CN113744476A - 建筑物内应急疏散指引方法及装置 - Google Patents
建筑物内应急疏散指引方法及装置 Download PDFInfo
- Publication number
- CN113744476A CN113744476A CN202110910951.2A CN202110910951A CN113744476A CN 113744476 A CN113744476 A CN 113744476A CN 202110910951 A CN202110910951 A CN 202110910951A CN 113744476 A CN113744476 A CN 113744476A
- Authority
- CN
- China
- Prior art keywords
- evacuation
- building
- network
- device group
- decision
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
- G08B7/066—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip
-
- 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
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
- G08B7/062—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources indicating emergency exits
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09F—DISPLAYING; ADVERTISING; SIGNS; LABELS OR NAME-PLATES; SEALS
- G09F13/00—Illuminated signs; Luminous advertising
- G09F13/04—Signs, boards or panels, illuminated from behind the insignia
- G09F13/0413—Frames or casing structures therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种建筑物内应急疏散指引方法及装置,包括网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后,发送给云端的疏散指引决策人工智能模型,计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络;网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令。本发明基于计算机动态模拟和深度神经网络,构建大型建筑内智能应急疏散指引方法,并提出一种应用智能物联网硬件采集多维度环境信息、反馈最佳疏散方向的装置,来解决大型公共建筑内的智能化、动态化的人员应急疏散问题。
Description
技术领域
本发明涉及一种建筑物内应急疏散指引方法及装置。
背景技术
在火灾、地震、电气事故等紧急情况下,如何快速、有序、安全地让建筑中各区域的人员完成疏散是建筑设计和运维管理中必须严加考虑的问题。良好的疏散指引是保证人民生命安全的基本手段。但是,近年来随着大型公共建筑的体量越来越大,空间也越来越复杂,令紧急情况下的疏散指引变得困难。已有的疏散路线计算常采用静态的最短寻路算法,只考虑尽可能短,而没有计入不同方向上的安全性的差别。也有一些改进的方法考虑危险源,但没有很好解决将环境危险状况实时地纳入疏散决策中,也就缺乏智能性和科学性。
发明内容
本发明的目的在于提供一种建筑物内应急疏散指引方法及装置。
为解决上述问题,本发明提供一种建筑物内应急疏散指引方法,包括:
以数字化模型的方法,录入建筑物的所有房间的属性以及房间之间的几何连通关系,然后指定底层的安全疏散口位置;
在计算机中自动模拟大量的疏散场景,其中,每个疏散场景包括:随机生成的动态危险情况;然后给每个疏散场景中的建筑物的所有房间生成一条疏散路线,对每条疏散路线进行评分;
构建一个采用神经网络的疏散指引决策人工智能模型,然后从疏散路线中选取得分较高的疏散路线,作为所述神经网络的优质训练集,所述疏散指引决策人工智能模型的输入是:目前所处位置和当前有危险区域的位置集合,输出是:最优的下一步疏散方向,使用所述优质训练集预先训练好所述疏散指引决策人工智能模型,并存储在云端服务器上;
在建筑物的各关键区域点位部署智能应急疏散指引装置的边缘侧物联网智能装置组,所述边缘侧物联网智能装置组使用多种传感器实时监测每个关键区域点位的环境参数,同时计算预设小时内的环境参数的平均值,若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围或烟雾传感器有信号,则向网络发送环境危险信息;同时,所述边缘侧物联网智能装置组控制摄像头实时拍摄关键区域点位的照片和视频流,通过AI识别人体上身和人脸,向网络报告目前区域的拥挤度信息和人数;
网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后,发送给云端的疏散指引决策人工智能模型,计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络;网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令。
进一步的,在上述方法中,所述房间的属性包括:房间类型、面积、额定人数和是否有潜在的危险源。
进一步的,在上述方法中,对每条疏散路线进行评分中,
若路线越长、经过的危险区域越多、路线上拥挤的人数越多,则评分越低。
进一步的,在上述方法中,对每条疏散路线进行评分的算式为:
S=100-40(L/D-1)-20m-5n-10∑pi/p1;
其中,S为总得分,L为疏散路线的实际长度,D为房间到最近安全疏散口的直线距离,m为经过的危险区域的数量,n为经过危险区域附近的较危险区域的次数,p1为本区域目前人数,∑pi为疏散路线上碰到的其他人数量总和。
进一步的,在上述方法中,所述神经网络为深度全连接神经网络DNN。
进一步的,在上述方法中,从疏散路线中选取得分较高的疏散路线,包括:
然后从疏散路线中选取得分最高的前1%疏散路线。
进一步的,在上述方法中,所述环境参数包括:烟雾、环境温度、湿度和气压数据。
进一步的,在上述方法中,若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围,包括:
若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的±20%。
进一步的,在上述方法中,网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令之后,还包括:
边缘侧物联网智能装置组控制蜂鸣器对人群发出明确报警信号,并控制智能LED点阵屏指示最优疏散方向。
根据本发明的另一方面,还提供一种建筑物内应急疏散指引装置,包括:边缘侧物联网智能装置组、5G网络和云端人工智能服务器,其中
所述边缘侧物联网智能装置组通过5G网络与云端人工智能服务器通信;
边缘侧物联网智能装置组,包括:
小型计算主板;
分别与所述小型计算主板连接的烟雾传感器、温湿度气压传感器、摄像头、蜂鸣器、LED点阵屏、电源适配器和应急电池;
人工智能云端服务器,包括:拓扑存储模块和疏散决策模块,其中,
所述拓扑存储模块保存了楼宇的空间属性与几何拓扑关系;
所述疏散决策模块负责计算出最终的决策指令。
与现有技术相比,与现有技术相比,本发明具有以下技术效果:
1、智能疏散指引方法采用深度学习模型,疏散中可根据动态的危险情况和拥挤的区域做智能决策调整,提升了疏散决策的及时性和安全程度。
2、智能疏散指引装置集成多种物联网智能设备,可从多角度完整及时地采集危险情况,提升了疏散决策的科学性。并且发出的指引明确易懂。
3、装置使用多重安全保障设施,保证火灾、断网、断电条件下仍能正常运行。
附图说明
图1是本发明一实施例的建筑物内应急疏散指引方法的流程图;
图2是本发明一实施例的整体装置示意图的示意图;
图3是本发明一实施例的装置详细组件示意图图;
图4是本发明一实施例的信息流与组件协同工作示意图;
图5是本发明一实施例的的LED点阵屏指示示意图;
其中,100:建筑物内应急疏散指引装置;
110:边缘侧物联网智能装置组120:5G网络130:云端人工智能服务器;
211:小型计算主板212:控制协调分析集成模块213:烟雾传感器214:温湿度-气压传感器215:摄像头216:蜂鸣器217:LED点阵屏218:电源适配器219:应急电池;
232:拓扑存储模块234:疏散决策模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种建筑物内应急疏散指引方法,包括:
步骤S1,以数字化模型的方法,录入建筑物的所有房间的属性以及房间之间的几何连通关系,然后指定底层的安全疏散口位置;
在此,所述房间的属性包括:房间类型、面积、额定人数和是否有潜在的危险源等;
步骤S2,在计算机中自动模拟大量的疏散场景,其中,每个疏散场景包括:随机生成的动态危险情况;然后给每个疏散场景中的建筑物的所有房间生成一条疏散路线,对每条疏散路线进行评分,若路线越长、经过的危险区域越多、路线上拥挤的人数越多,则评分越低;
在此,对每条疏散路线进行评分的算式为:
S=100-40(L/D-1)-20m-5n-10∑pi/p1;
其中,S为总得分,L为疏散路线的实际长度,D为房间到最近安全疏散口的直线距离,m为经过的危险区域的数量,n为经过危险区域附近的较危险区域的次数,p1为本区域目前人数,∑pi为疏散路线上碰到的其他人数量总和。
步骤S3,构建一个采用深度全连接神经网络DNN的疏散指引决策人工智能模型,然后从大量的疏散路线中选取得分最高的前1%疏散路线,作为深度全连接神经网络DNN的优质训练集,所述疏散指引决策人工智能模型的输入是:目前所处位置和当前有危险区域的位置集合,输出是:最优的下一步疏散方向,使用所述优质训练集预先训练好所述疏散指引决策人工智能模型,并存储在云端服务器上;
步骤S4,在建筑物的各关键区域点位部署智能应急疏散指引装置的边缘侧物联网智能装置组,所述边缘侧物联网智能装置组使用多种传感器实时监测每个关键区域点位的环境参数,所述环境参数包括:烟雾、环境温度、湿度和气压数据,同时计算6小时内的环境参数的平均值,若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离6小时内的环境参数的平均值的±20%或烟雾传感器有信号,则向网络发送环境危险信息;同时,所述边缘侧物联网智能装置组控制摄像头实时拍摄关键区域点位的照片和视频流,通过AI识别人体上身和人脸,向网络报告目前区域的拥挤度信息和人数;
步骤S5,网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后,发送给云端的疏散指引决策人工智能模型,计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络;网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令;边缘侧物联网智能装置组控制蜂鸣器对人群发出明确报警信号,并控制智能LED点阵屏指示最优疏散方向。
在此,本发明基于计算机动态模拟和深度神经网络,构建大型建筑内智能应急疏散指引方法,并提出一种应用智能物联网硬件采集多维度环境信息、反馈最佳疏散方向的装置,来解决大型公共建筑内的智能化、动态化的人员应急疏散问题。
具体的,本发明可包括如下步骤:
1、按前述方法,训练好神经网络决策模型。在典型的大体量建筑中,约有500个房间、走廊、楼梯区域,故采用的深度神经网络的输入端有约1000个节点,输出端约500个节点,中间有5个隐藏层。然后在云端服务器部署该决策模型
2、搭建疏散指引装置。如图2,在建筑物的各关键区域点位部署约100个智能应急疏散指引装置的边缘侧物联网智能装置组,它们连接到5G网络模块,并从网络获取点位的决策信息。5G网络模块与云端人工智能服务器通讯。
3、装置的详细构造如图3,装置的信息流交换情况如图4。首先,边缘侧物联网智能装置组的所有硬件设备安装至一个小型计算主板211,控制-协调-分析集成模块212持续运行在计算主板的操作系统中。烟雾传感器213和温湿度-气压传感器214采集建筑物环境参数,将环境危险信息发送给集成模块212。若环境参数偏离平均值±20%或烟雾传感器有可燃气体或烟雾信号,则通过集成模块212向网络发送环境危险信息。同时,摄像头215实时拍摄点位附近的照片和视频流,通过集成模块212的AI程序识别人体上身和人脸,向5G网络模块120报告目前区域的拥挤度信息和人数,同时将本点位附近的人员位置分布传送至5G网络模块120。
4、5G网络模块120实时汇集所有边缘侧发来的信息,向云端AI服务器130发送汇总的人员位置信息和汇总的边缘侧分析数据。人工智能云端服务器130负责从5G网络获取汇总的人员位置信息和所有边缘侧分析数据,其中拓扑存储模块232在存储硬件中保存了楼宇的空间属性与几何拓扑关系,即正常情况下,房间与走廊、走廊与楼梯间、楼梯间与底层大厅的连通情况等。疏散决策模块234的AI模型计算得到最优的疏散决策后,发送至5G网络模块120,然后分发决策指令至每个边缘侧装置110。最终由蜂鸣器216输出声音信号,对人群发出明确报警信号;同时智能LED点阵屏217指示最优疏散方向,按图5的方案输出五种光信号。
5、边缘侧装置组封装于阻燃硬质亚克力材料的外壳,可以较好抵抗火灾和冲击。在正常工作情况下,主板使用适配器218从普通插座获得电源,同时对应急电池219进行充电。若严重的火灾或电气事故破坏本点位的供电,则装置组可以立即切换至应急电池219,保证疏散指引功能仍可以正常使用。5G网络和云端服务器均为异地部署,不会受现场供电环境的影响。综上,本系统和装置在严重灾害下仍能发挥全部作用,除非在物理上彻底破坏边缘侧装置。
本发明还提出一种建筑物内应急疏散指引装置100,包括:边缘侧物联网智能装置组110、5G网络120和云端人工智能服务器130,其中
所述边缘侧物联网智能装置组通过5G网络与云端人工智能服务器通信;
边缘侧物联网智能装置组110,包括:小型计算主板211,分别与所述小型计算主板211连接的烟雾传感器213、温湿度气压传感器214、摄像头215、蜂鸣器216、LED点阵屏217、电源适配器217和应急电池219;
人工智能云端服务器130,包括:拓扑存储模块232和疏散决策模块234,其中,所述拓扑存储模块保存了楼宇的空间属性与几何拓扑关系;疏散决策模块负责计算出最终的决策指令。
具体的,本发明涉及的智能应急疏散指引装置包括:边缘侧物联网智能装置组110、5G网络模块120、云端人工智能服务器130等三部分。本装置基于模块间协作,实现应急疏散智能指引方法。
边缘侧物联网智能装置组110,包括:
(1)烟雾传感器;采集可燃气体和烟雾信息;
(2)温湿度-气压传感器:采集建筑物相应的环境参数,将环境危险信息发送给集成模块;
(3)摄像头模块:采集人员行为信息,以图片和视频流的形式传到集成模块,同时将本点位附近的人员位置分布传送至5G网络模块120;
(4)蜂鸣器:输出声音信号,对人群发出明确报警信号;
(5)智能LED点阵屏:输出光信号指示最优疏散方向。
所有设备连接到一个小型计算主板211,运行在主板的控制-协调-分析集成模块212负责收集所有物联网设备的数据并做必要分析,计算本点位的环境参数是否达到危险阈值;同时通过运行AI算法识别人体上身和人脸,得到拥挤度信息,然后将本点位分析数据发送至5G网络模块。正常工作情况下主板使用适配器从普通插座获得电源,同时对应急电池219进行充电。若严重的火灾或电气事故破坏本点位的供电,则装置组可以立即切换至应急电池,保证疏散指引功能仍可以正常使用。
本发明使用外部5G网络模块120进行远程通信,负责汇集边缘侧物联网装置组发来的数据后发送给云端服务器,也负责接收云端服务器的疏散决策并分发至每个边缘侧装置。智能应急疏散指引方法以计算机程序形式,安装在边缘侧智能装置组和云端人工智能服务器。
本发明的人工智能云端服务器130负责从5G网络获取汇总的人员位置信息和所有边缘侧分析数据,综合这些信息,经疏散决策模块的AI模型计算得到最优的疏散决策后,发送至5G网络模块,然后分发决策指令至每个边缘侧物联网智能装置组110。人工智能云端服务器130的子模块包括拓扑存储模块和疏散决策模块。拓扑存储模块在存储硬件中保存了楼宇的空间属性与几何拓扑关系,即正常情况下,房间与走廊、走廊与楼梯间、楼梯间与底层大厅的连通情况等。疏散决策模块是安装了疏散指引算法软件的计算机介质,负责计算出最终的决策指令。
边缘侧物联网智能装置组110封装于阻燃硬质亚克力材料的外壳,可以较好抵抗火灾和冲击。边缘侧物联网智能装置组110在灾害中断电的情况下可以立即切换至应急电池,不影响正常工作。
5G网络120的基站在楼外,不会受现场网络中断的影响。
云端服务器130在异地机房部署,不会受现场供电环境和网络中断的影响。
综上,本系统和装置在严重灾害下仍能发挥全部作用。
与现有技术相比,本发明具有以下技术效果:
1、智能疏散指引方法采用深度学习模型,疏散中可根据动态的危险情况和拥挤的区域做智能决策调整,提升了疏散决策的及时性和安全程度。
2、智能疏散指引装置集成多种物联网智能设备,可从多角度完整及时地采集危险情况,提升了疏散决策的科学性。并且发出的指引明确易懂。
3、装置使用多重安全保障设施,保证火灾、断网、断电条件下仍能正常运行。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种建筑物内应急疏散指引方法,其特征在于,包括:
以数字化模型的方法,录入建筑物的所有房间的属性以及房间之间的几何连通关系,然后指定底层的安全疏散口位置;
在计算机中自动模拟大量的疏散场景,其中,每个疏散场景包括:随机生成的动态危险情况;然后给每个疏散场景中的建筑物的所有房间生成一条疏散路线,对每条疏散路线进行评分;
构建一个采用神经网络的疏散指引决策人工智能模型,然后从疏散路线中选取得分较高的疏散路线,作为所述神经网络的优质训练集,所述疏散指引决策人工智能模型的输入是:目前所处位置和当前有危险区域的位置集合,输出是:最优的下一步疏散方向,使用所述优质训练集预先训练好所述疏散指引决策人工智能模型,并存储在云端服务器上;
在建筑物的各关键区域点位部署智能应急疏散指引装置的边缘侧物联网智能装置组,所述边缘侧物联网智能装置组使用多种传感器实时监测每个关键区域点位的环境参数,同时计算预设小时内的环境参数的平均值,若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围或烟雾传感器有信号,则向网络发送环境危险信息;同时,所述边缘侧物联网智能装置组控制摄像头实时拍摄关键区域点位的照片和视频流,通过AI识别人体上身和人脸,向网络报告目前区域的拥挤度信息和人数;
网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后,发送给云端的疏散指引决策人工智能模型,计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络;网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令。
2.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,所述房间的属性包括:房间类型、面积、额定人数和是否有潜在的危险源。
3.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,对每条疏散路线进行评分中,
若路线越长、经过的危险区域越多、路线上拥挤的人数越多,则评分越低。
4.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,对每条疏散路线进行评分的算式为:
S=100-40(L/D-1)-20m-5n-10∑pi/p1;
其中,S为总得分,L为疏散路线的实际长度,D为房间到最近安全疏散口的直线距离,m为经过的危险区域的数量,n为经过危险区域附近的较危险区域的次数,p1为本区域目前人数,∑pi为疏散路线上碰到的其他人数量总和。
5.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,所述神经网络为深度全连接神经网络DNN。
6.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,从疏散路线中选取得分较高的疏散路线,包括:
然后从疏散路线中选取得分最高的前1%疏散路线。
7.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,所述环境参数包括:烟雾、环境温度、湿度和气压数据。
8.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围,包括:
若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的±20%。
9.如权利要求1所述的建筑物内应急疏散指引方法,其特征在于,网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令之后,还包括:
边缘侧物联网智能装置组控制蜂鸣器对人群发出明确报警信号,并控制智能LED点阵屏指示最优疏散方向。
10.一种建筑物内应急疏散指引装置,其特征在于,包括:边缘侧物联网智能装置组、5G网络和云端人工智能服务器,其中
所述边缘侧物联网智能装置组通过5G网络与云端人工智能服务器通信;
边缘侧物联网智能装置组,包括:
小型计算主板;
分别与所述小型计算主板连接的烟雾传感器、温湿度气压传感器、摄像头、蜂鸣器、LED点阵屏、电源适配器和应急电池;
人工智能云端服务器,包括:拓扑存储模块和疏散决策模块,其中,
所述拓扑存储模块保存了楼宇的空间属性与几何拓扑关系;
所述疏散决策模块负责计算出最终的决策指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110910951.2A CN113744476B (zh) | 2021-08-10 | 2021-08-10 | 建筑物内应急疏散指引方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110910951.2A CN113744476B (zh) | 2021-08-10 | 2021-08-10 | 建筑物内应急疏散指引方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744476A true CN113744476A (zh) | 2021-12-03 |
CN113744476B CN113744476B (zh) | 2022-10-25 |
Family
ID=78730466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110910951.2A Active CN113744476B (zh) | 2021-08-10 | 2021-08-10 | 建筑物内应急疏散指引方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744476B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463907A (zh) * | 2021-12-31 | 2022-05-10 | 珠海雷特科技股份有限公司 | 一种火灾疏散指引方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7579945B1 (en) * | 2008-06-20 | 2009-08-25 | International Business Machines Corporation | System and method for dynamically and efficently directing evacuation of a building during an emergency condition |
US20160321883A1 (en) * | 2015-04-28 | 2016-11-03 | JVC Kenwood Corporation | Wireless device, management device, and guide system for evacuation route guidance |
CN109191738A (zh) * | 2018-10-22 | 2019-01-11 | 公安部上海消防研究所 | 一种基于动态人流量监测的智能疏散方法和系统 |
CN109670270A (zh) * | 2019-01-11 | 2019-04-23 | 山东师范大学 | 基于多智能体深度强化学习的人群疏散仿真方法及系统 |
CN112562235A (zh) * | 2020-11-26 | 2021-03-26 | 上海应用技术大学 | 基于ZigBee的智能疏散指示系统 |
CN112634579A (zh) * | 2021-01-20 | 2021-04-09 | 国网西藏电力有限公司 | 一种变电站安防预警联动系统 |
-
2021
- 2021-08-10 CN CN202110910951.2A patent/CN113744476B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7579945B1 (en) * | 2008-06-20 | 2009-08-25 | International Business Machines Corporation | System and method for dynamically and efficently directing evacuation of a building during an emergency condition |
US20160321883A1 (en) * | 2015-04-28 | 2016-11-03 | JVC Kenwood Corporation | Wireless device, management device, and guide system for evacuation route guidance |
CN109191738A (zh) * | 2018-10-22 | 2019-01-11 | 公安部上海消防研究所 | 一种基于动态人流量监测的智能疏散方法和系统 |
CN109670270A (zh) * | 2019-01-11 | 2019-04-23 | 山东师范大学 | 基于多智能体深度强化学习的人群疏散仿真方法及系统 |
CN112562235A (zh) * | 2020-11-26 | 2021-03-26 | 上海应用技术大学 | 基于ZigBee的智能疏散指示系统 |
CN112634579A (zh) * | 2021-01-20 | 2021-04-09 | 国网西藏电力有限公司 | 一种变电站安防预警联动系统 |
Non-Patent Citations (1)
Title |
---|
杨海: "新型疏散及应急照明灯在地下建筑中的应用", 《电气时代》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463907A (zh) * | 2021-12-31 | 2022-05-10 | 珠海雷特科技股份有限公司 | 一种火灾疏散指引方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113744476B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101795395B (zh) | 一种人群态势监控系统及方法 | |
KR102209384B1 (ko) | 3차원 bim 객체 모델을 이용한 재난관리 시스템 및 재난관리 방법 | |
EP2366176B1 (en) | Route guidance system | |
US11450226B2 (en) | Predictive building emergency training and guidance system | |
CN108259625A (zh) | 一种基于建筑建模和人员移动定位的逃生救援方法 | |
CN110737989A (zh) | 一种平行智能应急协同方法、系统及电子装备 | |
CN104899577B (zh) | 建筑物内的人员数量确定方法和人群疏散方法 | |
CN107194564A (zh) | 基于建筑信息模型的智能安全疏散系统 | |
AU2010255714A1 (en) | Device for simulating an environment of an infrastructure supervision system | |
JP2006301475A (ja) | 地下空間浸水・避難シミュレーションシステム | |
CN113744476B (zh) | 建筑物内应急疏散指引方法及装置 | |
CN112288320A (zh) | 一种地铁运行风险监控和管理系统 | |
JP2014164540A (ja) | 避難行動予測システム及び避難行動予測プログラム | |
KR20220071880A (ko) | 지하공동구 맞춤형 디지털트윈 재난 관리 시스템 | |
CN108256447A (zh) | 一种基于深度神经网络的无人机航拍视频分析方法 | |
JP2000163685A (ja) | 交通流監視システム | |
CN115482507A (zh) | 基于人工智能的人群聚集消防预警方法及系统 | |
CN117649130A (zh) | 智能消防安全监控系统 | |
Guo et al. | Investigation of crowd’s aggregation measurement based on an entropy model | |
CN113256247A (zh) | 一种基于三维实景的智慧园区管理系统及计算机存储介质 | |
Handford et al. | An agent-based social forces model for driver evacuation behaviours | |
CN115828620B (zh) | 一种基于增强现实的矿山灾害应急仿真方法及系统 | |
KR20230017444A (ko) | 드론을 이용한 방역수칙준수 감시방법 | |
Du et al. | Multi-agent based simulation of elderly egress process and fall accident in senior apartment buildings | |
EP4125057A1 (en) | A system for automated monitoring and actioning of health risk mitigation |
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 |