【摘 要】
：
通过整理现有研究成果,发现正常人与老年人混合疏散时,老年人的行为特点对群体疏散的影响研究较少。首先通过宁波两个老旧小区共178份问卷调查,分析得到老年人的疏散具有滞后性、跟从性、人群恐慌性的特点。在地场元胞自动机的基础上,提出恐慌场概念,建立了老年人群疏散模型,经过数值模拟,结果表明,当人群疏散总密度低于0.2时,老年人所占比例对总体疏散产生的影响不大,当人群密度达到0.4时,老年人所占比例仅0.
论文部分内容阅读
通过整理现有研究成果,发现正常人与老年人混合疏散时,老年人的行为特点对群体疏散的影响研究较少。首先通过宁波两个老旧小区共178份问卷调查,分析得到老年人的疏散具有滞后性、跟从性、人群恐慌性的特点。在地场元胞自动机的基础上,提出恐慌场概念,建立了老年人群疏散模型,经过数值模拟,结果表明,当人群疏散总密度低于0.2时,老年人所占比例对总体疏散产生的影响不大,当人群密度达到0.4时,老年人所占比例仅0.3即对整体疏散带来较大影响,并随着老年人密度的增加,整体疏散时间显著增加。研究结果对老年人出入较多的公众
其他文献
由于传统方法未建立含有丢失边缘保留特点的能量模型,对向量走势分析不准确,导致轮廓丢失边缘保留完整度不高。现提出一种数字图像低频成分轮廓丢失边缘保留方法。在保持丢失点处边缘方向假设上,通过较强识别能力的边缘检测,获得梯度特征、中值特征以及方向特征向量;通过特征向量,标注出成分轮廓丢失区域,构建含有丢失边缘保留特点的能量模型,通过能量泛函数转变成最小化边缘保留GVF(CP-GVF)外立场,当向量被扩散到丢失边缘区域时,在CP-GVF中丢失边缘保持了原边缘的向量走势,使得丢失边缘得到保留。通过仿真可知,所提方法
程序中某些代码坏味会导致整个程序无法顺利运行,此时,需要清除引起程序错误的代码坏味,以保证程序的正常运行。为此提出了一种基于数据并行传输程序的代码异味检测算法。在并行数据传输程序的信道上建立两组独立的数据序列,通过抑制载波幅度调制将它们调制成一对正交载波,由每个子信道中发送的单个脉冲响应决定信道失真情况;利用贝叶斯网络将最新的检测规则转化为概率模型,并从源代码中提取代码坏味度量,实现代码坏味检测。
传统方法在预测建筑屋顶结构风荷载时,受到极端天气影响,导致建筑屋顶结构风荷载预测误差增大,因此提出一种Nataf变换的超高层建筑屋顶结构风荷载预测方法。设计可靠性分析功能函数,计算超高层建筑屋顶结构不可靠度,建立超高层建筑屋顶结构风荷载风险模型;将风振系数、风荷载大小系数、风压高度变化系数和基本风压计算值相结合,确定屋面结构风压标准值与基本风压的关系,计算得到超高层建筑屋顶结构风压标准值;设计超高
为了提升传统多标签短文本自适应分类方法的分类准确率,提出基于改进rcnn模型的多标签短文本自适应分类方法。首先在多标签短文本数据集中提取多标签短文本的不同特征,将其作为传统机器学习模型以及深度模型的输入;然后结合Stacking技术对rcnn模型模型进行改进,通过改进的rcnn模型对多个基分类器的分类结果进行融合处理,获取多标签短文本自适应分类的最终结果。最后进行仿真测试,结果表明,所提方法能够快
针对传统方法存在的信息分类准确性不高,信息重叠率较高的问题,提出基于模糊向量机优化的信息分类优化模型设计方法。运用模糊C均值对多标签空间进行粒化处理,通过信息增益获取不同变量标签之间的关联程度。针对多标签信息分类问题,选取一种合适的隶属度函数,运用该函数映射所有信息样本,获取其所属类别的隶属度。考虑到模糊支持向量机训练效率较慢的问题,运用核聚类方法对模糊向量机进行优化,组建最优超平面,在高维空间内
目的为特殊疾病药品(简称特药)药房在《零售药店经营特殊疾病药品服务规范》(简称《规范》)达标前提下的推广与发展提出建议。方法采用层次分析法,对参与《规范》达标评价的2
总结1例新生儿先天性腹裂的围手术期护理方法。术前保护患儿外露器官,注意保暖,完善术前检查,配合医生尽早手术治疗,术后护理重点为严密监测患儿病情、禁食,给予胃肠减压、肠外营养及并发症的护理等。患儿术后腹部切口愈合良好,于术后第23天出院。
针对传统大数据加密方法仅适用于对称加密,加密过程冗余数据较多、耗时较长的问题,提出基于数据消冗技术的大数据属性加密数学建模方法。设计基于Bloom filter大数据消冗算法,利用Hamming距离计算大数据间的相似性。根据数据消冗结果提出椭圆加密算法,设计满足大数据对称密码算法和非对称加密算法的方案,构建大数据属性加密数学模型。实验结果表明,对比传统方法所提方法具有较高的冗余数据检测效率,大数据
目的评价他克莫司液相色谱串联质谱(LC-MS/MS)试剂盒在临床血药浓度监测中的性能及应用。方法建立他克莫司LC-MS/MS试剂盒的溯源链,对120例临床样本进行检测,分析LC-MS/MS法
由于现场施工人员不佩戴安全帽的情况时有发生,导致产生很多威胁人身安全的问题,为了解决由于不佩戴安全帽所引发的安全问题,实验尝试把目标识别技术应用到建筑安全领域,提出了一种基于目标算法-YOLOV3(约洛)安全帽检测方法。在此基础之上,采用DenseNet(密集卷积网络)方法处理低分辨率的特征层,在保持特征提取充足的同时降低了计算复杂度,从而提高了算法的检测和收敛性能。并使用K-means(k均值)