CN116362386B - 基于地震情景下城市电梯内受困人数预测方法及系统 - Google Patents

基于地震情景下城市电梯内受困人数预测方法及系统 Download PDF

Info

Publication number
CN116362386B
CN116362386B CN202310249695.6A CN202310249695A CN116362386B CN 116362386 B CN116362386 B CN 116362386B CN 202310249695 A CN202310249695 A CN 202310249695A CN 116362386 B CN116362386 B CN 116362386B
Authority
CN
China
Prior art keywords
elevator
building
floor
target
target city
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.)
Active
Application number
CN202310249695.6A
Other languages
English (en)
Other versions
CN116362386A (zh
Inventor
顾栋炼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202310249695.6A priority Critical patent/CN116362386B/zh
Publication of CN116362386A publication Critical patent/CN116362386A/zh
Application granted granted Critical
Publication of CN116362386B publication Critical patent/CN116362386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q50/08—Construction
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Maintenance And Inspection Apparatuses For Elevators (AREA)

Abstract

本发明提供一种基于地震情景下城市电梯内受困人数预测方法及系统，包括下述步骤：建立目标城市的地理信息数据库；根据地理信息数据库建立电梯人员流量数据库；基于城市建筑群地震反应非线性历程分析方法，获取目标地震情景下目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，目标地震情景为当前模拟的场景；基于地理信息数据库、电梯人员流量数据库和楼层加速度库，通过蒙特卡洛方法模拟在目标地震情景下，目标城市内的每栋建筑中的电梯内受困人员数量和目标城市内的全部电梯内受困人员数量总和。本发明充分考虑建筑群电梯的运行状态和人员流量时空分布的随机性，实现了电梯内受困人员数量的科学预测。

Description

基于地震情景下城市电梯内受困人数预测方法及系统
技术领域
本发明涉及城市防灾技术领域，特别涉及一种基于地震情景下城市电梯内受困人数预测方法及系统。
背景技术
电梯作为涉及公共生命安全的特种设备,伴随着我国近十年的经济发展，其总量增长迅速。我国大众城市的高层建筑密布，电梯数量众多,且相当数量的电梯处于老旧状态。根据北京市市场监督管理局的统计数据显示，截至2019年底，北京电梯数量达242457台，其中住宅电梯超过11万，使用时间达10年以上的有4.2万台，占住宅电梯数量的38.2％。
地震对我国城市安全造成重大风险。在我国大中城市中，有85.7％位于地震区，有近2/3位于基本烈度7度及其以上地区。一旦地震发生在我国大中城市，高层建筑的电梯极有可能发生故障，进而导致人员被困甚至可能出现伤亡。此时如果无法掌握城市区域里建筑电梯内受困人员的大致数量，则很可能出现救援力量需求不明、救援人员调度不均、黄金救援时间白白浪费等情况。因此，研究面向城市区域的地震下建筑电梯内受困人员数量的预测方法十分必要，对于提前制定应急救援预案、提升城市抗震救灾效率具有重要意义。
然而，虽然目前已有不少面向城市区域的建筑群震害预测方法(如城市建筑群地震反应非线性历程分析方法，发明专利CN108647366A)，但现有方法仅能预测每栋建筑的震损风险，无法给出每栋建筑内的电梯震害风险，更无法预测电梯震害带来的人员受困风。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一，本发明实施例提供了一种基于地震情景下城市电梯内受困人数预测方法及系统，技术方案如下：
一种基于地震情景下城市电梯内受困人数预测方法，包括下述步骤：
S1、建立目标城市的地理信息数据库；
S2、根据所述地理信息数据库建立电梯人员流量数据库；
S3、基于城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景；
S4、基于所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
优选的，所述地理信息数据库包括：建筑群属性信息和每栋建筑内的电梯属性信息；
所述S1的建立目标城市的地理信息数据库包括：
获取目标城市内的建筑群属性信息，所述建筑群属性信息包括：每栋建筑的建筑高度、每栋建筑的结构类型、每栋建筑的建造年代、每栋建筑的建筑功能、每栋建筑的建筑层数和每栋建筑的建筑楼层面积信息；
获取目标城市内的每栋建筑内的电梯属性信息，所述每栋建筑内的电梯属性信息包括：电梯数量、电梯类型、电梯容许承载人数和电梯易损性信息；
集成所述建筑群属性信息和所述每栋建筑内的电梯属性信息，得到所述地理信息数据库。
优选的，所述电梯易损性信息为使得电梯发生故障的最小楼层加速度数据，所述最小楼层加速度数据包括：最小楼层加速度的中位值和最小楼层加速度的对数标准差。
优选的，所述S2的根据所述地理信息数据库建立电梯人员流量数据库，包括：
S201、对所述目标城市内的建筑群按照功能和楼层数量进行分类，筛选出每个类别中的典型建筑；
S202、获取每个类别中的典型建筑在电梯使用高峰期时和非高峰期时，每个电梯首层的人员流量数据，得到电梯首层的人员流量数据库，其中，人员流量数据包括人员流量的平均值和人员流量标准差；
S203、根据所述电梯首层人员流量数据库，通过插值算法估计每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据；
S204、根据每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据，计算目标城市内的建筑群的电梯人员流量数据，得到电梯人员流量数据库。
优选的，所述S203的根据所述电梯首层人员流量数据库，通过插值算法估计每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据包括：
计算选定建筑中所有楼层的各个电梯的人员流量的平均值，所述各个电梯的人员流量的平均值的计算公式为公式(1)：
其中，FRi,j,k为第i栋建筑第j层第k个电梯的人员流量的平均值；
FRi,1,k为第i栋建筑首层第k个电梯的人员流量的平均值；
Ji为第i栋建筑的楼层总数；
选定建筑为当前待计算的典型建筑中的一个；
计算选定建筑中所有楼层的各个电梯的人员流量标准差，所述各个电梯的人员流量标准差的计算公式为公式(2)：
其中，σi,j,k为第i栋建筑第j层第k个电梯的人员流量标准差；
σi,1,k为为第i栋建筑首层第k个电梯的人员流量标准差。
优选的，所述S4的基于所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和包括：
S41、基于所述地理信息数据库，采用均匀分布拟合得到地震发生时每栋建筑的每个电梯的电梯停靠楼层数；
S42、基于所述地理信息数据库，采用对数正态分布拟合得到每栋建筑的每个电梯的电梯易损性数据；
S43、基于地理信息数据库和所述电梯人员流量数据库，采用截断高斯分布拟合得到每栋建筑的每个楼层的每个电梯的人员流量数据；
S44、基于所述每栋建筑的每个电梯的电梯停靠楼层数、每栋建筑的每个电梯的电梯易损性数据、所述每栋建筑的每个电梯在每层楼的人员流量数据和楼层加速度库，通过蒙特卡洛模拟，得到所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
优选的，所述S44的基于所述每栋建筑的每个电梯的电梯停靠楼层数、每栋建筑的每个电梯的电梯易损性数据、所述每栋建筑的每个电梯在每层楼的人员流量数据和楼层加速度库，通过蒙特卡洛模拟，得到所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和包括：
S441、设定蒙特卡洛模拟n＝1，设定蒙特卡洛模拟的实现的总次数N；
S442、判断n是否大于N，如果n小于或等于N，则执行S443，如果n大于N，则执行S447；
S443、随机确定目标城市内的每栋建筑的每个电梯在地震发生时的停靠楼层数，同时，根据每栋建筑的每个电梯的电梯易损性数据随机确定目标城市的每栋建筑的每个电梯在地震发生时的最小楼层加速度阈值，所述最小楼层加速度阈值是使对应的电梯发生破坏的最小楼层加速度；
S444、根据所述目标城市内的每栋建筑的每个楼层的楼层加速度确定每栋建筑每个电梯所停靠楼层的加速度峰值，判断每栋建筑每个电梯所停靠楼层的加速度峰值是否超过使对应的电梯发生破坏的最小楼层加速度，若超过，判定当前所计算的电梯在所述目标地震情景下发生损坏，电梯内的人员为受困人员，若不超过，判定当前所计算的电梯在所述目标地震情景下未发生损坏，电梯内的人员为非受困人员；
S445、基于每栋建筑的每个楼层的每个电梯的人员流量数据确定所述目标城市内的每栋建筑的每个损坏电梯的人口流量，得到在第n次蒙特卡洛模拟时，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的电梯内受困人员总数量；
S446、n＝n+1；跳转执行S442；
S447、停止蒙特卡洛模拟；执行S448；
S448：根据多次实现蒙特卡洛模拟的结果，计算所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和；
其中，所述目标城市内的每栋建筑中的电梯内受困人员数量的计算公式为公式(3)，所述目标城市内的全部电梯内受困人员数量总和的计算公式为公式(4)：
PTEi＝Median(PTEn，i，N) (3)
PTE＝Median(PTEi，N) (4)
其中，PTEi为所述目标城市内的第i栋建筑的电梯内受困人员数量；N为所述蒙特卡洛模拟的实现的总次数；Median(PTEn，i，N)为求所述蒙特卡洛模拟的所有实现的PTEn，i的中位值；PTE为所述目标城市内的区域整体电梯内受困人员数量。
优选的，所述目标城市内的每栋建筑中的电梯内受困人员数量的计算公式为公式(5)，所述目标城市内的电梯内受困人员总数量的计算公式为公式(6)：
其中，PTEn，i为在蒙特卡洛模拟的第n次实现中目标城市内的第i栋建筑的电梯内受困人员数量；PTEn，i，k为在蒙特卡洛模拟的第n次实现中目标城市内的第i栋建筑的第k个电梯的受困人员数量；Ki为目标城市内的第i栋建筑的电梯总数；PTEn为在蒙特卡洛模拟的第n次实现中目标城市内的电梯内受困人员总数量。
优选的，所述蒙特卡洛模拟的实现的总次数为1000次。
一种地震情景下城市电梯内受困人数预测系统，包括：
地理信息数据库搭建模块，用于建立目标城市的地理信息数据库；
电梯人员流量数据库搭建模块，用于根据所述地理信息数据库建立电梯人员流量数据库；
楼层加速度库搭建模块，用于根据城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景；
蒙特卡洛模拟模块，通过所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
本发明实施例提供的技术方案带来的有益效果至少包括：
本发明充分考虑地震下城市区域建筑群电梯的运行状态和人员流量时空分布的随机性，实现了面向城市区域尺度的地震下建筑电梯内受困人员数量的科学预测，不仅可以帮助政府部门在灾前精准发现城市抗震短板区域，而且可以为灾时快速掌握城市范围内建筑电梯受困人员数量提供数据参考，促进地震应急救灾预案的科学制定和城市抗震救灾效率的提升。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例所提供的基于地震情景下城市电梯内受困人数预测方法的流程图；
图2为本申请实施例所提供的一个真实城市区域的典型建筑的电梯在工作日的首层人员流量随时间分布图；
图3为本申请实施例所提供目标地震情景发生在8点时的区域内建筑电梯内受困人员数量分布图；
图4为本申请实施例所提供目标地震情景发生在16点时的区域内建筑电梯内受困人员数量分布图；
图5为本申请实施例所提供的基于地震情景下城市电梯内受困人数预测系统的结构示意图；
图6本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
由于现有技术仅能预测每栋建筑的震损风险，无法给出每栋建筑内的电梯震害风险，更无法预测电梯震害带来的人员受困风险。所以本发明主要目的在于提供面向城市区域的地震下建筑电梯内受困人员数量预测方法，不仅可以帮助政府部门在灾前精准发现城市抗震短板区域，而且可以为灾时快速掌握城市范围内建筑电梯受困人员数量提供数据参考，促进地震应急救灾预案的科学制定和城市抗震救灾效率的提升，主要包括：
如图1所示，本发明一方面提供了一种基于地震情景下城市电梯内受困人数预测方法，包括下述步骤：
S1、建立目标城市的地理信息数据库；
S2、根据所述地理信息数据库建立电梯人员流量数据库；
S3、基于城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景；
S4、基于所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
其中，步骤S1中的所述地理信息数据库包括：建筑群属性信息和每栋建筑内的电梯属性信息。
本申请实施例所提供的一个真实城市区域的建筑群的建筑功能和建筑层数信息，其中，所述S1的建立目标城市的地理信息数据库包括：
S101、获取目标城市内的建筑群属性信息，所述建筑群属性信息包括：每栋建筑的建筑高度、每栋建筑的结构类型、每栋建筑的建造年代、每栋建筑的建筑功能、每栋建筑的建筑层数和每栋建筑的建筑楼层面积信息；
S102、获取目标城市内的每栋建筑内的电梯属性信息，所述每栋建筑内的电梯属性信息包括：电梯数量、电梯类型、电梯容许承载人数和电梯易损性信息；具体操作包括：
所述电梯易损性信息为使得电梯发生故障的最小楼层加速度数据，所述最小楼层加速度数据包括：最小楼层加速度的中位值和最小楼层加速度的对数标准差。可以基于电梯类型和领域既有易损性数据库推算得到，亦可以通过一系列不同类型电梯的振动台试验得到，本申请不做赘述。
S103、集成所述建筑群属性信息和所述每栋建筑内的电梯属性信息，得到所述地理信息数据库。
其中，步骤S101和S102不分先后顺序进行，可同时进行，也可以先执行S102后执行S101。
本申请实施例所提供的一个真实城市区域的每栋建筑的电梯数量信息。在本申请实施例中，所述使得电梯发生破坏的最小楼层加速度的中位值和对数标准差数据从美国联邦应急管理署FEMA建立的建筑构件地震易损性数据库中获取，中位值取3.9m/s2，对数标准差取0.45。集成建筑群属性信息和电梯属性信息，建立目标城市区域包含建筑群属性信息和每栋建筑电梯属性信息的地理信息系统数据库。优选的一种实施例，所述S2的根据所述地理信息数据库建立电梯人员流量数据库，包括：
S201、对所述目标城市内的建筑群按照功能和楼层数量进行分类，筛选出每个类别中的典型建筑；按功能分类例如：学校、写字楼、医院、商场和住宅等；按楼层分类：例如7层住宅、13层以下住宅、20层高楼层住宅，或者5层写字楼，10层写字楼等；典型建筑是指随机指定一个类别中最常见的建筑物，例如，学校建筑群中最常见的是四层或者五层的教学楼，医院最常见的是六层建筑等，根据统计数据的结果和生活常识指定某一类别建筑物中的典型建筑，以后本类建筑物的计算依次为标准。
S202、获取每个类别中的典型建筑在电梯使用高峰期时和非高峰期时，每个电梯首层的人员流量数据，得到电梯首层的人员流量数据库，其中，人员流量数据包括人员流量的平均值和人员流量标准差；具体包括：获取各个类别典型建筑在电梯使用高峰期和非高峰期的每个电梯的首层的人员流量数据，具体数据可以通过对所述典型建筑的每个电梯的首层电梯口的人员流量进行多次观测后，然后统计分析得到。
步骤S201和步骤S202的具体实施例，如图2，具体包括：
对于本申请实施例所提供的一个真实城市区域，仅有居住建筑、办公建筑和教学建筑配备电梯，居住建筑按照功能类型可以进一步划分为普通居民楼和学生宿舍两类，这两类建筑的电梯的首层人员流量分布特征存在较大差距，因此在本申请实施例中分开考虑。基于所述目标城市区域包含建筑群属性信息和每栋建筑电梯属性信息的地理信息系统数据库，对本申请实施例所提供的一个真实城市区域的配电电梯的建筑按照功能类型和楼层数量进行分类，可以得到8类典型建筑，如下表1所示。
表1
序号 建筑功能 建筑楼层
1 居民楼 <10层
2 居民楼 ≥10层
3 学生宿舍 <10层
4 学生宿舍 ≥10层
5 办公楼 <10层
6 办公楼 ≥10层
7 教学楼 <10层
8 教学楼 ≥10层
图2为本申请实施例所提供的一个真实城市区域的典型建筑的电梯在工作日的首层人员流量随时间分布图。如图2所示，不同建筑功能的典型建筑的电梯在工作日的首层人员流量峰值存在较大差异，同一建筑功能不同建筑层数的典型建筑的电梯在工作日的首层人员流量峰值亦存在较大差异。
S203、根据所述电梯首层人员流量数据库，通过插值算法估计每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据；意为：针对目标城市区域内的某栋建筑，基于每个电梯的首层人员流量数据和建筑层数，通过插值算法估计该建筑各个楼层每个电梯的人员流量数据。
其中，所述插值算法假设建筑顶部楼层的上一假想楼层的各个电梯的人员流量数据的平均值和标准差均为0、并且建筑所有楼层的各个电梯的人员流量数据的平均值和标准差呈现上小下大的线性分布，即通过下式计算建筑各个楼层每个电梯的人员流量数据，具体包括：
计算选定建筑中所有楼层的各个电梯的人员流量的平均值，所述各个电梯的人员流量的平均值的计算公式为公式(1)：
其中，FRi,j,k为第i栋建筑第j层第k个电梯的人员流量的平均值；
FRi,1,k为第i栋建筑首层第k个电梯的人员流量的平均值；
Ji为第i栋建筑的楼层总数；
选定建筑为当前待计算的典型建筑中的一个；
计算选定建筑中所有楼层的各个电梯的人员流量标准差，所述各个电梯的人员流量标准差的计算公式为公式(2)：
其中，σi,j,k为第i栋建筑第j层第k个电梯的人员流量标准差；
σi,1,k为第i栋建筑首层第k个电梯的人员流量标准差。
S204、根据每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据，计算目标城市内的建筑群的电梯人员流量数据，得到电梯人员流量数据库。
由于上述方法已经计算出各个典型建筑的具体数据，根据相关数据遍历目标城市区域内的所有建筑，建立目标城市区域的电梯人员流量数据库。
优选的一种实施方式，S3、基于城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景，具体包括：采用城市建筑群地震反应非线性历程分析方法(发明专利CN108647366A)获取目标地震情景下目标城市区域每栋建筑每个楼层的楼层加速度结果。
在本申请实施例中，将El Centro地震波的峰值地面加速度调幅至4m/s2作为目标地震情景分析本申请实施例所提供的一个真实城市区域的每栋建筑每个楼层的楼层加速度。
具体的，所述S4的基于所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和包括：
S41、基于所述地理信息数据库，采用均匀分布拟合得到地震发生时每栋建筑的每个电梯的电梯停靠楼层数；电梯停靠楼层数的均匀分布的下限取值为1，上限取值为所述地理信息系统数据库中的建筑层数。
S42、基于所述地理信息数据库，采用对数正态分布拟合得到每栋建筑的每个电梯的电梯易损性数据；所述电梯易损性数据的对数正态分布的中位值和标准差从所述地理信息系统数据库中获得。
S43、基于地理信息数据库和所述电梯人员流量数据库，采用截断高斯分布拟合得到每栋建筑的每个楼层的每个电梯的人员流量数据；所述人员流量数据的截断高斯分布的平均值和标准差从所述电梯人员流量数据库中获得；所述人员流量数据的截断高斯分布的下限取值为0，上限取值为所述地理信息系统数据库的电梯容许承载人数。
S44、基于所述每栋建筑的每个电梯的电梯停靠楼层数、每栋建筑的每个电梯的电梯易损性数据、所述每栋建筑的每个电梯在每层楼的人员流量数据和楼层加速度库，通过蒙特卡洛模拟，得到所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
具体包括：
S441、设定蒙特卡洛模拟次数n＝1，设定蒙特卡洛模拟的实现的总次数N；
S442、判断n是否大于N，如果n小于或等于N，则执行S443，如果n大于N，则执行S447；
S443、随机确定目标城市内的每栋建筑的每个电梯在地震发生时的停靠楼层数，同时，根据每栋建筑的每个电梯的电梯易损性数据随机确定目标城市的每栋建筑的每个电梯在地震发生时的最小楼层加速度阈值，所述最小楼层加速度阈值是使对应的电梯发生破坏的最小楼层加速度；
S444、根据所述目标城市内的每栋建筑的每个楼层的楼层加速度确定每栋建筑每个电梯所停靠楼层的加速度峰值，判断每栋建筑每个电梯所停靠楼层的加速度峰值是否超过使对应的电梯发生破坏的最小楼层加速度，若超过，判定当前所计算的电梯在所述目标地震情景下发生损坏，电梯内的人员为受困人员，若不超过，判定当前所计算的电梯在所述目标地震情景下未发生损坏，电梯内的人员为非受困人员；
S445、基于每栋建筑的每个楼层的每个电梯的人员流量数据确定所述目标城市内的每栋建筑的每个损坏电梯的人口流量，得到在第n次蒙特卡洛模拟时，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的电梯内受困人员总数量；
S446、n＝n+1；跳转执行S442；
S447、停止蒙特卡洛模拟；执行S448；
S448：根据多次实现蒙特卡洛模拟的结果，计算所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和；
其中，所述目标城市内的每栋建筑中的电梯内受困人员数量的计算公式为公式(3)，所述目标城市内的全部电梯内受困人员数量总和的计算公式为公式(4)：
PTEi＝Median(PTEn，i，N) (3)
PTE＝Median(PTEi，N) (4)
其中，PTEi为所述目标城市内的第i栋建筑的电梯内受困人员数量；N为所述蒙特卡洛模拟的实现的总次数；Median(PTEn，i，N)为求所述蒙特卡洛模拟的所有实现的PTEn，i的中位值；PTE为所述目标城市内的区域整体电梯内受困人员数量。
其中，所述目标城市内的每栋建筑中的电梯内受困人员数量的计算公式为公式(5)，所述目标城市内的电梯内受困人员总数量的计算公式为公式(6)：
其中，PTEn,i为在蒙特卡洛模拟的第n次实现中目标城市内的第i栋建筑的电梯内受困人员数量；PTEn,i,k为在蒙特卡洛模拟的第n次实现中目标城市内的第i栋建筑的第k个电梯的受困人员数量；Ki为目标城市内的第i栋建筑的电梯总数；PTEn为在蒙特卡洛模拟的第n次实现中目标城市内的电梯内受困人员总数量。所述蒙特卡洛模拟的实现的总次数为1000次。
针对蒙特卡洛模拟的具体实施步骤具体为：
将蒙特卡洛模拟中的一次模拟称为一次“实现”。针对蒙特卡洛模拟的每一次实现，首先基于所述电梯停靠楼层数的均匀分布随机确定目标城市区域每栋建筑的每个电梯在地震发生时停靠的楼层数，同时基于所述电梯易损性数据的对数正态分布随机确定目标城市区域每栋建筑的每个电梯的使其发生破坏的最小楼层加速度。
针对蒙特卡洛模拟的每一次实现，基于所述目标城市区域每栋建筑每个楼层的楼层加速度结果，确定每栋建筑每个电梯所停靠楼层的加速度峰值，并判断此加速度峰值是否超过该电梯的使其发生破坏的最小楼层加速度：若电梯所停靠楼层的加速度峰值超过该电梯的使其发生破坏的最小楼层加速度，则判定该电梯在所述目标地震情景下发生损坏，其内人员为受困人员；反之，则判定该电梯在所述目标地震情景下未发生损坏，其内人员非受困人员。
针对蒙特卡洛模拟的每一次实现，基于所述人员流量数据的截断高斯分布随机确定目标城市区域每栋建筑的每个损坏电梯的人口流量，将每栋建筑的所有损坏电梯的人口流量相加，采用下式计算得到在所述目标地震情景下目标城市区域的每栋建筑的电梯内受困人员数量和区域的电梯内受困人员总数量。
基于上述步骤执行1000次的实现，即完成所述蒙特卡洛模拟。
采用计算公式(3)和计算公式(4)计算所述目标地震情景下目标城市区域的每栋建筑电梯内受困人员数量和区域的电梯内受困人员总数量。
图3和图4分别展示了当所述目标地震情景发生在8点和16点时的区域内建筑电梯内受困人员数量分布图。从图3和图4可以看出，在所述目标地震情景下，区域东南角的建筑群的电梯内受困人员数量较多，原因是区域东南角分布了较多楼层数较高、配备电梯数量较多的办公建筑。当所述目标地震情景发生在8点时，区域的电梯内受困人员总数量为408人；当所述目标地震情景发生在16点时，区域的电梯内受困人员总数量为98人。从图2可以看出：在工作日8点这一时刻，各功能类型建筑的电梯均处于使用高峰期；而在工作日16点这一时刻，各功能类型建筑的电梯均处于使用非高峰期。因此，所述目标地震情景发生在8点时的区域的电梯内受困人员总数量要远远大于所述目标地震情景发生在16点时的区域的电梯内受困人员总数量。
本发明所述的方法分考虑地震下城市区域建筑群电梯的运行状态和人员流量时空分布的随机性，实现了面向城市区域尺度的地震下建筑电梯内受困人员数量的科学预测，不仅可以帮助政府部门在灾前精准发现城市抗震短板区域，而且可以为灾时快速掌握城市范围内建筑电梯受困人员数量提供数据参考，促进地震应急救灾预案的科学制定和城市抗震救灾效率的提升。
本发明另一方提供一种地震情景下城市电梯内受困人数预测系统，该地震情景下城市电梯内受困人数预测系统用于实现上述基于地震情景下城市电梯内受困人数预测方法，如图5所示，该系统包括地理信息数据库搭建模块100、电梯人员流量数据库搭建模块200、楼层加速度库搭建模块300以及蒙特卡洛模拟模块400，其中：
地理信息数据库搭建模块100，用于建立目标城市的地理信息数据库；
电梯人员流量数据库搭建模块200，用于根据所述地理信息数据库建立电梯人员流量数据库；
楼层加速度库搭建模块300，用于根据城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景；
蒙特卡洛模拟模块400，通过所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
本发明所述的系统分考虑地震下城市区域建筑群电梯的运行状态和人员流量时空分布的随机性，实现了面向城市区域尺度的地震下建筑电梯内受困人员数量的科学预测，不仅可以帮助政府部门在灾前精准发现城市抗震短板区域，而且可以为灾时快速掌握城市范围内建筑电梯受困人员数量提供数据参考，促进地震应急救灾预案的科学制定和城市抗震救灾效率的提升。
图6是本发明实施例提供的一种电子设备600的结构示意图，该电子设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)610和一个或一个以上的存储器620，其中，存储器620中存储有至少一条指令，至少一条指令由处理器610加载并执行以实现上述一种地震情景下城市电梯内受困人数预测方法的步骤。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述一种地震情景下城市电梯内受困人数预测方法。例如，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
以上实施例不局限于该实施例自身的技术方案，实施例之间可以相互结合成新的实施例。以上实施例仅用以说明本发明的技术方案而并非对其进行限制，凡未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明技术方案的范围内。

Claims (9)

1.一种基于地震情景下城市电梯内受困人数预测方法，其特征在于，包括下述步骤：
S1、建立目标城市的地理信息数据库；
S2、根据所述地理信息数据库建立电梯人员流量数据库；
S3、基于城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景；
S4、基于所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和；
所述S4的基于所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和包括：
S41、基于所述地理信息数据库，采用均匀分布拟合得到地震发生时每栋建筑的每个电梯的电梯停靠楼层数；
S42、基于所述地理信息数据库，采用对数正态分布拟合得到每栋建筑的每个电梯的电梯易损性数据；
S43、基于地理信息数据库和所述电梯人员流量数据库，采用截断高斯分布拟合得到每栋建筑的每个楼层的每个电梯的人员流量数据；
S44、基于所述每栋建筑的每个电梯的电梯停靠楼层数、每栋建筑的每个电梯的电梯易损性数据、所述每栋建筑的每个电梯在每层楼的人员流量数据和楼层加速度库，通过蒙特卡洛模拟，得到所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
2.根据权利要求1所述的基于地震情景下城市电梯内受困人数预测方法，其特征在于，所述地理信息数据库包括：建筑群属性信息和每栋建筑内的电梯属性信息；
所述S1的建立目标城市的地理信息数据库包括：
获取目标城市内的建筑群属性信息，所述建筑群属性信息包括：每栋建筑的建筑高度、每栋建筑的结构类型、每栋建筑的建造年代、每栋建筑的建筑功能、每栋建筑的建筑层数和每栋建筑的建筑楼层面积信息；
获取目标城市内的每栋建筑内的电梯属性信息，所述每栋建筑内的电梯属性信息包括：电梯数量、电梯类型、电梯容许承载人数和电梯易损性信息；
集成所述建筑群属性信息和所述每栋建筑内的电梯属性信息，得到所述地理信息数据库。
3.根据权利要求2所述的基于地震情景下城市电梯内受困人数预测方法，其特征在于，所述电梯易损性信息为使得电梯发生故障的最小楼层加速度数据，所述最小楼层加速度数据包括：最小楼层加速度的中位值和最小楼层加速度的对数标准差。
4.根据权利要求1所述的基于地震情景下城市电梯内受困人数预测方法，其特征在于，所述S2的根据所述地理信息数据库建立电梯人员流量数据库，包括：
S201、对所述目标城市内的建筑群按照功能和楼层数量进行分类，筛选出每个类别中的典型建筑；
S202、获取每个类别中的典型建筑在电梯使用高峰期时和非高峰期时，每个电梯首层的人员流量数据，得到电梯首层的人员流量数据库，其中，人员流量数据包括人员流量的平均值和人员流量标准差；
S203、根据所述电梯首层人员流量数据库，通过插值算法估计每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据；
S204、根据每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据，计算目标城市内的建筑群的电梯人员流量数据，得到电梯人员流量数据库。
5.根据权利要求4所述的基于地震情景下城市电梯内受困人数预测方法，其特征在于，所述S203的根据所述电梯首层人员流量数据库，通过插值算法估计每个类别中的典型建筑的每个电梯在各个楼层的人员流量数据包括：
计算选定建筑中所有楼层的各个电梯的人员流量的平均值，所述各个电梯的人员流量的平均值的计算公式为公式（1）：
（1）
其中，FR i,j,k 为第i栋建筑第j层第k个电梯的人员流量的平均值；
FR i,1,k 为第i栋建筑首层第k个电梯的人员流量的平均值；
J i 为第i栋建筑的楼层总数；
选定建筑为当前待计算的典型建筑中的一个；
计算选定建筑中所有楼层的各个电梯的人员流量标准差，所述各个电梯的人员流量标准差的计算公式为公式（2）：
（2）
其中，σ i,j,k 为第i栋建筑第j层第k个电梯的人员流量标准差；
σ i,1,k 为第i栋建筑首层第k个电梯的人员流量标准差。
6.根据权利要求1所述的于地震情景下城市电梯内受困人数预测方法，其特征在于，所述S44的基于所述每栋建筑的每个电梯的电梯停靠楼层数、每栋建筑的每个电梯的电梯易损性数据、所述每栋建筑的每个电梯在每层楼的人员流量数据和楼层加速度库，通过蒙特卡洛模拟，得到所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和包括：
S441、设定蒙特卡洛模拟次数n=1，设定蒙特卡洛模拟的实现的总次数N；
S442、判断n是否大于N，如果n小于或等于N，则执行S443，如果n大于N，则执行S447；
S443、随机确定目标城市内的每栋建筑的每个电梯在地震发生时的停靠楼层数，同时，根据每栋建筑的每个电梯的电梯易损性数据随机确定目标城市的每栋建筑的每个电梯在地震发生时的最小楼层加速度阈值，所述最小楼层加速度阈值是使对应的电梯发生破坏的最小楼层加速度；
S444、根据所述目标城市内的每栋建筑的每个楼层的楼层加速度确定每栋建筑每个电梯所停靠楼层的加速度峰值，判断每栋建筑每个电梯所停靠楼层的加速度峰值是否超过使对应的电梯发生破坏的最小楼层加速度，若超过，判定当前所计算的电梯在所述目标地震情景下发生损坏，电梯内的人员为受困人员，若不超过，判定当前所计算的电梯在所述目标地震情景下未发生损坏，电梯内的人员为非受困人员；
S445、基于每栋建筑的每个楼层的每个电梯的人员流量数据确定所述目标城市内的每栋建筑的每个损坏电梯的人口流量，得到在第n次蒙特卡洛模拟时，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的电梯内受困人员总数量；
S446、n=n+1；跳转执行S442；
S447、停止蒙特卡洛模拟；执行S448；
S448：根据多次实现蒙特卡洛模拟的结果，计算所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和；
其中，所述目标城市内的每栋建筑中的电梯内受困人员数量的计算公式为公式（3），所述目标城市内的全部电梯内受困人员数量总和的计算公式为公式（4）：（3）
（4）
其中，PTE i 为所述目标城市内的第i栋建筑的电梯内受困人员数量；N为所述蒙特卡洛模拟的实现的总次数；Median(PTE n,i ,N)为求所述蒙特卡洛模拟的所有实现的PTE n,i 的中位值；PTE为所述目标城市内的区域整体电梯内受困人员数量。
7.根据权利要求6所述的基于地震情景下城市电梯内受困人数预测方法，其特征在于，所述目标城市内的每栋建筑中的电梯内受困人员数量的计算公式为公式（5），所述目标城市内的电梯内受困人员总数量的计算公式为公式（6）：（5）
（6）
其中，PTE n,i 为在蒙特卡洛模拟的第n次实现中目标城市内的第i栋建筑的电梯内受困人员数量；PTE n,i,k 为在蒙特卡洛模拟的第n次实现中目标城市内的第i栋建筑的第k个电梯的受困人员数量；K i 为目标城市内的第i栋建筑的电梯总数；PTE n 为在蒙特卡洛模拟的第n次实现中目标城市内的电梯内受困人员总数量。
8.根据权利要求6所述的基于地震情景下城市电梯内受困人数预测方法，其特征在于，所述蒙特卡洛模拟的实现的总次数为1000次。
9.一种地震情景下城市电梯内受困人数预测系统，其特征在于，包括：
地理信息数据库搭建模块，用于建立目标城市的地理信息数据库；
电梯人员流量数据库搭建模块，用于根据所述地理信息数据库建立电梯人员流量数据库；
楼层加速度库搭建模块，用于根据城市建筑群地震反应非线性历程分析方法，获取目标地震情景下所述目标城市内的每栋建筑每个楼层的楼层加速度，得到楼层加速度库，其中，所述目标地震情景为当前模拟的场景；
蒙特卡洛模拟模块，通过所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和；
所述通过所述地理信息数据库、所述电梯人员流量数据库和所述楼层加速度库，通过蒙特卡洛方法模拟在所述目标地震情景下，所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和包括：
基于所述地理信息数据库，采用均匀分布拟合得到地震发生时每栋建筑的每个电梯的电梯停靠楼层数；
基于所述地理信息数据库，采用对数正态分布拟合得到每栋建筑的每个电梯的电梯易损性数据；
基于地理信息数据库和所述电梯人员流量数据库，采用截断高斯分布拟合得到每栋建筑的每个楼层的每个电梯的人员流量数据；
基于所述每栋建筑的每个电梯的电梯停靠楼层数、每栋建筑的每个电梯的电梯易损性数据、所述每栋建筑的每个电梯在每层楼的人员流量数据和楼层加速度库，通过蒙特卡洛模拟，得到所述目标城市内的每栋建筑中的电梯内受困人员数量和所述目标城市内的全部电梯内受困人员数量总和。
CN202310249695.6A 2023-03-15 2023-03-15 基于地震情景下城市电梯内受困人数预测方法及系统 Active CN116362386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310249695.6A CN116362386B (zh) 2023-03-15 2023-03-15 基于地震情景下城市电梯内受困人数预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310249695.6A CN116362386B (zh) 2023-03-15 2023-03-15 基于地震情景下城市电梯内受困人数预测方法及系统

Publications (2)

Publication Number Publication Date
CN116362386A CN116362386A (zh) 2023-06-30
CN116362386B true CN116362386B (zh) 2023-11-17

Family

ID=86918310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310249695.6A Active CN116362386B (zh) 2023-03-15 2023-03-15 基于地震情景下城市电梯内受困人数预测方法及系统

Country Status (1)

Country Link
CN (1) CN116362386B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012106805A (ja) * 2010-11-15 2012-06-07 Hitachi Building Systems Co Ltd エレベーターの地震時運転休止予測システム
JP2013131100A (ja) * 2011-12-22 2013-07-04 Univ Of Electro-Communications 人数予測方法、人数予測装置、移動ロボット及びプログラム
CN106744106A (zh) * 2017-01-24 2017-05-31 深圳双创科技发展有限公司 一种基于机器人的城市电梯管理方法及系统
CN106744124A (zh) * 2016-11-08 2017-05-31 深圳企管加企业服务有限公司 一种基于物联网的城市电梯管理系统及方法
WO2018154755A1 (ja) * 2017-02-27 2018-08-30 三菱電機株式会社 エレベーターの故障監視装置、エレベーター及びエレベーターの群管理装置
CN110309976A (zh) * 2019-07-02 2019-10-08 上海市建筑科学研究院(集团)有限公司 超高层建筑楼梯电梯协同疏散优化策略即时生成算法
CN110342355A (zh) * 2019-07-12 2019-10-18 苏州健雄职业技术学院 一种智能楼宇电梯调度平台系统及其工作方法
CN111931128A (zh) * 2020-07-15 2020-11-13 重庆锐云科技有限公司 基于伯努利模型的电梯配置方法、系统、设备及存储介质
CN112573316A (zh) * 2020-12-08 2021-03-30 成都睿瞳科技有限责任公司 一种基于计算机视觉的电梯困人检测方法
CN113911872A (zh) * 2021-10-12 2022-01-11 北京沃东天骏信息技术有限公司 故障处理方法、系统及预警救援系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012106805A (ja) * 2010-11-15 2012-06-07 Hitachi Building Systems Co Ltd エレベーターの地震時運転休止予測システム
JP2013131100A (ja) * 2011-12-22 2013-07-04 Univ Of Electro-Communications 人数予測方法、人数予測装置、移動ロボット及びプログラム
CN106744124A (zh) * 2016-11-08 2017-05-31 深圳企管加企业服务有限公司 一种基于物联网的城市电梯管理系统及方法
CN106744106A (zh) * 2017-01-24 2017-05-31 深圳双创科技发展有限公司 一种基于机器人的城市电梯管理方法及系统
WO2018154755A1 (ja) * 2017-02-27 2018-08-30 三菱電機株式会社 エレベーターの故障監視装置、エレベーター及びエレベーターの群管理装置
CN110309976A (zh) * 2019-07-02 2019-10-08 上海市建筑科学研究院(集团)有限公司 超高层建筑楼梯电梯协同疏散优化策略即时生成算法
CN110342355A (zh) * 2019-07-12 2019-10-18 苏州健雄职业技术学院 一种智能楼宇电梯调度平台系统及其工作方法
CN111931128A (zh) * 2020-07-15 2020-11-13 重庆锐云科技有限公司 基于伯努利模型的电梯配置方法、系统、设备及存储介质
CN112573316A (zh) * 2020-12-08 2021-03-30 成都睿瞳科技有限责任公司 一种基于计算机视觉的电梯困人检测方法
CN113911872A (zh) * 2021-10-12 2022-01-11 北京沃东天骏信息技术有限公司 故障处理方法、系统及预警救援系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高层写字楼火灾混合疏散策略研究;关文玲;《消防科学与技术 》;第40卷(第9期);1309-1312 *

Also Published As

Publication number Publication date
CN116362386A (zh) 2023-06-30

Similar Documents

Publication Publication Date Title
Riddell et al. Inelastic deformation response of SDOF systems subjected to earthquakes
Hu et al. Post-disaster evacuation and temporary resettlement considering panic and panic spread
O'Brien et al. Measures of the seismic vulnerability of reinforced concrete buildings in Haiti
Hwang et al. Quantifying the effects of long‐duration earthquake ground motions on the financial losses of steel moment resisting frame buildings of varying design risk category
Terzic et al. F-Rec Framework: Novel framework for probabilistic evaluation of functional recovery of building systems
Kassem et al. Comparative seismic RISK assessment of existing RC buildings using seismic vulnerability index approach
CN116362386B (zh) 基于地震情景下城市电梯内受困人数预测方法及系统
Khademipour et al. Disaster risk assessment of primary healthcare facilities in South East of Iran: a study with approach of disaster risk reduction
Dhakal et al. Loss optimization seismic design (losd): beyond seismic loss assessment
Akpabot et al. Predicting buildings collapse due to seismic action in Lagos state
Porter Not safe enough: the case for resilient seismic design
Roohi et al. Seismic functionality analysis of interdependent buildings and lifeline systems
Ahmed et al. Earthquake disaster management analysis in Dhaka
Jain et al. A rapid visual seismic assessment procedure for RC frame buildings in India
Demirtas Facility location under uncertainty and spatial data analytics in healthcare
Zahari et al. A Study on Problems Arises in Practicing Fire Drill in High Rise Building in Kuala Lumpur
Wang et al. Dynamic optimization methods of emergency resources deployment based on Markov decision process for Wenchuan earthquake
Kostov et al. An advanced approach to earthquake risk scenarios of Sofia
Gutierrez et al. The Seismic Vulnerability of Buildings in the Central Zone of Peru through the Application of the Rapid Visual Detection Method
Shawon et al. Earthquake Vulnerability Mapping using Binary Comparison Matrix and Analytical Hierarchical Process (AHP) in Lalmatia, Dhaka
CN116307399A (zh) 一种适用于多灾种的社区安全韧性影响评估系统及方法
Murgante et al. The Assessment of Sustainability Indicators in the Villagers’ Lives in Iran with Emphasis on Natural Hazards: A Case Study
Lu et al. Post-earthquake Emergency Response and Recovery Through City-Scale Nonlinear Time-History Analysis
Gu et al. Urban risk assessment model to quantify earthquake‐induced elevator passenger entrapment with population heatmap
Joy et al. Development of analytical fragility curve–A review

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
GR01 Patent grant
GR01 Patent grant