[发明专利]一种轨道交通应急预案评估方法

权利要求书

1.一种轨道交通应急预案评估方法，其特征在于，包括如下步骤：

(1)评价指标选取：轨道交通应急预案评价模型的评价指标包括输入指标和输出指标，所述输入指标由评估人员对应急预案进行评分的各要素指标组成，所述输出指标由应急预案实施后的效果指标组成；

(2)数据统计及处理：对于输入指标数据，在保证评估人员对预案实施效果事先不知情的情况下，组织m名评估人员以打分的形式对n份应急预案的内容进行评估，进而获得应急预案各指标的评估数据，设定最小得分为S_MIN,最大得分为S_MIN，将[S_MIN,S_MAX]按等间距划分为N个连续的区间[S_MIN,γ₁)，[γ₁,γ₂)，…，[γ_N-1,S_MAX]，把数值落在同一区间内的指标变量赋值为相同的数值，并将其归为同一级别；

对于输出指标数据，收集突发事件记录信息，统计表示应急预案实施效果的数据；根据突发事件等级划分标准，设x级突发事件的下界值为X_MIN，上界值为X_MAX，将[X_MIN,X_MAX]等间距划分为N个连续的区间把数值落在同一区间内的指标变量赋值为相同的数值，并将其归为同一级别；

将统计样本数据拆分成训练集和测试集；

(3)轨道交通应急预案评估模型搭建：采用模糊神经网络方法建立应急预案评估模型，其模型结构共分为五层：

1)输入层：输入信号α_i,i＝1,2,...,k由该层输入模型，输入层的节点数等于输入信号的个数k，即N₁＝k，输入向量X为：

X＝[α₁,α₂,...,α_k]

2)模糊化层：选用高斯函数作为应急预案评估模型的隶属度函数，输入信号α_i的隶属度u_j表示如下：

u_i^j＝exp(-(α_i-m_ij)²/b_ij)

其中，i＝1,2,...,k，j＝1,2,...,m_i，m_i为第i个输入信号α_i的模糊集分割数，m_ij为隶属度函数中心，b_ij为隶属度函数宽度；模糊化层的节点数

3)模糊推理层：每个节点代表一条模糊规则，该层采用隶属度的乘积作为每条规则的相关适用度v_j：

其中，u_i^j表示第i个输入信号α_i的第j个隶属度，j₁＝1,2,...,m₁，j₂＝1,2,...,m₂，…，j_k＝1,2,...,m_k，j＝1,2,...,m，模糊推理层节点数

4)去模糊化层：对每个规则的适用度进行归一化处理：

其中，j＝1,2,...,m，去模糊化层节点数N₄＝N₃；

5)输出层：

该层节点与所有第四层的规则节点连接，并将第四层规则适用度作为第四层与第五层的连接权值，得出模糊神经网络的输出结果为：

其中，y_i表示第五层第i个节点的输出值，i＝1,2,...,n，y_ij表示第四层第j个节点对第五层第i个节点的输入值；

(4)采用误差—修正学习算法确定步骤(3)所得模型的权值，通过输入信号正向传播和误差信号反向传播的方式，调整网络各层的权值；权值的初始解为：

x_i＝x_min+rand(0,1)*(x_max-x_min)

其中，x_max和x_min分别为可行解的上、下界值，rand(0,1)表示去0到1之间的随机数；

第k次迭代的误差信号e_i(k)为：

e_i(k)＝d_i(k)-y_i(k)

其中，d_i(k)表示的是输出层第i个节点的期望输出，y_i(k)表示输出层第i个节点的实际输出；

误差最小化目标通过误差能量的瞬时值ξ(k)来实现，定义如下：

若ξ(k)不满足精度要求，利用人工蜂群算法对网络权值进行调整，具体实现方法为：

第一步：参数初始化；规定蜂群大小为N_c，雇佣蜂数量为N_c，跟随蜂数量为N_l，解的个数即食物源的数目为N_s，食物源不能被进一步改善的极限周期数为L，算法的最大循环次数为M，解的维数为D，即等于优化参数的数量；

N_c＝2N_e＝2N_l＝2N_s

第二步：适应度值计算；第i个可行解的适应度值为：

第三步：解的更新；雇佣峰在当前解的领域继续搜寻新的解，第i个旧解产生的新解的第j位分量v_ij为：

v_ij＝x_ij+r*(x_ij-x_dj)

其中，x_ij表示第i个旧解的第j位分量；x_dj表示第d个旧解的第j位分量；r表示区间[-1，1]上的随机数；

第四步：解的选择；各个解被跟随峰选择的概率为：

第五步：解的重置；若某个解的更新失败次数超过了预先设定的极限周期L，搜寻一个新的解将其代替：

x_i＝x_min+rand(0,1)*(x_max-x_min)

其中，x_max和x_min分别为可行解的上、下界值，rand(0,1)表示去0到1之间的随机数；

第六步：转入第二步，直到循环次数超过算法的最大循环次数M。