封闭场所作为文娱活动,体育盛事等大型活动的载体,在日常生活中发挥着重要作用,但由封闭场所中密集人群引发的安全问题也越来越严峻,如何对封闭场所中密集人群踩踏风险进行识别量化并实时监测预警,防止踩踏事件发生成为众多学者研究的内容,本文基于此,重点研究以下内容。首先,对统计的踩踏事故进行分析完成了对人群踩踏风险分析和识别,明确事故发生原因、机理、特征。通过事故发生机理确定预警的阶段,并以事故成因为基础,构建了人群拥挤踩踏故障树并对故障树进行定性分析,识别出关键风险因子并针对事故成因提出防范性措施。其次,根据识别出的关键风险因子选取动态指标,分别是人数、密度、速度。考虑用人群内部挤压力来衡量密集人群风险,并将最大挤压力量化为人数、密度、速度的定量关系。密集人群内部最大挤压力量化过程为:对社会力模型进行调整并结合颗粒流理论,在颗粒流分析软件PFC2D里搭建场景进行实验,首先,搭建疏散实验验证场景来验证社会力模型和软件的有效性,通过观察疏散时不同期望速度和疏散时间曲线以及仿真过程中的人群分布和受力状态来确定仿真模型和软件有效。其次,搭建场景进行不同条件的数值实验,输出人群最大挤压力时变图,通过输出的数据完成量化,拟合得到了人群最大挤压力和人数、密度、速度的定量关系,拟合度为0.972706。同时,完成了对不同位置人群运动状态的研究,发现在疏散过程中,对称位置分布的人群具有相似的运动属性,靠近墙壁两侧的人疏散时间最长、受力最大、疏散最危险。最后依据当前对人群受力阈值和持续时间关系将密集人群踩踏风险划分为四个等级,结合最大挤压力量化公式,构建了FNSD预警模型,达到中等风险时FNSD模型预警并开展疏散工作。最后,利用北京回龙观地铁站数据,通过建立的小波神经网络对预警模型有效性进行验证,以5分钟为时间间隔,进行700次FNSD预警模型预测踩踏风险实验,结果表明;FNSD预警模型正确预测风险等级次数为623次,模型预测风险等级准确率指标达到89%,在实际中可以用来对密集人群踩踏风险进行实时监测和预警,对于交通场站和场馆类场所防止踩踏事件发生具有重要作用。