CN101567017A - 基于多分辨率图的城市疏散仿真方法 - Google Patents
基于多分辨率图的城市疏散仿真方法 Download PDFInfo
- Publication number
- CN101567017A CN101567017A CNA2008102462349A CN200810246234A CN101567017A CN 101567017 A CN101567017 A CN 101567017A CN A2008102462349 A CNA2008102462349 A CN A2008102462349A CN 200810246234 A CN200810246234 A CN 200810246234A CN 101567017 A CN101567017 A CN 101567017A
- Authority
- CN
- China
- Prior art keywords
- evacuation
- personnel
- model
- facility
- building
- 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.)
- Granted
Links
Images
Abstract
基于多分辨率图的城市疏散仿真方法,其特征是从场景建模出发,建立具有基于多分辨率图的城市疏散仿真场景,结合现有的人员行为仿真的各种方法,形成一个在城市疏散仿真领域通用的疏散仿真方法。本发明方法应用中,一方面,基于多分辨率图的疏散仿真需要针对不同的城市灾害环境进行具体分析,结合所需要的灾害评估精细程度设置对多分辨率图的具体生成过程有所变化;另一方面本发明方法和现有疏散仿真方法相结合,将已有的人员疏散决策仿真方法实现到本发明所述的场景模型上,构成完整的疏散仿真系统。
Description
技术领域
本发明涉及系统仿真领域,更具体地说是一种可以适应多精细程度模型的城市疏散仿真方法。
背景技术
随着社会的发展,大型公共场所的安全性问题越来越引起关注。在这些场所,有大量人员进出,一旦发生紧急事件,如何将大量人员安全快速疏散,不仅是建筑设计中必须认真考虑的问题,也是对现有建筑进行紧急情况应对预案制定的重要研究方法。在实际环境中,受到成本和其它原因的影响,通常的演习方法很难应用。最经济可行的方法就是通过计算机的仿真模拟检验建筑的设计方案和紧急情况应对预案。在计算机上有效地进行人员疏散仿真的模拟,辅助分析环境(即场景)的疏散性能和制定合适的疏散方案。
例如,一些体育场馆和公共场所都会聚集着大量的人群。如果在这样的环境下发生火灾等突发事件,考虑和处理不慎就会造成巨大的人员和财产损失。鉴于此,一方面,在体育场馆和公共场所设计之初就要考虑到发生突发事件时人员的疏散问题,尽可能在最短的时间内有效地将人群安全地疏散出特定区域;另一方面,发生突发事件时,还要考虑到现场的慌乱气氛,因此必须制定疏散和应对的方案,确保疏散过程尽可能的高效,以减少和避免重大损失。以上两方面都可以通过对疏散过程进行模拟,即进行疏散仿真来实现。
国内外针对疏散仿真都已进行了大量的研究和应用。在城市疏散领域,现有的疏散仿真方法大多关注疏散过程中人员或人群的主观决策机制,其中的仿真模型均为单一模型,而实际城市灾害评估中往往需要建立在不同精细程度的分析上面,这样就需要设计一个满足这种需要、适应多精细程度模型的疏散仿真方法。这一灾害是指发生在城市区域中,可能造成重大人员伤亡而需要进行人员疏散的自然灾害和事故,例如洪水,火灾,危险品泄露等。
发明内容
本发明是为避免上述现有技术所存在的不足之处,提供一种基于多分辨率图的城市疏散仿真方法,从场景建模出发,建立具有基于多分辨率图的城市疏散仿真场景,结合现有的人员行为仿真的各种方法,形成一个在城市疏散仿真领域通用的疏散仿真方法。
本发明解决技术问题采用如下技术方案:
本发明基于多分辨率图的城市疏散仿真方法,其特点是按如下步骤操作:
1、分析城市各种建筑和设施的疏散特征,依据其在疏散过程中的不同作用分为三类:办公区建筑类、住宅区建筑类和其他设施类,提取出每一类中所具有的共同属性,形成包含有所述共同属性的每一类的模板,不同类的模板组成疏散场景模型模板库;
所述建筑和设施不包括城市道路网;所述建筑和设施的疏散特征是指城市中各种建筑和设施在疏散过程中所表现出来的被用来作为疏散目的地、中转站或源地点的功能,以及其承载和转运人员的能力;
2、给定指定城市的场景信息,在已有的疏散场景模板库中选择对应类的模板,将所述指定城市的场景信息纳入模板,生成指定城市建筑和设施的模型,同时依据所述指定城市的场景信息生成城市道路网模型,根据所述指定城市建筑和设施的模型与城市道路网模型的位置关系将所述建筑和设施的模型连接到所述城市道路网模型上,生成被指定城市的原始疏散场景模型;
3、对步骤2生成的原始疏散场景模型进行预处理,所述预处理是按照不同的仿真需求对所述原始疏散场景模型进行合并化简,分别得到满足不同仿真精度要求的具有不同分辨率的城市疏散场景模型;
4、针对步骤3所得到的不同分辨率的城市疏散场景模型,输入仿真初始状态,包括疏散场景中人员的疏散状态和疏散场景状态,所述人员疏散状态包括人员的位置、移动速度、优先级、体力和自主参数,所述疏散场景状态是在某一时刻建筑设施中剩余的人员总数和已逃离的人员总数;以描述人员在疏散过程中的行为为目标,生成人员智能体,所述人员智能体具有人员的疏散状态信息;
5、依据当前的疏散场景状态,在步骤3得到的不同分辨率的城市疏散场景模型基础上,采用启发式路径搜索算法来计算疏散计划路线,根据疏散计划路线判断人员智能体的移动意向,即下一步人员智能体可能采取的移动方案;
6、执行仿真过程,在执行仿真的过程中根据周围场景的变化调整人员智能体的自主参数,移动人员智能体并交互地改变人员智能体的优先级、移动速度信息,直至仿真结束,所述仿真结束是以人员全部撤离或指定时间到达为标志的。
本发明方法的特点也在于:
在所述步骤3中为获得满足不同仿真精度要求的具有不同分辨率的城市疏散场景模型按如下方式操作:
根据不同的仿真需要,确定所需的具有不同分辨率的城市疏散场景模型的精度级别;设定精度级别为A、B、C和D四级,所述A级为原始城市场景模型的精度,所述B级为只对其它设施模型进行化简合并的模型精度,所述C级为对住宅区建筑和其它设施模型化简合并的模型精度,所述D级是对所有建筑和设施模型化简合并的模型精度;从A级到D级,精度级别依次递减,其中,所述A级最精确;
办公区建筑模型的简化:
以对原始场景模型进行合并后办公区建筑模型中的总人数为依据,进行各办公区建筑的合并;当模型精度级别要求为D时,依据办公区建筑中的人员数来进行合并:当多个办公区建筑模型中总人数达到设定值P时,将所述多个办公区建筑模型合并为一个办公区建筑模型,同时,重新生成合并后办公区建筑模型的疏散性能;
住宅区建筑模型的简化
以对原始场景模型进行合并后住宅区建筑模型中的总人数为依据,进行各住宅区建筑的合并;当模型精度级别要求为C或D时,依据住宅区建筑中的人员数来进行合并:当多个住宅区建筑中总人数达到设定值Q时,将所述多个住宅区建筑模型合并为一个住宅区建筑模型,同时,重新生成合并后住宅区建筑模型的疏散性能;所述设定值Q是按照所处精度要求C、D的顺序依次递增;
其它设施模型的简化
当模型精度要求为B、C或D时,需要对其他设施模型进行简化,将所述其他设施模型与周围的办公区建筑模型或住宅区建筑模型进行合并,形成一个新的办公区建筑或住宅区建筑模型,被合并的其它设施模型的疏散性能也随之并入所形成的新的办公区建筑或住宅区建筑模型之中。
城市道路网模型的简化
在建筑和其他设施模型合并基础上,对城市道路网模型做出适应性修改,去除因建筑和其他设施模型合并而不再需要的道路;
所述步骤6按如下步骤操作:
1、以人员智能体的自主参数为依据,判断是否需要按照步骤5中生成的疏散计划路线进行疏散。在人员智能体的自主参数低于其值域的一半,则该疏散计划路线废止。如果疏散计划路线没有废止,则继续按照疏散计划路线确定人员智能体的移动意向;如果疏散计划路线废止,则依据它周围的其它人员智能体来确定其移动意向。
2、根据人员智能体的移动意向进行判断,如果这一移动意向可行,即根据移动意向移动后人员智能体的位置未被强占,并且同时没有优先级更高的人员智能体在强占该位置,则根据移动意向进行移动,否则,重新执行启发式路径搜索算法,计算新的疏散计划路线。
本发明方法应用中,一方面,基于多分辨率图的疏散仿真需要针对不同的城市灾害环境进行具体分析,结合所需要的灾害评估精细程度设置对多分辨率图的具体生成过程有所变化;另一方面本发明方法和现有疏散仿真方法相结合,将已有的人员疏散决策仿真方法实现到本发明所述的场景模型上,构成完整的疏散仿真系统。
与已有技术相比,本发明有益效果体现在:
1、本发明多分辨率的疏散环境模型可以满足城市灾害仿真中多种评估精细程度的需要;
2、本发明仿真方法输入简单:采用模板和参数分离的方法,能直观准确地进行数据输入和状态设定;
3、本发明采用启发式路径搜索算法,符合实际疏散时的人员心理行为特征,可以有效仿真模拟疏散过程中的人员行为。
附图说明
图1为本发明的面向多分辨率图的城市疏散仿真方法的流程图。
图2为本发明的多分辨率图结构示意图。
图3为A*算法流程图。
图中标号:1住宅区建筑、2办公区建筑、3其他设施、4道路。
下面结合附图和具体实施方式对本发明作进一步说明。
具体实施方式
参见图1、图2,本实施例中方法按如下步骤进行:
1、分析城市各种建筑、设施的疏散特征,进行分类,生成疏散场景模型模板库。如图2所示,该疏散场景模型模板库包括办公区建筑1、住宅区建筑2和其他设施3共三类模板。
2、给定指定城市的场景信息,在已有的疏散场景模板库中选择对应的模板,将信息纳入模板,生成城市建筑和设施的模型,同时依据给定城市的场景信息生成城市道路网模型,上述两种模型相结合,生成被指定城市的疏散场景模型。如图2所示,某一特定城市的部分区域疏散仿真模型在其城市高度图上标注,包括办公区建筑模型,住宅区建筑模型,其他设施和道路4。
3、针对上一步骤生成的城市疏散场景模型进行预处理,得到满足不同要求的不同分辨率图的城市疏散场景模型。
如图2所示,可以划分模型精度级别为四级,分别是:原始,精细,一般和简略。分别用A、B、C和D来表示,随机投放2万人,针对C和D两种模型精度,P的值分别设置为400和600人,而Q则为100和200人。最终得到如图2所示的4个模型精度下的城市疏散模型。其中,办公区建筑模型、住宅区建筑模型和其他设施模型在不同模型精度级别中的数目如下表所示:
A | B | C | D | |
办公区建筑模型 | 3 | 2 | 1 | 1 |
住宅区建筑模型 | 56 | 20 | 12 | 7 |
其他设施模型 | 1 | 0 | 0 | 0 |
在步骤3得到的多分辨率图的城市疏散场景模型基础上,输入仿真初始状态,主要包括疏散场景中人员的疏散状态和疏散场景的状态。
其中,人员智能体中的位置、速度、优先级、体力和自主参数均可随机生成,位置信息的范围是整个疏散场景,速度信息的范围空间是从1到10,优先级信息、体力信息和自主参数信息的范围空间均为从1到10。
依据当前的疏散场景状态,在步骤4得到的多分辨率图的城市疏散场景模型基础上,针对每一个人员智能体计算其移动意向,采用启发式的A*路径搜索算法,充分考虑疏散过程中的人员和场景状态的变化。例如,可以设定以到达地图中央的道路为疏散目的地,出发点位于各个建筑物或其他设施模型,在图2所示的四种精度级别的疏散仿真模型上进行仿真。
例如,在精度级别为B的疏散模型上,人员智能体a为一个具体的人员智能体,其位置信息为7号住宅区建筑模型,速度信息为7,优先级信息为8,体力信息为6,自主参数信息为6。对其执行A*算法,依据道路长度得到一条可以到达疏散目的点——道路的路线L,如图3所示。
A*算法是一种有序搜索算法,其特点在于对估价函数的定义上。对于一般的有序搜索,总是选择f值最小的节点作为扩展节点。因此,f是根据需要找到一条最小代价路径的观点来估算节点的,所以,可考虑每个节点n的估价函数值为两个分量:从起始节点到节点n的代价以及从节点n到达目标节点的代价。
1、把S放入OPEN表,记f=h,令CLOSED为空表。
2、重复下列过程,直至找到目标节点止。若OPEN为空表,则宣告失败。
3、选OPEN表中未设置过的f值最小的节点为最佳节点BESTNODE,并把它放入CLOSED表。
4、若BESTNODE为一目标节点,则成功求得一解。
5、若BESTNODE不是目标节点,则扩展之,产生后继节点SUCCSSOR。
6、对每个SUCCSSOR进行下列过程:
a、建立从SUCCSSOR返回BESTNODE的指针。
b、计算g(SUC)=g(BES)+g(BES,SUC)。
b、如果SUCCSSOR∈OPEN,则称此节点为OLD,添至BESTNODE的后继节点表中。
d、比较新旧路径代价。如果g(SUC)<g(OLD),则重新确定OLD的父辈节点为BESTNODE,记下较小代价g(OLD),并修正f(OLD)值。
e、若至OLD节点的代价较低或一样,则停止扩展节点。
f、若SUCCSSOR不在CLOSE表中,则看其是否在CLOSED表中。
g、若SUCCSSOR在CLOSE表中,则转向c。
h、若SUCCSSOR既不在OPEN表中,又不在CLOSED表中,则把它放入OPEN表中,并添入BESTNODE后裔表,然后转向(7)。
i、计算f值。
7、GO LOOP
执行仿真过程,移动智能体并加入交互信息。其中移动人员智能体就是改变其位置信息。
针对每一个人员智能体,结合其速度、优先级、体力和自主参数,在已有的L基础上进行人员移动。以前述a为例,在计算出L后和其他位于同一个建筑物模型的人员智能体放在一起,依据自主参数信息确定L是否保留;依据道路通行能力限制选择这次通过的人员,以优先级信息为依据;如果可以通过,依据速度信息确定该人员智能体于下一个或下几个时间片带到下一个建筑物或其他设施模型;
如果确定移动所需时间,依据体力进行修正,即乘以(10/体力);
最终仿真计算可以得到如下表所示的不同层次城市疏散场景模型上的仿真结果。
疏散完成时间(s) | 淹没或围困的人数(人) | |
疏散模型精度级别A | 231 | 426 |
疏散模型精度级别B | 215 | 385 |
疏散模型精度级别C | 257 | 391 |
疏散模型精度级别D | 283 | 398 |
分析仿真结果可以看到,在不同的城市疏散场景模型层次上得到了相近的计算结果,这样的结果本身并没有太大的差别,差别在于仿真的过程不同:疏散模型层次粒度较小的无疑就可以仿真出更小的城市结构单元,例如房屋,街道,进而可以在更细致的层次上进行灾害评估。
Claims (3)
1、基于多分辨率图的城市疏散仿真方法,其特征是按如下步骤操作:
(1)、分析城市各种建筑和设施的疏散特征,依据所述建筑和设施在疏散过程中的不同作用分为三类:办公区建筑类、住宅区建筑类和其他设施类,提取出每一类中所具有的共同属性,形成包含有所述共同属性的每一类的模板,不同类的模板组成疏散场景模型模板库;
所述建筑和设施不包括城市道路网;所述建筑和设施的疏散特征是指城市中各种建筑和设施在疏散过程中所表现出来的被用来作为疏散目的地、中转站或源地点的功能,以及其承载和转运人员的能力;
(2)、给定指定城市的场景信息,在已有的疏散场景模板库中选择对应类的模板,将所述指定城市的场景信息纳入模板,生成指定城市建筑和设施的模型;依据所述指定城市的场景信息生成城市道路网模型,根据所述指定城市建筑和设施的模型与城市道路网模型的位置关系将所述建筑和设施的模型连接到所述城市道路网模型上,生成被指定城市的原始疏散场景模型;
(3)、对步骤(2)生成的原始疏散场景模型进行预处理,所述预处理是按照不同的仿真需求对所述原始疏散场景模型进行合并化简,分别得到满足不同仿真精度要求的具有不同分辨率的城市疏散场景模型;
(4)、针对步骤(3)所得到的不同分辨率的城市疏散场景模型,输入仿真初始状态,包括疏散场景中人员的疏散状态和疏散场景状态,所述人员疏散状态包括人员的位置、移动速度、优先级、体力和自主参数,所述疏散场景状态是在某一时刻建筑设施中剩余的人员总数和已逃离的人员总数;以描述人员在疏散过程中的行为为目标,生成人员智能体,所述人员智能体具有人员的疏散状态信息;
(5)、依据当前的疏散场景状态,在步骤3得到的不同分辨率的城市疏散场景模型基础上,采用启发式路径搜索算法来计算疏散计划路线,根据疏散计划路线判断人员智能体的移动意向,即下一步人员智能体可能采取的移动方案;
(6)、执行仿真过程,在执行仿真的过程中根据周围场景的变化调整人员智能体的自主参数,移动人员智能体并交互地改变人员智能体的优先级、移动速度信息,直至仿真结束,所述仿真结束是以人员全部撤离或指定时间到达为标志的。
2、根据权利要求1所述1的基于多分辨率图的城市疏散仿真方法,其特征是在所述步骤(3)中为获得满足不同仿真精度要求的具有不同分辨率的城市疏散场景模型按如下方式操作:
根据不同的仿真需要,确定所需的具有不同分辨率的城市疏散场景模型的精度级别;设定精度级别为A、B、C和D四级,所述A级为原始城市场景模型的精度,所述B级为只对其它设施模型进行化简合并的模型精度,所述C级为对住宅区建筑和其它设施模型化简合并的模型精度,所述D级是对所有建筑和设施模型化简合并的模型精度;从A级到D级,精度级别依次递减,其中,所述A级最精确;
办公区建筑模型的简化:
以对原始场景模型进行合并后办公区建筑模型中的总人数为依据,进行各办公区建筑的合并;当模型精度级别要求为D时,依据办公区建筑中的人员数来进行合并:当多个办公区建筑模型中总人数达到设定值P时,将所述多个办公区建筑模型合并为一个办公区建筑模型,同时,重新生成合并后办公区建筑模型的疏散性能;
住宅区建筑模型的简化:
以对原始场景模型进行合并后住宅区建筑模型中的总人数为依据,进行各住宅区建筑的合并;当模型精度级别要求为C或D时,依据住宅区建筑中的人员数来进行合并:当多个住宅区建筑中总人数达到设定值Q时,将所述多个住宅区建筑模型合并为一个住宅区建筑模型,同时,重新生成合并后住宅区建筑模型的疏散性能;所述设定值Q是按照所处精度要求C、D的顺序依次递增;
其它设施模型的简化:
当模型精度要求为B、C或D时,需要对其他设施模型进行简化,将所述其他设施模型与周围的办公区建筑模型或住宅区建筑模型进行合并,形成一个新的办公区建筑或住宅区建筑模型,被合并的其它设施模型的疏散性能也随之并入所形成的新的办公区建筑或住宅区建筑模型之中;
城市道路网模型的简化:
在建筑和其他设施模型合并基础上,对城市道路网模型做出适应性修改,去除因建筑和其他设施模型合并而不再需要的道路。
3、根据权利要求1所述的基于多分辨率图的城市疏散仿真方法,其特征是所述步骤(6)中的执行仿真过程按如下步骤操作:
(1)、以人员智能体的自主参数为依据,判断是否需要按照步骤(5)中生成的疏散计划路线进行疏散;在人员智能体的自主参数低于其值域的一半,则该疏散计划路线废止;如果疏散计划路线没有废止,则继续按照疏散计划路线确定人员智能体的移动意向;如果疏散计划路线废止,则依据它周围的其它人员智能体来确定其移动意向。
(2)、根据人员智能体的移动意向进行判断,如果这一移动意向可行,即根据移动意向移动后人员智能体的位置未被强占,并且同时没有优先级更高的人员智能体在强占该位置,则根据移动意向进行移动,否则,重新执行启发式路径搜索算法,计算新的疏散计划路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102462349A CN101567017B (zh) | 2008-12-31 | 2008-12-31 | 基于多分辨率图的城市疏散仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102462349A CN101567017B (zh) | 2008-12-31 | 2008-12-31 | 基于多分辨率图的城市疏散仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101567017A true CN101567017A (zh) | 2009-10-28 |
CN101567017B CN101567017B (zh) | 2011-04-06 |
Family
ID=41283166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102462349A Expired - Fee Related CN101567017B (zh) | 2008-12-31 | 2008-12-31 | 基于多分辨率图的城市疏散仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101567017B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020744A (zh) * | 2012-12-31 | 2013-04-03 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
CN103035028A (zh) * | 2012-12-11 | 2013-04-10 | 广东威创视讯科技股份有限公司 | 一种实现交互应用场景的方法及装置 |
CN103413010A (zh) * | 2013-08-29 | 2013-11-27 | 中国人民解放军91655部队 | 一种多分辨率通用兵力仿真模型的聚合解聚方法 |
CN104933661A (zh) * | 2015-04-27 | 2015-09-23 | 山东科技大学 | 一种公共建筑物非均称安全通道的人群均衡撤离方法 |
CN104992249A (zh) * | 2015-07-14 | 2015-10-21 | 华中科技大学 | 一种被动分洪情景下的分洪区避险转移方案编制方法 |
CN106709100A (zh) * | 2015-11-17 | 2017-05-24 | 清华大学 | 人员疏散仿真方法与装置、辅助决策方法与系统、应急平台 |
CN107133704A (zh) * | 2017-06-23 | 2017-09-05 | 南京师范大学 | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 |
CN107451716A (zh) * | 2017-06-28 | 2017-12-08 | 宁波市水利水电规划设计研究院 | 一种防汛决策支持方法、电子设备、存储介质及系统 |
CN111274710A (zh) * | 2020-02-14 | 2020-06-12 | 青岛智能产业技术研究院 | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 |
-
2008
- 2008-12-31 CN CN2008102462349A patent/CN101567017B/zh not_active Expired - Fee Related
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035028A (zh) * | 2012-12-11 | 2013-04-10 | 广东威创视讯科技股份有限公司 | 一种实现交互应用场景的方法及装置 |
CN103035028B (zh) * | 2012-12-11 | 2015-10-07 | 广东威创视讯科技股份有限公司 | 一种实现交互应用场景的方法及装置 |
CN103020744B (zh) * | 2012-12-31 | 2016-04-13 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
CN103020744A (zh) * | 2012-12-31 | 2013-04-03 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
CN103413010A (zh) * | 2013-08-29 | 2013-11-27 | 中国人民解放军91655部队 | 一种多分辨率通用兵力仿真模型的聚合解聚方法 |
CN104933661A (zh) * | 2015-04-27 | 2015-09-23 | 山东科技大学 | 一种公共建筑物非均称安全通道的人群均衡撤离方法 |
CN104992249A (zh) * | 2015-07-14 | 2015-10-21 | 华中科技大学 | 一种被动分洪情景下的分洪区避险转移方案编制方法 |
CN104992249B (zh) * | 2015-07-14 | 2017-09-29 | 华中科技大学 | 一种被动分洪情景下的分洪区避险转移模型建立方法 |
CN106709100A (zh) * | 2015-11-17 | 2017-05-24 | 清华大学 | 人员疏散仿真方法与装置、辅助决策方法与系统、应急平台 |
CN106709100B (zh) * | 2015-11-17 | 2019-07-23 | 清华大学 | 人员疏散仿真方法与装置、辅助决策方法与系统、应急平台 |
CN107133704A (zh) * | 2017-06-23 | 2017-09-05 | 南京师范大学 | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 |
CN107133704B (zh) * | 2017-06-23 | 2020-06-02 | 南京师范大学 | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 |
CN107451716A (zh) * | 2017-06-28 | 2017-12-08 | 宁波市水利水电规划设计研究院 | 一种防汛决策支持方法、电子设备、存储介质及系统 |
CN111274710A (zh) * | 2020-02-14 | 2020-06-12 | 青岛智能产业技术研究院 | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 |
CN111274710B (zh) * | 2020-02-14 | 2023-10-31 | 青岛智能产业技术研究院 | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101567017B (zh) | 2011-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101567017B (zh) | 基于多分辨率图的城市疏散仿真方法 | |
Xu et al. | Transit-oriented development in China: Literature review and evaluation of TOD potential across 50 Chinese cities | |
De Silva et al. | Integrating simulation modelling and GIS: spatial decision support systems for evacuation planning | |
CN104217384A (zh) | 一种核事故应急处理及辅助决策支持系统 | |
CN103390057B (zh) | 一种历史信息的空间化建模存储方法 | |
CN106096115A (zh) | 一种基于自组织沙堆模型的人群疏散仿真方法 | |
Zuo et al. | Simulation and optimization of pedestrian evacuation in high-density urban areas for effectiveness improvement | |
CN102693329A (zh) | 基于多分辨率图的城市疏散仿真方法 | |
Dong et al. | A smart city simulation platform with uncertainty | |
Zhang et al. | Application of multi-agent models to urban expansion in medium and small cities: A case study in Fuyang City, Zhejiang Province, China | |
Dong et al. | Urban rail emergency response using pedestrian dynamics | |
Howard et al. | Definition of an Enriched GIS Network for Evacuation Planning. | |
Duan et al. | Crowd evacuation under real data: a crowd congestion control method based on sensors and knowledge graph | |
Chmielewski et al. | High detail terrain models and multiresolution path finding algorithms for Border Guard constructive simulator. A study of effective movement algorithms in high resolution simulation environment | |
Han et al. | Smart community emergency evacuation management system and risk assessment based on Mobile big data | |
Song et al. | A grid-based graph data model for pedestrian route analysis in a micro-spatial environment | |
Hu | A survey and simulation of passenger flow organization of the Shenzhen urban rail transit station | |
Zhang et al. | Workflow of data integrating and parametric modelling in urban design regulation | |
Liu et al. | Evolution characteristics of postearthquake emergency evacuation demand based on the susceptible-infective and system dynamics theories | |
Qiu et al. | A feasibility study of virtual reality technology in guidance design of underground space | |
Dewsnup et al. | How to model automated guided vehicle systems using ProModel for Windows | |
Avezbaev et al. | Implementation of GIS-based Smart Community Information System and concepts of Digital Twin in the field of urban planning in Uzbekistan | |
Li et al. | Study on the reduced traffic congestion method based on dynamic guidance information | |
Alidmat et al. | Cellular automata model for pedestrian evacuation in fire spreading conditions | |
Geng | Intelligent BIM building technology (BT) based on optimization algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110406 Termination date: 20171231 |
|
CF01 | Termination of patent right due to non-payment of annual fee |