一种基于BIM模型的地铁系统多灾害耦合分析方法与流程

本发明涉及城市地下空间多灾害耦合分析领域，尤其涉及一种基于bim模型的地铁系统多灾害耦合分析方法。
背景技术：
：城市地下空间是一种规模大、功能多、设计复杂的城市综合体，其往往需要承担人防、商业、交通、设备以及停车等多项功能，除此之外，城市地下空间还有促进商业发展、缓解城市热岛效应等生态问题的作用，因此，经过合理的开发规划的城市地下空间对解决城市人口、资源、环境等问题具有重大意义。然而，城市地下空间处于地下，除了受水文地质条件影响较大之外，还存在受力复杂、开发技术不成熟、运营管理技术不完善等诸多问题，并且易受到断电、暴雨、洪涝、火灾等多种灾害的影响。同时，地下空间的关键设备，如电扶梯、闸门、接触网、轨道等，均可能在灾害的作用下失效，导致安全系统的崩溃。目前相关灾害的防治、预测分析方法不多，已有的对地下空间的灾害研究的结果以对火灾的研究居多，对人员流动、水灾、设备故障、地震等灾害的研究相对较少。且现有的对地下空间的灾害研究方法没有考虑到地下空间系统的空间相关性和构件之间的功能相关性，因此现有技术还有待于改进和发展。技术实现要素：鉴于上述现有技术的不足，本发明的目的在于提供一种基于bim模型的地铁系统多灾害耦合分析方法，旨在当地铁系统受到灾害作用时，如何全面预测灾害对地铁系统的影响，从而为抢险救灾提供数据支撑。本发明的技术方案如下：一种基于bim模型的地铁系统多灾害耦合分析方法，其中，包括步骤：获取实时监测数据，当所述实时监测数据超出监测阈值，根据超出阈值的实时监测数据确定灾害类型，并判断所述灾害是否存在路径；当所述灾害存在路径，根据所述实时监测数据、建筑结构信息以及灾害起点位置，通过路径预测模型确定最大概率移动路径以及移动路径最大概率值；当所述最大概率移动路径经过第一设备的预设受灾影响范围内，根据所述移动路径最大概率值以及第一设备信息，通过关键设备失效模型确定第一设备的第一失效概率；当所述第一设备的第一失效概率超过失效概率规定阈值，根据所述最大概率移动路径和第二设备信息，确定第二设备的第二失效概率，其中，所述第二设备与所述第一设备具有功能关联性；根据失效引发率以及所述第二设备的第二失效概率，通过多灾害耦合概率预测模型，确定第二设备的耦合失效概率；其中，所述失效引发率为所述第一设备失效后导致第二设备失效的引发率。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述获取实时监测数据之前，还包括：根据所述bim模型提取地铁系统的bim模型信息，其中，所述bim模型信息包括设备信息、位置信息以及建筑结构信息；获取未发生灾害时的环境监测数据，将所述bim模型信息与所述环境监测数据进行匹配，并确定所述监测阈值。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述根据所述实时监测数据、建筑结构信息以及灾害起点位置，通过路径预测模型确定最大概率移动路径以及移动路径最大概率值的步骤包括：根据所述实时监测数据、建筑结构信息以及灾害起点位置，预测所述灾害的多个移动路径；根据所述多个移动路径的出现频次和所有路径的总频次，确定各个移动路径的发生概率值；根据所述各个移动路径的发生概率值，确定移动路径最大概率值以及所述移动路径最大概率值对应的最大概率移动路径。其中，所述多个移动路径的出现频次和所有路径的总频次通过所述bim模型获取。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述移动路径为：其中，xn(t)，yn(t)，zn(t)分别为第n条移动路径在t时间点的三维坐标分量；所述移动路径的发生概率值为：其中，an表示考虑多种工况下路径sn出现的频次，a表示多种工况下所有路径出现的总频次。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，根据所述移动路径最大概率值以及第一设备信息，通过关键设备失效模型确定第一设备的第一失效概率的步骤包括：根据所述第一设备信息，确定第一设备的失效概率密度函数；根据所述失效概率密度函数以及所述移动路径最大概率值，确定第一设备的第一失效概率。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述失效概率密度函数为：其中，tmax表示设备在灾害作用下能正常运行的最长时间；t表示设备受到灾害影响的时间，k表示设备的单位时间劳损故障概率，系数a、b、c根据所述第一设备信息通过多项式拟合得到。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述根据所述最大概率移动路径和第二设备信息，确定第二设备的第二失效概率的步骤包括：当所述最大概率移动路径经过第二设备的预设受灾影响范围内，根据所述移动路径最大概率值以及第二设备信息，通过关键设备失效模型确定第二设备的第二失效概率；当所述最大概率移动路径未经过第二设备的预设受灾影响范围内，根据第二设备信息，通过关键设备失效模型确定第二设备的第二失效概率。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，还包括：当所述灾害不存在路径，判断所述第一设备和第二设备是否失效，其中，所述第二设备与所述第一设备具有功能关联性；当所述第一设备失效且第二设备未失效，根据失效引发率以及第二设备信息，通过多灾害耦合概率预测模型，确定第二设备的耦合失效概率。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述失效引发率为：其中，jij表示第一设备失效与第二设备失效的共现率，n表示时间跨度，ti表示第一设备失效后的时间。所述的基于bim模型的地铁系统多灾害耦合分析方法，其中，所述第二设备的耦合失效概率的公式为：pji＝1-(1-pj)(1-p′j)其中，pj表示第二设备的第二失效概率，p′j表示失效引发率。有益效果：本发明通过从bim模型中提取地铁系统中的各项信息，采用了路径预测模型预测了灾害的发展路线，采用关键设备失效模型结合路径预测模型，判断地铁系统的关键设备受到单灾害影响的失效概率，采用失效引发率预测具有功能相关性的关键设备在灾害作用下相互影响导致失效的概率，采用多灾害耦合概率预测模型预测次生灾害作用下对关键设备的失效概率。本发明考虑了地铁系统的空间和功能相关性，适合对多种灾害类型以及由单灾害衍生为多灾害的情况进行预测分析，有利于增强对灾害实际情况的描述的准确性，对制定人员群众的疏散、逃生路线规划以及灾情的控制等多方面实施方案提供可靠的数据支撑。附图说明图1为本发明基于bim模型的地铁系统多灾害耦合分析方法的第一流程图。图2为本发明基于bim模型的地铁系统多灾害耦合分析方法的第二流程图。图3为本发明基于bim模型的地铁系统多灾害耦合分析方法的地铁模型；其中深色电梯表示选中，箭头表示灾害可能移动的路径方向。图4为本发明基于bim模型的地铁系统多灾害耦合分析方法的第一失效概率的概率密度函数。图5为本发明基于bim模型的地铁系统多灾害耦合分析方法的概率密度函数对应的失效概率。具体实施方式本发明提供一种基于bim模型的地铁系统多灾害耦合分析方法，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。现有的对城市地下空间发生灾害的分析方法中，未考虑灾害导致局部关键设备的失效对其余关键设备的影响；灾害预测分析时仅考虑建筑物完全静止状态，即建筑物所有受力构件、设备、装饰等均不受影响，但实际上建筑物受灾范围内的全部物件都会受到不同程度的影响，因此逃生路线的规划分析存在一定概率错误的情况；现有的灾害的预测通常是在单种灾害的作用下进行的，而不考虑在多灾害的同时作用下进行。例如火灾导致供电系统的破坏，造成局部乃至全部区域因停电而导致电力电子设备瘫痪，在多灾害的耦合作用下对人员的疏散、逃生路线规划、灾情的控制等方面都增加了难度；分析的灾害类别单一，大多数研究以火灾为研究影响对象，对于其他灾害类型的研究较少。本发明提供一种基于bim模型的地铁系统多灾害耦合分析方法，请参见图1和图2，所述地铁系统多灾害耦合分析方法包括步骤：s10、获取实时监测数据，当所述实时监测数据超出监测阈值，根据超出阈值的实时监测数据确定灾害类型，并判断所述灾害是否存在路径。具体地，本发明中对地铁系统进行bim设计，建立地铁系统的bim模型，实现地铁系统的全部建筑与结构的三维模型建立，所述bim模型中存储有关地铁系统的所有建筑结构、设备信息以及这些建筑结构和设备的位置信息，并确定判断灾害发生的监测阈值。所述实时监测数据包括多种环境数据，如监测位置的温度、湿度、风速、烟浓度等。由于不同的灾害导致环境的变化不同，因此根据对比各实时监测数据中的部分监测数据是否超过对应的阈值，可以确定发生的灾害类型，例如当湿度超过阈值，可判断为水灾，根据灾害类型可判断灾害是否存在路径。在一种实现方式中，所述获取实时监测数据之前，还包括步骤：a1、根据所述bim模型提取地铁系统的bim模型信息，其中，所述bim模型信息包括设备信息、位置信息以及建筑结构信息；a2、获取未发生灾害时的环境监测数据，将所述bim模型信息与所述环境监测数据进行匹配，确定所述监测阈值。具体地，在整个系统开始运行监控之前，还要将bim模型信息与正常环境的监测数据进行匹配，以确定监测阈值。根据bim模型，将地铁系统中的建筑与结构的信息进行提取，例如所有构件的三维位置坐标、尺寸、防水性、耐火性等信息，并获取未发生灾害的情况下获取环境监测数据，与bim模型信息进行匹配，例如监测位置的温度对应相同位置的构件的温度，同时链接相关的防火性指标等。将环境监测数据作为历史数据以及监测阈值的参考值，以确定监测阈值，同时监测阈值也可以根据历史数据来进行调整。s20、当所述灾害存在路径，根据所述实时监测数据、建筑结构信息以及灾害起点位置，通过路径预测模型确定最大概率移动路径以及移动路径最大概率值。具体地，当所述灾害存在路径，说明灾害会通过路径蔓延至其他地方，通过预测出最大可能蔓延的路径，可以提前，在相关路径上做好防灾准备，减少灾害的蔓延。所述灾害起点位置指的是当监测到实时监测数据超过对应阈值时，从bim模型中提取的监测点位置。建筑结构信息是从bim模型中提取与地铁系统各结构相关的信息，如墙体、楼板及其尺寸、材质等。路径预测模型是根据与灾害相关的实时监测数据、bim模型中的构件信息以及灾害起点位置，对可能的灾害移动路径进行拟合，并计算出移动路径的发生概率，确定最大概率移动路径以及移动路径最大概率值。进一步，所述步骤s20具体包括：s21根据所述实时监测数据、建筑结构信息以及灾害起点位置，预测所述灾害的多个移动路径；s22根据所述多个移动路径的出现频次和所有路径的总频次，确定各个移动路径的发生概率值；s23根据所述各个移动路径的发生概率值，确定移动路径最大概率值以及所述移动路径最大概率值对应的最大概率移动路径。具体地，根据实时监测数据、建筑结构信息以及灾害起点位置，对灾害可能蔓延的移动路径进行拟合，拟合的方式可以是线性拟合、多项式拟合或三角函数拟合，所述移动路径的曲线方程为：其中，xn(t)，yn(t)，zn(t)分别为第n条移动路径在t时间点的三维坐标分量。对于各个路径的发生概率值，采用多种工况下的路径出现频次进行计算，路径出现频次是根据具体的灾害类型和bim模型提供的信息。所述移动路径的发生概率值为：其中，an表示考虑多种工况下路径sn出现的频次，a表示多种工况下所有路径出现的总频次。比较每个路径发生的概率值，确定移动路径最大概率值以及所述移动路径最大概率值对应的最大概率移动路径。s30、当所述最大概率移动路径经过第一设备的预设受灾影响范围内，根据所述移动路径最大概率值以及第一设备信息，通过关键设备失效模型确定第一设备的第一失效概率。具体地，根据最大概率移动路径以及预设受灾影响范围判断第一设备是否受到灾害的影响。预设受灾影响范围指的是设备周长外一定的长度范围，若最大概率路径经过所述长度范围内，则灾害对设备造成影响，若最大概率路径经过所述长度范围内，则认为灾害对设备没有影响，所述预设受灾影响范围可根据灾害类型、设备类型、设备功能信息等进行预设。当所述最大概率移动路径经过第一设备的预设受灾影响范围内，则判断第一设备直接受到灾害的影响。第一失效概率指的是设备只受到单灾害的影响的失效概率。步骤s30具体包括：s31、根据所述第一设备信息，确定第一设备的失效概率密度函数；s32、根据所述失效概率密度函数以及所述移动路径最大概率值，确定第一设备的第一失效概率。具体地，通过bim模型提取第一设备信息，其中，第一设备信息包括了设备的功能信息、故障维修、设备劳损失效概率等与第一设备相关的信息，根据第一设备的第一失效概率计算的需要从bim模型中对应提取。设备劳损故障概率体现了设备的劳损程度，需要根据设备实际使用时间综合考虑，假设因劳损引起设备故障的概率是关于时间的函数，设备劳损失效概率表示为：p＝kt其中，k表示劳损故障系数，t表示设备的使用时间。根据第一设备信息拟合出第一失效概率的概率密度函数，函数拟合方式可采用多项式拟合或三角函数拟合。在一种具体的实现方式中，请参见图4和图5，采用多项式拟合得到第一失效概率的概率密度函数，为：其中，tmax表示设备在灾害作用下能正常运行的最长时间；t表示设备受到灾害影响的时间，系数a、b、c根据所述第一设备信息通过多项式拟合得到。将得到的概率密度函数进行积分得到其对应的失效概率：其中，a、b、c分别为f(t)经积分后a、b、c对应的系数。结合移动路径最大概率值，最终得到第一设备的第一失效概率为：pi＝p·ps,max，其中，ps,max表示移动路径最大概率值。在一种实现方式中，第一设备的第一失效概率未超过失效概率规定阈值，则视为单灾害作用，输出第一设备的第一失效概率即可结束。s40、当所述第一设备的第一失效概率超过失效概率规定阈值，根据所述最大概率移动路径和第二设备信息，确定第二设备的第二失效概率。具体地，通过bim模型找到与第一设备具有功能关联性的第二设备，也就是说，第一设备失效后会对第二设备的正常运行产生影响，当第一设备的第一失效概率超过失效概率规定阈值，可能对第二设备造成影响。要得到第二设备的最终的耦合失效概率，还要得到第二设备的第二失效概率。而第二失效概率需要根据第二设备不同的受灾情况来判断计算方式，具体地，当所述最大概率移动路径经过第二设备的预设受灾影响范围内，则第二设备也受到了灾害的直接影响，此时根据所述移动路径最大概率值以及第二设备信息，通过关键设备失效模型确定第二设备的第二失效概率，当所述最大概率移动路径未经过第二设备的预设受灾影响范围内，则第二设备未受到灾害的直接影响，此时根据第二设备信息，通过关键设备失效模型确定第二设备的第二失效概率，其中，第二设备信息包括了设备的功能信息、故障维修、设备劳损失效概率等与第二设备相关的信息，根据第二设备的第二失效概率计算的需要从bim模型中对应提取。s50、根据失效引发率以及所述第二设备的第二失效概率，通过多灾害耦合概率预测模型，确定第二设备的耦合失效概率。具体地，根据第二设备的第二失效概率和第一设备对第二设备的失效引发率，综合分析第二设备受到的灾害影响，得到第二设备的耦合失效概率。失效引发率指的是所述第一设备失效后导致第二设备失效的引发率，其计算公式为：其中，jij表示第一设备失效与第二设备失效的共现率，n表示时间跨度，ti表示第一设备失效后的时间。所述共现率采用jaccard指数表示为：其中，cij表示第一设备失效和事件第二设备同时失效的共现频次，ci表示第一设备失效的频次，cj表示第二设备失效的频次，所述共现频次和频次均需要在前期通过获取大量调研数据进行统计。本实施例的多灾害耦合概率预测模型考虑到第二设备的多灾害耦合影响，则第二设备的耦合失效概率的计算方式为：pji＝1-(1-pj)(1-p′j)其中，pj表示第二设备的第二失效概率，p′j表示失效引发率。在一种实现方式中，所述地铁系统多灾害耦合分析方法还包括：s61、当所述灾害不存在路径，判断所述第一设备和第二设备是否失效，其中，所述第二设备与所述第一设备具有功能关联性；s62、当所述第一设备失效且第二设备未失效，根据失效引发率以及所述第二设备信息，通过多灾害耦合概率预测模型，确定第二设备的耦合失效概率。具体地，当步骤s10中确定的灾害类型不存在路径，则判断第一设备和第二设备是否失效，当第一设备和第二设备同时失效，则第一设备和第二设备的最终失效概率都为1，当第一设备失效而第二设备未失效，则进入步骤s50，此时多灾害耦合概率预测模型的第二设备的耦合失效概率的计算公式中，第二设备的第二失效概率pj指的就是第二设备的设备劳损失效概率，根据失效引发率以及第二设备的设备劳损失效概率，得到第二设备的耦合失效概率，其中第二设备的设备劳损失效概率是根据第二设备信息得到。举例来说，请参见图3，假设在bim模型中，两个选中的电梯位置和监测到的灾害的起始位置的坐标分别如表1所示：表1电梯与灾害起点位置坐标分量xyz电扶梯134.282114.49917845-16.5688电扶梯250.9685-51.9791407-16.65891638灾害起点35.116411.1752625-16.57330582假设此时受到的灾害为水灾，水灾存在移动路径，通过路径预测模型得到最大概率移动路径以及移动路径最大概率值如表2所示：表3最大概率移动路径信息以离灾害起点最近的电扶梯1为例，通过关键设备失效模型得到电扶梯1的受灾影响信息如表4-1和4-2所示：表4-1电扶梯1受灾影响信息表表4-2电扶梯1受灾影响信息表其中，设备劳损失效概率p假设为10％。以电扶梯2受到电扶梯1的故障影响为例，通过关键设备失效模型和多灾害耦合概率预测模型得到电扶梯2的受灾影响信息如表5-1和5-2所示：表5-1电扶梯2受灾影响信息表表5-2电扶梯2受灾影响信息表与现有技术相比，本发明的优点在于：(1)本发明既考虑了地下空间建筑物的空间相关性与功能相关性，也考虑了多灾害耦合关系对建筑物的影响，同时结合bim模型能更加直观对受灾情况将数据与及实际监控进行对比。(2)对灾害的预测以发生概率作为最终结果，灾害的预测分析不再将建筑物视为整体静止状态，而是将地下空间内的各设备均视为可能受灾对象，最终得到设备的不同受灾情况的影响概率，并以实时同步的预测数据作为逃生安全路线规划、抢险救灾方式的选择依据。(3)考虑了在多灾害耦合情况下的分析，有利于增强对灾害实际情况的描述的准确性，对人员群众的疏散、逃生路线的规划以及灾情的控制等多方面实施方案的可靠性。(4)本发明不再局限单一的灾害类型，可适用于多种灾害类型以及由单灾害衍生为多灾害的情况。综上所述，本发明通过从bim模型中提取地铁系统中的各项信息，采用了路径预测模型预测了灾害的发展路线，采用关键设备失效模型结合路径预测模型，判断地铁系统的关键设备受到单灾害影响的失效概率，采用失效引发率预测具有功能相关性的关键设备在灾害作用下相互影响导致失效的概率，采用多灾害耦合概率预测模型预测次生灾害作用下对关键设备的失效概率。本发明考虑了地铁系统的空间和功能相关性，适合对多种灾害类型以及由单灾害衍生为多灾害的情况进行预测分析，有利于增强对灾害实际情况的描述的准确性，对制定人员群众的疏散、逃生路线规划以及灾情的控制等多方面实施方案提供可靠的数据支撑。应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。当前第1页12