买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东科技大学

摘要：本发明公开了一种地铁站台高密度人群踩踏风险量化及预警分析方法，属于预警分析技术领域。本发明通过调查问卷及视频观测的方式采集地铁站行人疏散数据，利用Tracker软件提取行人交通特性基础数据，分析站台区域高密度人群的疏散特征，发现人群密度与人群速度之间存在明显的负相关关系；通过加权平均法修正人体占用空间面积，得出适用于地铁站踩踏场景的最大静态理论密度阈值；利用SPSS软件，依托人群密度、人群速度及疏散时间三个因素建立风险函数并确立模型权重系数，构建基于逻辑回归的行人踩踏风险概率模型PM，实现踩踏风险的量化分级。本发明计算结果与实际客流疏散特征规律一致，踩踏风险量化模型可为未来地铁疏散安全管理提供重要决策支持。

主权项：1.一种地铁站台高密度人群踩踏风险量化及预警分析方法，其特征在于：包括如下步骤：步骤1：获取数据源，选择研究区域；步骤2：构建地铁站台高密度人群踩踏风险概率模型；步骤3：结果分析及实例验证；步骤1中，包括如下步骤：步骤1.1：数据获取及处理；通过地铁监控视频数据、自行拍摄行人出行视频数据获取地铁车站行人疏散基础数据，通过Tracker软件，提取行人轨迹，获取包括行人速度、密度和人流量在内的数据；步骤1.2：选择研究区域；步骤2中，包括如下步骤：步骤2.1：地铁站内高密度人群踩踏风险量化及预警流程分析；采用Tracker软件收集行人疏散过程中运动特征；采用问卷调查收集行人个体的尺寸特征；通过对基础行人速度、密度及人流量进行数据分析，得到地铁站台场景高密度人群的速度与密度之间的负相关关系；对行人的年龄、性别及携带行李结构尺寸同人体投影尺寸进行加权平均，通过加权平均法修正人体占用空间面积，得到应用于地铁场景的行人踩踏最大理论密度阈值ρmax；步骤2.2：构建高密度人群踩踏风险概率模型；利用SPSS软件，依托人群密度、人群速度及疏散时间三个因素建立风险函数并确立模型权重系数，从而构建基于逻辑回归的行人踩踏风险概率模型PM；步骤3中，包括如下步骤：步骤3.1：基于逻辑回归模型的踩踏风险因素权重分配；通过逻辑回归模型估计不同密度等级下对应的踩踏事故发生概率，构建踩踏风险量化分级预警系统；步骤3.2：将踩踏发生概率划分为五个等级，实现踩踏风险的量化；基于收集到的数据集，其中包括人数、行人密度及疏散时间因素，将踩踏发生概率分为五个等级，分别为超过最大理论静态密度阈值发生踩踏、极有可能发生踩踏、很有可能发生踩踏、有可能发生踩踏、不可能发生踩踏五个级别；极有可能发生踩踏为Ⅰ级；很有可能发生踩踏为Ⅱ级；有可能发生踩踏为Ⅲ级；不可能发生踩踏为Ⅳ级；超过最大理论静态密度阈值发生踩踏为Ⅳ级；步骤2.2中，求解踩踏风险概率模型步骤如下：步骤2.2.1：确定基线概率B；基线概率表示在没有考虑个体危险因素即所有协变量都为基准水平时，事件在特定时间的发生概率；步骤2.2.2：确定不同风险因子下的单一风险函数； 式2.3中，密度风险值fD表示人流密度D超过安全阈值Dsafe的增量，如果人流密度没有超过安全阈值，则此增量为零；速度风险值fV表示人流速度V与理想速度Videal的差值的绝对值，参照Helbing对行人疏散过程中理想速度的研究，构建理想速度Videal，表示行人流能够自由流动；疏散时间风险值fT表示疏散时间超过安全疏散时间的差额；如果疏散时间未超过安全阈值，则此差额为零；步骤2.2.3：利用历史数据中每次事件的人流密度、人流速度和疏散通道参数，结合是否发生踩踏事故的二元结果来构建逻辑回归模型； 式2.5中，服从二元logistic分布，P表示事故发生的概率，1-P表示事故未发生的概率，S为风险函数，如式2.6所示：S＝α×fD+β×fV+γ×fT+u2.6；将式2.3中的三个差值作为输入，并结合权重系数α、β、γ和μ来计算风险函数S；步骤2.2.4：将基线概率B与风险函数S相结合，得到踩踏风险概率PM，如式2.7所示：PM＝hB，S2.7；式2.7中，h表示基线概率B与风险函数S的函数关系；步骤2.2.5：利用逻辑回归函数，将风险函数转换为踩踏风险概率模型PM，如式2.8所示：

全文数据：

权利要求：

百度查询： 山东科技大学 一种地铁站台高密度人群踩踏风险量化及预警分析方法