CN107133704B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107133704B
CN107133704B CN201710486834.1A CN201710486834A CN107133704B CN 107133704 B CN107133704 B CN 107133704B CN 201710486834 A CN201710486834 A CN 201710486834A CN 107133704 B CN107133704 B CN 107133704B
Authority
CN
China
Prior art keywords
path
evacuation
matrix
node
nodes
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
Application number
CN201710486834.1A
Other languages
English (en)
Other versions
CN107133704A (zh
Inventor
袁林旺
俞肇元
袁帅
罗文�
朱帅
闾国年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Normal University
Original Assignee
Nanjing Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Normal University filed Critical Nanjing Normal University
Priority to CN201710486834.1A priority Critical patent/CN107133704B/zh
Publication of CN107133704A publication Critical patent/CN107133704A/zh
Application granted granted Critical
Publication of CN107133704B publication Critical patent/CN107133704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开一种遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，包括以下步骤：建立基于场景的疏散人员源点集、中继点集和安全区点集，再根据疏散场景内实际情况建立人员、中继点和安全区之间的连通关系；依据场景内情况，动态更新疏散路径权重，同时搜索多约束的局部最优路径，并实时记录疏散人员到达位置；根据场景中间状态，建立该时刻点的疏散源点集，遗忘之前时刻的路径并更新可用行进节点，重新进行局部搜索；重复整个寻径流程直至所有的人员均到达安全区域。本发明有效解决了复杂场景网络下最优疏散路径计算困难的问题，且有效支持大尺度下的动态权重变化的最优路径搜索，并在大规模人群疏散路线规划方面具有显著优势。

Description

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
技术领域
本发明涉及一种地理信息技术，具体涉及一种遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法。
背景技术
随着中国经济的快速发展与城市化的迅猛推进，城市人口急剧增长，公共安全问题成为关系到社会和谐与稳定的关键因素。近年来发生的一系列公共安全事件，如上海外滩踩踏事件、台湾粉尘爆炸事件等，一方面强调了在灾害发生前安全防范工作的重要性，另一方面也凸显了应急情况下科学合理的大规模人群疏散工作对保障人民生命财产安全的重要价值。
现有大规模的人群疏散模拟方法主要有：试图最大化道路容量来保留尽可能多的疏散人的通用最大流模型、旨在根据一系列疏散模型和约束条件选择成本最优路径的最优路径模型以及如A*类的启发式路径搜索模型等。但是目前这类疏散路径规划方法在多源、多目标、多约束的动态复杂条件下，其效率和效果都存在较大的不足。综上，其难点主要在于：(1)在模拟疏散中，约束条件可以能是数值型的，如有毒物含量等，也可能是非数值型的，如拓扑约束或必要节点限制。约束条件的多样性，导致现有方法拓扑结构与权值分离的处理方式在动态集成与更新上具有很大的难度。(2)现有寻找疏散路径的方式大多依据代价函数，通常情况下可以减少搜索规模来降低计算代价。
但是在复杂疏散问题中，网络拓扑、权重和约束都是动态变化的，寻求满足多个约束条件的最优路径始终是高难度、高耗资源的工作。
发明内容
发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，通过几何代数框架实现高动态、高效率的最优路径规划，极大地提升最优路径搜索的模拟效果和计算效率。
技术方案：本发明一种遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，具体步骤包括：
(1)选定目标场景区域，根据目标场景区域内的道路与建筑物等情况建立网络数据集，依据网络数据集中属性为居民点、集散点或安全目标点的节点，分别挑选适合模拟的一个或多个构建疏散人员源点集合、中继点集合以及安全区点集合，并建立网络数据集中节点的连通关系；
(2)依据目标场景区域内随时间变化的情况实时更新疏散网络权重，疏散人员进行多约束的局部最优路径搜索，并记录下每个时间点所到达的节点位置；
(3)根据给定的时间参数，对应场景中间状态，以该时刻点疏散人员所在位置建立新的疏散人员源点集合，遗忘之前时刻已经搜索过的路径，并以去除已经过节点的方式更新可用路径节点集，重新进行局部最优路径搜索；
(4)重复步骤(2)-(3)，直至所有疏散人员到达安全节点，获取选择最优的疏散应急方案。
进一步的，所述的步骤(1)中建立网络数据集中节点连通关系的方法为：
(1.1)从网络数据集中抽象出具有n个节点和m条边的无向疏散网络 G(V,E)，节点几何V＝{N1,N2,...,Nn}对应几何代数空间En中的基向量 {e1,e2,...,en}，任意两节点Ni和Nj间的边Eij对应2-blade结构为 Eij＝ei∪ej＝ei∧ej＝eij；
其中i,j∈n，ei、ej分别表示Ni和Nj两个节点在几何代数空间映射的基向量，∪表达连接关系，∧为几何代数中的用于拓展维度的外积运算，eij为外积运算结果，为上述两节点间相连接的边Eij的数学表达；
(1.2)对疏散场景网络中不同节点之间的连通关系，以构建邻接矩阵Mt的方式表达，对于该矩阵中时刻点t时的两两节点间关系依据
Figure BDA0001330671230000021
构建。
进一步的，所述的步骤(2)中网络权重与约束表达、更新方法：
(2.1)场景疏散网络中的权重是指节点对应边的权重值大小，利用标量系数 uij表达，即节点Ni和Nj间的带权重的边Eij＝uijeij，带权重的邻接关系
Figure BDA0001330671230000022
(2.2)对网络权重与连接关系的更新依据场景中动态情况对标量系数uij进行数值更新，不连通则系数为0；
(2.3)对于场景疏散网络约束，分为数值型约束与非数值型约束，数值型约束对应权重数值，即某条边或路径总权重不应超过预设值，适用于路径时间和长度；非数值型约束对应节点条件，即补给点和关键路口点等场景内的重要节点必须包含在搜索路径结果中。
进一步的，所述的步骤(3)中的路径搜索最优-遗忘选择的具体方法为：
(3.1)对路径搜索最优-遗忘选择方法，以疏散人员初始所在的节点位置构建起点Q0，依据t0时刻网络状态构建初始邻接矩阵M0，以安全区所在点构建目标节点集合F；
(3.2)当其中的节点或路径包含标量系数时，对外积引入指数变换，依据 exp(n)Pi,k∪exp(m)Pk,j＝(exp(n+m))Pij，将原本的权重值乘法转换为权重值加法，其中P代表所有路径矩阵中的一个路径元素；疏散开始路径拓展方式定义为矩阵外积，则下一时刻的所有路径矩阵为M1＝Q0∪M0；
(3.3)依据数值与非数值型约束对可选路径矩阵进行删选，去除不满足约束条件的路径子元素，得到可选路径
Figure BDA0001330671230000031
(3.4)继续搜索，对于任意k时刻，提取前一时刻的终止节点建立待拓展邻接矩阵，其局部搜索到的路径矩阵为
Figure BDA0001330671230000032
重复约束条件删选，得到可选路径矩阵
Figure BDA0001330671230000033
(3.5)在搜索过程中，路径具有遗忘性：在给定的时间间隔t后，依据当前到达的节点情况，提取最后一次可选路径矩阵
Figure BDA0001330671230000034
中路径的终止节点构建新的起点矩阵Q’0和邻接矩阵M’0，生成新的路径矩阵M1’和可选路径矩阵
Figure BDA0001330671230000035
所有已有搜索被初始化；
(3.6)重复上述搜索，当有疏散人员达到安全区点集F后，路径搜索终止。
进一步的，所述步骤(3.3)的具体方法为：依据设定的约束条件对路径矩阵进行删选：计算每条路径的总时间是否小于设定时间T，满足则保留；计算每条路径的总长度是否满足设定的最短路径长度L，满足则保留；判断路径是否含有必须经过的中间节点MV，满足则删除前一节点连接的除该节点外的其他节点的路径,满足所有约束条件后，得到可选路径
Figure BDA0001330671230000041
其中，MV包括补给点和关键路口。
有益效果：本发明在基于几何代数的网络结构下，实现了多约束条件在路径拓展中的动态集成与更新，具有简洁高效的特点；在路径选择上，利用最优—遗忘规则限制了搜索规模，有效缩短了疏散路径的计算时间；该发明为人群动态应急疏散中多源、多约束、多目标的最优方案设计提供了可行的技术手段。
附图说明
图1为本发明的整体流程示意图；
图2为实施例中场景数据效果图；
图3为实施例中人群应急疏散最优路径搜寻运行效果图
其中，图3(a)代表实施例中从初始起点到路径遗忘时刻时所在节点的最优路径图；图3(b)代表实施例中从路径遗忘时刻以当前节点充当新的起始节点后，到最终目标节点的最优路径图。
具体实施方式
下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。
如图1所示，本发明的一种遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，包括以下步骤：
(1)选定目标场景区域，根据目标场景区域内的道路情况建立网络数据集，依据区域内居住点和集散点建筑物确定疏散人员源点集、中继点集以及安全区点集，并建立上述三者的连通关系；
(2)依据目标场景区域内随时间变化的情况实时更新网络权重，疏散人员进行多约束的局部最优路径搜索，并记录下每个时间点所到达的节点位置；
(3)根据给定的时间参数，对应场景中间状态，建立该时刻点的疏散人员位置源集，遗忘之前时刻已经搜索过的路径，并以去除已经过节点的方式更新可用路径节点集，重新进行局部最优路径搜索；
(4)重复步骤(2)-(3)，直至所有疏散人员到达安全节点，获取选择最优的疏散应急方案。
实施例1：
本实施例中，主要包括以下的几个过程：
过程一：选择需要的实验场景，设置相应参数。
步骤1：选定目标区域，本实施例的数据为某区域实际场景，包含1483个不同地物点与2109条边组成的道路交通网，如图2所示。设定场景区域基本参数：路径遗忘时间为t；假设所有在一个初始节点的疏散人员都为一个整体进行移动，每次移动的时间为一个步长，即从一个节点到另一个节点；
步骤2：依据疏散场景区域抽象出疏散网络G(V,E)，其中V为疏散网络中的节点个数，E为节点间连通边数；查看区域内地物点类别属性，选取可用居民点作为初始人员起点集S与广场、公园等空旷处作为安全区域节点集F；
步骤3：依据疏散方案，设定主要的约束参数：时间约束T，即走过该条路径的时间应小于预设值；长度约束L，即该条路径的总长度应小于预设值；节点危险度R，即节点危险程度若大于预设值，节点间的连通关系发生变化；必经节点集合MV，即场景中人员疏散必须经过的中间节点，如补给点、关键路口点等；
过程二：疏散人群按搜索规则与约束条件自适应向选定目标移动。
步骤1：依据疏散人员初始所在的节点位置，构建初始位置点矩阵Q0，对于矩阵内每个子元素的值(Q0)ij依据规则
Figure BDA0001330671230000051
赋值；
步骤2：依据疏散人员的位置与网络连通关系，构建节点的邻接矩阵Mt，即在当前的t时刻，依据
Figure BDA0001330671230000052
的规则将此时刻所处节点与周围节点的连通关系矩阵化，若节点危险度R值大于阈值，该节点与周围节点不连通。
步骤3：以初始节点与其邻接矩阵进行疏散路径搜索，路径拓展方式为引入指数变换exp(n)Pi,k∪exp(m)Pk,j＝(exp(n+m))Pij(其中P代表路径)的矩阵外积拓展，则下一时刻点包含所有路径的矩阵M1＝Q0∪M0；
步骤4：依据设定的约束条件对路径矩阵进行删选：计算每条路径的总时间是否小于设定时间T，满足则保留；计算每条路径的总长度是否满足设定的最短路径长度L，满足则保留；判断路径是否含有必须经过的中间节点MV(如补给点、关键路口等)，满足则删除前一节点连接的除该节点外的其他节点的路径。满足所有约束条件后，得到可选路径
Figure BDA0001330671230000061
步骤5：继续对可选路径
Figure BDA0001330671230000062
进行步骤2-4的路径拓展与筛选，依次迭代得到任意k时刻的可选路径
Figure BDA0001330671230000063
过程三：依据遗忘规则舍弃搜索过程中无用节点与路径，更新疏散人群行进状态。
步骤1：记录路径搜索时间，检测是否满足路径遗忘间隔阈值t；
步骤2：若满足时间条件，利用自定义运算 bk<e1e2…ekek+1…en>＝ek(k＝1,2,...,n)提取最后一次可选路径矩阵
Figure BDA0001330671230000064
中每个路径的终止节点ek+1；
步骤3：利用上步中得到的每条路径的终止节点ek+1构建新的起点矩阵Q’0和邻接矩阵M’0，生成新的路径矩阵M1’和可选路径矩阵
Figure BDA0001330671230000065
所有已有搜索被初始化。
过程四：生成人群疏散最优路径。
若所有不同节点的疏散人员都到达安全区节点F，即所有疏散起点到终点安全区的最优路径被找到，算法结束。图3(a)和图3(b)为人群疏散最优路径效果图，其中图3(a)中空心三角形为起点，空心圆形为执行遗忘规则的中继点，图3(b)中空心三角形与图3(a)的中继点对应，空心圆形为安全区目标点。
几何代数是以维度运算为基础的一种结合代数，具有优越的数学空间表达与几何关系计算能力。几何代数内蕴的多维统一性可以有效的支撑地理要素的建模与表达，还可以实现距离、拓扑等关系的动态计算。本发明尝试引入几何代数理论，通过基向量、片积与多重向量等元素将网络中的节点、边、路径等要素几何代数化，利用矩阵拓展运算由起点向终点拓展与提取可选路径，并在搜索流程中结合最优—遗忘规则模拟人群选择行为，实现了应急条件下多源、多目标、多约束的最优路径选取。

Claims (5)

1.一种遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，其特征在于：具体步骤包括：
(1)选定目标场景区域，根据目标场景区域内的道路与建筑物情况建立网络数据集，依据网络数据集中属性为居民点、集散点或安全目标点的节点，分别挑选适合模拟的一个或多个构建疏散人员源点集合、中继点集合以及安全区点集合，并建立网络数据集中节点的连通关系；
(2)依据目标场景区域内随时间变化的情况实时更新疏散网络权重，疏散人员进行多约束的局部最优路径搜索，并记录下每个时间点所到达的节点位置；
(3)根据给定的时间参数，对应场景中间状态，以某时刻点疏散人员所在位置建立新的疏散人员源点集合，遗忘之前时刻已经搜索过的路径，并以去除已经过节点的方式更新可用路径节点集，重新进行局部最优路径搜索；所述某时刻点是指经过A个时间参数叠加的时刻点，且A为自然数；
(4)重复步骤(2)-(3)，直至所有疏散人员到达安全节点，获取选择最优的疏散应急方案。
2.根据权利要求1所述的遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，其特征在于：所述的步骤(1)中建立网络数据集中节点连通关系的方法为：
(1.1)从网络数据集中抽象出具有n个节点和m条边的无向疏散网络G(V,E)，节点几何V＝{N1,N2,...,Nn}对应几何代数空间En中的基向量{e1,e2,...,en}，任意两节点Ni和Nj间的边Eij对应2-blade结构为Eij＝ei∪ej＝ei∧ej＝eij；
其中i,j∈n，ei、ej分别表示Ni和Nj两个节点在几何代数空间映射的基向量，∪表达连接关系，∧为几何代数中的用于拓展维度的外积运算，eij为外积运算结果，为上述两节点间相连接的边Eij的数学表达；
(1.2)对疏散场景网络中不同节点之间的连通关系，以构建邻接矩阵Mt的方式表达，对于该矩阵中时刻点t时的两两节点间关系依据
Figure FDA0002442215760000021
构建。
3.根据权利要求1所述的遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，其特征在于：所述的步骤(2)中网络权重与约束表达、更新方法：
(2.1)场景疏散网络中的权重是指节点对应边的权重值大小，利用标量系数uij表达，即节点Ni和Nj间的带权重的边Eij＝uijeij，带权重的邻接关系
Figure FDA0002442215760000022
(2.2)对网络权重与连接关系的更新依据场景中动态情况对标量系数uij进行数值更新，不连通则系数为0；
(2.3)对于场景疏散网络约束，分为数值型约束与非数值型约束，数值型约束对应权重数值，即某条边或路径总权重不应超过预设值，适用于路径时间和长度；非数值型约束对应节点条件，即补给点和关键路口点场景内的重要节点必须包含在搜索路径结果中。
4.根据权利要求1所述的遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，其特征在于：所述的步骤(3)中的路径搜索最优-遗忘选择方法具体为：
(3.1)对路径搜索最优-遗忘选择方法，以疏散人员初始所在的节点位置依据规则
Figure FDA0002442215760000023
构建起点矩阵Q0，依据t0时刻网络状态构建初始邻接矩阵M0，以安全区点集合构建目标节点集合F；
(3.2)当其中的节点或路径包含标量系数时，对外积引入指数变换，依据exp(n)Pi,k∪exp(m)Pk,j＝(exp(n+m))Pij，将原本的权重值乘法转换为权重值加法，其中P代表所有路径矩阵中的一个路径元素；疏散开始路径拓展方式定义为矩阵外积，则下一时刻的所有路径矩阵为M1＝Q0∪M0；
(3.3)依据数值与非数值型约束对可选路径矩阵进行删选，去除不满足约束条件的路径子元素，得到可选路径
Figure FDA0002442215760000024
(3.4)继续搜索，对于任意k时刻，提取前一时刻的终止节点建立待拓展邻接矩阵，其局部搜索到的路径矩阵为
Figure FDA0002442215760000031
重复约束条件删选，得到可选路径矩阵
Figure FDA0002442215760000032
其中，可选路径矩阵
Figure FDA0002442215760000033
为k时刻路径矩阵Mk经过约束条件过滤筛选后所得矩阵，该矩阵仅保留路径矩阵Mk中满足约束条件的路径矩阵元素；邻接矩阵Mk为k时刻下依据可选路径矩阵
Figure FDA0002442215760000034
中各路径终止节点元素的邻接关系所构建的邻接矩阵，用于延拓计算k+1时刻的路径矩阵；
(3.5)在搜索过程中，路径具有遗忘性：在给定的时间间隔t后，依据当前到达的节点情况，提取最后一次可选路径矩阵
Figure FDA0002442215760000035
中路径的终止节点构建新的起点矩阵Q’0和邻接矩阵M’0，生成新的路径矩阵M1’和可选路径矩阵
Figure FDA0002442215760000036
所有已有搜索被初始化；
(3.6)重复上述搜索，当有疏散人员达到安全区点集F后，路径搜索终止。
5.根据权利要求4所述的遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法，其特征在于：所述步骤(3.3)的具体方法为：依据设定的约束条件对路径矩阵进行删选：计算每条路径的总时间是否小于设定时间T，满足则保留；计算每条路径的总长度是否满足设定的最短路径长度L，满足则保留；判断路径是否含有必须经过的中间节点MV，满足则删除前一节点连接的除该节点外的其他节点的路径，满足所有约束条件后，得到可选路径
Figure FDA0002442215760000037
其中，MV包括补给点和关键路口。
CN201710486834.1A 2017-06-23 2017-06-23 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 Active CN107133704B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710486834.1A CN107133704B (zh) 2017-06-23 2017-06-23 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710486834.1A CN107133704B (zh) 2017-06-23 2017-06-23 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

Publications (2)

Publication Number Publication Date
CN107133704A CN107133704A (zh) 2017-09-05
CN107133704B true CN107133704B (zh) 2020-06-02

Family

ID=59735512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710486834.1A Active CN107133704B (zh) 2017-06-23 2017-06-23 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

Country Status (1)

Country Link
CN (1) CN107133704B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470154B (zh) * 2018-02-27 2021-08-24 燕山大学 一种大规模人群显著性区域检测方法
CN108710976B (zh) * 2018-05-30 2021-06-29 深圳市城市公共安全技术研究院有限公司 动态逃生路线生成方法、服务器、及系统
CN110743111B (zh) * 2018-07-24 2020-12-08 上海交通大学 基于区域场的实时疏散引导系统
CN109995663B (zh) * 2019-03-23 2020-04-07 西安电子科技大学 基于长度约束和无重复路径的网络信息传播方法
CN110298518A (zh) * 2019-07-09 2019-10-01 四川三秦电气有限责任公司 一种火灾救援路线规划方法
CN111814338B (zh) * 2020-07-13 2024-03-29 广东工业大学 一种建筑物疏散路径生成方法、系统及设备
CN113673154B (zh) * 2021-08-16 2024-03-12 深圳市八零联合装备有限公司 一种晶粒分选过程中的寻径方法、装置、设备及存储介质
CN114527757B (zh) * 2022-02-24 2024-05-31 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567017A (zh) * 2008-12-31 2009-10-28 合肥工业大学 基于多分辨率图的城市疏散仿真方法
CN102646166A (zh) * 2012-03-08 2012-08-22 北京师范大学 一种复杂建筑室内应急疏散模拟的方法
CN103106546A (zh) * 2013-02-08 2013-05-15 同济大学 基于区域应急疏散能力评估的疏散应急方案选择方法
CN103679264A (zh) * 2013-12-23 2014-03-26 山东师范大学 基于人工鱼群算法的人群疏散路径规划方法
CN103838846A (zh) * 2014-03-06 2014-06-04 中国科学院软件研究所 一种基于大数据的面向个人的应急引导方法及系统
CN103954278A (zh) * 2014-05-08 2014-07-30 中国科学院软件研究所 一种基于多数据融合的应急逃离引导方法和系统
CN104008417A (zh) * 2014-05-27 2014-08-27 广西民族大学 建立高层建筑人员疏散生物荧光粒子群优化算法模型方法
CN104331750A (zh) * 2014-10-30 2015-02-04 国网上海市电力公司 一种基于Dijkstra算法的最优逃生路径获取方法
CN105139685A (zh) * 2015-07-24 2015-12-09 合肥工业大学 一种基于最大流率路径优先的路网疏散规划方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9911315B2 (en) * 2015-06-19 2018-03-06 Honeywell International Inc. Personalized real time outdoor guidance application for mass evacuation

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101567017A (zh) * 2008-12-31 2009-10-28 合肥工业大学 基于多分辨率图的城市疏散仿真方法
CN102646166A (zh) * 2012-03-08 2012-08-22 北京师范大学 一种复杂建筑室内应急疏散模拟的方法
CN103106546A (zh) * 2013-02-08 2013-05-15 同济大学 基于区域应急疏散能力评估的疏散应急方案选择方法
CN103679264A (zh) * 2013-12-23 2014-03-26 山东师范大学 基于人工鱼群算法的人群疏散路径规划方法
CN103838846A (zh) * 2014-03-06 2014-06-04 中国科学院软件研究所 一种基于大数据的面向个人的应急引导方法及系统
CN103954278A (zh) * 2014-05-08 2014-07-30 中国科学院软件研究所 一种基于多数据融合的应急逃离引导方法和系统
CN104008417A (zh) * 2014-05-27 2014-08-27 广西民族大学 建立高层建筑人员疏散生物荧光粒子群优化算法模型方法
CN104331750A (zh) * 2014-10-30 2015-02-04 国网上海市电力公司 一种基于Dijkstra算法的最优逃生路径获取方法
CN105139685A (zh) * 2015-07-24 2015-12-09 合肥工业大学 一种基于最大流率路径优先的路网疏散规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于几何代数的多类型约束路网最优路径分析算法;俞肇元等;《地理与地理信息科学》;20140331;第30卷(第2期);全文 *

Also Published As

Publication number Publication date
CN107133704A (zh) 2017-09-05

Similar Documents

Publication Publication Date Title
CN107133704B (zh) 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
Buhl et al. Topological patterns in street networks of self-organized urban settlements
CN109272170B (zh) 一种基于Louvain算法的交通小区划分系统
Boguslawski et al. Automated construction of variable density navigable networks in a 3D indoor environment for emergency response
CN102646166A (zh) 一种复杂建筑室内应急疏散模拟的方法
CN103593400A (zh) 一种基于改进Apriori算法的雷电活动数据统计方法
Şen et al. A GIS approach to fire station location selection
Ai et al. Generation of constrained network Voronoi diagram using linear tessellation and expansion method
Bayat et al. Modeling of emergency evacuation in building fire
CN109472416A (zh) 基于自动路网数据提取的室内路径规划方法及装置、客户端
WO2014000435A1 (zh) 一种挖掘社交网络中话题核心圈的方法及系统
Tang et al. Automatic topology derivation from IFC building model for in-door intelligent navigation
CN114386536B (zh) 区域确定方法、装置、计算设备以及存储介质
CN104298858A (zh) RoboCup救援平台中基于聚类和凸包的地图划分方法
Chang et al. A simulation evacuation framework for effective disaster preparedness strategies and response decision making
CN108198084A (zh) 一种复杂网络重叠社区发现方法
Ma et al. Research of building evacuation path to guide based on BIM
Fu et al. Automatic generation of path networks for evacuation using building information modeling
Boguslawski et al. Two-graph building interior representation for emergency response applications
Huang et al. A Matrix Translation Model for Evacuation Path Optimization
Chondrogiannis et al. Simulation-based Evacuation Planning for Urban Areas
Wang et al. Building-network: Concept, generation method and centrality analysis
Zhang et al. Design of emergency evacuation scheme for louvre
Iovanovici et al. Design space exploration for optimizing wireless sensor networks using social network analysis
Zhu et al. Social Force 3D Evacuation Model based on Improved Ant Colony Algorithm

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