CN108256152A - 基于人群疏散宏观模型的丁字路口疏散仿真方法 - Google Patents
基于人群疏散宏观模型的丁字路口疏散仿真方法 Download PDFInfo
- Publication number
- CN108256152A CN108256152A CN201711377233.3A CN201711377233A CN108256152A CN 108256152 A CN108256152 A CN 108256152A CN 201711377233 A CN201711377233 A CN 201711377233A CN 108256152 A CN108256152 A CN 108256152A
- Authority
- CN
- China
- Prior art keywords
- evacuation
- crowd
- macromodel
- road junction
- shaped road
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 239000012530 fluid Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005511 kinetic theory Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于人群疏散宏观模型的丁字路口疏散仿真方法,包括以下步骤:1)建立Aw‑Rascle人群动力学模型;2)在所述Aw‑Rascle人群动力学模型基础上,引入交叉口区域的影响矩阵,构建丁字路口人群疏散宏观模型;3)基于所述丁字路口人群疏散宏观模型进行数值仿真,并显示仿真结果。与现有技术相比,本发明具有符合实际情况、能够迅速识别密度的临界值和完成高风险区域的定位等优点。
Description
技术领域
本发明涉及人群疏散技术领域,尤其是涉及一种基于人群疏散宏观模型的丁字路口疏散仿真方法。
背景技术
流体动力学模型是典型宏观行人疏散模型之一,其在揭示非线性现象和人群运动宏观特性方面有着独特的优势。流体动力学模型是由行人交通流理论发展而来的。Predtechenskii和Milinski对行人交通流做了探索,通过观测和调查发现行人的速度和密度成反比。行人交通流理论始于20世纪50年代末,其主要阶段性成果是Henderson对不同年龄、性别的行人进行了调查,并在70年代初首次采用流体力学模型来研究行人交通,把行人运动与气体或流体质点运动进行类比,用气体动力论和流体动力论模型来模拟行人交通。在Henderson的基础上,Helbing在1992年对Henderson的模型进行了修正,将行人意图、期望速度和行人个体间的相互作用加以考虑,建立了宏观模型——流体动力学模型。
行人流体动力学模型只需求解描述行人集体行为的几个变量所构成的偏微分方程,计算耗时相对较少,更加经济且处理方便。到目前为止,宏观流体动力学模型主要聚焦在单向行人流体动力学模型的研究,尚存在若干不足:1)尚未见丁字路口人群汇流建模方法;2)尚未见双向行人流动力学叠加机理或相关数学模型。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于人群疏散宏观模型的丁字路口疏散仿真方法。
本发明的目的可以通过以下技术方案来实现:
一种基于人群疏散宏观模型的丁字路口疏散仿真方法,包括以下步骤:
1)建立Aw-Rascle人群动力学模型;
2)在所述Aw-Rascle人群动力学模型基础上,引入交叉口区域的影响矩阵,构建丁字路口人群疏散宏观模型;
3)基于所述丁字路口人群疏散宏观模型进行数值仿真,并显示仿真结果。
进一步地,所述Aw-Rascle人群动力学模型表示为:
ρt+(ρv)x+(ρu)y=0
(v+Ph)t+v(v+Ph)x+u(u+Ph)y=s1
(v+Pv)t+v(v+Pv)x+u(u+Pv)y=s2
其中,ρ表示行人密度,v表示水平方向速度,u表示垂直方向速度,Ph表示水平方向的压力项,Pv表示垂直方向的压力项,s1和s2表示松弛项因子,下标t表示对时间的偏导数,下标x表示对距离x的偏导数,下标y表示对距离y的偏导数。
进一步地,所述松弛项因子s1和s2的表达式分别为:
其中,τ是松弛时间,速度V(ρ)是水平方向的最大速度,U(ρ)是垂直方向的最大速度。
进一步地,所述交叉口区域的影响矩阵表示为:
其中,Mimp为影响矩阵,i和j分别为疏散个体在交叉口区域的横坐标和纵坐标,矩阵中的元素为交叉口区域坐标为(i,j)处的影响因子。
进一步地,所述丁字路口人群疏散宏观模型为:
ρt+(ρv)x+(ρu)y=0
ρ(v+Ph(ρ,v,u))t+ρv(v+Ph(ρ,v,u))x
+ρu(u+Ph(ρ,v,u))y=ρs1
ρ(v+Pv(ρ,v,u))t+ρv(v+Pv(ρ,v,u))x
+ρu(u+Pv(ρ,v,u))y=ρs2
其中,Ph(ρ,v,u)和Pv(ρ,v,u)为考虑交叉口区域的影响矩阵后的水平方向的压力项和垂直方向的压力项。
进一步地,所述考虑交叉口区域的影响矩阵后的水平方向的压力项和垂直方向的压力项分别表示为:
其中,为对水平方向速度偏导后的影响因子,为对垂直方向速度偏导后的影响因子,β、γ均为常数。
进一步地,所述步骤2)中,基于所述丁字路口人群疏散宏观模型建立二维向量系统,根据所述二维向量系统的特征点是否存在实部以判断所建立的丁字路口人群疏散宏观模型是否与人群运动的各向异性相匹配。
进一步地,所述仿真结果包括可视化的人群密度等高线图和热力分布图。
进一步地,所述步骤3)中,通过MATLAB实现数值仿真。
与现有技术相比,本发明具有以下有益效果:
(1)本发明所建立的丁字路口人群疏散宏观模型具有各向异性,能够体现人群疏散过程中各个方向的动力学特性,考虑因素更加全面。
(2)本发明采用的Aw-Rascle模型可以通过由时间、空间改变的松弛项来预测人群的行为和反应。
(3)本发明利用影响矩阵来处理丁字路口交叉区域两个方向人群的对冲问题,对矢量垂直方向和矢量水平方向参数进行双向叠加,能够反映双向行人流动动力学叠加机理。影响矩阵反映了两条道路的宽度比、两条道路人群的不同密度、人群在垂直方向u和水平方向v的运动速度,并且在仿真结果中反映了人群密度、速度在矢量垂直方向u和矢量水平方向v叠加的影响。本发明提出丁字路口交叉区域的人群汇流模型,使得交叉位置处的行人密度分布更加合理,模型更加符合实际情况,更具说服力,成为本项发明的一大优点。
(4)本发明可以计算出特征值,并且能够得到独立的特征向量,根据特征值的实部存在与否来判定所建模型与情景的匹配性,提高仿真有效性。
(5)本发明可实现人群疏散过程的仿真结果展示,运用MATLAB R2016B编写程序,对人群疏散进行精确的数值仿真,用精准的数据来动态展示整个人群疏散的过程,并判断出人群运动的趋势变化。仿真结果能够迅速识别密度的临界值和完成高风险区域的定位,是本项发明的又一优点。
附图说明
图1为本发明的流程示意图;
图2为本发明的一个仿真丁字路道路交界示意图;
图3为丁字路口人群疏散热力学图;
图4为丁字路口人群疏散密度等高线图;
图5丁字路口人群疏散密度-仿真步长图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本发明提供一种基于人群疏散宏观模型的丁字路口疏散仿真方法,包括:建立Aw-Rascle人群动力学模型;在所述Aw-Rascle人群动力学模型基础上,引入交叉口区域的影响矩阵,构建丁字路口人群疏散宏观模型;基于所述丁字路口人群疏散宏观模型进行数值仿真,并显示仿真结果。
1、Aw-Rascle人群动力学模型的建立
A.Aw和M.Rascle基于一维流量模型提出了二维空间的人群疏散模型(下文简称Aw-Rascle模型)。经典的质量守恒方程由质量守恒的偏微分方程来决定:
ρt+(ρv)x=0 (1)
其中,ρ和v表示行人密度和速度,ρt是时间的偏导数,(ρv)x是距离x的偏导数。
假设ρ和v是独立的,引入流体力学中纳维叶-斯托克斯方程并将压力项改为:其中C0表示驾驶员对密度反应的期望系数。用偏微分方程来反映ρ和v的关系:
(v+P(ρ))t+v(v+P(ρ))x=0 (2)
其中,P(ρ)表示该模型中的“压力”项,v表示水平速度,u表示垂直速度,将模型应用到了二维空间。一维Aw-Rascle人群动力学模型是由公式(1)和公式(2)两个非线性双曲线偏微分方程(Partial Differential Equations,PDE)所构成的模型。
在朴素的流体力学中,流体不具备人类的智慧,水流单位之间的影响往往来自与后方,这是水流的各项同性特性;但在实际行人的交通流中,人类接受信息往往更多来自对前方车辆交通的判断,这称为交通流的各向异性特征。为了使模型能够满足实际行人流的各向异性,考虑水平速度v和竖直方向速度u,并以此来反映疏散人群的其他特征。将一维质量守恒偏微分方程转化为二维偏微分方程,如式(3)所示,并将一维Aw-Rascle人群动力学模型转化为二维Aw-Rascle人群动力学模型(由公式(3)、(4)、(5)组成):
ρt+(ρv)x+(ρu)y=0 (3)
(v+Ph)t+v(v+Ph)x+u(u+Ph)y=s1 (4)
(v+Pv)t+v(v+Pv)x+u(u+Pv)y=s2 (5)
其中,ρ表示行人密度,v表示水平方向速度,u表示垂直方向速度,Ph表示水平方向的压力项,Pv表示垂直方向的压力项,s1和s2表示松弛项因子,下标t表示对时间的偏导数,下标x表示对距离x的偏导数,下标y表示对距离y的偏导数。
松弛项因子s1和s2是行人根据当前人流密度朝着期望速度V(ρ)、U(ρ)调整实际速度的快慢程度,分别表示为:
其中,τ是接近期望速度消耗的松弛时间,速度V(ρ)是水平方向的最大速度,U(ρ)是垂直方向的最大速度,即期望速度。
在Aw-Rascle模型中,Ph为ρ、v的函数,可表示为Ph(ρ,v),Pv为ρ、u的函数,可表示为Pv(ρ,v)。初始条件为ρ(x,y,0)≥0,v(x,0)≤|vf1|和u(y,0)≤|vf2||,vf1和vf2是两个方向疏散个体的最大速度。函数由式(8)和式(9)给出:
其中,β、γ均为常数。
2、丁字路口人群疏散宏观模型
在Aw-Rascle人群疏散模型的基础上,丁字路口人群疏散宏观模型增加了在丁字路口区域矢量在垂直方向u和矢量水平方向v双向叠加的影响,使得交叉口位置处的行人密度分布更加合理。引入交叉口区域的影响矩阵Mimp,解决双向叠加问题:
其中,C是最大影响系数,i和j是疏散个体在交叉口区域的横坐标和纵坐标,vij为坐标为(i,j)处的水平速度,uij为坐标为(i,j)处的垂直速度,矩阵中的元素为交叉口区域坐标为(i,j)处的影响因子,由对水平方向速度偏导后的影响因子和对垂直方向速度偏导后的影响因子经向量合成获得。
在中心交叉口,人群运动的方向有水平和垂直交叠,考虑到行人在交叉口位置运动的情况,将两种速度进行矢量叠加运算。行人流进入到交叉口区域,建筑环境对人流的制约影响程度不同,人群汇聚初次进入交叉区域时贴近墙壁发生碰撞的人流冲击影响因子也不同。
考虑交叉口区域的影响矩阵后的水平方向的压力项和垂直方向的压力项分别表示为:
其中,为对水平方向速度偏导后的影响因子,为对垂直方向速度偏导后的影响因子,β、γ均为常数。
将公式(11)、(12)带入公式(4)、(5)乘以ρ得到式(13)、式(14)。构建丁字路口人群疏散宏观模型(由公式(3)、(13)、(14)组成):
ρt+(ρv)x+(ρu)y=0 (3)
由此得出二维向量系统,如式(15)所示。
Qt+F(Q)x+G(Q)y=S (15)
其中,Q是状态变量,F和G分别是x和y方向的通量。向量形式的模型如式(16)所示:
该模型可以通过雅可比矩阵和来获得A和B的特征值,如(17)所示。通过设置状态来改变变量,从而简化矩阵相应的特征值和特征向量的计算,如式(18)所示。
Qt+A(Q)Qx+B(Q)Qy=0 (17)
该模型设置新的状态,如式(19):
得到雅可比矩阵:
使用行列式来求解:
|A(Q)-λE|=0 (21)
可得到方程(22)和方程(23):
求解得到A(Q)矩阵的特征值,如式(24)和式(25):
求解得到B(Q)矩阵的特征值,如式(26)和式(27):
并且,ρ>0,|v|>0,|u|>0,因此,通过求解满足定义的雅可比矩阵可以得到特征值。对于上述二维向量系统
特征值求解为式(28)和式(29)。
特征值存在实部,流体运动的各向异性与人群运动的各向异性一致,反映所建丁字路口人群疏散动力学模型可用,否则重新建模。
3、数值仿真
应用上述丁字路口人群疏散宏观模型对丁字路口的人群疏散进行仿真,通过MATLAB R2016程序运行得到精确的数值仿真,生成可视化的人群密度等高线和热力分布图,可以直观的捕捉和定位密度临界值,并且标定出人群疏散高风险区域,动态展示整个人群的疏散过程和判断人群运动的发展趋势。
本实施例中,对2015年麦加踩踏的事件进行研究,通过仿真重现发生在204街和223街(204-223交界处)之间的T形路口的踩踏事件,如图1所示。2015年06时(格林尼治标准时间09时09分),该踩踏事件发生在204街和223街的T形路口处。最初人群主要分布在204街道,并依次向前移动,进行朝觐。223街道上的大巴车下载一批乘客,当这部分人群进入到223和204街道的交叉口处,两个方向的人群发生对冲,碰撞导致人群摔倒发生踩踏,然而背后的人群,不了解前方的挤塞情况,不断前进,导致了朝圣者之间的大面积的踩踏事件。根据204街和223街交叉口踩踏事件的实际参数,在街道上设置2000名疏散人员作为初始条件,位于右侧壁的出口的宽度设为d,并将实际发生踩踏的位置标上红色图案。通过编写MATLAB程序进行仿真,仿真得到的人群疏散热力学图,如图3所示,清楚的表明人群运动的方向,准确定位高密度值的区域。从丁字路口人群疏散密度等高线图可看出223街道和204街道上的人群密度的分布以及每个区域精确的数值,可迅速识别最高密度值和其出现的区域,如图4所示。根据丁字路口人群疏散密度-仿真步长图可以动态展示人群疏散的方位和时间的趋势变化,可以看出人群疏散密度随时间的变化情况,显示最大密度点的轨迹,如图5。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (9)
1.一种基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,包括以下步骤:
1)建立Aw-Rascle人群动力学模型;
2)在所述Aw-Rascle人群动力学模型基础上,引入交叉口区域的影响矩阵,构建丁字路口人群疏散宏观模型;
3)基于所述丁字路口人群疏散宏观模型进行数值仿真,并显示仿真结果。
2.根据权利要求1所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述Aw-Rascle人群动力学模型表示为:
ρt+(ρv)x+(ρu)y=0
(v+Ph)t+v(v+Ph)x+u(u+Ph)y=s1
(v+Pv)t+v(v+Pv)x+u(u+Pv)y=s2
其中,ρ表示行人密度,v表示水平方向速度,u表示垂直方向速度,Ph表示水平方向的压力项,Pv表示垂直方向的压力项,s1和s2表示松弛项因子,下标t表示对时间的偏导数,下标x表示对距离x的偏导数,下标y表示对距离y的偏导数。
3.根据权利要求2所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述松弛项因子s1和s2的表达式分别为:
其中,τ是松弛时间,速度V(ρ)是水平方向的最大速度,U(ρ)是垂直方向的最大速度。
4.根据权利要求1所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述交叉口区域的影响矩阵表示为:
其中,Mimp为影响矩阵,i和j分别为疏散个体在交叉口区域的横坐标和纵坐标,矩阵中的元素为交叉口区域坐标为(i,j)处的影响因子。
5.根据权利要求2所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述丁字路口人群疏散宏观模型为:
ρt+(ρv)x+(ρu)y=0
ρ(v+Ph(ρ,v,u))t+ρv(v+Ph(ρ,v,u))x
+ρu(u+Ph(ρ,v,u))y=ρs1
ρ(v+Pv(ρ,v,u))t+ρv(v+Pv(ρ,v,u))x
+ρu(u+Pv(ρ,v,u))y=ρs2
其中,Ph(ρ,v,u)和Pv(ρ,v,u)为考虑交叉口区域的影响矩阵后的水平方向的压力项和垂直方向的压力项。
6.根据权利要求5所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述考虑交叉口区域的影响矩阵后的水平方向的压力项和垂直方向的压力项分别表示为:
其中,为对水平方向速度偏导后的影响因子,为对垂直方向速度偏导后的影响因子,β、γ均为常数。
7.根据权利要求1所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述步骤2)中,基于所述丁字路口人群疏散宏观模型建立二维向量系统,根据所述二维向量系统的特征点是否存在实部以判断所建立的丁字路口人群疏散宏观模型是否与人群运动的各向异性相匹配。
8.根据权利要求1所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述仿真结果包括可视化的人群密度等高线图和热力分布图。
9.根据权利要求1所述的基于人群疏散宏观模型的丁字路口疏散仿真方法,其特征在于,所述步骤3)中,通过MATLAB实现数值仿真。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711377233.3A CN108256152B (zh) | 2017-12-19 | 2017-12-19 | 基于人群疏散宏观模型的丁字路口疏散仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711377233.3A CN108256152B (zh) | 2017-12-19 | 2017-12-19 | 基于人群疏散宏观模型的丁字路口疏散仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256152A true CN108256152A (zh) | 2018-07-06 |
CN108256152B CN108256152B (zh) | 2021-05-11 |
Family
ID=62723652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711377233.3A Active CN108256152B (zh) | 2017-12-19 | 2017-12-19 | 基于人群疏散宏观模型的丁字路口疏散仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256152B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408889A (zh) * | 2018-09-21 | 2019-03-01 | 同济大学 | 基于信息熵的宏观人群恐慌度量方法及其应用 |
CN110298484A (zh) * | 2019-05-28 | 2019-10-01 | 同济大学 | 一种丁字路口人群疏散稳定性预测方法及预测装置 |
CN112966363A (zh) * | 2021-02-02 | 2021-06-15 | 同济大学 | 面向随机扰动的交通枢纽候车厅人群流动仿真方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158482A1 (en) * | 1999-08-10 | 2004-08-12 | Hale Gregory B. | Management of the flow of persons in relation to centers of crowd concentration via wireless corntrol |
CN101837171A (zh) * | 2010-04-09 | 2010-09-22 | 武汉理工大学 | 一种用于公共场所及高层建筑紧急疏散人员的逃生装置 |
CN106485327A (zh) * | 2016-09-08 | 2017-03-08 | 同济大学 | 一种灾害条件下人群踩踏行为演化的知识发现方法 |
-
2017
- 2017-12-19 CN CN201711377233.3A patent/CN108256152B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158482A1 (en) * | 1999-08-10 | 2004-08-12 | Hale Gregory B. | Management of the flow of persons in relation to centers of crowd concentration via wireless corntrol |
CN101837171A (zh) * | 2010-04-09 | 2010-09-22 | 武汉理工大学 | 一种用于公共场所及高层建筑紧急疏散人员的逃生装置 |
CN106485327A (zh) * | 2016-09-08 | 2017-03-08 | 同济大学 | 一种灾害条件下人群踩踏行为演化的知识发现方法 |
Non-Patent Citations (2)
Title |
---|
GABRIELE BERNARDINI等: "Towards creating a combined database for earthquake pedestrians’evacuation models", 《SAFETY SCIENCE》 * |
王昊 等: "城市主干道与多支路T型交叉区域的交通组织方式", 《交通运输工程学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408889A (zh) * | 2018-09-21 | 2019-03-01 | 同济大学 | 基于信息熵的宏观人群恐慌度量方法及其应用 |
CN110298484A (zh) * | 2019-05-28 | 2019-10-01 | 同济大学 | 一种丁字路口人群疏散稳定性预测方法及预测装置 |
CN110298484B (zh) * | 2019-05-28 | 2023-04-07 | 同济大学 | 一种丁字路口人群疏散稳定性预测方法及预测装置 |
CN112966363A (zh) * | 2021-02-02 | 2021-06-15 | 同济大学 | 面向随机扰动的交通枢纽候车厅人群流动仿真方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108256152B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dagnew et al. | Computational evaluation of wind loads on buildings: a review | |
Lakehal et al. | Calculation of the flow past a surface-mounted cube with two-layer turbulence models | |
CN101930623B (zh) | 一种三维道路模型化方法及装置 | |
CN108256152A (zh) | 基于人群疏散宏观模型的丁字路口疏散仿真方法 | |
Ciuffo et al. | Comparison of simulation-based and model-based calibrations of traffic-flow microsimulation models | |
CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 | |
CN107301289B (zh) | 一种基于智能博弈的交通流元胞自动机模型的实现方法 | |
CN109002595A (zh) | 模拟动态换道行为的双车道元胞自动机微观交通仿真方法 | |
CN105740510A (zh) | 基于网格-密度-关系的疏散人群行为仿真系统及其方法 | |
CN103080941A (zh) | 计算用数据生成装置、计算用数据生成方法及计算用数据生成程序 | |
CN104035096B (zh) | 一种基于多普勒天气雷达的垂直风廓线非线性反演方法 | |
CN107507271A (zh) | 交通指数驱动高速公路拥堵场景仿真与投影沙盘展示方法 | |
CN102354402B (zh) | 基于风格学习的绘画渲染方法 | |
CN106372320B (zh) | 一种采用亚滤波尺度模型对公路隧道湍流进行大涡模拟的方法 | |
Wilkinson et al. | Approximating computational fluid dynamics for generative tall building design | |
Liu et al. | A numerical model for snow drifting simulations on flat roofs using Lagrangian approach | |
Sanz-Andrés et al. | Vehicle-induced loads on traffic sign panels | |
CN103985141A (zh) | 基于hsv颜色协方差特征的目标跟踪方法 | |
CN104517299B (zh) | 视频流体物理驱动模型恢复及重新仿真的方法 | |
KR102392067B1 (ko) | 전산유체역학(Computational Fluid Dynamics) 모델을 이용한 체승 도시 협곡의 단계별 3차원 바람장 분석 시스템 및 이를 이용한 분석 방법 | |
Wang et al. | Modeling interactions in continuum traffic | |
Luo et al. | Clarifying origin-destination flows using force-directed edge bundling layout | |
EP2763063A1 (en) | Simulation method and analysis device | |
CN108280251A (zh) | 一种基于街道宽度比的丁字路口高风险区域标定方法 | |
Dai et al. | Energy balances for the collision of gravity currents of equal strengths |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Cuiling Inventor after: Zhao Rongyong Inventor after: Wang Dong Inventor after: Hu Qianshan Inventor after: Dong Daheng Inventor before: Zhao Rongyong Inventor before: Wang Dong Inventor before: Hu Qianshan Inventor before: Li Cuiling Inventor before: Dong Daheng |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |