文 | 天津城投樞紐運營管理有限公司 杜娟、包鋼集團（公司）生產(chǎn)部運輸處 楊虹

引言

2008年7月1日投入運營的天津站交通樞紐集城際鐵路、普通鐵路、城市地鐵、公交長途客運等功能于一體，換乘線路較多，建筑內(nèi)人員相對密集。另外，樞紐規(guī)模較大，總建筑面積為23.5×104m2，地下共有4層，深約30m，同時涵蓋了3條地鐵線路的站臺層、站廳層以及地下交通換乘大廳，功能復(fù)雜且相互立體交叉，因此，如何有效應(yīng)對突發(fā)狀況下的應(yīng)急疏散具有重要意義。

本文以天津站交通樞紐火災(zāi)的應(yīng)急疏散為例，對影響人員疏散的相關(guān)安全因素進行分析，應(yīng)用粒子群神經(jīng)網(wǎng)絡(luò)算法對其進行綜合評價，來評判火災(zāi)狀態(tài)下應(yīng)急疏散的實施效果。

1 評價指標體系的建立及屬性值的量化

1.1 評價指標的確定

在火災(zāi)應(yīng)急疏散的評價體系中，各因素之間的關(guān)系是極其錯綜復(fù)雜的，該系統(tǒng)的評價是一個多指標、多屬性的問題。為此，結(jié)合樞紐運營實際情況，綜合考慮影響應(yīng)急疏散的各種因素，建立如圖1所示的應(yīng)急疏散實施效果評價指標體系結(jié)構(gòu)。其中第1層為目標層，包含一個目標對象，即應(yīng)急疏散實施效果，分為優(yōu)、良、可、差4級，用A表示；第2層為準則層，由影響應(yīng)急疏散的因素組成，包括火災(zāi)報警系統(tǒng)、安全疏散設(shè)施、滅火系統(tǒng)、防護設(shè)施、日常管理等5個方面，用Bi表示，i=1,2…，5 ；第3層為因素層，由可能影響準則層的各項指標組成，用Cj表示，j=1,2…，17 。如下圖1所示：

圖1 火災(zāi)應(yīng)急疏散實施效果評價指標體系

1.2 指標屬性值的無量綱化

在樞紐火災(zāi)應(yīng)急疏散的綜合評價指標體系中，各個指標因為單位不同、量綱不同、數(shù)量級不同，在運用神經(jīng)網(wǎng)絡(luò)進行綜合評價之前，首先將各指標屬性值統(tǒng)一變換到[0，1]范圍內(nèi)，即對指標屬性值進行無量綱化。對越大越優(yōu)型、越小越優(yōu)型、越中越優(yōu)型的標準化處理公式依次分別取下列三式：

式中：xmin (i)，xmax (i) ，xmid (i) 分別為評價指標集中第i個指標的最小值、最大值和中間值。

對一些不能明確可測、只能進行定性評價的指標，可采用隸屬度方法進行確定。一般評價體系中設(shè)評價指標，相對于指標評價集 V=(好，較好，一般，較差，差)的隸屬度向量為Ri=(Ri1，Ri2，Ri3，Ri4，Ri5)，此處Ri采用經(jīng)驗調(diào)查，并通過集值統(tǒng)計方法來確定。由于火災(zāi)應(yīng)急疏散事關(guān)人民群眾的生命安全，對于不合格的評價目標采取“零容忍”的態(tài)度，因此本文采用的標準尺度為：優(yōu)、良、可、差，即 B=[0.9，0.8，0.6，0.4，0.2]T，當數(shù)值低于0.6時為差。

2 基于粒子群神經(jīng)網(wǎng)絡(luò)算法的交通樞紐火災(zāi)應(yīng)急疏散評價模型

2.1 算法簡介

目前，最常用的神經(jīng)網(wǎng)絡(luò)模型是采用誤差逆向傳播學(xué)習(xí)法的多層前饋神經(jīng)網(wǎng)絡(luò)(BP網(wǎng)絡(luò))。該網(wǎng)絡(luò)模型一般有輸入層、隱含層和輸出層。相鄰層各神經(jīng)元之間實現(xiàn)全連接，而每層各神經(jīng)元之間無連接，通常所用的BP神經(jīng)網(wǎng)絡(luò)都是三層網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的過程是通過調(diào)整網(wǎng)絡(luò)中的連接權(quán)值使誤差E減小。應(yīng)用梯度下降法，連接權(quán)值的調(diào)整量為：

式中：η為學(xué)習(xí)因子；Εk為第k個樣本的誤差。

權(quán)重調(diào)整公式為：

式中： t為訓(xùn)練次數(shù)。

BP網(wǎng)絡(luò)具有精確尋優(yōu)的能力，但其網(wǎng)絡(luò)模型初始權(quán)值的隨機性容易產(chǎn)生兩方面問題：首先，每次訓(xùn)練的次數(shù)和最終權(quán)值會不相同，網(wǎng)絡(luò)的尋優(yōu)不具有唯一性，會出現(xiàn)局部極?。黄浯?，初始權(quán)值給定的隨機性還導(dǎo)致了訓(xùn)練次數(shù)較多，收斂速度慢，特別是當輸入節(jié)點較多時，該問題尤為突出。這兩方面問題限制了其在系統(tǒng)綜合評價中的應(yīng)用。針對上述問題，本文將BP神經(jīng)網(wǎng)絡(luò)與粒子群算法結(jié)合起來，用粒子群優(yōu)化算法替代BP算法中的梯度下降法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的參數(shù)(即權(quán)值和閾值)，形成一種混合訓(xùn)練算法，來改善BP算法性能，使其不易陷入局部極小，增強泛化性能，達到優(yōu)化網(wǎng)絡(luò)的目的。

粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法是一種基于群體智能的進化優(yōu)化算法，具有較強的宏觀搜索能力和強魯棒性，算法具有尋優(yōu)的全局性。

基本粒子群優(yōu)化算法描述如下：

假設(shè)在一個D維目標搜索空間中，有m個粒子組成了一個群體，其中第i個粒子表示為一個D維的向量xi=(xi1，xi2，…，xiD)，i=1,2,…，m，即表示潛在解，其飛行速度也是一個D維的向量，記作vi=(vi1，vi2，…，viD)；粒子目前搜索到的最優(yōu)位置為Pi =(pi1，pi2，…，piD)，整個粒子群搜索到的最優(yōu)位置為Pgi=(pg1，pg2，…，pgD)。粒子的位置和速度根據(jù)如下方程進行變化：

式中：i=1,2,…，m；d=1,2,…，D；ω為慣性權(quán)重，它決定了粒子當前速度對下一代的影響；c1，c2為加速系數(shù)(或稱學(xué)習(xí)因子)，通常取大于零的常數(shù)，兩者的相對大小反映了在演變過程中pi和pg的相對重要性；r1，r2是在[0，1]區(qū)間內(nèi)均勻分布的隨機數(shù)，vid∈[－vmax，vmax]，vmax根據(jù)需要設(shè)定。

在基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)中，用xi=(xi1，xi2，…，xid)表示一組參數(shù)值，向量中的每一維表示權(quán)值和閾值，d為BP網(wǎng)絡(luò)中的所有權(quán)值和閾值個數(shù)[5]；粒子的適應(yīng)值即均方差指標為：

式中：n為訓(xùn)練集的樣本個數(shù)； c為網(wǎng)絡(luò)輸出神經(jīng)元的個數(shù)；Yij為第i個樣本的第j個理想輸出值；yij為第i個樣本的第j個實際輸出值。

2.2 綜合評價模型

模型采用三層前向網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，根據(jù)前面的討論，以所選的17個評價指標量化值作為網(wǎng)絡(luò)的輸入，故輸入層節(jié)點個數(shù)為17。網(wǎng)絡(luò)的輸出值表示火災(zāi)應(yīng)急疏散的綜合評價值，故輸出層節(jié)點數(shù)為1，而隱層節(jié)點數(shù)的選擇較為靈活，沒有確定性的理論指導(dǎo)，選擇是否合適也會對網(wǎng)絡(luò)的訓(xùn)練精度和速度產(chǎn)生影響。一般地，隱層節(jié)點數(shù)應(yīng)該大于輸入層節(jié)點數(shù)[3]，經(jīng)過運算試探、綜合權(quán)衡，確定當隱層節(jié)點數(shù)取21時逼近效果最佳，則建立的神經(jīng)網(wǎng)絡(luò)評價模型的最終拓撲結(jié)構(gòu)為：17-21-1。

模型建立的具體過程如下：

1）初始化BP網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)定網(wǎng)絡(luò)的輸入層、隱含層、輸出層的神經(jīng)元個數(shù)。

2）從已有相關(guān)應(yīng)急疏散評價報告中選取相關(guān)數(shù)據(jù)進行量化，建立學(xué)習(xí)樣本(輸入、輸出)的數(shù)據(jù)文件。

3）初始化粒子群及每個粒子的速度，其中粒子群規(guī)模為輸入層至隱含層的連接權(quán)值個數(shù)、隱含層至輸出層的連接權(quán)值個數(shù)、隱含層的閾值個數(shù)和輸出層的閾值個數(shù)之和。

4）粒子群中粒子按BP網(wǎng)絡(luò)的前向計算方法計算出一個網(wǎng)絡(luò)的輸出值，代入式（8）計算出粒子的適應(yīng)度fp即所有樣本的均方差。

5）將fp分別與Pbest和 gbest進行比較，確定每個粒子的個體極值點和全局最優(yōu)極值點。當fp

6）根據(jù)式（6）、（7）更新粒子的速度和位置，考慮速度：若vij(t+1)>vmax，則vij(t+1)＝vmax若vij(t+1)<－vmax，則vij(t+1)＝－vmax；考慮位置：若xij(t+1)> xmax，則xij(t+1)＝xmax，若xij(t+1)< xmin，則xij(t+1) =xmin；否則xij(t+1)不變，其中，ω為慣性因子、α為速度約束因子，vmax、xmax、xmin都是常數(shù)，由用戶設(shè)定，如果更新后每個粒子通過搜索所產(chǎn)生的下一個位置不在可行域，則保持該粒子位置不變。

7）采用離線性能準則來評價網(wǎng)絡(luò)的性能，公式如下：

式中：iter為算法當前迭代次數(shù)；fun(gbest,i)為第 i 次迭代的全局最優(yōu)值的適應(yīng)度。

8）判斷是否滿足迭代停止條件（預(yù)先確定的最大迭代次數(shù)或式(9)的值滿足精度要求），是則算法收斂，停止搜索，輸出全局極值和全局最優(yōu)位置，否則繼續(xù)迭代。

3 評價模型應(yīng)用

以2009年至2013年天津站交通樞紐火災(zāi)應(yīng)急疏散演練為例。依據(jù)本文方法進行量化，建立學(xué)習(xí)樣本（輸入、輸出）的數(shù)據(jù)文件，輸入到已經(jīng)訓(xùn)練好的基于PSO-BP算法的評價模型中，運行出的綜合評價結(jié)果，其擬合度值為分別為[0.9746、0.8843、0.8313、0.8527、0.9050]，如下圖2所示，實施效果分別為優(yōu)、良、良、良、優(yōu)。經(jīng)檢驗，采用本文評價方法的評價結(jié)果與實際結(jié)果基本一致，說明該模型具有很好的實用性。

圖2 基于PSO-BP算法的交通樞紐火災(zāi)應(yīng)急疏散評價結(jié)果

4 結(jié)論

應(yīng)用基于PSO-BP算法的綜合評價模型對交通樞紐火災(zāi)應(yīng)急疏散效果進行評價，可將定性分析和定量分析相結(jié)合，通過全面考慮影響安全疏散的各種因素，真實、合理的反應(yīng)出交通樞紐在發(fā)生火災(zāi)的情況下應(yīng)急疏散的實施效果。需要說明的是，由于不同城市實際工作條件和天氣等自然環(huán)境的不同，在評價指標的選擇及權(quán)重的確定時，應(yīng)進行必要的調(diào)整。

[1] 周長春，陳勇剛?；谌斯ど窠?jīng)網(wǎng)絡(luò)的城市火災(zāi)事故的預(yù)測方法[J].中國安全科學(xué)學(xué)報， 2005，15(5)：2l-23。

[2] 閻平凡，張長水。人工神經(jīng)網(wǎng)絡(luò)與模擬進化計算[M](第2版). 北京：清華大學(xué)出版社，2005。

[3] 潘昊，侯清蘭?；诹Ｗ尤簝?yōu)化算法的BP網(wǎng)絡(luò)學(xué)習(xí)研究[J]。計算機工程與應(yīng)用，2006，(16)：41-46。

[4] 竇麗潔。地鐵人員疏散基本參數(shù)的測算與分析[J]. 消防科學(xué)與技術(shù)，2013，(1)：19-22。

[5] 王浩,洪玲,徐瑞華。突發(fā)事件下地鐵車站人員疏散引導(dǎo)分析[J].城市軌道交通2012， (1)：70-74。