文摘
疏散行为分析被认为是疏散计划的一个方面。然而,现有的研究并没有探讨组织疏散决策,决策者在面对分歧。在这篇文章中,粗糙集理论应用于分析集团客运交通枢纽地区的疏散决策与各种组织包括亲人,爱人,朋友,同事,同学。的方法,提出了改进的禁忌搜索属性约简找到所需的最小属性子集完全描述组织疏散决策的信息,基于知识造粒和价值减少算法用于生成组织疏散决策规则。采用交叉验证过程估计粗糙集理论的性能。实验结果表明,粗糙集理论具有良好的性能。因此,该方法提供了一种新的方式疏散行为分析。
1。介绍
城市客运交通枢纽是联运运输和配送中心的联合大规模客流。在这种人口稠密区,小规模紧急情况可能会导致严重的后果,不应该被忽视。这是至关重要的及时撤离的人受灾地区。因此,疏散规划十分重要。疏散行为分析被认为是疏散计划的一个方面。理解紧急疏散行为将有助于更好的紧急疏散计划。
在过去的几十年里,相当多的研究集中在有关飓风疏散疏散行为分析(1- - - - - -6和建筑火灾疏散7,8]。大多数现有的研究主要集中在个人和家庭的疏散决策和行为反应。然而,它还没有讨论如何家庭做出决定时决策的家庭成员是不一致的。至于客运交通枢纽地区紧急疏散,通常有大量的小组与各种关系,包括亲人,爱人,朋友,同事,同学。需要解决问题的组织疏散决策,决策者在面对分歧。
到目前为止,已经提出了很多方法来帮助我们了解疏散决策,包括列联表分析(8),人工神经网络(7),和逻辑回归分析(4,6,9,10]。在上述方法中,列联表分析仅用于确定疏散决策之间存在依赖和相关因素对于一个给定的显著水平。人工神经网络可以建立的映射函数解释变量来疏散决策使用多层感知器,但它只能提供隐含知识的疏散决策。采用逻辑回归模型来描述解释变量之间的关系和疏散决策结果的概率,但它需要创建复杂的函数。因此,粗糙集理论(11- - - - - -13]分析提出了群体疏散决策下客运交通枢纽地区紧急疏散。本文中采用的方法不需要函数的建立和可以生成规则表示形式的if - then语句,使知识有一个清晰的定义。
粗糙集理论可以通过减少和消除冗余信息从大量的原始数据中提取决策规则的前提下维护相同的分类能力。减少知识,包括属性约简和值约简,是粗糙集理论的核心问题之一。一方面,属性约简会降低决策过程的复杂性和成本,促进更高的规则的质量。为了减少信息系统计算有用,许多研究人员已经开发出一些有效的算法基于遗传算法的计算智能工具(14[],蚁群优化15),模拟退火(15),粒子群优化(16),禁忌搜索(17),等等。另一方面,价值减少旨在消除冗余属性值在每个规则和简化规则设置在保持分类能力的规则集。一些算法已经提出了价值减少,如简化规则算法(18),分辨率依赖于算法(19基于互信息[],启发式算法20.]。在本文中,我们提出了改进的禁忌搜索属性约简(ITSAR)找到所需的最小属性子集完全描述组织疏散决策的信息。不同于现有的研究(17),我们测量解决方案基于知识造粒质量因为它可以克服的缺点依赖性程度(21),使用动态禁忌任期,因为它有更好的性能比固定任期禁忌(22- - - - - -24]。我们也提出一个启发式算法基于知识造粒价值减少,用于生成组织疏散决策的规则。
本文的其余部分组织如下。下一节描述了疏散行为调查在武昌火车站地区准备在这项研究中使用的数据集。在下一节中,介绍了粗糙集理论,包括相关概念、归因和价值减少,减少的算法和评价的方法。第四部分介绍了粗糙集理论的应用对群体疏散决策和比较该方法与其他方法的性能。最后,我们得出结论本文总结和进一步的研究前景。
2。疏散行为调查
进行了一项调查关于紧急疏散行为在武昌火车站地区,假设事件的毒气攻击。调查问卷是为了收集以下信息与人类行为:(1)个人信息包括年龄,性别,教育,气质,和行李的数量;(2)熟悉路线或不熟悉的路线;(3)过去的经验;(4)团队成员和团队的数量关系;(5)人类行为反应包括第一个行动,疏散路线的选择,组织疏散决策,等等。在上面的信息,过去的经验的问题是“你有没有毒气袭击或参与安全培训经验,“和结构化的答案是“(1)从来没有气体/培训经验/知识,(2)气体/培训经验/知识。”气质的结构化的答案是“(1)胆汁(你是一个意志坚强的人迅速果断地做决定),(2)乐观(你深情,喜欢社交活动,和容易交朋友。),(3)冷淡的(你是可靠的,礼貌的,随和的。),和(4)忧郁的(时间独处是至关重要的对于这个反光,内省气质。)”。
总共952进行了访谈,收集909个有效回复。有523(57.5%)有效回复来自集团从单一旅客和386年(42.5%)。本文在分析群体疏散决策,决策者在面对分歧。为了选择属性影响组织疏散决策、列联表分析测试之间的关系群体决策和个人和群体的特点,利用统计分析软件SPSS 19.0。如表所示1的结果,(卡方检验)测试的意义价值表明存在一个重要的组织决策和几个因素之间的关系如下:年龄,性别,教育,气质,经验,和组之间的关系。基于群决策和上述因素,列出了属性集和属性值设置表2。
3所示。粗糙集理论
本节介绍了粗糙集理论。介绍了一些基本概念3所示。1。然后属性约简和值约简的算法开发的部分3所示。2和3所示。3,分别。部分3所示。4解释评价方法。
3.1。预赛
在本节中,一些初步的概念,如不可辨认性知识造粒、属性约简和值约简简要介绍。
3.1.1。不可辨认性
让是一个信息系统,被称为宇宙,是一个非空的一组有限的对象;是一个非空的有限集的属性,这样吗对于每一个;值的一组吗。在一个决策系统的决策属性,,在那里组条件属性和吗决定属性的设置。这样的一个信息系统也称为决策表。
一个属性组,有一个不可辨认性相关关系:
表示的分区生成的。如果,然后和是看不见的属性。表示的等价类不可分辨关系。不可分辨关系粗糙集理论的数学基础。
3.1.2。知识造粒
定义1。让是一个信息系统;然后知识造粒是由 的象征意味着一套的基数。
定义2。让是一个决策表,是宇宙,组条件属性和吗决策属性,;然后的相对划分粒度相对于被定义为冯et al。25]: 的价值可以用来衡量的分类能力相对于;更大的价值,的分类能力越弱相对于。
定义3。让是一个决策表,是宇宙,的条件属性集,决策属性,;然后属性的重要性在相对于被定义为
3.1.3。属性约简
在粗糙集理论属性约简可以保留信息内容,同时减少属性的数量。基于相对划分粒度,相对约简可以被定义为以下定义。
定义4。让是一个决策表,是宇宙,的条件属性集,决策属性,;如果和,,然后据说是一个相对约简的相对于。
特别是,相对约简以最小基数被称为最小约简。属性约简的目的是找到最小约简。
3.1.4。价值减少
的最大数量的过程条件属性值删除不丢失重要信息被称为价值减少。值约简后,生成的规则可以将条件属性值与相应的决策类值。
定义5。让是一个决策表,让,,。通过和(),我们表示等价类的描述和决策表中。正式定义为一个决策规则
定义6。决策规则的信心被定义为
对于一个特定的规则,,而一个不确定的规则,。
3.2。改进的禁忌搜索属性约简
在本节中,提出了改进的禁忌搜索属性约简(ITSAR)找到最小约简的疏散决策。首先我们介绍禁忌搜索算法的主要思想,然后描述ITSAR的组件,最后给ITSAR方案。
3.2.1之上。禁忌搜索的主要想法
禁忌搜索(TS)是一个metaheuristic优化方法最初提出的格洛弗(26]。TS已经成功地应用在各个领域23,24,27]。的主要想法是避免最近访问了部分解决方案的空间和指导搜索新的和有前途的领域。Nonimproving举措可以逃离当地的最适条件,和属性声明最近执行的动作禁忌或禁止的迭代次数,以避免骑自行车。在搜索过程中,算法保持短期记忆和长期记忆结构。短期记忆是建立保持近因通过构造禁忌列表(TL)。长期记忆是用来记录解决方案等特殊字符的精英和频繁访问的解决方案。
3.2.2。解决方案表示
ITSAR使用二进制表示解决方案(属性子集)。因此,试验方案是一个0 - 1向量维数等于条件属性的数量吗。如果一个组件的,值1,那么th属性中包含的属性子集所代表的试验方案。否则,该解决方案不包含属性。
3.2.3。解决方案质量测量
意味着相对划分粒度的解决方案相对于决策属性。比较两种解决方案和,我们说比如果下列条件之一:
3.2.4。禁忌列表
禁忌的角色列表(TL)是为了避免被困在当地的最适条件。第一和第二的位置在TL永久保留两个特殊解决方案:所有的解决方案(即。,被认为是所有属性)和解决方案的所有零(即。所有属性都是丢弃)。剩下的职位在TL用于保存最近访问的解决方案。提高搜索性能,动态选择策略的禁忌任期如下。
禁忌的范围被定义为参数和。最初的禁忌任期将等于。在实施多元化战略的过程中,禁忌任期范围内的随机选择后,均匀分布。强化战略的实施过程中,禁忌任期范围内的随机选择后,均匀分布。如果没有改善迭代(意味着最大数量的连续nonimprovement迭代),禁忌任期范围内随机选择后,均匀分布。
3.2.5。小区试验一代
试验方案,,所产生的变化在当前的解决方案随机基于禁忌限制在以下过程。
程序1 ()。(1)重复以下步骤。(2)集,并选择随机的位置的。(3)更新规则所选择的位置,。(4)如果,然后再回到步骤2生成另一个。
3.2.6。多元化战略
多元化战略的主要角色是直接搜索过程新的解决方案区域和加速逃离当地的最适条件。ITSAR定义一个向量的维度统计数字的选择中每个条件属性生成试验解决方案。然后,一个不同的解决方案可以生成包含属性选择的概率成反比外表。过程如下。
程序2 ()。(1)生成随机数。(2)重复以下步骤。(3)如果,设置。否则,设置。
3.2.7。强化战略
如果搜索仍然找不到任何改进后在迭代生成,ITSAR强化策略适用于完善最好的原因发现到目前为止。最好的原因细化,称为震动,试图减少中包含的属性一个接一个没有增加。继续搜索无论它是否能通过震动机制得到改善。最后,搜索过程终止,最后细化。过程如下。
过程3 ()。(1)构造一组所有的位置;的元素代表中包含的属性。(2)重复以下步骤。(3)删除属性,并计算相对划分粒度。(4)更新如果相对划分粒度下降或者相对划分粒度不变但权值中包含的属性的数量减少。
3.2.8。ITSAR算法
完整的算法如下。(1)让禁忌列表(TL)包含两种极端的解决方案:所有的解决方案和解决方案的所有零;集零向量。选择一个初始解,并设置计数器。选择,,,这样。(2)生成小区试验周围使用过程1。(3)集等于最好的试验解决方案TL更新,,。集。(4)如果迭代次数超过或改进的迭代的数量没有超过,终止搜索。(5)如果没有改进的迭代次数超过,应用程序3改善,设置,转到第2步。(6)如果没有改进的迭代次数超过,应用程序2获得一个新的多样化的解决方案,设置,转到第2步。
3.3。基于知识造粒的价值减少
启发式算法基于知识造粒价值减少,用于生成决策规则的组织疏散决策,描述如下。(1)检查每一个决策规则的条件属性的列;如果删除一个条件属性,三种可能的情况如下:(1)如果有冲突的决策规则,然后保留冲突的决策规则的属性值下降,这意味着价值不能被消除;(2)如果有重复的决策规则,然后重复决策规则的属性值下降为“”,这意味着价值可以被消除;(3)如果没有冲突和重复的决策规则,然后把属性值标记为”?”,这意味着价值是否可以消除正在等待。(2)删除重复的决策规则。如果所有条件属性决策规则的标记,然后改变属性值标注”?“原来的属性值。(3)检查属性值标注”?每个决策规则的”。(1)如果只有一个”?”,去(3);如果有不止一个”?”,计算所有属性值标记的意义”?“根据定义3。(2)选择属性值标注”?”和最大意义的决策规则(3)如果决定可以仅由属性值没有马克,去(4);否则,(5)。(4)改变属性值标注”?”到“”。(5)改变属性值标注”?“原来的属性值,(2)。(4)删除所有条件属性的决策规则标记为“”,可能重复的决策规则。(5)如果有两个决策规则,满足以下两个条件:(一)只有一个条件属性值是不同的,(b)不同属性值的一个标记为“”,那么,不同属性值的决策规则是标记为“”,如果可以通过属性值的决定没有标记,删除另一个决策规则;否则,删除这条规则。(6)计算出每条规则的信心;导出规则。
3.4。评价的方法
在这项研究中,例子是稀缺的;因此,交叉验证(CV)过程28)是用来评估的性能的方法。一个倍交叉验证程序分区的数据不相交的子集的大小几乎相等。的一个子集被预留给测试,而其余的数据构成训练样本。重复这个过程次了。每次使用不同的子集作为测试集,和最终结果的算术平均数单独的测试。
我们的性能评估方法通过应用10倍5倍交叉验证测试。方法的性能是衡量决策规则的命中率与最大价值的信心决策规则的命中率与最大值的信心和第二大价值的信心,全面的命中率计算 在哪里实例的数量在测试集可以被正确分类决策规则最大价值的信心,实例的数量在测试集可以被正确分类决策规则与第二大价值的信心,是总测试集的实例数量。全面的命中率呢也用作模型选择准则。
4所示。应用程序组疏散决策
本节介绍我们的测试组疏散决策。我们首先开发部分的决策表4.1。然后我们提取的属性约简与应用程序中的部分4.2。基于权值,生成一组决策规则的价值减少的部分4.3。部分4.4介绍了测试结果的规则。最后,我们比较该方法与其他方法的性能。
4.1。表示决策表
第一步是制定组织疏散决策的决策表。正如前面所讨论的,我们使用的数据集在武昌火车站地区疏散行为调查。决策表包含523个对象或样品。为每一个记录,6个条件属性注册。
表3显示八个对象群体疏散决策作为决策表的例子。
4.2。减少属性
属性约简和值约简的算法在MATLAB编程和应用组织疏散决策表的决策。ITSAR中使用的参数值被设置为以下值:,,,,,。这些选择的值是基于常见的设置(17,29日]。这表明潜在的未来改进的ITSAR系统调整这些参数使用统计测试所提出的徐et al。30.]。
属性约简后通过应用10倍5倍交叉验证测试,一些可以获得权值。表4显示个人原因发生的频率在权值的集合。显然,有一个共同的属性,也就是说,组织关系(),发生在所有的权值。
4.3。决策规则
基于前面步骤中获得的权值,可以生成决策规则从决策表值减少。导出频率最高的,规则是获得相应的训练集和表所示5。在这些决策规则,2规则肯定和其他人是不确定的。例如,规则1和规则3选择描述如下。
规则1意味着如果条件属性值满足下列条件,也就是说,性别是男性气质是胆汁,和组的关系是情人,然后组织决策模式选择的个人选择的路线经合理地做一件事。这条规则是1的信心。
规则3意味着如果条件属性值满足下列条件,也就是说,性别是女性和性情暴躁,和组的关系是情人,然后组织决策模式由个人选择有三种可能性,即选择的路线通过自我(0.125)的信心,或批准的路线选择熟悉的路线(0.5)的信心,或者选择的路线经合理的做一件事(0.375)的信心。
4.4。测试的结果
从训练集应用于决策规则生成相应的测试设置为了收获一个性能估计。从10乘以5倍交叉验证测试结果显示的范围的范围从0.298到0.509吗从0.529到0.759。如图1,大部分的高于0.4和大多数的吗高于0.6。最好的粗糙集模型,,,分别是0.502,0.759和0.605。最好的粗糙集模型包括三个条件属性:性别,性格,和组之间的关系。
4.5。与其他方法相比
来更好地了解人们的粗糙集理论的力量,比较与其他技术使用相同的训练和测试样本将被证明是有用的。为了比较,我们选择了禁忌搜索属性约简(沙皇)[17和多项物流回归(高)31日]。
在沙皇算法中,决策属性的依赖程度是衡量质量的一个解决方案,使用和固定任期禁忌。我们在研究中设置固定的禁忌担任8。沙皇和ITSAR可以获得相同的权值。两种方法的解决方案时间50运行显示在图中2。关于平均解决时间,ITSAR得到的权值比沙皇的时间更少了24.7%。ITSAR的CPU平均解决时间分别为0.827秒和1.1 CPU秒沙皇。
多项物流回归分类时可以使用因变量有超过两类。实施多项逻辑回归模型,反向淘汰过程是由使用SPSS软件在这个研究。多项物流回归模型的性能是由交叉验证过程中所描述的部分3所示。4。在(8),实例的数量在测试集可以正确分类的类别有最大值的概率,然后呢实例的数量在测试集可以正确分类的类别与第二大值概率。最好的逻辑回归模型拟合优度检验的基础上提取和命中率。
从10乘以5倍交叉验证测试结果显示的范围的范围从0.123到0.48吗从0.451到0.723。如图3,大部分的低于0.4和大多数的吗高于0.6。最好的逻辑回归模型,,,分别是0.48,0.693和0.565。最好的逻辑回归模型的拟合优度指标显示在表中6。最好的逻辑回归模型由三个变量:性别,性格,和组之间的关系,这是一样的条件属性的粗糙集模型。
表7描绘了10倍的平均结果5倍交叉验证测试两种方法。方法比较的结果表明,粗糙集理论方法优于多项物流回归的测试性能。
另一方面,图中曲线的波动1是相对温和,而曲线的波动图吗3相对比较明显。比较表明,粗糙集理论方法的稳定性的测试性能优于多项物流回归。
5。结论
在本文中,我们重点分析组织疏散决策在面对分歧决策者在客运交通枢纽地区。粗糙集理论应用于分析组织疏散决策。基于疏散行为的调查,我们开发组织疏散决策的决策表。一种改进的禁忌搜索属性约简(ITSAR)提出了决策表的最小约简,然后基于知识造粒值约简的启发式算法引入决策表的规则提取。根据研究提出,组织疏散决策规则生成在一个容易理解的形式(一组简单的if - then语句)。通过使用10次5倍交叉验证测试,我们比较该方法与其他方法的性能。结果表明,ITSAR超过沙皇的解决方案,和粗糙集理论的优势多项物流组织疏散决策的回归分析。粗糙集理论可以得出结论,可以快速获得更多简单的组织疏散决策和决策规则为疏散行为分析提供一种新的方式。
进一步的研究主要包括两个方面。首先,值得开发有效的更新规则数据库后增加新样本的方法。其次,这个模型可以与更大的一组行为模型集成到一个以代理人为基础的模拟框架全面疏散过程模型,这将有助于公共机构开发结合撤离的撤离计划的选择和行为。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
研究本研究得到了国家自然科学基金(51208400,51208400,51078299)和中国中部大学的基础研究基金(没有。2011 - 4 - 125)。