基于颗粒流动态仿真的城轨车站客流风险辨识方法及系统

1.本发明涉及城市轨道交通运营维护技术领域，具体涉及一种基于颗粒流动态仿真的城轨车站客流风险辨识方法及系统。


背景技术：

2.城市轨道交通车站内乘客短时间的聚集加剧了乘客间的相互影响，增加了各设备设施的负荷强度，对城轨车站的正常运营以及乘客的安全都造成了极大影响，因此及时准确的对车站客流进行风险辨识，对客流风险演化机理及评估方法进行研究，进而有针对性的执行合理有效的风险管控措施，是城轨运营安全管理的当务之急。然而，不同风险场景下不同时刻的城轨车站客流风险特征及风险点不尽相同，面对车站客流动态风险，当前相关管理部门更多是采用基于主观经验的客流管控措施，缺乏理论依据的支撑。
3.目前对车站客流风险大多集中在事故发生机理、风险影响因素等方面，量化评价主要通过客流密度进行衡量，但关于客流密度阈值却没有一个明确的划分依据。由于客流高度聚集是城轨车站客流风险产生的根本原因之一，而目前被广泛应用的客流仿真技术在进行高密度客流仿真时均具有一定的局限性和不足，颗粒离散单元法与社会力模型结合的方法为解决此问题提供了良好的思路。其次，高聚集客流不一定会引发拥挤踩踏等客流事故，客流内部乘客互相推挤导致乘客个体受力不稳而跌倒或挤压致伤等事件的发生才是客流事故的真正诱因。因此，人群受力是刻画客流风险的重要依据。


技术实现要素：

4.本发明的目的在于提供一种基于颗粒流动态仿真的城轨车站客流风险辨识方法及系统，以解决上述背景技术中存在的至少一项技术问题。
5.为了实现上述目的，本发明采取了如下技术方案：
6.一方面，本发明提供一种基于颗粒流动态仿真的城轨车站客流风险辨识方法，包括：
7.以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
8.根据待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风险动态仿真；
9.根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
10.根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
11.优选的，以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵，包括：
12.确定挤压力等级划分区间与持续时间划分区间；
13.确定城市轨道交通车站客流风险测度，即风险与挤压力及持续时间两个度量指标的关系式，表示如下：
14.r＝f(f,t)；
15.其中，r为客流风险；f为客流内部挤压力；t为挤压力持续时间；
16.根据实际需求，确定城市轨道交通车站客流风险划分等级数目n；
17.对风险矩阵单元格进行等级划分，构建城市轨道交通客流风险矩阵。
18.优选的，对风险矩阵单元格进行等级划分，构建城市轨道交通客流风险矩阵，包括：
19.对风险矩阵全部单元格依次进行编号，计算两两单元格间的概率比较值，然后计算单元格间相似性测度值，获得单元格间初始相似度矩阵；
20.获取单元格间相似性测度最小值，将其对应的两个单元格聚为一个新类；
21.依次在初始相似度矩阵中获取最小值，若其对应的单元格已合并为一类，则继续获取下一个最小值；若其对应的单元格分别属于两个类别，则计算其类间相似性测度，重复计算，直至大于之前所获得的类间相似性测度值，则将其对应的两类聚为一个新类。
22.优选的，获取待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，包括：
23.获取待仿真区域几何数据；
24.构建乘客物理实体模型，包括乘客个体空间模型与乘客接触模型；
25.根据待仿真场景，分析乘客受力与运动特征，构建乘客运动模型；
26.其中，利用颗粒流软件pfc中命令语句与内置fish语言编写实现上述步骤，包括墙体边界的生成、乘客属性设定与乘客受力函数定义，计算乘客所受合力，乘客在各种力的作用下开始移动并产生接触，实现城市轨道交通车站客流局部风险动态仿真。
27.优选的，通过改变待仿真场景下客流初始密度、初始速度等参数，记录不同初始条件下客流内部挤压力随时间变化的值，通过函数拟合的方式建立最大挤压力及各等级区间挤压力持续时间比例与客流初始密度、客流初始速度宏观客流参数的关系。
28.优选的，获取客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级，包括：
29.以一定时间间隔获取车站区域需要的相应基础客流数据；
30.通过拟合函数计算间隔时段客流最大挤压力，若客流最大挤压力超出挤压力最大区间范围，直接定为最高风险等级；若未超过，则根据拟合的各区间挤压力持续时间比例函数计算该时间段小于该力以及该力从属区间的持续时间；
31.计算统计时段内，各挤压力区间的累计持续时间，分别对应风险矩阵得到相应风险等级，最后以最大风险等级为准。
32.第二方面，本发明提供一种基于颗粒流动态仿真的城轨车站客流风险辨识系统，包括：
33.第一构建模块，用于以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
34.仿真模块，用于根据待仿真区域的几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风
险动态仿真；
35.第二构建模块，用于根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
36.计算模块，用于根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
37.第三方面，本发明提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的基于颗粒流动态仿真的城轨车站客流风险辨识方法。
38.第四方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现如上所述的基于颗粒流动态仿真的城轨车站客流风险辨识方法。
39.第五方面，本发明提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的基于颗粒流动态仿真的城轨车站客流风险辨识方法的指令。
40.本发明有益效果：从人群受力角度入手，引入颗粒流理论，并利用专业颗粒流软件pfc2d对车站客流局部风险进行动态仿真，建立微观层面乘客接触受力与宏观交通特征参数之间的关系；考虑客流动态变化特征，建立了各等级区间挤压力持续时间比例与宏观交通特征参数间的关系；以挤压力与持续时间为客流风险评价指标，根据基于层次聚类思想构建得到的客流风险矩阵进行客流风险分级，有效实现城市轨道交通客流局部风险的量化评价，可为车站客流风险分级预警及客流管控措施的制定提供理论依据。
41.本发明附加方面的优点，将在下述的描述部分中更加明显的给出，或通过本发明的实践了解到。
附图说明
42.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1为本发明实施例所述的基于颗粒流动态仿真的城市轨道交通车站客流局部风险辨识方法的实施流程图。
44.图2为本发明实施例所述的城市轨道交通车站客流风险矩阵编号示意图。
45.图3为本发明实施例所述的城市轨道交通车站客流风险矩阵图。
46.图4为本发明实施例所述的连廊瓶颈区域场景示意图。
47.图5为本发明实施例所述的连廊瓶颈区域客流仿真过程截图。
48.图6为本发明实施例所述的城市轨道交通车站客流局部风险辨识模型算法流程图。
具体实施方式
49.下面详细叙述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
50.本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
51.还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
52.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
53.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
54.为便于理解本发明，下面结合附图以具体实施例对本发明作进一步解释说明，且具体实施例并不构成对本发明实施例的限定。
55.本领域技术人员应该理解，附图只是实施例的示意图，附图中的部件并不一定是实施本发明所必须的。
56.实施例1
57.本实施例1提供一种基于颗粒流动态仿真的城轨车站客流风险辨识系统，包括：
58.第一构建模块，用于以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
59.仿真模块，用于根据待仿真区域的几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风险动态仿真；
60.第二构建模块，用于根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
61.计算模块，用于根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
62.本实施例1中，利用上述的系统，实现了基于颗粒流动态仿真的城轨车站客流风险辨识方法，包括：
63.以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
64.根据待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件
pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风险动态仿真；
65.根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
66.根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
67.以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵，包括：
68.确定挤压力等级划分区间与持续时间划分区间；
69.确定城市轨道交通车站客流风险测度，即风险与挤压力及持续时间两个度量指标的关系式，表示如下：
70.r＝f(f,t)；
71.其中，r为客流风险；f为客流内部挤压力；t为挤压力持续时间；
72.根据实际需求，确定城市轨道交通车站客流风险划分等级数目n；
73.对风险矩阵单元格进行等级划分，构建城市轨道交通客流风险矩阵。
74.对风险矩阵单元格进行等级划分，构建城市轨道交通客流风险矩阵，包括：
75.对风险矩阵全部单元格依次进行编号，计算两两单元格间的概率比较值，然后计算单元格间相似性测度值，获得单元格间初始相似度矩阵；
76.获取单元格间相似性测度最小值，将其对应的两个单元格聚为一个新类；
77.依次在初始相似度矩阵中获取最小值，若其对应的单元格已合并为一类，则继续获取下一个最小值；若其对应的单元格分别属于两个类别，则计算其类间相似性测度，重复计算，直至大于之前所获得的类间相似性测度值，则将其对应的两类聚为一个新类。
78.获取待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，包括：
79.获取待仿真区域几何数据；
80.构建乘客物理实体模型，包括乘客个体空间模型与乘客接触模型；
81.根据待仿真场景，分析乘客受力与运动特征，构建乘客运动模型；
82.其中，利用颗粒流软件pfc中命令语句与内置fish语言编写实现上述步骤，包括墙体边界的生成、乘客属性设定与乘客受力函数定义，计算乘客所受合力，乘客在各种力的作用下开始移动并产生接触，实现城市轨道交通车站客流局部风险动态仿真。
83.通过改变待仿真场景下客流初始密度、初始速度等参数，记录不同初始条件下客流内部挤压力随时间变化的值，通过函数拟合的方式建立最大挤压力及各等级区间挤压力持续时间比例与客流初始密度、客流初始速度宏观客流参数的关系。
84.获取客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级，包括：
85.以一定时间间隔获取车站区域需要的相应基础客流数据；
86.通过拟合函数计算间隔时段客流最大挤压力，若客流最大挤压力超出挤压力最大区间范围，直接定为最高风险等级；若未超过，则根据拟合的各区间挤压力持续时间比例函数计算该时间段小于该力以及该力从属区间的持续时间；
87.计算统计时段内，各挤压力区间的累计持续时间，分别对应风险矩阵得到相应风
险等级，最后以最大风险等级为准。
88.实施例2
89.本实施例2中，提供了一种基于颗粒流动态仿真的城轨车站客流局部风险辨识方法，具体包括以下步骤：
90.s1：以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
91.s2：获取待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型；
92.s3：根据仿真结果建立客流内部最大挤压力及各等级区间挤压力持续时间比例与客流初始密度、初始速度等宏观客流参数的关系；
93.s4：获取客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
94.所述s1包括：
95.s11：确定挤压力等级划分区间与持续时间划分区间；
96.s12：确定城市轨道交通车站客流风险测度，即风险与挤压力及持续时间两个度量指标的关系式，表示如下：
97.r＝f(f,t)
ꢀꢀꢀꢀ
(1)
98.其中，r为客流风险；f为客流内部挤压力；t为挤压力持续时间。
99.s13：根据实际需求，确定城市轨道交通车站客流风险划分等级数目n；
100.s14：对风险矩阵单元格进行等级划分，构建城市轨道交通客流风险矩阵。
101.所述s14具体包括：
102.s141：对风险矩阵全部单元格依次进行编号，计算两两单元格间的概率比较值，然后根据下式计算单元格间相似性测度值，获得单元格间初始相似度矩阵。
103.d
ab
＝|p(ra＞rb)-0.5|,(a∈a,b∈b)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
104.其中，单元格间概率比较值p(ra＞rb)通过蒙特卡洛模拟方法获取。首先定义计数变量count，然后在两个相比单元格a和b中随机生成点a和b，根据相应风险测度比较其风险值r，若ra＞rb，则令count＝count 1，否则不变。在足够多的采样次数nm后，计算count/nm的值，即为单元格a风险等级高于单元b的概率。
105.s142：获取单元格间相似性测度最小值，将其对应的两个单元格聚为一个新类。
106.s143：依次在初始相似度矩阵中获取最小值，若其对应的单元格已合并为一类，则继续获取下一个最小值；若其对应的单元格分别属于两个类别，则根据下式计算其类间相似性测度。
[0107][0108]
其中，n为a类中单元格数目，m为b类中单元格数目。
[0109]
s144：重复s143，每次获取到新的类间相似性测度时，分别比较其与之前所获得的类间相似性测度值的大小，若之前所求的类间相似性测度值较小，则将其对应的两类聚为一个新类；否则继续重复s144。该步骤主要是为了避免单元格间相似性强而所属类间相似
性弱却获得聚类优先级的问题。
[0110]
s145：在s144生成的聚类结果基础上，重复进行s143和s144，直至全部单元格聚为n级。
[0111]
所述s2具体包括：
[0112]
s21：获取待仿真区域几何数据。
[0113]
s22：构建乘客物理实体模型，包括乘客个体空间模型与乘客接触模型。
[0114]
其中，乘客个体空间模型与乘客空间需求相关，本发明将乘客抽象为二维平面上以乘客最大肩宽为直径的圆形颗粒；其次，引入颗粒接触理论，选取hertz-mindlin接触模型刻画乘客间接触行为。
[0115]
s23：根据待仿真场景，分析乘客受力与运动特征，构建乘客运动模型。
[0116]
其中，乘客的运动过程分为主动行为和被动行为，驱动、制动、避让、超越等主动行为通过改进社会力模型实现，乘客间挤压、摩擦等被动行为通过离散接触模型实现。
[0117]
s24：利用颗粒流软件pfc中命令语句与内置fish语言编写实现上述步骤，包括墙体边界的生成、乘客属性设定与乘客受力函数定义，计算乘客所受合力，乘客在各种力的作用下开始移动并产生接触，实现城市轨道交通车站客流局部风险动态仿真。
[0118]
所述s3具体包括：
[0119]
通过改变待仿真场景下客流初始密度、初始速度等参数，记录不同初始条件下客流内部挤压力随时间变化的值，通过函数拟合的方式建立最大挤压力及各等级区间挤压力持续时间比例与客流初始密度、速度等参数的关系式。
[0120]
(1)最大挤压力与初始客流参数的关系
[0121]
获取每组仿真数据中挤压力数据的最大值及相对应的客流初始速度、初始密度等值，对记录的多组数据进行函数拟合，得到最大挤压力与客流初始速度、初始密度的关系。
[0122]
(2)各等级区间挤压力持续时间比例与初始客流参数的关系
[0123]
根据s11中划分的挤压力等级，对仿真数据进行统计分析，计算并记录每组仿真数据中挤压力位于各等级区间的累计时间占总时间的比例，对记录的多组数据进行函数拟合，得到各等级区间挤压力持续时间比例与客流初始速度、初始密度的关系。
[0124]
所述s4具体包括：
[0125]
s41：以一定时间间隔vt获取车站区域需要的相应基础客流数据。
[0126]
s42：通过拟合函数计算vt时段客流最大挤压力f
max
，若客流最大挤压力超出挤压力最大区间范围，直接定为最高风险等级；若未超过，则根据拟合的各区间挤压力持续时间比例函数计算该时间段小于该力以及该力从属区间的持续时间。
[0127]
s43：计算统计时段内，各挤压力区间的累计持续时间，分别对应风险矩阵得到相应风险等级，最后以最大风险等级为准。
[0128]
本实施例2所述的方法，从人群受力角度入手，引入颗粒流理论，并利用专业颗粒流软件pfc2d对车站客流局部风险进行动态仿真，建立微观层面乘客接触受力与宏观交通特征参数之间的关系；且考虑到客流动态变化特征，建立各等级区间挤压力持续时间比例与宏观交通特征参数间的关系。以挤压力与持续时间为客流风险评价指标，根据基于层次聚类思想构建得到的客流风险矩阵进行客流风险分级，有效实现城市轨道交通客流局部风险的量化评价，可为车站客流风险分级预警及客流管控措施的制定提供理论依据。
[0129]
实施例3
[0130]
如图1至图6所示，本实施例3提供一种基于颗粒流动态仿真的城轨车站客流局部风险辨识方法，参见图1，本方法包括以下步骤：
[0131]
s1：以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
[0132]
s2：获取待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型；
[0133]
s3：根据仿真结果建立客流内部最大挤压力及各等级区间挤压力持续时间比例与客流初始密度、初始速度等宏观客流参数的关系；
[0134]
s4：获取客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
[0135]
所述s1具体包括：
[0136]
(1)设定挤压力等级区间为(0,250]，(250,400)，(400,700]，(700,1000]，单位为n；持续时间等级区间为(0,5]，(5,10]，(10,15]，(15,20]，单位为min；
[0137]
(2)城市轨道交通车站客流风险测度为r:[ln(f 1660.03)]
3.17
×
[ln(t 7.28)]
0.43
[0138]
(3)城市轨道交通车站客流风险划分等级数目n＝4；
[0139]
(4)对风险矩阵单元格进行等级划分，构建城市轨道交通客流风险矩阵，具体步骤如下：
[0140]
step1：将所有单元格按照从较短时间到较长时间、较小挤压力到较大挤压力进行编号。该风险矩阵为4
×
4矩阵，所以初始单元格样本量为16。待设计的风险矩阵编号如图2所示。
[0141]
step2：通过蒙特卡洛模拟方法计算两两单元格概率比较值，将其减0.5取绝对值，得到风险矩阵单元格相似度矩阵，部分数据如表1所示。
[0142]
表1单元格相似度矩阵(部分)
[0143][0144][0145]
step3：依次选择相似性测度最小值对应的单元格，通过单元格间相似度与类间相似的比较，不断进行聚类，直至聚为4类，聚类过程如下表所示：
[0146]
表2城轨车站客流风险矩阵聚类过程
[0147][0148]
最终聚类得到的四级风险矩阵如图3所示，单元格内数字为其相应风险等级值：
[0149]
所述s2具体包括：
[0150]
(1)本实施例选取西二旗地铁站连廊与楼扶梯瓶颈口区域进行客流风险动态仿真，该区域几何数据如图4所示。
[0151]
(2)构建乘客物理实体模型，将乘客抽象为二维平面上以乘客最大肩宽为直径的圆形颗粒；其次，引入颗粒接触理论，选取hertz-mindlin接触模型刻画乘客间接触行为。
[0152]
(3)此仿真场景下，乘客受力与运动特征为：
[0153]
1)该场景为单向流场景，乘客由连廊选择自动扶梯或下行楼梯离开，乘客倾向于乘坐扶梯进行换乘，因此，假定所有乘客起初均选择乘坐扶梯，当扶梯入口排队区域范围内客流密度大于一定值时，距离下行楼梯较近的乘客选择从下行楼梯离开；
[0154]
2)连廊区域和下行楼梯区域乘客受自驱力、乘客间作用力以及乘客与墙的作用力。其中，乘客间作用力及乘客与墙间作用力均包括排斥力与接触力，自驱力和排斥力函数通过pfc中fish语言定义，接触力利用pfc软件内置的接触模型进行计算。
[0155]
自驱力及排斥力计算公式如下：
[0156]
自驱力：考虑乘客无法明显看到目标位置时，期望速度受期望运动方向乘客实际速度的影响，计算公式如下。
[0157][0158][0159][0160][0161]
其中，为乘客个体驱动力；mi为乘客i的等效质量；τi为乘客i的反应时间；为t时刻乘客i受其他乘客影响后的期望速度；为t时刻乘客实际速度矢量；v
i0
为乘客i初始期望速度大小；为t时刻乘客期望运动方向；为乘客i的期望目标位置；为乘客i当前实际位置；为乘客i期望方向上其他乘客平均速度，通过乘客i期望方向与乘客i指向其他乘客连线方向夹角判断其他乘客是否位于乘客i期望方向上；p为乘客从众系数，p∈[0,1]，p＝0表示乘客期望速度不受周边乘客影响，p值越大，从众心理越明显；nj表示乘客i改进后影响范围内其他乘客的数量，为零则表示乘客可明显看到目标点，期望速度为初始期望速度，不为零则表示乘客期望速度受影响范围内其他乘客的影响，取值为p0。
[0162]
乘客间排斥力：综合考虑乘客间距、位置关系以及相对速度，改进后乘客i受到乘客j的排斥力表达式如下所示。
[0163][0164][0165][0166][0167]
其中，为乘客j对乘客i排斥力；a为作用力强度；b为作用范围常数；ri、rj分别为乘客i与乘客j颗粒半径；d
ij
为乘客i与j质心距离；为排斥力方向，由乘客j指向乘客i的单位向量；为乘客i与j中心连线与乘客i实际速度方向的夹角；λ为各向异性形式因子，取值范围为[0,1]；为乘客i与乘客j法向速度差，为乘客i与乘客j法向速度差，为乘客i与乘
客j切向速度差，其中为垂直于的单位向量；为乘客i与乘客j的最大速度差值，与乘客的最大速率有关，sn、s
t
分别为法向速度差和切向速度差敏感系数；l为乘客心理需求空间距离。
[0168]
乘客与墙间排斥力：当乘客与墙的间距小于心理需求空间且可能发生碰撞时，乘客才会采取减速制动等方式保持与墙的间距，即墙对乘客产生排斥力，计算公式如下所示。
[0169][0170][0171][0172]
其中，f
iw
(t)
pr
为乘客与墙间排斥力；aw为客与墙心理排斥力强度；bw为乘客与墙排斥力作用范围；ri为乘客i半径；d
iw
为乘客i与墙的最短距离；为乘客i与墙排斥力方向，是由墙指向乘客i且垂直于墙的单位向量。vv
iw
为乘客与墙相对速度差，为乘客与墙相对速度差，为乘客与墙的相对速度差值，即乘客最大速率；sw为速率差敏感系数；lw为乘客与墙心理需求空间距离；δ
iw
为乘客速度方向与乘客指向墙的方向夹角，其余弦值大于0说明乘客具有向墙方向移动的趋势，可能产生排斥力作用，反之无排斥力作用。
[0173]
乘客所受合力为：
[0174][0175]
乘客在上述合力作用下产生位移，实现客流动态仿真，如图6所示。
[0176]
3)自动扶梯区域的乘客无需施加外力，以相同速度随着扶梯匀速向前移动；
[0177]
4)下行楼梯区域与扶梯区域乘客互不影响，即在下行楼梯区域计算乘客间排斥力、周围乘客平均速度等时，不考虑扶梯区域乘客。
[0178]
所述s3具体包括：
[0179]
改变连廊区域客流初始密度、初始速度等参数，记录不同初始条件下连廊与楼扶梯瓶颈口处客流内部挤压力随时间变化的值，通过函数拟合的方式建立最大挤压力及各等级区间挤压力持续时间比例与客流初始密度、速度等参数的关系式。其中，假定乘客生成区域面积一定，如图4所示，通过生成不同数目的颗粒设定初始客流密度；乘客初始速度方向为各乘客初始期望运动方向，假定各乘客初始速度大小相同，即为客流初始速度大小，通过给定不同数值设定初始客流速度。
[0180]
(1)最大挤压力与初始客流参数的关系
[0181]
获取每组仿真数据中挤压力数据的最大值及相对应的客流初始速度、初始密度等值，部分仿真输出结果如表3所示：
[0182]
表3不同初始客流条件下最大挤压力仿真结果(部分)
[0183][0184]
对记录的多组数据进行函数拟合，得到连廊瓶颈区域最大挤压力与客流初始速度、初始密度的关系为：
[0185][0186]
拟合优度r2为0.961467，拟合度较好，可用来描述连廊场景下最大挤压力和初始密度、速度的关系。
[0187]
(2)各等级区间挤压力持续时间比例与初始客流参数的关系
[0188]
根据划分的挤压力等级，对仿真数据进行统计分析，计算并记录每组仿真数据中挤压力位于各等级区间的累计时间占总时间的比例，如表4所示：
[0189]
表4连廊瓶颈区域挤压力持续时间比例统计
[0190][0191]
对记录的多组数据进行函数拟合，得到连廊瓶颈区域各等级区间挤压力持续时间比例与客流初始速度、初始密度的关系。
[0192]
p
f∈(0,250]
＝0.9853-0.0602ρ0ln(ρ0)-0.0516v0ln(v0)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0193][0194]
p
f∈(400,700]
＝-0.0226 0.0018ρ
03
0.0119v
02.5
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0195][0196]
如图6所示，所述s4具体包括：
[0197]
step1：以一定时间间隔vt获取连廊区域客流聚集初始密度与初始速度数据。
[0198]
step2：分别计算每个vt时段客流最大挤压力f
max
，若客流最大挤压力超出挤压力最大区间范围，直接定为最高风险等级；若未超过，则根据拟合的各区间挤压力持续时间比例函数计算该时间段小于该力以及该力从属区间的持续时间。瓶颈区域风险评价指标计算结果如表5所示：
[0199]
表5瓶颈区域客流风险评价指标计算结果
[0200][0201]
step3：计算统计时段内，各挤压力区间的累计持续时间，分别对应风险矩阵得到相应风险等级，结果图表6所示。
[0202]
表6瓶颈区域客流风险等级计算结果
[0203][0204]
以最大风险等级为准，则最终该时段瓶颈区域的客流风险等级为2。
[0205]
综上所述，本实施例以挤压力与持续时间为客流风险指标，并基于层次聚类思想，构建了城市轨道交通车站客流风险矩阵；其次，通过颗粒流仿真软件pfc实现了单向瓶颈区域场景下客流风险动态仿真，并根据仿真结果分别建立最大挤压力及各等级挤压力区间持续时间比例与客流初始密度、速度的关系；最后获取某时段瓶颈区域客流数据，基于仿真结果拟合函数与客流风险矩阵，依据城市轨道交通客流局部风险等级计算的算法流程，得到该时段瓶颈区域的风险等级。经过实例应用分析，结果表明此方法具有一定实用价值，可为城市轨道交通车站客流局部风险辨识提供量化依据。
[0206]
实施例4
[0207]
本发明实施例4提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存
储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现基于颗粒流动态仿真的城轨车站客流风险辨识方法，该方法包括：
[0208]
以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
[0209]
根据待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风险动态仿真；
[0210]
根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
[0211]
根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
[0212]
实施例5
[0213]
本发明实施例5提供一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行时，用于实现基于颗粒流动态仿真的城轨车站客流风险辨识方法，该方法包括：
[0214]
以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
[0215]
根据待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风险动态仿真；
[0216]
根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
[0217]
根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
[0218]
实施例6
[0219]
本发明实施例6提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现基于颗粒流动态仿真的城轨车站客流风险辨识方法的指令，该方法包括：
[0220]
以挤压力和持续时间为客流风险评价指标，进行等级划分，构建城轨车站客流风险矩阵；
[0221]
根据待仿真区域几何数据，确定乘客物理实体模型与受力模型，利用颗粒流软件pfc构建车站客流局部风险动态仿真模型，对待仿真区域进行客流局部风险动态仿真；
[0222]
根据仿真结果，建立客流内部最大挤压力持续时间与各等级区间挤压力持续时间的比例与客流初始密度、客流初始速度宏观客流参数的关系；
[0223]
根据客流数据，根据相应场景下仿真结果拟合函数计算挤压力与持续时间，对照风险矩阵确定其风险等级。
[0224]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产
品的形式。
[0225]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0226]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0227]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0228]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明公开的技术方案的基础上，本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形，都应涵盖在本发明的保护范围之内。