1.一种基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，包括以下步骤：步骤1：基于火灾动力学，依托地铁站台实际场景，构建所述地铁站台的火灾模拟模型，根据火源参数和人员运动速度关系计算火灾场景下乘客运动速度，所述火源参数包括火源位置、热释放速率，以及通过不断更改火源位置和热释放速率，得到的地铁站台内不同位置处的能见度，根据能见度和系数得到消光系数C s ，C S ＝K/V S ，其中V s 是能见度，K是系数；乘客运动速度表示为：其中，V fast 表示快运动速度，V middle 表示中等运动速度，V slow 表示慢运动速度；步骤2：基于行人运动学仿真软件构建所述地铁站台的乘客疏散仿真系统，设置地铁站台场景参数，模拟乘客的疏散行为，得到对应场景下地铁站的疏散时间，构建基础数据集；步骤3：基于所述基础数据集，利用无限潜在特征选择方法对影响乘客疏散时间的因素进行重要性排序，选取影响疏散时间的主因，所述利用无限潜在特征选择方法对影响乘客疏散时间的因素进行重要性排序包括以下步骤：步骤301：将所述地铁站台场景参数的特征变量编码成数值形式；步骤302：使用无限潜在特征选择方法训练一个潜在特征空间模型，所述潜在特征空间模型将所述地铁站台场景参数中的原始特征映射到低维的潜在特征空间中；步骤303：在训练完成后，计算每个所述地铁站台场景参数的特征在所述潜在特征空间模型中的重要性得分；步骤304：根据所述重要性得分，对所述地铁站台场景参数的特征进行排序，以确定所述地铁站台场景参数的特征的重要性顺序；步骤4：利用蛇优化算法对随机森林模型进行优化，使用优化后的算法构建所述火灾模拟模型下所述地铁站台的乘客疏散时间预测模型；步骤5：利用所述基础数据集中的部分数据对所述乘客疏散时间预测模型进行训练，得到训练完成的预测模型，利用所述基础数据集中的剩余部分数据验证所述训练完成的预测模型的有效性，将所述影响疏散时间的主因作为所述训练完成的预测模型的输入变量，得到对应火灾和地铁站台场景下人群在地铁站内的疏散时间预测值，所述疏散时间预测值为输出变量。
2.根据权利要求1所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，步骤2中，所述地铁站台场景参数包括地铁站类型、站厅面积、站台面积、突发火灾地点、火源热释放速率、乘客运动速度、站厅人数、站台人数、闸机数量、站台-站厅楼梯栏杆、站厅-出口楼梯栏杆、通道栏杆、个体期望速度和半径。
3.根据权利要求1所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，步骤4中，所述随机森林模型通过抽样从数据量为N、特征值为K的训练集中随机有放回地抽取n个样本数据并随机选择k个特征，构成新的训练子集训练决策树，重复p次，建立p棵决策树，将p棵决策树集成为随机森林，最后计算p棵决策树的算术平均值作为所述随机森林模型的最终预测结果，得到所述随机森林模型的树木个数和最小叶子数；所述蛇优化算法将蛇群分为个体数量相等的雄性蛇群和雌性蛇群，所述蛇群个数总数为N，所述雄性蛇群和雌性蛇群个体数分别为N m ＝N f ＝N/2，所述蛇优化算法包括全局探索阶段和局部开发阶段，通过所述全局探索阶段和局部开发阶段，得到所述雄性蛇群和雌性蛇群的最优适应度值和当前所处的最优位置；所述蛇优化算法将所述最优位置反馈给所述随机森林模型的树木个数和最小叶子数，对所述随机森林模型中的参数进行优化。
4.根据权利要求3所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，所述随机森林模型在所述抽样过程中使用Bootstrap方法进行有放回地随机抽样。
5.根据权利要求3所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，所述全局探索阶段的方法包括：假设求解空间为蛇群觅食空间，定义空间内的食物量为： 式中，t c 为当前迭代次数，N max 为最大迭代次数；设置食物阈值，当所述食物量低于所述食物阈值时，所述蛇群进入所述全局探索阶段，此时雄性个体和雌性个体的位置更新可以表示为： 式中，X i,m 和X i,f 分别为第i个雄性个体和雌性个体的位置，X r,m 和X r,f 分别为雄性蛇群和雌性蛇群中随机个体的位置，“±”为正负号，计算中随机选取，f r,m 和f r,f 分别为X r,m 和X r,f 对应的适应度值，f i,m 和f i,f 分别为第i个雄性个体和雌性个体的适应度值，b 1 和b 0 分别为解空间的上界和下界，γ d 为(0,1)之间的随机数。
6.根据权利要求5所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，所述局部开发阶段的方法包括：当所述食物量高于所述食物阈值时，所述蛇群进入所述局部开发阶段，所述蛇群的行为主要受环境温度影响，定义所述环境温度为： 设置温度阈值，当环境温度高于所述温度阈值时，所述蛇群仅在栖息地食用储存的食物，此时所述雄性个体和雌性个体的位置更新表示为： 式中，X fd 为蛇群食物的位置，即全局最优解；当环境温度不高于所述温度阈值时，所述蛇群会进行求偶，在求偶过程中，所述蛇群根据随机概率P r 选择与异性交配或者同性攻击，当P r >0.6时，所述蛇群进行异性交配行为，此时所述雄性个体和雌性个体的位置更新为：当P r ≤0.6时，所述蛇群停止异性交配行为，转而进行同性攻击，此时所述雄性个体和雌性个体的位置更新为： 式中，f b,m 和f b,f 分别为雄性蛇群和雌性蛇群的最优适应度值；X b,m 和X b,f 分别为雄性蛇群和雌性蛇群当前所处的最优位置。
7.根据权利要求6所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，在所述步骤5中，所述部分数据为所述基础数据集中的70％，所述剩余部分数据为所述基础数据集中的30％，所述部分数据根据适应度函数的均方误差值不断训练所述训练完成的疏散时间预测模型，利用剩余部分数据采用均方根误差、平均绝对误差和决定系数三个评价指标对所述训练完成的疏散时间预测模型进行评价。
8.根据权利要求7所述的基于火灾场景下地铁站台乘客疏散时间的预测方法，其特征在于，所述均方根误差的评价表示为： 所述平均绝对误差的评价表示为： 所述决定系数的评价表示为： 其中，N表示样本总数，f i 表示预测值，y i 表示真实值， 表示平均值。
