基于LSBAS-BP模型的铁路车站人员物品危险性预测

作者：白伟; 伍柳伊^*; 吕晓军; 毋健; 杨帆; 卫丽娟

来源：铁道运输与经济, 2023, 45(12): 163-180.

DOI：10.16668/j.cnki.issn.1003-1421.2023.12.21

• 安检
• 人员物品危险等级
• LSBAS
• BP神经网络
• 危险性预测

安检作为旅客进入车站的重要关口，其作业可靠性直接影响铁路的安全运行。为了更有效地识别潜在安全隐患，构建了一个简单准确的人员物品危险性预测模型。首先，提出了人员物品危险等级划分准则，将人员物品划分为不同等级；其次，通过引入局部搜索(LS)机制来提高算法搜索精度，建立了基于改进的天牛须搜索算法(BAS)的LSBAS-BP神经网络模型，并给出了不同危险等级人员和物品的预防与控制措施；最后，对LSBAS-BP模型进行了仿真测试。结果表明，改进的LSBAS算法相比于传统BAS算法，具有更高的搜索精度，预测准确度更高。而采用LSBAS算法优化的BP神经网络模型也获得了相比BP,BAS-BP,GA-BP更优的性能，具有更好的鲁棒性。

• 单位
  中国铁道科学研究院集团有限公司; 山西大学