基于BIM-GIS集成的地铁应急疏散方法研究

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:ytx45
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着地铁在各大城市交通系统中扮演越来越重要的角色,地铁的安全问题也越来越突出。地铁车站的疏散能力是一项重要的研究内容。目前的地铁车站疏散模拟仅考虑单站点疏散,且仅考虑站内空间。然而地铁车站疏散与站外交通环境关系紧密,且突发事件往往涉及沿线多个车站,是个站内与站外结合的多尺度问题。据此,本研究结合建筑信息模型(Building Information Modeling,BIM)技术与地理信息系统(Geographic Information System,GIS)技术,分析地铁车站疏散问题。首先,针对地铁车站人流量大且与站外交通关系紧密的特点,本研究使用基于宏观人群流量的网络模型作为疏散模拟的基础。分析地铁车站的内部空间格局与疏散路径环节,构建地铁车站的疏散路径网络。利用地铁车站BIM模型,从其工业基础类(Industry Foundation Classes,IFC)数据中提取几何与属性信息,自动生成信息丰富且支持多功能分析的疏散路径网络。其次建立基于边的动态网络疏散模型,以疏散路径网络为载体,以宏观的人群流量按时间步迭代运行,动态、精确模拟人群疏散全过程,并支持灾害场景的动态变化。然后使用动态网络疏散模型对实际案例模拟分析。并结合城市路网GIS数据,进行站内外联合疏散模拟,并考虑应急公交接驳的影响。分析站外拥挤人群对站内疏散的实际影响,提出考虑公交应急接驳的地铁车站站内外联合疏散模拟的必要性。最后提出“换线接驳”方式,利用GIS路网分析方法规划应急公交接驳的路径,使用公交将疏散人群接驳至附近正常地铁站,并使疏散人群利用正常的地铁线路迂回继续出行,使社会损失最小化。本研究结合BIM与GIS,采用网络模型,从疏散模拟、站内外相互影响、应急公交接驳等方面研究地铁车站的应急疏散方法的关键问题,全面探讨地铁车站的疏散问题,为构建多尺度、全过程的地铁应急疏散分析方法提供重要参考。
其他文献
近年来,贵州职业教育在国家政策的支持下,取得了较快发展,同时也还存在一定的问题。对贵州省高等职业教育的发展现状和问题进行分析,提出了关于高等职业院校教育改革的几点思考。
小麦生育后期,是指小麦从抽穗开花,历经灌浆到小麦成熟收获这一段时间,约40d左右,时间虽短,但却是小麦产量形成的关键时期。因此,搞好小麦后期的田间管理,增加穗粒数,提高粒
随着国际贸易的发展,越来越多的国家受益于经济全球化,对外贸易蒸蒸日上,经过多年的贸易谈判,各国的贸易制度逐渐开放,关税水平已经大幅度的降低,通过调节关税促进国际贸易发
目标跟踪任务是计算机视觉中一个非常重要的研究课题,作为一门交叉了图像处理,信号处理,机器学习,最优化理论,人工智能等多方向的综合学科,近年来在学术界和工业界得到了广泛研究,但是由于目标跟踪算法本身的实现难度高,高质量数据缺失,取得的进展要慢于目标检测,语义分割等更加基础的视觉任务。目标跟踪技术在民用和国防领域应用广泛,是视频监控,城市安防,医学诊断,无人驾驶等概念的关键技术之一。基于深度神经网络的
<正>近年来,上海高中生涯辅导在促进每一个学生的终身发展的需求和高考改革背景下,在上海市教育委员会的统筹下,得以大规模地推进。本文在上海高中226所学校全样本调查的基础
随着信息时代的发展和编程技术的普及,搜索引擎成为了使用互联网的常用工具。搜索引擎大多使用爬虫技术作为核心模块,通过关键词返回用户查询的结果。但是网络信息呈现爆炸式的增长,使得信息的查找和定位也变得困难。为解决上述困境,研究借助Python和Scrapy语言框架基础,以“旅游网站”为爬取目标,通过分析当前现有Web crawler的运行机理、功能单元以及算法程序,试探性的创建一个针对性比较强的网络爬
目标检测是计算机视觉研究中的一个经典任务,有许多重要应用如自动驾驶,安全监控等。目标检测旨在在图像或视频序列中定位出感兴趣的目标并进行分类。得利于深度学习在目标检测领域取得的巨大的成功,各种基于深度学习模型的目标检测算法不断涌现,极大地推动了该领域的发展,当前目标检测中主流的算法都是基于深度学习技术。但用来训练深度学习网络的数据往往面临着类不平衡问题,即某些类别的样本数量远远大于其他类别的样本数量