CN111968020B - 考虑残障人员运动特征的行人疏散方法 - Google Patents

考虑残障人员运动特征的行人疏散方法 Download PDF

Info

Publication number
CN111968020B
CN111968020B CN202010913432.7A CN202010913432A CN111968020B CN 111968020 B CN111968020 B CN 111968020B CN 202010913432 A CN202010913432 A CN 202010913432A CN 111968020 B CN111968020 B CN 111968020B
Authority
CN
China
Prior art keywords
pedestrian
cell
field
representing
probability
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
CN202010913432.7A
Other languages
English (en)
Other versions
CN111968020A (zh
Inventor
傅丽碧
刘宇星
施永乾
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.)
Fuzhou University
Original Assignee
Fuzhou 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 Fuzhou University filed Critical Fuzhou University
Priority to CN202010913432.7A priority Critical patent/CN111968020B/zh
Publication of CN111968020A publication Critical patent/CN111968020A/zh
Application granted granted Critical
Publication of CN111968020B publication Critical patent/CN111968020B/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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/002—Biomolecular computers, i.e. using biomolecules, proteins, cells
    • 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"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Organic Chemistry (AREA)
  • Computer Security & Cryptography (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种考虑残障人员运动特征的行人疏散方法，包括以下步骤：步骤S1:获取待疏散区域的出口信息及内部结构信息；步骤S2:获取人员分布信息，并计算待疏散区域内静态场分布；步骤S3:通过模拟，获取各类型行人运动特征；步骤S4:计算待疏散区域内动态场和预测场分布；步骤S5:通过模拟，获取各类行人决策；步骤S6:根据运动模块，模拟行人运动路径；步骤S7:分析初步模拟结果，优化人员决策及疏散方案，得到最优的疏散方案。本发明考虑残障人员运动特征，针对大型公共建筑内复杂多类别的人员疏散，有效提高疏散效率。

Description

考虑残障人员运动特征的行人疏散方法
技术领域
本发明属于公共安全技术领域，具体涉及一种考虑残障人员运动特征的行人疏散方法。
背景技术
近年来，随着我国城市化进程的不断加快，城市人口规模和密度不断变大，大型公共建筑不断增多。大型公共建筑的结构复杂、内部空间大、封闭性强，一旦发生火灾、地震等事故，建筑中人员逃生困难。如果缺乏科学的疏散指引，人员容易恐慌，形成紊乱的、冲突的行人流，进一步造成人员伤亡。公共建筑中人员组成复杂，除了正常健康人，还会有老人、携带行李的人员、残障人员等行走不便人员，加大了灾害时人员逃生的困难程度。因此，在灾害发生短时间内，保障人员生命安全，降低经济损失，进行科学疏散指引具有十分重要的研究意义，而考虑残障人员运动特征的疏散模拟是其中重要的一部分。
疏散实验和疏散模型目前都被广泛应用于人员疏散研究，探讨科学高效的疏散指引方案。但是人员疏散实验容易耗费大量的人力物力，且只能进行有限次数，不具备推广的普适性。而疏散模型具备计算高效准确，模拟次数不受限制，能普遍应用于多种场景等特点，因此，相较于疏散实验，疏散模型更为实用和适用。
发明内容
有鉴于此，本发明的目的在于提供一种考虑残障人员运动特征的行人疏散方法，考虑残障人员运动特征，针对大型公共建筑内复杂多类别的人员疏散，有效提高疏散效率。
为实现上述目的，本发明采用如下技术方案：
一种考虑残障人员运动特征的行人疏散方法，包括以下步骤：
步骤S1:获取待疏散区域的出口信息及内部结构信息；
步骤S2:获取人员分布信息，并计算待疏散区域内静态场分布；
步骤S3:通过模拟，获取各类型行人运动特征；
步骤S4:计算待疏散区域内动态场和预测场分布；
步骤S5:通过模拟，获取各类行人决策；
步骤S6:根据运动模块，模拟行人运动路径；
步骤S7:分析初步模拟结果，优化人员决策及疏散方案，得到最优的疏散方案。
进一步的，所述出口信息包括口位置、大小信息、实际能否通行信息；所述内部结构信息包括走廊尺寸信息、房间尺寸信息和障碍物位置信息。
进一步的，所述各类型行人包括正常健康人和残障人员。
进一步的，所述计算待疏散区域内静态场分布具体为：
待疏散区域内各元胞(i,j)的静态场值为：
Si,j＝distancemax-distancei,j
其中，distancemax、distancei,j表示该区域内元胞距出口的最短距离的最大值、元胞(i,j)距出口的最短距离。
进一步的，所述步骤S3中模拟行人运动特征，速度变化由下列公式计算；
Figure BDA0002664147530000031
其中，vm,t、vm,d、γ、ρm,t、ρmax分别表示行人m在时间步t的实际运动速度、行人m期望运动速度、速度密度拟合常数、在t时刻行人m对应视野范围内密度值、整个系统最大密度值。
进一步的，所述步骤S4具体为：
如果在上一时间步，元胞上有行人存在，且当前时间步该行人离开，则该元胞处的动态场值加1；
基于VonNeumann邻域，动态场随时间演变过程按下列公式获得：
Figure BDA0002664147530000032
其中，
Figure BDA0002664147530000033
表示元胞(i,j)在时间步t时的动态场值，α和δ是动态场扩散系数和衰减系数；
设定行人向右行走，行人空邻域元胞预测场值Am,i,j按下列公式获得；
Figure BDA0002664147530000034
其中，dm,n表示行人m与可运动元胞(i,j)对应的前方视野距离R之内的行人n之间的距离，λ、kv和Δv分别表示预测场视距控制参数、预测场速度差敏感系数、行人m与空邻域元胞(i,j)对应前方最近邻行人速度差。
进一步的，所述行人决策包括帮助残障人员、超越同向行人和避让对向行人。
进一步的，所述步骤S5具体为：
步骤S51:分别以p2、p3的概率来表示具备超越同向行人的能力的概率、残障人员受到帮助的概率；
步骤S52:行人通过周边环境来决定是否进入超越状态，通过预测场调控转移概率值，模拟超越同向行人、避让对向行人的决策；正常健康人运动方向与前方视野距离R之内的最近邻行人的运动方向相同或相反时，分别考虑是否进入超越状态、是否进行避让；二者运动方向为同向时，当二者之间速度差Δv达到某一阈值，且正常健康人具备超越能力时，经预测场调控转移概率后往侧向运动一个元胞后，即进入超越状态；二者运动方向为对向时，经预测场调控转移概率后往侧向运动一个元胞后，即记为避让对向行人；
其中，当正常健康人在进行超越过程中，正前方受到阻碍后，记为超越失败；成功超越原阻碍行人后，记为超越成功，无论超越成功还是超越失败均转入正常状态；
步骤S53:残障人员根据概率p3来判断是否受到帮助，受到帮助后的残障人员其提供帮助的正常健康人形成联合体并不再分离，由占据元胞数量与配置情况表示占据空间。
进一步的，所述步骤S6具体为：
步骤S61:基于场域模型，将模拟疏散区域离散成边长为l的元胞，时间被离散成步长为Δt的离散时间步，采用同步更新方法，依次完成每个时间步的行人运动；用以下公式来更新行人位置和状态；
Pi,j＝NIexp(ksΔSi,j)exp(kdDi,j)exp(-kaAi,j)(1-ni,j)ξi,j
Figure BDA0002664147530000051
Figure BDA0002664147530000052
Figure BDA0002664147530000053
Figure BDA0002664147530000054
Figure BDA0002664147530000055
其中，(i,j)表示空邻域元胞；N、I和ΔSi,j表示归一化因子、惯性因子和静态场差值(即目标元胞处静态场值减去当前元胞处静态场值)；ni,j和ξi,j表示行人占据情况和障碍物占据情况，若元胞(i,j)被行人占据，则ni,j＝1，ξi,j＝1，若元胞(i,j)被障碍物占据，则ni,j＝0，ξi,j＝0，若元胞(i,j)为空，则ni,j＝0，ξi,j＝1；参数ks、kd、ka、Di，j和Ai，j分别为静态场敏感系数、动态场敏感系数、预测场敏感系数、动态场值、预测场值；Pm forward、Pmleft、Pm right和Pm i,j分别为行人m选择期望方向往前、往左、往右和空邻域元胞(i,j)处的转移概率；Θ为相对应期望方向上最近邻元胞集；
Figure BDA0002664147530000056
Figure BDA0002664147530000057
和vmax分别表示往期望运动方向运动一个元胞的概率、不运动的概率和系统最大速度值；
步骤S62:根据计算得出的期望运动方向和期望运动元胞数，进一步解决多个行人有着相同目标元胞的冲突,直到通道内所有行人的目标元胞没有冲突。
进一步的，所述步骤S62具体为：
任意选择两个行人m、n，二者以随机慢化概率μ均保持原地不动；否则以(1-μ)
Figure BDA0002664147530000061
概率选取其中一名行人m保持原目标元胞，另外一名行人n保持不动；其中
Figure BDA0002664147530000062
分别等于行人m、n同一目标格点(i,j)上相对应期望方向上的转移概率值；
将保持原目标元胞的行人m与其他一名行人，同样的按上述方法解决二者期望运动元胞冲突。
本发明与现有技术相比具有以下有益效果：
本发明考虑残障人员运动特征，针对大型公共建筑内复杂多类别的人员疏散，有效提高疏散效率。
附图说明
图1是本发明一实施例中方法流程图；
图2是本发明一实施例中人员在未受到帮助或未提供帮助下的空邻域元胞示意图；
图3是本发明一实施例中帮助与被帮助者形成联合体的空邻域元胞示意图；
图4是本发明一实施例中人员运动模块流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本实施例中，以一个左右两侧双出口的大房间为例，本发明提供一种考虑残障人员运动特征的行人疏散方法，包括以下步骤：
步骤S1:获取待疏散区域的出口信息，包括出口位置、大小信息、实际能否通行信息；本实施例中，能够通行的出口分别位于房间左右两侧正中间，分别命名为出口A和出口B，宽度为wm。
获取待疏散区域的内部结构信息；获取房间尺寸L×Wm2，房间内部无其他障碍物，并将整个区域离散成二维元胞空间。元胞为方格，边长为0.5m。
步骤S2:获取人员分布信息，并计算待疏散区域内静态场分布；
区域内各元胞(i,j)的静态场值为：Si,j＝distancemax-distancei,j；
其中，distancemax、distancei,j表示区域内元胞离出口的最短距离值中的最大值、元胞(i,j)与出口间的最短距离值。
步骤S3:通过模拟，获取各类型(正常健康人、残障人员)行人运动特征；
各类型行人期望运动速度不同，且实际运动速度受周围环境的影响而变化，速度变化计算方法为：
Figure BDA0002664147530000071
其中，vm,t、vm,d、γ、ρm,t、ρmax分别表示行人m在时间步t的实际运动速度、行人m期望运动速度、速度密度拟合常数、在t时刻行人m对应视野范围内密度值、整个系统最大密度值。
由于各类型行人占据空间不同，体现为元胞占据情况不同。例如图2，人员包括正常健康人和四类残障人员(拄拐杖的人、使用手杖的老人、坐轮椅的人以及盲人)。以行人向右行走为例，在没有进入帮助状态时占据的元胞数量和组合情况都不相同：S201正常人占据一个格子，S202拄拐杖的人横向占据两个格子，S203使用手杖的老人纵向占据两个格子，S204坐轮椅的人占据四个格子，S205盲人占据一个格子。人员倾向于向前行走，不后退，也不会连续长时间侧向行走。
步骤S4:计算待疏散区域内动态场和预测场分布；
其中，如果在上一时间步，元胞上有行人存在，且当前时间步该行人离开，则该元胞上的动态场值加1；
动态场会扩散和衰减，反映虚拟路径的拓宽和稀释，基于Von Neumann邻域，动态场随时间演变过程按下列公式获得：
Figure BDA0002664147530000081
其中，
Figure BDA0002664147530000082
表示元胞(i,j)在时间步t时的动态场值，α和δ是动态场扩散系数和衰减系数。
除盲人外，正常健康人能超越同向慢速行人，所有行人均能避让对向行人，预测场能够实现此类决策。以行人向右行走为例，行人空邻域元胞预测场值Am,i,j按下列公式获得：
Figure BDA0002664147530000083
其中，dm,n表示行人m与可运动元胞(i,j)对应的前方视野距离R之内的行人n之间的距离，λ、kv和Δv分别表示预测场视距控制参数、预测场速度差敏感系数、行人m与空邻域元胞(i,j)对应前方最近邻行人的速度差。
步骤S5:通过模拟，获取各类行人决策；
其中，分别以p2、p3的概率来表示具备超越同向行人的能力的概率、残障人员受到帮助的概率。
行人通过周边环境来决定是否进入超越状态。可以通过预测场调控转移概率值，模拟超越同向行人、避让对向行人的决策。正常健康人运动方向与前方视野距离R之内的最近邻行人的运动方向相同或相反时，分别考虑是否进入超越状态、是否进行避让。二者运动方向为同向时，当二者之间速度差Δv达到某一阈值，且正常健康人具备超越能力时，经预测场调控转移概率后往侧向运动一个元胞后，即进入超越状态；二者运动方向为对向时，经预测场调控转移概率后往侧向运动一个元胞后，即记为避让对向行人。
其中，当正常健康人在进行超越过程中，正前方受到阻碍后，记为超越失败；成功超越原阻碍行人后，记为超越成功，无论超越成功或超越失败后均转入正常状态。
残障人员根据概率p3来判断是否受到帮助，以行人向右行走为例，受到帮助后的残障人员其提供帮助的正常健康人形成联合体并不再分离，其占据元胞数量与配置情况如图3所示：S301、S302中正常健康人占据一个格子，坐轮椅的人占据四个格子，分别体现为正常健康人右后侧推轮椅、左后侧推轮椅；S303、S304中正常健康人占据一个格子，其他类型残障人员占据一个格子，分别体现为残障人员不借助工具，在正常健康人左侧、右侧被搀扶行走。
步骤S6:根据运动模块，模拟行人运动路径；
如图4所示，运动模块由下列步骤组成；
结合行人决策，将行人分为三种状态：超越状态、正常状态、联合体状态(帮助或被帮助状态)。
行人状态判断，对当前运动行人m状态判断，以期采取相对应的方法计算往期望方向运动的概率；
计算往期望方向运动的概率:
其中，不处于超越状态下的行人或行人联合体都由转移概率公式决定运动方向，空邻域元胞转移概率公式由下列公式获得：
Pi,j＝NIexp(ksΔSi,j)exp(kdDi,j)exp(-kaAi,j)(1-ni,j)ξi,j
其中，(i,j)表示空邻域元胞；N、I和ΔSi,j表示归一化因子、惯性因子和静态场差值(即目标元胞处静态场值减去当前元胞处静态场值)；ni,j和ξi,j表示行人占据情况和障碍物占据情况，若元胞(i,j)被行人占据，则ni,j＝1，ξi,j＝1，若元胞(i,j)被障碍物占据，则ni,j＝0，ξi,j＝0，若元胞(i,j)为空，则ni,j＝0，ξi,j＝1；其他参数ks、kd、ka、Di，j和Ai，j同之前所述；
选择期望方向的最终概率等于该期望方向上最近邻元胞集对应的转移概率之和，由以下公式计算得出：
Figure BDA0002664147530000101
Figure BDA0002664147530000102
Figure BDA0002664147530000111
其中，Pm forward、Pm left、Pm right和Pm i,j分别为行人m选择期望方向往前、往左、往右和空邻域元胞(i,j)处的转移概率；Θ为相对应期望方向上最近邻元胞集；例如图2和图3，S202中拄拐的人往前运动的概率Pforward＝Pi,j+1+Pi+1,j+1，S303中搀扶残障人员联合体往前运动的概率Pforward＝Pi,j+1+Pi+1,j+1。
其中，超越状态下的行人，期望运动方向保持不变，并伴随着加速过程，速度变化由下列公式计算获得：
vm,t+1＝vm,t+vx
其中，vm,t、vx分别表示行人m在时间步t时速度、超越时速度增量。
计算往期望方向上运动一个元胞的概率:
由于行人的速度不同，所有行人都将采用概率的方法来计算单位时间内运动距离差异，体现为一个时间步内朝期望运动方向运动一个或零个元胞；其概率可按下列公式获得：
Figure BDA0002664147530000112
Figure BDA0002664147530000113
其中，vmax表示系统中最大运动速度,这里取vmax＝2.5m/s，l表示元胞长度，l＝0.5m；
Figure BDA0002664147530000114
和vmax分别表示往期望运动方向运动一个元胞的概率、往期望方向上运动零个元胞的概率和系统最大速度值；其他参数vm,t、l、Δt同之前所述。值得注意的是，即使是往期望方向运动距离为零个元胞，但其期望运动方向仍保持不变。
解决冲突：
确定期望运动方向和该方向上运动元胞数后，即可得出目标元胞。如果多个行人的目标元胞相同，需要解决冲突以避让冲突。首先任意选择冲突的两个行人m、n，二者以随机慢化概率μ均保持原地不动；否则以(1-μ)
Figure BDA0002664147530000121
概率选取其中一名行人m保持原目标元胞，另外一名行人n保持不动；
其中，
Figure BDA0002664147530000122
分别等于行人m、n同一目标格点(i,j)上相对应期望方向上的转移概率值，即将元胞(i,j)包含的元胞集Θ相对应期望方向上的转移概率值；
将保持原目标元胞的行人m与其他一名行人(不包含n行人)，同样按上述方法解决二者期望运动元胞冲突，直到通道内所有行人的目标元胞没有冲突。
确定目标元胞:
通过冲突解决方法后，疏散区域内所有行人目标格点均不相同。
运动至目标元胞：
当所有行人运动至期望运动元胞处，即完成一个时间步。
步骤S7:分析初步模拟结果，优化人员决策及疏散方案，得到最优的疏散方案。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (5)

1.一种考虑残障人员运动特征的行人疏散方法，其特征在于，包括以下步骤：
步骤S1:获取待疏散区域的出口信息及内部结构信息；
步骤S2:获取人员分布信息，并计算待疏散区域内静态场分布；
所述计算待疏散区域内静态场分布具体为：
待疏散区域内各元胞(i,j)的静态场值为：
Si,j＝distancemax-distancei,j
其中，distancemax表示待疏散区域内元胞(i,j)距出口的最短距离的最大值，distancei,j表示待疏散区域内元胞(i,j)距出口的最短距离；
步骤S3:通过模拟，获取各类型行人运动特征，行人速度变化由下列公式计算：
Figure FDA0003590844330000011
其中，vm,t表示行人m在时间步t的实际运动速度，vm,d表示行人m期望运动速度，γ表示速度密度拟合常数，ρm,t表示在t时刻行人m对应视野范围内密度值，ρmax表示整个系统最大密度值；
步骤S4:计算待疏散区域内动态场和预测场分布，具体为：
如果在上一时间步，元胞上有行人存在，且当前时间步该行人离开，则该元胞处的动态场值加1；
基于VonNeumann邻域，动态场随时间演变过程按下列公式获得：
Figure FDA0003590844330000012
其中，
Figure FDA0003590844330000013
表示元胞(i,j)在时间步t时的动态场值，α是动态场扩散系数，δ是动态场衰减系数；
设定行人向右行走，行人空邻域元胞预测场值Am,i,j按下列公式获得；
Figure FDA0003590844330000021
其中，dm,n表示行人m与元胞(i,j)对应的前方视野距离R之内的行人n之间的距离，λ表示预测场视距控制参数、kv表示预测场速度差敏感系数，Δv表示行人m与空邻域元胞(i,j)对应前方最近邻行人的速度差；
步骤S5:通过模拟获取各类行人决策，具体为：
步骤S51:分别以p2表示具备超越同向行人的能力的概率，p3表示残障人员受到帮助的概率；
步骤S52:行人通过周边环境来决定是否进入超越状态，通过预测场调控转移概率值，模拟超越同向行人、避让对向行人的决策；正常健康人运动方向与前方视野距离R之内的最近邻行人的运动方向相同时考虑是否进入超越状态或相反时考虑是否进行避让；二者运动方向为同向时，当二者之间速度差Δv达到某一阈值，且正常健康人具备超越能力时，经预测场调控转移概率后往侧向运动一个元胞后，即进入超越状态；二者运动方向为对向时，经预测场调控转移概率后往侧向运动一个元胞后，即记为避让对向行人；
其中，当正常健康人在进行超越过程中，正前方受到阻碍后，记为超越失败；成功超越原阻碍行人后，记为超越成功，无论超越成功还是超越失败均转入正常状态；
步骤S53:残障人员根据p3来判断是否受到帮助，受到帮助后的残障人员与其提供帮助的正常健康人形成联合体并不再分离，由占据元胞数量与配置情况表示占据空间；
步骤S6:根据运动模块，模拟行人运动路径；
步骤S61:基于场域模型，将模拟疏散区域离散成边长为l的元胞，时间被离散成步长为Δt的离散时间步，采用同步更新方法，依次完成每个时间步的行人运动；用以下公式来更新行人位置和状态；
Pi,j＝NIexp(ksΔSi,j)exp(kdDi,j)exp(-kaAi,j)(1-ni,j)ξi,j
Figure FDA0003590844330000031
Figure FDA0003590844330000032
Figure FDA0003590844330000033
Figure FDA0003590844330000034
Figure FDA0003590844330000035
其中，N表示归一化因子、I表示惯性因子，ΔSi,j表示静态场差值；ni,j表示行人占据情况，ξi,j表示障碍物占据情况，若元胞(i,j)被行人占据，则ni,j＝1，ξi,j＝1，若元胞(i,j)被障碍物占据，则ni,j＝0，ξi,j＝0，若元胞(i,j)为空，则ni,j＝0，ξi,j＝1；参数ks为静态场敏感系数，kd为动态场敏感系数，ka为预测场敏感系数，Di,j为动态场值，Ai,j为预测场值；
Figure FDA0003590844330000036
为行人m选择期望方向往前的转移概率，
Figure FDA0003590844330000037
为行人m选择期望方向往左的转移概率、
Figure FDA0003590844330000038
为行人m选择期望方向往右的转移概率，
Figure FDA0003590844330000039
为行人m选择期望方向往空邻域元胞(i,j)处的转移概率；Θ为相对应期望方向上最近邻元胞集；
Figure FDA00035908443300000310
表示往期望运动方向运动一个元胞的概率，
Figure FDA00035908443300000311
表示不运动的概率，vmax表示系统最大速度值；
步骤S62:根据计算得出的期望运动方向和期望运动元胞数，解决多个行人有着相同期望运动元胞的冲突，直到通道内所有行人的期望运动元胞没有冲突；
步骤S7:分析初步模拟结果，优化人员决策及疏散方案，得到最优的疏散方案。
2.根据权利要求1所述的考虑残障人员运动特征的行人疏散方法，其特征在于，所述出口信息包括出口位置信息、出口大小信息、实际能否通行信息；所述内部结构信息包括走廊尺寸信息、房间尺寸信息和障碍物位置信息。
3.根据权利要求1所述的考虑残障人员运动特征的行人疏散方法，其特征在于，所述各类型行人包括正常健康人和残障人员。
4.根据权利要求1所述的考虑残障人员运动特征的行人疏散方法，其特征在于，所述行人决策包括帮助残障人员、超越同向行人和避让对向行人。
5.根据权利要求1所述的考虑残障人员运动特征的行人疏散方法，其特征在于，所述步骤S62具体为：
任意选择两个行人m、n，二者以随机慢化概率μ均保持原地不动，否则以
Figure FDA0003590844330000041
概率选取其中一名行人m保持原目标元胞，另外一名行人n保持不动；其中
Figure FDA0003590844330000042
表示行人n同目标元胞(i,j)上相对应期望方向上的转移概率；
将保持原目标元胞的行人m与另外一名行人n，按上述方法解决二者期望运动元胞冲突。
CN202010913432.7A 2020-09-03 2020-09-03 考虑残障人员运动特征的行人疏散方法 Active CN111968020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010913432.7A CN111968020B (zh) 2020-09-03 2020-09-03 考虑残障人员运动特征的行人疏散方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010913432.7A CN111968020B (zh) 2020-09-03 2020-09-03 考虑残障人员运动特征的行人疏散方法

Publications (2)

Publication Number Publication Date
CN111968020A CN111968020A (zh) 2020-11-20
CN111968020B true CN111968020B (zh) 2022-06-14

Family

ID=73393471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010913432.7A Active CN111968020B (zh) 2020-09-03 2020-09-03 考虑残障人员运动特征的行人疏散方法

Country Status (1)

Country Link
CN (1) CN111968020B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597802A (zh) * 2020-11-25 2021-04-02 中国科学院空天信息创新研究院 一种基于视觉感知网络深度学习的行人运动模拟方法
CN113282984A (zh) * 2021-05-21 2021-08-20 长安大学 一种公共场所人员应急疏散模拟方法
CN117610270B (zh) * 2023-11-27 2024-07-05 北京工业大学 一种考虑小学生运动特征的行人疏散仿真方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011079733A1 (de) * 2010-12-22 2012-06-28 Siemens Aktiengesellschaft System und Verfahren zur Simulation von Gruppen in einem Personenstrom
CN109522651A (zh) * 2018-11-16 2019-03-26 中电科新型智慧城市研究院有限公司 一种基于静态场和有偏行走的人群疏散模拟方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011079733A1 (de) * 2010-12-22 2012-06-28 Siemens Aktiengesellschaft System und Verfahren zur Simulation von Gruppen in einem Personenstrom
CN109522651A (zh) * 2018-11-16 2019-03-26 中电科新型智慧城市研究院有限公司 一种基于静态场和有偏行走的人群疏散模拟方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于元胞自动机的人员疏散模型的改进研究;姜兰等;《安全与环境学报》;20191225(第06期);全文 *
通道中障碍物布局对行人运动影响的多格子模型研究;陈思媛等;《火灾科学》;20191215(第04期);全文 *

Also Published As

Publication number Publication date
CN111968020A (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111968020B (zh) 考虑残障人员运动特征的行人疏散方法
Ma et al. Cellular automaton modeling approach for optimum ultra high-rise building evacuation design
Cao et al. A multi-grid model for pedestrian evacuation in a room without visibility
Feliciani et al. Efficiently informing crowds–experiments and simulations on route choice and decision making in pedestrian crowds with wheelchair users
Christensen et al. Agent-based emergency evacuation simulation with individuals with disabilities in the population
Koo et al. Estimating the impact of residents with disabilities on the evacuation in a high-rise building: A simulation study
CN116187608B (zh) 水灾环境下地下交通设施疏散路径决策方法、系统、设备
Xu et al. Staircase evacuation modeling and its comparison with an egress drill
Ding et al. Simulation-based optimization of emergency evacuation strategy in ultra-high-rise buildings
Kim et al. Modeling handicapped pedestrians considering physical characteristics using cellular automaton
Liu et al. Modeling the effect of visibility on upstairs crowd evacuation by a stochastic FFCA model with finer discretization
Poon EvacSim: A simulation model of occupants with behavioural attributes in emergency evacuation of high-rise building fires
Li et al. Evacuation of nursing home based on massmotion: effect of the distribution of dependent elderly
JP4915550B2 (ja) 避難行動予測システムおよび避難行動予測方法
Zeng et al. Effects of initial distribution ratio and illumination on merging behaviors during high-rise stair descent process
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
Lui et al. Constructal design of evacuation from a three-dimensional living space
Shi et al. An agent-based evacuation model to support fire safety design based on an integrated 3D GIS and BIM platform
Cao et al. Path intelligent optimization for dense crowd emergency evacuation in heritage buildings
Fu et al. Unidirectional pedestrian flow in a corridor involving individuals with disabilities: a modified floor field modelling approach
Huo et al. An extended model for describing pedestrian evacuation considering the impact of obstacles on the visual view
Shi et al. The density-speed correlated mesoscopic model for the study of pedestrian flow
Mirzaei-Zohan et al. A new integrated agent-based framework for designing building emergency evacuation: A BIM approach
CN111159854A (zh) 一种养老院火灾疏散仿真模型构建方法和装置
Chen et al. An agent-based simulation framework for developing the optimal rescue plan for older adults during the emergency evacuation

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