CN113536433A - 基于bim平台的建筑灾后疏散动态逃生路线优化系统 - Google Patents
基于bim平台的建筑灾后疏散动态逃生路线优化系统 Download PDFInfo
- Publication number
- CN113536433A CN113536433A CN202110830360.4A CN202110830360A CN113536433A CN 113536433 A CN113536433 A CN 113536433A CN 202110830360 A CN202110830360 A CN 202110830360A CN 113536433 A CN113536433 A CN 113536433A
- Authority
- CN
- China
- Prior art keywords
- bim
- platform
- building
- post
- structural
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 230000006378 damage Effects 0.000 claims abstract description 41
- 230000036541 health Effects 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 11
- 230000008439 repair process Effects 0.000 claims abstract description 10
- 238000012106 screening analysis Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 18
- 239000003016 pheromone Substances 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000004888 barrier function Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 239000005712 elicitor Substances 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000010354 integration Effects 0.000 abstract description 3
- 206010063385 Intellectualisation Diseases 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000009526 moderate injury Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision 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
本发明公开了基于BIM平台的建筑灾后疏散动态逃生路线优化系统,包括地震波数据采集系统、结构健康状况数据分析系统和结构安全预警反馈系统;地震波数据采集系统对地震波数据和结构的实时状态参数进行采集;结构健康状况数据分析系统对采集到的数据进行筛选分析和结构损伤识别;结构安全预警反馈系统根据结构损伤数据,依次完成结构损伤智能判断、灾情警报、最优逃生路径生成和逃生指示,结构安全预警反馈系统包括BIM信息模型平台模块。本发明能够全自动实时监测、实时反馈结构安全状况和及时规划出逃生路径,可实现建筑结构监测、警报和灾后救援、修复一体化,具有智能化、时效化和准确化的特点。
Description
技术领域
本发明属于灾后应急处理领域,特别涉及了一种建筑灾后疏散动态逃生路线优化系统。
背景技术
地震有突发性、破坏性、不可预测和频率较高的特点。它作为一种自然灾害,易造成各类建(构)筑物坍塌、设施设备损害、交通通讯中断以及其他生命线工程破坏,进而导致人类生命与财产的损失,土木结构工程由于地震、火灾、飓风或各种长期荷载作用下会发生损伤,导致结构发生破坏或使用性能降低,埋下严重的安全隐患,进而造成人员财产的损伤。
然而,现阶段结构健康监测对结构健康状态的评价缺乏通用有效的损伤量化指标、数据多且复杂、成本高。此外,当地震灾害发生时,缺乏有效的逃生路径指引、后期灾后救援、修复工作效率低以及未能实现监测救援数据共享。因此,如何有效提高建筑结构损伤监测、灾情警报、逃生指示一体化,对于灾后救援具有重大的意义。
发明内容
为了解决上述背景技术提到的技术问题,本发明提出了一种基于BIM平台的建筑灾后疏散动态逃生路线优化系统。
为了实现上述技术目的,本发明的技术方案为:
一种基于BIM平台的建筑灾后疏散动态逃生路线优化系统,包括地震波数据采集系统、结构健康状况数据分析系统和结构安全预警反馈系统;所述地震波数据采集系统对地震波数据和结构的实时状态参数进行采集;所述结构健康状况数据分析系统对采集到的数据进行筛选分析和结构损伤识别;所述结构安全预警反馈系统根据结构损伤数据,依次完成结构损伤智能判断、灾情警报、最优逃生路径生成和逃生指示,结构安全预警反馈系统包括BIM信息模型平台模块,通过BIM信息模型平台模块直观地在BIM模型上显示建筑结构损伤部位,并在BIM平台上显示逃生路径。
进一步地,所述地震波数据采集系统包括地声传感探头、电磁传感探头、位移传感器、加速度传感器和监视器。
进一步地,所述地震波数据采集系统中的各传感器采用神经网络拓扑优化方法,建立建筑物的空间三维有限元模型,对其进行有限元模态分析,取得传感器优化布置计算所需节点的各阶振型—位移模态数据,从而实现传感器的最优化布置路径。
进一步地,所述结构健康状况数据分析系统包括数据筛选分析模块和基于BP神经网络的结构探伤模块;所述数据筛选分析模块采用主成分分析法,对采集到的数据进行筛选;所述基于BP神经网络的结构探伤模块利用建立的BP神经网络对建筑结构进行损伤定位和损伤程度的识别。
进一步地,所述结构安全预警反馈系统还包括逃生路径生成模块,所述逃生路径生成模块基于蚁群算法进行疏散路径规划,生成优化逃生路径。
进一步地,所述基于蚁群算法进行疏散路径规划的方法如下:
将建筑物在BIM模型中室内空间抽象为节点集V和通道集E组成G(V,E)的网络拓扑图,在节点集V中的节点分为普通节点和障碍节点,障碍节点表示不能通过的节点;通道集E中的通道Eij表示两个节点之间的有效通道;
将所有被疏散人员作为蚁群,则被疏散人员行进策略如下:
其中,为被疏散人员k从节点i向节点j移动的概率;ak为被疏散人员k下一步允许选择的节点集合;α是信息启发因子,表示通道的相对重要性,反映了被疏散人员行进过程中所积累的信息浓度在疏散过程中的作用程度;β是期望启发因子,表示能见度的相对重要性,反映了被疏散人员行进过程中启发信息在其选择通道路径中的受重视程度;ηij(t)为启发式信息函数,表示被疏散人员从节点i向节点j转移的期望程度;Γij(t)为通道Eij上的信息素。
进一步地,所述启发式信息函数ηij(t)的表达式:
其中,dij为两个节点之间的距离。
进一步地,所述信息素更新规则如下:
Γij(t+1)=(1-Φij)Γij(t)+ΔΓij(t)
其中,Γij(t+1)为下一时刻的信息素,Φij为信息蒸发系数,ΔΓij(t)为信息素增量。
其中,P为所有被疏散人员产生的信息浓度总量。
进一步地,所述结构安全预警反馈系统还包括报警反馈模块,报警反馈模块通过网络平台与公共报警服务平台联通,当建筑结构部位发生损伤或破坏时及时通知公共报警服务平台前往现场救援和灾后定位节点损伤部位修复;报警反馈模块还将建筑结构损伤情况和生成的最优逃生路径发送至用户手机客户端。
采用上述技术方案带来的有益效果:
本发明将结构损伤数据与BIM信息模型平台准确化对应,使结构健康状况的监测更加便捷化、信息化和可视化,实现全自动监测。本发明采用主成分分析法对地震波数据采集系统采集地震信息及数据进行筛选分析,进一步提高了数据信息的准确性与时效性。本发明基于蚁群算法和BIM信息模型平台,及时规划出逃生路径,更加智能化。本发明实现建筑结构监测、警报和灾后救援、修复一体化。
附图说明
图1是本发明系统基本组成框图;
图2是结构健康监测结果示意图;
图3是蚁群算法流程图;
图4是四层建筑物逃生路径示意图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明设计了一种基于BIM平台的建筑灾后疏散动态逃生路线优化系统,如图1所示,包括地震波数据采集系统、结构健康状况数据分析系统和结构安全预警反馈系统;所述地震波数据采集系统对地震波数据和结构的实时状态参数进行采集;所述结构健康状况数据分析系统对采集到的数据进行筛选分析和结构损伤识别;所述结构安全预警反馈系统根据结构损伤数据,依次完成结构损伤智能判断、灾情警报、最优逃生路径生成和逃生指示。
一、地震波数据采集系统包括:
地声传感探头、电磁传感探头:实时对临震、震时、震后的地声、电磁辐射,以及地温和地震振动数据进行采集和记录;
位移传感器、加速度传感器:建筑结构的状态参数(如变形、固有频率、振型)进行采集;
监视器:监视建筑内部动态画面;
地声传感探头、电磁传感探头、位移传感器、加速度传感器和监视器采用神经网络拓扑优化方法,建立建筑物的空间三维有限元模型,对其进行有限元模态分析,取得传感器优化布置计算所需节点的各阶振型—位移模态数据,从而实现传感器的最优化布置路径,起到降低成本作用。
二、结构健康状况数据分析系统包括:
数据筛选分析模块:采用主成分分析法,对采集到的数据进行筛选,提高灾情检测和判断的准确
具体地,①计算相关系数,相关系数计算公式:
②特征值和特征向量的计算,解的特征方程:
|λiE-R|=0
使用雅可比法求得特征值λi,E为单位矩阵,R为相关系数矩阵。
③计算主成分贡献率和累计贡献率,主成分的贡献率:
Qi为第k个主成分的贡献率。
第一主要组成部分的累积贡献率是:
Q为累计主成分量;取指标累计主分量大于85%的值。
④计算主分量载荷
lkj为第k层第j个指标的得分值。
之后,通过SPSS软件获得特征值、贡献率和累积贡献率,从而确定哪些参数作为综合指标。
基于BP神经网络的结构探伤模块:利用建立的BP神经网络对建筑结构进行损伤定位和损伤程度的识别,训练出相应的网络,对所训练出的网络进行数值模拟。
BP网络隐含层输出为:
BP网络输出层输出为:
该模块利用采集到的状态参数,运用神经网络方法对结构损伤识别进行全面的实际操作。利用建立的BP神经网络对建筑结构进行损伤定位和损伤程度的识别,训练出相应的网络,对所训练出的网络进行数值模拟。具体结果可在BIM信息模型平台上显示,其中有标注指示结构节点处发生损伤,如图2所示。
接着计算整栋建筑的震害指数,对照《中国烈度对照表2008》,可将房屋分为5个等级:基本完好--承重和非承重构件完好,或个别非承重构件轻微损坏,不加修理可继续使用,其震害指数为0~0.1;轻微破坏--个别承重构件出现可见裂缝,非承重构件有明显裂缝,不需要修理或稍加修理即可继续使用,其震害指数为0.1-0.3;中等破坏-多数承重构件出现轻微裂缝,部分有明显裂缝,个别非承重构件破坏严重,需要一般修理后可使用,其震害指数为0.3-0.55;严重破坏--多数承重构件破坏较严重,非承重构件局部倒塌,房屋修复困难,其震害指数为0.55-0.85;毁坏--多数承重构件严重破坏,房屋濒临崩溃或已倒毁,已无修复可能,其震害指数为0.85-1。如果建筑震害指数达到严重破坏或破坏,系统则会对逃生人员发出待在原位较为安全的地方(如卫生间角落,床板底下)等待救援。
三、结构安全预警反馈系统包括:
逃生路径生成模块:基于蚁群算法进行疏散路径规划,生成优化逃生路径。
将建筑物在BIM模型中室内空间抽象为节点集V和通道集E组成G(V,E)的网络拓扑图,在节点集V中的节点分为普通节点和障碍节点,障碍节点表示不能通过的节点;通道集E中的通道Eij表示两个节点之间的有效通道;
将所有被疏散人员作为蚁群,则被疏散人员行进策略如下:
其中,为被疏散人员k从节点i向节点j移动的概率;ak为被疏散人员k下一步允许选择的节点集合;α是信息启发因子,表示通道的相对重要性,反映了被疏散人员行进过程中所积累的信息浓度在疏散过程中的作用程度;β是期望启发因子,表示能见度的相对重要性,反映了被疏散人员行进过程中启发信息在其选择通道路径中的受重视程度;ηij(t)为启发式信息函数,表示被疏散人员从节点i向节点j转移的期望程度;Γij(t)为通道Eij上的信息素。
所述启发式信息函数ηij(t)的表达式:
其中,dij为两个节点之间的距离。
所述信息素更新规则如下:
Γij(t+1)=(1-Φij)Γij(t)+ΔΓij(t)
其中,P为所有被疏散人员产生的信息浓度总量。
BIM信息模型平台模块:可直观的在BIM模型上显示建筑结构损伤部位,并在BIM信息平台上显示逃生路径,如图4所示,(a)-(d)依次为建筑为第4层至第1层的逃生路径示意图。
报警反馈模块:可通过网络平台与公共报警服务平台联通,当建筑结构部位发生损伤或破坏时及时通知公共报警服务平台前往现场救援和灾后定位节点损伤部位修复;此外还可将建筑结构损伤情况和生成的最优逃生路径发送至用户手机客户端。
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (10)
1.一种基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:包括地震波数据采集系统、结构健康状况数据分析系统和结构安全预警反馈系统;所述地震波数据采集系统对地震波数据和结构的实时状态参数进行采集;所述结构健康状况数据分析系统对采集到的数据进行筛选分析和结构损伤识别;所述结构安全预警反馈系统根据结构损伤数据,依次完成结构损伤智能判断、灾情警报、最优逃生路径生成和逃生指示,结构安全预警反馈系统包括BIM信息模型平台模块,通过BIM信息模型平台模块直观地在BIM模型上显示建筑结构损伤部位,并在BIM平台上显示逃生路径。
2.根据权利要求1所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述地震波数据采集系统包括地声传感探头、电磁传感探头、位移传感器、加速度传感器和监视器。
3.根据权利要求2所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述地震波数据采集系统中的各传感器采用神经网络拓扑优化方法,建立建筑物的空间三维有限元模型,对其进行有限元模态分析,取得传感器优化布置计算所需节点的各阶振型—位移模态数据,从而实现传感器的最优化布置路径。
4.根据权利要求1所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述结构健康状况数据分析系统包括数据筛选分析模块和基于BP神经网络的结构探伤模块;所述数据筛选分析模块采用主成分分析法,对采集到的数据进行筛选;所述基于BP神经网络的结构探伤模块利用建立的BP神经网络对建筑结构进行损伤定位和损伤程度的识别。
5.根据权利要求1所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述结构安全预警反馈系统还包括逃生路径生成模块,所述逃生路径生成模块基于蚁群算法进行疏散路径规划,生成优化逃生路径。
6.根据权利要求5所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述基于蚁群算法进行疏散路径规划的方法如下:
将建筑物在BIM模型中室内空间抽象为节点集V和通道集E组成G(V,E)的网络拓扑图,在节点集V中的节点分为普通节点和障碍节点,障碍节点表示不能通过的节点;通道集E中的通道Eij表示两个节点之间的有效通道;
将所有被疏散人员作为蚁群,则被疏散人员行进策略如下:
其中,Pij k为被疏散人员k从节点i向节点j移动的概率;ak为被疏散人员k下一步允许选择的节点集合;α是信息启发因子,表示通道的相对重要性,反映了被疏散人员行进过程中所积累的信息浓度在疏散过程中的作用程度;β是期望启发因子,表示能见度的相对重要性,反映了被疏散人员行进过程中启发信息在其选择通道路径中的受重视程度;ηij(t)为启发式信息函数,表示被疏散人员从节点i向节点j转移的期望程度;Γij(t)为通道Eij上的信息素。
8.根据权利要求6所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述信息素更新规则如下:
Γij(t+1)=(1-Φij)Γij(t)+ΔΓij(t)
其中,Γij(t+1)为下一时刻的信息素,Φij为信息蒸发系数,ΔΓij(t)为信息素增量。
10.根据权利要求1所述基于BIM平台的建筑灾后疏散动态逃生路线优化系统,其特征在于:所述结构安全预警反馈系统还包括报警反馈模块,报警反馈模块通过网络平台与公共报警服务平台联通,当建筑结构部位发生损伤或破坏时及时通知公共报警服务平台前往现场救援和灾后定位节点损伤部位修复;报警反馈模块还将建筑结构损伤情况和生成的最优逃生路径发送至用户手机客户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110830360.4A CN113536433A (zh) | 2021-07-22 | 2021-07-22 | 基于bim平台的建筑灾后疏散动态逃生路线优化系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110830360.4A CN113536433A (zh) | 2021-07-22 | 2021-07-22 | 基于bim平台的建筑灾后疏散动态逃生路线优化系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113536433A true CN113536433A (zh) | 2021-10-22 |
Family
ID=78120461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110830360.4A Pending CN113536433A (zh) | 2021-07-22 | 2021-07-22 | 基于bim平台的建筑灾后疏散动态逃生路线优化系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113536433A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782846A (zh) * | 2022-06-20 | 2022-07-22 | 绵阳天仪空间科技有限公司 | 一种灾后救援引导系统及方法 |
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 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013041479A1 (de) * | 2011-09-20 | 2013-03-28 | Robert Bosch Gmbh | Evakuierungssystem zur planung von fluchtwegen in einem gebäude, verfahren sowie computerprogramm |
CN103024064A (zh) * | 2012-12-25 | 2013-04-03 | 东南大学 | 一种建筑状态监测和逃生指引系统及其方法 |
CN104835103A (zh) * | 2015-05-11 | 2015-08-12 | 大连理工大学 | 基于神经网络和模糊综合评价的移动网络健康评价方法 |
CN108871442A (zh) * | 2018-06-29 | 2018-11-23 | 宝葫历史建筑科技(上海)有限公司 | 一种基于bim和物联网的远程监测预警系统 |
CN109410490A (zh) * | 2018-10-25 | 2019-03-01 | 安徽含光软件开发有限公司 | 一种基于人工智能的人员路径疏散规划方法 |
CN111562745A (zh) * | 2019-02-14 | 2020-08-21 | 开利公司 | 智能控制系统和智能控制方法 |
CN112116220A (zh) * | 2020-09-01 | 2020-12-22 | 东莞理工学院 | 一种大规模建筑群震害人工智能预警及监测方法 |
-
2021
- 2021-07-22 CN CN202110830360.4A patent/CN113536433A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013041479A1 (de) * | 2011-09-20 | 2013-03-28 | Robert Bosch Gmbh | Evakuierungssystem zur planung von fluchtwegen in einem gebäude, verfahren sowie computerprogramm |
CN103024064A (zh) * | 2012-12-25 | 2013-04-03 | 东南大学 | 一种建筑状态监测和逃生指引系统及其方法 |
CN104835103A (zh) * | 2015-05-11 | 2015-08-12 | 大连理工大学 | 基于神经网络和模糊综合评价的移动网络健康评价方法 |
CN108871442A (zh) * | 2018-06-29 | 2018-11-23 | 宝葫历史建筑科技(上海)有限公司 | 一种基于bim和物联网的远程监测预警系统 |
CN109410490A (zh) * | 2018-10-25 | 2019-03-01 | 安徽含光软件开发有限公司 | 一种基于人工智能的人员路径疏散规划方法 |
CN111562745A (zh) * | 2019-02-14 | 2020-08-21 | 开利公司 | 智能控制系统和智能控制方法 |
CN112116220A (zh) * | 2020-09-01 | 2020-12-22 | 东莞理工学院 | 一种大规模建筑群震害人工智能预警及监测方法 |
Non-Patent Citations (2)
Title |
---|
杨光明等: "水工金属结构健康诊断理论、方法及应用", 30 November 2013, 河海大学出版社, pages: 142 - 143 * |
陈庆全;张栋楠;张永平;: "基于蚁群算法的动态人员疏散模拟", 微计算机信息, no. 10, 31 October 2012 (2012-10-31), pages 424 - 426 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114782846A (zh) * | 2022-06-20 | 2022-07-22 | 绵阳天仪空间科技有限公司 | 一种灾后救援引导系统及方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zanini et al. | Post-quake urban road network functionality assessment for seismic emergency management in historical centres | |
CN115392708A (zh) | 一种用于建筑消防的火灾风险评估和预警方法及系统 | |
Jalayer et al. | Effects of two alternative representations of ground‐motion uncertainty on probabilistic seismic demand assessment of structures | |
CN113536433A (zh) | 基于bim平台的建筑灾后疏散动态逃生路线优化系统 | |
Erdik et al. | Assessment of seismic risk in tashkent, uzbekistan and bishkek, kyrgyz republic | |
Noureldin et al. | Machine learning-based seismic assessment of framed structures with soil-structure interaction | |
Erduran et al. | Real-time earthquake damage assessment in the Romanian-Bulgarian border region | |
JP2006258639A (ja) | 地震被害予測システム | |
Markus et al. | Concept for an integrated disaster management tool | |
CN116644954B (zh) | 抽蓄工程施工安全风险智能化决策方法 | |
Sankaranarayanan | Seismic response of acceleration-sensitive nonstructural components mounted on moment-resisting frame structures | |
Zuccaro et al. | Caesar II: An Italian decision support tool for the seismic risk. The case study of Torre Pellice, Villar Pellice and Pinerolo municipalities | |
Satish et al. | Earthquake vulnerability of city regions based on building typology: Rapid assessment survey | |
Pakdamar et al. | Seismic risk assessment using updated hazard and building inventory data | |
El Sabbagh | Seismic Risk Assessment of Unreinforced Masonry Buildings Using Fuzzy Based Techniques for the Regional Seismic Risk Assessment of Ottawa, Ontario | |
Bayraktarli et al. | Capabilities of the Bayesian probabilistic networks approach for earthquake risk management | |
LU503117B1 (en) | Intelligent earthquake resistant method for coupling ground motion prediction and emergency rescue | |
Zone | Impact of new Madrid seismic zone earthquakes on the Central USA | |
Hayashi et al. | Implementation of real-time seismic diagnostic system on emergency management center buildings: system introduction and operational status on municipal government office buildings | |
Markus et al. | Strong earthquakes, rapid damage assessment and rescue planning | |
CN104318045A (zh) | 一种寒地城市社区级避难空间避难安全评价方法 | |
Thibert | A methodology for assessing the seismic risk of buildings | |
Al Shamsi | Seismic risk assessment of buildings in Dubai, United Arab Emirates | |
De Iuliis | Fuzzy-Based Model to Evaluate the Downtime and the Resilience of Building Structures Following an Earthquake | |
CN118313279B (zh) | 高原高寒铁路地震灾害场景模拟方法 |
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 |