Numerical Investigation of the Impact of Different Configurations and Aspect Ratios on Dense Gas Dispersion in Urban Street Canyons

The dispersion of chlorine gas in urban street canyons was numerically simulated using the fire dynamics simulator, a code developed by the National Institute of Standards and Technology of USA, which uses large eddy simulation coupled with the Smagorinsky sub-grid scale model. The unsteady flow fields were computed by solving the filtered incompressible Navier-Stokes equations under low Mach number ap-proximation by the finite difference method. The studies analyzed the influence of different street canyon configurations and aspect ratios on the flow and chlorine gas dispersion. The geometric configuration and aspect ratio both affect the vortices and the local concentration distributions in street canyons.     

基于偏好序的多事故应急资源调配博弈模型

应急资源调配是应急决策和应急响应的重要内容。为解决多个事故的同时存在时应急救援中资源调配问题,设计了一种改进的基于偏好序的效用函数,用以刻画各事故得到救援的及时性和有效性。将多事故资源调配问题描述为完全信息非合作博弈过程,利用G am b it软件,求解该博弈过程的N ash均衡,得到资源分配方案。综合了考虑事故严重程度、响应时间、救援可靠性等多个优化目标和影响因素。结果表明:该方法能合理有效地解决多事故点的应急资源调配问题,为应急辅助决策提供必要的支持。     

-10℃～5℃低温环境下体育锻炼人员人体热反应关键参数的实验研究

低温环境中,人体热反应规律研究是人员热安全与热舒适评价的基础。现有研究的对象尚局限于低运动强度的低温暴露人员,缺少针对冬季体育锻炼人员的研究。为研究体育锻炼人员在低温环境下的人体热反应规律及其影响机理,该文在环境舱中开展人体实验,考虑5、 0、-5和-10℃的低温条件及2.57 clo和1.34 clo两种冬季运动着装条件,对6名体育锻炼男性青年的皮肤温度、核心温度、热感觉等热反应关键参数进行了测量。结果表明：人体平均皮肤温度及局部皮肤温度受到环境温度的线性影响,拟合斜率随服装保暖性能的提升而减小;人体核心温度变化速率与人体热积累速率成线性关系,拟合斜率随服装保暖性能的提升而增大;人体热感觉在中低运动强度下受到环境温度与着装影响,而在高运动强度下影响不显著;且体育锻炼人员的热感觉未表现出与生理温度间的统计相关性。基于实验结果为低温环境下体育锻炼人员的服装选择提出了建议。该研究可为体育锻炼人员的热安全、热舒适、运动能力及服装性能评价提供参考。     

面向人体热反应计算的加热服装热湿传递模型

服装热湿传递数值模型是评估服装保暖防护性能、计算人体和环境的热湿传递以及评价人员冷暴露安全的重要工具。现有模型主要关注传统的被动保暖服装,针对主动加热服装的模型研究较少,且仅考虑织物层面,不能用于人体实际穿着服装中热反应计算的模拟。该文构建了适用于与人体热生理反应模型耦合计算的主动加热服装多层热湿传递模型。基于被动保暖服装模型,考虑电加热、相变材料(PCM)、吸湿发热等主动加热技术的产热传热机理,建立了适用于主动加热服装的热湿传递通用模型。针对最为普及的电加热服装,进一步考虑服装结构、辐射传热、分区与横向传热的特性,对模型进行优化改进,建立了适用于电加热服装的改进模型。与实验数据对比表明：所建立的通用模型和电加热服装改进模型对局部皮肤温度的预测误差分别不超过0.58℃和0.47℃,具有较好的准确度。所建立的模型可应用于低温暴露场景中穿着主动加热服装的人体热安全及服装防护性能评价,为公共安全以及环境工效学领域的人员防护、应急管理和防护装备研发提供参考。     

基于BP神经网络的森林可燃物负荷量估测

森林可燃物负荷量是决定林火行为的一个重要因子,因此,森林可燃物负荷量估测对于森林防火管理具有重要意义。该文利用BP神经网络方法和多元回归方法对大兴安岭地区落叶松林32块森林样地数据构建森林可燃物负荷量预测模型,用以研究利用林龄、郁闭度、平均高、胸径等林分因子估测该地区森林可燃物负荷量的方法。通过MATLAB软件实现BP神经网络森林可燃物负荷量估测模型;通过SPSS软件建立多元回归森林可燃物负荷量估测模型。BP神经网络森林可燃物负荷量估测模型拟合精度为99.9%、外推精度为65.51%;多元回归可燃物负荷量估测模型拟合精度为68.29%、外推精度为62.1%。通过比较分析,得出结论:利用BP神经网络方法估测森林可燃物负荷量是可行的;BP神经网络模型精度高于多元回归模型;由于训练样本太少,2种模型外推精度低于70%。     

相对速度影响下社会力模型的疏散模拟与分析

人是具有自主思维能力的行为个体，紧急情况下疏散过程中的行为表现是其内在心理的具体体现.文中引入相对速度对疏散人员社会心理作用力的影响，对社会力模型进行修正，通过模拟分析认为，修正模型增强了人员的主观能动性，解决了原模型中人与人或者人与物接触时速度的振荡问题，使修正后的疏散模型与实际情况更贴切.通过对典型场景下人员疏散时间的模拟计算，分析和讨论了两种人员体形特征情况下相对速度对疏散效率的影响.结果显示，相对速度影响系数对于人员疏散效率的影响具有双重性，虽能减少模型中人员的碰撞和振荡现象而有利疏散，但也加剧了疏散出口附近人员之间的拥挤程度.因此，当相对速度影响系数为特定临界值时，人员之间最和谐，所需要的疏散时间最少.     

基于E-V融合的线上-线下联合监控技术

近期在世界各地发生的群体性事件、恐怖事件等社会安全事件对社会安全管理提出了新的挑战。在警力资源有限的情况下,如何有效处理这类重大突发事件就成为公共安全研究的一个重要课题。针对现存的安全问题,基于线上-线下多源信息联合监控方案,该文提出一种基于E-V融合的信息融合系统,该系统同时采集手机信号数据(E数据)和监控摄像头数据(V数据),并通过数据融合从两方面获取人的位置与身份信息。通过实验室测试,结果表明:该系统能够在少数人情况下完成视频的人物位置信息、手机MAC(media access control)地址、手机接收信号强度(receive signal strength,RSS)信息的融合,完成作为线上信息与线下信息结合点的功能。     

压力容器开孔结构分析的快速多极边界元研究

压力容器开孔结构的应力高度集中。为精确模拟该结构的应力状况,该文提出一种三维高阶快速多极边界元法。在三维弹性力学边界元法的基础上,推导出二阶单元的基本解快速多极展开格式。该算法通过多极展开概念,大大降低了对存储量的要求,并且不损失精度。使用高阶快速多极边界元法分析含多个开孔的压力容器整体结构,所得应力结果与大规模高阶有限元法的结果吻合得很好。研究结果表明,高阶快速多极边界元法易于分析此类大规模问题,并具有很高的数值计算精度,满足工程设计的要求。     

Pedestrian lane formation with following–overtaking model and measurement of system order

Pedestrian self-organizing movement plays a significant role in evacuation studies and architectural design. Lane formation, a typical self-organizing phenomenon, helps pedestrian system to become more orderly, the majority of following behavior model and overtaking behavior model are imprecise and unrealistic compared with pedestrian movement in the real world. In this study, a pedestrian dynamic model considering detailed modelling of the following behavior and overtaking behavior is construct...     

犯罪侦查决策支持模型

人工智能和大数据技术已成功应用于众多科学问题的分析,其中也包括犯罪分析领域。犯罪案件侦查一直是犯罪分析工作的重点和难点。犯罪案件在侦查阶段主要包括证据收集和证据推理等工作,证据的全面高效收集对案件推理和快速侦破具有重要意义;与此同时,不同证据在案件中的重要程度不同,具有高重要度的证据如果在侦查早期阶段被收集,可提高案件侦破效率。然而,现有的人工智能方法应用于犯罪侦查决策支持的研究较少。鉴于此,该文提出了一种基于加权信息熵的证据重要度的计算方法,并在此基础上构建了基于Bayes网络的犯罪侦查决策支持模型,然后应用420例犯罪案例对模型的准确率进行验证,并用1例实际案例的分析过程对模型应用进行了阐述。分析结果表明：提出的模型能够输出有效的侦查建议,为侦查阶段的证据收集和推理工作提供决策支持。