CN112254733A - 基于扩展a*算法的火灾逃生路径规划方法及系统 - Google Patents

Abstract

本发明属于应急路线规划领域，特别涉及一种基于扩展A*算法的火灾逃生路径规划方法及系统，包含：采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格；利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。本发明便于获取最短逃生路径，以达到正确及时的人员疏散目的，结合路径规划算法的智能逃生指引，可大大降低火灾中人员伤亡程度，具有较强实用性。

Description

基于扩展A*算法的火灾逃生路径规划方法及系统

技术领域

本发明属于应急路线规划领域，特别涉及一种基于扩展A*算法的火灾逃生路径规划方法及系统。

背景技术

随着现代城市规模的不断扩大，大型场馆和高层建筑越来越多，其楼层高，结构复杂，人员密集。现有的消防疏散逃生设备，不能根据现场火灾情况，进行相应的改变，可能让逃生人员跑向火情点。因此当发生火灾时，如何智能规划出有效的逃生路径，对人员进行安全指引，降低火灾中人员的伤亡代价，是十分有价值的研究。而如何有效的引导人员进行疏散逃生，就涉及到路径规划问题。

目前有大量的专家学者在路径规划领域做了较多的研究，包括人工势场法、A*算法、蚁群算法及粒子群算法等，其中A*算法具有计算量小，规划路径快等特点，但算法的启发函数考虑维度较简单，规划出的路径容易冗余。例如：在传统的八角度搜索邻域基础上，设计了多角度A*算法，该方法可获得更短的可行路径；通过目标性扩展，目标可见性判断，改变启发函数，改变扩展节点选取方略等四个方面对A*算法进行改进，使算法运行更快；将A*算法扩展到24邻域，使路径方向具有更多选择，并融合曼哈顿距离和欧几里得距离，提高算法的路径规划能力；针对多U型障碍环境，引入邻域矩阵进行障碍搜索以提升路径安全性，结合角度信息和分区自适应距离信息对启发函数进行改进以提高计算效率。以上路径规划研究中，对A*算法的改进，虽提高算法的效率，但都没有讨论算法在某位置存在多个最小代价，因固定选取第一个最小代价值，造成路径曲折的情况。

发明内容

为此，本发明提供一种基于扩展A*算法的火灾逃生路径规划方法及系统，便于获取最短逃生路径，以达到正确及时的人员疏散目的，结合路径规划算法的智能逃生指引，可大大降低火灾中人员伤亡程度。

按照本发明所提供的设计方案，一种基于扩展A*算法的火灾逃生路径规划方法，包含如下内容：

采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格，其中，N为整数；

利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。

作为本发明基于扩展A*算法的火灾逃生路径规划方法，进一步地，各楼层地图中栅格按照从左至右从上之下依次编排，以获取逃生人员逃生路径分支。

作为本发明基于扩展A*算法的火灾逃生路径规划方法，进一步地，A*算法中，依次对逃生人员所在地图栅格节点作为起始节点，依次对其8邻域可通行节点计算启发式代价值，直至到终止点，获取规划路径。

作为本发明基于扩展A*算法的火灾逃生路径规划方法，进一步地，启发式代价值计算中，启发函数表示为：f(n)＝g(n)+h(n)，其中，g(n)表示从起始点T到节点n的实际代价，h(n)是从节点n到终止点S的估计代价。

作为本发明基于扩展A*算法的火灾逃生路径规划方法，进一步地，获取综合最小代价值的分支时，假设每个最小值的栅格节点为其下一个节点，计算该节点邻域的启发代价，将得到的最小代价值累加到上一层代价中，获取各分支的综合代价，选取综合代价最小的分支作为逃生最优路径。

作为本发明基于扩展A*算法的火灾逃生路径规划方法，进一步地，若扩展层中最小的综合代价相等，则继续扩展下一层，直至选取出综合代价最小的分支。

作为本发明基于扩展A*算法的火灾逃生路径规划方法，进一步地，逃生路径规划时，设定逃生人员平均逃生速度为单位速度，构建逃生运动模型，每次运动只能在地图所在节点的8邻域栅格内移动，来获取逃生人员在自由栅格上的逃生路径。

进一步地，基于上述的方法，本发明还提供一种基于扩展A*算法的火灾逃生路径规划系统，包含：地图构建模块和路径规划模块，其中，

地图构建模块，用于采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格，其中，N为整数；

路径规划模块，用于利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。

本发明的有益效果：

本发明在多最小代价点处，对每一个最小代价进行扩展计算，并将扩展后的最小代价累加到上一层，选择综合代价最小的代价值，从而使改进算法规划出的路径更短，以达到正确及时的人员疏散目的，结合路径规划算法的智能逃生指引，可大大降低火灾中人员伤亡程度，人身安全得到保障。并进一步通过实验表明，改进后的A*算法在多最小代价值位置，可以选择最优分支，高效的进行路径规划，具有较强实用性。

附图说明：

图1为实施例中火灾逃生路径规划流程示意；

图2为实施例中环境栅格示意；

图3为实施例中运动邻域模型示意；

图4为实施例中A*算法流程示意；

图5为实施例中扩展A*算法流程示意；

图6为实施例中两最小代价点情况示意；

图7为实施例中传统A*算法仿真结果示意；

图8为实施例中本案扩展A*算法仿真结果示意。

具体实施方式：

为使本发明的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本发明作进一步详细的说明。

在火灾逃生路径规划的研究中，针对传统A*算法在某位置存在多个最小代价值，其计算程序往往选择第一个最小值，可能出现较长路径的情况，本发明实施例，参见图1所示，提供一种基于扩展A*算法的火灾逃生路径规划方法，包含如下内容：

S101、采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格，其中，N为整数；

S102、利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。

当传统A*算法在某点处出现多个最小代价值时，假设每个最小值点为下一点，依次对其进行扩展计算，直到找到最小综合代价值，并选择此分支为最优路径，更有利于紧急情况下的逃生。

作为本发明实施例中的基于扩展A*算法的火灾逃生路径规划方法，进一步地，各楼层地图中栅格按照从左至右从上之下依次编排，以获取逃生人员逃生路径分支。

假设各楼层之间的消防楼梯安全，且仅通过此处相互连接，并采用栅格法对各个楼层的环境进行建模。将各楼层二维平面划分为N×N的地图，N_i＝{1,2,3,...,N²}，按照从左至右从上至下依次编排，其中分为三种栅格：自由栅格，障碍栅格，火情栅格，人员只能在自由栅格中跑动，其模型如图2所示。栅格图中，可通行区域设为自由栅格，障碍区域设为障碍栅格，发生火灾的区域设为火情栅格，障碍物和火情不足一格的区域，按照一个栅格计算。每个栅格中心坐标(x_i,y_i)为：

式中：mod为求余运算；ceil表示向后取整数。

作为本发明实施例中的基于扩展A*算法的火灾逃生路径规划方法，进一步地，A*算法中，依次对逃生人员所在地图栅格节点作为起始节点，依次对其8邻域可通行节点计算启发式代价值，直至到终止点，获取规划路径。进一步地，逃生路径规划时，设定逃生人员平均逃生速度为单位速度，构建逃生运动模型，每次运动只能在地图所在节点的8邻域栅格内移动，来获取逃生人员在自由栅格上的逃生路径。

忽略人流密度，人员情绪，烟雾浓度等影响，并假设人员的平均逃生速度为单位速度，其在逃生时运动模型如图3所示，即人员每次只能在8邻域栅格内移动一格。

A*算法是将广度优先搜索(Breadth First Search，BFS)算法和常规方法Dijkstra算法结合的启发式搜索算法。该算法通过对相邻8个节点计算代价值，在进行启发式搜索提高效率的同时，可以找到一条优化路径。算法流程如图4所示，算法首先从起点T开始，依次对8邻域可通行节点计算启发代价值，直到找到终点S或进入死胡同或遍历完所有自由节点。其中，启发函数可表示为

f(n)＝g(n)+h(n) (2)

其中，g(n)是从起始点T到节点n的实际代价；h(n)是从节点n到终止点S的估计代价；f(n)为节点n的代价函数。

其中，L_i是起始点T到当前点i的实际代价；x_n，y_n是节点n的横纵坐标值；x_i，y_i是当前点i的横纵坐标值；x_S，y_S是终止点S的横纵坐标值。设立集合close用于存储已经走过的节点，使其不被再次搜索。

传统的A*算法在一定情况下，会陷入多个最小代价值的困境，在选取下一点时，往往选择位置靠前的最小代价，不能对多个最小代价值的路径进行评估后选择最佳路径。其中，算法在特定情况，出现两个最小代价点的示意如图6所示，图中T,S为起止点，在点i处时，其可选下一点为图中点{1,2,3,4}的位置，其中最小代价点有{3,4}两点，算法默认选择靠前的最小代价，即点3，规划出的路径为A路径；相比之下，另一最小代价点，即点4，其规划出的B路径转折少，路径更短。由此看出，当环境规模较大，一旦陷入此困境，将使规划出的路径，曲折往复，路径长度大大增加。在火灾逃生路径规划中，曲折的路径和较长的路线，使得人员逃生耗时大幅增加，降低逃生效率。

作为本发明实施例中基于扩展A*算法的火灾逃生路径规划方法，参见图5所示，进一步地，获取综合最小代价值的分支时，假设每个最小值的栅格节点为其下一个节点，计算该节点邻域的启发代价，将得到的最小代价值累加到上一层代价中，获取各分支的综合代价，选取综合代价最小的分支作为逃生最优路径。进一步地，若扩展层中最小的综合代价相等，则继续扩展下一层，直至选取出综合代价最小的分支。

进一步地，基于上述的方法，本发明实施例还提供一种基于扩展A*算法的火灾逃生路径规划系统，包含：地图构建模块和路径规划模块，其中，

地图构建模块，用于采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格，其中，N为整数；

路径规划模块，用于利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。

为验证本发明实施例方案有效性，下面结合附图5中所示算法，通过仿真数据做进一步解释说明：

平台如下：计算机CPU为Inter Core i7-8750H(2.2GHz)，内存为8GB，显卡为NVIDIA GeForce GTX1050Ti，仿真软件为MATLAB R2018b。其中，A*算法的启发距离为欧几里得距离。

在该环境地图中，对传统A*算法和扩展A*算法进行10次仿真实验，结果如表1所示。虽然扩展A*算法在多个最小代价点需要对每个最小值进行扩展计算，计算量增加，但可以选择最佳路径，即路线变短，需要计算的路径点减少，相互抵消后，从计算时间均值可以看出，两种算法的计算量相差不大。从图7和图8中可以看出，算法在圆圈标记的位置，出现两个最小代价点，传统的A*算法，选择靠前的最小代价，导致规划出的路径长且曲折；改进后的扩展A*算法，在扩展一层后，其最小代价值，依然相等，当经过两层的扩展后，最小代价值不同，最后选择出综合代价最小多的路径，规划出的路径平滑且长度大幅缩短。综合以上结果分析，可知在此环境下，两种算法的计算时间相差不大，但改进后的扩展A*算法规划出的路径缩短了50.7279，降幅约52％，且路线远离火灾区域，更便于人员逃生。通过实验表明，在matlab1环境中，改进后的A*算法在多最小代价值位置，可以选择最优分支，高效的进行路径规划。

表1传统A*和扩展A*算法结果比较

表中l₁,l₂分别表示传统A*算法和改进后的扩展A*算法规划出的路径长度。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

基于上述的系统，本发明实施例还提供一种服务器，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述的系统。

基于上述的系统，本发明实施例还提供一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述的系统。

本发明实施例所提供的装置，其实现原理及产生的技术效果和前述系统实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述系统实施例中相应内容。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述系统实施例中的对应过程，在此不再赘述。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、系统和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和系统，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述系统的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种基于扩展A*算法的火灾逃生路径规划方法，其特征在于，包含如下内容：

采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格，其中，N为整数；

利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。

2.根据权利要求1所述的基于扩展A*算法的火灾逃生路径规划方法，其特征在于，各楼层地图中栅格按照从左至右从上之下依次编排，以获取逃生人员逃生路径分支。

3.根据权利要求1所述的基于扩展A*算法的火灾逃生路径规划方法，其特征在于，A*算法中，依次对逃生人员所在地图栅格节点作为起始节点，依次对其8邻域可通行节点计算启发式代价值，直至到终止点，获取规划路径。

4.根据权利要求3所述的基于扩展A*算法的火灾逃生路径规划方法，其特征在于，启发式代价值计算中，启发函数表示为：f(n)＝g(n)+h(n)，其中，g(n)表示从起始点T到节点n的实际代价，h(n)是从节点n到终止点S的估计代价。

5.根据权利要求1所述的基于扩展A*算法的火灾逃生路径规划方法，其特征在于，获取综合最小代价值的分支时，假设每个最小值的栅格节点为其下一个节点，计算该节点邻域的启发代价，将得到的最小代价值累加到上一层代价中，获取各分支的综合代价，选取综合代价最小的分支作为逃生最优路径。

6.根据权利要求5所述的基于扩展A*算法的火灾逃生路径规划方法，其特征在于，若扩展层中最小的综合代价相等，则继续扩展下一层，直至选取出综合代价最小的分支。

7.根据权利要求1所述的基于扩展A*算法的火灾逃生路径规划方法，其特征在于，逃生路径规划时，设定逃生人员平均逃生速度为单位速度，构建逃生运动模型，每次运动只能在地图所在节点的8邻域栅格内移动，来获取逃生人员在自由栅格上的逃生路径。

8.一种基于扩展A*算法的火灾逃生路径规划系统，其特征在于，包含：地图构建模块和路径规划模块，其中，

地图构建模块，用于采集建筑物楼层数据，对各楼层环境建模，获取建筑物各楼层N×N维地图，地图中包含标识通行区域的自由栅格、表示障碍区域的障碍栅格和表示火灾区域的火情栅格，其中，N为整数；

路径规划模块，用于利用A*算法获取逃生人员在自由栅格上的逃生路径，当在地图某点出现多个最小代价值时，将每个最小代价值的点作为下一点进行扩展，以获取最小综合代价值的分支，将该分支作为逃生最优路径。

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1～7任一项所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1～7任一项所述的方法。

Images