CN114353804B - 火灾应急疏散路径规划方法、装置、智能终端及存储介质 - Google Patents
火灾应急疏散路径规划方法、装置、智能终端及存储介质 Download PDFInfo
- Publication number
- CN114353804B CN114353804B CN202210005720.1A CN202210005720A CN114353804B CN 114353804 B CN114353804 B CN 114353804B CN 202210005720 A CN202210005720 A CN 202210005720A CN 114353804 B CN114353804 B CN 114353804B
- Authority
- CN
- China
- Prior art keywords
- evacuation
- data
- path planning
- cell
- evacuation path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims abstract description 41
- 238000005192 partition Methods 0.000 claims description 82
- 239000000779 smoke Substances 0.000 claims description 36
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 239000003546 flue gas Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 16
- 229910002091 carbon monoxide Inorganic materials 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 208000021063 Respiratory fume inhalation disease Diseases 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000009423 ventilation Methods 0.000 description 3
- 208000001408 Carbon monoxide poisoning Diseases 0.000 description 2
- 108010003320 Carboxyhemoglobin Proteins 0.000 description 2
- 206010021143 Hypoxia Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000003892 spreading Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 238000005399 mechanical ventilation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Alarm Systems (AREA)
- Fire Alarms (AREA)
Abstract
本发明公开了一种火灾应急疏散路径规划方法、装置、智能终端及存储介质，上述方法包括：基于火灾场景的空间结构，获得元胞集；基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。与现有技术相比，本发明方案通过采集火灾场景的环境数据和人员数据，获得疏散风险因子，并将该疏散风险因子纳入疏散路径规划模型，从而动态规划疏散路径时同时兼顾疏散时效性和疏散安全性，使得规划的路径更加合理。
Description
技术领域
本发明涉及应急疏散技术领域，尤其涉及的是一种火灾应急疏散路径规划方法、装置、智能终端及存储介质。
背景技术
经济的发展促进了城市的繁荣，随着城市规模扩大和城市流入人口的增加，地面可用面积逐渐减少，往往需要开发利用地下空间，因此出现了诸如地铁、地下商场、地下停车场、综合地下长廊等应用场所。然而地下空间狭小、通风困难、人口密度大，一旦发生火灾，火势蔓延速度快，人员疏散不便，严重危害人民的生命和财产安全。为适应现代复杂地下建筑的应急疏散要求，迫切需要适用于复杂地下空间的火灾应急疏散模型为人员应急疏散提供动态指导。
但是，现有的应急疏散模型主要考虑人的运动，只优化疏散时效性，优化目标单一，没有考虑疏散路径的安全性。疏散路径是否安全直接影响人员疏散能力和疏散路线的选择，因此，现有模型的疏散路径并不合理，甚至变得不再可行。
因此，现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种火灾应急疏散路径规划方法、装置、智能终端及存储介质，旨在解决现有技术中动态规划疏散路径时只考虑疏散时效性，没有兼顾疏散安全性的问题。
为了实现上述目的，本发明提供了一种火灾应急疏散路径规划方法，其中，上述方法包括：
获取火灾场景的环境数据和人员数据；
基于火灾场景的空间结构，获得元胞集；
基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；
基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。
可选的，所述环境数据包括温度数据和烟气数据，基于所述环境数据和所述人员数据，获得所述元胞集的元胞的疏散风险因子，包括：
基于所述温度数据，获得与所述元胞匹配的元胞温度数据；
基于所述元胞温度数据，获得人员丧失行动力的时间阈值；
基于所述时间阈值和所述人员数据，获得所述元胞的温度风险因子；
基于所述烟气数据获得所述元胞的烟气浓度；
基于所述烟气浓度和所述人员数据，获得所述元胞的烟气风险因子；
对所述温度风险因子和所述烟气风险因子加权，获得所述元胞的疏散风险因子。
可选的，所述基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径，包括：
基于火灾场景的空间结构，获得疏散分区集；
基于所述疏散分区集的疏散分区，将所述元胞集中的所有源元胞归类；
基于所述疏散风险因子，根据疏散路径规划模型依次获得所述疏散分区集的每个疏散分区的分区疏散路径；
基于所述分区疏散路径，获得所述疏散路径，所述疏散路径的总疏散效用最小。
可选的，所述基于火灾场景的空间结构，获得疏散分区集后，还包括：
依次获得所述疏散分区集的每个疏散分区的分区疏散风险因子；
基于所述分区疏散风险因子，将所述疏散分区集的疏散分区排序。
可选的，基于所述疏散风险，根据疏散路径规划模型，获得疏散路径后，还包括：
基于所述环境数据、所述人员数据和所述元胞集，建立所述火灾场景的模型；
基于所述人员数据，根据个体运动变化模型，获得疏散瓶颈信息。
可选的，所述基于所述人员数据，根据个体运动变化模型，获得疏散瓶颈信息后，还包括：
基于所述火灾场景，获取场景瓶颈信息；
基于所述场景瓶颈信息和所述疏散瓶颈信息，根据瓶颈簇算法，更新所述疏散瓶颈信息。
可选的，所述基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径后，还包括：
获取火灾场景的实时环境数据和实时人员数据；
基于所述实时环境数据和所述实时人员数据，实时更新所述疏散路径。
本发明第二方面提供一种火灾应急疏散路径规划装置，其中，上述装置包括：
数据获取模块，用于获取火灾场景的环境数据和人员数据；
场景划分模块，用于基于火灾场景的空间结构，获得元胞集；
风险因子模块，用于基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；
路径模块，用于基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。
本发明第三方面提供一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的火灾应急疏散路径规划程序，上述火灾应急疏散路径规划程序被上述处理器执行时实现任意一项上述火灾应急疏散路径规划方法的步骤。
本发明第四方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有火灾应急疏散路径规划程序，上述火灾应急疏散路径规划程序被处理器执行时实现任意一项上述火灾应急疏散路径规划方法的步骤。
由上可见，本发明方案获取火灾场景的环境数据和人员数据；基于火灾场景的空间结构，获得元胞集；基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。与现有技术相比，本发明方案通过采集火灾场景的环境数据和人员数据，获得疏散风险因子，并将该疏散风险因子纳入疏散路径规划模型，从而动态规划疏散路径时同时兼顾疏散时效性和疏散安全性，使得规划的路径更加合理。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的火灾应急疏散路径规划方法的流程示意图；
图2是本发明实施图1中步骤S300的具体流程示意图；
图3是本发明实施图1中步骤S400的具体流程示意图；
图4是本发明实施例提供的火灾应急疏散路径规划装置的结构示意图；
图5是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
经济的发展促进了城市的繁荣，随着城市规模扩大和城市流入人口的增加，地面可用面积逐渐减少，往往需要开发利用地下空间，因此出现了诸如地铁、地下商场、地下停车场、综合地下长廊等应用场所。然而地下空间狭小、通风困难、人口密度大，一旦发生火灾，火势蔓延速度快，人员疏散不便，严重危害人民的生命和财产安全。为适应现代复杂地下建筑的应急疏散要求，迫切需要适用于复杂地下空间的火灾应急疏散模型为人员应急疏散提供动态指导。
但是，现有的应急疏散模型主要考虑人的运动，只优化疏散时效性，优化目标单一，没有考虑疏散路径的安全性。疏散路径是否安全直接影响人员疏散能力和疏散路线的选择，因此，现有模型的疏散路径并不合理，甚至变得不再可行。
本发明方案通过采集火灾场景的环境数据和人员数据，获得疏散风险因子，并将该疏散风险因子纳入疏散路径规划模型，从而动态规划疏散路径时同时兼顾疏散时效性和疏散安全性，使得规划的路径更加合理。
示例性方法
如图1所示，本发明实施例提供一种火灾应急疏散路径规划方法，具体的，上述方法包括如下步骤：
步骤S100：获取火灾场景的环境数据和人员数据；
其中，环境数据是指火灾场景中各个监测点采集到的温度数据、一氧化碳浓度、氧气含量、能见度、烟气高度等各种数据，可以通过设置在场景空间中各个通道的传感器实时采集获取环境数据。可以对多次采集的数据进行拟合，获得拟合函数，从而获得任意时刻的环境数据。人员数据是指火灾场景空间中各个区域待疏散人群的分布位置、人群密度等，可以通过分析场景空间中的摄像头拍摄的照片或视频获得人员数据。
本实施例以地铁车站为例进行详细说明，采集的环境数据为温度数据和一氧化碳浓度数据，进行拟合后获得一氧化碳浓度增长曲线、温度增长曲线。通过地理信息配准的人员定位算法在多视频流中应用以获取区域人员位置信息，具体的根据摄像头采集的视频，获得视频序列，利用图像分割、运动跟踪、边缘检测等技术实现视频图像中人的检测和定位。运用图像处理技术对摄像头采集的视频数据进行处理，获取人群密度数据等。
步骤S200：基于火灾场景的空间结构，获得元胞集；
具体的，对实际的通道路段进行编号，将火灾场景中的虚拟路网划分为长度可变的元胞，这样实际路网中的静态或动态特征参数能转化为元胞的属性，为求解疏散路径和即时仿真提供基础。一个元胞的属性包括但不限于：元胞长度、可流入或流出元胞的最大人数、元胞的最大容量、元胞已有的人数、元胞的编号等。依据空间结构中疏散区域和路径进行元胞的划分，元胞的范围、大小根据具体场景需求而定。例如：元胞具体可以为疏散路径中的某一段，也可以为空间结构中某一个密闭空间。按照火灾场景的空间结构，划分为一个个元胞后，将所有的元胞组合形成元胞集。
步骤S300：基于环境数据和人员数据，获得元胞集的所有元胞的疏散风险因子；
具体的，现有方法主要考虑疏散时效性，基于疏散路径的长度，按照长度进行排序，有限选择长度较短的路径作为疏散路径。而忽略了疏散期间的安全性。实际上，在地下火灾应急疏散情景下，存在包括烟气吸入风险、高温灼伤风险、氧气不足风险和踩踏风险等各种疏散风险。例如：根据烟气浓度和高温，动态的评估疏散路径是否有效，当疏散路径上的疏散风险超过一定阈值后，就需要对该疏散路径进行屏蔽。本发明为了实现高精度的评估效果，细化至评估每一个元胞的风险，对这些风险进行评估，获得对应的风险因子，纳入到路径规划模型中，使得规划的路径更加合理。
本实施例以一氧化碳风险和高温风险为例，分别获得温度风险因子和烟气风险因子，再将上述两种风险因子进行线性加权，从而获得元胞的疏散风险因子。也就是说，根据环境数据，获得每个元胞的具体温度数据和烟气数据，然后根据人员数据，获得人员在元胞中的位置，到达元胞出口的距离，评估人员由于高温或烟气导致丧失行动力从而不能从该元胞疏散到下一个元胞的风险。容易理解的是，还可以基于人员时空分布和人员运动变化规律，计算疏散路径上的拥堵程序，评估踩踏风险。
需要说明的是，根据环境数据和人员数据获得风险因子的函数、各风险因子加权的权重，依据燃烧物品的性质数量、火灾空间的几何参数、空间布局、起火点位置、火灾的大小规模、火源的热释放效率及增长速率及通风条件等而相应设定。
步骤S400：基于疏散风险因子，根据疏散路径规划模型，获得疏散路径。
具体的，基于人群在路径选择时会理性的分析，绕开拥堵位置选择消耗时间最少的路径来建立疏散路径规划模型，并且火灾现场人群能否安全疏散的关键在于基于疏散风险因子，根据当前疏散路径，判断人员是否能够安全疏散。也就是说，疏散路径规划模型需要根据火灾现场环境达到危险状态的时间，即火灾发生后需要多长的时间，火灾现场的人群会因为火灾现场各环境因素的影响或环境参数的变化而失去逃生能力，如果在火灾现场环境达到危险状态之前所有人已撤离火灾现场，则认为火灾现场的人群可以安全疏散，疏散路径是合理有效的。
进一步的，由于地下空间有限，疏散通道难以满足疏散人员的同时疏散，不同区域人员的疏散行走时间和风险存在差异，并且考虑到疏散路径规划模型针对个体的路径规划工作量较大、疏散组织的可操作性不强。因此，可以根据风险分析结果进行区域划分，以疏散区块作为主体单元进行路径规划。分区域分阶段疏散有利于提高疏散效率，保障人员安全。具体的，基于疏散分区获得疏散路径的具体方法为：基于火灾场景的空间结构，将其网格化并划分为一个个疏散分区，获得疏散分区集；基于疏散分区集的疏散分区，按照元胞所属的疏散分区依次将元胞集中的每个源元胞归类；然后根据疏散路径规划模型依次获得疏散分区集的每个疏散分区的分区疏散路径；最后基于疏散路径的总疏散效用最小的原则，连接所有疏散分区的疏散路径归总获得疏散路径。
进一步的，还可以分别确定每个疏散分区的疏散风险，然后将疏散分区按照疏散风险高低进行排序，将疏散风险高的排在前面，优先处理疏散风险高的疏散分区。具体步骤为：依次获得疏散分区集的每个疏散分区的分区疏散风险因子；基于分区疏散风险因子，将疏散分区集的疏散分区排序。其中分区疏散风险因子可以根据疏散分区内每个元胞的疏散风险因子进行加权平均而获得。
本实施例将温度和一氧化碳浓度等风险因子纳入疏散路径规划模型中，并对疏散分区划分顺序。具体的，本实施例的疏散路径规划模型目标函数为：
其中，z为疏散分区编号，同时表示分区优先级，即疏散顺序，Z＝{1，2，3…}，z∈Z；Cz为分区z所有元胞集合，为分区z内终点元胞集合；为t时段开始时，元胞i内人数；为疏散风险函数，为烟气因子，为温度因子，dt为时间步长，t∈[0，T]。
由于疏散路径规划模型建立在可变元胞传输模型上，故依据疏散路径规划模型进行路径规划时应遵循相关约束条件，如：元胞流量守恒约束、元胞流入约束、元胞流出约束、连接器通行能力约束、疏散进程约束、取值约束等。
例如：在[0，T]时间段内，元胞流量守恒约束有：
(1)
其中，为t时段开始时，元胞i内人数；为t时段内，上游元胞k至元胞i的连接器内人数；Γ(i)为元胞i的上游元胞集合；Γ-1(i)为元胞i的下游元胞集合；为t时段内，元胞i至下游元胞j连接器内的人数；Cz为分区z所有元胞集合；为分区z内终点元胞集合；为分区z内源元胞集合。
(2)
其中，为t时段开始时，元胞i内人数；Γ(i)为元胞i的上游元胞集合；为t时段内，上游元胞k至元胞i的连接器内人数；为分区z内终点元胞集合。
(3)
其中，为t+1时段元胞i内人数，为t时段开始时，元胞i内人数；为t时段内，元胞i的疏散需求量，Γ-1(i)为元胞i的下游元胞集合；为t时段内，为t时段内，元胞i至下游元胞j连接器内的人数；为分区z内源元胞集合。
例如：在[0，T]时间段内，元胞流入约束有：
其中，为t时段内，上游元胞k至元胞i的连接器内人数；Γ(i)为元胞i的上游元胞集合；Qi(t)为t时段内，元胞i能流入\流出的人数限值；Ni(t)为t时段内，元胞i能容纳的人数限值；li为元胞i的尺寸，为t时段开始时，元胞i内人数；Cz为分区z所有元胞集合；为分区z内源元胞集合；
例如：在[0，T]时间段内，元胞流出约束有：
其中，为t时段内，元胞i至下游元胞j连接器内的人数；Γ-1(i)为元胞i的下游元胞集合；Γ1(i)为元胞i的上游元胞集合；Qi(t)为t时段内，元胞i能流入\流出的人数限值；Ni(t)为t时段内，元胞i能容纳的人数限值；li为以单位时间表示的元胞i的长度；Cz为分区z所有元胞集合；为分区z内终点元胞集合。
例如：在[0，T]时间段内，元胞之间的连接器的通行能力约束有：
其中，为t时段内，元胞i至元胞j连接器内的人数，Qij(t)为t时段内，元胞i至元胞j连接器内的人数限值，用于模拟疏散通道通行能力下降或失效等情况，为时变参数；Cz为分区z所有元胞集合；为分区z内终点元胞集合；为分区z内源元胞集合。
例如：在[0，T]时间段内，疏散进程约束有：
其中，为分区z内终点元胞集合；为T+1时段，元胞i内人数，为分区z内源元胞集合；为t时刻源点r处的疏散需求生成量，Dr为源点r生成的总疏散需求量。
也就是说，疏散进程结束时，分区内的需要疏散的人员全部到达终点元胞处。终点元胞表示一个虚拟的安全点，到达该点的人员可视为已经离开该地下空间，因此在计算总疏散效用时不考虑终点元胞的疏散效用值。
例如：在[0，T]时间段内，取值约束有：
(1)
其中，为t时段开始时，元胞i内人数；Cz为分区z所有元胞集合。
(2)
其中，为t时段内，元胞i至元胞j连接器内的人数；Y为疏散通道所有连接器集合。
疏散路径规划模型具体使用时，初始化参数设置如下：
(1)
其中，为初始时刻元胞i内人数，为源点r的疏散需求量，为分区z内源元胞集合。
(2)
其中，为初始时刻元胞i至元胞j连接器内的人数，Y为疏散通道所有连接器集合。
(3)
其中，Qi(t)为t时段内元胞i能流入\流出的人数限值，为t时段内，元胞i的疏散需求量，为分区z内源元胞集合。
(4)
其中，Ni(t)为t时段内，元胞i能容纳的人数限值，为分区z内终点元胞集合，为分区z内源元胞集合。
容易理解的是，可以获取到火灾场景的实时环境数据和实时人员数据；并基于实时环境数据和实时人员数据，实时更新疏散路径，根据火灾场景的实时情况动态更新疏散路径，保证疏散路径的安全和有效。
综上所述，本实施例将一氧化碳浓度作为烟气因子、并与温度因子一起纳入疏散风险函数，获得疏散风险因子。基于该疏散风险因子构建疏散路径规划模型，从而获得的疏散路径既考虑了疏散的安全性，又考虑了疏散的时效性，获得更加合理和更具有疏散指导意义的疏散路径。
当然，疏散风险因子还可以包括能见度、氧气含量等，分析各种风险因子对人群疏散运动速度的影响，将其对疏散运动速度的影响纳入疏散路径规划模型中。
在一个实施例中，上述步骤S300更具体地包括如图2所示的步骤：
步骤S310：基于温度数据，获得与元胞匹配的元胞温度数据；
具体的，获取到元胞所述的区域，基于采集的温度数据，获得所属区域的平均温度，从而获得与元胞匹配的元胞温度数据。当然，也可以直接将与元胞邻近的采集点的温度作为元胞温度数据或者基于邻近元胞的两个采集点的温度的拟合函数，获得元胞温度数据。
步骤S320：基于元胞温度数据，获得人员丧失行动力的时间阈值；
具体的，根据元胞温度数据，计算元胞各个时间段内的平均温度Taverage(0-nmin)。根据平均温度获得因热辐射造成严重灼伤或丧失行动力所需的时间。具体的计算公式为：
tinjury(0-nmin)＝k1(Taverage(0-nmin))-a+k2(Taverage(0-nmin))-b
其中，tinjury(0-nmin)表示人体暴露在火灾中，因热辐射造成严重灼伤或丧失运动能力所需时间，Taverage(0-nmin)表示0-nmin内的平均温度，根据美国防火协会文件获得推荐值k1＝5*1022，k2＝3*107，a＝11.783，b＝2.9636。
步骤S330：基于时间阈值和人员数据，获得元胞的温度风险因子；
具体的，根据人员数据，例如：人员在元胞中的位置，距离出口的距离、人员的行进速度、方向等，获得人员离开当前元胞所需的时间n。并根据tinjury(0-nmin)判断该时间段内是否存在高温风险，并给出高温风险值，即：如果tinjury(0-nmin)大于离开所需的时间n，则不存在高温风险，设定温度风险因子否则，存在高温风险，设定温度风险因子
步骤S340：基于烟气数据获得元胞的烟气浓度；
具体的，利用烟气监测装置实时采集疏散通道的烟气分布数据，构建地下空间火灾烟气扩散图，获得一段时间内元胞的烟气浓度，以一氧化碳的浓度为例，计算公式为：ppmCO0-nmin＝(ppmCOAmin n-ppmCOAmin0)Δt+ppmCOAmin0，其中ppmCO0-nmin则为CO平均浓度增长函数，ppmCOAmin0和ppmCOAmin n分别为0时刻和n时刻的CO平均浓度。
步骤S350：基于烟气浓度和人员数据，获得元胞的烟气风险因子；
具体的，根据人员数据获得人员离开当前元胞所的时间，根据烟气浓度计算该时间段内人员吸入烟气的累计量，当累计量超过阈值时，判断存在烟气风险。以一氧化碳为例，计算公式如下：
其中，％COHb|0-nmin表示区域A的人员在(0-nmin)时段内碳氧血红蛋白累积量，可表示吸入CO的危害程度，ppmCO0-nmin则为CO平均浓度增长函数；VE表示人的呼吸速率，单位为L/min；当碳氧血红蛋白累积量％COHb|0-nmin≤30％，表示不存在一氧化碳中毒风险。否则表示存在一氧化碳中毒风险，设置烟气风险因子
步骤S360：对温度风险因子和烟气风险因子加权，获得元胞的疏散风险因子。
具体的，根据获得的温度风险因子和烟气风险因子，将两者加权平均或者根据设定的加权函数，获得元胞的疏散风险因子。
本实施例中，考虑高温灼伤风险和烟气浓度风险后的风险函数为：
其中w1、w2和μ1、μ2需要根据事故场景和发展态势设置，主要取决于烟气浓度和高温对安全的影响程度，以及数值大小。两种风险因子的权重系数取决于事故类型和事故严重程度，烟气毒性等多种因素。
进一步的，获得疏散风险因子后，通过分析火灾中的烟气运动规律，结合烟气导流装置配置情况，确定需要解决排热和排烟问题的疏散通道。也就是说，在疏散路径动态优化的过程中，获得哪些疏散路径由于存在烟气吸入风险和高温灼伤风险而导致被无效，针对这些疏散路径运用计算流体力学方法设计地下空间的机械通风系统，使得在发生火灾后进行高效排热和排烟，以提供安全疏散路线。
综上所述，本实施例将采集的烟气浓度数据、温度数据转变为对应的烟气风险因子和温度风险因子，并根据风险函数对两者加权处理获得元胞的疏散风险因子，使得烟气风险和温度风险可衡量，并被应用疏散路径规划模型，从而可以在烟气浓度和通道温度超过阈值后，使得疏散路径失效。
在一个实施例中，上述步骤S400后还包括如图3所示的步骤：
步骤S410：基于环境数据、人员数据和元胞集，建立火灾场景的模型；
其中，环境数据包括疏散场景采集的温度数据、烟气数据、根据疏散场景的图纸获得各个区域的空间数据，区域的连接通道位置及尺寸等。人员数据包括疏散空间内待疏散人群的数量、分布及密度等，并可以进一步的获取疏散人员的年龄、性别等从而根据不同的人员确定不同的行进速度。根据地下空间的各个区域的空间大小、空间内待疏散人群的数量和分布情况、区域的连接通道位置及尺寸，烟气浓度及温度数据等，仿真建立火灾场景的模型。
步骤S420：基于人员数据，根据个体运动变化模型，获得疏散瓶颈信息。
其中，疏散瓶颈是指人群疏散路径上出现的令人群无法维持平稳流动的相关干扰，例如，楼梯、通道为常见的瓶颈区域。
具体的，疏散个体的疏散运动速度和个体的年龄、性别、对建筑的熟悉程度、是否参加过火灾疏散演习等相关。当火灾发生时，人群中的个体的疏散路线都是远离火源，选取距离自己所在位置最近的疏散通道或根据疏散引导，朝着安全点方向疏散。可以通过分析元胞前后个体的疏散运动速度变化情况确定瓶颈点。即从人员数据中获得人员时空分布，对行人运动变化规律分析，获得疏散瓶颈位置，即疏散瓶颈信息。
本实施例中，根据人员的时空分布情况，人员的疏散方向、速度和加速度，确定疏散瓶颈信息的具体步骤包括：
步骤S421：通过图像处理技术对摄像头采集的视频数据进行处理，首先获得人员位置数据，计算初始速度与加速度；具体公式为：
其中，v0表示人员初始位置处的速度，单位为m/s；vmax表示人员最大速度，根据实际情况设定，单位为m/s；k表示疏散速度影响因子，基于平面、坡道和楼梯等不同位置取值。D表示人员密度，单位为人/m2；amax表示最大加速度，单位为m/s2；taccel表示加速时间，参考实际情况设定，单位为s。
步骤S422：计算人员疏散方向上的速度和加速度；具体公式为：
其中，Cseek为各运动方向权重，权重最小的方向即为人员疏散运动方向；θt为速度方向与最优疏散曲线切线间的夹角，单位为°；表示现运动方向上的速度矢量，单位为m/s。dmax表示现运动方向上的最大行走距离，单位为m；dstop表示现运动方向上的最短加速距离，单位为m；表示权重最小的疏散运动方向上矢量；和分别表示权重最小的疏散运动方向上的速度矢量和加速度矢量，单位为m/s、m/s2。
步骤S423：计算单位时间步长后人员的疏散到达位置处的速度和位置矢量；具体公式为：
式中，Δt表示单位时间步长，单位为s；表示Δt后到达位置的速度矢量，单位为m/s；表示当前位置矢量，表示到达位置矢量。
步骤S424：判断人员到达位置，若已到达疏散出口，则结束运算，反之重复步骤S423，直至到达疏散出口。
步骤S425：通过仿真软件模拟疏散情况，根据预先标定的不同位置的疏散人员瓶颈阈值，与实际行人分布数据比较从而确定该位置是否是瓶颈点。
步骤S430：基于火灾场景，获取场景瓶颈信息；
具体的，地铁车站内包括站厅、站台，站厅与站台之间通过楼梯、电梯或扶梯连通。如果是可换乘的车站，还包括换乘通道。上述的楼梯、扶梯、坡道以及换乘通道形成发生火灾时的瓶颈通道，即场景瓶颈信息。
步骤S440：基于场景瓶颈信息和疏散瓶颈信息，根据瓶颈簇算法，更新疏散瓶颈信息。
具体的，获得场景瓶颈信息和疏散瓶颈信息后，利用瓶颈簇理论(TOC)分析瓶颈之间的相互影响关系，全面准确地识别地下空间的疏散瓶颈，并实时更新疏散瓶颈信息。
综上所述，本实施例分析人员时空分布和人员运动变化，仿真模拟人群的疏散运动，识别疏散路径上的拥堵程度，预测疏散瓶颈。为优化行人疏散路径和优化疏散设施提供支持，如：安排引导员引导疏散路线和瓶颈点播报，动态更新行人疏散路径，调控瓶颈路段的人流量；并可以根据瓶颈信息优化疏散设施，即提高疏散通道的通行能力。
容易理解的是，本发明的火灾应急疏散路径规划方法不仅适用于地铁车站等地下空间，也适用于火车站、建筑物等地上空间。
示例性设备
如图4中所示，对应于火灾应急疏散路径规划方法，本发明实施例还提供一种火灾应急疏散路径规划装置，上述火灾应急疏散路径规划装置包括：
数据获取模块600，用于获取火灾场景的环境数据和人员数据；
其中，环境数据是指火灾场景中各个监测点采集到的温度数据、一氧化碳浓度、氧气含量、能见度、烟气高度等各种数据，可以通过设置在场景空间中各个通道的传感器实时采集获取环境数据。可以对多次采集的数据进行拟合，获得拟合函数，从而获得任意时刻的环境数据。
人员数据是指火灾场景空间中各个区域待疏散人群的分布位置、人群密度等，可以通过分析场景空间中的摄像头拍摄的照片或视频获得人员数据。
场景划分模块610，用于基于火灾场景的空间结构，获得元胞集；
具体的，对实际的通道路段进行编号，将火灾场景中的虚拟路网划分为长度可变的元胞，这样实际路网中的静态或动态特征参数能转化为元胞的属性，为求解疏散路径和即时仿真提供基础。一个元胞的属性包括但不限于：元胞长度、可流入或流出元胞的最大人数、元胞的最大容量、元胞已有的人数、元胞的编号等。依据空间结构中疏散区域和路径进行元胞的划分，元胞的范围、大小根据具体场景需求而定。例如：元胞具体可以为疏散路径中的某一段，也可以为空间结构中某一个密闭空间。按照火灾场景的空间结构，划分为一个个元胞后，将所有的元胞组合形成元胞集。
风险因子模块620，用于基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；
具体的，现有方法主要考虑疏散时效性，基于疏散路径的长度，按照长度进行排序，有限选择长度较短的路径作为疏散路径。而忽略了疏散期间的安全性。实际上，在地下火灾应急疏散情景下，存在包括烟气吸入风险、高温灼伤风险、氧气不足风险和踩踏风险等各种疏散风险。例如：根据烟气浓度和高温，动态的评估疏散路径是否有效，当疏散路径上的疏散风险超过一定阈值后，就需要对该疏散路径进行屏蔽。本发明为了实现高精度的评估效果，细化至评估每一个元胞的风险，对这些风险进行评估，获得对应的风险因子，纳入到路径规划模型中，使得规划的路径更加合理。
路径模块630，用于基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。
具体的，基于人群在路径选择时会理性的分析，绕开拥堵位置选择消耗时间最少的路径来建立疏散路径规划模型，并且火灾现场人群能否安全疏散的关键在于基于疏散风险因子，根据当前疏散路径，判断人员是否能够安全疏散。也就是说，疏散路径规划模型需要根据火灾现场环境达到危险状态的时间，即火灾发生后需要多长的时间，火灾现场的人群会因为火灾现场各环境因素的影响或环境参数的变化而失去逃生能力，如果在火灾现场环境达到危险状态之前所有人已撤离火灾现场，则认为火灾现场的人群可以安全疏散，疏散路径是合理有效的。
进一步的，由于地下空间有限，疏散通道难以满足疏散人员的同时疏散，不同区域人员的疏散行走时间和风险存在差异，并且考虑到疏散路径规划模型针对个体的路径规划工作量较大、疏散组织的可操作性不强。因此，可以根据风险分析结果进行区域划分，以疏散区块作为主体单元进行路径规划。分区域分阶段疏散有利于提高疏散效率，保障人员安全。具体的，基于疏散分区获得疏散路径的具体方法为：基于火灾场景的空间结构，将其网格化并划分为一个个疏散分区，获得疏散分区集；基于疏散分区集的疏散分区，按照元胞所属的疏散分区依次将元胞集中的每个元胞归类；然后根据疏散路径规划模型依次获得疏散分区集的每个疏散分区的分区疏散路径；最后基于疏散路径的总疏散效用最小的原则，连接所有疏散分区的疏散路径归总获得疏散路径。
进一步的，还可以分别确定每个疏散分区的疏散风险，然后将疏散分区按照疏散风险高低进行排序，将疏散风险高的排在前面，优先处理疏散风险高的疏散分区。具体步骤为：依次获得疏散分区集的每个疏散分区的分区疏散风险因子；基于分区疏散风险因子，将疏散分区集的疏散分区排序。其中分区疏散风险因子可以根据疏散分区内每个元胞的疏散风险因子进行加权平均而获得。
本实施例中，上述火灾应急疏散路径规划装置的各模块的具体功能可以参照上述火灾应急疏散路径规划方法中的对应描述，在此不再赘述。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图5所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和火灾应急疏散路径规划程序。该内存储器为非易失性存储介质中的操作系统和火灾应急疏散路径规划程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该火灾应急疏散路径规划程序被处理器执行时实现上述任意一种火灾应急疏散路径规划方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解，图5中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的火灾应急疏散路径规划程序，上述火灾应急疏散路径规划程序被上述处理器执行时进行以下操作指令：
获取火灾场景的环境数据和人员数据；
基于火灾场景的空间结构，获得元胞集；
基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；
基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。
本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有火灾应急疏散路径规划程序，上述火灾应急疏散路径规划程序被处理器执行时实现本发明实施例提供的任意一种火灾应急疏散路径规划方法的步骤。
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (7)
1.火灾应急疏散路径规划方法，其特征在于，包括：
获取火灾场景的环境数据和人员数据；
基于火灾场景的空间结构，获得元胞集；
基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；
基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径；
所述基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径，包括：
基于火灾场景的空间结构，获得疏散分区集；
基于所述疏散分区集的疏散分区，将所述元胞集中的所有源元胞归类；
基于所述疏散风险因子，根据疏散路径规划模型依次获得所述疏散分区集的每个疏散分区的分区疏散路径；
基于所述分区疏散路径，获得所述疏散路径，所述疏散路径的总疏散效用最小；
所述疏散路径规划模型建立在可变元胞传输模型上，所述疏散路径规划模型的约束条件包括：元胞流量守恒约束、元胞流入约束、元胞流出约束、连接器通行能力约束、疏散进程约束和取值约束；
基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径后，还包括：
基于所述环境数据、所述人员数据和所述元胞集，建立所述火灾场景的模型；
通过图像处理技术对摄像头采集的视频数据进行处理，获得人员位置数据，根据所述人员位置数据计算初始速度与加速度；
根据所述初始速度和所述加速度计算人员疏散方向上的速度和加速度；
根据人员疏散方向上的速度和加速度计算单位时间步长后人员疏散到达位置处的速度和位置矢量，当未到达疏散出口时，计算下一单位时间步长后人员疏散到达位置处的速度和位置矢量，直至到达疏散出口；
通过仿真软件模拟疏散情况，根据预先标定的不同位置的疏散人员瓶颈阈值，与实际行人分布数据比较确定所述位置是否是瓶颈点，获得疏散瓶颈信息；
基于所述火灾场景，获取场景瓶颈信息；
基于所述场景瓶颈信息和所述疏散瓶颈信息，根据瓶颈簇算法，更新所述疏散瓶颈信息。
2.如权利要求1所述的火灾应急疏散路径规划方法，其特征在于，所述环境数据包括温度数据和烟气数据，基于所述环境数据和所述人员数据，获得所述元胞集的元胞的疏散风险因子，包括：
基于所述温度数据，获得与所述元胞匹配的元胞温度数据；
基于所述元胞温度数据，获得人员丧失行动力的时间阈值；
基于所述时间阈值和所述人员数据，获得所述元胞的温度风险因子；
基于所述烟气数据获得所述元胞的烟气浓度；
基于所述烟气浓度和所述人员数据，获得所述元胞的烟气风险因子；
对所述温度风险因子和所述烟气风险因子加权，获得所述元胞的疏散风险因子。
3.如权利要求1所述的火灾应急疏散路径规划方法，其特征在于，所述基于火灾场景的空间结构，获得疏散分区集后，还包括：
依次获得所述疏散分区集的每个疏散分区的分区疏散风险因子；
基于所述分区疏散风险因子，将所述疏散分区集的疏散分区排序。
4.如权利要求1所述的火灾应急疏散路径规划方法，其特征在于，所述基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径后，还包括：
获取火灾场景的实时环境数据和实时人员数据；
基于所述实时环境数据和所述实时人员数据，实时更新所述疏散路径。
5.火灾应急疏散路径规划装置，其特征在于，所述装置包括：
数据获取模块，用于获取火灾场景的环境数据和人员数据；
场景划分模块，用于基于火灾场景的空间结构，获得元胞集；
风险因子模块，用于基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；
路径模块，用于基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径；
所述基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径，包括：
基于火灾场景的空间结构，获得疏散分区集；
基于所述疏散分区集的疏散分区，将所述元胞集中的所有源元胞归类；
基于所述疏散风险因子，根据疏散路径规划模型依次获得所述疏散分区集的每个疏散分区的分区疏散路径；
基于所述分区疏散路径，获得所述疏散路径，所述疏散路径的总疏散效用最小；
所述疏散路径规划模型建立在可变元胞传输模型上，所述疏散路径规划模型的约束条件包括：元胞流量守恒约束、元胞流入约束、元胞流出约束、连接器通行能力约束、疏散进程约束和取值约束；
基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径后，还包括：
基于所述环境数据、所述人员数据和所述元胞集，建立所述火灾场景的模型；
通过图像处理技术对摄像头采集的视频数据进行处理，获得人员位置数据，根据所述人员位置数据计算初始速度与加速度；
根据所述初始速度和所述加速度计算人员疏散方向上的速度和加速度；
根据人员疏散方向上的速度和加速度计算单位时间步长后人员疏散到达位置处的速度和位置矢量，当未到达疏散出口时，计算下一单位时间步长后人员疏散到达位置处的速度和位置矢量，直至到达疏散出口；
通过仿真软件模拟疏散情况，根据预先标定的不同位置的疏散人员瓶颈阈值，与实际行人分布数据比较确定所述位置是否是瓶颈点，获得疏散瓶颈信息；
基于所述火灾场景，获取场景瓶颈信息；
基于所述场景瓶颈信息和所述疏散瓶颈信息，根据瓶颈簇算法，更新所述疏散瓶颈信息。
6.智能终端，其特征在于，所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的火灾应急疏散路径规划程序，所述火灾应急疏散路径规划程序被所述处理器执行时实现如权利要求1-4任意一项所述火灾应急疏散路径规划方法的步骤。
7.计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有火灾应急疏散路径规划程序，所述火灾应急疏散路径规划程序被处理器执行时实现如权利要求1-4任意一项所述火灾应急疏散路径规划方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210005720.1A CN114353804B (zh) | 2022-01-04 | 2022-01-04 | 火灾应急疏散路径规划方法、装置、智能终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210005720.1A CN114353804B (zh) | 2022-01-04 | 2022-01-04 | 火灾应急疏散路径规划方法、装置、智能终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114353804A CN114353804A (zh) | 2022-04-15 |
| CN114353804B true CN114353804B (zh) | 2024-04-30 |
Family
ID=81107798
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210005720.1A Active CN114353804B (zh) | 2022-01-04 | 2022-01-04 | 火灾应急疏散路径规划方法、装置、智能终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114353804B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114862005B (zh) * | 2022-04-27 | 2024-07-16 | 中煤科工集团重庆智慧城市科技研究院有限公司 | 一种城市地下管廊应急救援管理系统 |
| CN115204701B (zh) * | 2022-07-23 | 2023-07-14 | 广东中测标准技术有限公司 | 体育场馆的消防风险防控方法、系统、设备和存储介质 |
| CN115545359B (zh) * | 2022-12-01 | 2023-05-09 | 北京科技大学 | 一种面向复杂建筑火灾的动态智能疏散方法及装置 |
| CN116086458A (zh) * | 2023-01-03 | 2023-05-09 | 北京辰安科技股份有限公司 | 路径规划方法、装置和电子设备 |
| CN117367435B (zh) * | 2023-12-06 | 2024-02-09 | 深圳大学 | 疏散路径规划方法、装置、设备及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058939A (zh) * | 2010-08-18 | 2011-05-18 | 清华大学 | 建筑火灾态势评估与人员疏散指示方法和系统 |
| CN103394171A (zh) * | 2013-08-02 | 2013-11-20 | 重庆大学 | 大型高层建筑室内火灾紧急疏散指示逃生方法及系统 |
| CN106295910A (zh) * | 2016-08-27 | 2017-01-04 | 重庆九洲星熠导航设备有限公司 | 一种实时态势感知的室内火灾疏散路径动态优化方法 |
| CN109785551A (zh) * | 2017-12-31 | 2019-05-21 | 湖南汇博电子科技股份有限公司 | 火灾应急设备控制方法、装置、系统及存储介质 |
| CN111125886A (zh) * | 2019-12-04 | 2020-05-08 | 东南大学 | 一种基于三种不同行为的人群疏散仿真系统及仿真方法 |
| CN111982113A (zh) * | 2020-07-22 | 2020-11-24 | 湖南大学 | 路径生成方法、装置、设备及存储介质 |
| CN112182723A (zh) * | 2020-10-20 | 2021-01-05 | 上海应用技术大学 | 人群疏散瓶颈拥堵状况分析方法和系统 |
| CN113345234A (zh) * | 2021-06-07 | 2021-09-03 | 哈尔滨工业大学（深圳） | 面向应急疏散场景的快速路入口匝道协同控制方法及装置 |
| CN113408189A (zh) * | 2021-05-27 | 2021-09-17 | 华南理工大学 | 基于可变元胞的城市多点循环式紧急疏散与仿真推演方法 |
-
2022
- 2022-01-04 CN CN202210005720.1A patent/CN114353804B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058939A (zh) * | 2010-08-18 | 2011-05-18 | 清华大学 | 建筑火灾态势评估与人员疏散指示方法和系统 |
| CN103394171A (zh) * | 2013-08-02 | 2013-11-20 | 重庆大学 | 大型高层建筑室内火灾紧急疏散指示逃生方法及系统 |
| CN106295910A (zh) * | 2016-08-27 | 2017-01-04 | 重庆九洲星熠导航设备有限公司 | 一种实时态势感知的室内火灾疏散路径动态优化方法 |
| CN109785551A (zh) * | 2017-12-31 | 2019-05-21 | 湖南汇博电子科技股份有限公司 | 火灾应急设备控制方法、装置、系统及存储介质 |
| CN111125886A (zh) * | 2019-12-04 | 2020-05-08 | 东南大学 | 一种基于三种不同行为的人群疏散仿真系统及仿真方法 |
| CN111982113A (zh) * | 2020-07-22 | 2020-11-24 | 湖南大学 | 路径生成方法、装置、设备及存储介质 |
| CN112182723A (zh) * | 2020-10-20 | 2021-01-05 | 上海应用技术大学 | 人群疏散瓶颈拥堵状况分析方法和系统 |
| CN113408189A (zh) * | 2021-05-27 | 2021-09-17 | 华南理工大学 | 基于可变元胞的城市多点循环式紧急疏散与仿真推演方法 |
| CN113345234A (zh) * | 2021-06-07 | 2021-09-03 | 哈尔滨工业大学（深圳） | 面向应急疏散场景的快速路入口匝道协同控制方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 火灾条件下地铁疏散仿真研究;吴君子;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第1期);第7-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114353804A (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114353804B (zh) | 火灾应急疏散路径规划方法、装置、智能终端及存储介质 | |
| KEMLOH WAGOUM et al. | Modeling the dynamic route choice of pedestrians to assess the criticality of building evacuation | |
| CN103279800B (zh) | 基于博弈论的大规模人群疏散最优逃生路线生成方法 | |
| KR102375246B1 (ko) | 재난상황을 대비한 지능형 대피 유도 시스템 | |
| Shen | ESM: a building evacuation simulation model | |
| Ding et al. | Simulation-based optimization of emergency evacuation strategy in ultra-high-rise buildings | |
| Yang et al. | Passenger evacuation path planning in subway station under multiple fires based on multiobjective robust optimization | |
| Yang et al. | Path planning for guided passengers during evacuation in subway station based on multi-objective optimization | |
| Ma et al. | Modeling pedestrian space in complex building for efficient pedestrian traffic simulation | |
| Liu et al. | Simulation of passenger motion in metro stations during rush hours based on video analysis | |
| CN108596368B (zh) | 一种基于预测时间的多出口疏散方法 | |
| CN113255979B (zh) | 城市公交线网脆弱点识别方法、装置、计算机设备及存储介质 | |
| WO2012111138A1 (ja) | 歩行者移動情報検出装置 | |
| Zeng et al. | Effects of initial distribution ratio and illumination on merging behaviors during high-rise stair descent process | |
| CN113807026A (zh) | 地铁站内客流流线优化及动态引导指示牌系统及设计方法 | |
| Yao et al. | Children’s evacuation behavioural data of drills and simulation of the horizontal plane in kindergarten | |
| Yang et al. | Passenger management strategy and evacuation in subway station under Covid-19 | |
| Xu et al. | A review on passenger emergency evacuation from multimodal transportation hubs | |
| CN116502763A (zh) | 一种基于时空图神经网络的人群拥堵预测方法及系统 | |
| CN115496288A (zh) | 一种铁路客站应急疏散路径规划方案确定方法和装置 | |
| JP2019012494A (ja) | 人流推定装置及び人流推定システム並びに人流測定方法 | |
| JP4910432B2 (ja) | 車両混雑状況予測システム及び方法、プログラム | |
| CN111738513A (zh) | 一种疏散路径动态优化方法和装置 | |
| Shan et al. | Simulation analysis of evacuation processes in a subway station based on multi-disaster coupling scenarios | |
| CN111126689A (zh) | 一种地铁车站客流流线管控方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |