CN112182723A - 人群疏散瓶颈拥堵状况分析方法和系统 - Google Patents

人群疏散瓶颈拥堵状况分析方法和系统 Download PDF

Info

Publication number
CN112182723A
CN112182723A CN202011108145.5A CN202011108145A CN112182723A CN 112182723 A CN112182723 A CN 112182723A CN 202011108145 A CN202011108145 A CN 202011108145A CN 112182723 A CN112182723 A CN 112182723A
Authority
CN
China
Prior art keywords
evacuation
bottleneck
crowd
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.)
Granted
Application number
CN202011108145.5A
Other languages
English (en)
Other versions
CN112182723B (zh
Inventor
麻庭光
王佐
付殷驰
龚云涛
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.)
Shanghai Institute of Technology
Original Assignee
Shanghai Institute of Technology
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 Shanghai Institute of Technology filed Critical Shanghai Institute of Technology
Priority to CN202011108145.5A priority Critical patent/CN112182723B/zh
Publication of CN112182723A publication Critical patent/CN112182723A/zh
Application granted granted Critical
Publication of CN112182723B publication Critical patent/CN112182723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Structural Engineering (AREA)
  • Development Economics (AREA)
  • Civil Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Architecture (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供了一种人群疏散瓶颈拥堵状况分析方法和系统，该方法包括：根据建筑的布局情况构建疏散网络，所述疏散网络包括：节点，以及连接各个节点的边；确定所述疏散网络中各个节点通往出口的最短路径；在人群疏散过程中，确定所述最短路径上的瓶颈位置所对应的人流数据。本发明中的方法可以得到任意建筑不同瓶颈位置的人流数据，从而给安全疏散提供指导；让使用者从图论的角度理解建筑的拓扑结构，从而在建筑设计的早期给出疏散网络的架构建议，使得建筑内部设计更加合理。

Description

人群疏散瓶颈拥堵状况分析方法和系统
技术领域
本发明涉及数据处理技术领域，具体地，涉及人群疏散瓶颈拥堵状况分析方法和系统。
背景技术
随着我国城市化率的提升，各种大规模人群聚集活动也越来越多，这也就给相关管理人员带来了更大的安全挑战。在应急疏散过程中，瓶颈处的危险性显然要高于建筑中其他位置的危险性，因此需要聚焦中高人群密度建筑中瓶颈处的安全问题。
目前，统一认为疏散过程中的人群密度不应大于3.8人/m2，达到这一密度便意味着人群的行走速度接近“0”，如果再受到某一因素的影响，导致人群密度上升到4.2人/m2，就有极大的概率出现事故。在一般情况下，由于人与人之间存在心理层面的“社会力”，彼此之间会保持一定距离，因此在疏散过程中人群密度不会达到极限密度，只有在通道宽度收窄的“瓶颈处”，由于后方人群的压力，通过瓶颈处的人群彼此之间挤压，逼近极限密度。
因此，需要合理评估瓶颈处的拥堵状况，找出建筑中设计不合理的建筑瓶颈加以改进，以显著降低建筑的事故风险。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种人群疏散瓶颈拥堵状况分析方法和系统。
第一方面，本发明提供一种人群疏散瓶颈拥堵状况分析方法，包括：
步骤1：根据建筑的布局情况构建疏散网络，所述疏散网络包括：节点，以及连接各个节点的边；
步骤2：确定所述疏散网络中各个节点通往出口的最短路径；
步骤3：在人群疏散过程中，确定所述最短路径上的瓶颈位置所对应的人流数据。
可选地，所述步骤1包括：
将建筑物中的人群负荷区域、人群汇集区域、通道汇合位置作为节点，将连接各个节点的通道作为边，根据节点，以及连接节点的边构建疏散网络。
可选地，所述步骤2包括：
基于所述疏散网络，通过A*寻路算法确定所述疏散网络中各个节点通往出口的最短路径；其中，所述最短路径与通道的通行代价相关；所述通道的通行代价的计算公式如下：
Figure BDA0002733366590000021
其中：en表示通道n的通行代价，L表示通道长度，We表示通道有效宽度(W为宽度，e为有效)，F表示熟悉度(人群对该通道的熟悉程度，如果使用者不想加入熟悉程度这一元素，可以默认为1)，K表示人群在通道行走的最大速度。
可选地，所述步骤3包括：
步骤3.1：基于所有所述最短路径的瓶颈位置构建多级瓶颈图；
步骤3.2：根据人流的流动方向，分别统计所述多级瓶颈图中各个瓶颈位置的所对应的人流数据，所述人流数据包括：人流密度、人流速度、排队人数。
可选地，所述瓶颈位置所对应的人流密度的计算公式如下：
Figure BDA0002733366590000022
其中：F表示人流量(单位：人/s)(与通行代价计算公式中的F无关)，We表示通道有效宽度，f表示最大比流量，FS表示比流量，D表示单位面积的人流密度。
可选地，还包括：
对所述疏散网络中的各个节点进行类型划分；其中，节点类型包括：封闭型节点、开放型节点；
根据预设的刷新周期，显示不同类型的各个节点的状态以及通道的状态；所述封闭型节点的状态包括：空状态、供应状态、拥堵状态；所述开放型节点的状态包括：空状态、运输状态、供应状态、拥堵状态；所述通道的状态包括：空状态、运输状态、供应状态、拥堵状态。
可选地，还包括：
对所述疏散网络中的各个节点进行等级划分，距离出口越近的节点的等级越高；
根据预设的时间间隔，按照等级从低到高的顺序刷新各个节点的人流数据。
第二方面，本发明提供一种人群疏散瓶颈拥堵状况分析系统，包括处理器和存储器，所述存储器中包含有计算机程序，当所述处理器调用所述存储器中的计算机程序时，执行如第一方面中任一项所述的人群疏散瓶颈拥堵状况分析方法。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的人群疏散瓶颈拥堵状况分析方法和系统，可以得到任意建筑不同瓶颈位置的人流数据，从而给安全疏散提供指导，并能够在建筑设计的早期给出疏散网络的架构建议，使得建筑内部布局更加合理。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的一种人群疏散瓶颈拥堵状况分析方法流程示意图；
图2为本发明实施例提供的不同有效宽度的瓶颈在疏散过程中的人流量变化示意图；
图3为本发明实施例提供的网络化后的疏散网络图；
图4为本发明实施例提供的疏散瓶颈示意图；
图5为本发明实施例提供的封闭型节点状态判断流程示意图；
图6为本发明实施例提供的开放型节点和通道状态判断流程示意图。
图7为本发明实施例提供的示例建筑一楼示意图。
图8为本发明实施例提供的示例建筑二楼示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
图1为本发明提供的一种人群疏散瓶颈拥堵状况分析方法流程示意图，如图1所示，本发明提供的方法可以包括：
步骤S101：根据建筑的布局情况构建疏散网络，疏散网络包括：节点，以及连接各个节点的边。
示例性的，在步骤S101中，可以将建筑物中的人群符合区域、人群汇集区域、通道汇合位置作为节点，将连接各个节点的通道作为边，根据节点，以及连接节点的边构建疏散网络。本实施例中人群疏散过程即是人群在存在多级瓶颈的网路中运动行走的过程，决定人群疏散速度的关键就是“路”中最小的瓶颈口，同时也是最可能出现最多排队人数的位置，即危险度最高的位置。本实施例中通过构建疏散网络，将有人群负荷的房间(或区域)和人群聚集、汇合的通道口都被视为节点，从而将疏散过程中可能发生排队、拥堵的所有建筑区域都纳入了考量。
步骤S102：确定疏散网络中各个节点通往出口的最短路径。
示例性的，在步骤S102中，基于疏散网络，通过A*寻路算法确定疏散网络中各个节点通往出口的最短路径。
本实施例中，首先构建建筑疏散网络，将每个房间(或区域)根据设计用途所假设的人群负荷标明，将所有房间设为节点，通道交汇处也设为节点，根据各个房间出口的具体情况与建筑走廊的具体情况将节点相连接，各个房间、节点间的通道为“边”，完成这些工作后用A*算法进行计算，得到疏散人群流动方向与流动路线。A*(A--Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法，始于(P.E.Hart，N.J.Nilsson，and B.Raphael.A formal basis for the heuristicdetermination of minimum cost paths in graphs.IEEE Trans.Syst.Sci.andCybemetics，SSC-4(2)：100-107，1968)，目前在多个领域作为一种寻路算法进行应用。
具体地，A*算法的表达式如下：
f(n)＝g(n)+h(n)
其中，f(n)表示从初始状态经由状态n到目标状态的代价估计，g(n)表示在状态空间中从初始状态到状态n的实际代价，h(n)表示从状态n到目标状态的最佳路径的估计代价。(对于路径搜索问题，状态就是图中的节点，代价就是距离)，其中，最短路径与通道的通行代价相关；通道的通行代价的计算公式如下：
Figure BDA0002733366590000041
其中：en表示通道n的通行代价，L表示通道长度，We表示通道有效宽度(W为宽度，e为有效)，F表示熟悉度(人群对该通道的熟悉程度，如果使用者不想加入熟悉程度这一元素，可以默认为1)，K表示人群在通道行走的最大速度。具体地，在平地、楼梯行走所能达到的最大速度不一样，因此K的值可通过查表方式获得。在人群中疏散过程中，人会自发地与通道墙壁保持0.15m的距离，人不会选择身体贴着墙壁走动，通道墙壁的实际有效宽度为通道的实际宽度减去0.3m。
示例性的，令We＝Wa-B，其中，Wa表示实际通道宽度，B表示边界层宽度。通过建筑的出口移动的人会保持边界层，这样会不受墙壁和其他固定障碍对他们通过的影响。这一间隙是必要的，以适应人体横向晃动和保证平衡的必要性。
步骤S103：在人群疏散过程中，确定最短路径上的瓶颈位置所对应的人流数据。
示例性的，在步骤S103中，可以基于所有最短路径的瓶颈位置构建多级瓶颈图；然后根据人流的流动方向，分别统计多级瓶颈图中各个瓶颈位置的所对应的人流数据，人流数据包括：人流密度、人流速度、排队人数。
其中，瓶颈位置所对应的人流量的计算公式如下：
Figure BDA0002733366590000051
其中：F表示人流量(单位：人/s)，We表示有效宽度，f表示最大比流量，FS表示比流量，D表示单位面积的人流密度。
具体地，人流密度是在疏散路线对拥挤度的测量，表达成每单位面积的人数。密度通常表达成每平方米多少人。在出口通道上，如果人流密度小于0.05人/平方英尺(0.54人/平方米，或者表达为20平方英尺/人；1.85平方米/人)，个人会按照自己的节奏走，独立于其他人的速度。如果人流密度超过0.35人/平方英尺(3.8人/平方米)，人流会陷入停滞，直到人流密度随着部分人群的离开而降低为止。在0.05和0.35人/平方英尺的密度极限之间，速度和密度之间的关系可以看作是一个线性的函数。这个函数的方程是：
S＝K-aKD
其中，S表示沿行行进路线的速度；D表示单位面积的人流密度；K表示人群在通道的最大速度，查表可得；a为0.266m2/人。
具体地，比流量FS定义为逃生者在逃生通道上在单位时间内通过单位有效宽度We的人流通量。可以通过下面的公式计算Fs
FS＝S·D＝(K-aKD)·D＝KD-aKD2
其中，D是人口密度(人/m2)，S为移动的速度(m/s)，所以比流量的单位是人/m/s，即每秒钟通过每米有效出口宽度的人数。本实施例中引入比流量的概念是为了方便计算不同宽度的瓶颈的人群流量。在中高密度建筑中由于人群负荷大，排队现象是必然发生的。
进一步地，瓶颈处的比流量变化分为四个阶段：
上升期：疏散人群逐渐向瓶颈处聚集，最开始离瓶颈处最近的几个人通过瓶颈，很快更多的人通过瓶颈，并开始出现排队现象。这个阶段比流量逐渐上升，当人群密度达到2人/m2时，达到最大比流量，也正是最大疏散效率。
稳定期：瓶颈处的比流量趋近一个稳定的固定值，围绕这个固定值上下波动，不同的学者对于这个固定值具体是多少存在争论(在1.3到1.5之间)，本专利计算过程中选择1.3这个相对保守的数值。在楼梯这种非水平通道上进行移动时，最大比流量也会发生变化，具体情况查表可得。
衰减期：由于排队人群基本都已疏散，人群负荷下降，比流量降低至0。
由于衰减期与上升期在实际疏散过程中出现时间很短，因此计算过程中简化为两种情况：
Figure BDA0002733366590000061
进一步地，当人群经过一个瓶颈后，再经过一个新瓶颈时，如果旧瓶颈供应的流入人流量Fin不大于新瓶颈所能提供的最大流出人流量Fout(在数值上等于最大比流量与有效宽度之积，即fWe)，则新瓶颈的流出流量等于旧瓶颈供应的流入流量，并且在新瓶颈不会出现排队现象，如果旧瓶颈供应的流量大于新瓶颈所能提供的最大流量，则出现排队现象，新瓶颈的流量为最大流量。计算公式如下：
Figure BDA0002733366590000062
其中，fWe表示新瓶颈的最大人流量；Fin表示旧瓶颈提供的流入新瓶颈的流入人流量；T表示时间；f表示最大比流量。
进一步地，如果一个节点同时接受到了来自多个通道供应的人群，则各个供应人流量的通道会瓜分该节点的人流量上限，每个通道所最终获得的F′out(t)与自己的Fout(t)成正比，即：
Figure BDA0002733366590000063
实施例一
首先，筑物网络化是现在很多商业人群疏散模拟软件都包含的功能，用于确定人群流动方向，在起点和终点都确定的情况下，不同的疏散路线可以根据路程的具体情况计算得到“代价”，默认“居住者(Occupant)”会选择代价最小的路程。对每个具有人群负荷的节点都进行A*算法计算，得到每个有人群负荷节点的疏散路线。在本算法中，将出口定义为1级节点，与出口直接连接的节点定义为2级节点，以此类推。越远离出口的节点等级越高。当一个节点同时可以被视为多个等级的节点时，取最小值。将不同的节点号记为Oij(O为Occupant，疏散人员，i＝该房间所属楼层，j＝在该层的该房间编号)，Oij的值为该节点的人群负荷。节点包含房间、区域与可以排队的瓶颈处。
示例性的，本发明提供的方法还可以对疏散网络中的各个节点进行类型划分；其中，节点类型包括：封闭型节点、开放型节点；根据预设的刷新周期，显示不同类型的各个节点的状态以及通道的状态；封闭型节点的状态包括：空状态、供应状态、拥堵状态；开放型节点的状态包括：空状态、运输状态、供应状态、拥堵状态；通道的状态包括：空状态、运输状态、供应状态、拥堵状态。
具体地，将不同的节点号记为Oij(O为Occupant，疏散人员，i＝该房间所属楼层，j＝在该层的该房间编号)，Oij的值为该节点的人群负荷。节点包含房间、区域与可以排队的瓶颈处。在本算法中，节点有两种类型：人口供应型节点与开放式节点。
封闭型节点：与通道相连，本身是有人群负荷的房间或区域。在疏散过程中不会有人群从通道进入这个房间，只会向通道与下一级节点供应人群。
开放型节点：开放型区域，连接2个及以上的通道且疏散过程中有人群进入该节点走向另一个节点，为开放型节点。
封闭型节点具有4个属性：有效宽度We；人群负荷Oij(t)，随时间变化；流量Fij(t)，该节点t时刻的流出流量；等级C，该节点在多级网络中的等级。
开放型节点具有7个属性：有效宽度We；人群负荷Oij(t)，随时间变化；流量Fij(t)，该节点t时刻的流量，分为流入流量Fin(t)和流出流量Fout(t)；L长度，如果该节点是一个有通道作用的房间或区域，从一个出口到另一个出口的长度也是一个需要考虑的属性；最大人群负荷M，最大人群负荷为该节点在实际空间中所占面积*3.8人/m2。等级C，该节点在多级网络中的等级；最大速度K。
连接节点与节点之间的通道为Pijkv(ij为通道连接的更低级节点的编号，kv为通道连接的更高级节点的编号)，每个通道也有6个属性：
W为通道的有效宽度；L为通道的长度；S为通道的最大速度系数，根据通道的具体情况查表可得；Pijkv(t)为通道的人群负荷，与时间相关，当通道的人群密度为2人/m2时，通道的疏散效率最高，拥堵状况下通道的最高人群密度为3.8人/m2，超过该密度便会发生事故。最大人群负荷M，M＝L*W*3.8人/m2。流量Fijkv(t)，该节点t时刻的人流量，分为流入人流量Fin(t)和流出人流量Fout(t)。
具体地，最大排队人数计算是从最顶层开始对建筑每层分别进行计算，根据瓶颈流量关系，确定通向每个节点(瓶颈)处的人流量，当通道宽度减小时，即会发生排队现象。得到排队人数与时间的函数，可以确定最大排队人数。从图论的观点来看，人群疏散的过程即为人群在多级瓶颈中的流动过程，决定人群流动速度的关键为最小的瓶颈。
示例性的，本发明提供的方法还可以对疏散网络中的各个节点进行等级划分，距离出口越近的节点的等级越高；根据预设的时间间隔，按照等级从低到高的顺序刷新各个节点的人流数据。
具体地，从1级节点开始向高级节点进行计算，以1秒为单位刷新计算每个节点与通道的状况。将每个节点与通道都视为元胞自动机(cellular automata，CA)，一种时间、空间、状态都离散，空间相互作用和时间因果关系为局部的网格动力学模型，具有模拟复杂系统时空演化过程的能力。
示例性的，封闭型节点的状态：
1)空状态；
Oij(t)＝0，此状态下不进行任何计算。
2)供应状态；
Oij(t)＞0，节点有人群负荷，根据公式(6)此时Fij(t)取排队状态，向低级节点供应人群。此状态下：Oij(t+1)＝Oij(t)-Fij(t)。
3)拥堵状态；
Pijkv(t)≥Mijkv，当连接低级节点的通道处于拥堵状态时，这会导致本节点也处于拥堵状态，此状态下：Fij(t)＝0，Oij(t+1)＝Oij(t)。
开放型节点的状态：
1)空状态：
Oij(t)＝0，此状态下不进行任何计算。
2)运输状态：
当Oij(t-1)＝0且流入流量Fin(t)＞0，则在t时刻该节点接收到来自与自己相连的高级节点间的通道的人群，此节点处于运输状态，该节点会在(t+L÷0.526K)时刻(向下取整)进行判断：
Figure BDA0002733366590000081
在L÷0.468K时间(向上取整)后，进入供应状态。(L÷0.468K表示人群密度为2人/m2的情况下，通过该开放型节点所需的时间)
此状态下：Oij(t+1)＝Oij(t)+Fin(t)
3)供应状态：
当Oij(t)＞0，节点有人群负荷，且流入流量大于流出流量时，根据公式(6)此时Fout(t)取排队状态，向低级节点供应人群。
当Oij(t)＞0，节点有人群负荷，且流入流量不大于流出流量时，根据公式(6)此时Fout(t)取无排队状态，向低级节点供应人群。
此状态下：Oij(t+1)＝Oij(t)+Fin(t)-Fout
4)拥堵状态：
当该节点连接低级节点的通道处于拥堵状态，这会导致本节点也处于拥堵状态，此状态下：Fout(t)＝0。出口节点为开放式节点，由于出口节点没有比它更低级的节点，出口节点不会拥堵。
当Oij(t)＞Mij时，该节点本身处于拥堵状态，此状态下：Fin(t)＝0，Oij(t+1)＝Oij(t)
通道的状态：
1)空状态：
Pijkv(t)＝0，此状态下不进行任何计算。
2)运输状态：
当Pijkv(t-1)＝0，在t时刻该通道接收到人群，则此通道处于运输状态，该通道会在(t+L÷0.468S)时刻进行判断该通道的输出流量：
Figure BDA0002733366590000091
此状态下：Pijkv(t+1)＝Pijkv(t)+Fin(t)。(L÷0.468S表示人群密度为2人/m2的情况下，通过该通道所需的时间)
3)供应状态
当Pijkv(t)＞0，节点有人群负荷，且流入流量大于流出流量时，根据公式(6)此时Fout(t)取排队状态，向低级节点供应人群。
当Pijkv(t)＞0，节点有人群负荷，且流入流量不大于流出流量时，根据公式(6)此时Fout(t)取无排队状态，向低级节点供应人群。
确认处于供应状态后，如果通道所供应的低级节点同时受另一通道或多个通道供应，则各个通道会瓜分流量，每个通道所最终获得的F′out(t)与自己的Fout(t)成正比，即：
Figure BDA0002733366590000092
在供应状态下：Oij(t+1)＝Oij(t)+Fin(t)-F′out(t)
4)拥堵状态
当该通道所供应的低级节点处于拥堵状态，Fout(t)＝0。
当该通道的Pijkv(t)≥M，本通道处于拥堵状态，Fin(t)＝0，Pijkv(t+1)＝Pijkv(t)，直至通道供应的低级节点不处于拥堵状态，Fout(t)恢复。
开始进行计算，每秒从低级节点开始向高级节点更新每个节点与通道的状态，并将每个节点与通道的数据记录，在所有人群都完成疏散后计算终止，得到每个节点与通道在整个疏散过程中的排队人数。由于本算法是一种抽象的理论计算，因此人群数量可以是大于0的小数，时间t的取值范围为全体实数。
本实施例中的方法，可以得到给定的任何建筑不同瓶颈处排队人数随时间的动态变化数据。可以在建筑设计的早期就根据建筑物的基础数据建立疏散网络，对建筑的安全性给予指导。避免建筑设计后期因为人群疏散安全而进行大幅度修改。可以将每个瓶颈、房间、通道在疏散中每秒的各项数值都计算出来，方便对整个疏散过程进行定量分析。也可以使用本分析方法中提供的公式结合模拟结果进行计算，精确获得使用者所需要的疏散结果。
实施例二
图3为本发明实施例提供的网络化后的疏散网络图，以一栋教学楼的一个楼梯安全通道及其相连的教室为例，说明本发明的实施方式。选取1～3楼，每层个教室。基于上述计算流程，整个疏散过程持续149s，不方便全部展示，因此选取了一些关键的时间节点，得到表1～表5：
表1
时间(s) 事件
0 开始疏散
16 节点21、11开始进入运输状态
33 通道1121结束运输状态，进入供应状态
54 21节点进入拥堵状态
78 12、13、1112、1113进入空状态
83 21节点结束拥堵状态
149 所有节点与通道都为空状态，疏散结束
根据计算结果来看，21节点的拥堵状况可以接受，没有增大21节点面积的必要，建筑无不合理瓶颈设计，如果想要进一步缩短疏散时间，可以增加11节点的有效宽度与1121通道的有效宽度。
表2
Figure BDA0002733366590000111
表3
Figure BDA0002733366590000112
表4
Figure BDA0002733366590000113
表5
Figure BDA0002733366590000114
本发明提供的一种人群疏散瓶颈拥堵状况分析系统，可以包括处理器和存储器，存储器中包含有计算机程序，当处理器调用存储器中的计算机程序时，执行如图1所示的人群疏散瓶颈拥堵状况分析方法。
需要说明的是，本发明提供的所述人群疏散瓶颈拥堵状况分析方法中的步骤，可以利用所述人群疏散瓶颈拥堵状况分析系统中对应的模块、装置、单元等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即，所述系统中的实施例可理解为实现所述方法的优选例，在此不予赘述。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种人群疏散瓶颈拥堵状况分析方法，其特征在于，包括：
步骤1：根据建筑的布局情况构建疏散网络，所述疏散网络包括：节点，以及连接各个节点的边；
步骤2：确定所述疏散网络中各个节点通往出口的最短路径；
步骤3：在人群疏散过程中，确定所述最短路径上的瓶颈位置所对应的人流数据。
2.根据权利要求1所述的人群疏散瓶颈拥堵状况分析方法，其特征在于，所述步骤1包括：
将建筑物中的人群负荷区域、人群汇集区域、通道汇合位置作为节点，将连接各个节点的通道作为边，根据节点，以及连接节点的边构建疏散网络。
3.根据权利要求1所述的人群疏散瓶颈拥堵状况分析方法，其特征在于，所述步骤2包括：
基于所述疏散网络，通过A*寻路算法确定所述疏散网络中各个节点通往出口的最短路径；其中，所述最短路径与通道的通行代价相关；所述通道的通行代价的计算公式如下：
Figure FDA0002733366580000011
其中：en表示通道n的通行代价，L表示通道长度，We表示通道有效宽度，F表示熟悉度，K表示人群在通道行走的最大速度。
4.根据权利要求1-3中任一项所述的人群疏散瓶颈拥堵状况分析方法，其特征在于，所述步骤3包括：
步骤3.1：基于所有所述最短路径的瓶颈位置构建多级瓶颈图；
步骤3.2：根据人流的流动方向，分别统计所述多级瓶颈图中各个瓶颈位置的所对应的人流数据，所述人流数据包括：人流密度、人流速度、排队人数。
5.根据权利要求4所述的人群疏散瓶颈拥堵状况分析方法，其特征在于，所述瓶颈位置所对应的人流量的计算公式如下：
Figure FDA0002733366580000012
其中：F表示人流量(单位：人/s)，We表示通道有效宽度，f表示最大比流量，FS表示比流量，D表示单位面积的人流密度。
6.根据权利要求4所述的人群疏散瓶颈拥堵状况分析方法，其特征在于，还包括：
对所述疏散网络中的各个节点进行类型划分；其中，节点类型包括：封闭型节点、开放型节点；
根据预设的刷新周期，显示不同类型的各个节点的状态以及通道的状态；所述封闭型节点的状态包括：空状态、供应状态、拥堵状态；所述开放型节点的状态包括：空状态、运输状态、供应状态、拥堵状态；所述通道的状态包括：空状态、运输状态、供应状态、拥堵状态。
7.根据权利要求4所述的人群疏散瓶颈拥堵状况分析方法，其特征在于，还包括：
对所述疏散网络中的各个节点进行等级划分，距离出口越近的节点的等级越高；
根据预设的时间间隔，按照等级从低到高的顺序刷新各个节点的人流数据。
8.一种人群疏散瓶颈拥堵状况分析系统，其特征在于，包括处理器和存储器，所述存储器中包含有计算机程序，当所述处理器调用所述存储器中的计算机程序时，执行如权利要求1-7中任一项所述的人群疏散瓶颈拥堵状况分析方法。
CN202011108145.5A 2020-10-20 2020-10-20 人群疏散瓶颈拥堵状况分析方法和系统 Active CN112182723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011108145.5A CN112182723B (zh) 2020-10-20 2020-10-20 人群疏散瓶颈拥堵状况分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011108145.5A CN112182723B (zh) 2020-10-20 2020-10-20 人群疏散瓶颈拥堵状况分析方法和系统

Publications (2)

Publication Number Publication Date
CN112182723A true CN112182723A (zh) 2021-01-05
CN112182723B CN112182723B (zh) 2024-04-16

Family

ID=73950477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011108145.5A Active CN112182723B (zh) 2020-10-20 2020-10-20 人群疏散瓶颈拥堵状况分析方法和系统

Country Status (1)

Country Link
CN (1) CN112182723B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668088A (zh) * 2021-01-28 2021-04-16 嘉兴市南湖区凤桥镇中心小学 一种用于学校的平铺开放式通道布局及使用方法
CN114330855A (zh) * 2021-12-22 2022-04-12 大连理工大学人工智能大连研究院 人群分配与疏散路线规划的快速计算方法
CN114353804A (zh) * 2022-01-04 2022-04-15 哈尔滨工业大学（深圳） 火灾应急疏散路径规划方法、装置、智能终端及存储介质
CN117168466A (zh) * 2023-10-30 2023-12-05 南京深业智能化系统工程有限公司 一种逃生路径规划方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017084326A1 (zh) * 2015-11-17 2017-05-26 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
CN108876124A (zh) * 2018-06-02 2018-11-23 南京工业大学 基于数据驱动的疏散瓶颈处人群拥堵风险分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017084326A1 (zh) * 2015-11-17 2017-05-26 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
CN108876124A (zh) * 2018-06-02 2018-11-23 南京工业大学 基于数据驱动的疏散瓶颈处人群拥堵风险分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李清泉;李秋萍;方志祥;: "一种基于时空拥挤度的应急疏散路径优化方法", 测绘学报, no. 04 *
郑霞忠;蔡莉莉;张明;晋良海;陈艳;: "多出口条件下应急疏散路径优化模型", 中国安全科学学报, no. 03 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668088A (zh) * 2021-01-28 2021-04-16 嘉兴市南湖区凤桥镇中心小学 一种用于学校的平铺开放式通道布局及使用方法
CN114330855A (zh) * 2021-12-22 2022-04-12 大连理工大学人工智能大连研究院 人群分配与疏散路线规划的快速计算方法
CN114353804A (zh) * 2022-01-04 2022-04-15 哈尔滨工业大学（深圳） 火灾应急疏散路径规划方法、装置、智能终端及存储介质
CN114353804B (zh) * 2022-01-04 2024-04-30 哈尔滨工业大学（深圳） 火灾应急疏散路径规划方法、装置、智能终端及存储介质
CN117168466A (zh) * 2023-10-30 2023-12-05 南京深业智能化系统工程有限公司 一种逃生路径规划方法、装置及存储介质
CN117168466B (zh) * 2023-10-30 2024-02-02 南京深业智能化系统工程有限公司 一种逃生路径规划方法、装置及存储介质

Also Published As

Publication number Publication date
CN112182723B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN112182723A (zh) 人群疏散瓶颈拥堵状况分析方法和系统
KEMLOH WAGOUM et al. Modeling the dynamic route choice of pedestrians to assess the criticality of building evacuation
Hajbabaie et al. A program for simultaneous network signal timing optimization and traffic assignment
Løvås Modeling and simulation of pedestrian traffic flow
Shen ESM: a building evacuation simulation model
Pereira et al. Emergency evacuation models based on cellular automata with route changes and group fields
Pelechano et al. Evacuation simulation models: Challenges in modeling high rise building evacuation with cellular automata approaches
Wu et al. Modeling the emergency evacuation of the high rise building based on the control volume model
Ding et al. Simulation-based optimization of emergency evacuation strategy in ultra-high-rise buildings
Bensilum et al. Gridflow: an object-oriented building evacuation model combining pre-movement and movement behaviours for performance-based design
Marcianò et al. Signal setting optimization on urban road transport networks: The case of emergency evacuation
Kim et al. Modeling handicapped pedestrians considering physical characteristics using cellular automaton
Eng Aik et al. Simulating evacuations with obstacles using a modified dynamic cellular automata model
Wang et al. Modeling boundedly rational route choice in crowd evacuation processes
Edrisi et al. Simulating metro station evacuation using three agent-based exit choice models
Nasser et al. Crowd management services in Hajj: a mean-field game theory approach
Gorte et al. Towards egress modelling in voxel building models
Wang et al. Combining building and behavior models for evacuation planning
Fu et al. Optimal traffic management to ensure emergency evacuation compliance
Tcheukam et al. Evacuation of multi-level building: Design, control and strategic flow
Kimms et al. Network design to anticipate selfish evacuation routing
Oh et al. An efficient building evacuation algorithm in congested networks
Shang et al. An extended dynamic model for pedestrian traffic considering individual preference
CN114358385A (zh) 一种适用于大型建筑物安全疏散的网络解算方法
Feng et al. Emergency safety evacuation decision based on dynamic Gaussian Bayesian network

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