近年來,各種災害事件(火災、地震、有害物質(zhì)泄漏等)頻繁發(fā)生,學校是遭受這些威脅的重災區(qū)之一,加之學校人口密集,這些災害的發(fā)生更有可能造成巨大的生命財產(chǎn)損失。在突發(fā)事件發(fā)生時,如何在第一時間實施科學有效的人員疏散策略,確保師生在盡可能短的時間內(nèi)撤離到安全地方,保障他們的生命財產(chǎn)安全已成為亟待解決的問題�？紤]到行人疏散行為與細胞遷移過程的相似性,本文提出了一種新型的仿生模擬技術,即智能決策膜系統(tǒng)(IDPS),用于描述多樓層建筑中人群疏散的過程。主要工作和貢獻歸納如下:1、提出IDPS模型,結合個體智能與群體智能,設計獨特的交互機制、決策機制和移動機制,能夠準確連續(xù)模擬每個行人的實時狀態(tài),有助于人群疏散管理和建筑設計。2、基于IDPS模型,分析密度閾值、交互概率、步行速度等影響疏散時間的參數(shù),不斷優(yōu)化IDPS模型。并以個體為單位進行計算,最大程度減少個體疏散時間。3、對多出口疏散算法(MEEA),最短路徑算法(Dijkstra)、智能決策膜系統(tǒng)(IDPS)的疏散結果進行了比較與分析。并計算相應的累計分布函數(shù)CDF,分析策略比例對疏散的影響。仿真結果表明,疏散時間隨密度閾值,交互概率,步行速度和人口分布等參數(shù)的變化而變化。適當?shù)拿芏乳撝岛土己玫慕换ジ怕?可以改善樓梯和出口的負載平衡。其中,密度閾值具有較大的一階及全局靈敏度指數(shù)。在測試用例的微觀疏散模擬中,與Dijkstra、MEEA相比IDPS可以快速降低疏散時間。最后,當IDPS或MEEA的初始比例較大時,CDF的演化與策略的初始比例緊密相關;當Dijkstra的初始比例較大時,IDPS的CDF會迅速減小,進一步證明了IDPS模型疏散的高效性。
【學位單位】：中國地質(zhì)大學(北京)
【學位級別】：碩士
【學位年份】：2020
【中圖分類】：TP301.6;G474
【部分圖文】：

中國地質(zhì)大學（北京）工程碩士學位論文8圖2-1.多出口疏散算法的網(wǎng)絡模型出口疏散時間是指最后通過相關出口的最后一個個體的疏散時間。在多出口疏散算法中，每個節(jié)點中的個體根據(jù)先進先出規(guī)則通過出口。如圖2-1示，如果出口A已分配給N1、N2、N3、N4節(jié)點，考慮到每個節(jié)點到出口的距離，則N1、N2中的個體首先通過出口A，然后N3、N4中的個體通過出口A。因此，出口A的疏散時間與N3、N4的疏散時間相同。指定特定出口的源節(jié)點集x以距離出口的最近距離的順序進行排列,最后一個源節(jié)點nj的疏散時間為fj。相關出口的疏散時間f(x)如公式（2-2）、公式（2-3）所示。如果每個源節(jié)點(ni)的初始容量是aj以及到出口的出行時間是bj，并且出口的動態(tài)容量是d，則通過公式（2-2）、公式（2-3）計算每個源節(jié)點的疏散時間fi。其中x={ni|i=1,...,j}，j是源節(jié)點的數(shù)量。f(x)=fj(2-2)f0=0,f0=bi+ai/d,fi-1≤bifi-1+ai/d,fi-1>bi(2-3)

出口C的分配過程

出口B的分配過程
【相似文獻】

相關期刊論文 前10條

1 王莉;牛曉華;李潔;;基于云技術的智能決策會商系統(tǒng)發(fā)展與研究[J];數(shù)據(jù)通信;2016年06期

2 解迎剛;蘇中;吳韶波;;情境教學法在“數(shù)據(jù)處理與智能決策”教學中的應用[J];科教文匯(下旬刊);2016年02期

3 張述冠;;從集中管理到智能決策[J];中國計算機用戶;2006年Z1期

4 張沖;;云計算環(huán)境下的智能決策研究[J];通訊世界;2018年01期

5 初明;CleverPath幫助企業(yè)智能決策[J];家電科技;2003年06期

6 張鏡鳳;踏上競爭的高速公路:智能決策[J];經(jīng)貿(mào)導刊;1995年06期

7 王巖;劉建喜;何德衛(wèi);;考慮多目標優(yōu)化的有序用電智能決策研究[J];電力需求側管理;2015年03期

8 毛建華;段沛佑;;淺析智能決策分析系統(tǒng)在物流企業(yè)中的應用[J];物流技術;2012年05期

9 鐘遠明;晏妮;;銀行卡客戶智能決策分析與服務平臺的應用研究[J];金融電子化;2009年07期

10 李領先;王齊榮;張信議;;道路軟基處理智能決策技術的現(xiàn)狀與展望[J];四川建筑;2006年S1期

相關博士學位論文 前10條

1 董洋溢;面向智能決策應用的本體關鍵技術研究[D];西北工業(yè)大學;2018年

2 瞿幼苗;面向智能決策的推理引擎技術[D];西北工業(yè)大學;2018年

3 叢廣佩;石化設備基于風險和狀態(tài)的檢驗與維修智能決策研究[D];大連理工大學;2013年

4 楊振剛;CBR ANN智能決策支持方法及應用[D];華南理工大學;2007年

5 荔建琦;進化決策的模型、關鍵技術與應用研究[D];中國人民解放軍國防科學技術大學;2002年

6 吳曉云;輕型遠程多管火箭武器系統(tǒng)分析的智能決策理論與應用[D];南京理工大學;2005年

7 李鋒剛;基于優(yōu)化案例推理的智能決策技術研究[D];合肥工業(yè)大學;2007年

8 何亞群;基于粗糙集的智能決策理論與應用研究[D];南京航空航天大學;2005年

9 于合龍;精準農(nóng)業(yè)生產(chǎn)中若干智能決策問題研究[D];吉林大學;2010年

10 李小平;鐵路突發(fā)事件應急救援智能決策關鍵技術研究[D];蘭州交通大學;2013年

相關碩士學位論文 前10條

1 張潔瓊;基于智能決策膜系統(tǒng)的教學樓應急疏散算法的研究與實現(xiàn)[D];中國地質(zhì)大學(北京);2020年

2 王利源;蘋果園水分智能決策灌溉系統(tǒng)研究[D];河北農(nóng)業(yè)大學;2019年

3 孫樸瑩;基于智能決策的鐵路應急處置平臺系統(tǒng)的設計與實現(xiàn)[D];北京交通大學;2019年

4 梁懿奐;網(wǎng)優(yōu)智能決策的實現(xiàn)[D];黑龍江大學;2018年

5 王小青;認知抗干擾通信系統(tǒng)的智能決策技術研究[D];電子科技大學;2018年

6 雍尚莉;個人信用智能決策理論與應用研究[D];重慶大學;2006年

7 徐婷;智能空間中的智能決策推理機制研究[D];北京交通大學;2010年

8 荊玲;面向環(huán)災應急的智能決策關鍵技術研究[D];南京大學;2012年

9 沈光輝;智能決策和自動控制在企業(yè)管理系統(tǒng)中的應用[D];復旦大學;2009年

10 王春芳;基于GIS的配電網(wǎng)搶修智能決策平臺開發(fā)研究[D];天津大學;2016年

本文編號：2870734