基于轻量化BIM的城市综合体应急疏散系统研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外现状 | 第10-15页 |
| 1.2.1 综合体应急疏散现状 | 第10-11页 |
| 1.2.2 模型轻量化的相关研究 | 第11-13页 |
| 1.2.3 疏散路径规划的相关研究 | 第13-14页 |
| 1.2.4 短期流量预测相关研究 | 第14-15页 |
| 1.3 主要内容及组织框架 | 第15-18页 |
| 1.3.1 主要内容 | 第15-17页 |
| 1.3.2 本文的技术路线 | 第17-18页 |
| 2 应急疏散建筑模型研究 | 第18-28页 |
| 2.1 模型轻量化概念 | 第18-19页 |
| 2.2 轻量化算法模型 | 第19-26页 |
| 2.2.1 内部轻量化 | 第19-22页 |
| 2.2.2 外部轻量化 | 第22-26页 |
| 2.3 实验与结果分析 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于多目标粒子群的最优疏散路径计算 | 第28-40页 |
| 3.1 粒子群算法概念 | 第28-29页 |
| 3.2 多目标优化基本概念 | 第29-31页 |
| 3.3 应急疏散模型构建思路 | 第31-32页 |
| 3.4 应急疏散路径规划模型 | 第32-39页 |
| 3.4.1 模型假设与符号说明 | 第33页 |
| 3.4.2 路径规划模型构建 | 第33-35页 |
| 3.4.3 模型求解 | 第35-36页 |
| 3.4.4 实验与结果分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于SVR的疏散路径状态预测 | 第40-52页 |
| 4.1 支持向量机基本理论 | 第40-43页 |
| 4.2 求解思路及算法设计 | 第43-49页 |
| 4.2.1 实时数据集预处理 | 第44-46页 |
| 4.2.2 SVR中最佳参数C&g的设定方法 | 第46-47页 |
| 4.2.3 人流量状态预测及判断 | 第47-49页 |
| 4.3 实验与结果分析 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 5 基于轻量化BIM的综合体疏散系统 | 第52-68页 |
| 5.1 疏散系统架构 | 第52-53页 |
| 5.2 数据采集 | 第53-58页 |
| 5.2.1 建筑数据采集 | 第53-54页 |
| 5.2.2 实际疏散数据采集 | 第54-55页 |
| 5.2.3 实例疏散数据采集 | 第55-58页 |
| 5.3 疏散路径规划 | 第58-63页 |
| 5.3.1 路径规划算法结构 | 第58-60页 |
| 5.3.2 实例计算 | 第60-63页 |
| 5.4 系统运行情况 | 第63-65页 |
| 5.5 本章小结 | 第65-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间取得的研究成果 | 第74-76页 |
| 致谢 | 第76页 |
