CN113393024A - 室内空间规划方法、装置、电子设备及存储介质 - Google Patents

室内空间规划方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113393024A
CN113393024A CN202110620361.6A CN202110620361A CN113393024A CN 113393024 A CN113393024 A CN 113393024A CN 202110620361 A CN202110620361 A CN 202110620361A CN 113393024 A CN113393024 A CN 113393024A
Authority
CN
China
Prior art keywords
floor
chromosome
room
information
planning
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
Application number
CN202110620361.6A
Other languages
English (en)
Inventor
董天冉
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Wodong Tianjun Information Technology Co Ltd
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 Beijing Jingdong Century Trading Co Ltd, Beijing Wodong Tianjun Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN202110620361.6A priority Critical patent/CN113393024A/zh
Publication of CN113393024A publication Critical patent/CN113393024A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种室内空间规划方法、装置、电子设备及存储介质。其中，方法包括：获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。

Description

室内空间规划方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域，尤其涉及一种室内空间规划方法、装置、电子设备及存储介质。
背景技术
随着社会形态的发展，人们对大型活动中心(比如百货商场、机场、会议中心、博物馆等)的需求量逐渐增多。在建设大型活动中心的过程中，需要根据人们对室内各区域的功能需求的不同实现不同形式的空间利用，即进行室内空间规划。因此，如何提高室内空间规划的合理性和实用性成为亟待解决的问题。
发明内容
为解决相关技术问题，本申请实施例提供一种室内空间规划方法、装置、电子设备及存储介质。
本申请实施例的技术方案是这样实现的：
本申请实施例提供了一种室内空间规划方法，包括：
获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
上述方案中，所述基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置，包括：
基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
上述方案中，所述基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置，包括：
基于所述楼层信息及所述房间信息，确定初始化种群；所述初始化种群包含多条染色体；每条染色体表征一种空间规划方案；所述空间规划方案包含每个楼层被分配的房间在相应楼层的可使用区域的位置；
基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群；N为大于1的整数；从所述目标子代种群中确定目标染色体；利用所述目标染色体，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
上述方案中，所述基于所述楼层信息及所述房间信息，确定初始化种群，包括：
基于所述楼层信息及所述房间信息，确定每个楼层对应的多个基因编码；每个基因编码表征为相应楼层分配的多个房间的一种房间布局方案；所述房间布局方案包含为相应楼层分配的多个房间在相应楼层的可使用区域的位置；
利用每个楼层对应的多个基因编码，生成多条染色体；对生成的多条染色体进行合理性验证，并将验证通过的多条染色体确定为所述初始化种群；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性。
上述方案中，所述基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群，包括：
基于所述多个规划条件，利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，得到目标子代种群；所述适应度函数表征所述多个规划条件对应的路径长度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度。
上述方案中，所述利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，包括：
针对每次迭代，利用所述适应度函数，确定每条染色体的适应度值；利用所述目标函数，确定每条染色体的目标值；利用每条染色体的目标值，确定至少两条父代染色体；基于每条父代染色体的适应度值，对所述至少两条父代染色体进行交叉和变异，生成至少一条子代染色体；基于所述至少一条子代染色体，确定子代种群。
上述方案中，所述利用每条染色体的目标值，确定至少两条父代染色体，包括：
基于各染色体的目标值大小，对种群中的多条染色体进行排序，得到排序结果；根据所述排序结果，确定至少两条父代染色体；或者，
基于各染色体的目标值大小，利用轮盘赌算法，确定至少两条父代染色体。
上述方案中，所述基于所述至少一条子代染色体，确定子代种群，包括：
对生成的至少一条子代染色体进行合理性验证；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性；
基于验证通过的至少一条子代染色体，确定子代种群。
上述方案中，所述从所述目标子代种群中确定目标染色体，包括：
基于所述多个规划条件，利用预设的目标函数，从所述目标子代种群中确定目标染色体；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径。
本申请实施例还提供了一种室内空间规划装置，包括：
获取单元，用于获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
处理单元，用于基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
本申请实施例还提供了一种电子设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行上述任一方法的步骤。
本申请实施例还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
本申请实施例提供的室内空间规划方法、装置、电子设备及存储介质，获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。本申请实施例的方案，在对多层室内空间进行空间规划时，考虑到了相同楼层或不同楼层的房间之间的关联关系，并考虑到了各房间的人员密集程度；如此，能够提高室内空间规划的合理性和实用性，从而能够提升用户体验。
附图说明
图1为本申请实施例室内空间规划方法的流程示意图；
图2为本申请应用实施例对跨楼层室内空间进行布局优化的流程示意图；
图3为本申请应用实施例染色体的结构示意图；
图4为本申请应用实施例楼层中的可填充区域示意图；
图5为本申请应用实施例1楼的布局优化方案示意图；
图6为本申请应用实施例染色体之间的交叉操作示意图；
图7为本申请实施例室内空间规划装置的结构示意图；
图8为本申请实施例电子设备的结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
相关技术中，在对大型活动中心(比如百货商场、机场、会议中心、博物馆等)进行室内空间规划时，通常会对环境设计、艺术设计以及空间利用率等因素进行考虑，而缺乏对空间之间的彼此联系、人员密集程度等因素的考虑，导致室内空间规划的合理性和实用性较差。
基于此，在本申请的各种实施例中，在对多层室内空间(比如上述大型活动中心)进行空间规划时，考虑到了相同楼层或不同楼层的房间之间的关联关系，并考虑到了各房间的人员密集程度；如此，能够提高室内空间规划的合理性和实用性，从而能够提升用户体验。
本申请实施例提供一种室内空间规划方法，应用于电子设备(比如服务器)，如图1所示，该方法包括：
步骤101：获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；
这里，所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
步骤102：基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
实际应用时，所述多层室内空间可以是百货商场、机场、会议中心、博物馆等大型活动中心。
在步骤101中，实际应用时，所述电子设备可以从本地获取所述楼层信息、所述房间信息及所述多个规划条件；当然，所述电子设备也可以从其他设备获取所述楼层信息、所述房间信息及所述多个规划条件，具体获取所述楼层信息、所述房间信息及所述多个规划条件的方式可以根据需求设置，本申请实施例对此不作限定。
实际应用时，所述多层室内空间的每个楼层可以存在多个可使用区域以及楼梯间、电梯间、通道等不可使用的区域；换句话说，所述可使用区域可以理解为可规划或可利用的区域。
实际应用时，所述楼层信息具体可以包含每个可使用区域的中心在相应楼层的坐标、每个可使用区域的面积以及每个可使用区域的长度、宽度等几何特征信息。这里，每个楼层对应的坐标系的建立方式可以根据需求设置，本申请实施例对此不作限定。另外，所述楼层信息具体可以表示为相应楼层的平面设计图，当然，所述楼层信息还可以体现为其他形式，本申请实施例对此不作限定。
实际应用时，所述房间信息具体可以包含每个房间被分配到的楼层、房间内的可容纳人数、房间面积以及房间的长度、宽度、长宽比等几何特征信息，并可以利用房间内的可容纳人数除以房间面积的结果表示相应房间的人员密集程度。
实际应用时，所述多层室内空间内的房间之间存在一定的关联关系(也可以称为依赖关系)，比如，餐厅旁边配有卫生间、大型连锁店男女装的布局是左右相连的两个房间或上下相连的两个房间、电影院旁边配有餐厅等。为了提高室内空间规划的合理性和实用性，对于存在关联关系的两个房间，需要保证从一个房间到另一个房间有一定人流量的走动，换句话说，需要保证从一个房间到另一个房间的路径上的人员流动密集程度较大。因此，可以根据对所述多层室内空间内的房间之间的关联关系的需求，预先确定多个规划条件，使得基于所述楼层信息、所述房间信息及所述多个规划条件确定的每个楼层被分配的房间在相应楼层的可使用区域的位置，能够考虑到相同楼层或不同楼层的房间之间的关联关系，并考虑到各房间的人员密集程度，从而能够提高室内空间规划的合理性和实用性，进而能够提升用户体验。
在步骤102中，实际应用时，为了提高室内空间规划的效率，可以基于所述楼层信息、所述房间信息及所述多个规划条件改进遗传算法，并利用改进的遗传算法确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
基于此，在一实施例中，所述基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置，可以包括：
基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
这里，所述遗传算法是基于所述楼层信息、所述房间信息及所述多个规划条件改进后的遗传算法，换句话说，所述遗传算法的适应度函数和目标函数是基于所述楼层信息、所述房间信息及所述多个规划条件确定的。
具体地，在一实施例中，所述基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置，可以包括：
基于所述楼层信息及所述房间信息，确定初始化种群；所述初始化种群包含多条染色体；每条染色体表征一种空间规划方案；所述空间规划方案包含每个楼层被分配的房间在相应楼层的可使用区域的位置；
基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群；N为大于1的整数；从所述目标子代种群中确定目标染色体；利用所述目标染色体，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
这里，N的取值可以根据需求设置。
其中，在一实施例中，所述基于所述楼层信息及所述房间信息，确定初始化种群，可以包括：
基于所述楼层信息及所述房间信息，确定每个楼层对应的多个基因编码；每个基因编码表征为相应楼层分配的多个房间的一种房间布局方案；所述房间布局方案包含为相应楼层分配的多个房间在相应楼层的可使用区域的位置；
利用每个楼层对应的多个基因编码，生成多条染色体；对生成的多条染色体进行合理性验证，并将验证通过的多条染色体确定为所述初始化种群；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性。
实际应用时，可以先基于所述楼层信息及所述房间信息，确定每个楼层的每个房间的房间编码，所述房间编码可以理解为相应房间的标识，利用所述房间编码可以查找到相应房间对应的房间信息。确定每个楼层的每个房间的房间编码后，可以将每个房间编码作为一个基因，对每个楼层被分配的多个房间的房间编码进行排序，得到每个楼层对应的多个基因编码。这里，利用每个楼层被分配的多个房间的房间编码的一种排列顺序，可以将所述多个房间按照预设方式填充到相应楼层的可使用区域；示例性地，可以在相应楼层的平面设计图中，以左下角为起点，将为相应楼层分配的多个房间按照相应排列顺序顺时针地填充到相应楼层的可使用区域；因此，每个基因编码能够表征一种房间布局方案。
实际应用时，确定每个楼层对应的多个基因编码后，可以通过对各楼层对应的多个基因编码进行任意组合，生成多条染色体。可以理解，每条染色体包含所述多层室内空间的每个楼层对应的一个基因编码，一条染色体包含的基因编码的个数等于所述多层室内空间的楼层个数。相应地，所述空间规划方案包含每个楼层的一种房间布局方案，换句话说，一个空间规划方案包含多个房间布局方案。示例性地，所述多层室内空间包含三个楼层，并确定了第一个楼层对应的3个基因编码、第二个楼层对应的4个基因编码及第三个楼层对应的5个基因编码，此时，利用每个楼层对应的多个基因编码，可以生成60条染色体(3×4×5＝60)。
实际应用时，在对染色体进行合理性验证的过程中，基于相应染色体包含的每个基因编码，可以将为每个楼层分配的多个房间按照预设方式填充到相应楼层的可使用区域，并可以通过判断各房间是否能够成功地填充到相应的可使用区域，验证相应染色体的合理性，在每个楼层的每个房间都能够成功地填充到相应楼层的可使用区域的情况下，可以确定相应染色体通过所述合理性验证；在有房间无法成功地填充到相应楼层的可使用区域的情况下，可以确定相应染色体未通过所述合理性验证。
示例性地，在一个房间(后续的描述中记作第一房间)填充到一个可使用区域(后续的描述中记作第一区域)的情况下，可以判断第一房间的面积是否小于或等于第一区域的面积，若是，则可以确定第一房间能够成功地填充到第一区域；若否，则可以确定第一房间无法成功地填充到第一区域。在多个房间(后续的描述中记作多个第二房间)填充到同一可使用区域(后续的描述中记作第二区域)的情况下，可以判断多个第二房间的面积之和是否小于或等于第二区域的面积，若是，则可以确定多个第二房间能够成功地填充到第二区域；若否，则可以确定多个第二房间无法成功地填充到第二区域。
当然，实际应用时，还可以利用房间和可使用区域的长度、宽度、长宽比等几何特征信息，判断各房间是否能够成功地填充到相应的可使用区域，本申请实施例对此不作限定。
实际应用时，为了方便计算，可以根据需求设置所述初始化种群包含的染色体条数，比如10条。
实际应用时，针对所述多个规划条件中每个规划条件对应的两个房间，为了保证从一个房间到另一个房间的路径上的人员流动密集程度较大，可以预先设置适应度函数和目标函数，换句话说，基于所述楼层信息、所述房间信息及所述多个规划条件对遗传算法的适应度函数和目标函数进行改进；并利用所述适应度函数和所述目标函数，对所述初始化种群进行N次迭代，得到目标子代种群。
基于此，在一实施例中，所述基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群，可以包括：
基于所述多个规划条件，利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，得到目标子代种群；所述适应度函数表征所述多个规划条件对应的路径长度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度。
具体地，在一实施例中，所述利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，可以包括：
针对每次迭代，利用所述适应度函数，确定每条染色体的适应度值；利用所述目标函数，确定每条染色体的目标值；利用每条染色体的目标值，确定至少两条父代染色体；基于每条父代染色体的适应度值，对所述至少两条父代染色体进行交叉和变异，生成至少一条子代染色体；基于所述至少一条子代染色体，确定子代种群。
这里，确定的父代染色体的条数可以根据需求设置，可以理解，所述父代染色体的条数为偶数，通过两条父代染色体之间的交叉和变异，可以生成一条子代染色体。
实际应用时，针对种群中的每条染色体，基于相应染色体包含的每个基因编码，可以将为每个楼层分配的多个房间按照预设方式填充到相应楼层的可使用区域，根据填充结果可以确定每个规划条件对应的两个房间之间的路径，并将各规划条件对应的路径的长度之和确定为相应染色体的适应度值。这里，所述路径可以理解为从相应规划条件对应的一个房间移动(即行走)至相应规划条件对应的另一个房间的路线，所述路线可以包含经过拐角、搭乘电梯等移动过程。
实际应用时，确定每个规划条件对应的两个房间之间的路径后，可以利用相应规划条件对应的路径的长度乘以相应规划条件对应的两个房间的人员密集程度值(即所述两个房间中各房间内的可容纳人数除以相应房间面积的结果之和)，表示相应规划条件对应的路径上的人员流动密集程度，并将各规划条件对应的路径上的人员流动密集程度之和确定为相应染色体的目标值。
实际应用时，为了使染色体的目标值更好地体现相同楼层或不同楼层的房间之间的关联关系，在确定染色体的目标值时，可以利用各规划条件对应的两个房间之间的关联程度，对各规划条件对应的路径上的人员流动密集程度进行加权。具体地，所述多个规划条件中的每个规划条件可以包含为相同楼层或不同楼层分配的两个房间之间的关联关系值；所述关联关系值表征相应的两个房间之间的关联程度。相应地，确定每个规划条件对应的两个房间之间的路径后，可以利用相应规划条件对应的路径的长度乘以相应规划条件对应的两个房间的人员密集程度值的结果，再乘以相应规划条件包含的关联关系值，来表示相应规划条件对应的路径上的人员流动密集程度，并将各规划条件对应的路径上的人员流动密集程度之和确定为相应染色体的目标值。
在一实施例中，所述利用每条染色体的目标值，确定至少两条父代染色体，可以包括：
基于各染色体的目标值大小，对种群中的多条染色体进行排序，得到排序结果；根据所述排序结果，确定至少两条父代染色体；或者，
基于各染色体的目标值大小，利用轮盘赌算法，确定至少两条父代染色体。
实际应用时，确定所述至少两条父代染色体的具体方式可以根据需求设置。
实际应用时，所述排序结果可以是基于各染色体的目标值大小的降序排序结果或升序排序结果，得到所述排序结果后，可以从所述排序结果中确定目标值较大的至少两条父代染色体。示例性地，需要确定两条父代染色体时，可以将所述排序结果中目标值最大的染色体和目标值第二大的染色体(即所述目标值最大的染色体的前一条或后一条染色体)确定为两条父代染色体。
实际应用时，对所述至少两条父代染色体进行交叉和变异的具体方式可以根据需求设置。示例性地，确定第一父代染色体和第二父代染色体后，可以基于第一父代染色体的目标值和第二父代染色体的目标值，确定第一父代染色体中需要保留的固定基因(一个基因对应于一个房间编码)的数量，并从第二父代染色体获取其他基因，得到一个子代染色体。
实际应用时，为了保证所述目标子代种群中的每条染色体的合理性，生成至少一条子代染色体后，可以对每条子代染色体进行所述合理性验证，并基于验证通过的至少一条子代染色体，确定子代种群。
基于此，在一实施例中，所述基于所述至少一条子代染色体，确定子代种群，可以包括：
对生成的至少一条子代染色体进行所述合理性验证；
基于验证通过的至少一条子代染色体，确定子代种群。
具体地，实际应用时，在子代染色体通过所述合理性验证的情况下，针对相应子代染色体对应的两条父代染色体，可以在当前种群中利用相应子代染色体随机替换所述两条父代染色体中的一条父代染色体，得到所述子代种群；在子代染色体未通过所述合理性验证的情况下，可以在所述子代种群中继续保留相应子代染色体对应的两条父代染色体；在生成的至少一条子代染色体均未通过所述合理性验证的情况下，可以直接将所述当前种群确定为本次迭代得到的子代种群，进行下一次迭代。这里，在第一次迭代的情况下，所述当前种群为所述初始化种群；在第N次迭代的情况下，所述当前种群为第N-1次迭代确定的子代种群。
实际应用时，每次迭代确定的子代种群包含的染色条数与所述初始化种群包含的染色体条数相同，确定的子代种群作为下一次迭代的当前种群，继续利用所述适应度函数和所述目标函数进行迭代，直至完成N次迭代，第N次迭代确定的子代种群即为所述目标子代种群。当然，在第N次迭代生成的至少一条子代染色体均未通过所述合理性验证的情况下，第N次迭代确定的子代种群即为所述目标子代种群，可以理解为：将第N-1次迭代确定的子代种群确定为所述目标子代种群。
在步骤102中，实际应用时，确定所述目标子代种群后，可以利用所述目标函数从所述目标子代种群中确定目标染色体。
基于此，在一实施例中，所述从所述目标子代种群中确定目标染色体，可以包括：
基于所述多个规划条件，利用所述目标函数，从所述目标子代种群中确定目标染色体。
具体地，实际应用时，确定所述目标子代种群后，可以利用所述目标函数，确定所述目标子代种群中的每条染色体的目标值，并将所述目标子代种群中目标值最大的染色体确定为所述目标染色体；基于所述目标染色体包含的每个基因编码，可以将为每个楼层分配的多个房间按照预设方式填充到相应楼层的可使用区域，得到每个楼层被分配的房间在相应楼层的可使用区域的位置。
本申请实施例提供的室内空间规划方法，获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。本申请实施例的方案，在对多层室内空间进行空间规划时，考虑到了相同楼层或不同楼层的房间之间的关联关系，并考虑到了各房间的人员密集程度；如此，能够提高室内空间规划的合理性和实用性，从而能够提升用户体验。
下面结合应用实施例对本申请再作进一步详细的描述。
在本应用实施例中，所述多层室内空间称为跨楼层室内空间；对多层室内空间进行空间规划称为对跨楼层室内空间进行布局优化；所述房间编码称为房间编号；所述可使用区域称为可填充区域；所述关联关系值称为关联程度值。
在本应用实施例中，利用了改进的遗传算法，在对单楼层进行空间优化的基础上，即为每个楼层分配好房间但房间具体位置不确定的情况下，针对跨楼层室内空间进行了布局优化，以确保跨楼层的空间布局的合理性和实用性，为空间布局者在考虑房间面积、房间可容纳人数、相同楼层或不同楼层的房间之间的关联关系等因素优化房间位置时提供自动化的解决方案。
具体地，在本应用实施例中，如图2所示，对跨楼层室内空间进行布局优化可以包括以下步骤：
步骤201：指定染色体结构，确定每个楼层对应的基因编码组；之后执行步骤202。
这里，每个楼层对应的基因编码组包含多个基因编码，每个基因编码表示一个楼层的布局优化方案(即上述房间布局方案)；一条染色体可以包含多个基因编码，即一条染色体可以表示所述跨楼层室内空间整体的布局优化方案(即上述空间规划方案)。
实际应用时，跨楼层室内空间的每个楼层被分配了多个房间，可以对每个房间进行编号，利用房间编号可以从本地数据库中获取相应房间的楼层、房间内的可容纳人数、房间面积以及房间的长度、宽度、长宽比等几何特征信息；并可以利用一个房间编号作为一个基因，确定每个楼层对应的基因编码组。
步骤202：生成初始染色体，之后执行步骤203。
实际应用时，假设所述跨楼层室内空间包含M个楼层，M为大于1的整数；如图3所示，生成的初始染色体可以包含M个基因编码。
步骤203：判断生成的染色体是否通过合理性验证；若是，执行步骤205；若否，执行步骤204或步骤208。
实际应用时，跨楼层室内空间的每个楼层中预先设置了可填充区域。所述可填充区域是指每个楼层中可支配的面积，可以理解为房间的容器，也是染色体解码的中间件。预先设置可填充区域时，可以在本地数据库中存储每个可填充区域的中心(即几何中心)在相应楼层的坐标、每个可填充区域的面积以及每个可填充区域的长度、宽度、长宽比等几何特征信息。示例性地，如图4所示，一楼层中预先设置了可填充区域1～6、电梯间或楼梯间L1～L4及通道D1～D4，可见，可填充区域包含除电梯间或楼梯间及通道之外的应用面积。
实际应用时，可以根据是否能够将所有房间填入相应楼层的可填充区域来判断生成的染色体是否通过合理性验证。具体地，可以预先设置利用生成的染色体将所有房间填入相应楼层的可填充区域的方式，比如，可以按照生成的染色体包含的每个基因编码对应的房间顺序，以相应楼层的坐标系原点为起点顺时针将房间填充到可填充区域。基于预先设置的利用生成的染色体将所有房间填入相应楼层的可填充区域的方式，利用每个房间的房间面积以及房间的长度、宽度、长宽比等几何特征信息，结合每个可填充区域的面积以及每个可填充区域的长度、宽度、长宽比等几何特征信息，判断每个房间是否能够成功地填入相应的可填充区域；在所有房间都能够成功地填入相应的可填充区域的情况下，确定生成的染色体通过合理性验证；存在房间无法填入相应的可填充区域的情况下，确定生成的染色体未通过合理性验证。示例性地，图4所示楼层的坐标系可以左下角的O为原点。
步骤204：在初始染色体未通过合理性验证的情况下，重新生成初始染色体，并进行合理性验证，直至生成的初始染色体通过合理性验证；之后执行步骤205。
步骤205：确定染色体种群；之后执行步骤206。
这里，可以根据需求预先设置染色体种群包含的染色体条数，比如10条。
步骤206：确定染色体种群中的每条染色体的适应度值和目标值；之后执行步骤207。
这里，所述跨楼层室内空间内的房间之间存在一定的关联关系(也可以称为依赖关系)，比如，餐厅旁边配有卫生间、大型连锁店男女装的布局是左右相连的两个房间或上下相连的两个房间、电影院旁边配有餐厅等。为了提高空间优化的合理性和实用性，对于存在关联关系的两个房间，需要保证从一个房间到另一个房间有一定人流量的走动，换句话说，需要保证从一个房间到另一个房间的路径上的人员流动密集程度较大。因此，可以根据对所述跨楼层室内空间内的房间之间的关联关系的需求，预先确定多个规划条件，基于所述多个规划条件，利用改进的遗传算法，对所述染色体种群进行N次迭代，N为大于1的整数。
示例性地，表1示出了4个规划条件，每个规划条件包含两个房间之间的关联程度值，所述关联程度值表征两个房间之间的关联程度；所述关联程度值的取值范围为1～3，关联程度值为1时，表征两个房间之间不存在关联关系；关联程度为3时，表征两个房间之间的关联关系非常强。当然，所述关联程度的取值范围可以根据需求设置。
存在关联关系的房间 关联程度值
{F1R1，F1R2} 1.5
{F1R3，F3R4} 1.5
{F1R3，F2R7} 1.75
{F1R6，F2R4} 1.5
表1
实际应用时，基于所述多个规划条件，利用改进的遗传算法，对所述染色体种群进行N次迭代，首先，针对每次迭代的染色体种群，需要确定每条染色体的适应度值和目标值。其中，一条染色体的适应度值＝各规划条件对应的路径长度之和(即上述适应度函数)。
示例性地，对于表1中“{F1R6，F2R4}”的第一规划条件，即需要保证从1楼的房间6到2楼的房间4存在一定的人流量的走动，假设利用染色体种群的第一染色体确定的1楼的布局优化方案如图5所示，1楼包含6个电梯间或楼梯间L1～L6、4条通道D1～D4及每条通道上的一个拐点d1～d4；并假设在电梯间L3搭乘电梯可以使从1楼的房间6到2楼的房间4的路径长度最短。
此时，第一规划条件对应的路径包括：从1楼的房间6到1楼的电梯间L3的路径C1、1楼的L3到2楼的L3的路径C2、以及2楼的L3到2楼的房间4的路径C3。相应地，第一规划条件对应的路径长度＝C1的长度+C2的长度+C3的长度。
其中，路径长度可以理解为路线的长度，即路线的距离。这里，可以利用最短距离计算方法，确定在哪个电梯间搭乘电梯或通过哪个楼梯间能够使得第一规划条件对应的路径长度最短。具体地，可以计算房间6与1楼的每个电梯间或楼梯间(即L1～L6)的最短距离及相应电梯间或楼梯间在2楼与房间4的最短距离，从而确定从1楼的房间6到2楼的房间4需要经过的电梯间或楼梯间。假设1楼坐标系的原点为图5所示的O，1楼的房间6的几何中心的坐标为(X1，Y1，Z1)，1楼的L3的几何中心的坐标为(X2，Y2，Z2)；此时，可以通过以下公式计算1楼的房间6到1楼的L3的最短距离S1：
Figure BDA0003099630760000161
假设拐点d1的坐标为(X3，Y3，Z3)，可以通过以下公式计算C1的长度S2：
S2＝|X3-X1|+|Y3-Y1|+|X2-X3|+|Y3-Y2| (2)
实际应用时，C2的长度可以利用预先设置的楼层高度计算；C3的长度可以利用与公式(2)相同的原理计算。
实际应用时，可以通过上述方式，计算利用所述第一染色体对所述跨楼层室内空间的每个楼层进行布局的情况下，所述多个规划条件中的每个规划条件对应的路径长度，并计算各规划条件对应的路径长度之和，得到所述第一染色体的适应度值。
实际应用时，确定每条染色体的适应度值后，需要确定每条染色体的目标值。其中，一条染色体的目标值＝各规划条件对应的路径上的人员流动密集程度之和(即上述目标函数)。具体地，可以通过以下公式计算每个规划条件对应的路径上的人员流动密集程度：
Figure BDA0003099630760000171
其中，F(i)表示所述多个规划条件中第i个规划条件对应的路径上的人员流动密集程度；W(i)表示第i个规划条件包含的关联程度值；S(i)表示第i个规划条件对应的路径长度；a(i)1和a(i)2表示第i个规划条件对应的两个房间的房间面积；b(i)1和b(i)2表示第i个规划条件对应的两个房间的可容纳人数。
步骤207：选择两条父代染色体，对两条父代染色体进行交叉和变异操作，生成子代染色体；之后执行步骤203。
这里，得到当前染色体种群中每条染色体的目标值后，可以通过对当前染色体种群中的染色体按目标值降序排列的方式，选择目标值最大的两条染色体作为父代染色体；或者，可以基于当前染色体种群中每条染色体的目标值，利用轮盘赌算法，从当前染色体种群中随机选择两条染色体作为父代染色体。
示例性地，从当前染色体种群中选择出父代染色体P1和P2(即上述第一父代染色体和第二父代染色体)后，可以通过以下公式，计算P1中需要保留的固定基因的数量：
Figure BDA0003099630760000172
其中，T表示P1中需要保留的固定基因的数量；Q1表示P1的适应度值；Q2表示P2的适应度值；Q1大于Q2；β表示P1和P2中每个基因编码对应的房间数量；示例性地，假设Q1等于150，Q2等于120，并假设P1和P2的结构如图3所示，即β等于9；此时，T等于5(150÷(150+120)×9＝5)；也就是说，需要在P1的每个片段(即每个基因编码)内随机选择5个基因作为父代染色体的固定基因，其他空缺基因从P2中取出后，按顺序依次填入子代染色体，得到新的子代染色体C1。
示例性地，假设需要在P1的每个片段内随机选择4个基因作为父代染色体的固定基因，其他空缺基因从P2中取出后，按顺序依次填入C1，则P1和P2进行交叉操作得到C1的过程可以如图6所示；对于此时的C1来说，它有15％的概率进行变异，若不进行变异，则直接对C1进行合理性验证，即执行步骤203；若进行变异，则依照C1对染色体的基因顺序进行调换并再次进行染色体的合理性验证，即执行步骤203。
步骤208：在子代染色体未通过合理性验证的情况下，保留上一次迭代生成的染色体种群；之后执行步骤205。
具体地，对于步骤207得到的C1，在C1通过合理性验证、且未完成N次迭代的情况下，则基于C1重新确定当前的染色体种群，即利用C1替换P1或P2，得到当前的染色体种群，并继续对染色体种群进行迭代(即执行步骤205至步骤207)。
在C1通过合理性验证、且本次迭代即为第N次迭代(即已经完成了N次迭代)的情况下，则利用C1替换P1或P2，得到目标子代种群，并输出得到的目标子代种群(即仅执行步骤205)。
在C1未通过合理性验证、且未完成N次迭代的情况下，则保留上一次迭代生成的染色体种群(即利用上一次迭代得到的C1确定的子代种群)，并继续执行步骤205至步骤207。
在C1未通过合理性验证、且本次迭代即为第N次迭代的情况下，则将上一次迭代生成的染色体种群确定为目标子代种群，并输出得到的目标子代种群(即仅执行步骤205)。
实际应用时，对初始的染色体种群进行N次迭代，得到目标子代种群后，可以利用上述目标函数，计算目标子代种群中每条染色体的目标值，并将目标值最优(即最大)的染色体(即上述目标染色体)进行解码，得到跨楼层室内空间中每个楼层被分配的房间在相应楼层的可填充区域的位置，即以相应楼层的坐标系原点为起点将房间按照相应基因编码的房间编号顺序、顺时针地填入相应楼层的可填充区域中。
本应用实施例的方案，具有以下优点：
利用了改进的遗传算法，在对单楼层进行空间优化的基础上，针对跨楼层室内空间进行了布局优化，以确保跨楼层的空间布局的合理性和实用性，为空间布局者在考虑房间面积、房间可容纳人数、相同楼层或不同楼层的房间之间的关联关系等因素优化房间位置时提供自动化的解决方案。
为了实现本申请实施例的方法，本申请实施例还提供了一种室内空间规划装置，如图7所示，该装置包括：
获取单元701，用于获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
处理单元702，用于基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
其中，在一实施例中，所述处理单元702，具体用于基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
在一实施例中，所述处理单元702，具体用于：
基于所述楼层信息及所述房间信息，确定初始化种群；所述初始化种群包含多条染色体；每条染色体表征一种空间规划方案；所述空间规划方案包含每个楼层被分配的房间在相应楼层的可使用区域的位置；
基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群；N为大于1的整数；从所述目标子代种群中确定目标染色体；利用所述目标染色体，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
在一实施例中，所述处理单元702，还用于：
基于所述楼层信息及所述房间信息，确定每个楼层对应的多个基因编码；每个基因编码表征为相应楼层分配的多个房间的一种房间布局方案；所述房间布局方案包含为相应楼层分配的多个房间在相应楼层的可使用区域的位置；
利用每个楼层对应的多个基因编码，生成多条染色体；对生成的多条染色体进行合理性验证，并将验证通过的多条染色体确定为所述初始化种群；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性。
在一实施例中，所述处理单元702，还具体用于基于所述多个规划条件，利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，得到目标子代种群；所述适应度函数表征所述多个规划条件对应的路径长度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度。
在一实施例中，所述处理单元702，还用于针对每次迭代，利用所述适应度函数，确定每条染色体的适应度值；利用所述目标函数，确定每条染色体的目标值；利用每条染色体的目标值，确定至少两条父代染色体；基于每条父代染色体的适应度值，对所述至少两条父代染色体进行交叉和变异，生成至少一条子代染色体；基于所述至少一条子代染色体，确定子代种群。
在一实施例中，所述处理单元702，还用于：
基于各染色体的目标值大小，对种群中的多条染色体进行排序，得到排序结果；根据所述排序结果，确定至少两条父代染色体；或者，
基于各染色体的目标值大小，利用轮盘赌算法，确定至少两条父代染色体。
在一实施例中，所述处理单元702，还用于：
对生成的至少一条子代染色体进行合理性验证；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性；
基于验证通过的至少一条子代染色体，确定子代种群。
在一实施例中，所述处理单元702，还具体用于基于所述多个规划条件，利用预设的目标函数，从所述目标子代种群中确定目标染色体；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径。
实际应用时，所述获取单元701和所述处理单元702可由室内空间规划装置中的处理器实现。
需要说明的是：上述实施例提供的室内空间规划装置在进行室内空间规划时，仅以上述各程序模块的划分进行举例说明，实际应用时，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的室内空间规划装置与室内空间规划方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供了一种电子设备，如图8所示，该电子设备800包括：
通信接口801，能够与其他电子设备进行信息交互；
处理器802，与所述通信接口801连接，以实现与其他电子设备进行信息交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的方法；
存储器803，存储能够在所述处理器802上运行的计算机程序。
具体地，所述处理器802，用于：
获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
其中，在一实施例中，所述处理器802，具体用于基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
在一实施例中，所述处理器802，具体用于：
基于所述楼层信息及所述房间信息，确定初始化种群；所述初始化种群包含多条染色体；每条染色体表征一种空间规划方案；所述空间规划方案包含每个楼层被分配的房间在相应楼层的可使用区域的位置；
基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群；N为大于1的整数；从所述目标子代种群中确定目标染色体；利用所述目标染色体，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
在一实施例中，所述处理器802，还用于：
基于所述楼层信息及所述房间信息，确定每个楼层对应的多个基因编码；每个基因编码表征为相应楼层分配的多个房间的一种房间布局方案；所述房间布局方案包含为相应楼层分配的多个房间在相应楼层的可使用区域的位置；
利用每个楼层对应的多个基因编码，生成多条染色体；对生成的多条染色体进行合理性验证，并将验证通过的多条染色体确定为所述初始化种群；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性。
在一实施例中，所述处理器802，还具体用于基于所述多个规划条件，利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，得到目标子代种群；所述适应度函数表征所述多个规划条件对应的路径长度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度。
在一实施例中，所述处理器802，还用于针对每次迭代，利用所述适应度函数，确定每条染色体的适应度值；利用所述目标函数，确定每条染色体的目标值；利用每条染色体的目标值，确定至少两条父代染色体；基于每条父代染色体的适应度值，对所述至少两条父代染色体进行交叉和变异，生成至少一条子代染色体；基于所述至少一条子代染色体，确定子代种群。
在一实施例中，所述处理器802，还用于：
基于各染色体的目标值大小，对种群中的多条染色体进行排序，得到排序结果；根据所述排序结果，确定至少两条父代染色体；或者，
基于各染色体的目标值大小，利用轮盘赌算法，确定至少两条父代染色体。
在一实施例中，所述处理器802，还用于：
对生成的至少一条子代染色体进行合理性验证；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性；
基于验证通过的至少一条子代染色体，确定子代种群。
在一实施例中，所述处理器802，还具体用于基于所述多个规划条件，利用预设的目标函数，从所述目标子代种群中确定目标染色体；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径。
需要说明的是：所述处理器802具体执行上述操作的过程详见方法实施例，这里不再赘述。
当然，实际应用时，电子设备800中的各个组件通过总线系统804耦合在一起。可理解，总线系统804用于实现这些组件之间的连接通信。总线系统804除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统804。
本申请实施例中的存储器803用于存储各种类型的数据以支持电子设备800的操作。这些数据的示例包括：用于在电子设备800上操作的任何计算机程序。
上述本申请实施例揭示的方法可以应用于处理器802中，或者由处理器802实现。处理器802可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器802中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器802可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器802可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器803，处理器802读取存储器803中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或者其他电子元件实现，用于执行前述方法。
可以理解，本申请实施例的存储器803可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(FlashMemory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random Access Memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，Synchronous Dynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random AccessMemory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random AccessMemory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本申请实施例描述的存储器旨在包括但不限于这些和任意其他适合类型的存储器。
在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的存储器803，上述计算机程序可由电子设备800的处理器802执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。
需要说明的是：“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
另外，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。
以上所述，仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。

Claims (12)

1.一种室内空间规划方法，其特征在于，包括：
获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
2.根据权利要求1所述的方法，其特征在于，所述基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置，包括：
基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
3.根据权利要求2所述的方法，其特征在于，所述基于所述楼层信息、所述房间信息及所述多个规划条件，利用遗传算法，确定每个楼层被分配的房间在相应楼层的可使用区域的位置，包括：
基于所述楼层信息及所述房间信息，确定初始化种群；所述初始化种群包含多条染色体；每条染色体表征一种空间规划方案；所述空间规划方案包含每个楼层被分配的房间在相应楼层的可使用区域的位置；
基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群；N为大于1的整数；从所述目标子代种群中确定目标染色体；利用所述目标染色体，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
4.根据权利要求3所述的方法，其特征在于，所述基于所述楼层信息及所述房间信息，确定初始化种群，包括：
基于所述楼层信息及所述房间信息，确定每个楼层对应的多个基因编码；每个基因编码表征为相应楼层分配的多个房间的一种房间布局方案；所述房间布局方案包含为相应楼层分配的多个房间在相应楼层的可使用区域的位置；
利用每个楼层对应的多个基因编码，生成多条染色体；对生成的多条染色体进行合理性验证，并将验证通过的多条染色体确定为所述初始化种群；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性。
5.根据权利要求3所述的方法，其特征在于，所述基于所述多个规划条件，对所述初始化种群进行N次迭代，得到目标子代种群，包括：
基于所述多个规划条件，利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，得到目标子代种群；所述适应度函数表征所述多个规划条件对应的路径长度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度。
6.根据权利要求5所述的方法，其特征在于，所述利用预设的适应度函数和目标函数，对所述初始化种群进行N次迭代，包括：
针对每次迭代，利用所述适应度函数，确定每条染色体的适应度值；利用所述目标函数，确定每条染色体的目标值；利用每条染色体的目标值，确定至少两条父代染色体；基于每条父代染色体的适应度值，对所述至少两条父代染色体进行交叉和变异，生成至少一条子代染色体；基于所述至少一条子代染色体，确定子代种群。
7.根据权利要求6所述的方法，其特征在于，所述利用每条染色体的目标值，确定至少两条父代染色体，包括：
基于各染色体的目标值大小，对种群中的多条染色体进行排序，得到排序结果；根据所述排序结果，确定至少两条父代染色体；或者，
基于各染色体的目标值大小，利用轮盘赌算法，确定至少两条父代染色体。
8.根据权利要求6所述的方法，其特征在于，所述基于所述至少一条子代染色体，确定子代种群，包括：
对生成的至少一条子代染色体进行合理性验证；所述合理性验证用于利用所述楼层信息确定相应染色体表征的空间规划方案的合理性；
基于验证通过的至少一条子代染色体，确定子代种群。
9.根据权利要求3所述的方法，其特征在于，所述从所述目标子代种群中确定目标染色体，包括：
基于所述多个规划条件，利用预设的目标函数，从所述目标子代种群中确定目标染色体；所述目标函数表征所述多个规划条件对应的路径上的人员流动密集程度；所述多个规划条件对应的路径包含每个规划条件对应的两个房间之间的路径。
10.一种室内空间规划装置，其特征在于，包括：
获取单元，用于获取多层室内空间的楼层信息及为每个楼层分配的房间信息，并获取多个规划条件；所述楼层信息包含每个楼层的可使用区域信息；所述房间信息包含为相应楼层分配的多个房间的人员密集程度信息；每个规划条件表征为相同楼层或不同楼层分配的两个房间之间的关联关系；
处理单元，用于基于所述楼层信息、所述房间信息及所述多个规划条件，确定每个楼层被分配的房间在相应楼层的可使用区域的位置。
11.一种电子设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中，所述处理器用于运行所述计算机程序时，执行权利要求1至9任一项所述方法的步骤。
12.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9任一项所述方法的步骤。
CN202110620361.6A 2021-06-03 2021-06-03 室内空间规划方法、装置、电子设备及存储介质 Pending CN113393024A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110620361.6A CN113393024A (zh) 2021-06-03 2021-06-03 室内空间规划方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110620361.6A CN113393024A (zh) 2021-06-03 2021-06-03 室内空间规划方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN113393024A true CN113393024A (zh) 2021-09-14

Family

ID=77619858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110620361.6A Pending CN113393024A (zh) 2021-06-03 2021-06-03 室内空间规划方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113393024A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115114713A (zh) * 2022-07-26 2022-09-27 江西少科智能建造科技有限公司 一种自动风盘布置方法、系统、存储介质及设备
CN115866628A (zh) * 2023-02-24 2023-03-28 北京万和汇通通信科技有限公司 一种室内分布系统确定方法、装置、电子设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004185444A (ja) * 2002-12-04 2004-07-02 Takenaka Komuten Co Ltd コンピュータによる住戸プランニング方法および記憶媒体並びにプログラム
CN101625741A (zh) * 2009-07-07 2010-01-13 武汉大学 土地评价样点空间配置方法
CN103324982A (zh) * 2013-06-07 2013-09-25 银江股份有限公司 一种基于遗传算法的路径规划方法
CN103577897A (zh) * 2013-11-14 2014-02-12 武汉大学 一种土地利用空间布局智能优化的种群初始化方法
CN106355271A (zh) * 2016-08-24 2017-01-25 江苏师范大学 一种应用于土地利用规划编制的土地资源空间优化配置方法
CN106441305A (zh) * 2016-10-09 2017-02-22 北京超图软件股份有限公司 室内跨楼层的路径规划方法和装置
US20170076016A1 (en) * 2015-09-10 2017-03-16 Maysam MIR AHMADI Automated layout generation
US20170154263A1 (en) * 2015-11-30 2017-06-01 Aditazz, Inc. Method for placing rooms in a building system
CN107450535A (zh) * 2017-07-31 2017-12-08 中南大学 一种智能运载机器人最优路径混合图论控制规划方法
CN109963254A (zh) * 2019-04-23 2019-07-02 南京师范大学 一种基于室内地图的蓝牙定位信标部署方法
CN110689174A (zh) * 2019-09-16 2020-01-14 深圳市威豹联合金融服务有限公司 基于公共交通的人员路线规划方法及装置
CN111210028A (zh) * 2019-12-05 2020-05-29 万翼科技有限公司 房间模型核查方法、装置、计算机设备和存储介质
CN111612252A (zh) * 2020-05-21 2020-09-01 苏州大学 大规模应急设施的自动选址方法、装置及可读存储介质

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004185444A (ja) * 2002-12-04 2004-07-02 Takenaka Komuten Co Ltd コンピュータによる住戸プランニング方法および記憶媒体並びにプログラム
CN101625741A (zh) * 2009-07-07 2010-01-13 武汉大学 土地评价样点空间配置方法
CN103324982A (zh) * 2013-06-07 2013-09-25 银江股份有限公司 一种基于遗传算法的路径规划方法
CN103577897A (zh) * 2013-11-14 2014-02-12 武汉大学 一种土地利用空间布局智能优化的种群初始化方法
US20170076016A1 (en) * 2015-09-10 2017-03-16 Maysam MIR AHMADI Automated layout generation
US20170154263A1 (en) * 2015-11-30 2017-06-01 Aditazz, Inc. Method for placing rooms in a building system
CN106355271A (zh) * 2016-08-24 2017-01-25 江苏师范大学 一种应用于土地利用规划编制的土地资源空间优化配置方法
CN106441305A (zh) * 2016-10-09 2017-02-22 北京超图软件股份有限公司 室内跨楼层的路径规划方法和装置
CN107450535A (zh) * 2017-07-31 2017-12-08 中南大学 一种智能运载机器人最优路径混合图论控制规划方法
CN109963254A (zh) * 2019-04-23 2019-07-02 南京师范大学 一种基于室内地图的蓝牙定位信标部署方法
CN110689174A (zh) * 2019-09-16 2020-01-14 深圳市威豹联合金融服务有限公司 基于公共交通的人员路线规划方法及装置
CN111210028A (zh) * 2019-12-05 2020-05-29 万翼科技有限公司 房间模型核查方法、装置、计算机设备和存储介质
CN111612252A (zh) * 2020-05-21 2020-09-01 苏州大学 大规模应急设施的自动选址方法、装置及可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
王勇 等: ""基于遗传算法的医院房间位置优化研究"", 《电脑与信息技术》, vol. 26, no. 1, 28 February 2018 (2018-02-28), pages 5 - 9 *
王勇;孙耀南;: "基于遗传算法的医院房间位置优化研究", 电脑与信息技术, no. 01, 15 February 2018 (2018-02-15) *
陈文英 等: ""基于自适应遗传算法分步优化设计智能 桁架结构自抗扰振动控制器*"", 《机 械工程学报》, vol. 46, no. 7, 30 April 2010 (2010-04-30), pages 74 - 81 *
黄科佳;李少杰;左尧;蔡文文;李绍俊;宋关福;钟耳顺;: "基于室内路网的跨楼层路径规划技术的设计与实现", 地理信息世界, no. 03, 25 June 2018 (2018-06-25), pages 91 - 95 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115114713A (zh) * 2022-07-26 2022-09-27 江西少科智能建造科技有限公司 一种自动风盘布置方法、系统、存储介质及设备
CN115114713B (zh) * 2022-07-26 2022-11-15 江西少科智能建造科技有限公司 一种自动风盘布置方法、系统、存储介质及设备
CN115866628A (zh) * 2023-02-24 2023-03-28 北京万和汇通通信科技有限公司 一种室内分布系统确定方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN113393024A (zh) 室内空间规划方法、装置、电子设备及存储介质
CN108228986B (zh) 地铁车站三维建筑模型自动生成方法
Chung et al. An efficient tabu search algorithm to the cell formation problem with alternative routings and machine reliability considerations
Liu et al. Agent-based simulation of building evacuation after an earthquake: coupling human behavior with structural response
CN108335356B (zh) 地铁车站三维模型自动生成方法
CN102646166A (zh) 一种复杂建筑室内应急疏散模拟的方法
Gao et al. A hybrid genetic algorithm for multi-emergency medical service center location-allocation problem in disaster response.
Li et al. Design of level of service on facilities for crowd evacuation using genetic algorithm optimization
Chen et al. Full-chip routing considering double-via insertion
JP2018509704A (ja) スライスを使用して建築設計図を生成する方法およびシステム
CN110968905B (zh) 房屋空间区域分配方法、装置、存储介质及电子设备
Lee et al. In-building automated external defibrillator location planning and assessment through building information models
CN115545359B (zh) 一种面向复杂建筑火灾的动态智能疏散方法及装置
Lui et al. Constructal design of evacuation from a three-dimensional living space
Bahrami et al. A maximal covering facility location model for emergency services within an M (t)/M/m/m queuing system
Thakur et al. Architectural layout planning using genetic algorithms
Cortés et al. Design and analysis of a tool for planning and simulating dynamic vertical transport
CN111814338B (zh) 一种建筑物疏散路径生成方法、系统及设备
KR100798658B1 (ko) 미래형 주상복합건물에서의 최적보행자 경로산정 알고리즘
Smith Application of state-dependent queues to pedestrian/vehicular network design
WO2020240932A1 (ja) 移動需要推定システム、移動需要推定方法、人流推定システムおよび人流推定方法
CN114997537A (zh) 一种应急调度方法、装置、设备及介质
US20220114296A1 (en) Methods, systems, and media for generating building layouts
KR101817582B1 (ko) 고층건물 내부에서의 보행경로 안내 시스템 및 보행경로 탐색 방법
Wu et al. Integrated design of the block layout and aisle structure by simulated annealing

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