CN113806832B - 一种基于行为仿真的社区地震应急疏散空间优化设计方法 - Google Patents
一种基于行为仿真的社区地震应急疏散空间优化设计方法 Download PDFInfo
- Publication number
- CN113806832B CN113806832B CN202111016452.5A CN202111016452A CN113806832B CN 113806832 B CN113806832 B CN 113806832B CN 202111016452 A CN202111016452 A CN 202111016452A CN 113806832 B CN113806832 B CN 113806832B
- Authority
- CN
- China
- Prior art keywords
- community
- evacuation
- earthquake
- emergency
- building
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000004088 simulation Methods 0.000 title claims abstract description 74
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 238000013461 design Methods 0.000 title claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 53
- 238000011160 research Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 10
- 230000009471 action Effects 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 description 26
- 230000008859 change Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 241001330002 Bambuseae Species 0.000 description 1
- 206010049976 Impatience Diseases 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000036997 mental performance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Human Computer Interaction (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于行为仿真的社区地震应急疏散空间优化设计方法，包括如下步骤：S1：构建反映现实高密度社区的虚拟环境分析模型；S2：建立震后高密度社区应急疏散空间分析模型；S3：构建震后高密度社区人员应急疏散仿真模型；S4：优化并整合社区紧急避难场所空间的布局；S5：建立高密度社区应急避难时间满意度覆盖模型；S6：分别模拟高密度社区空间无组织和有组织情景下社区人员震后应急疏散动态过程，对比验证有组织疏散服务责任区划分的科学性。本发明所述的基于行为仿真的社区地震应急疏散空间优化设计方法，可用于研究城市高密度社区震后应急疏散，优化高密度社区应急疏散空间，提高震后高密度社区应急疏散和保障能力。
Description
技术领域
本发明属于社区避难空间优化设计技术领域，尤其是涉及一种基于行为仿真的社区地震应急疏散空间优化设计方法。
背景技术
随着城市人口急剧增长的同时城市建设所用的土地资源却有限，城市居住形式逐渐向高密度社区住宅楼演变。高密度社区住宅楼社区具有建筑密集，人员高度集中的特点，一旦发生突发性灾害例如地震等，高密度社区的应急疏散大概率呈现出混乱，无序等特点，会使得人员伤亡数量增加，救灾难度急剧上升。建筑物的倒塌破坏是地震灾害的主要次生灾害之一。建筑物倒塌不仅会造成大量的人员伤亡和财产损失，而且震后建筑物倒塌所产生的结构坠落物会减小道路的有效宽度，从而严重影响人员疏散和救灾过程。为了保障高密度社区高效有序地完成震后人员应急疏散，并使现有的城市应急避难场所完全满足应急避难需求，急需以有效性、均衡性以及可达性为原则对应急疏散场所空间布局和社区疏散规划进行优化设计。只有应用了合理有效的应急疏散空间规划和社区疏散规划，才能提高人员应急疏散效率，使得人员及时撤离，在震后应急疏散规划过程中，需要对疏散场所空间布局和社区疏散规划进行合理的优化设计。
震后人员应急疏散过程中，恐慌心理和从众心理和人员的应急疏散效率息息相关。适当的恐慌心理会提高人员疏散效率，但过度的恐慌情绪会导致疏散人员做出不经思考的非理性疏散行为，甚至消极的不避难行为。在人员应急疏散过程中，特别是在震后人员应急疏散的过程中，高密度社区居民平时缺乏疏散演练，对社区道路了解程度有限，此时更容易受他人心理和行为的影响而出现从众心理，而更愿意靠近人群。一定程度上的从众心理有降低整体疏散时间，推进疏散进程的正面作用。但是，当疏散路径上的人员密度过大，拥挤程度过大时，疏散人员则会产生盲目从众心理，进而产生的羊群行为会减缓人员疏散进程，对疏散时间产生负面作用。高密度社区居民的应急疏散行为可以分为以下四个方面：个人决策行为、从众结伴行为以及拥挤行为。大多数情况下，面对地震灾害等突发情况，高密度社区居民需要根据自身对社区环境和周围应急避难场所位置的了解程度，及时做出个人疏散决策。“从众”产生的原因在于缺乏对事物的了解和认知能力，不能表现出决策意识，表现为跟随其他个体的“从众”行为。由于高密度社区内居民的亲属血缘关系，以及儿童和老年人的移动限制较大，故疏散过程中从众结伴行为的出现概率会大大增加。由于地震灾害时建筑物倒塌产生的坠落物会使道路有效宽度变窄，在恐慌状态下疏散人员会迅速改变原本的逃生路线，并希望迅速避开阻碍在他们前面的坠落物堆积，到达疏散目的地，于是疏散人群移动方向发生急剧变化且互不相让的情况造成了受阻路段的人群拥挤行为，甚至会由于人群密度过大而产生过度拥挤的现象，不仅会造成疏散人员恐慌心理的加剧，疏散进程的滞留，严重情况下还会造成人员踩踏等伤亡现象的产生。因此，需要提供一种同时考虑紧急疏散情况下人员心理和行为变化的社区人员应急疏散空间优化设计方法。
发明内容
有鉴于此，本发明旨在提出一种基于行为仿真的社区地震应急疏散空间优化设计方法，以模拟震后社区人员疏散动态过程，改善社区空间震后环境，优化避难场所空间布局及疏散通道，划分社区建筑避难责任区，提高社区人员地震应急疏散效率，提升社区安全疏散韧性能力。
为达到上述目的，本发明的技术方案是这样实现的：
一种基于行为仿真的社区地震应急疏散空间优化设计方法，包括如下步骤：
S1：构建反映现实高密度社区的虚拟环境分析模型；
S2：建立震后高密度社区应急疏散空间分析模型；
S3：构建震后高密度社区人员应急疏散仿真模型；
S4：优化并整合社区紧急避难场所空间的布局；
S5：建立高密度社区应急避难时间满意度覆盖模型；
S6：采用NETLOGO平台分别模拟高密度社区空间无组织和有组织情景下社区人员震后应急疏散动态过程，对比验证有组织疏散服务责任区划分的科学性。
进一步的，所述S1中，构建反映现实高密度社区的虚拟环境分析模型的具体步骤为：
S11、采用BigMap下载研究区域的建筑轮廓，利用AutoCAD完善研究区域环境，包括社区住宅建筑和应急避难场所的轮廓图；
S12、将绘制好的研究区域环境轮廓图导入Arc Map GIS中，运用GIS技术对研究区域的空间要素数据进行预处理，根据环境的不同属性创建点、线、面要素，以区分不同类型的环境因素，得到该区域的建筑物和避难场所地理空间数据；
S13、通过GIS转换工具，将建筑物和避难场所数据要素类转换为shapefile文件，利用NETLOGO中的GIS Extension扩展模块将建筑物和避难场所地理空间数据的shapefile文件导入NETLOGO仿真平台中作为社区疏散模拟环境，从而构建了高密度社区应急疏散的空间环境模型和应急避难场所的地理空间数据。
进一步的，所述S2中，建立震后高密度社区应急疏散空间分析模型的具体方法为：
S21、结合高密度社区建筑、路网和避难场所的地理空间数据生成反映现实的高密度社区的虚拟环境分析模型；
S22、震后社区待疏散人员空间分布规律采用按照建筑面积估算疏散人数的方法；
S23、将建筑坠落次生灾害影响范围及疏散通道有效疏散宽度，避难场所可达性与疏散通道通行能力加入震后高密度社区应急疏散空间分析模型。
进一步的，所述S22中，按照建筑面积估算疏散人数的方法具体如下式(1)和式(2)所示，其中，P为该研究区域内需要疏散的人员数量；Pi为该区域内第i个建筑物内部的疏散人数(i＝1,2,3...,n)；Si指的是该区域内第i个建筑物的建筑实用面积，单位为m2；Ni指的是该区域内第i个建筑物的层数；Ai指的是该区域内第i个建筑物的人均用地面积，单位为m2/人；地震灾害作用下实际需要疏散人数按照总人口的70％计算，
Pi＝Si×Ni/Ai×0.7 (2)。
进一步的，所述S23中，建筑坠落次生灾害影响范围为其中H为建筑高度，据下式(3)计算得到震后疏散通道宽度，其中Nw为震后道路宽度，Ow为震前道路宽度，a为建筑层数，2.6为建筑物的平均层高，0.5为一般建筑坠落物的宽度，
Nw＝Ow-(a×2.6)×0.58×0.5 (3)。
进一步的，所述S3中构建震后高密度社区人员应急疏散仿真模型的方法为:
S31、根据震后不同人员应急疏散心理、行为特性，设置避难场所智能体、建筑智能体、疏散人员智能体的运行规则；
S32、设定社区中不同类型的疏散人员数量比例，其中儿童:成年男性:成年女性:老人＝1:5:3:1；
S33、采用NETLOGO平台开展高密度社区人员多情景仿真模拟，根据有受阻路段、有恐慌心理、有合作结伴行为，开展震后多情景下的人员应急疏散模拟。
进一步的，所述S33中，疏散人员恐慌心理对移动速度的影响如下公式所示：
v'(t)＝v(t)+tanxious·Dshelter (4)
其中，v'(t)表示恐慌心理下的人员疏散速度，单位为：m/s；v(t)表示人员原始疏散速度单位为：m/s；tanxious表示恐慌值，单位为：m/s为s-1；Dshelter表示疏散人员到应急避难场所的距离单位为：m。
进一步的，所述S4中，优化并整合社区紧急避难场所空间的布局的具体方法为：基于多智能体疏散行为动态模拟，分析社区应急避难场所可达性、均衡性、利用率，优化整合社区周边避难场所空间布局与容量要求，并仿真模拟以验证避难场所重新布局后社区疏散效果。
进一步的，所述具体包括如下子步骤:
S51、高密度社区应急避难时间满意覆盖模型，设计的算法步骤为：设Ei(i＝1,2...m)为社区住宅楼集合；Sj(j＝1,2...n)为候选社区应急避难场所集合；p为设置的应急避难场所总数量(p≤n)；αi为社区住宅楼Ei的时间满意度水平；ωi为社区住宅楼Ei的预测疏散居民数量；Li为社区住宅楼Ei在时间满意度为1时的最大距离；Ui为社区住宅楼Ei在时间满意度为0时的最小距离；tij为候选避难场所Sj到社区住宅楼Ei的时间；Cj为城市疏散管理部门对候选避难场所Sj的偏好程度，若被设置，则xj＝1，反之xj＝0；若F(tij)≥αi，则yij＝1，反之yij＝0，F(tij)为社区住宅楼Ei对候选避难场所Sj的疏散时间满意度函数：
S52、基于最大覆盖选址模型和“部分覆盖”的思想，建立如下的有限设置应急避难场所的时间满意度覆盖模型：
s.t.F(tij)xj≥αiyij (7)
式中，目标函数z表示当被覆盖的社区住宅楼对时间的满意度最大时，覆盖的疏散人数最多；式(6)表示使得覆盖时间半径达到αi时，才能满足所有社区住宅楼被应急避难场所覆盖；式(7)表示指定的应急避难场所数量为p；式(8)表示决策变量xj和yij均为(0,1)之间的整数变量；若F(tij)＝1,αi＝1,(1≤i≤m,1≤j≤n)，且不考虑城市疏散管理部门对候选避难场所的偏好程度Cj，则社区住宅楼能够被完全覆盖。
相对于现有技术，本发明所述的基于行为仿真的社区地震应急疏散空间优化设计方法具有以下优势：
(1)本发明所述的基于行为仿真的社区地震应急疏散空间优化设计方法，可用于研究城市高密度社区震后应急疏散，优化高密度社区应急疏散空间，提高震后高密度社区应急疏散和保障能力。
(2)本发明所述的基于行为仿真的社区地震应急疏散空间优化设计方法，模拟震后社区人员疏散动态过程，改善社区空间震后环境，优化避难场所空间布局及疏散通道，划分社区建筑避难责任区，提高社区人员地震应急疏散效率，提升社区安全疏散韧性能力。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例所述的基于行为仿真的社区地震应急疏散空间优化设计方法的流程框图；
图2为本发明实施例所述的居民智能体在仿真系统中的运行流程图；
图3为本发明实施例所述的如皋市研究区域环境平面构建图；
图4为本发明实施例所述的疏散人员空间分布图；
图5为本发明实施例所述的地震作用后建筑物倒塌后影响范围示意图；
图6为本发明实施例所述的考虑坠落物影响的社区环境模型；
图7为本发明实施例所述的健康西村疏散开始5分钟时居民智能体的空间分布图；
图8为本发明实施例所述的健康西村疏散开始5分钟时的各项疏散指标；
图9为本发明实施例所述的健康西村疏散完成时各项指标；
图10为本发明实施例所述的健康西村疏散完成时人口变化图；
图11为本发明实施例所述的模拟健康西村疏散20次时耗时的仿真结果；
图12为本发明实施例所述的健康新村疏散开始5分钟时居民智能体的空间分布图；
图13为本发明实施例所述的健康新村疏散开始5分钟时的各项疏散指标；
图14为本发明实施例所述的健康新村疏散完成时各项指标；
图15为本发明实施例所述的健康新村疏散完成时人口变化图；
图16为本发明实施例所述的模拟健康新村疏散20次时耗时的仿真结果；
图17为本发明实施例所述的各个社区疏散5分钟后的疏散完成比例；
图18为本发明实施例所述的整体疏散时间对比分析；
图19为本发明实施例所述优化布局后研究区域平面构建；
图20为本发明实施例所述优化后的应急避难场所使用情况；
图21为本发明实施例所述的优化前后避难场所均衡性对比；
图22为本发明实施例所述社区疏散区块划分情况；
图23为本发明实施例所述的社区应急疏散仿真结果(未考虑建筑坠落物阻塞道路)；
图24为本发明实施例所述的社区应急疏散仿真结果(考虑建筑坠落物阻塞道路)。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面将参考附图并结合实施例来详细说明本发明。
选取江苏省如皋市城西区健康西村和健康新村社区为研究区域，其中健康西村和健康新村社区均为“一”字型平面布局。健康西村社区总占地面积约为29061m2，建筑物总占地面积约为11935m2，建筑密度约为41.1％；健康新村社区总占地面积约为22989m2，建筑物总占地面积约为8506m2，建筑密度约为37.0％。
一种基于行为仿真的社区地震应急疏散空间优化设计方法，如图1至图24所示，包括S1：构建反映现实的高密度社区的虚拟环境分析模型，所述社区虚拟环境分析模型包括建筑、路网和避难场所的地理空间数据。具体包括如下子步骤：S11、采用BigMap下载江苏省如皋市城西区健康西村和健康新村社区的建筑轮廓，利用AutoCAD完善研究区域环境，包括社区住宅建筑和应急避难场所的轮廓图；
S12、将绘制好的江苏省如皋市城西区健康西村和健康新村社区环境轮廓图导入Arc Map GIS中，运用GIS技术对研究区域的空间要素数据进行预处理，根据环境的不同属性创建点、线、面要素，以区分不同类型的环境因素，得到该区域的建筑物和避难场所地理空间数据。
S13、通过GIS转换工具，将建筑物和避难场所数据要素类转换为shapefile文件，利用NETLOGO中的GIS Extension扩展模块将建筑物和避难场所地理空间数据的shapefile文件导入NETLOGO仿真平台中作为社区疏散模拟环境，从而构建了高密度社区应急疏散的空间环境模型和应急避难场所的地理空间数据。
如图3所示，社区内部道路选择最为简化的“网状”路网形式。社区内部道路以黑色区域表示，其中包括道路节点(Nodes)以及节点间的链接(Links)；疏散起点(住宅建筑门口)以正方形瓦片表示；疏散终点(应急避难场所)分别以长方形瓦片、五边形瓦片、六边形瓦片以及圆形瓦片表示，其中长方形瓦片为如皋市健康小学操场入口，五边形瓦片为健康小学球场入口，六边形瓦片为如皋市健康幼儿园操场入口，圆形瓦片为如皋市人民医院内的花园广场入口。
在创建模型时赋予不同瓦片、节点以及链接不同的属性，包括能否在上面行走、形状以及能否产生疏散人员。利用这些属性定义该瓦片、节点或链接所代表的空间特征以及运动规律，如表1所示。
表1高密度社区空间特征以及对应的瓦片和链接属性
S2：建立震后高密度社区应急疏散空间分析模型。具体包括如下步骤：
S21、结合高密度社区建筑、路网和避难场所的地理空间数据生成反映现实的高密度社区的虚拟环境分析模型；
S22、震后社区待疏散人员空间分布规律采用按照建筑面积估算疏散人数的方法。根据《建筑气候区划标准》(GB50178-93)规定，江苏省如皋市属于夏热冬冷区域(即气候Ⅲ区)。在确定建筑气候区划的基础上，根据《城市居住区规划设计标准》(GB50180-93)可以确定研究区域内不同建筑类别的人均住宅用地面积，如下表2。
表2住宅建筑不同层数的人均住宅用地面积
社区人员总量及构成疏散模型可采用按照建筑面积估算疏散人数的方法，如下式(1)和式(2)所示。其中，P为该研究区域内需要疏散的人员数量；Pi为该区域内第i个建筑物内部的疏散人数(i＝1,2,3...,n)；Si指的是该区域内第i个建筑物的建筑实用面积(m2)；Ni指的是该区域内第i个建筑物的层数；Ai指的是该区域内第i个建筑物的人均用地面积(m2/人)；地震灾害作用下实际需要疏散人数按照总人口的70％计算。
Pi＝Si×Ni/Ai×0.7 (2)
健康西村社区中的住宅建筑属于多层Ⅰ类，共32栋住宅建筑，每栋建筑高度27m，每栋层数为6层；健康新村社区中的住宅建筑属于多层Ⅰ类，共21栋住宅建筑，每栋建筑高度27m，每栋层数为6层。利用百度地图对健康西村和健康新村各个住宅建筑的占地面积进行测绘，最终计算得到健康西村的疏散人数如表3所示。健康新村的疏散人数如表4所示。
表3健康西村疏散人数
表4健康新村疏散人数
总疏散人数为3181人，疏散人员空间分布情况如图4所示。
S23、疏散通道有效疏散宽度分析；
建筑坠落次生灾害的影响包括震后建筑物倒塌所产生的结构坠落物会减小道路有效宽度，造成疏散路径堵塞。建筑物倒塌的影响距离主要包含两个主要内容：1)主要影响距离，指的是地震作用后原有建筑范围之外的坠落物堆积的主要分布范围；2)安全避难距离，不仅包括坠落物堆积的主要影响距离，还包括由于地震中建筑结构之间以及结构与地面之间相互摩擦、挤压或碰撞出现的“飞石”现象所造成的影响范围。根据《城市居住规划设计标准》(GB50180-93)规定可知，居住区内部的步行道路宽度不应小于2.5m，取2.5m；居住区中用于连接城市主干道的主要附属道路宽度不应小于4.0m，取5.0m。居住区内步行道路的道路红线(即规划的城市道路用地的边界线)宽度一般在2-4m左右，取值为4m；连接城市主干道的附属道路的道路红线一般在10-14m左右，取值为14m。故步行道路宽度为6.5m，主要附属道路宽度为19m。
S24、建筑坠落次生灾害影响范围，根据震害经验，确定了建筑倒塌坠落物的影响范围为其中H为建筑高度。据下式(3)计算得到震后疏散通道宽度，其中Nw为震后道路宽度，Ow为震前道路宽度，a为建筑层数，2.6为建筑物的平均层高，0.5为一般建筑坠落物的宽度。
Nw＝Ow-(a×2.6)×0.58×0.5 (3)
研究区域内社区建筑高度均为27m，因此地震作用下建筑物倒塌坠落物的影响范围约为13-18m，影响范围示意图如图5所示，其中，B，L为建筑物平面尺寸(单位m)，B1，B2为建筑物倒塌后沿Z轴方向的影响范围(单位m)；L1，L2为建筑物倒塌后沿X轴方向的影响范围(单位m)。步行道路的震后道路宽度约为1.98m，连接城市主干道的主要附属道路的震后道路宽度约为14.48m。
S3：构建震后高密度社区人员应急疏散仿真模型。步骤S3的具体过程如下：
S31、根据震后不同人员应急疏散心理、行为等特性，设置避难场所智能体、建筑智能体、疏散人员智能体等多智能体的运行规则。
在本研究中的人员疏散仿真模型中，通过设定疏散人员的恐慌值来进行恐慌心理模拟。当疏散人员的恐慌值不断累积，甚至达到模型中设置的疏散人员最大恐慌值，疏散人员的移动速度发生明显变化，表现出一定程度的不耐烦情绪，疏散人员恐慌心理对移动速度的影响如公式(4)所示：
v'(t)＝v(t)+tanxious·Dshelter (4)
其中，v'(t)表示恐慌心理下的人员疏散速度(m/s)；v(t)表示人员原始疏散速度(m/s)；tanxious表示恐慌值(s-1)；Dshelter表示疏散人员到应急避难场所的距离(m)。
成年女性、儿童以及老人的初始疏散速度分别为成年男性初始疏散速度的0.85倍、0.66倍和0.59倍。因此，设置高密度社区中不同居民智能体的初始疏散速度：儿童0.9m/s，成年男性1.4m/s，成年女性1.2m/s，老人0.8m/s。居民智能体的步行疏散速度会随着人员密度的增加而减少。当人员密度大于3人/m2时，人员密度每增加1人/m2，智能体步行疏散速度减少0.1m/s，智能体疏散速度与人员密度的关系如下表5所示。
表5智能体疏散速度与人员密度的关系
S32、设定社区中不同类型的疏散人员数量比例，其中儿童:成年男性:成年女性:老人＝1:5:3:1。故健康西村社区中，儿童共186人，成年男性共929人，成年女性共557人，老人共186人；健康新村社区中，儿童共132人，成年男性共662人，成年女性共397人，老人共132人。
S33、采用NETLOGO平台开展高密度社区人员多情景仿真模拟，根据有受阻路段、有恐慌心理、有合作结伴行为，开展震后多情景下的人员应急疏散模拟。将建筑物倒塌坠落物的影响范围纳入到NETLOGO仿真世界中，简化为建筑物倒塌坠落物完全覆盖了沿街建筑的疏散路径，建立考虑坠落物影响的社区环境模型，如图6所示。虚线链接表示被建筑物倒塌坠落物覆盖的路段，居民智能体可以在虚线链接上移动，但疏散速度会减小；黑色链接则表示可按照正常速度通行的疏散路段。
考虑道路受阻情况下有恐慌程度变化的同时结伴行为的人员疏散模拟，主要模拟的是在高密度社区疏散路径受阻的情况下，在考虑应急疏散过程中不同类型居民智能体恐慌程度变化的同时，考虑社区中的亲属血缘关系所导致的合作结伴行为对人员应急疏散过程的影响，进而综合考虑恐慌心理和合作结伴行为对人员疏散速度的影响。在人员疏散过程中，形成以家庭为单位的多个疏散群体，群体中每个成员的疏散速度受群体中心成员的影响，而智能体恐慌心理参数也会随着家庭疏散群体的形成而有所降低。
(1)健康西村
健康西村社区中总疏散人员数量为1858人。考虑人员疏散过程中的恐慌心理和合作结伴行为，疏散开始5分钟时居民智能体的空间分布情况如图7所示，而疏散开始5分钟时各项疏散指标如图8所示。分析可知，疏散开始5分钟时的疏散完成比例大约为88％。该社区全部居民完成疏散所需的疏散时间为507秒，即8分27秒。疏散完成后的各项疏散指标以及各个避难场所的到达人数曲线如图9和图10所示。S3避难场所的到达人数最多，为1004人；S1避难场所的到达人数最少，仅有63人。
另外，由于智能体恐慌参数的不同以及疏散过程中智能体查找其他智能体并形成疏散群体的随机性，导致模型每次的仿真结果存在一定的误差，为平衡仿真结果的随机性，共进行了20次模拟，结果如下图11所示。仿真结果变化范围约为8分00秒到8分27秒，平均值为494秒，即8分14秒。
(2)健康新村
在道路受阻的情况下，健康新村社区中的总疏散人员总数为1323人，并在疏散过程中考虑智能体的恐慌心理变化以及合作结伴行为的形成。疏散开始5分钟时居民智能体的空间分布如图12所示，而疏散开始5分钟时的各项疏散指标如图13所示。根据图示可知，疏散开始5分钟时居民疏散完成率大约为53％。该社区全部居民疏散完成所需时间为439秒，即7分19秒，各项疏散指标以及各个避难场所中到达人数变化如图14和15所示。由于健康新村社区居民可选择的避难场所仅有一个，即S4避难场所。同样，为平衡智能体恐慌参数不同以及疏散过程中寻找他人行为所造成的仿真结果的随机性，共进行了20次仿真模拟，结果如图16所示。仿真结果变化范围为7分01秒到7分27秒，平均值为437秒，即7分17秒。
(3)同时疏散
在疏散路径受建筑物倒塌坠落物影响而出现道路宽度减少、疏散进程受阻的现象时，综合考虑不同智能体比例构成、人员疏散恐慌心理及受家庭关系影响的合作结伴行为，健康西村社区整体疏散时间约为494秒，即8分14秒；健康新村社区整体疏散时间约为437秒，即7分17秒。故两个社区同时疏散的总疏散时间以健康西村社区整体疏散时间为准，约为494秒，即8分14秒。
(三)对比分析
首先，对比分析健康西村和健康新村两个社区在疏散开始5分钟时的疏散完成比例，如图17所示。通过对比分析可知，合作结伴行为的存在可以明显加快社区的整体疏散进程。对健康西村社区来说，疏散开始5分钟时的疏散完成比例增加了约10％；对健康新村社区来说，疏散开始5分钟时的疏散完成比例增加了13％左右。
其次，如图18所示，健康西村和健康新村社区震前疏散时间约为246秒和209秒，即4分06秒和3分26秒。通过对比分析在道路受阻情况下社区的整体疏散时间，与震前人员疏散时间相比可知：1)震后考虑恐慌心理及震后合作结伴行为工况下的疏散时间都明显增加；恐慌心理下健康西村社区疏散时间增加了298秒，即4分58秒，合作结伴行为下健康西村社区疏散时间降低了50秒。2)恐慌心理下健康新村社区疏散时间增加了277秒，即4分37秒，合作结伴行为下健康新村社区疏散时间降低了49秒。由此可知，与无道路受阻情况下疏散时间的对比，地震作用下建筑物倒塌导致的坠落物堆积对社区整体疏散进程的影响较大，导致在恐慌心理下社区整体疏散时间的大幅度增加，而合作结伴行为对整体疏散时间的加快作用有所降低。
综上所述，在道路受阻情况下，健康新村社区的整体疏散时间增加量比健康西村社区的整体疏散时间增加量小。这是因为健康新村社区的居民数量较少，并且可选择的避难场所较为单一，因此，当社区疏散环境发生改变时，不会引起居民智能体恐慌心理以及合作结伴行为的强烈变化，整体疏散时间的变化也并不如健康西村社区明显。
步骤S4：社区紧急避难场所空间布局优化与整合。步骤S4的具体过程如下：基于上文中应急避难场所疏散占用情况的分析，部分现有的避难场所中存在一定数量的人口配置缺口，导致避难场所人员过度饱和，而其他避难场所的实际疏散人数较少，利用率过低。此外，虽然健康西村社区附近有4个应急避难场所，但3个应急避难场所分布较为集中，导致应急避难场所均衡性较差；而健康新村社区周围只有1个应急避难场所，所有居民均以该避难场所为疏散目的地，其均衡性更加不理想。因此，需要优化现有应急避难场所的空间布局及规模，以满足社区应急疏散的实际需求。
根据《地震应急避难场所选址及配套设施》(GB21734-2008)中关于应急避难场所的选址规定，可选择公园、绿地、广场、体育场以及室内公共的场馆所作为地震应急避难场所，而避难场所的选址还应该遵循安全性、可通达性以及足够面积的原则。其中，安全性指的是地震应急避难场所的选址应该避开自然灾害易发地段以及对人身安全造成威胁的路段，选择建筑物倒塌范围以外的平坦开阔区域；可通达性指的是应急避难场所应保证人员可步行到达；最后应急避难场所的有效面积宜大于2000m2。
首先，优化现有应急避难场所的布局。S1、S2及S3避难场所均属于学校型避难场所，拥有大量开放空间和基础设施，可以容纳大量疏散人员，是社区防灾避难空间中的核心避难场所。而S3避难场所占地面积较小，可容纳能力十分有限，故在现有应急避难场所规划布局中将其删除。S1和S2避难场所之间距离较近，故将S1和S2避难场所合并为SS1避难场所；此外，S4避难场所属于公园绿地型避难场所，作为城市应急避难场所的重要组成部分，其开放空间比例较低，但其整体占地面积较大，其有效避难用地面积相对较大，故保留S4避难场所并命名为SS4。
整合现有应急避难场所布局后，在健康西村和健康新村周边选取备选应急避难场所，使得应急避难场所空间布局更加均衡。选取备选应急避难场所包括：如城街道城南社区紫竹院西侧健身广场(SS2避难场所)和位于健康新村西北侧的停车场(SS3避难场所)，均为公园绿地型应急避难场所，有效避难面积为实际面积的60％。整合后的应急避难场所详细信息见表6。
表6重新规划布局后的应急避难场所情况
健康西村和健康新村社区总疏散人数为3181人，优化整合后应急避难场所的可容纳总人数为16342人，满足疏散总人数小于避难场所总容量的要求。
S5：高密度社区应急避难时间满意度覆盖模型。具体包括如下子步骤:
S51、高密度社区应急避难时间满意覆盖模型，设计的算法步骤为：设Ei(i＝1,2...m)为社区住宅楼集合；Sj(j＝1,2...n)为候选社区应急避难场所集合；p为设置的应急避难场所总数量(p≤n)；αi为社区住宅楼Ei的时间满意度水平；ωi为社区住宅楼Ei的预测疏散居民数量；Li为社区住宅楼Ei在时间满意度为1时的最大距离；Ui为社区住宅楼Ei在时间满意度为0时的最小距离；tij为候选避难场所Sj到社区住宅楼Ei的时间；Cj为城市疏散管理部门对候选避难场所Sj的偏好程度。若被设置，则xj＝1，反之xj＝0；若F(tij)≥αi，则yij＝1，反之yij＝0。F(tij)为社区住宅楼Ei对候选避难场所Sj的疏散时间满意度函数：
基于最大覆盖选址模型和“部分覆盖”的思想，建立如下的有限设置应急避难场所的时间满意度覆盖模型：
s.t.F(tij)xj≥αiyij (7)
式中，目标函数z表示当被覆盖的社区住宅楼对时间的满意度最大时，覆盖的疏散人数最多；式(6)表示使得覆盖时间半径达到αi时，才能满足所有社区住宅楼被应急避难场所覆盖；式(7)表示指定的应急避难场所数量为p；式(8)表示决策变量xj和yij均为(0,1)之间的整数变量。若F(tij)＝1,αi＝1,(1≤i≤m,1≤j≤n)，且不考虑城市疏散管理部门对候选避难场所的偏好程度Cj，则社区住宅楼能够被完全覆盖。
S52、在社区应急避难场所选址问题上加入“部分覆盖”思想，将完全覆盖标准降低为部分覆盖标准，并以部分覆盖标准对社区应急避难场所的覆盖情况进行分析。
S6：采用NETLOGO平台分别模拟高密度社区空间无组织和有组织情景下社区人员震后应急疏散动态过程，对比验证有组织疏散服务责任区划分的科学性。其具体步骤如下：在震后建筑坠落物影响、人员恐慌心理影响和合作结伴行为综合工况下，社区建筑可作为独立的避难单元自由选择避难场所，利用NETLOGO仿真平台建立新的社区疏散空间物理环境平面，如图19所示，SS1、SS2、SS3和SS4均为避难场所。
基于健康西村和健康新村社区的应急避难场所优化布局，采用NETLOGO仿真平台重新模拟分析，避难场所布局优化前后的疏散时间见表7。分析可知，备选应急避难场所纳入原有避难场所集合对社区居民的疏散进程具有显著的促进作用，不同工况下疏散时间均减小。
表7优化前后总疏散时间对比
应急避难场所占用情况如图20所示。4个应急避难场所的实际疏散人数均小于其容纳能力，优化布局后的应急避难场所有效性较好；综合考虑恐慌心理、合作结伴行为及坠落物阻塞道路情况，健康西村和健康新村社区的总疏散时间分别为7分33秒和6分33秒，均小于10分钟，满足《防灾避难场所设计规范》(GB51143-2015)中疏散人员到达应急避难场所的步行疏散时间应控制在10分钟之内的规定；优化前后应急避难场所均衡性对比如图21所示，较优化前，SS1和SS2避难场所的占用情况得到了有效提升，SS4避难场所的疏散人数明显减少，而各个应急避难场所在疏散人数差异性上有了显著减小。由此可知优化后应急避难场所的均衡性得到了很大程度上的提升。
利用时间满意度覆盖模型，对健康西村和健康新村社区中各栋住宅楼中疏散人员对应急避难场所的选择情况进行计算，计算结果如表8所示。
表8各栋住宅楼的TSBMCLM模型计算结果
将上述避难场所对住宅楼的覆盖结果代入基于NETLOGO仿真平台的社区人员应急疏散模型中，分析确定有组织疏散的社区人员疏散过程。从社区疏散进程中可以看出，有组织疏散的社区人员疏散过程整体呈现出“区块化”规律，即将社区疏散区域划分为多个疏散区块，某一区块中的住宅楼内居民疏散到指定的应急避难场所，如图22所示。社区“区块化”划分可以有效组织居民进行震后应急疏散，缓解疏散过程中出现的路径拥堵、避难场所选址不均衡等情况，加快社区居民的整体疏散进程。
在建筑坠落物阻塞道路工况下综合考虑恐慌心理和合作结伴行为的影响。既有避难场所布局下无组织疏散(Case1)、优化避难场所布局下无组织疏散(Case2)和优化避难场所布局下有组织疏散(Case3)。三类情况的社区应急疏散仿真结果如图23和图24所示。分析可知：Case1的社区应急疏散仿真结果分别为8分14秒和7分17分，Case2的社区应急疏散仿真结果分别为7分33秒和6分33秒，Case3的社区应急疏散仿真结果分别为6分55秒和5分46秒。与Case1相比，优化避难场所布局下无组织疏散的社区应急疏散仿真结果分别降低了41秒和44秒，优化避难场所布局下有组织疏散的社区应急疏散仿真结果分别降低了79秒和91秒。
由此可知，考虑有组织疏散下避难场所的布局优化，合理规划现有应急避难场所的空间布局，选定位置合理的备选应急避难场所，并将整个社区划分为多个疏散区块，为每个区块设置特定的应急避难场所，可以组织社区居民进行震后高效有序的应急疏散，有效提高社区整体疏散效率，显著降低社区整体疏散时间。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：包括如下步骤：
S1：构建反映现实高密度社区的虚拟环境分析模型；
S2：建立震后高密度社区应急疏散空间分析模型；
S3：构建震后高密度社区人员应急疏散仿真模型；
S4：优化并整合社区紧急避难场所空间的布局，具体方法为：基于多智能体疏散行为动态模拟，分析社区应急避难场所可达性、均衡性、利用率，优化整合社区周边避难场所空间布局与容量要求，并仿真模拟以验证避难场所重新布局后社区疏散效果；
S5：建立高密度社区应急避难时间满意度覆盖模型；
S6：采用NETLOGO平台分别模拟高密度社区空间无组织和有组织情景下社区人员震后应急疏散动态过程，对比验证有组织疏散服务责任区划分的科学性。
2.根据权利要求1所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：所述S1中，构建反映现实高密度社区的虚拟环境分析模型的具体步骤为：
S11、采用BigMap下载研究区域的建筑轮廓，利用AutoCAD完善研究区域环境，包括社区住宅建筑和应急避难场所的轮廓图；
S12、将绘制好的研究区域环境轮廓图导入Arc Map GIS中，运用GIS技术对研究区域的空间要素数据进行预处理，根据环境的不同属性创建点、线、面要素，以区分不同类型的环境因素，得到该区域的建筑物和避难场所地理空间数据；
S13、通过GIS转换工具，将建筑物和避难场所数据要素类转换为shapefile文件，利用NETLOGO中的GIS Extension扩展模块将建筑物和避难场所地理空间数据的shapefile文件导入NETLOGO仿真平台中作为社区疏散模拟环境，从而构建了高密度社区应急疏散的空间环境模型和应急避难场所的地理空间数据。
3.根据权利要求1所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：所述S2中，建立震后高密度社区应急疏散空间分析模型的具体方法为：
S21、结合高密度社区建筑、路网和避难场所的地理空间数据生成反映现实的高密度社区的虚拟环境分析模型；
S22、震后社区待疏散人员空间分布规律采用按照建筑面积估算疏散人数的方法；
S23、将建筑坠落次生灾害影响范围及疏散通道有效疏散宽度，避难场所可达性与疏散通道通行能力加入震后高密度社区应急疏散空间分析模型。
4.根据权利要求3所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：所述步骤S22中，按照建筑面积估算疏散人数的方法具体如下式(1)和式(2)所示，其中，P为该区域内需要疏散的人员数量；Pi为该区域内第i个建筑物内部的疏散人数(i＝1,2,3...,n)；Si指的是该区域内第i个建筑物的建筑实用面积，单位为m2；Ni指的是该区域内第i个建筑物的层数；Ai指的是该区域内第i个建筑物的人均用地面积，单位为m2/人；地震灾害作用下实际需要疏散人数按照总人口的70％计算，
Pi＝Si×Ni/Ai×0.7 (2)。
5.根据权利要求3所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：所述步骤S23中，建筑坠落次生灾害影响范围为其中H为建筑高度，据下式(3)计算得到震后疏散通道宽度，其中Nw为震后道路宽度，Ow为震前道路宽度，a为建筑层数，2.6为建筑物的平均层高，0.5为一般建筑坠落物的宽度，
Nw＝Ow-(a×2.6)×0.58×0.5 (3)。
6.根据权利要求1所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：所述S3中构建震后高密度社区人员应急疏散仿真模型的方法为:
S31、根据震后不同人员应急疏散心理、行为特性，设置避难场所智能体、建筑智能体、疏散人员智能体的运行规则；
S32、设定社区中不同类型的疏散人员数量比例，其中儿童:成年男性:成年女性:老人＝1:5:3:1；
S33、采用NETLOGO平台开展高密度社区人员多情景仿真模拟，根据有受阻路段、有恐慌心理、有合作结伴行为，开展震后多情景下的人员应急疏散模拟。
7.根据权利要求6所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：所述步骤S33中，疏散人员恐慌心理对移动速度的影响如下公式所示：
v'(t)＝v(t)+tanxious·Dshelter (4)
其中，v'(t)表示恐慌心理下的人员疏散速度，单位为：m/s；v(t)表示人员原始疏散速度单位为：m/s；tanxious表示恐慌值，单位为：m/s为s-1；Dshelter表示疏散人员到应急避难场所的距离单位为：m。
8.根据权利要求1所述的一种基于行为仿真的社区地震应急疏散空间优化设计方法，其特征在于：具体包括如下子步骤:
S51、高密度社区应急避难时间满意覆盖模型，设计的算法步骤为：设Ei(i＝1,2...m)为社区住宅楼集合；Sj(j＝1,2...n)为候选社区应急避难场所集合；p为设置的应急避难场所总数量(p≤n)；αi为社区住宅楼Ei的时间满意度水平；ωi为社区住宅楼Ei的预测疏散居民数量；Li为社区住宅楼Ei在时间满意度为1时的最大距离；Ui为社区住宅楼Ei在时间满意度为0时的最小距离；tij为候选避难场所Sj到社区住宅楼Ei的时间；Cj为城市疏散管理部门对候选避难场所Sj的偏好程度，若被设置，则xj＝1，反之xj＝0；若F(tij)≥αi，则yij＝1，反之yij＝0，F(tij)为社区住宅楼Ei对候选避难场所Sj的疏散时间满意度函数：
S52、基于最大覆盖选址模型和“部分覆盖”的思想，建立如下的有限设置应急避难场所的时间满意度覆盖模型：
s.t.F(tij)xj≥αiyij (7)
式中，目标函数z表示当被覆盖的社区住宅楼对时间的满意度最大时，覆盖的疏散人数最多；式(6)表示使得覆盖时间半径达到αi时，才能满足所有社区住宅楼被应急避难场所覆盖；式(7)表示指定的应急避难场所数量为p；式(8)表示决策变量xj和yij均为(0,1)之间的整数变量；若F(tij)＝1,αi＝1,(1≤i≤m,1≤j≤n)，且不考虑城市疏散管理部门对候选避难场所的偏好程度Cj，则社区住宅楼能够被完全覆盖。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111016452.5A CN113806832B (zh) | 2021-08-31 | 2021-08-31 | 一种基于行为仿真的社区地震应急疏散空间优化设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111016452.5A CN113806832B (zh) | 2021-08-31 | 2021-08-31 | 一种基于行为仿真的社区地震应急疏散空间优化设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113806832A CN113806832A (zh) | 2021-12-17 |
| CN113806832B true CN113806832B (zh) | 2024-03-29 |
Family
ID=78894425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111016452.5A Active CN113806832B (zh) | 2021-08-31 | 2021-08-31 | 一种基于行为仿真的社区地震应急疏散空间优化设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113806832B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114580980B (zh) * | 2022-05-07 | 2022-07-22 | 华北科技学院(中国煤矿安全技术培训中心) | 面向城市社区空间应急响应的动态更新预案系统及方法 |
| CN114936697B (zh) * | 2022-05-25 | 2023-04-07 | 四川大学 | 一种城市社区应急疏散空间智能规划方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101515309A (zh) * | 2009-04-07 | 2009-08-26 | 华中科技大学 | 基于多智能体的城市应急疏散仿真系统 |
| CN105590289A (zh) * | 2016-01-05 | 2016-05-18 | 南京工业大学 | 一种城市地震应急疏散场地选址方法 |
| WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
| CN109522651A (zh) * | 2018-11-16 | 2019-03-26 | 中电科新型智慧城市研究院有限公司 | 一种基于静态场和有偏行走的人群疏散模拟方法 |
-
2021
- 2021-08-31 CN CN202111016452.5A patent/CN113806832B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101515309A (zh) * | 2009-04-07 | 2009-08-26 | 华中科技大学 | 基于多智能体的城市应急疏散仿真系统 |
| CN105590289A (zh) * | 2016-01-05 | 2016-05-18 | 南京工业大学 | 一种城市地震应急疏散场地选址方法 |
| WO2017166474A1 (zh) * | 2016-03-29 | 2017-10-05 | 中国科学院深圳先进技术研究院 | 一种基于交叉口群的交通控制方法及系统 |
| CN109522651A (zh) * | 2018-11-16 | 2019-03-26 | 中电科新型智慧城市研究院有限公司 | 一种基于静态场和有偏行走的人群疏散模拟方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113806832A (zh) | 2021-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113806832B (zh) | 一种基于行为仿真的社区地震应急疏散空间优化设计方法 | |
| Li et al. | Hierarchical earthquake shelter planning in urban areas: A case for Shanghai in China | |
| CN110135698A (zh) | 一种城市综合公园避震减灾功能评价方法 | |
| CN111062615B (zh) | 一种城市区域性多尺度人员疏散模拟方法 | |
| CN116151439A (zh) | 一种在城市中选址救灾物资储备站的方法 | |
| CN116882606A (zh) | 一种邮轮应急疏散路径规划方法及装置 | |
| Liu et al. | An optimal design method of emergency evacuation space in the high-density community after earthquake based on evacuation simulation | |
| Arai et al. | Task allocation model for rescue disabled persons in disaster area with help of volunteers | |
| Tong et al. | GIS-based design of urban emergency shelter in Songbei Harbin | |
| Shakibamanesh et al. | Toward practical criteria for analyzing and designing urban blocks | |
| Zhong et al. | Optimization on Spatial Distribution of Shelter through Dynamic Evacuation Simulation of High Density Urban Area-Xinjiekou Case | |
| Zhai | The comparison of total and phased evacuation strategies for a high-rise office building | |
| Gharakhlou et al. | Access Enhancement by Making Changes in the Route Network to Facilitate Rescue perations in Urban Disasters | |
| Villani et al. | Patterns of Stationary Activities in the Elevated Pedestrian Networks of High-Density Asian Cities: The case of Mong Kok, Hong Kong | |
| Kyriakou et al. | A GIS-aided cellular automata system for monitoring and estimating graph-based spread of epidemics | |
| Liu et al. | Potential-based three-dimensional route choice model for pedestrian evacuation on terraced stands | |
| Koike et al. | An evacuation plan from a fire following earthquake in a congested city area | |
| Zhang et al. | Agent-based modelling and simulation for lecture theatre emergency evacuation | |
| Yamamoto et al. | A safety evaluation method of evacuation routes in urban areas in case of earthquake disasters using ant colony optimization and geographic information systems (short paper) | |
| Oki et al. | Quick Estimation Method of Property Damage and Human Casualty in the Event of a Large Earthquake | |
| Gałaś et al. | Evaluation of availability of green areas in urban areas, taking Kraków, Poland as an example | |
| CN118469416B (zh) | 一种人员疏散的模拟方法和装置 | |
| Rastegar | ASSESSING URBAN STREETS NETWORK VULNERABILITY AGAINST EARTHQUAKE USING GIS–CASE STUDY: 6 TH ZONE OF TEHRAN | |
| Gunes et al. | Model approach for developing urban green network plan focused on historical urban identity: A case study of republican period in Ankara province | |
| Di Gangi | Designing escape routes for buildings through an aggregate approach |
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 |