CN112633574A - 一种基于bim技术的逃生路径规划方法 - Google Patents
一种基于bim技术的逃生路径规划方法 Download PDFInfo
- Publication number
- CN112633574A CN112633574A CN202011527646.7A CN202011527646A CN112633574A CN 112633574 A CN112633574 A CN 112633574A CN 202011527646 A CN202011527646 A CN 202011527646A CN 112633574 A CN112633574 A CN 112633574A
- Authority
- CN
- China
- Prior art keywords
- node
- path
- escape
- pheromone
- trapped
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005516 engineering process Methods 0.000 title claims abstract description 8
- 239000003016 pheromone Substances 0.000 claims abstract description 35
- 239000000779 smoke Substances 0.000 claims abstract description 35
- 230000007704 transition Effects 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 241000257303 Hymenoptera Species 0.000 claims description 17
- 238000009825 accumulation Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 2
- 239000000758 substrate Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003331 infrared imaging Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
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
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Primary Health Care (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Game Theory and Decision Science (AREA)
- Computer Security & Cryptography (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
Abstract
本发明公开了一种基于BIM技术的逃生路径规划方法，它包括用消防动态仿真模拟软件创建火灾模拟，将建筑物中红外摄像头和烟雾报警器设置为节点，参数初始化后，通过状态转移概率公式计算被困人员k从节点i到节点j的概率
为被困人员选择下一个节点：
其中，τij(t)表示t时刻节点i到节点j路径上的信息素，α为信息启发式因子，反映轨迹的重要性，β为期望启发式因子，反映能见度的重要性，ηij(t)为启发函数，引导被困人员向通过时间和烟雾量综合较小的节点移动，结合建筑物模型BIM的动态火情模型为被困人员实时动态规划逃生安全路线，从而提高火灾被困人员的逃生几率，实现火灾现场安全逃生。
Description
技术领域
本发明涉及建筑软件BIM技术领域,尤其涉及一种基于BIM技术的逃生路径规划方法。
背景技术
随着社会经济的发展，现代的建筑物的占地面积越来越大，楼层设计也越来越高，结构也越来越复杂。由于室内设计的路线繁多，人们在建筑物内容易迷路，特别是发生紧急情况时，不容易第一时间寻找到较佳的逃生路径。
火灾是不断蔓延的过程，仅仅通过当前时刻火灾情况进行逃生路径规划，并不能确保下一时刻该逃生路径的安全，而且逃生人员是不断运动的，每一时刻位置无法感知，就无法确保当前的逃生路径是最安全的逃生路径。
在已有的逃生路径规划方法中，一般只求得了着火点到建筑出口的最短路径，但是在逃生过程中这样的最短路径不一定是最优路径，主要有三个原因：1、在火情爆发时，如果引导人群都往最近的出口疏散，容易造成出口拥堵，甚至导致踩踏事件。2、最短路径不一定是最快的路径，比如在穿越楼梯等狭窄区域时通过时间会比较慢。3、最短路径上可能已经存在大量的烟雾，按照最短路径撤离可能会吸入烟雾过多导致危险。
发明内容
本发明针对现有技术的不足，提出一种基本BIM技术的火警逃生路线规划方法，目的在于为在发生火情时，为被困人员提供最佳的应急逃生路线，减少人员伤亡。
本发明综合应用了BIM模型、动态火情模型、蚁群算法等技术方法。其中BIM模型提供了整个建筑的逃生通道信息、被困人员的数量以及位置；动态火情模型提供了火情的动态变化数据，基于火情动态模型，将失火建筑划分为安全区域与危险区域，对安全区域和危险区域的人员采取不同的应急措施，保证人员的有序撤离。蚁群算法作为一种求最优解的方法，通过从BIM模型中获取被困人员的数量和坐标，获取BIM模型中的通道信息，结合火情的动态变化，通过迭代，给出被困人员的最佳逃生路线，同时本发明还采用了一种蚁群算法的改进型(基于Q-学习的自适应蚁群算法)加快最优路径的求解速度。
具体如下,它包括用消防动态仿真模拟软件创建火灾模拟，将建筑物中红外摄像头和烟雾报警器设置为节点，参数初始化后，通过状态转移概率公式计算被困人员k从节点i到节点j的概率
为被困人员选择下一个节点：
其中，τij(t)表示t时刻节点i到节点j路径上的信息素，α为信息启发式因子，反映轨迹的重要性，β为期望启发式因子，反映能见度的重要性，ηij(t)为启发函数，其表达式为
其中tij表示从节点i到节点j所需的时间，sij表示从节点i到节点j会吸入的烟雾量，引导被困人员向通过时间和烟雾量综合较小的节点移动。
进一步地,逃生路径规划方法还包括根据τij(t+1)＝(1-ρ)·τij(t)+Δτij(t)更新每条路径信息量，其中τij(t+1)代表完成当前循环后路径上残留的信息素，ρ表示信息素挥发系数，则(1-ρ)表示信息素残留因子，为避免信息素的无限积累，ρ∈[0，1)；Δτij(t)表示本次循环中留在路径(i，j)上的信息素增量，Δτij(t)由如下公式计算,
其中，Q表示信息素强度，它会影响算法的收敛速度；Lk表示蚂蚁k在本次循环中吸入的烟气量和所用时间的总和。
进一步地,逃生路径规划方法还包括循环迭代次数N←N+1至N≥Nmax，循环结束，其中Nmax为最大循环数，选出吸入的烟气量和所用时间的总和最小的路径作为最优路径。
进一步地,参数初始化令时间t＝0、循环次数N＝0、设置最大循环数Nmax、令相邻节点之间的初始化信息素τij(t)＝0,且初始时刻Δτij(0)＝0,初始化被困人员位置和设置禁忌表为空。
进一步地,对于位于节点i的被困人员k按如下公式选择下一节点j，
式中从节点i到节点j的概率
q0是一个在区间[0,1]的参数，q是一个在区间[0,1]均匀分布的随机数；wk(i)表示可选择的城市集合。HE(i，j)表示启发式信息，信息素AQ值按照如下规则更新
式中ρ，γ都为区间[0,1]的常数；ΔAQ(i，j)通过下式求得
式中，W为常数，且W＝10，kgb代表寻找到全局最优路径的蚂蚁；
表示该蚂蚁从起始点到终点所用时间和吸入烟雾量之和。
进一步地,相邻节点通过时效函数tij＝fij(x),其中tij表示x个人同时从节点i到节点j所需的时间。
进一步地,为被困人员选择下一个节点后修改禁忌表，即将新节点放入禁忌表中。
进一步地,修改禁忌表后被困人员如果没有到达安全区域则继续选择下一个节点。
进一步地，修改禁忌表后被困人员如果到达安全区域则更新信息素。
进一步地，最优路径通过语音播报器告知被困人员。
本发明提供的方法，通过烟雾报警器获取火灾情况数据，并通过红外摄像头实时获取被困人员数量和位置坐标，结合建筑物模型BIM的动态火情模型为被困人员实时动态规划逃生安全路线，从而提高火灾被困人员的逃生几率，实现火灾现场安全逃生，具体地，有如下有益效果：
1、在事故现场利用语音播报对被困人员进行引导，减少人群的慌乱，减少人群的慌乱，减少出现踩踏的机率，有利于提高逃生的成功率。
2、通过动态火情模型，划分安全区域与危险区域，危险区域的被困人员的优先级高于安全区域的人员，为危险区域的被困人员规划最优逃生路径，对安全区域的人员进行语音引导，就近撤离。这样可以在火情发生时，优先救助危险区域的被困人员，减少死亡的可能性。
3、考虑到了逃生路径上可能弥漫的烟雾对人的伤害，本发明在规划最优逃生路径时综合考虑了通过时间和烟雾吸入量两个因素，避免了被困人员的在撤离时吸入过多烟雾导致危险的情况。
4、本发明考虑了被困人员的数量对路径规划的影响，即使起火点相同，也会根据被困人数的不同而规划出不同的最佳逃生路线。
5、本发明避免了逃生时出口过分拥挤的情况，在为危险区域的被困人员规划最佳路径时，其终点不是出口，而是安全区域。即先引导危险区域的被困人员先快速到达安全区域，然后再从安全区域有序撤离。这样避免了危险区域的被困人员直接到达出口而出现的出口过分拥挤的情况。
说明书附图
图1为基于BIM技术的逃生路径规划方法流程图
图2为最佳逃生路线规划算法流程图
具体实施方式
本发明提供一种基于BIM技术的逃生路径规划方法，如图1所示，包括以下步骤：
S1、建筑物基础设备建设，包括烟雾报警器和红外摄像头，烟雾报警器和红外摄像头设置在建筑物内各路径沿途，红外摄像头具有远红外成像系统，烟雾报警器和红外摄像头连接至远程监控系统，还包括语音播报器和应急照明灯；
S2、用消防动态仿真模拟(Fire Dynamic Simulation)的软件PyroSim来创建火灾模拟，预测火灾烟气流动、火灾温度和有毒有害气体浓度分布。具体地，结合BIM信息，依据真实失火的位置，在PyroSim软件设置模拟火源，通过软件仿真，得到动态火情模型，具体步骤如下:第一步在PyroSim软件中导入与真实建筑物对应的BIM模型，一般以IFC的格式导入，导入成功后即可看到BIM模型，随后在BIM模型中根据真实的失火位置中设置火情，PyroSim软件对该BIM模型中的火灾的烟气的运动、温度和毒气浓度进行准确预测分析，得到动态火情模型。即不同区域不同时刻的火情状态，根据得到的火情动态模型，将烟雾浓度不会高于危险值的区域划分为安全区域，否则划分为危险区域；
S3、获取建筑物基础设备中的红外摄像头信息数据，通过远红外成像分析，得到被困人员的坐标数据以及数量；
S4、针对位于危险区域内的被困人员，根据被困人员坐标以及数量，规划最优应急求生路径：
S4.1、根据建筑模型BIM中的环境信息数据和火灾情况数据，判断是否有逃生机会，这里的逃生机会是指人员是否有机会离开当前空间，例如在一个大会场空间中，会场的出口处火势凶猛，人员无法通过，在这种情况下则认为无逃生机会。对于无逃生机会的情形，通过语音播报器通知被困人员，采取火灾应急措施，原地等待救援。
S4.2、结合失火建筑的BIM信息和动态火情模型，为危险区被困人员规划至安全区的最优路径，具体地，采用蚁群算法，考虑被困人员的位置、被困人员的数量、不同区域的通过时效性、火情的动态变化情况、为被困人员规划最佳路线；如图2所示，最佳逃生路线规划算法如下：
a.将每个红外摄像头和烟雾报警器设置为节点；
b.结合BIM信息,即BIM模型中的建筑结构信息，例如通过查询节点i和节点j的通道距离，通道宽度，用来计算通过时效函数,得到相邻节点的通过时效函数tij＝fij(x),其中tij表示x个人同时从节点i到节点j所需的时间；
c.通过火情动态模型，得到通过相邻节点会吸入的烟雾量,sij表示人员从节点i到节点j会吸入的烟雾量；
d.参数初始化。令时间t＝0和循环次数N＝0,设置最大循环数Nmax，将m只蚂蚁，表示m个受困人员，放置于着火点，本发明中m＝25。令相邻节点之间的初始化信息素τij(t)＝0,且初始时刻Δτij(0)＝0,Δτij表示蚂蚁在本次循环中留在节点i至节点j路径上的信息素。
e.循环迭代次数N←N+1。(即在完成当前迭代(N)后进行下一轮的迭代(N+1)，并将下一轮的迭代视为当前迭代。)
f.初始化蚂蚁的位置，将蚂蚁的起点设为火源的节点。
g.设置蚂蚁的禁忌表为空，蚂蚁的禁忌表记录着蚂蚁已经经过的节点，禁忌表的目的是让蚂蚁不再选择已经走过的节点。
h.蚂蚁个体根据如下状态转移概率公式计算的概率选择下一个节点，并前进。
其中
表示蚂蚁k从节点i到节点j的概率；τij(t)表示t时刻节点i到节点j路径上的信息素；α为信息启发式因子，表示轨迹的重要性，反映了蚂蚁在运动过程中所积累的信息在蚂蚁运动时所起到的作用，其值越大，则蚂蚁越倾向于选择其他蚂蚁经过的路径，蚂蚁之间的协作性越强；β为期望启发式因子，表示能见度的相对重要性，反映了蚂蚁在运动过程中启发信息在蚂蚁选择路径中的受重视程度，其值越大，则该转状态下的转移概率越接近于贪心算法；ηij(t)为启发函数，其表达式如下
其中tij表示蚂蚁从节点i到节点j所需的时间，sij表示从节点i到节点j会吸入的烟雾量。该启发函数综合考虑了通过时间和吸入的烟雾量，避免了片面地追求最快路径而出现吸入烟雾过多发生危险的情况。该启发函数引导蚂蚁向通过时间和烟雾量综合较小的节点移动。
i.修改蚂蚁禁忌表。即把蚂蚁选择的新节点加入禁忌表中。
j.若蚂蚁还未到达安全区域，则跳到步骤h,否则执行步骤k。
k.更新信息素，根据如下公式更新每条路径上的信息量，
τij(t+1)＝(1-ρ)·τij(t)+Δτij(t)
其中τij(t+1)代表蚂蚁完成当前循环(即到达了安全区域)后路径上残留的信息素，这种更新策略模仿了人类大脑的记忆行为，在不断获取新信息时，也会逐渐淡忘旧的信息。上式中ρ表示信息素挥发系数，则(1-ρ)表示信息素残留因子，为避免信息素的无限积累，ρ∈[0，1)；Δτij(t)表示本次循环中所有蚂蚁留在路径(i，j)上的信息素增量，Δτij(t)由如下公式计算,
其中，Q表示信息素强度，它会影响算法的收敛速度；Lk表示蚂蚁k在本次循环中吸入的烟气量和所用时间的总和。
若满足结束条件，即如果循环次数N≥Nmax，则循环结束，选出吸入的烟气量和所用时间的总和最小的路径作为最优路径，否则跳到步骤e。
优选地，本发明同时提出一种基于Q-学习的自适应蚁群算法的路线规划方法来加快求解的速度。基于Q-学习的自适应蚁群算法的路径规划方法在搜索过程中动态调整状态转移概率，其他步骤与S4.2一致。对于位于节点i的蚂蚁k按照如下公式选择下一个节点j,
式中，
式中，q0是一个在区间[0,1]的参数，q是一个在区间[0,1]均匀分布的随机数；wk(i)表示可选择的城市集合。HE(i，j)表示启发式信息，信息素AQ值按照如下规则更新
式中ρ，γ都为区间[0,1]的常数；ΔAQ(i，j)通过下式求得
式中，W为常数，且W＝10，kgb代表寻找到全局最优路径的蚂蚁；
表示该蚂蚁从起始点到终点所用时间和吸入烟雾量之和。
S4.3、将规划出的最优求生路径通过语音播报器告知被困人员，引导被困人员逃出危险区域；
S5、针对处于安全区域内的被困人员，通过语音报警器播报火警应急措施，根据建筑物模型BIM中的环境信息数据，引导人员有序撤离。
S5.1、通过红外摄像头获取安全区域内人员当前坐标，以及行动轨迹。；
S5.2、在安全区域和危险区域的临界处，进行语音播报提醒，避免人员在撤离时误入危险区域；
S5.3、一旦有人员在从安全区域撤离的过程中误入危险区域，立即按照S4步骤为其规划最优逃生路径。
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BIM技术的逃生路径规划方法，其特征在于，它包括用消防动态仿真模拟软件创建火灾模拟，将建筑物中红外摄像头和烟雾报警器设置为节点，参数初始化后，通过状态转移概率公式计算被困人员k从节点i到节点j的概率
为被困人员选择下一个节点：
其中，τij(t)表示t时刻节点i到节点j路径上的信息素，α为信息启发式因子，反映轨迹的重要性，β为期望启发式因子，反映能见度的重要性，ηij(t)为启发函数，其表达式为
其中tij表示从节点i到节点j所需的时间，sij表示从节点i到节点j会吸入的烟雾量，引导被困人员向通过时间和烟雾量综合较小的节点移动。
2.根据权利要求1所述逃生路径规划方法，其特征在于，所述逃生路径规划方法还包括根据τij(t+1)＝(1-ρ)·τij(t)+Δτij(t)更新每条路径信息量，其中τij(t+1)代表完成当前循环后路径上残留的信息素，ρ表示信息素挥发系数，则(1-ρ)表示信息素残留因子，为避免信息素的无限积累，ρ∈[0，1)；Δτij(t)表示本次循环中留在路径(i，j)上的信息素增量，Δτij(t)由如下公式计算,
其中，Q表示信息素强度，它会影响算法的收敛速度；Lk表示蚂蚁k在本次循环中吸入的烟气量和所用时间的总和。
3.根据权利要求2所述逃生路径规划方法，其特征在于，所述逃生路径规划方法还包括循环迭代次数N←N+1至N≥Nmax，循环结束，其中Nmax为最大循环数，选出吸入的烟气量和所用时间的总和最小的路径作为最优路径。
4.根据权利要求1所述逃生路径规划方法，其特征在于，所述参数初始化令时间t＝0、循环次数N＝0、设置最大循环数Nmax、令相邻节点之间的初始化信息素τij(t)＝0,且初始时刻Δτij(0)＝0,初始化被困人员位置和设置禁忌表为空。
5.根据权利要求1所述逃生路径规划方法，其特征在于，对于位于节点i的被困人员k按如下公式选择下一节点j，
式中从节点i到节点j的概率
q0是一个在区间[0,1]的参数，q是一个在区间[0,1]均匀分布的随机数；wk(i)表示可选择的城市集合。HE(i，j)表示启发式信息，信息素AQ值按照如下规则更新
式中ρ，γ都为区间[0,1]的常数；ΔAQ(i，j)通过下式求得
式中，W为常数，且W＝10，kgb代表寻找到全局最优路径的蚂蚁；
表示该蚂蚁从起始点到终点所用时间和吸入烟雾量之和。
6.根据权利要求1所述逃生路径规划方法，其特征在于，所述相邻节点通过时效函数tij＝fij(x),其中tij表示x个人同时从节点i到节点j所需的时间。
7.根据权利要求1所述逃生路径规划方法，其特征在于，所述为被困人员选择下一个节点后修改禁忌表，即将新节点放入禁忌表中。
8.根据权利要求7所述逃生路径规划方法，其特征在于，所述修改禁忌表后被困人员如果没有到达安全区域则继续选择下一个节点。
9.根据权利要求7所述逃生路径规划方法，其特征在于，所述修改禁忌表后被困人员如果到达安全区域则更新信息素。
10.根据权利要求3所述逃生路径规划方法，其特征在于，所述最优路径通过语音播报器告知被困人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011527646.7A CN112633574A (zh) | 2020-12-22 | 2020-12-22 | 一种基于bim技术的逃生路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011527646.7A CN112633574A (zh) | 2020-12-22 | 2020-12-22 | 一种基于bim技术的逃生路径规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112633574A true CN112633574A (zh) | 2021-04-09 |
Family
ID=75321356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011527646.7A Pending CN112633574A (zh) | 2020-12-22 | 2020-12-22 | 一种基于bim技术的逃生路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112633574A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945886A (zh) * | 2021-10-14 | 2022-01-18 | 北京天创万安科技装备有限公司 | 一种基于井下定位的路径制定方法及系统 |
| CN114943191A (zh) * | 2021-11-02 | 2022-08-26 | 哈尔滨工程大学 | 一种船舶进水情况下的人员应急逃生路径规划方法及计算机设备 |
| CN115375151A (zh) * | 2022-08-25 | 2022-11-22 | 合肥未来计算机技术开发有限公司 | 一种井下施工的作业人员安全调度方法 |
| CN116167145A (zh) * | 2023-04-23 | 2023-05-26 | 中铁第四勘察设计院集团有限公司 | 道路下方综合体空间立体安全疏散体系构建方法及系统 |
| CN118521018A (zh) * | 2024-07-23 | 2024-08-20 | 江西中科燕鹏科技有限公司 | 一种基于物联网的智能楼宇消防应急系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108413961A (zh) * | 2017-10-16 | 2018-08-17 | 同济大学 | 基于并行iACO的轻量级Web3D火灾逃生路径规划方法及系统 |
| CN109377567A (zh) * | 2018-10-31 | 2019-02-22 | 浙江中烟工业有限责任公司 | 一种膨胀烟丝工段的逃生训练方法及系统 |
| CN109697807A (zh) * | 2019-01-15 | 2019-04-30 | 特斯联（北京）科技有限公司 | 一种智能火情探测分析的物联网逃生引导系统 |
-
2020
- 2020-12-22 CN CN202011527646.7A patent/CN112633574A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108413961A (zh) * | 2017-10-16 | 2018-08-17 | 同济大学 | 基于并行iACO的轻量级Web3D火灾逃生路径规划方法及系统 |
| CN109377567A (zh) * | 2018-10-31 | 2019-02-22 | 浙江中烟工业有限责任公司 | 一种膨胀烟丝工段的逃生训练方法及系统 |
| CN109697807A (zh) * | 2019-01-15 | 2019-04-30 | 特斯联（北京）科技有限公司 | 一种智能火情探测分析的物联网逃生引导系统 |
Non-Patent Citations (7)
| Title |
|---|
| 任波等: "自适应蚁群算法的无人机航迹规划方法", 《电光与控制》 * |
| 周旺平等: "化工灾害搜救机器人路径规划研究", 《计算机仿真》 * |
| 朱颖 等: "《高速铁路隧道救援站火灾烟气控制理论及应用》", 30 November 2018 * |
| 杜宝江等: "基于蚁群优化算法的虚拟火灾逃生路径优化", 《软件导刊》 * |
| 林森等: "改进蚁群算法的智能逃生路径规划研究", 《住宅与房地产》 * |
| 王侠等: "蚁群算法在动态疏散路径优化过程中的应用", 《安防科技》 * |
| 黄月等: "基于WSN的灾难现场最优逃生路径规划", 《东北大学学报(自然科学版)》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945886A (zh) * | 2021-10-14 | 2022-01-18 | 北京天创万安科技装备有限公司 | 一种基于井下定位的路径制定方法及系统 |
| CN114943191A (zh) * | 2021-11-02 | 2022-08-26 | 哈尔滨工程大学 | 一种船舶进水情况下的人员应急逃生路径规划方法及计算机设备 |
| CN114943191B (zh) * | 2021-11-02 | 2023-06-16 | 哈尔滨工程大学 | 一种船舶进水情况下的人员应急逃生路径规划方法及计算机设备 |
| CN115375151A (zh) * | 2022-08-25 | 2022-11-22 | 合肥未来计算机技术开发有限公司 | 一种井下施工的作业人员安全调度方法 |
| CN116167145A (zh) * | 2023-04-23 | 2023-05-26 | 中铁第四勘察设计院集团有限公司 | 道路下方综合体空间立体安全疏散体系构建方法及系统 |
| CN118521018A (zh) * | 2024-07-23 | 2024-08-20 | 江西中科燕鹏科技有限公司 | 一种基于物联网的智能楼宇消防应急系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112633574A (zh) | 一种基于bim技术的逃生路径规划方法 | |
| Choi et al. | Optimal route selection model for fire evacuations based on hazard prediction data | |
| KR102375246B1 (ko) | 재난상황을 대비한 지능형 대피 유도 시스템 | |
| JP4822812B2 (ja) | 避難者行動予測装置および避難者行動予測方法 | |
| KR102124067B1 (ko) | 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법 | |
| KR20180028824A (ko) | 화재 발생에 따른 3차원 경로 제공 시스템 및 그 방법 | |
| CN112327914A (zh) | 一种高层消防多无人机室内协同路径规划方法及系统 | |
| CN110147651A (zh) | 一种消防火灾现场安全逃生路径预测分析方法 | |
| KR101079735B1 (ko) | 지능형 방향유도 제어 시스템 | |
| JP5074310B2 (ja) | 火災時危険度評価装置、移動経路選択装置、火災時危険度評価プログラム及び移動経路選択プログラム | |
| KR102325565B1 (ko) | 화재로부터 탈출을 위한 최적 경로 도출 방법 | |
| CN110044360B (zh) | 一种人员疏散路径的导航方法及装置 | |
| CN109117997B (zh) | 基于集成多种算法的消防救援路径的优化方法及系统 | |
| CN109903490B (zh) | 一种火灾撤离路径的计算方法和指示系统 | |
| KR101539510B1 (ko) | 화재 피난 유도 시스템 | |
| CN110516331B (zh) | 一种火灾情况下海上人员应急逃生撤离时间计算方法 | |
| CN109035641B (zh) | 考虑烟气影响的火灾疏散路径动态优化与可视方法 | |
| CN112504262A (zh) | 建筑物楼层内人员导航方法、多层建筑内人员导航方法、系统 | |
| CN111401625A (zh) | 火灾逃生路径规划方法、系统、设备及存储介质 | |
| CN114689058B (zh) | 基于深度学习和混合遗传算法的火灾疏散路径规划方法 | |
| CN113701757A (zh) | 一种消防应急用室内导航系统及方法 | |
| CN106846680B (zh) | 一种消防应急逃生路线确定方法及装置 | |
| CN111897899A (zh) | 一种人员紧急疏散引导方法及系统 | |
| KR102076037B1 (ko) | 강화학습을 통한 재난 구조물의 구조경로 및 구조시간 시뮬레이션 장치 | |
| Li et al. | Evacuation-path-selection model of real-time fire diffusion in urban underground complexes |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210409 |