1.一种水灾情况地铁站内乘客疏散路径分布式鲁棒优化方法，其特征在于，包括：S1、获取地铁站内水灾情况水动力参数；S1-1、获取地铁站内CAD图像数据；S1-2、利用所述地铁站内CAD图像数据基于fluent建立地铁站内仿真模型；S1-3、根据所述地铁站内仿真模型分别获取水灾情况地铁站内洪水流速与洪水水深；S1-4、利用所述水灾情况地铁站内洪水流速与洪水水深作为地铁站内水灾情况水动力参数；其中，不同水灾情况对应不同水灾情况地铁站内洪水流速与洪水水深；S2、利用所述地铁站内水灾情况水动力参数建立地铁站内乘客疏散路径分布式鲁棒优化模型；S2-1、获取地铁站内全部乘客疏散路径与各乘客疏散路径对应疏散时间与风险目标；S2-2、利用所述地铁站内全部乘客疏散路径与各乘客疏散路径对应疏散时间与风险目标建立地铁站内乘客疏散路径分布式鲁棒优化初始模型；S2-2的计算式如下： ，其中， 为疏散时间对应的权值， 为风险目标对应的权值， 为地铁疏散网络中所有路段的集合， 为疏散过程中乘客在路段(i，j)的疏散时间， 为疏散过程中乘客在路段(i，j)上承受的风险值， 为表示路段(i，j)与乘客q的关联关系，P为随机向量的联合概率分布， 为Wasserstein模糊集， 和 分别为在路段(i，j)上时间和风险的预测偏差；所述Wasserstein模糊集的计算式如下： , , , ,其中， 是 范数， 是随机变量 和 的联合概率分布，且 和 的边缘分布分别是 和 ，P为随机向量的联合概率分布， 为Wasserstein模糊集， 为调节系数， 为置信水平， 为第 个样本数据， 为样本数据的均值， 为构造模糊集的数据样本数量， 为标量， 为支撑集；S2-3、利用所述地铁站内乘客疏散路径分布式鲁棒优化初始模型得到地铁站内乘客疏散路径分布式鲁棒优化模型；S2-3-1、获取地铁站内乘客疏散路径分布式鲁棒优化初始模型对应目标函数的极端分布情况；S2-3-2、根据所述极端分布情况进行初始转化处理得到极端分布情况第一转化处理结果；S2-3-2的计算式如下： ,其中， 为极端分布情况， 是 范数， 为第 个样本数据， 为构造模糊集的数据样本数量， 为包含定义在 上的所有Dirac分布的概率空间，P为随机向量的联合概率分布， 为Wasserstein模糊集；S2-3-3、根据所述极端分布情况第一转化处理结果基于对偶理论进行第二转化处理得到极端分布情况第二转化处理结果；S2-3-3的计算式如下： ， , , ,其中， 为极端分布情况， 是 范数， 为第 个样本数据， 为构造模糊集的数据样本数量， 为单位宽度洪水力， 为对偶变量， 为Wasserstein半径，P为随机向量的联合概率分布， 为Wasserstein模糊集；S2-3-4、根据所述极端分布情况第二转化处理结果基于Minimax定理进行第三转化处理得到极端分布情况第三转化处理结果；S2-3-4的计算式如下： ,其中， 为极端分布情况， 是 范数， 为第 个样本数据， 为构造模糊集的数据样本数量， P 为随机向量的联合概率分布， 为Wasserstein模糊集；S2-3-5、利用所述极端分布情况第三转化处理结果进行最终转化处理得到极端分布情况第四转化处理结果；S2-3-5的计算式如下：当 、 或 时对应最优解的计算式如下： ,其中， 为极端分布情况， 是 范数， 为第 个样本数据， 为构造模糊集的数据样本数量， P 为随机向量的联合概率分布， 为Wasserstein模糊集；S2-3-6、利用所述极端分布情况第四转化处理结果作为模型最坏期望；S2-3-7、利用所述模型最坏期望与地铁站内乘客疏散路径分布式鲁棒优化初始模型得到地铁站内乘客疏散路径分布式鲁棒优化模型；S3、利用所述地铁站内乘客疏散路径分布式鲁棒优化模型得到地铁站内乘客疏散路径分布式鲁棒优化结果。
