[发明专利]一种轨道交通应急预案评估方法

摘要

本发明公开了一种轨道交通应急预案的评估方法，包括以下步骤：首先分别选取评估人员的评估指标和预案实施效果指标作为输入和输出指标，基于评估数据和事故信息，采用模糊神经网络建立轨道交通应急预案评估模型，在此基础上结合人工蜂群算法和误差—修正学习算法对模糊神经网络进行学习，并通过增加衰减因子和引入Metropolis准则对人工蜂群算法改进。本发明建立了一种模糊神经网络评价模型，并提出一种基于改进人工蜂群算法优化的误差—修正学习算法，可用于在轨道交通应急预案评估过程中获取评估人员评估结果与应急预案实施效果之间的关系，修正评估人员的主观因素对评估结果的影响，最终得到预测的实施效果，为应急预案管理提供方法支持。

主权项

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