船舶人员疏散与陆地上的人员疏散具有一定的差异,当船舶发生事故时,甲板倾斜不仅会对船舶人员疏散的速度造成影响,甚至还会使船舶人员产生步行以外的弯腰行走和爬行的疏散方式,以往的疏散仿真软件不具备模拟这类疏散方式的功能。而在事故中,警报的效果会影响人们的疏散反应,常用的船舶警报效果评估方法虽然可以分辨哪些特征的变化对于警报效果的影响是有效的,但是不具备量化评估能力,因此不能区分有效的特征变化对警报影响的强弱。因此本文聚焦于船舶警报效果量化评估模型和船舶人员疏散仿真模型的研究,主要的研究工作如下:针对常用的二项式检测和李克特量表不能对警报特征变化对船舶人员疏散反应影响的强弱程度进行区分,首先基于承担性理论提出了警报对船舶人员疏散反应影响的量化评估模型,然后对常用的船舶警报器进行了功能分类并且设计了对应的量化评估步骤,最后依据承担性理论提出了筛除实验结果中逻辑错误数据的方法提升了数据的有效性。通过与二项式检测和里克特量表的实验结果对比表明:承担性理论警报效果量化评估模型不仅规避了二项式检测不能找到警报特征对效果影响阈值的弊病,还可以筛除逻辑错误数据并量化分析警报特征变化后的影响效果,声压从60分贝提升到75分贝报警效果提升3.23倍,声压从75分贝提升到90分贝报警效果提升1.11倍,声压对警报效果影响的阈值为75分贝,添加制语音报警效果最强,可作为增强报警效果的最优选项。针对AENEAS和evi等常用疏散仿真软件不具备模拟甲板倾斜引起的弯腰行走和爬行等正常步行以外的疏散方式的功能,往往使实际疏散时间是仿真的数倍以上,传统的精细网格速度算法限制了对碰撞体积差异的描述,为了解决这些问题提出了利用固定网格判断移动权限的速度算法、用相邻节点组成的可移动有向线段来表示弯腰步行和爬行碰撞体积的算法,以及区分身高差异的算法可以用于不同疏散方式的转换和允许使用的疏散方式的判断,融合了这些算法的路程积累格子气模型实现了对步行、弯腰行走和爬行多种疏散方式的船舶疏散仿真。通过在国际海事组织提出的测试场景中的多种方式疏散实验验证了模型的可靠性,实验与仿真的结果表明:路程积累格子气模型得到的步行仿真的疏散时间比实验长,弯腰行走和爬行仿真疏散时间比实验短,分别为实验所得疏散时间的109%、95%和88%。逆行是船舶人员疏散中常见现象,针对以往疏散仿真模型使用的逆行权重算法会发生让权重低的一方后退另一方先行这种与实际的行为不符的情况,首先提出新的疏散仿真模型移动算法来引入移动主方向用以判断船舶疏散中的逆行情况,然后提出智能避让算法代替了以往的权重算法来处理逆行情况,最后用逆行对速度影响的算法对人员速度进行修正,使船舶疏散过程中的逆行仿真更贴近真实。通过逆行实验证实逆行智能避让算法比逆行权重算法更加真实可靠,并使用国际海事组织提出的测试场景测试了疏散仿真模型的功能和性能,通过实验与仿真表明:使用逆行智能逆行避让算法得到的疏散时间是实际的109%,比逆行权重算法的124%更加真实,逆行人数的增加会增长疏散时间。使用承担性理论的船舶警报评估模型可以筛除评估结果中的逻辑错误数据,对根据需求设计的自定义船舶警报器在特定位置特定噪音环境中的效果进行量化评估,还可以通过对评估步骤的改进,成为机舱其他设备警报、应答和显示等功能的测试方法。路程积累格子气模型可以模拟不同的疏散方式,更加真实地对船舶逆行的状况进行仿真,不仅可以用来预测拥堵和逆行的高发地段,为船员指挥疏导工作提供帮助,还可以对船舶人员不同疏散方式的疏散行为进行预测用以协助海上救援,船舶疏散事故进行场景再现寻找原因,模型疏散仿真获得的舱室内拥堵逆行常发地段等数据,可以为船舶结构的设计和改进提供帮助。