基于SHEL模型的地铁拥挤踩踏事故神经网络安全评估分析

摘要

地铁因人流量巨大、空间狭小,极易引发拥挤踩踏事故.通过对近年来地铁拥挤踩踏事故进行统计分析,得出14个主要影响因素.引入SHEL模型,研究人、硬件、软件、环境之间的关系,并采用BP神经网络方法,选择某地铁站实例进行模拟训练,拟合测试.预测分析结果显示,人-人,人-软件方面存在较高风险.地铁站在实际运行中,人群拥挤、碰撞、争吵时有发生,而安全管理措施极为有限,验证了分析结果的可靠性.为促进地铁安全运营提供技术支撑.