CN111159854B - 一种养老院火灾疏散仿真模型构建方法和装置 - Google Patents
一种养老院火灾疏散仿真模型构建方法和装置 Download PDFInfo
- Publication number
- CN111159854B CN111159854B CN201911265684.7A CN201911265684A CN111159854B CN 111159854 B CN111159854 B CN 111159854B CN 201911265684 A CN201911265684 A CN 201911265684A CN 111159854 B CN111159854 B CN 111159854B
- Authority
- CN
- China
- Prior art keywords
- individual
- evacuation
- agent
- nursing home
- bearing capacity
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
一种养老院火灾疏散仿真模型构建方法和装置,包括初始化阶段:环境空间初始化是运用元胞自动机理论将养老院场景量化和网格化;人员信息初始化是将疏散人员抽象化为Agent,并且在环境空间内随机生成;感知阶段:每个Agent通过与感觉阶段的交互不断更新自己信息并且将所得信息传递给决策阶段;决策阶段:每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策;行动阶段:每个Agent响应决策阶段的疏散决策,移动到最优安全逃生出口。本发明通过仿真模拟预测得出老年人和护理人员的疏散时间、路径,为养老院应急疏散预案、老年人群逃生管理和养老院建筑布局设计提供科学依据和相应策略。
Description
技术领域
本发明涉及仿真模型领域,特别是指一种养老院火灾疏散仿真模型构建方法和装置。
背景技术
目前国内的研究人员通过调查、检索历史数据来探究人员疏散的最优方式策略,以便提高人员疏散效率。
当前,国内对人员紧急疏散问题的研究还只是停留在定性方面,特别是对于最优途径的抉择、人员拥挤所导致时间的拖延、疏散路径的分配等问题,还是需要进行更深一步的探究。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷,提出一种养老院火灾疏散仿真模型构建方法和装置,通过仿真模拟预测得出老年人和护理人员的疏散时间、路径,为养老院应急疏散预案、老年人群逃生管理和养老院建筑布局设计提供科学依据和相应策略。
本发明采用如下技术方案:
一种养老院火灾疏散仿真模型构建方法,其特征在于,运用Agent理论和元胞自动机算法,通过MATLAB建立养老院火灾疏散仿真模型,包括如下部分:
初始化阶段:包括环境空间和人员信息的初始化,环境空间初始化是运用元胞自动机理论将养老院场景量化和网格化;人员信息初始化是将疏散人员抽象化为Agent,并且在环境空间内随机生成;
感知阶段:每个Agent通过与其它Agent行为及环境状况参数值进行信息交互,并且将所得信息传递给决策阶段;
决策阶段:每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策;
行动阶段:每个Agent响应决策阶段的疏散决策,移动到最优安全逃生出口,之后更新信息进入下个循环。
优选的,所述养老院场景量化和网格化为采用四方网格的空间划分方法。
优选的,所述Agent的属性定义如下:
Pold=(Ttyle,Ccompete,Hhold,Pparameter)
Psave=(Tsex,Ccompete,Hhold,Pparameter)
其中:Ttyle为个体类型,Ccompete为竞争能力,Hhold为承受能力,Pparameter为最快疏散;Tsex为个体性别。
优选的,假设养老院发生火灾时,不发生拥挤和恐慌的因素带来的损伤和冲突的情况下,构成个体正常疏散模型。
优选的,个体正常疏散模型下,Agent首先判断个体的行为能力、距离逃生出口的位置及逃生的困难程度综合评价选取最佳逃生出口;其次计算Agent到最佳逃生出口的距离、人数及障碍,从可行方向中再计算出最优的逃生方向;若Agent无法安全到达逃生出口则重新开始循环,多次循环无法到达出口则判定为死亡。
优选的,假设养老院发生火灾时,个体为了逃生而导致互相推搡,场面过度拥挤,构成个体拥挤疏散模型。
优选的,个体拥挤疏散模型下,Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则可以按照养老院个体正常疏散模型疏散,若受到的拥挤超过承受能力则表现为该个体停留在原地或被超越,若多次受到的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置可以被认为是可通行;最后判断个体是否达到逃生出口。
优选的,假设养老院发生火灾时,老年人和护理人员不能准确把握火灾现场的情况,产生恐慌心理,构成个体恐慌疏散模型。
优选的,个体恐慌疏散模型下,Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若遭到的拥挤次数超过本能承受能力则表现为该个体停留在原地或被赶超,若多次遭遇的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置可以被认为是可通行,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则判断是否发生恐慌,若发生恐慌,则增加恐慌程度计算,再按照个体正常疏散模型疏散;最后判断个体是否达到逃生出口。
一种养老院火灾疏散仿真模型构建装置,其特征在于,包括:
初始化模块,运用元胞自动机理论将养老院场景量化和网格化,将疏散人员抽象化为Agent,并且在环境空间内随机生成;
感知模块:每个Agent通过与其它Agent行为及环境状况参数值进行信息交互,并且将所得信息传递给决策阶段;
决策模块:驱使每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策;
行动模块:驱使每个Agent响应决策模块的疏散决策,移动到最优安全逃生出口,之后更新信息进入下个循环。
由上述对本发明的描述可知,与现有技术相比,本发明具有如下有益效果:
(1)综合分析了养老院疏散的复杂性和系统性,以及分别采用基于Agent的建模仿真方法学和基于元胞自动机的建模仿真方法学进行人员疏散建模仿真的优缺点,提出了基于Agent理论与元胞自动机相结合的模型框架。针对框架的各个组成部分建立模型,同时运用元胞自动机思想对养老院环境空间进行网格建模。通过仿真模拟预测得出老年人和护理人员的疏散时间、路径,为养老院应急疏散预案、老年人群逃生管理和养老院建筑布局设计提供科学依据和相应策略。
(2)建立养老院个体正常疏散模型,首先判断个体的行为能力、距离逃生出口的位置及逃生的困难程度综合评价选取最佳逃生出口;其次计算个体到最佳逃生出口的距离、人数及障碍,从可行方向中再计算出最优的逃生方向;最后行动至逃生出口,完成个体的火灾逃生建模。
(3)建立养老院个体拥挤疏散模型,首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态(被超越、伤亡和正常);最后判断个体是否达到逃生出口并行动,完成个体的拥挤火灾逃生建模。
(4)建立养老院个体恐慌疏散模型,首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态(被超越、伤亡和恐慌),若判断为发生恐慌,则增加恐慌程度计算,再按照个体正常疏散模型疏散;最后判断个体是否达到逃生出口并行动,完成个体的拥挤火灾逃生建模。
(5)利用MATLAB进行仿真模拟,将三种模型分别仿真并得出疏散逃生过程和给定初始条件下的疏散情形和疏散时间、疏散总步数等数据,并分析模型参数对疏散情形和疏散数据的影响。
附图说明
图1为本发明方法流程图;
图2为环境空间建模图;
图2.1为图2的局部放大图;
图3为个体正常疏散模型流程图;
图3.1为个体正常疏散模型在t=0s和t=20s时,养老院一层有障碍疏散情形;
图3.2为个体正常疏散模型在t=0s和t=20s时,养老院二层有障碍疏散情形;
图4为个体拥挤疏散模型流程图;
图4.1为个体拥挤疏散模型在t=0s和t=20s时,养老院一层有障碍疏散情形;
图4.2为个体拥挤疏散模型在t=0s和t=20s时,养老院二层有障碍疏散情形;
图5为个体恐慌疏散模型流程图;
图5.1为个体恐慌疏散模型在t=0s和t=20s时,养老院一层有障碍疏散情形;
图5.2为个体恐慌疏散模型在t=0s和t=20s时,养老院二层有障碍疏散情形;
以下结合附图和具体实施例对本发明作进一步详述。
具体实施方式
以下通过具体实施方式对本发明作进一步的描述。
一种养老院火灾疏散仿真模型构建方法,运用Agent理论和元胞自动机算法,通过MATLAB建立养老院火灾疏散仿真模型。
包括如下部分:
1)初始化阶段:包括环境空间和人员信息的初始化,环境空间初始化是运用元胞自动机理论将养老院场景量化和网格化,可得到环境状况参数值;人员信息初始化是将疏散人员抽象化为Agent,并且在环境空间内随机生成。
具体的,四方形网格具有直观简单、易于在计算机上表达显示的特点,本发明采用四方网格的空间划分方法。其中,网格大小应相应于真实尺寸:0.5m×0.5m或0.4m×0.4m,这是个体占据空间的典型尺寸,优选的,采用0.4m×0.4m的网格尺寸。参见图2,其中1,3代表障碍物,4代表出口,0,2表示可通行。
个体Agent是人员疏散的行为主体,所以每个疏散个体Agent的属性定义如下:
其中,老年人的标识符为Pold,即为老人的特征属性,由式子
Pold=(Ttyle,Ccompete,Hhold,Pparameter)
Ttyle为个体类型(老人自身能力划分),Ccompete为竞争能力(老人拥挤其他老人或护理人员的能力),Hhold为承受能力(老人被他人拥挤时的最大承受能力),Pparameter为最快疏散原则(按照老人行为特点赋予的)。
其中,护理人员的标记符为Psave,即为救护人员的特征属性,由式子
Psave=(Tsex,Ccompete,Hhold,Pparameter)
Tsex为个体性别(护理人员性别划分),Ccompete为竞争能力(护理人员拥挤其他老人或护理人员的能力),Hhold为承受能力(护理人员被他人拥挤时的最大承受能力),Pparameter为最快疏散原则(按照护理人员行为特点赋予的)。
感知阶段:感知阶段包括其他Agent行为和环境状况,每个Agent通过与感觉阶段的交互不断更新自己信息并且将所得信息传递给决策阶段,感知阶段的每个信息都会对决策产生重大影响。
决策阶段:每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策;
行动阶段:每个Agent响应决策阶段的疏散决策,移动到最优安全逃生出口,之后更新信息进入下个循环。
养老院发生火灾时,可根据不同假设情况调整感知阶段、决策阶段和行动阶段,构建成不同的模型框架,包括有个体正常疏散模型,个体拥挤疏散模型和个体恐慌疏散模型等。
个体正常疏散模型
养老院发生火灾时,在不发生拥挤和恐慌的因素带来的损伤和冲突的情况下,养老院护理人员帮助老年人尽快到达出口即可。
假设在养老院个体正常疏散时:
1)Agent火灾逃生的每一时刻,各个逃生出口都是是畅通的;
2)Agent逃生时是有秩序的,不发生拥挤和恐慌;
3)Agent根据距离出口的位置及进行到出口的困难程度选择不同的出口;
4)Agent根据不同情况选择不同的方向行进到目标出口。
个人最快疏散原则应该包括如下两点:
1)与逃生出口的距离短;
2)前往出口的困难小。
养老院个体在正常疏散时的决策是依据个体所处环境的基础上进行,而个体所处环境与个体的行为能力、个体逃生出口距离、障碍和人数等有关。
参见图3,该框架模型下,决策阶段Agent首先判断个体的行为能力、距离逃生出口的位置及逃生的困难程度综合评价(即为感知阶段感知阶段获取的信息),选取最佳逃生出口,自理老人可以采取主动疏散方式逃生,介护老人在护理人员帮助下逃生;其次计算个体到最佳逃生出口的距离、人数及障碍,从可行方向中再计算出最优的逃生方向;最后行动阶段,行动至逃生出口,若无法安全到达逃生出口则重新开始循环,多次循环无法到达出口则判定为死亡。
图3.1在t=0s和t=20s时,养老院一层有障碍疏散情形,图3.2在t=0s和t=20s时,养老院二层有障碍疏散情形。从仿真后测得在有障碍且个体随机生成情形中所有人员逃生至下一层的时间为38.9s。
从上述疏散情形可以得出以下结论:
1.在养老院正常疏散模型中可以发现,若个体从不同方向向最优逃生向出口移动时,每一时刻各个出口都呈现出拱形或半圆形;
2.有障碍时的疏散情形对疏散形状有较大的影响;
3.有障碍时的疏散时间明显比无障碍时疏散时间较高,疏散速率较慢;
4.有障碍和无障碍的伤亡人数差距不大。
由上述结论可知,两场景中出现伤亡的人数相差不大,但是在有障碍场景下的疏散时间更长、疏散速率更低,说明障碍物在一定程度上降低了人员的疏散效率。从一层疏散情形中可以看出,三个出口中位于左边的两个出口成为大部分人员的最优逃生出口,二层(三层)的两个楼梯逃生出口疏散效率基本相同。
个体拥挤疏散模型
在养老院失火事故疏散过程中造成人员为了逃生而导致互相推搡,场面过度拥挤而存在的风险因素有很多,其中主要的因素是老年人自身的行为能力和人群密度过大。该疏散模型下,假设拥挤现象对人员个体产生的影响主要取决于个体的竞争能力,承受能力和承受极限。受拥挤时的个体表现为:是否造成个体临时性或永久性的停止疏散,即是否被赶超或伤亡(不可移动)。
影响养老院Agent在拥挤疏散时的因素有个体自身受到的拥挤次数、个体自身受拥挤次数的上限以及拥挤超过承受能力极限情况判断状态(即为感知阶段感知阶段获取的信息),所以可以按照上述模型假设建立个体拥挤疏散模型的框架如图4所示,具体包括如下:
Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则可以按照养老院个体正常疏散模型疏散,若受到的拥挤超过承受能力则表现为该个体停留在原地或被超越,若多次受到的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置可以被认为是可通行;最后判断个体是否达到逃生出口。
图4.1在t=0s和t=20s时,养老院一层有障碍疏散情形,图4.2在t=0s和t=20s时,养老院二层有障碍疏散情形。可知,部分个体互相拥挤导致变更目标出口,同时因为拥挤的加深,特别是出口处拥挤情况严重,个体达到极限承受能力就会出现伤亡现象,研究测得在有障碍情况下一层的逃生时间为50.422s,二层(三层)逃生至下一层的时间为46.778s。
从上述两种场景中的疏散情形可以得出以下结论:
1.在养老院拥挤疏散模型中可以发现,若拥挤行为影响程度小,个体从不同方向向最优逃生向出口移动时,各个出口呈现出拱形或半圆形;
2.当个体发现目标出口的疏散效率低于其它出口时,个体会主动变更目标出口及疏散路径;
3.有障碍时的拥挤程度更高,容易出现伤亡导致疏散效率更低。
由上述结论可知,有障碍情况下的疏散效率更低,说明拥挤情况下障碍的存在会使得疏散时间变长,同时在拥挤情况下在出口处特别容易出现伤亡,左边的两个出口拥挤情况严重导致伤亡出现进一步加深拥挤。
个体恐慌疏散模型
在养老院火灾疏散过程中恐慌心理是一种典型的因灾难而产生的心理,在火灾来临时,老年人和护理人员并不能准确把握火灾现场的情况,原有处理事情的方式也不能解决紧急情况下发生的问题时,就容易产生危机意识,再加上老年人身体机能的下降,造成老年人在生理、认知、情绪和行为方面的固有模式被完全打乱,从而产生恐慌心理。恐慌心理产生后,老年人更容易受到周围人的影响,从而出现盲目从众和行为失控现象。
恐慌程度的强弱与个体所处环境的拥挤程度具有很强的关联性,个体恐慌疏散是在养老院个体拥挤疏散模型的基础上增加恐慌程度因素建立的,参见图5
具体包括:Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若遭到的拥挤次数超过本能承受能力则表现为该个体停留在原地或被赶超,若多次遭遇的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置可以被认为是可通行,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则判断是否发生恐慌,若发生恐慌,则增加恐慌程度计算,再按照个体正常疏散模型疏散;最后判断个体是否达到逃生出口。
观察上图可以发现,Agent恐慌导致无法寻找正确的逃生出口,随着时间的增长恐慌程度的进一步加深,特别是老年人情况更为严重,老年人很容易达到极限承受能力出现伤亡现象,研究测得在有障碍情况下,一层的逃生时间为52.418s,二层(三层)逃生至下一层的时间为48.886s。
从上述疏散情形可以得出以下结论:
1.在养老院恐慌疏散模型中可以发现,若恐慌心理影响程度小,个体从不同方向向最优逃生向出口移动时,各个出口呈现出拱形或半圆形;
2.随着时间的增长,老年人容易发生伤亡就成为了障碍形成部分拥挤,同时使疏散效率降低;
3.老年人容易在恐慌情况下会发生从众现象,导致无法正确选择最优的逃生出口而出现伤亡;
4.有障碍情况下的疏散比无障碍疏散效率更低,恐慌程度越高。
由上述结论可知,在恐慌情况下Agent会做出错误的选择导致疏散效率降低,同时老年人之间的恐慌容易传染,在疏散后期恐慌程度的加深导致了拥挤行为,老年人的伤亡情况严重。
本发明还提出一种养老院火灾疏散仿真模型构建装置,用于执行上述的养老院火灾疏散仿真模型构建方法,包括:
初始化模块,运用元胞自动机理论将养老院场景量化和网格化,将疏散人员抽象化为Agent,并且在环境空间内随机生成。
感知模块:每个Agent通过与其它Agent行为及环境状况参数值进行信息交互,并且将所得信息传递给决策阶段,感知阶段的每个信息都会对决策产生重大影响。
决策模块:驱使每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策。
行动模块:驱使每个Agent响应决策模块的疏散决策,移动到最优安全逃生出口,之后更新信息进入下个循环。
本发明中Agent:是一个能够与外界主动互动,并且拥有一定的知识以及判断推理的技能,能够独自处置整理信息并提出相关决策的具有一定社会性的实体,其一般具有自治性、反应性、主动性、社会性、智能性、移动性、及合作性。Agent技术将构造较为宏大、逻辑较为复杂的问题离散化,分解为多个短小精悍的简单问题,使得整个体系简单化,并通过构建交互形式与外界方便灵活地交流。
元胞自动机:元胞自动机是一个时间、空间、主客观变量都分散的数学模型。自从元胞自动机产生以来,一直被广泛应用到交通学、生物学、信息科学、数学、计算机科学、地理、军事等各个领域,作为一门交叉学科,元胞自动机应用非常广泛,它可以作为许多复杂系统的通用性建模的主要工具。
本发明通过构建模型,分析老年人和护理人员在特定场景下疏散个体行为,根据不同的心理因素导致的行为特点建立仿真模型,对老年人和护理人员的逃生路径和时间进行追踪,通过仿真模拟预测得出老年人和护理人员的疏散时间、路径,为养老院应急疏散预案、老年人群逃生管理和养老院建筑布局设计提供科学依据和相应策略。
在实际应用中,还可将模拟现实场景的研究数据与其他学者的数据进行比照,总结出养老院火灾疏散下的一般规律,从而对于养老院的逃生安全性评估、人员疏散风险的预测、识别、防范控制等提供理论依据和科学建议,提升社会公共安全治理水平。
上述仅为本发明的具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (3)
1.一种养老院火灾疏散仿真模型构建方法,其特征在于,运用Agent理论和元胞自动机算法,通过MATLAB建立养老院火灾疏散仿真模型,包括如下部分:
初始化阶段:包括环境空间和人员信息的初始化,环境空间初始化是运用元胞自动机理论将养老院场景量化和网格化;人员信息初始化是将疏散人员抽象化为Agent,并且在环境空间内随机生成;
感知阶段:每个Agent通过与其它Agent行为及环境状况参数值进行信息交互,并且将所得信息传递给决策阶段;
决策阶段:每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策;
行动阶段:每个Agent响应决策阶段的疏散决策,移动到最优安全逃生出口,之后更新信息进入下个循环;
所述Agent的属性定义如下:
Pold=(Ttyle,Ccompete,Hhold,Pparameter)
Psave=(Tsex,Ccompete,Hhold,Pparameter)
其中:Ttyle为个体类型,Ccompete为竞争能力,Hhold为承受能力,Pparameter为最快疏散;Tsex为个体性别;
假设养老院发生火灾时,不发生拥挤和恐慌的因素带来的损伤和冲突的情况下,构成个体正常疏散模型,个体正常疏散模型下,Agent首先判断个体的行为能力、距离逃生出口的位置及逃生的困难程度综合评价选取最佳逃生出口;其次计算Agent到最佳逃生出口的距离、人数及障碍,从可行方向中再计算出最优的逃生方向;若Agent无法安全到达逃生出口则重新开始循环,多次循环无法到达出口则判定为死亡;
假设养老院发生火灾时,个体为了逃生而导致互相推搡,场面过度拥挤,构成个体拥挤疏散模型,个体拥挤疏散模型下,Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则按照养老院个体正常疏散模型疏散,若受到的拥挤超过承受能力则表现为该个体停留在原地或被超越,若多次受到的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置被认为是可通行;最后判断个体是否达到逃生出口;
假设养老院发生火灾时,老年人和护理人员不能准确把握火灾现场的情况,产生恐慌心理,构成个体恐慌疏散模型,个体恐慌疏散模型下,Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若遭到的拥挤次数超过承受能力则表现为该个体停留在原地或被赶超,若多次遭遇的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置被认为是可通行,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则判断是否发生恐慌,若发生恐慌,则增加恐慌程度计算,再按照个体正常疏散模型疏散;最后判断个体是否达到逃生出口。
2.如权利要求1所述的一种养老院火灾疏散仿真模型构建方法,其特征在于,所述养老院场景量化和网格化为采用四方网格的空间划分方法。
3.一种养老院火灾疏散仿真模型构建装置,其特征在于,包括:
初始化模块,运用元胞自动机理论将养老院场景量化和网格化,将疏散人员抽象化为Agent,并且在环境空间内随机生成;
感知模块:每个Agent通过与其它Agent行为及环境状况参数值进行信息交互,并且将所得信息传递给决策阶段;
决策模块:驱使每个Agent根据感知阶段获取的信息,通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策;
行动模块:驱使每个Agent响应决策模块的疏散决策,移动到最优安全逃生出口,之后更新信息进入下个循环;
所述Agent的属性定义如下:
Pold=(Ttyle,Ccompete,Hhold,Pparameter)
Psave=(Tsex,Ccompete,Hhold,Pparameter)
其中:Ttyle为个体类型,Ccompete为竞争能力,Hhold为承受能力,Pparameter为最快疏散;Tsex为个体性别;
假设养老院发生火灾时,不发生拥挤和恐慌的因素带来的损伤和冲突的情况下,构成个体正常疏散模型,个体正常疏散模型下,Agent首先判断个体的行为能力、距离逃生出口的位置及逃生的困难程度综合评价选取最佳逃生出口;其次计算Agent到最佳逃生出口的距离、人数及障碍,从可行方向中再计算出最优的逃生方向;若Agent无法安全到达逃生出口则重新开始循环,多次循环无法到达出口则判定为死亡;
假设养老院发生火灾时,个体为了逃生而导致互相推搡,场面过度拥挤,构成个体拥挤疏散模型,个体拥挤疏散模型下,Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则按照养老院个体正常疏散模型疏散,若受到的拥挤超过承受能力则表现为该个体停留在原地或被超越,若多次受到的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置被认为是可通行;最后判断个体是否达到逃生出口;
假设养老院发生火灾时,老年人和护理人员不能准确把握火灾现场的情况,产生恐慌心理,构成个体恐慌疏散模型,个体恐慌疏散模型下,Agent首先依据自身能力计算受到的拥挤次数,再计算超过承受能力的拥挤次数;其次根据拥挤超过承受能力的情况判断个体所在的状态,若遭到的拥挤次数超过承受能力则表现为该个体停留在原地或被赶超,若多次遭遇的拥挤次数累计超过承受能力极限则出现伤亡,并且其所在位置被认为是可通行,若没有受到拥挤或者受到的拥挤未达到承受能力极限时,则判断是否发生恐慌,若发生恐慌,则增加恐慌程度计算,再按照个体正常疏散模型疏散;最后判断个体是否达到逃生出口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265684.7A CN111159854B (zh) | 2019-12-11 | 2019-12-11 | 一种养老院火灾疏散仿真模型构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911265684.7A CN111159854B (zh) | 2019-12-11 | 2019-12-11 | 一种养老院火灾疏散仿真模型构建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159854A CN111159854A (zh) | 2020-05-15 |
CN111159854B true CN111159854B (zh) | 2023-06-20 |
Family
ID=70556927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911265684.7A Active CN111159854B (zh) | 2019-12-11 | 2019-12-11 | 一种养老院火灾疏散仿真模型构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159854B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111639809B (zh) * | 2020-05-29 | 2023-07-07 | 华中科技大学 | 基于领导者和恐慌情绪的多智能体疏散仿真方法和系统 |
CN112668781B (zh) * | 2020-12-29 | 2022-08-02 | 青岛理工大学 | 一种城市轨道交通地铁车厢内乘客的疏散预测方法 |
CN116805175B (zh) * | 2023-06-02 | 2023-12-26 | 中哲国际工程设计有限公司 | 基于cim技术的医疗养老建筑运维管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145213A (zh) * | 2007-10-25 | 2008-03-19 | 中山大学 | 基于扩展bdi模型的人群疏散仿真方法 |
CN103927591A (zh) * | 2014-03-24 | 2014-07-16 | 北京交通大学 | 一种城市轨道交通应急疏散优化方法及系统 |
CN103955144A (zh) * | 2014-05-13 | 2014-07-30 | 安徽理工大学 | 基于多Agent的虚拟煤矿应急疏散仿真方法及系统 |
JP2014174826A (ja) * | 2013-03-11 | 2014-09-22 | Railway Technical Research Institute | 鉄道列車火災時における避難誘導の意思決定支援方法 |
CN107330147A (zh) * | 2017-05-26 | 2017-11-07 | 北京交通大学 | 一种地铁车站人员应急疏散仿真方法及系统 |
-
2019
- 2019-12-11 CN CN201911265684.7A patent/CN111159854B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145213A (zh) * | 2007-10-25 | 2008-03-19 | 中山大学 | 基于扩展bdi模型的人群疏散仿真方法 |
JP2014174826A (ja) * | 2013-03-11 | 2014-09-22 | Railway Technical Research Institute | 鉄道列車火災時における避難誘導の意思決定支援方法 |
CN103927591A (zh) * | 2014-03-24 | 2014-07-16 | 北京交通大学 | 一种城市轨道交通应急疏散优化方法及系统 |
CN103955144A (zh) * | 2014-05-13 | 2014-07-30 | 安徽理工大学 | 基于多Agent的虚拟煤矿应急疏散仿真方法及系统 |
CN107330147A (zh) * | 2017-05-26 | 2017-11-07 | 北京交通大学 | 一种地铁车站人员应急疏散仿真方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于多智能体的地铁乘客应急疏散仿真建模;李昌宇;《太原城市职业技术学院学报》;20190930;第21卷(第9期);172-174 * |
Also Published As
Publication number | Publication date |
---|---|
CN111159854A (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111159854B (zh) | 一种养老院火灾疏散仿真模型构建方法和装置 | |
Mirahadi et al. | EvacuSafe: A real-time model for building evacuation based on Dijkstra's algorithm | |
Şahin et al. | Human behavior modeling for simulating evacuation of buildings during emergencies | |
Gwynne et al. | Engineering data | |
CN112529329A (zh) | 基于bp算法和seir模型的传染病预测方法 | |
Hunt | Simulating hospital evacuation | |
Liu et al. | Determining the effective distance of emergency evacuation signs | |
Chang et al. | A cellular-automaton agent-hybrid model for emergency evacuation of people in public places | |
Liu et al. | Analysis of influencing factors in pre-evacuation time using Interpretive Structural Modeling | |
De Iuliis et al. | Large scale simulation of pedestrian seismic evacuation including panic behavior | |
Wang et al. | Fire evacuation visualization in nursing homes based on agent and cellular automata | |
Abir et al. | A review on the hospital evacuation simulation models | |
Tinaburri | Principles for Monte Carlo agent-based evacuation simulations including occupants who need assistance. From RSET to RiSET | |
Du et al. | An agent-based simulation framework for analysing fall risk among older adults in the evacuation procedures | |
Kontou et al. | Cellular automata modelling of the movement of people with disabilities during building evacuation | |
Bañgate et al. | SOLACE a multi-agent model of human behaviour driven by social attachment during seismic crisis | |
Chen et al. | A framework for the elderly first aid system by integrating vision-based fall detection and BIM-based indoor rescue routing | |
Chen et al. | An agent-based simulation framework for developing the optimal rescue plan for older adults during the emergency evacuation | |
Du et al. | Multi-agent based simulation of elderly egress process and fall accident in senior apartment buildings | |
Soltanzadeh et al. | The effects of cultural behavior on the evacuation of the first residential towers built in Iran (case study: Saman twin towers from the 1970s in Tehran) | |
Atila et al. | Design of an intelligent individual evacuation model for high rise building fires based on neural network within the scope of 3d GIS | |
Koutamanis | Multilevel analysis of fire escape routes in a virtual environment | |
Abir et al. | Modelling and simulating exit selection during assisted hospital evacuation process using fuzzy logic and unity3D | |
Weinroth | An adaptable microcomputer model for evacuation management | |
Hostetter et al. | Evacuation preparedness and intellectual disability: Insights from a university fire drill |
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 |