CN105183955A - 一种多层建筑最优路径规划方法 - Google Patents

Abstract

本发明公开了一种多层建筑最优路径规划方法，包括将各楼层路网和楼层连接均视为独立结构；路径中的停靠点按楼层分类；按楼层递增顺序，查找第一个分布有停靠点的楼层，构建单层结构化网络，进行该层最优路径分析，得到该层最优路径；获取前一结构化最优路径的终点作为下一结构化路径分析的起点；逐楼层动态构建跨楼层结构化网络，进行其余分布有停靠点的楼层的路径分析，得到遍历所有停靠点的多楼层最优路径。本发明能够使楼层之间的转换成本最小、电梯乘坐次数和乘坐距离最小，减少时间成本；算法效率与楼层总数无关，更加适合较大规模的网络分析，可让多层建筑中的跨楼层路径分析更加高效；可根据需求定义不同的楼层转换规则，更具灵活性。

Description

一种多层建筑最优路径规划方法

技术领域

本发明公开了一种多层建筑最优路径规划方法，具体涉及多层建筑和大型公共建筑的室内跨楼层路径分析，属于路径分析技术领域。

背景技术

室内路径分析与室外路径分析的不同之处在于室内的三维空间。传统的最优路径规划是基于节点之间的网络连通拓扑模型，也可用于三维空间中，如JiyeongLee将室内三维实体（房间、门、过道等）统一抽象为节点，节点之间通过水平连接和垂直连接关系以图的形式建立三维网络连通拓扑模型，实现简单的路径分析。MarkStevens等人通过对二维的CAD数据建立点之间的三维拓扑关系来进行路径分析。DandanLi提出了基于概念格的室内模型，通过位置和出口之间的连接关系图表明室内空间的连接关系。ThomsBecker等人将室内空间分为多个分别表达不同信息的层次，建立了多层次模型，其中的拓扑结构层表达了室内元素之间的拓扑关系。温永宁等通过对房产数据特点的分析，以“路径”和“节点”为关键要素，表达楼宇内部的空间关系及拓扑结构，并用于紧急疏散的楼宇路径构建中。

然而，由于节点之间的网络连通拓扑模型以连通权值表示各节点之间的连通性和连通成本，并没有空间概念，将其运用于三维空间中所得的路径将忽略空间上的位置信息，没有考虑楼层这一空间位置信息对最优路径规划的影响，导致有可能会出现“低楼层——高楼层——中间楼层”或“低楼层——中间楼层——高楼层——中间楼层”的情况，如图1所示，楼层顺序为1—4—2。而要避免这种情况，可通过对楼层连接进行合理的权值定义（夸大楼层连接的连通成本），但其基于全局网络，将增大问题规模，影响路径分析效率，特别是对于高层建筑，显然不是合理的方法。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，基于分层结构化动态网络分析模式，提供一种多层建筑最优路径规划方法。

本发明为解决上述技术问题采用以下技术方案：

一种多层建筑最优路径规划方法，所述方法的具体步骤包括：

步骤一、设定楼层总数为Floor，将路径中的停靠点按楼层分类，统计出各楼层停靠点的数目Count[i]，形成各楼层停靠点集合V[i]，其中，0<i<Floor，i表示第i层；

步骤二、设定i=1，根据i=i+1进行迭代，按楼层递增顺序，查找第一个分布有停靠点的楼层，当停靠点的数目Count[i]>1时，创建单层结构化网络N={N _i }，进行该层最优路径分析，得到该层最优路径Route[i]，设置路径分析的终点EndPoint，并设置起始楼层StarFloor=i，其中，N表示动态构建的结构化网络，N _i 表示楼层i的路网；

步骤三、继续根据i=i+1进行迭代，若当前楼层数i<Floor且当停靠点的数目Count[i]>0，则设置结束楼层EndFloor=i，将终点EndPoint加入到停靠点集合V[i]中；

步骤四、创建跨楼层结构化网络N={N ₀ ，N _StarFloor ，N _EndFloor }，对V[i]进行跨楼层最优路径分析得到跨楼层最优路径Route[i]，其中，N ₀ 表示楼层连接、N _StarFloor 表示起始楼层的路网、N _EndFloor 表示结束楼层的路网；

步骤五、获取Route[i]的终点赋为EndPoint，并设置StarFloor=i；

步骤六、循环执行步骤三至步骤五，进行其余分布有停靠点的楼层的路径分析，直至i=Floor，得到遍历所有停靠点的多楼层最优路径Route。

作为本发明的进一步优选方案，所述步骤二还包括，当停靠点的数目Count[i]=1时，则将该停靠点赋为EndPoint，并设置StarFloor=i。

作为本发明的进一步优选方案，所述步骤二和步骤四中，对结构化网络中的多点最优路径分析采用基于Dijkstra算法的递推方法，

301、设定集合V={V ₁，V ₂，…，V _n }为n个停靠点，进行最优路径分析时，从起始停靠点V ₁出发，查找距离V ₁最近的停靠点V ₂，得到路径R(V ₁,V ₂)；

302、再从停靠点V ₂出发，查找距离V ₂最近的停靠点V ₃，得到路径R(V ₂,V ₃)；

303、以步骤301和302的形式进行类推，从停靠点V _i-1出发，查找距离V _i-1最近的停靠点V _i ，得到路径R(V _i-1,V _i )，直至得到R(V _n-1,V _n )；

304、得到遍历所有停靠点的路径：

R={R(V ₁,V ₂)，R(V ₂,V ₃)，…，R(V _n-1,V _n )}；

式中，n为停靠点总个数，R(V _i-1,V _i )表示两个停靠点之间的最短路径。

作为本发明的进一步优选方案，所述步骤二至步骤五中，采用结构化动态网络分析模式，将各楼层路网和楼层连接均视为独立结构，根据停靠点的楼层分布情况选择相应的路网数据动态地构建结构化网络模型并进行路径分析。

作为本发明的进一步优选方案，所述步骤四中，实现跨楼层最近路径分析的具体过程为：

基于路网集构建的结构化网络模型N={N ₀ ，N _i-1，N _i }，设楼层i-1和楼层i的停靠点数目分别为n _i-1和n _i ，其集合分别为V _i-1 ={V _i-1,1，V _i-1,2，…，V _i-1,ni-1}和V _i ={V _i,1，V _i,2，…，V _i,ni }，其中，V _i,j 为楼层i的第j个停靠点；

501、进行楼层i-1的最优路径分析，根据多点最优路径分析方法，得到路径R _i-1 ={R(V _i-1,1,V _i-1,2)，R(V _i-1,2,V _i-1,3)，…，R(V _i-1,ni-1-1,V _i-1,ni-1)}；

502、获取R _i-1的终点V _i-1,ni-1并添加到停靠点集合V _i 中，则V _i ={V _i-1,ni-1，V _i,1，V _i,2，…，V _i,ni }；

503、以V _i-1,ni-1为起始点，进行楼层i的最优路径分析，得到路径R _i ={R(V _i-1,ni-1,V _i,1)，R(V _i,1,V _i,2)，…，R(V _i,ni-1,V _i,ni )}，即为由楼层i-1至楼层i的最优路径。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、更加符合人的行为习惯，能够使楼层之间的转换成本最小，特别是在电梯模式的多层建筑最优路径分析中，能使电梯乘坐次数和乘坐距离最小，减少时间成本；

2、算法效率与楼层总数无关，更加适合较大规模的网络分析，可让多层建筑中的跨楼层路径分析更加高效；

3、由于该算法的结构化动态网络模式，可根据需求定义不同的楼层转换规则，更具灵活性。

附图说明

图1是现有技术中，路径分析会出现的“低楼层——高楼层——中间楼层”情况示意图。

图2是本发明中，分层结构化动态网络最优路径分析流程图。

图3是具体实施例中，采用全局路径分析的结果示意图。

图4是具体实施例中，采用分层结构化动态网络路径分析的结果示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明所公开的多层建筑最优路径规划方法涉及下述具体算法：

(1)多点最优路径算法

在多点最优路径的解算中，采用基于Dijkstra算法的递推方法，假设集合V={V ₁，V ₂，…，V _n }为n个停靠点，进行最优路径分析时，从停靠点V ₁（起始点）出发，查找距离V ₁最近的停靠点V ₂，得到路径R(V ₁,V ₂)；再从停靠点V ₂出发，查找距离V ₂最近的停靠点V ₃，得到路径R(V ₂,V ₃)；以此类推，从停靠点V _i-1出发，查找距离V _i-1最近的停靠点V _i ，得到路径R(V _i-1,V _i )；直至得到R(V _n-1,V _n )。最终得到遍历所有停靠点的路径：

R={R(V ₁,V ₂)，R(V ₂,V ₃)，…，R(V _n-1,V _n )}（1）

式中，n为停靠点总个数；R(V _i-1,V _i )表示两个停靠点之间的最短路径。

(2)分层结构化动态网络

多层建筑最优路径分析算法采用结构化动态网络分析模式，将各楼层路网和楼层连接均视为独立结构，可根据停靠点的楼层分布情况选择相应的路网数据动态地构建结构化网络模型并进行路径分析。设路网为N={N ₀，N ₁，N ₂，…，N _K }，其中K为楼层总数，N ₀ 表示楼层连接（楼梯或电梯），N _i 表示楼层i的路网。当进行楼层i-1与楼层i之间的最优路径分析时，自动选取N={N ₀，N _i-1，N _i }路网集构建相应的结构化网络模型，以供进行由楼层i-1至楼层i的最优路径分析。相比基于全局网络模型的最优路径分析减小了问题规模。

(3)跨楼层最优路径

基于分层结构化动态网络中由N={N ₀ ，N _i-1，N _i }路网集构建的结构化网络模型，进行由楼层i-1至楼层i的最优路径分析。设楼层i-1和楼层i的停靠点数目分别为n _i-1和n _i ，其集合分别为V _i-1 ={V _i-1,1，V _i-1,2，…，V _i-1,ni-1}和V _i ={V _i,1，V _i,2，…，V _i,ni }，其中V _i,j 为楼层i的第j个停靠点。首先，进行楼层i-1的最优路径分析，采用式（1）的多点最优路径分析方法，得到R _i-1 ={R(V _i-1,1,V _i-1,2)，R(V _i-1,2,V _i-1,3)，…，R(V _i-1,ni-1-1,V _i-1,ni-1)}；然后，获取R _i-1的终点V _i-1,ni-1并添加到V _i 中，则V _i ={V _i-1,ni-1，V _i,1，V _i,2，…，V _i,ni }；最后，以V _i-1,ni-1为起始点，进行楼层i的最优路径分析，得到R _i ={R(V _i-1,ni-1,V _i,1)，R(V _i,1,V _i,2)，…，R(V _i,ni-1,V _i,ni )}，即可得到由楼层i-1至楼层i的最优路径。

(4)多楼层最优路径

根据上述基于分层结构化动态网络的跨楼层最优路径分析，进行多楼层最优路径分析。首先，将停靠点V _i,j 按所在楼层分类，得到各楼层停靠点集V _i ；然后，按一定楼层转换规则（可根据具体需求而定，此处以按楼层递增顺序进行说明）进行分层最优路径分析。设分布有停靠点的楼层为F={F ₁，F ₂，…，F _k }，首先，进行楼层F ₁的最优路径分析，若F ₁的停靠点个数大于1，则创建单层结构化网络，进行该楼层最优路径分析得到R ₁，再以R ₁的终点为楼层F ₂的起始点，遍历楼层F ₂所有停靠点，得到最优路径R ₂；若F ₁的停靠点个数等于1，则直接以该点为楼层F ₂的起始点，遍历楼层F ₂所有停靠点得R ₂。然后，进行楼层F _i （2＜i≤k-1）的最优路径分析，在楼层F _i 得出遍历该楼层所有停靠点的最优路径R _i 后，以R _i 的终点为楼层F _i+1的起始点，遍历楼层F _i+1所有停靠点，得到最优路径R _i+1。以此类推，即可得到按一定楼层转换规则遍历分布在各楼层的所有停靠点的最优路径：

R _分层 ={R ₁，R ₂，…，R _k }（2）

式中，R _i ={R(V _i-1,ni-1,V _i,1)，R(V _i,1,V _i,2)，…，R(V _i,ni-1,V _i,ni )}，表示楼层F _i 的最优路径。

根据上述算法原理，进行算法实现，具体的流程如图2所示。

输入：路网N={N ₀，N ₁，N ₂，…，N _K }，停靠点集V。

定义：Floor表示楼层总数（等于K），StarFloor表示路径分析起始楼层，EndFloor表示路径分析终止楼层，i表示路径分析当前楼层，初始化为1，V[i]表示各楼层停靠点集，Count[i]表示各楼层停靠点数目，N表示动态构建的结构化网络，Route[i]表示楼层i的最优路径，EndPoint表示Route[i]的终点，作为Route[i+1]的起始点。

输出：多楼层最优路径Route。

具体步骤如下：

①停靠点按楼层分类，得各楼层停靠点集V[i]和各楼层停靠点数目Count[i]；

②按楼层递增顺序，查找第一个分布有停靠点的楼层(Count[i]>0)，若Count[i]>1，则创建单层结构化网络N={N _i }，进行该层最优路径分析，得到Route[i]并获取终点赋为EndPoint，并设置StarFloor=i；若Count[i]=1，则将该停靠点赋为EndPoint，并设置StarFloor=i；

③i=i+1，若i<Floor且Count[i]>0，则设置EndFloor=i，将EndPoint加入到V[i]中；

④创建跨楼层结构化网络N={N ₀ ，N _StarFloor ，N _EndFloor }，对V[i]进行跨楼层最优路径分析得到Route[i]；

⑤获取Route[i]的终点赋为EndPoint，并设置StarFloor=i；

循环③④⑤：进行其余分布有停靠点的楼层的路径分析，直至i=Floor，得到遍历所有停靠点的多楼层最优路径Route。

下面通过两组实验作为具体实施例，将本方法与传统最优路径分析算法进行最优路径分析结果与分析效率的比较。

实验一：层数为20，各楼层节点数均为251，以几何距离定义节点之间的连通权值，楼层连接（楼梯）的连通成本不采取夸大（当前并无广泛认可的合理的夸大方法）。实验时通过不同的停靠点数目及分布情况的多组数据，每组数据均分别进行全局路径分析和分层结构化动态网络路径分析，并对两种路径规划结果进行比较与分析，如表1所示。此处以数据②通过图表详细说明，如表2和图3、图4所示。

由实验结果可见，两种路径分析方法所得路径在楼层顺序、停靠点到达顺序、楼梯选择、总长度和楼层转换成本均有可能不相同。而结合人的行为习惯，分层结构化动态网络路径分析所得到的路径规划结果更加合理，其能够使楼层转换成本最小。若以电梯为楼层连接方式，分层结构化动态网络路径分析将能使电梯乘坐次数和乘坐距离最小，减少时间成本。

表1路径分析结果对比表

其中，W表示相邻两楼层间的转换成本；对于实验中出现的全局和分层两种方法路径规划结果相同的情况在此不列举，仅以数据①作为代表。

表2停靠点信息

停靠点	P1	P2	P3	P4
					楼层	第1层	第1层	第2层	第4层
方位	南面	北面	东面	西面

实验二：实验数据为4组楼层总数不同的数据，4组数据的各楼层节点数均为112。实验时每组数据均通过不同的停靠点数目及分布情况进行多次路径分析，并对执行时间进行比较与分析，如表3所示。

由实验结果可见，在全局楼层数较少的情况下，分层结构化动态网络分析在执行时间上并不占优；而当全局楼层数到达一定规模时，效率将明显提高，且其与停靠点分布楼层数相关，而与楼层总数无关。所以，分层结构化动态网络分析更加适合较大规模的网络分析，可让多楼层建筑中的跨楼层路径分析更加高效。

表3路径分析执行时间对比表

本发明所公开的多层建筑最优路径规划方法相比传统最优路径算法，具有以下特点：

（1）其更加符合人的行为习惯，能够使楼层之间的转换成本最小，特别是在电梯模式的多层建筑最优路径分析中，能使电梯乘坐次数和乘坐距离最小，减少时间成本；

（2）算法效率与楼层总数无关，更加适合较大规模的网络分析，可让多层建筑中的跨楼层路径分析更加高效；

（3）由于该算法的结构化动态网络模式，可根据需求定义不同的楼层转换规则，更具灵活性。

本发明在实际生活中，可广泛应用于购物中心、商务大楼、图书馆、博物馆、飞机场、火车站、医院等城市大型公共建筑，让室内路径分析与室外路径分析进行对接，使路径分析更加全面。一方面，在结构和功能错综复杂的大型公共建筑中，多层建筑最优路径分析算法可以使人们在陌生的室内环境中通过最便捷的路径快速到达指定地点，提高效率；另一方面，城市大型公共建筑是人口密集场所，其潜在突发事件和各类事故发生的频率越高，而多层建筑最优路径分析可以在事故发生时提供紧急疏散和救援的最佳路径，挽救生命财产。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。

Claims (5)

1.一种多层建筑最优路径规划方法，其特征在于，所述方法的具体步骤包括：

步骤一、设定楼层总数为Floor，将路径中的停靠点按楼层分类，统计出各楼层停靠点的数目Count[i]，形成各楼层停靠点集合V[i]，其中，0<i<Floor，i表示第i层；

步骤二、设定i=1，根据i=i+1进行迭代，按楼层递增顺序，查找第一个分布有停靠点的楼层，当停靠点的数目Count[i]>1时，创建单层结构化网络N={N _i }，进行该层最优路径分析，得到该层最优路径Route[i]，设置路径分析的终点EndPoint，并设置起始楼层StarFloor=i，其中，N表示动态构建的结构化网络，N _i 表示楼层i的路网；

步骤三、继续根据i=i+1进行迭代，若当前楼层数i<Floor且当停靠点的数目Count[i]>0，则设置结束楼层EndFloor=i，将终点EndPoint加入到停靠点集合V[i]中；

步骤四、创建跨楼层结构化网络N={N ₀ ，N _StarFloor ，N _EndFloor }，对V[i]进行跨楼层最优路径分析得到跨楼层最优路径Route[i]，其中，N ₀ 表示楼层连接、N _StarFloor 表示起始楼层的路网、N _EndFloor 表示结束楼层的路网；

步骤五、获取Route[i]的终点赋为EndPoint，并设置StarFloor=i；

步骤六、循环执行步骤三至步骤五，进行其余分布有停靠点的楼层的路径分析，直至i=Floor，得到遍历所有停靠点的多楼层最优路径Route。

2.如权利要求1所述的一种多层建筑最优路径规划方法，其特征在于：所述步骤二还包括，当停靠点的数目Count[i]=1时，则将该停靠点赋为EndPoint，并设置StarFloor=i。

3.如权利要求1所述的一种多层建筑最优路径规划方法，其特征在于：所述步骤二和步骤四中，对结构化网络中的多点最优路径分析采用基于Dijkstra算法的递推方法，

301、设定集合V={V ₁，V ₂，…，V _n }为n个停靠点，进行最优路径分析时，从起始停靠点V ₁出发，查找距离V ₁最近的停靠点V ₂，得到路径R(V ₁,V ₂)；

302、再从停靠点V ₂出发，查找距离V ₂最近的停靠点V ₃，得到路径R(V ₂,V ₃)；

303、以步骤301和302的形式进行类推，从停靠点V _i-1出发，查找距离V _i-1最近的停靠点V _i ，得到路径R(V _i-1,V _i )，直至得到R(V _n-1,V _n )；

304、得到遍历所有停靠点的路径：

R={R(V ₁,V ₂)，R(V ₂,V ₃)，…，R(V _n-1,V _n )}；

式中，n为停靠点总个数，R(V _i-1,V _i )表示两个停靠点之间的最短路径。

4.如权利要求1所述的一种多层建筑最优路径规划方法，其特征在于：所述步骤二至步骤五中，采用结构化动态网络分析模式，将各楼层路网和楼层连接均视为独立结构，根据停靠点的楼层分布情况选择相应的路网数据动态地构建结构化网络模型并进行路径分析。

5.如权利要求3所述的一种多层建筑最优路径规划方法，其特征在于，所述步骤四中，实现跨楼层最近路径分析的具体过程为：

基于路网集构建的结构化网络模型N={N ₀ ，N _i-1，N _i }，设楼层i-1和楼层i的停靠点数目分别为n _i-1和n _i ，其集合分别为V _i-1 ={V _i-1,1，V _i-1,2，…，V _i-1,ni-1}和V _i ={V _i,1，V _i,2，…，V _i,ni }，其中，V _i,j 为楼层i的第j个停靠点；

501、进行楼层i-1的最优路径分析，根据多点最优路径分析方法，得到路径R _i-1 ={R(V _i-1,1,V _i-1,2)，R(V _i-1,2,V _i-1,3)，…，R(V _i-1,ni-1-1,V _i-1,ni-1)}；

502、获取R _i-1的终点V _i-1,ni-1并添加到停靠点集合V _i 中，则V _i ={V _i-1,ni-1，V _i,1，V _i,2，…，V _i,ni }；

503、以V _i-1,ni-1为起始点，进行楼层i的最优路径分析，得到路径R _i ={R(V _i-1,ni-1,V _i,1)，R(V _i,1,V _i,2)，…，R(V _i,ni-1,V _i,ni )}，即为由楼层i-1至楼层i的最优路径。