不同路径选择策略的城市疏散仿真研究

结合Agent模型和GIS系统构建了城市大范围人员疏散仿真系统,采用A*算法建立了Agent的路径选择模型,讨论了基于最短距离、最短时间和混合型的三种路径选择策略.还基于实际的城市道路和人口数据,构建了疏散场景进行模拟.模拟结果表明:步行方式下不同路径选择策略下总体疏散时间差别不大,而车辆方式下则差别很大.不同路径选择策略下交通流的分布呈现不同特征,道路的拥挤路段和节点也不一致,因此需要采取合适的诱导策略进行引导.     

突发公共事件预警分级模型

为了有效应对突发公共事件,合理调配应急救援资源,对突发公共事件预警分级的定量模型进行了研究,建立了预警分级综合模糊评判模型的计算框架.从事件自身因素和应急管理因素2个方面的致灾强度要素、危害损失程度、影响范围因素、时间要素、认知程度、社会影响程度、公众心理承受能力、应急管理水平等8个维度构建了预警分级的影响因素,用层次分析法确定各层级影响因素的权重,并采用多级模糊综合评判的方法给出预警等级.最后,以危化品泄露的预警分级为例进行了计算.结果表明: 综合模糊评判方法和层次分析法结合应用可以对突发公共事件进行预警分级的计算,并且便于考虑突发公共事件的各种复杂因素.     

Fire Spread Model for Old Towns Based on Cellular Automaton

Old towns like Lijiang have enormous historic, artistic, and architectural value. The buildings in such old towns are usually made of highly combustible materials, such as wood and grass. If a fire breaks out, it will spread to multiple buildings, so fire spreading and controlling in old towns need to be studied. This paper presents a fire spread model for old towns based on cellular automaton. The cellular automaton rules were set according to historical fire data in empirical formulas. The model also considered the effects of cli- mate. The simulation results were visualized in a geography information system. An example of a fire spread in Lijiang was investigated with the results showing that this model provides a realistic tool for predicting fire spread in old towns. Fire brigades can use this tool to predict when and how a fire spreads to minimize the losses.     

基于机器学习的新冠肺炎疫情趋势预测方法

防控措施对传染病的传播过程有重要作用，因此在预测新型冠状病毒肺炎疫情未来发展趋势时必须要考虑防控措施的影响。该文提出了基于机器学习的新冠肺炎疫情三步预测模型，将神经网络、随机森林、长短期记忆网络和序列到序列等机器学习算法引入到新冠肺炎传染病疫情预测中。与前人的预测模型相比，所提出的模型考虑了新冠肺炎疫情发展过程中防控措施的变化情况，可以使用检测数据预测未来的确诊人数和实际感染规模。研究结果表明：预测结果与实际数据基本一致，模型具有较高的可靠性。该预测方法可以使政府管理部门更准确地了解新冠肺炎疫情的实际发展态势，帮助管理者更有效地分配医疗资源，为新冠肺炎疫情防控提供决策参考。