如何避免踩踏事故?

<正>踩踏事故其实是可以避免的,在国外通常有着三种防护措施。措施一控制人流有讲究如何疏导人流、避免拥挤是防止踩踏事件的"硬功夫"。一些经常举办庆祝活动和大型赛事的国家在分流人群、防止踩踏方面有一些独到做法。英国伦敦有25万人到泰晤士河边观看了2013年的新年焰火表演。在议会广场等人流集中区域,有专人负责统计人数。如果人数达到各区块所能承载人数上限,将停止放行。     

考虑人群流动数据的COVID-19传播模型

新冠疫情随着人群的流动和互相接触在各地区快速传播和扩散.通过提出一种考虑地区间人群流动和地区内人群流动状态的疫情传播模型(简称D-SEIR模型),综合考虑人群的流动情况、易感人群和潜伏人群的数量变化情况,从而预测确诊人群的变化.经过深圳市和山东省的实证数据实验结果表明,D-SEIR模型能够准确拟合COVID-19传播过...     

踩踏事故逃生法则

险情预警： 年底了，平安夜、圣诞节、元旦等各种节日纷至沓来，一些商场、大型活动场所常常人潮涌动。在这些地方极易出现拥挤的现象，倘若疏导不畅，接踵而来的将是一起起踩踏事故。而作为弱势群体的青少年如果没有掌握保护自己的常识，就很容易在飞来横祸中受伤。     

校园踩踏事故预防对策措施研究

中小学校园人员密集,踩踏事故屡见不鲜,严重威胁学生的人身安全和身心健康。本文从2005-2009年校园较重大拥挤踩踏事故统计案例出发,在综述了近年来相关文献的基础上,辨识校园里存在的可能导致踩踏事故的危险因素,分析总结出事故发生的一般性原因。并用LEC评价方法对其进行评价,最后提出预防对策措施。     

上海踩踏事故:别让“凑热闹”引发惨剧

<正>2014年12月31日晚23时35分许,上海外滩陈毅广场发生群众拥挤踩踏事故,截至2015年1月2日晚8时,已致36人死亡,49人受伤,其中大多是女性。原本相聚狂欢、抱团取暖的人们,在瞬间演出悲剧。跨年之夜,发生在上海外滩的拥挤踩踏事件,让人震惊痛心,更觉生命脆弱、安全可贵。36个冰冷名字的背后,是一个个鲜活年轻的生命,每个人都有各自的家人和牵挂。他们满怀对未来的憧憬,却没能看到新年的第一抹曙光。     

基于人力资源流动地区与地区间投入产出模型分析

本文提出人力资源流动为联系因素的地区、地区间的投入产出模型的内容，建立模型步骤及投入产出模型的运用。     

事故因果连锁模型的改进

H.W.Heirnrich的事故因果连锁理论是非常有名的理论,从提出至今,一直被广泛应用。但随着社会的发展,工业生产的各个方面都有显著的改变,以前的理论表现出一定的时代局限性,由此提出改进的事故因果连锁模型,并就此提出相应的事故预防措施,为安全生产提供一定的理论依据。     

基于人力资源流动地区与地区间投入产出模型分析

本文提出人力资源流动为联系因素的地区、地区间的投入产出模型的内容,建立模型步聚及投入产出模型的运用。     

公共场所突发事件情境下对受困人群的研究

近年来,公共场所的人群聚集事故频繁发生,聚集人群的安全问题已引起人们的高度重视。本文以过往公共场所突发事件为鉴,从受困人群间信息的流动、群体内部凝聚力产生的他信力和提升群体安全素养3个角度出发,通过建立信息"传播—收集"模型,探究了公众在突发事件情境下的行为表现与信息在传播过程中的可信度;基于人自身素质和信息传播的可信度,探究了他信力的产生和决定因素。事例结果表明在混乱的状态下,信息传递被加工次数越多可靠性越低,但理性人群的优势将有助于事态朝着解除危机的方向进行;群体内部凝聚力和群聚群体的他信力也是促进受困人群脱离危机的又一重要力量。     

人群聚集过程的定量分析与计算机模拟

采用群集流动理论对密云事故中的人群聚集过程进行了分析,并采用BuildingEX-ODUS疏散软件研究了相向流对群集系数的影响,通过分析得出了达到不同聚集程度需要的时间。同时根据事故发生的实际情况采用BuildingEXODUS对聚集过程进行计算机模拟,模拟结果与数学分析基本一致。研究结果可用于疏散通道的群集速度及安全容量的确定,为避免拥挤踩踏事故提供理论依据。     

基于GLCM的人群行为识别研究

随着社会经济的发展和城市化进程的加快,如何对公共场所人群行为进行监控,防止由于人群密度过高导致的重大伤亡事件发生是很有必要的。结合混合高斯模型和灰度共生矩阵提出一种监控人群行为的算法,将纹理特征通过灰度共生矩阵计算特征量,机器学习所有特征量来判断人群行为,并通过标准数据集和自行拍摄数据集验证算法的有效性。采用人群的整体特征来表征不同人群,通过机器学习来区分不同人群的行为情况,可用于安防监控、资源管理等领域。     

基于水动力模型的泥石流风险分析

以水动力模型为研究依据,以降水、来流等自然条件为泥石流发生的推动因子,加之地形、地质、植被、人口等影响因子,构建了泥石流风险分析模型。选取广西5个市作为研究区域,采用河网分级编码方法对河网水系信息作概化处理。根据粗糙集理论,采用了一种可以从客观角度上确定影响因子权值的综合权重计算方法,构建了泥石流灾害危险性评判机制。将计算模拟结果置于广西地质灾害分布统计与2011年全州县泥石流灾害事件中进行对比验证,结果表明基于水动力模型的泥石流风险分析是合理且可靠的。     

基于业务流程的装备保障信息流模型研究

通过对装备保障信息流与业务流程关系的分析,以现行装备保障体制为背景,提出了装备保障信息流模型的概念,分析了装备保障信息流模型相对于实体业务流程的特点,然后围绕装备保障关键业务流程从流程的观点建立了装备保障信息流基础模型,最后围绕装备保障决策指挥过程从决策支持的角度对模型进行了优化重构。     

基于光流场模型的医学图像配准

基于最大化互信息的配准方法因其复杂性高而不能满足临床的实时性要求；基于光流场模型的图像配准方法计算简单快速，但已有的采用光流场进行配准的方法都直接采用原始的Horn模型，该模型简单地采用速度场的模作为光滑性约束，而导致配准过程不能保持图像的不连续性，使得图像严重模糊以致无法应用，该模型还存在不能处理大位移的问题．为了能在配准过程中尽可能地保持图像特征，采用了Lucas等人提出的窗口化光流场模型，通过选用小的窗口减轻对图像造成的模糊；对于大位移问题，可以采用金字塔结构来有效处理．实验结果证明，Lucas光流场模型应用于医学图像配准能够得到较准确的配准结果，具有很高的运行效率．     

基于光流场模型的医学图像配准

基于最大化互信息的配准方法因其复杂性高而不能满足临床的实时性要求;基于光流场模型的图像配准方法计算简单快速,但已有的采用光流场进行配准的方法都直接采用原始的Horn模型,该模型简单地采用速度场的模作为光滑性约束,而导致配准过程不能保持图像的不连续性,使得图像严重模糊以致无法应用,该模型还存在不能处理大位移的问题.为了能在配准过程中尽可能地保持图像特征,采用了Lucas等人提出的窗口化光流场模型,通过选用小的窗口减轻对图像造成的模糊;对于大位移问题,可以采用金字塔结构来有效处理.实验结果证明,Lucas光流场模型应用于医学图像配准能够得到较准确的配准结果,具有很高的运行效率.     

负荷以恒定阻抗模型表示的电力系统潮流计算方法

在传统的电力系统潮流计算数学模型中,都是假定负荷节点的有功功率P、无功功率Q保持不变,这与电力系统实际运行情况并不完全相符．据此,提出了负荷以恒定阻抗模型表示的电力系统潮流计算方法,给出了相应的节点功率误差方程,推导了雅可比矩阵中相应的元素．用Fortran语言编制了负荷以恒定阻抗模型表示的电力系统潮流计算程序,用5节点系统进行了对比计算．研究结果表明,电炉、电镀和电解等纯电阻性或近似电阻性负荷以恒定阻抗模型表示,潮流计算结果更加符合电力系统实际运行情况．     

基于高速非达西渗流新模型的试井分析

基于高速非达西渗流新模型,建立了考虑井筒储存和表皮系数的均匀介质和双重介质试井模型,并采用有限差分求解。结果表明,无论是均匀介质还是双重介质,考虑高速非达西渗流后,压力曲线上移,压力导数曲线驼峰高度增加并后移,水平段出现的时间延迟。与Forchheimer 模型相比,新模型的上升幅度要小。Kmr 和τD 是决定曲线形态的重要参数,随着τD 增大和Kmr 减小,压力导数曲线驼峰高度增加幅度增大,压力曲线上移幅度增大。阐述了高速非达西渗流压力降落试井和压力恢复试井的不同,给出了高速非达西渗流压力恢复试井的一种简单解释方法。     

基于HSV颜色模型的二维流场可视化

为解决流场图像流速大小和流动方向的显示问题,在线积分卷积(LIC)算法的基础上,结合HSV颜色模型,提出一种新的二维流场可视化方法.该方法将流场速度方向映射为色度,将流速大小映射为饱和度,将LIC值与亮度关联起来,从而合成新的流场可视化图像.新的流场图像不仅保留了LIC图像高分辨率的流线纹理特征,而且还展现了流速大小和流动方向.目前该方法已经成功应用于二维爆炸流场的可视化.实验结果表明,该方法可以有效改善流场的可视化效果.     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

视频和GIS协同的人群状态感知模型

针对监控视频在图像空间难以统一、宏观及真实量化人群状态的问题,提出了一种基于地理信息技术进行人群状态地图展示、量化分析及预警的方法.首先,通过摄像机厂商或标准视频流接口接入监控视频;然后,将视频图像调整为较小尺寸,采用光流法进行计算,获取图像空间下的光流场;最后,将各个监控视频相应的光流场映射至地理空间,即可在地图中观察人群运动状态,并可通过散点内插、等值线等进行分析,通过相关阈值的设置实现人群异常检测与预警.本文基于MATLAB、ArcGIS Engine、C#等技术,采集多个实验视频,并研发了基于GIS的人群状态感知原型系统,对相关算法进行了验证.结果表明,该方法相对于传统图像空间下的人群状态检测方法,具有人群运动可定位、可量测、可宏观观察和预警等优势.