根据权利要求1所述的方法，其特征在于，所述多个安全评价指标包括：站台客流拥 挤度、工作人员管理能力、乘客责任事故指数、FAS系统报警指数、电梯系统安全指数、车门 /屏蔽门安全指数、AFC系统安全指数、综合监控系统安全指数、列车正点率、通过型设施设 备负荷度、站内综合环境指数、安全管理分值以及车站应急疏散能力。
3. 根据权利要求2所述的方法，其特征在于，所述城市轨道交通车站安全态势感知评 价指标进行量化，包括： 根据公：
汁算站台客流拥挤度，Ql与Q2分别指客流高峰 时段每秒进站人数与出站人数，S为站台候车区实际面积；Tl为相邻到达列车时间间隔，T2 为从站台至站厅最长行走时间；Φ为站台客流密度不均衡系数； 4 根据公式SZkj ,计算工作人员管理能力，其中為爾di为一个月内第 ,=! J=l f i类工作人员的平均绩效得数，a i为第i类工作人员的管理能力影响车站运营安全的重要 度，m为第i类工作人员人数，dj为第i类第j个工作人员的绩效得分； 根据公式SIpassmgw=N计算乘客责任事故指数，N为一天内，由乘客责任引起的客伤事故 次数； 根据公式SIfas=M+N计算FAS系统报警指数，M与N分别为一天内，FAS系统发生的漏报 与误报的次数； n T 根据公式》- =(Σ^/Λ)χ1(Κ)%计算电梯系统安全指数，N为统计周期内车站现 I=j I p[an 有的垂直电梯和自动扶梯个数，T为统计周期内第i个垂直电梯或自动扶梯设备故障维修 时间，Tplan为统计周期内第i个垂直电梯或自动扶梯设备计划运行时间； 根据公式」
计算车门/屏蔽门安全指数， Nitrain/screendoor与Altitrain/screendoor分别为一天内第i对车门/屏蔽门非正常 开关次数与开关总次数，η为车站正常工作的车门/屏蔽门对数； n T 根据公式= (Σ^ZWx Ι(Μ)%计算AFC系统安全指数，η为地铁车站现有的闸机 /=1 1 plan 和充值售票机的个数，T与Tplan为一天内第i个闸机或充值售票机设备故障维修时间与 计划运行时间； η 综合监控系统安全指数S/?? = ΣΜι η为ISCS系统与集成的子系统个数之和，Mi为 1天内第i个系统设备报警的次数； 根据公式·?/_ =4夂><100%计算列车正点率，Non time为一天内上下行列车准点 到站列车次数，N为一天内全部开行列车次数； η 根据公式=Σ為·&计算通过型设施设备负荷度，其中Si=QiA^ λ i与Si为一小时 1=1 内第i个设施设备的权重与负荷度，Qi与Ci为一小时内第i个设施设备实际客流量与通 行能力，η为设施设备的个数，包括楼梯、通道、扶梯、闸机等； 根据公式
计算站内综合环境指数，Imax 与I Y分别为一个季度内最大质量分指数与平均质量分指数，Ci与Si分别为一个季度内 第i种因素的测量值与评价标准值，i分别为温度、湿度和C02 ; 根据公3
^算安全管理分值，Fi为第i个专家对安全 管理能力的评价分数，Fmax与Fmin分别为专家对安全管理能力的评价最高分数与最低分 数，η为邀请专家的人数； 根据公式沒，=1
计算车站应急疏散能力，1为人员反应时间，Ql 为客流高峰小时列车乘客数，Q2为客流高峰小时站台上候车乘客和站台上工作人员，Al与 A2分别为自动扶梯与人行楼梯通过能力，N为自动扶梯台数，B为人行楼梯总宽度。N-I为 计算中应考虑1台自动扶梯损坏不能运行的几率，〇. 9为通行能力的折减系数。
4.根据权利要求1所述的方法，其特征在于，所述获得标准化后的多维联系数决策矩 阵，包括： 根据公式= + +…+匕乃计算标准化后的多维联系数决策矩阵，bi为标准化
后的评价指标。 当ir为效益型指标时： 当ir为成本型指标时：
5. 根据权利要求1所述的方法，其特征在于，所述根据灰色综合关联度确定多个评价 指标的权重向量参数，包括： 计算各子因素与目标之间的关联系数，将各关联系数集中为平均值，对计算得到的各 指标比重进行归一化，得到权重向量W= (wl，w2,
6. 根据权利要求1所述的方法，其特征在于，所述确定车站安全态势的绝对理想解和 绝对负理想解参数，包括： 确定车站安全态势的绝对理想解//'= ? +…+ ? 和绝对负理想解 只式中W=聽九妙=以，."，《 6=??也>，口以."，《 m , 9 ， 为评价事物或方案集的个数。
7. 根据权利要求1所述的方法，其特征在于，所述利用加权相对海明距离计算距离参 数，包括： J S 当前车站安全态势到绝对理想解距离为#= I)绝对负理想解距离为 η -=' ， C =丄 1>.ν 长- ?作1 0
8. 根据权利要求1所述的方法，其特征在于，所述计算综合安全态势值参数之后，还包 括： 将城市轨道交通车站安全态势划分为五级：安全、低风险、中风险、高风险、危险，对应 的安全态势值建议区间分别为（〇· 8, 1)、（0· 6, 0· 8)、（0· 4, 0· 6)、（0· 2, 0· 4)、（0, 0· 2)，据此 界定城市轨道交通车站安全等级。
9. 根据权利要求1所述的方法，其特征在于，所述建立由支持向量机和粒子群优化算 法组成的安全态势感知预测模型之后，还包括： 利用PSO优化SVM训练参数，得到优化的SVM预测模型，并对将来的安全态势进行预 测。
10. 根据权利要求9所述的方法，其特征在于，所述对将来的安全态势进行预测，包括： 初始化粒子群，初始化确定支持向量机参数C、 〇、ε的上下限，设定种群规模N，惯性 权重初值wmax，惯性权重终值wmin，学习因子cl和c2,最大速度Vmax,最大进化代数Tmax 或迭代终止阈值； 根据适应度函数- J丨)进行适应度评估； ^ 1=1 设每个粒子的个体最优解Pbest为粒子的当前位置，计算每个粒子的适应度值，其中 适应度值最大的粒子的个体最优解最为当前种群最优解Pgbest ; 根据公式 1 = + 1 和 U'1 = W · vf； + ?.ν〗(/4 - .4 > + c2 r2《/4 - λ以 位置和速度； 用适应度函数评价粒子的适应度，MSE值越小，表示模型的预测精度越高，预测值越接 近目标值； 对于每个粒子，将其适应度值和当前个体最优解进行比较，如果比较好则用适应度值 替换个体最优值； 对于每个粒子，将适应度值和当前种群最优解进行比较，如果比较好则用其作为当前 的全局最优值； 满足迭代条件，则将最优解传递给SVM，否则转到第4步继续迭代； 用样本数据对SVM进行训练，建立模型，并进行预测。
【专利摘要】本发明提供了对城市轨道交通车站安全态势感知的方法，通过分析车站对乘客出行的安全性造成的影响，提出一套完整而具体地面向轨道交通车站的安全态势感知模型，获得轨道交通车站安全态势获取、理解和预测方法，能准确及时地掌握城市轨道交通车站安全态势，为制定合理有效的决策提供支持；实现对已有知识中获取的经验进行自我推理，增强对乘客的安全防护能力；对城市轨道交通车站的相关安全变量的获取、理解，并预测将来的安全态势，指导车站采取有效措施保障乘客的出行安全。
【IPC分类】G06Q50-26, G06Q10-04
【公开号】CN104732286
【申请号】CN201310705587
【发明人】袁敏正, 刘靖, 李军, 冯国冠, 罗凤霞, 俞军燕, 李海玉, 李秋明, 刘兰, 曾刚, 冒玲丽
【申请人】广州市地下铁道总公司
【公开日】2015年6月24日
【申请日】2013年12月19日