近日，公司毛鹏教授团队在工程技术领域国际知名期刊《Computers & Industrial Engineering》（中科院Top期刊，影响因子6.7）上发表了题为“A novel dynamic model for evaluating metro microenvironmental health vulnerability based on deep learning”的研究成果。公司博士研究生刘慧为第一作者，硕士研究生周逸芳为第二作者，毛鹏教授为通讯作者。公司为本研究的第一完成单位，该成果获得了国家自然科学基金项目的资助。
近年来，随着城市轨道交通快速发展，地铁微环境的封闭性、高人流密度及复杂污染物传输机制导致健康脆弱性问题日益突出。传统评估方法存在时效性不足、数据静态化等局限，难以动态捕捉多维风险因子的非线性关联。针对这一难题，论文提出了一种融合虚拟仿真与深度学习的智能评估框架。
论文通过文献分析与专家论证，构建了涵盖环境、人员、设备、管理的四维地铁微环境健康脆弱性评价指标体系，并基于BIM与VR技术搭建了三维虚拟地铁场景，结合VR交互设计模拟站厅、站台实时环境，实现了多源数据的沉浸式高效采集。进一步，设计了深度神经网络（DNN）模型，通过1500组专家实验数据训练优化模型参数，最终开发的动态评估模型训练集准确率达99.83%，测试集准确率为97.67%。最后，以南京地铁S线X站为例，模型判定其处于“中度脆弱”状态，并识别出PM₁₀、PM₂.₅、客流密度和应急技能等关键高风险指标。基于评估结果，论文提出了针对性调控建议，包括优化通风系统、强化人员应急培训及完善设备布局等。
该研究突破了传统单因子线性分析的局限，为地铁微环境健康风险的实时监测与动态管理提供了智能化工具，为城市轨道交通系统的健康可持续发展提供了重要理论支撑与技术参考。
供稿：周逸芳、毛鹏；供图：周逸芳；初审：李强；终审：柳任飞；编辑：许历隆
