枢纽客流安全等级计算方法，其特征是所述步骤3包括以下步骤：

步骤3.1：分别确定密度U₁、速度U₂的分级标准；

步骤3.2：根据分级标准确定密度U₁、速度U₂在枢纽内不同设施和不同客流安全等级下的隶属度函数；

步骤3.3：根据隶属度函数建立评判指标的模糊关系矩阵R。

4.根据权利要求1所述综合客运枢纽客流安全等级计算方法，其特征是所述步骤4所述客流安全等级的计算公式为：

B＝uR

式中：B为安全等级向量，u为评判因素权重，R为模糊关系矩阵。