地铁疏散异质乘客多目标优化

疏散效率提升21.85%

针对地铁站异质乘客与节点容量，用BP神经网络结合原子轨道搜索算法建立节点通行时间预测，并实现兼顾全局与局部最优的疏散路线规划，使疏散路线选择更为合理。

杨晓霞 · Yang, Yi · 曲大义 · 陈秀锋 · Li, Yongxing

IEEE Transactions on Intelligent Transportation Systems 2023

参数信息

节点通行时间预测均方误差

0.2555

疏散效率提升幅度

21.85 %

技术优势

预测更准

节点通行时间预测模型的均方误差低至0.2555，提高了总疏散时间计算的精度。

疏散更快

所提出的路线策略可将整体疏散效率提升21.85%，使乘客的疏散路线选择更合理。

关键因素明确

通过随机森林敏感性分析，确定属性E的乘客数量对疏散时间影响最大，便于在疏散过程中重点关注。

应用场景

• 应急疏散：用于地铁站应急疏散规划，生成兼顾全局与局部最优的疏散路线。
• 行人仿真：可嵌入行人仿真模型，提高疏散时间计算的精度。
• 智能交通系统：为智能交通系统提供数据驱动的疏散策略支持。