CN112523798A - 一种矿井突水应急逃生方法及其设备 - Google Patents
一种矿井突水应急逃生方法及其设备 Download PDFInfo
- Publication number
- CN112523798A CN112523798A CN202011475258.9A CN202011475258A CN112523798A CN 112523798 A CN112523798 A CN 112523798A CN 202011475258 A CN202011475258 A CN 202011475258A CN 112523798 A CN112523798 A CN 112523798A
- Authority
- CN
- China
- Prior art keywords
- time
- roadway
- disaster
- path
- stricken
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F11/00—Rescue devices or other safety devices, e.g. safety chambers or escape ways
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Pulmonology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书一个或多个实施例提供一种矿井突水应急逃生方法及其设备,通过获得当前井下人员位置和各巷道水深信息,并建立以巷道通行时间为权重的巷道网络模型。基于最长通行时间路径算法快速分析受灾人员和潜在受灾人员,将受灾人员和潜在受灾人员作为建议撤离人员提供管理者进行辅助决策,结合人员定位数据和水文监测数据,实时修正路径,为相关逃生人员动态规划逃生路径。
Description
技术领域
本说明书一个或多个实施例涉及矿井突水应急逃生技术领域,尤其涉及一种矿井突水应急逃生方法及其设备。
背景技术
矿井突水是与瓦斯突出、煤尘爆炸并称为矿井生产建设过程中的三大主要灾害,一旦发生可能造成巨大的人员伤亡。虽然国内外提出了一些有效的矿井突水防治理论,但随着地下开采强度和深度的不断增加,岩溶水压力、地应力的逐渐增高、开采扰动逐渐强烈等不良现象会持续加剧矿井突水危险和损失。
研究已发生的矿井突水事故可知,快速有效的应急响应会极大的减少突水事故造成的损失,为井下人员的生命安全提供有力保障。目前,随着物联网技术的广泛应用和煤矿企业信息化建设的不断深入,越来越多的矿山企业配备了各种先进的监测系统来监测井下人员位置、水位、气体成分等各种信息。在工业环网的覆盖范围下,数据可在传感器与服务器之间进行实时的交换和传输。研究表明,一旦矿井突水事故发生,基于监测系统的实时数据,可比传统手段在更短时间内确定突水事故发生的位置并预测水流在巷道内的蔓延范围。
然而,矿井突水事故应急逃生响应能力还没有得到相应的更新提升。首先,突水事故发生后,逃生决策越快完成,逃生疏散越快开始,人员逃生受突水影响越小,逃生过程越安全。逃生决策首先需要分析受灾人员和潜在受灾人员,通知受灾相关人员撤离。目前这个过程需要人工完成,若巷道网络复杂仍需查阅相关图件资料。其次,传统的矿井突水应急逃生响应要求矿工沿着预先规划的避水灾路线逃生。基于“水往低处流”,传统的避水灾路线一般是根据巷道网络的高程制定的。这种方式面临主要挑战是,如果突水事故发生在预先规划的避水灾路线上,沿着该路线逃生会极大地危及矿工的生命安全。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种矿井突水应急逃生方法及其设备,以解决现有技术中逃生路线规划慢,且无法智能规划的问题。
基于上述目的,本说明书一个或多个实施例提供了一种矿井突水应急逃生方法,包括:
获取巷道的水深数据;
基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;
获取人员所在巷道位置并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;
以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员;
以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
可选的,所述以巷道通行时间最长为目标函数,以最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员,包括:
通过水文监测系统,获取各巷道水深数据,通过人员定位系统,获取突水区域巷道内的相关人员定位数据,为受灾人员;
以巷道通行时间最长为目标函数,人员当前位置为起点到达副井口的路径为最长通行时间路径,以通过最长通行时间路径所需时间为最晚起始时间,若无任何路径可达副井口,为受灾人员;若最晚起始时间大于给定最晚起始时间阈值,则为潜在受灾人员。
可选的,所述以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划,包括:
以巷道通行时间最短为目标函数,人员当前位置为起点到达副井口的路径为通行时间最短路径,动态为受灾和潜在受灾人员规划逃生路径;
若无任何路径可达副井口,则规划出可达局部最高点的最短路径,指引受灾和潜在受灾人员前往避灾并等待救援。
可选的,所述基于巷道水深数据,判断巷道各位置的是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络,包括:
设定水深安全阈值Hmax=1.5,超过阈值则不可通行;
基于静态巷道网络G=(V,E)和边通行时间集合C,其中Ci,j=di,j/Vi,j,Vi,j=f(Hi,Hj),di,j为节点Vi与Vj间得距离,具体如下公式:
构建巷道通行时间网络G=(V,E,C),其中,V是定点集合,E是边集合。
可选的,所述最长通行时间路径的确定是基于巷道通行时间网络,包括:
基于巷道通行时间网络G(V,E,C),终点Ve。从终点Ve开始,标记Ve为已访问,计算其到相邻顶点Vj的时间,选择最长时间Ce,j作为下一个扩展节点,逐步扩展访问;
当所有顶点已访问时,得到从终点Ve到其他所有顶点的最长通行时间树,方向回溯即可得到记录所有顶点到终点Ve的最长通行时间路径。
可选的,所述动态为受灾和潜在受灾人员规划逃生路径,包括:
由人员定位系统获得的当前节点位置Vc,基于Dijkstra算法搜索到其余各个节点的最短通行时间路径并记录沿途各节点的到达时间;
判断当前节点位置Vc是否可达副井口节点位置即终点Ve,若最晚起始时间te=Max,则不可达,搜索可达全局最高点的最短路径Vz,将终点替换为Vz;
输出逃生路径及沿途各节点到达时间,记录路径p={<V1,t1>,<v2,t2>,…,<Vd,td>};
逃生路径修正,若人员当前位置Vc是否在路径p中,比较当前时间tc与路径记录时间ti是否超过修正阈值tm;
若|tc-ti}<tm条件为假,则重新规划逃生路径,则重新规划路径。
一种装置,用于执行所述的矿井突水应急逃生方法,包括:
数据获取模块,用于获取巷道的水深数据和获取人员所在巷道位置;
数据处理模块,用于基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员;
路径规划模块,用于以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
从上面所述可以看出,本说明书一个或多个实施例提供的一种矿井突水应急逃生方法及其设备,通过获得当前井下人员位置和各巷道水深信息,并建立以巷道通行时间为权重的巷道网络模型。基于最长通行时间路径算法快速分析受灾人员和潜在受灾人员,将受灾人员和潜在受灾人员作为建议撤离人员提供管理者进行辅助决策,结合人员定位数据和水文监测数据,实时修正路径,为相关逃生人员动态规划逃生路径。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书一个或多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例矿井突水应急逃生方法流程图;
图2为本说明书一个或多个实施例巷道水深信息获取示意图;
图3为本说明书一个或多个实施例人员定位数据获取示意图;
图4为本说明书一个或多个实施例水文监测系统布置图;
图5为本说明书一个或多个实施例突水发生10分钟的建议逃生人员及逃生路径;
图6为本说明书一个或多个实施例突水发生30分钟的建议逃生人员及逃生路径;
图7本说明书一个或多个实施例执行矿井突水应急逃生方法装置的内部模块框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本公开进一步详细说明。
从现有技术中可知的是,矿井突水事故应急逃生响应能力还没有得到相应的更新提升。首先,突水事故发生后,逃生决策越快完成,逃生疏散越快开始,人员逃生受突水影响越小,逃生过程越安全。逃生决策首先需要分析受灾人员和潜在受灾人员,通知受灾相关人员撤离。目前这个过程需要人工完成,若巷道网络复杂仍需查阅相关图件资料。其次,传统的矿井突水应急逃生响应要求矿工沿着预先规划的避水灾路线逃生。基于“水往低处流”,传统的避水灾路线一般是根据巷道网络的高程制定的。这种方式面临主要挑战是,如果突水事故发生在预先规划的避水灾路线上,沿着该路线逃生会极大地危及矿工的生命安全。
为了解决上述问题,本说明书一个或多个实施例提供了一种矿井突水应急逃生方法,包括:
获取巷道的水深数据;
基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;
获取人员所在巷道位置并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;
以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员;
以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
同时提供了一种装置,于执行矿井突水应急逃生方法,包括:
数据获取模块,用于获取巷道的水深数据和获取人员所在巷道位置;
数据处理模块,用于基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员;
路径规划模块,用于以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
通过获得当前井下人员位置和各巷道水深信息,并建立以巷道通行时间为权重的巷道网络模型。基于最长通行时间路径算法快速分析受灾人员和潜在受灾人员,将受灾人员和潜在受灾人员作为建议撤离人员提供管理者进行辅助决策,结合人员定位数据和水文监测数据,实时修正路径,为相关逃生人员动态规划逃生路径。实现快速、智能的进行逃生路线的规划。
本说明书一个或多个实施例提供的一种矿井突水应急逃生方法,流程图如图1所示,包括:
步骤101:获取巷道的水深数据。
具体的,对接水文监测系统。获得各巷道传感器的水深数据,标记巷道相应节点的水深Hi,如图2所示,文监测系统包括水文传感器和传感器部署位置,水文传感器可基于超声波、压力原理,获得水深数据,结合传感器部署位置,获取巷道各位置的水深数据。
步骤102:基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络。
具体的,设定水深安全阈值Hmax=1.5,超过阈值则不可通行;
基于静态巷道网络G=(V,E)和边通行时间集合C,其中Ci,j=di,j/Vi,j,Vi,j=f(Hi,Hj),di,j为节点Vi与Vj间得距离,具体如下公式:
构建巷道通行时间网络G=(V,E,C),其中,V是定点集合,E是边集合。
步骤103:获取人员所在巷道位置并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上。
具体的,对接人员定位系统。如图3所示,获得人员所在位置,标记巷道相应节点Vi,人员定位数据存储在人员定位系统的数据库中。目前的人员定位系统的定位的基本原理是人员携带与其唯一对应的传感器,通过读卡分站接受到传感器发出的信号,从而定位人员当前位置。通过级联查询传感器与读卡分站的位置记录,人员与传感器人员传感器记录,获取人员的所在位置。
步骤104:以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员。
具体的,通过水文监测系统,获取各巷道水深数据,通过人员定位系统,获取突水区域巷道内的相关人员定位数据,为受灾人员;
以巷道通行时间最长为目标函数,人员当前位置为起点到达副井口的路径为最长通行时间路径,以通过最长通行时间路径所需时间为最晚起始时间,若无任何路径可达副井口,为受灾人员;若最晚起始时间大于给定最晚起始时间阈值,则为潜在受灾人员。最长通行时间路径的确定是基于巷道通行时间网络,包括:基于巷道通行时间网络G(V,E,C),终点Ve。从终点Ve开始,标记Ve为已访问,计算其到相邻顶点Vj的时间,选择最长时间Ce,j作为下一个扩展节点,逐步扩展访问;当所有顶点已访问时,得到从终点Ve到其他所有顶点的最长通行时间树,方向回溯即可得到记录所有顶点到终点Ve的最长通行时间路径。
举例来说,(1)逃生人员队列K,K={},逃生路径映射集合P,P={<i,pi>},其中pi为人员i的逃生路径,时间修正阈值tm;
(2)给定巷道通行时间网络G(V,E,C),副井口节点Ve,已访问节点集合Q,Q={},未访问节点集合S,S=V;最晚起始时间阈值tmax,各节点到Ve的最晚起始时间T=Max,其中te=0;
(3)当S不为空时,取T中最小节点为当前节点u,u=Ve;
(4)将当前节点u标记为已访问:在已访问几何添加当前节点,Q={u},未访问集合中删除当前节点S={S-u};
(5)计算u的相邻节点到u的通行时间Ci,u,若tu-Ci,u<ti则ti,=tu-Ci,u;
(6)循环(3)~(5)直到条件S={};
(7)所有节点最晚起始时间取绝对值T=|T|;
(8)判断所有节点Vi最晚起始时间是否大于tmax,或者所在巷道节点的水深大于水深安全阈值Hmax。若条件ti>tmax||Hi>Hmax为真,则将Vi加入建议逃生人员队列K。
步骤105:以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
具体的,以巷道通行时间最短为目标函数,人员当前位置为起点到达副井口的路径为通行时间最短路径,动态为受灾和潜在受灾人员规划逃生路径;
若无任何路径可达副井口,则规划出可达局部最高点的最短路径,指引受灾和潜在受灾人员前往避灾并等待救援。
动态为受灾和潜在受灾人员规划逃生路径,包括:由人员定位系统获得的当前节点位置Vc,基于Dijkstra算法搜索到其余各个节点的最短通行时间路径并记录沿途各节点的到达时间;判断当前节点位置Vc是否可达副井口节点位置即终点Ve,若最晚起始时间te=Max,则不可达,搜索可达全局最高点的最短路径Vz,将终点替换为Vz;输出逃生路径及沿途各节点到达时间。
输出逃生路径及沿途各节点到达时间,记录路径p={<V1,t1>,<v2,t2>,…,<Vd,td>};
逃生路径修正,若人员当前位置Vc是否在路径p中,比较当前时间tc与路径记录时间tj是否超过修正阈值tm;
若|tc-ti}<tm条件为假,则重新规划逃生路径,则重新规划路径。
举例来说,(1)给定巷道通行时间网络G(V,E,C),起始节点V1,副井口节点Ve,目的节点Vd=Ve,已访问节点集合Q,Q={},未访问节点集合S,S=V。各节点的前驱节点记录VR=null,其中VRV1=V1,各节点到Ve的最晚起始时间T=Max;起点V1的确定集成自人员定位系统的真实数据。
(2)当S不为空时,取T中最小节点为当前节点u,u=V1;
(3)将当前节点u标记为已访问:在已访问几何添加当前节点,Q={u},未访问集合中删除当前节点S={S-u};
(4)计算u的相邻节点到u的通行时间Ci,u,计算公式如公式(1),若tu+Ci,u<ti则ti,=tu+Ci,u,VRi=u;
(5)循环(1)~(4)直到条件S={};
(6)若te==Max,代表不存在V1到Ve的路径,此时在所有ti!=Max的节点中寻找高程最大的节点Vz,Vd=Vz;
(7)从Vd反向迭代VR直到VR=V1,记录路径p={<V1,t1>,<v2,t2>,…,<Vd,td>}。
(8)当K不为空时,对任意Vi∈K,若P中不存在Vi,则Vi执行(1)~(7),并记录节点路径和相应到达时间。若P中存在Vi,执行(7)。
(9)判断人员当前位置Vc=Vi是否在路径pi中,若不在pi中,则执行(1)~(7),重新规划逃生路径;若在pi中,比较当前时间tc与路径对应时间ti是否相差tm。若|tc-ti}<tm条件为假,则重新规划逃生路径,则执行(1)~(7)。
(10)循环执行步骤104中(1)~(8)和步骤105中(1)~(9)直到所有人员安全升井。
图4是煤矿的部分监测系统布置图,三角形代表水文传感器位置,方块代表人员定位读卡分站位置,圆代表正常人员。在图5和图6中,五角星代表建议逃生人员,加粗线段代表逃生路径。图5表示的是突水发生10分钟的建议逃生人员及其逃生路径。此时突水淹没了预先制定的避水灾路线,本方法重新规划新的避水灾路线。图6表示的是突水发生30分钟的建议逃生人员及其逃生路径。此时突水淹没了辅运大巷、皮带大巷和回风大巷,本方法判断无法到达副井口,重新搜索局部最高点作为逃生路径,建议逃生人员前往避灾,等待救援。
本说明书一个或多个实施例提供的一种装置,用于执行矿井突水应急逃生方法,设备内部模块框图如图7所示,包括:数据获取模块701,数据处理模块702,路径规划模块703。
数据获取模块701,用于获取巷道的水深数据和获取人员所在巷道位置。
具体的,对接水文监测系统。获得各巷道传感器的水深数据,标记巷道相应节点的水深Hi,对接人员定位系统。获得人员所在位置,标记巷道相应节点Vi。
数据处理模块702,用于基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员。
具体的,设定水深安全阈值Hmax=1.5,超过阈值则不可通行;
基于静态巷道网络G=(V,E)和边通行时间集合C,其中Ci,j=di,j/Vi,j,Vi,j=f(Hi,Hj),构建巷道通行时间网络G=(V,E,C),其中,V是定点集合,E是边集合。
通过水文监测系统,获取各巷道水深数据,通过人员定位系统,获取突水区域巷道内的相关人员定位数据,为受灾人员;
以巷道通行时间最长为目标函数,人员当前位置为起点到达副井口的路径为最长通行时间路径,以通过最长通行时间路径所需时间为最晚起始时间,若无任何路径可达副井口,为受灾人员;若最晚起始时间大于给定最晚起始时间阈值,则为潜在受灾人员。最长通行时间路径的确定是基于巷道通行时间网络,包括:基于巷道通行时间网络G(V,E,C),终点Ve。从终点Ve开始,标记Ve为已访问,计算其到相邻顶点Vj的时间,选择最长时间Ce,j作为下一个扩展节点,逐步扩展访问;当所有顶点已访问时,得到从终点Ve到其他所有顶点的最长通行时间树,方向回溯即可得到记录所有顶点到终点Ve的最长通行时间路径。
路径规划模块703,用于以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
具体的,以巷道通行时间最短为目标函数,人员当前位置为起点到达副井口的路径为通行时间最短路径,动态为受灾和潜在受灾人员规划逃生路径;
若无任何路径可达副井口,则规划出可达局部最高点的最短路径,指引受灾和潜在受灾人员前往避灾并等待救援。
动态为受灾和潜在受灾人员规划逃生路径,包括:由人员定位系统获得的当前节点位置Vc,基于Dijkstra算法搜索到其余各个节点的最短通行时间路径并记录沿途各节点的到达时间;判断当前节点位置Vc是否可达副井口节点位置即终点Ve,若最晚起始时间te=Max,则不可达,搜索可达全局最高点的最短路径Vz,将终点替换为Vz;输出逃生路径及沿途各节点到达时间。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (7)
1.一种矿井突水应急逃生方法,其特征在于,包括:
获取巷道的水深数据;
基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;
获取人员所在巷道位置并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;
以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员;
以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
2.根据权利要求1所述的矿井突水应急逃生方法,其特征在于,所述以巷道通行时间最长为目标函数,以最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员,包括:
通过水文监测系统,获取各巷道水深数据,通过人员定位系统,获取突水区域巷道内的相关人员定位数据,为受灾人员;
以巷道通行时间最长为目标函数,人员当前位置为起点到达副井口的路径为最长通行时间路径,以通过最长通行时间路径所需时间为最晚起始时间,若无任何路径可达副井口,为受灾人员;若最晚起始时间大于给定最晚起始时间阈值,则为潜在受灾人员。
3.根据权利要求1所述的矿井突水应急逃生方法,其特征在于,所述以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划,包括:
以巷道通行时间最短为目标函数,人员当前位置为起点到达副井口的路径为通行时间最短路径,动态为受灾和潜在受灾人员规划逃生路径;
若无任何路径可达副井口,则规划出可达局部最高点的最短路径,指引受灾和潜在受灾人员前往避灾并等待救援。
5.根据权利要求2所述的矿井突水应急逃生方法,其特征在于,所述最长通行时间路径的确定是基于巷道通行时间网络,包括:
基于巷道通行时间网络G(V,E,C),终点Ve,从终点Ve开始,标记Ve为已访问,计算其到相邻顶点Vj的时间,选择最长时间Ce,j作为下一个扩展节点,逐步扩展访问;
当所有顶点已访问时,得到从终点Ve到其他所有顶点的最长通行时间树,方向回溯即可得到记录所有顶点到终点Ve的最长通行时间路径。
6.根据权利要求3所述的矿井突水应急逃生方法,其特征在于,所述动态为受灾和潜在受灾人员规划逃生路径,包括:
由人员定位系统获得的当前节点位置Vc,基于Dijkstra算法搜索到其余各个节点的最短通行时间路径并记录沿途各节点的到达时间;
判断当前节点位置Vc是否可达副井口节点位置即终点Ve,若最晚起始时间te=Max,则不可达,搜索可达全局最高点的最短路径Vz,将终点替换为Vz;
输出逃生路径及沿途各节点到达时间,记录路径p={<V1,t1>,<v2,t2>,…,<Vd,td>};
逃生路径修正,若人员当前位置Vc是否在路径p中,比较当前时间tc与路径记录时间ti是否超过修正阈值tm;
若|tc-ti}<tm条件为假,则重新规划逃生路径,则重新规划路径。
7.一种装置,其特征在于,用于执行权利要求1~6任一所述的矿井突水应急逃生方法,包括:
数据获取模块,用于获取巷道的水深数据和获取人员所在巷道位置;
数据处理模块,用于基于巷道水深数据,判断巷道各位置是否可安全通行,量化为通行时间,并结合巷道网络模型,构建巷道通行时间网络;并基于巷道通行时间网络,将人员位置映射到巷道通行时间网络节点上;以巷道通行时间最长为目标函数,以通过最长通行时间路径所需时间为最晚起始时间,确定受灾人员和潜在受灾人员;
路径规划模块,用于以巷道通行时间最短为目标函数,对受灾人员和潜在受灾人员进行逃生路径动态规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475258.9A CN112523798B (zh) | 2020-12-14 | 2020-12-14 | 一种矿井突水应急逃生方法及其设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011475258.9A CN112523798B (zh) | 2020-12-14 | 2020-12-14 | 一种矿井突水应急逃生方法及其设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112523798A true CN112523798A (zh) | 2021-03-19 |
CN112523798B CN112523798B (zh) | 2021-10-26 |
Family
ID=75000028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011475258.9A Active CN112523798B (zh) | 2020-12-14 | 2020-12-14 | 一种矿井突水应急逃生方法及其设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112523798B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971866A (zh) * | 2021-09-14 | 2022-01-25 | 山东大学 | 隧道突水突泥灾害联动报警及人员智能疏散系统及方法 |
CN115130781A (zh) * | 2022-07-27 | 2022-09-30 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种计算城市水灾下的人员最短撤离路径方法 |
CN115271270A (zh) * | 2022-09-28 | 2022-11-01 | 华北科技学院(中国煤矿安全技术培训中心) | 一种矿井水害淹没分析和实时动态逃生路线优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09231282A (ja) * | 1996-02-23 | 1997-09-05 | Hitachi Ltd | 緊急時ネットワーク運用方法 |
CN103927389A (zh) * | 2014-04-30 | 2014-07-16 | 北京中有联科技有限公司 | 一种洪涝灾害地理分析评估动态模型的构建方法 |
CN106537815A (zh) * | 2014-11-14 | 2017-03-22 | 松下电器(美国)知识产权公司 | 再现方法、再现装置以及程序 |
US20180258748A1 (en) * | 2014-07-14 | 2018-09-13 | Saudi Arabian Oil Company | Methods, systems, and computer medium having computer programs stored thereon to optimize reservoir management decisions based on reservoir properties |
-
2020
- 2020-12-14 CN CN202011475258.9A patent/CN112523798B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09231282A (ja) * | 1996-02-23 | 1997-09-05 | Hitachi Ltd | 緊急時ネットワーク運用方法 |
CN103927389A (zh) * | 2014-04-30 | 2014-07-16 | 北京中有联科技有限公司 | 一种洪涝灾害地理分析评估动态模型的构建方法 |
US20180258748A1 (en) * | 2014-07-14 | 2018-09-13 | Saudi Arabian Oil Company | Methods, systems, and computer medium having computer programs stored thereon to optimize reservoir management decisions based on reservoir properties |
CN106537815A (zh) * | 2014-11-14 | 2017-03-22 | 松下电器(美国)知识产权公司 | 再现方法、再现装置以及程序 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113971866A (zh) * | 2021-09-14 | 2022-01-25 | 山东大学 | 隧道突水突泥灾害联动报警及人员智能疏散系统及方法 |
CN115130781A (zh) * | 2022-07-27 | 2022-09-30 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种计算城市水灾下的人员最短撤离路径方法 |
CN115130781B (zh) * | 2022-07-27 | 2023-12-01 | 中钢集团马鞍山矿山研究总院股份有限公司 | 一种计算城市水灾下的人员最短撤离路径方法 |
CN115271270A (zh) * | 2022-09-28 | 2022-11-01 | 华北科技学院(中国煤矿安全技术培训中心) | 一种矿井水害淹没分析和实时动态逃生路线优化方法 |
CN115271270B (zh) * | 2022-09-28 | 2023-01-24 | 华北科技学院(中国煤矿安全技术培训中心) | 一种矿井水害淹没分析和实时动态逃生路线优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112523798B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112523798B (zh) | 一种矿井突水应急逃生方法及其设备 | |
Sang et al. | A novel method for restoring the trajectory of the inland waterway ship by using AIS data | |
Perera et al. | Collision risk detection and quantification in ship navigation with integrated bridge systems | |
US9212917B2 (en) | Method and device for matching public transportation route with road network | |
Gilliéron et al. | Indoor navigation performance analysis | |
CN112539704B (zh) | 一种输电线路通道内隐患与导线距离的测量方法 | |
CN110779529B (zh) | 一种基于大数据和云计算森林灾害应急指挥调度系统 | |
Silveira et al. | AIS based shipping routes using the Dijkstra algorithm | |
CN108663047A (zh) | 一种跨层路径规划方法 | |
CN105654186A (zh) | 用于应急救援最优路径计算的室内外一体化规划方法 | |
Wang et al. | Modeling and application of the underground emergency hedging system based on Internet of Things technology | |
Moder et al. | An indoor positioning and navigation application for visually impaired people using public transport | |
KR102339500B1 (ko) | 지형 및 수심 측량을 통하여 제작된 전자해도 기반 항로 추천 방법 | |
Chen et al. | Landmark augmentation for mobile robot localization safety | |
Tarasov et al. | Outlet Glaciers as Iceberg Factories: Case Study for the Kara Sea | |
CN114659525B (zh) | 面向三维船舶场景的可扩展性实时快速应急路径规划方法 | |
KR102024166B1 (ko) | 재난 시 실내에서의 이동 경로 제공 방법 | |
Kubička et al. | On designing robust real-time map-matching algorithms | |
Melo et al. | A prototype tool for dynamic pluvial-flood emergency planning | |
JP2010127716A (ja) | 情報処理装置、コンピュータプログラム及び交通路誘導システム | |
JP5296934B1 (ja) | 経路マップ生成方法、経路マップ一部情報抽出方法、システム、及びコンピュータ・プログラム | |
KR20220058133A (ko) | 하천을 활용한 드론 경로 설정 장치, 및 방법 | |
CN117854255B (zh) | 基于接触式监测的泥石流应急预警方法及系统 | |
AU2021103955A4 (en) | Location-based live flood monitoring system | |
CN108303084B (zh) | 一种救援环境下基于rfid和imu的快速导航方法 |
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 |