基于GRNN神经网络的地铁疏散预警及对策研究

针对国内地铁车站客流无序性和突发性的现状,提出基于广义回归神经网络GRNN的地铁车站客流预警模型。以南京地铁全线网某时段客流数据为输入样本,运用GRNN神经网络进行训练与测试,得出预测数据并对比实际数据进行误差分析。结果表明:预测数据拟合,精度可行。将预测数据与南京地铁实时客流预警系统相结合,提出突发性大客流应急情况下的运营服务对策措施,为地铁运营管理单位避免突发大客流造成人员踩踏、恐慌等事故提供参考。     

基于改进可拓物元法的地铁车站运营安全评价方法

我国大中城市的地铁建设和运营已进入规模化、网络化阶段。地铁车站的安全运营是整个地铁系统运营安全的重要保障。对地铁车站运营安全风险因素进行梳理与凝练,科学合理地选取出风险评价指标,并采用综合赋权法确定指标权重系数,将德尔菲法、专家咨询法与可拓物元法相结合,提出了改进可拓物元法,提高了地铁车站运营安全风险评价的时效性和科学性。结合南京地铁大行宫站的实地调查数据,对模型进行实例验证,以说明实施步骤和应用效果。