CN105701754A - 一种基于引导员位置优化的城市轨道交通车站疏散方法 - Google Patents
一种基于引导员位置优化的城市轨道交通车站疏散方法 Download PDFInfo
- Publication number
- CN105701754A CN105701754A CN201610003606.XA CN201610003606A CN105701754A CN 105701754 A CN105701754 A CN 105701754A CN 201610003606 A CN201610003606 A CN 201610003606A CN 105701754 A CN105701754 A CN 105701754A
- Authority
- CN
- China
- Prior art keywords
- pilot
- pedestrian
- platform
- occupy
- place
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 239000006185 dispersion Substances 0.000 claims description 76
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 244000050510 Cunninghamia lanceolata Species 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
Abstract
本发明公开一种基于引导员位置优化的城市轨道交通车站疏散方法，包括如下步骤：S1：将站台划分为面积相等的多个网格；S2：按照一个网格供一个引导员占位的规则，根据站台的引导员的人数确定站台所有的引导员占位组合；S3：计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数；S4：比较与所有引导员占位组合对应的站台能疏散行人总数，得到站台能疏散行人总数的最大值；S5：根据所述站台能疏散行人总数的最大值确定站台的最优引导员占位组合。所述疏散方法使得一定数量下的引导员能够覆盖尽可能多的行人，从而提高行人在引导员引导下进行疏散的疏散效率。
Description
技术领域
本发明涉及城市轨道交通的车站疏散方法。更具体地，涉及一种基于引导员位置优化的轨道交通车站疏散方法。
背景技术
随着我国城市化的进程不断加快，城市人口越来越多，城市交通拥堵现象逐渐暴露出来。城市轨道交通是缓解城市交通拥堵现象的重要手段，因此中国城市轨道交通发展进入了快速发展的时期。城市轨道交通需要满足快速、舒适、安全的要求。地铁车站尤其是轨道交通枢纽站作为城市轨道交通系统的基层生产单位，是乘客进出城市轨道交通线路的界面，由于地铁交通枢纽人员密集，人流量大，又因其空间较为封闭，车站的安全已经成为国际社会关注的问题。城市轨道交通车站人员的安全疏散应保证站内人员在安全疏散时间内疏散至安全区域。通过对历史地铁车站事故进行分析，发现错误的逃生路径导致的行走空间拥堵是导致人员伤亡的一个重要影响因素，因此做好轨道交通车站突发事件下的人员引导工作至关重要。依靠熟悉特定建筑物的内部格局和疏散通道的疏散引导员，有序的组织疏散是减少人员伤亡的有效途径。设置车站内疏散引导员，可以科学高效地对突发事件中的疏散行为进行指引，提高疏散效率。
现有技术的轨道交通疏散方法主要集中在应急疏散规划及管理方面，通过对疏散路径及疏散时间的建模，利用仿真方法实现对疏散过程的模拟并进行性能评估，为实现人群安全疏散提供理论基础。日本是较早开展引导策略的国家，杉万在1988年提出吸附式集团移动法、方向指示法等一系列引导方法，并通过著名的“杉万引导实验”揭示出各种引导方法在不同条件下的效果；宾夕法尼亚大学NuriaPelechano等研究了复杂建筑环境中的疏散问题，研究对象是一些不熟悉建筑连通性或者找到的路径是封闭的群体，将复杂环境下的Agent分为不同角色，即引导员，学习者以及跟随者，不同Agent之间进行信息交互，通过改变引导员、学习者的数量来影响疏散效果。国内学者通过计算机仿真模型，提出三种疏散策略并进行分析和比较，研究表明领导行为疏散策略疏散效率最优，协助行为疏散策略其次，随机行为疏散策略效率最低，并证明疏散效率与引导员数量是非线性关系。综上所述，国内外虽然有很多研究提到甚至强调了引导人在疏散中的重要作用，但对于特定的轨道交通车站中如何进行引导员位置设计等重要问题，目前的研究还是非常薄弱，
因此，需要提供一种基于引导员位置优化的城市轨道交通车站疏散方法，以实现城市轨道交通车站的高效疏散。
发明内容
本发明的目的在于提供一种基于引导员位置优化的城市轨道交通车站疏散方法。
为达到上述目的，本发明采用下述技术方案：
一种基于引导员位置优化的城市轨道交通车站疏散方法，包括如下步骤：
S1：将站台划分为面积相等的多个网格；
S2：按照一个网格供一个引导员占位的规则，根据站台的引导员的人数确定站台所有的引导员占位组合；
S3：计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数，且与站台的每一个引导员占位组合对应的站台的能疏散行人总数等于按照该引导员占位组合占位时该站台的所有引导员的能疏散行人数之和；
S4：比较与所有引导员占位组合对应的站台能疏散行人总数，得到站台能疏散行人总数的最大值；
S5：根据所述站台能疏散行人总数的最大值确定站台的最优引导员占位组合。
优选地，所述步骤S5中，确定站台的最优引导员占位组合的方法为：与站台的最优引导员占位组合对应的站台能疏散行人总数为所述站台能疏散行人总数的最大值。
优选地，所述步骤计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数，且与站台的每一个引导员占位组合对应的站台的能疏散行人总数等于按照该引导员占位组合占位时该站台的所有引导员的能疏散行人数之和进一步包括如下子步骤：
S3.1：将站台的每一个引导员的疏散范围划分为多个疏散区；
S3.2：对于任意一个引导员占位组合，按照该引导员占位组合占位时，确定站台的每一个引导员的每一个疏散区内实际有的行人数；
S3.3：按照该引导员占位组合占位时，对于站台的每一个引导员的每一个疏散区，根据该引导员的该疏散区内实际有的行人数计算得到该引导员的该疏散区内的行人数模拟值；
S3.4：对于站台的每一个引导员，计算该引导员的所有疏散区内的行人数模拟值之和得到按照该引导员占位组合占位时该引导员的能疏散行人数；
S3.5：计算得到按照该引导员占位组合占位时该站台的所有引导员的能疏散的行人数之和。
进一步优选地，所述步骤S3.1中，各个引导员的疏散范围都为圆形，且各个引导员的疏散范围的面积大小相等。
更进一步优选地，对于站台的任意一个引导员，该引导员的所有疏散区的外边界线为一组同心圆。
进一步优选地，所述步骤S3.2中，确定站台的每一个引导员的每一个疏散区内实际有的行人数时，每一个行人仅计入与该行人距离最近的引导员的疏散区内，以避免当两个引导员的疏散范围重叠时，同一个行人被重复计入不同引导员的疏散区内。
进一步优选地，所述步骤S3.3中，对于站台的每一个引导员的每一个疏散区，根据该引导员的该疏散区内实际有的行人数计算得到该引导员的该疏散区内的行人数模拟值的公式为：
E＝F*P；
其中，E为该引导员的该疏散区内的行人数模拟值；F为该引导员的该疏散区内实际有的行人数；P为当行人位于该引导员的该疏散区内时接受该引导员的引导的概率。
更进一步优选地，对于站台的任意一个引导员的任意一个疏散区，当行人位于该引导员的该疏散区内时接受该引导员的引导的概率大小随该行人与该引导员之间的距离的增大而减小。
优选地，所述网格为长方形或正方形。
本发明的有益效果如下：
(1)与现有技术相比，本发明的所述疏散方法通过先将站台网格化，然后按照一个网格供一个引导员占位的规则，根据站台的引导员的人数确定站台所有的引导员占位组合，再计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数，最后比较与所有引导员占位组合对应的站台能疏散行人总数，得到最优引导员占位组合，使得一定数量下的引导员能够覆盖尽可能多的行人，从而提高行人在引导员引导下进行疏散的疏散效率。
(2)与现有技术相比，本发明的所述疏散方法考虑了行人之间的信息传递和从众跟随效应，使得引导员直接覆盖范围之外的行人也可能接受引导员的引导信息，从而增强了其实用性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1为本发明实施例提供的基于引导员位置优化的城市轨道交通车站疏散方法的流程图。
图2为站台的多个网格的划分示意图。
图3为站台的每一个引导员的疏散范围的多个疏散区的划分示意图。
图4为站台上的行人受引导员影响程度的示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
当城市轨道交通车站例如地铁站交通拥堵时，车站的站台上会有很多行人(即乘客)，这些行人需要该站台上的引导员疏散。下面以车站的任意一个站台为例来介绍本实施例提供的基于引导员位置优化的城市轨道交通车站疏散方法。
如图1所示，本实施例提供的基于引导员位置优化的城市轨道交通车站疏散方法包括如下步骤：
S1：将站台划分为面积相等的多个网格；
例如将站台划分为6个网格，并依次编号为1#、2#、3#、4#、5#和6#，如图2所示；
S2：按照一个网格供一个引导员占位的规则，根据站台的引导员的人数确定站台所有的引导员占位组合；
例如，当站台有两个引导员时，该站台的引导员占位组合为：1#网格和2#网格、1#网格和3#网格、1#网格和4#网格、1#网格和5#网格、1#网格和6#网格、2#网格和3#网格、2#网格和4#网格、2#网格和5#网格、2#网格和6#网格、3#网格和4#网格；3#网格和5#网格、3#网格和6#网格、4#网格和5#网格、4#网格和6#网格、5#网格和6#网格，如表1所示；
S3：计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数，且与站台的每一个引导员占位组合对应的站台的能疏散行人总数等于按照该引导员占位组合占位时该站台的所有引导员的能疏散行人数之和；
例如，对于引导员占位组合“1#网格和2#网格”，即1#网格和6#网格各自占位一个引导员，计算得到与引导员占位组合“1#网格和2#网格”对应的站台能疏散行人总数为M12；同理，依次计算得到与引导员占位组合“1#网格和3#网格、“1#网格和4#网格”、“1#网格和5#网格”、“1#网格和6#网格”、“2#网格和3#网格”、“2#网格和4#网格”、“2#网格和5#网格”、“2#网格和6#网格”、“3#网格和4#网格”；“3#网格和5#网格”、“3#网格和6#网格”、“4#网格和5#网格”、“4#网格和6#网格”、“5#网格和6#网格”对应的站台能疏散行人总数分别为M13、M14、M15、M16、M23、M24、M25、M26、M34、M35、M36、M45、M46和M56，如表1所示；
表1引导员占位组合和站台能疏散行人总数
| 引导员占位组合 | 站台能疏散行人总数 |
| 1#网格和2#网格 | M12 |
| 1#网格和3#网格 | M13 |
| 1#网格和4#网格 | M14 |
| 1#网格和5#网格 | M15 |
| 1#网格和6#网格 | M16 |
| 2#网格和3#网格 | M23 |
| 2#网格和4#网格 | M24 |
| 2#网格和5#网格 | M25 |
| 2#网格和6#网格 | M26 |
| 3#网格和4#网格 | M34 |
| 3#网格和5#网格 | M35 |
| 3#网格和6#网格 | M36 |
| 4#网格和5#网格 | M45 |
| 4#网格和6#网格 | M46 |
| 5#网格和6#网格 | M56 |
S4：比较与所有引导员占位组合对应的站台能疏散行人总数，得到站台能疏散行人总数的最大值；
例如；比较与所有引导员占位组合对应的站台能疏散行人总数M12、M13、M14、M15、M16、M23、M24、M25、M26、M34、M35、M36、M45、M46和M56，得到站台能疏散行人总数的最大值例如为M16；
S5：根据上述站台能疏散行人总数的最大值确定站台的最优引导员占位组合；
例如，根据站台能疏散行人总数的最大值M16确定站台的最优引导员占位组合为“1#网格和6#网格”。
上述步骤S5中，确定站台的最优引导员占位组合的方法为：与站台的最优引导员占位组合对应的站台能疏散行人总数为上述站台能疏散行人总数的最大值。
上述步骤S3进一步包括如下子步骤：
S3.1：将站台的每一个引导员的疏散范围划分为多个疏散区；
S3.2：对于任意一个引导员占位组合，按照该引导员占位组合占位时，确定站台的每一个引导员的每一个疏散区内实际有的行人数；
S3.3：按照该引导员占位组合占位时，对于站台的每一个引导员的每一个疏散区，根据该引导员的该疏散区内实际有的行人数计算得到该引导员的该疏散区内的行人数模拟值；
S3.4：对于站台的每一个引导员，计算该引导员的所有疏散区内的行人数模拟值之和得到按照该引导员占位组合占位时该引导员的能疏散行人数；
S3.5：计算得到按照该引导员占位组合占位时该站台的所有引导员的能疏散的行人数之和。
上述步骤S3.1中，各个引导员的疏散范围都为圆形，且各个引导员的疏散范围的面积大小相等。在本实施例中，对于站台的任意一个引导员，该引导员的所有疏散区的外边界线为一组同心圆。例如，如图3所示，将引导员的疏散范围划分为3个疏散区，且将该3个疏散区按照由内向外的顺序依次编号为D1疏散区、D2疏散区、D3疏散区，其中，D1疏散区为圆形，D2疏散区和D3疏散区均为圆环形。
上述步骤S3.2中，在本实施例中，例如，如图3所示，D1疏散区内实际有的行人为A1、A2、A3、A4和A5，即D1疏散区内实际有的行人数为5；D2疏散区实际有的行人为B1和B2，即D2疏散区内实际有的行人数为2；D3疏散区实际有的行人为C1、C2和C3，即D3疏散区内实际有的行人数为3。确定站台的每一个引导员的每一个疏散区内实际有的行人数时，每一个行人仅计入与该行人距离最近的引导员的疏散区内，以避免当两个引导员的疏散范围重叠时，同一个行人被重复计入不同引导员的疏散区内。
上述步骤S3.3中，对于站台的每一个引导员的每一个疏散区，根据该引导员的该疏散区内实际有的行人数计算得到该引导员的该疏散区内的行人数模拟值的公式为：
E＝F*P；公式(1)
其中，E为该引导员的该疏散区内的行人数模拟值；F为该引导员的该疏散区内实际有的行人数；P为当行人位于该引导员的该疏散区内时接受该引导员的引导的概率。对于站台的任意一个引导员的任意一个疏散区，当行人位于该引导员的该疏散区内时接受该引导员的引导的概率大小随该行人与该引导员之间的距离的增大而减小。在本实施例中，例如，如图4所示，位于引导员的D1疏散区内的行人A1、A2、A3、A4和A5距离引导员最近，为受引导员直接影响的人，故D1疏散区内的行人A1、A2、A3、A4和A5接受引导员的引导的概率最大，例如为1；位于引导员的D2疏散区内的行人B1和B2与引导员之间的距离增大，受引导员的影响减弱，但是行人B1可能会受到与之距离最近的行人A1的影响，即行人B1跟随行人A1行进，这样，引导员影响行人A1，行人A1进而影响行人B1，即位于引导员的D2疏散区内的行人B1和B2为受引导员间接影响的人，故位于引导员的D2疏散区内的行人B1和B2接受引导员的引导的概率减小，例如为0.7；位于引导员的D3疏散区内的行人C1不受引导员的影响，故位于引导员的D3疏散区内的行人C1接受引导员的引导的概率例如为零。
在本实施例的一种优选实施方式中，所述网格为长方形或正方形。
本领域技术人员很容易理解，对城市轨道交通的同一车站的不同站台重复适用上述疏散方法即可实现整个车站的引导员位置的最优化布局，即得到整个车站的最优化疏散方法。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (9)
1.一种基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，包括如下步骤：
S1：将站台划分为面积相等的多个网格；
S2：按照一个网格供一个引导员占位的规则，根据站台的引导员的人数确定站台所有的引导员占位组合；
S3：计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数，且与站台的每一个引导员占位组合对应的站台的能疏散行人总数等于按照该引导员占位组合占位时该站台的所有引导员的能疏散行人数之和；
S4：比较与所有引导员占位组合对应的站台能疏散行人总数，得到站台能疏散行人总数的最大值；
S5：根据所述站台能疏散行人总数的最大值确定站台的最优引导员占位组合。
2.根据权利要求1所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，所述步骤S5中，确定站台的最优引导员占位组合的方法为：与站台的最优引导员占位组合对应的站台能疏散行人总数为所述站台能疏散行人总数的最大值。
3.根据权利要求1或2所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，所述步骤计算得到与站台的每一个引导员占位组合对应的站台能疏散行人总数，且与站台的每一个引导员占位组合对应的站台的能疏散行人总数等于按照该引导员占位组合占位时该站台的所有引导员的能疏散行人数之和进一步包括如下子步骤：
S3.1：将站台的每一个引导员的疏散范围划分为多个疏散区；
S3.2：对于任意一个引导员占位组合，按照该引导员占位组合占位时，确定站台的每一个引导员的每一个疏散区内实际有的行人数；
S3.3：按照该引导员占位组合占位时，对于站台的每一个引导员的每一个疏散区，根据该引导员的该疏散区内实际有的行人数计算得到该引导员的该疏散区内的行人数模拟值；
S3.4：对于站台的每一个引导员，计算该引导员的所有疏散区内的行人数模拟值之和得到按照该引导员占位组合占位时该引导员的能疏散行人数；
S3.5：计算得到按照该引导员占位组合占位时该站台的所有引导员的能疏散的行人数之和。
4.根据权利要求3所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，所述步骤S3.1中，各个引导员的疏散范围都为圆形，且各个引导员的疏散范围的面积大小相等。
5.根据权利要求4所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，对于站台的任意一个引导员，该引导员的所有疏散区的外边界线为一组同心圆。
6.根据权利要求3所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，所述步骤S3.2中，确定站台的每一个引导员的每一个疏散区内实际有的行人数时，每一个行人仅计入与该行人距离最近的引导员的疏散区内，以避免当两个引导员的疏散范围重叠时，同一个行人被重复计入不同引导员的疏散区内。
7.根据权利要求3所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，所述步骤S3.3中，对于站台的每一个引导员的每一个疏散区，根据该引导员的该疏散区内实际有的行人数计算得到该引导员的该疏散区内的行人数模拟值的公式为：
E＝F*P；
其中，E为该引导员的该疏散区内的行人数模拟值；F为该引导员的该疏散区内实际有的行人数；P为当行人位于该引导员的该疏散区内时接受该引导员的引导的概率。
8.根据权利要求7所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，对于站台的任意一个引导员的任意一个疏散区，当行人位于该引导员的该疏散区内时接受该引导员的引导的概率大小随该行人与该引导员之间的距离的增大而减小。
9.根据权利要求1或2所述的基于引导员位置优化的城市轨道交通车站疏散方法，其特征在于，所述网格为长方形或正方形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610003606.XA CN105701754A (zh) | 2016-01-04 | 2016-01-04 | 一种基于引导员位置优化的城市轨道交通车站疏散方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610003606.XA CN105701754A (zh) | 2016-01-04 | 2016-01-04 | 一种基于引导员位置优化的城市轨道交通车站疏散方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105701754A true CN105701754A (zh) | 2016-06-22 |
Family
ID=56226043
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610003606.XA Pending CN105701754A (zh) | 2016-01-04 | 2016-01-04 | 一种基于引导员位置优化的城市轨道交通车站疏散方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105701754A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742925A (zh) * | 2021-09-06 | 2021-12-03 | 吉林大学 | 一种信号控制路口行人流仿真方法 |
| CN113988408A (zh) * | 2021-10-27 | 2022-01-28 | 青岛理工大学 | 基于多目标规划的地铁站内客流疏散人工诱导方法 |
| CN115083157A (zh) * | 2022-06-14 | 2022-09-20 | 四川交通职业技术学院 | 一种高速公路收费站车道值守人数测算方法 |
-
2016
- 2016-01-04 CN CN201610003606.XA patent/CN105701754A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113742925A (zh) * | 2021-09-06 | 2021-12-03 | 吉林大学 | 一种信号控制路口行人流仿真方法 |
| CN113742925B (zh) * | 2021-09-06 | 2023-09-29 | 吉林大学 | 一种信号控制路口行人流仿真方法 |
| CN113988408A (zh) * | 2021-10-27 | 2022-01-28 | 青岛理工大学 | 基于多目标规划的地铁站内客流疏散人工诱导方法 |
| CN113988408B (zh) * | 2021-10-27 | 2024-04-09 | 青岛理工大学 | 基于多目标规划的地铁站内客流疏散人工诱导方法 |
| CN115083157A (zh) * | 2022-06-14 | 2022-09-20 | 四川交通职业技术学院 | 一种高速公路收费站车道值守人数测算方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Simulation of pedestrians’ evacuation dynamics with underground flood spreading based on cellular automaton | |
| CN103106546B (zh) | 基于区域应急疏散能力评估的疏散应急方案选择方法 | |
| CN105701754A (zh) | 一种基于引导员位置优化的城市轨道交通车站疏散方法 | |
| Huang et al. | Risk assessment of the areas along the highway due to hazardous material transportation accidents | |
| Winyuchakrit et al. | Thailand's low-carbon scenario 2030: Analyses of demand side CO2 mitigation options | |
| CN103337864A (zh) | 多直流集中馈入受端电网的动态无功补偿安装点优化方法 | |
| CN103761589A (zh) | 一种城市轨道交通清分方法 | |
| CN104637023A (zh) | 一种对铁路运营现状安全性评价的方法 | |
| CN105243455A (zh) | 一种网格化配电网规划评价方法 | |
| CN104346695A (zh) | 一种面向水污染突发事件应急调度情景生成方法 | |
| Wang et al. | Study on intelligent algorithm of guide partition for emergency evacuation of a subway station | |
| CN104156878A (zh) | 用于农网改造升级工程评估指标权重的确定方法 | |
| CN107563591A (zh) | 一种基于单元制的区域配电网建设优先级计算方法 | |
| Li et al. | Traffic flow guidance and optimization of connected vehicles based on swarm intelligence | |
| CN105096003B (zh) | 基于最短路径算法和0/1决策的输电线路融冰决策方法 | |
| CN107154148A (zh) | 一种公交线路拟合的方法 | |
| Gao et al. | Method of Predicting Passenger Flow in Scenic Areas Considering Multisource Traffic Data. | |
| CN102270255A (zh) | 一种民航繁忙机场空域类型的划设方法 | |
| Roth et al. | Digital participatory landscape planning for renewable energy–Interactive visual landscape assessment as basis for the geodesign of wind parks in Germany | |
| Wang et al. | Study on reasons and countermeasures of traffic congestion of urban road based on the queuing models | |
| Li et al. | Urban-rural bus path planning based on ant colony optimization algorithm | |
| CN104200661B (zh) | 一种交通道路系统状态变化预测方法 | |
| Ji | Investigating low carbon development of high-density building clusters located around railway passenger transport hubs in China | |
| CN103646288A (zh) | 一种地面公交运行快捷性指数计算方法 | |
| Xu et al. | Reinforcement learning-based subway station lighting and emergency system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Dong Hairong Inventor after: Sun Xubin Inventor after: Yao Xiuming Inventor after: Yang Yang Inventor after: Wang Qianling Inventor after: Ning Bin Inventor before: Dong Hairong Inventor before: Sun Xubin Inventor before: Yao Xiuming Inventor before: Yang Yang Inventor before: Wang Qianling |
|
| COR | Change of bibliographic data | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Dong Hairong Inventor after: Sun Xubin Inventor after: Yao Xiuming Inventor after: Yang Yang Inventor after: Wang Qianling Inventor after: Ning Bin Inventor after: Li Yadong Inventor before: Dong Hairong Inventor before: Sun Xubin Inventor before: Yao Xiuming Inventor before: Yang Yang Inventor before: Wang Qianling Inventor before: Ning Bin |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |