CN114065348A - 一种人群应急疏散方法、系统、终端以及存储介质 - Google Patents
一种人群应急疏散方法、系统、终端以及存储介质 Download PDFInfo
- Publication number
- CN114065348A CN114065348A CN202111359350.3A CN202111359350A CN114065348A CN 114065348 A CN114065348 A CN 114065348A CN 202111359350 A CN202111359350 A CN 202111359350A CN 114065348 A CN114065348 A CN 114065348A
- Authority
- CN
- China
- Prior art keywords
- evacuation
- indoor
- outdoor
- scene
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013499 data model Methods 0.000 claims abstract description 89
- 230000003068 static effect Effects 0.000 claims abstract description 53
- 238000005553 drilling Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 230000006399 behavior Effects 0.000 claims description 99
- 238000013507 mapping Methods 0.000 claims description 20
- 238000013136 deep learning model Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 9
- 238000013473 artificial intelligence Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 230000010365 information processing Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000004927 fusion Effects 0.000 description 4
- 238000009412 basement excavation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
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)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Architecture (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Marketing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Civil Engineering (AREA)
- Computer Security & Cryptography (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种人群应急疏散方法、系统、终端以及存储介质。所述方法包括:对室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;获取室内外场景的疏散演练图像,从疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据微观疏散行为特征建立室内外场景的静态几何属性‑宏观状态‑微观疏散行为特征关系库;基于室内外一体化应急疏散网格模型和静态几何属性‑宏观状态‑微观疏散行为特征关系库构建室内外一体化应急疏散优化模型;利用优化求解算法对室内外一体化应急疏散模型进行求解,获取最优动态疏散策略。本申请解决了室内和室外疏散模型“不兼容”的问题,可以大幅度提升疏散效率。
Description
技术领域
本申请属于城市公共安全技术领域,特别涉及一种人群应急疏散方法、系统、终端以及存储介质。
背景技术
频发的重大突发自然灾害和人为事故给人民生命财产造成了巨大的损失。灾害事故发生后的首要任务是要在第一时间内紧急疏散危险区域的人群。人群应急疏散的目的是以最安全有效的方式将灾害事故现场的人员撤离到安全区域,是减少伤亡损失最直接有效的方式,也是重大突发灾害事故响应的一个重要环节。
重大突发灾害事故具有影响范围广泛、应急场景复杂、被疏散人员众多等特点,建筑物内部和外部都是危险区域,人群需在复杂的室内多场景、室外多场景、以及室内外转换场景中进行长距离逃离。灾害事故的突发性和危害性要求在第一时间尽快疏散人员。因此,室内外复杂场景一体化的大量人群疏散成为当前应急管理领域的迫切需求和共识。
现有技术中的人群应急疏散方法仅面向单一的建筑室内环境或者室外环境进行建模,缺乏室内-室外一体化疏散方案,且未能有效顾及人群在室内外不同应急场景下的疏散行为特征,导致现有技术方案存在着室内疏散与室外疏散“不兼容”的问题。
发明内容
本申请提供了一种人群应急疏散方法、系统、终端以及存储介质,旨在至少在一定程度上解决现有技术中的上述技术问题之一。
为了解决上述问题,本申请提供了如下技术方案:
一种人群应急疏散方法,包括:
获取室内外场景的室内BIM场景数据模型及室外GIS场景数据模型,对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;
获取所述室内外场景的疏散演练图像,通过人工智能算法从所述疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据所述微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库;
基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型;
利用优化求解算法对所述室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略。
本申请实施例采取的技术方案还包括:所述对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型包括:
对所述室内BIM场景数据模型进行表面几何信息提取、过滤与重构、多楼层映射以及坐标转换处理,将处理后的室内BIM场景数据模型与室外GIS场景数据模型进行三维位置配准操作;
根据所述三维位置配准后的室内BIM场景数据模型与室外GIS场景数据模型的地理坐标及拓扑关系以及几何结构与拓扑关系,通过空间网格分割算法分别构建室内疏散网格模型和室外疏散网格模型;
通过所述室内外场景的建筑物出口对室内疏散网格模型和室外疏散网格模型进行连接,生成无缝衔接的室内外一体化应急疏散网格模型。
本申请实施例采取的技术方案还包括:所述对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型还包括:
从所述室内BIM场景数据模型及室外GIS场景数据模型中提取出与疏散相关的室内外场景的静态几何属性,所述静态几何属性包括室内外场景的门、过道、楼梯及人行道的长度和宽度;
根据设定的室内外场景属性语义标准对殴室内外场景属性进行语义转换;
根据门的连通性和地物的可达性构建表征建筑物之间、建筑构件之间、建筑与地物之间以及地物之间的室内外关系描述。
本申请实施例采取的技术方案还包括:所述对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型还包括:
利用几何信息处理和多层次语义映射对所述室内BIM场景数据模型进行多细节层次的GIS转换;
对转换后的室内BIM场景数据模型进行几何和语义信息重构,构建建筑体→楼层→房间以及街道→小区→道路的多尺度从属关联模式;
根据所述多尺度从属关联模式建立室内BIM场景数据模型与室外GIS场景数据模型的多尺度对应关系。
本申请实施例采取的技术方案还包括:所述通过人工智能算法从所述疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据所述微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库包括:
在所述室内外场景的典型场景上开展疏散演练实验,并对演练过程进行监测,获取疏散演练图像;所述典型场景包括室内、室外以及室内外接口;
通过影像分析和深度学习对所述疏散演练图像进行分析,获取典型场景下的运动特征以及语义特征;所述运动特征包括人群密度分布、人群流向、人群疏散速度、从众、竞争、折返、避绕障碍物以及规避拥挤行为,所述语义特征包括路径、出口、转向的选择偏好;
提取所述室内外场景的静态几何属性语义特征,所述静态几何属性语义特征包括门、过道、楼梯及人行道的宽度和可视范围;
根据所述运动特征、语义特征以及静态几何属性语义特征训练深度学习模型,通过所述深度学习模型挖掘出典型场景中疏散人群的微观疏散行为特征;
获取非典型场景的静态几何属性信息,将所述静态几何属性信息输入深度学习模型,通过所述深度学习模型获取非典型场景下的微观疏散行为特征;所述微观疏散行为特征包括人群疏散速度;
根据所述典型场景下的微观疏散行为特征以及非典型场景下的微观疏散行为特征构建室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库。
本申请实施例采取的技术方案还包括:所述基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型包括:
针对常规疏散场景和宏观状态下的微观疏散行为特征,分析所述常规疏散场景的场景动态属性,建立微观疏散行为-场景动态属性-宏观状态之间的映射关系;其中,所述场景动态属性包括动态人流通行量和通行时间,所述常规疏散场景是指疏散实况与疏散计划一致的场景;
根据所述室内外一体化应急疏散网格模型与微观疏散行为-场景动态属性-宏观状态之间的映射关系构建多层次应急疏散网络模型,其中每个层次分别表征一种场景动态属性;
根据所述常规疏散场景和微观疏散行为特征的差异性,基于室内外场景几何约束、静态几何属性以及场景动态属性构建多目标多动态约束的室内外一体化应急疏散模型;所述几何约束包括静态几何属性之间的拓扑关联。
本申请实施例采取的技术方案还包括:所述基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型还包括:
根据应急疏散进度和意外突发状况评估意外突发状况发生时的宏观疏散状态;
基于原始疏散计划和宏观疏散状态,结合所述微观疏散行为-场景动态属性-宏观状态之间的映射关系,利用仿真模型模拟拥堵状态的动态扩散过程,并短期预测关联场景中的宏观状态变化;
分析意外突发状况的主要影响区域,并对所述原始疏散计划中的室外疏散范围进行局部调整;
根据原始疏散计划和意外突发状况的双动态特征,基于室内外场景几何约束、静态几何属性以及场景动态属性构建局部多场景协同下的室内外一体化应急疏散模型。
本申请实施例采取的技术方案还包括:所述利用优化求解算法对所述室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略包括:
利用动态网络流算法或启发式算法对所述室内外一体化应急疏散模型进行求解,获得时空人流量分配方案;
根据所求解的时空人流量分析其对应的宏观状态,并判断微观疏散行为与宏观状态是否相匹配,如果不匹配,依据微观疏散行为-场景动态属性-宏观状态间的映射关系,对微观疏散行为和场景动态属性进行调整,并重新对所述室内外一体化应急疏散模型进行求解;如果匹配,获取与微观疏散行为和宏观状态相匹配的室内外一体化最优疏散路径和动态人流量分配策略。
本申请实施例采取的另一技术方案为:一种人群应急疏散系统,包括:
信息配准模块:用于获取室内外场景的室内BIM场景数据模型及室外GIS场景数据模型,对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;
行为特征挖掘模块:用于获取所述室内外场景的疏散演练图像,通过人工智能算法从所述疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据所述微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库;
疏散模型构建模块:用于基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型;
模型求解模块:用于利用优化求解算法对所述室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略。
本申请实施例采取的又一技术方案为:一种终端,所述终端包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现所述人群应急疏散方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制人群应急疏散。
本申请实施例采取的又一技术方案为:一种存储介质,存储有处理器可运行的程序指令,所述程序指令用于执行所述人群应急疏散方法。
相对于现有技术,本申请实施例产生的有益效果在于:本申请实施例的人群应急疏散方法、系统、终端以及存储介质通过将室内BIM场景数据模型及室外GIS场景数据模型进行融合,构建全局时空协同的室内外一体化应急疏散模型,通过室内外一体化应急疏散模型获取最优疏散路径和动态人流量分配策略。本申请实施例打通了现有的室内和室外疏散模型之间的隔阂,解决了室内和室外疏散模型“不兼容”的问题,便于合理规划人群疏散路径和建筑出口人流量分配,可以大幅度提升疏散效率,减缓拥堵,并提升应急疏散安全。
附图说明
图1是本申请实施例的人群应急疏散方法的流程图;
图2为本发明实施例室内外几何拓扑信息无缝融合算法的流程图;
图3是本申请实施例的微观疏散行为特征的挖掘过程示意图;
图4为本发明实施例在常规情况下的室内外一体化应急疏散优化模型构建方法流程图;
图5是本申请实施例的意外突发状况下的室内外一体化应急疏散模型构建方法流程图;
图6为本发明实施例的室内外一体化应急疏散模型求解过程示意图;
图7为本申请实施例的人群应急疏散系统结构示意图;
图8为本申请实施例的终端结构示意图;
图9为本申请实施例的存储介质的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参阅图1,是本申请实施例的人群应急疏散方法的流程图。本申请实施例的人群应急疏散方法包括以下步骤:
S10:获取多个室内外场景的室内BIM(Building Information Modeling,建筑信息模型)场景数据模型及室外GIS(Geographic Information System,地理信息系统)场景数据模型,分别对每个场景的室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;
本步骤中,基于室内BIM场景数据模型及室外GIS场景数据模型,采用室内外几何拓扑信息无缝融合、多属性语义信息整合以及多尺度集成等算法对各个场景的室内BIM场景数据模型和室外GIS场景数据模型进行室内外几何信息配准,实现室内外数据结构的统一管理与表达,从而构建室内外一体化应急疏散网格模型。
具体的,如图2所示,是本发明实施例室内外几何拓扑信息无缝融合算法的流程图。本发明实施例室内外几何拓扑信息无缝融合算法包括以下步骤:
S10a1:对各个室内外场景的室内BIM场景数据模型进行表面几何信息提取、过滤与重构、多楼层映射以及坐标转换处理,将处理后的室内BIM场景数据模型与对应的室外GIS场景数据模型进行三维位置配准操作,建立室内BIM场景数据模型与室外GIS场景数据模型的无缝衔接;
S10a2:基于室内BIM场景数据模型与室外GIS场景数据模型的地理坐标及拓扑关系以及几何结构与拓扑关系,通过空间网格分割算法分别构建室内疏散网格模型和室外疏散网格模型;
S10a3:通过建筑物出口对室内疏散网格模型和室外疏散网格模型进行连接,生成无缝衔接的室内外一体化应急疏散网格模型。
进一步地,本申请实施例还通过多属性语义信息整合算法对室内BIM场景数据模型及室外GIS场景数据模型进行室内外场景属性的语义整合,本申请实施例的室内外场景属性语义整合包括以下步骤:
S10b1:从各个室内外场景的室内BIM场景数据模型及室外GIS场景数据模型中提取出与疏散相关的室内外场景的静态几何属性,静态几何属性包括但不限于室内外场景的门、过道、楼梯及人行道等空间的长度和宽度等;
S10b2:根据应急疏散需求制定统一的室内外场景属性语义标准,基于该语义标准,通过语义过滤、语义重组以及多层次语义映射转换等手段对提取的室内外场景属性进行语义转换,实现室内外场景属性的统一化语义表达;
S10b3:根据门的连通性和地物的可达性构建表征建筑物之间、建筑构件之间、建筑与地物之间以及地物之间的拓扑连接、包含、关联和连通关系等语义特征的室内外关系描述。
进一步地,本申请实施例还通过多尺度集成算法建立室内BIM场景数据模型与室外GIS场景数据模型的多尺度对应关系,实现室内BIM场景数据模型与室外GIS场景数据模型的多尺度统一集成。具体的,多尺度集成算法包括以下步骤:
S10c1:利用几何信息处理和多层次语义映射对室内BIM场景数据模型进行多细节层次的GIS转换;
S10c2:在不同尺度上对转换后的室内BIM场景数据模型进行几何和语义信息重构,构建建筑体→楼层→房间以及街道→小区→道路的多尺度从属关联模式;
S10c3:根据多尺度从属关联模式建立室内BIM场景数据模型与室外GIS场景数据模型的多尺度对应关系,实现室内BIM场景数据模型与室外GIS场景数据模型的多尺度统一集成。
S20:针对多种室内外场景开展疏散演练实验,采集疏散演练图像,并通过人工智能算法从疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据微观疏散行为特征建立室内外场景静态几何属性-宏观状态-微观疏散行为特征关系库。
本步骤中,通过深度学习等人工智能算法挖掘疏散演练实验过程中疏散人群的微观疏散行为特征,根据微观疏散行为特征分析室内外场景与宏观状态对微观应急疏散行为的影响方式,并基于此,将疏散演练实验和模拟仿真模型进行融合,针对疏散演练实验中未涉及到的非典型场景和宏观状态,进一步推断其下的微观疏散行为特征,从而建立全面准确的室内外场景静态几何属性-宏观状态-微观疏散行为特征关系库。其中,宏观状态包括但不限于人群密度分布等,微观疏散行为特征包括但不限于人群疏散速度等。
具体地,请参阅图3,是本申请实施例的微观疏散行为特征的挖掘过程示意图,具体包括以下步骤:
S21:在室内、室外以及室内外接口等多个典型场景上,利用不同数量的志愿者开展一定次数的疏散演练实验,并利用监控录像和无人机等设备对演练过程进行实时监测,获取疏散演练图像;
S22:通过影像分析和深度学习对疏散演练图像进行分析,获取典型场景下的人群密度分布、人群流向、人群疏散速度、从众、竞争、折返、避绕障碍物以及规避拥挤行为等运动特征,以及路径、出口、转向的选择偏好等语义特征;
S23:提取室内外场景空间的门、过道、楼梯、人行道等场景的宽度、可视范围等静态几何属性语义特征;
S24:根据运动特征、语义特征以及静态几何属性语义特征构建训练集,将训练集输入深度学习模型进行训练,通过深度学习模型挖掘出典型场景中疏散人群的微观疏散行为特征;
S25:获取疏散演练实验中未涉及到的非典型场景的静态几何属性信息,将静态几何属性信息作为测试集输入深度学习模型,通过深度学习模型获取非典型场景下的微观疏散行为特征;
S26:根据典型场景下的微观疏散行为特征以及非典型场景下的微观疏散行为特征构建室内外场景静态几何属性-宏观状态-微观疏散行为特征关系库。
S30:基于室内外一体化应急疏散网格模型和室内外场景静态几何属性-宏观状态-微观疏散行为特征关系库分别构建常规情况和意外突发状况下的室内外一体化应急疏散优化模型;
本步骤中,分别针对常规疏散场景和意外突发场景,以最大化疏散效率和安全性为目标,基于室内外场景的人流通行量、容纳量、通行时间等条件约束,构建多目标、多动态约束的室内外一体化应急疏散优化模型。其中,常规疏散场景是指疏散实况与疏散计划一致的场景。意外突发场景是指发生人员摔倒或踩踏等突发事件的场景;
具体的,如图4所示,为本发明实施例在常规情况下的室内外一体化应急疏散优化模型构建方法流程图,其具体包括以下步骤:
S30a1:针对特定常规疏散场景和宏观状态下的微观疏散行为特征,分析对应场景的动态人流通行量和通行时间等场景动态属性,建立微观疏散行为-场景动态属性-宏观状态之间的映射关系;
S30a2:根据室内外一体化应急疏散网格模型与微观疏散行为-场景动态属性-宏观状态之间的映射关系构建多层次应急疏散网络模型,其中每个层次分别表征一种场景动态属性;
S30a3:根据常规疏散场景下微观疏散行为特征的差异性,以最大化疏散效率和安全性为目标,基于室内外场景几何约束、静态几何属性、场景动态属性等条件约束,构建多目标多动态约束的室内外一体化应急疏散模型。其中,几何约束主要来源于门、过道、人行道等静态几何属性之间的拓扑关联。
进一步地,如图5所示,是本申请实施例的意外突发场景下的室内外一体化应急疏散模型构建方法流程图,其具体包括以下步骤:
S30b1:根据应急疏散进度和意外突发状况评估意外突发状况发生时的宏观疏散状态;
S30b2:在原始疏散计划和当前宏观疏散状态的基础上,结合微观疏散行为-场景动态属性-宏观状态之间的映射关系,利用仿真模型模拟拥堵状态的动态扩散过程,并短期预测关联场景中的宏观状态变化;
S30b3:分析意外突发状况的主要影响区域,并对原始疏散计划中的室外疏散范围进行局部调整;
S30b4:根据原始疏散计划和意外突发状况的双动态特征,以最大化整体疏散效率和安全性为目标,基于室内外场景几何约束、静态几何属性以及场景动态属性等条件限制,构建局部多场景协同下的室内外一体化应急疏散模型。
S40:利用优化求解算法对常规情况以及意外突发状况下的室内外一体化应急疏散模型进行求解,获取常规情况以及意外突发状况下的最优疏散路径和动态人流量分配策略;
本步骤中,分别根据常规情况以及意外突发状况下的时空人流量分析其对应的宏观状态,再依据微观疏散行为-场景动态属性-宏观状态间的映射关系对微观疏散行为和场景动态属性进行调整;并重复上述过程,迭代获取与微观疏散行为-宏观状态相匹配的动态疏散策略;最后,从疏散效率、模型求解效率和疏散安全性等角度构建评价指标,评估疏散人流量和疏散路径等动态疏散策略的时空合理性。
具体的,如图6所示,为本发明实施例的室内外一体化应急疏散模型求解过程示意图,具体包括以下步骤:
S41:利用动态网络流算法、启发式算法等优化求解算法,对室内外一体化应急疏散模型进行求解,获得时空人流量分配方案;
S42:根据求解的时空人流量分析其对应的宏观状态,并判断微观疏散行为-宏观状态是否相匹配,如果不匹配,执行S43;否则,执行S44;
S43:依据微观疏散行为-场景动态属性-宏观状态间的映射关系,对微观疏散行为和场景动态属性进行调整,并重新执行S41;
S44:获取与微观疏散行为-宏观状态相匹配的室内外一体化最优疏散路径和动态人流量分配策略;
S45:利用MPI、OpenMP或CUDA等技术对模型求解算法进行并行化,实现优化模型的高效求解。
基于上述,本申请实施例的人群应急疏散方法通过将室内BIM场景数据模型及室外GIS场景数据模型进行融合,构建全局时空协同的室内外一体化应急疏散模型,通过室内外一体化应急疏散模型获取最优疏散路径和动态人流量分配策略。本申请实施例打通了现有的室内和室外疏散模型之间的隔阂,解决了室内和室外疏散模型“不兼容”的问题,便于合理规划人群疏散路径和建筑出口人流量分配,可以大幅度提升疏散效率,减缓拥堵,并提升应急疏散安全。
请参阅图7,为本申请实施例的人群应急疏散系统结构示意图。本申请实施例的人群应急疏散系统40包括:
信息配准模块41:用于获取室内外场景的室内BIM场景数据模型及室外GIS场景数据模型,对室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;
行为特征挖掘模块42:用于获取室内外场景的疏散演练图像,通过人工智能算法从疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库;
疏散模型构建模块43:用于基于室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型;
模型求解模块44:用于利用优化求解算法对室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略。
请参阅图8,为本申请实施例的终端结构示意图。该终端50包括处理器51、与处理器51耦接的存储器52。
存储器52存储有用于实现上述人群应急疏散方法的程序指令。
处理器51用于执行存储器52存储的程序指令以控制人群应急疏散。
其中,处理器51还可以称为CPU(Central Processing Unit,中央处理单元)。处理器51可能是一种集成电路芯片,具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参阅图9,为本申请实施例的存储介质的结构示意图。本申请实施例的存储介质存储有能够实现上述所有方法的程序文件61,其中,该程序文件61可以以软件产品的形式存储在上述存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,或者是计算机、服务器、手机、平板等终端设备。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本申请中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本申请所示的这些实施例,而是要符合与本申请所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种人群应急疏散方法,其特征在于,包括:
获取室内外场景的室内BIM场景数据模型及室外GIS场景数据模型,对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;
获取所述室内外场景的疏散演练图像,通过人工智能算法从所述疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据所述微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库;
基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型;
利用优化求解算法对所述室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略。
2.根据权利要求1所述的人群应急疏散方法,其特征在于,所述对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型包括:
对所述室内BIM场景数据模型进行表面几何信息提取、过滤与重构、多楼层映射以及坐标转换处理,将处理后的室内BIM场景数据模型与室外GIS场景数据模型进行三维位置配准操作;
根据所述三维位置配准后的室内BIM场景数据模型与室外GIS场景数据模型的地理坐标及拓扑关系以及几何结构与拓扑关系,通过空间网格分割算法分别构建室内疏散网格模型和室外疏散网格模型;
通过所述室内外场景的建筑物出口对室内疏散网格模型和室外疏散网格模型进行连接,生成无缝衔接的室内外一体化应急疏散网格模型。
3.根据权利要求2所述的人群应急疏散方法,其特征在于,所述对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型还包括:
从所述室内BIM场景数据模型及室外GIS场景数据模型中提取出与疏散相关的室内外场景的静态几何属性,所述静态几何属性包括室内外场景的门、过道、楼梯及人行道的长度和宽度;
根据设定的室内外场景属性语义标准对殴室内外场景属性进行语义转换;
根据门的连通性和地物的可达性构建表征建筑物之间、建筑构件之间、建筑与地物之间以及地物之间的室内外关系描述。
4.根据权利要求3所述的人群应急疏散方法,其特征在于,所述对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型还包括:
利用几何信息处理和多层次语义映射对所述室内BIM场景数据模型进行多细节层次的GIS转换;
对转换后的室内BIM场景数据模型进行几何和语义信息重构,构建建筑体→楼层→房间以及街道→小区→道路的多尺度从属关联模式;
根据所述多尺度从属关联模式建立室内BIM场景数据模型与室外GIS场景数据模型的多尺度对应关系。
5.根据权利要求1至4任一项所述的人群应急疏散方法,其特征在于,所述通过人工智能算法从所述疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据所述微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库包括:
在所述室内外场景的典型场景上开展疏散演练实验,并对演练过程进行监测,获取疏散演练图像;所述典型场景包括室内、室外以及室内外接口;
通过影像分析和深度学习对所述疏散演练图像进行分析,获取典型场景下的运动特征以及语义特征;所述运动特征包括人群密度分布、人群流向、人群疏散速度、从众、竞争、折返、避绕障碍物以及规避拥挤行为,所述语义特征包括路径、出口、转向的选择偏好;
提取所述室内外场景的静态几何属性语义特征,所述静态几何属性语义特征包括门、过道、楼梯及人行道的宽度和可视范围;
根据所述运动特征、语义特征以及静态几何属性语义特征训练深度学习模型,通过所述深度学习模型挖掘出典型场景中疏散人群的微观疏散行为特征;
获取非典型场景的静态几何属性信息,将所述静态几何属性信息输入深度学习模型,通过所述深度学习模型获取非典型场景下的微观疏散行为特征;所述微观疏散行为特征包括人群疏散速度;
根据所述典型场景下的微观疏散行为特征以及非典型场景下的微观疏散行为特征构建室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库。
6.根据权利要求5所述的人群应急疏散方法,其特征在于,所述基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型包括:
针对常规疏散场景和宏观状态下的微观疏散行为特征,分析所述常规疏散场景的场景动态属性,建立微观疏散行为-场景动态属性-宏观状态之间的映射关系;其中,所述场景动态属性包括动态人流通行量和通行时间,所述常规疏散场景是指疏散实况与疏散计划一致的场景;
根据所述室内外一体化应急疏散网格模型与微观疏散行为-场景动态属性-宏观状态之间的映射关系构建多层次应急疏散网络模型,其中每个层次分别表征一种场景动态属性;
根据所述常规疏散场景和微观疏散行为特征的差异性,基于室内外场景几何约束、静态几何属性以及场景动态属性构建多目标多动态约束的室内外一体化应急疏散模型;所述几何约束包括静态几何属性之间的拓扑关联。
7.根据权利要求6所述的人群应急疏散方法,其特征在于,所述基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型还包括:
根据应急疏散进度和意外突发状况评估意外突发状况发生时的宏观疏散状态;
基于原始疏散计划和宏观疏散状态,结合所述微观疏散行为-场景动态属性-宏观状态之间的映射关系,利用仿真模型模拟拥堵状态的动态扩散过程,并短期预测关联场景中的宏观状态变化;
分析意外突发状况的主要影响区域,并对所述原始疏散计划中的室外疏散范围进行局部调整;
根据原始疏散计划和意外突发状况的双动态特征,基于室内外场景几何约束、静态几何属性以及场景动态属性构建局部多场景协同下的室内外一体化应急疏散模型。
8.根据权利要求6或7所述的人群应急疏散方法,其特征在于,所述利用优化求解算法对所述室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略包括:
利用动态网络流算法或启发式算法对所述室内外一体化应急疏散模型进行求解,获得时空人流量分配方案;
根据所求解的时空人流量分析其对应的宏观状态,并判断微观疏散行为与宏观状态是否相匹配,如果不匹配,依据微观疏散行为-场景动态属性-宏观状态间的映射关系,对微观疏散行为和场景动态属性进行调整,并重新对所述室内外一体化应急疏散模型进行求解;如果匹配,获取与微观疏散行为和宏观状态相匹配的室内外一体化最优疏散路径和动态人流量分配策略。
9.一种人群应急疏散系统,其特征在于,包括:
信息配准模块:用于获取室内外场景的室内BIM场景数据模型及室外GIS场景数据模型,对所述室内BIM场景数据模型及室外GIS场景数据模型进行室内外几何信息配准,构建室内外一体化应急疏散网格模型;
行为特征挖掘模块:用于获取所述室内外场景的疏散演练图像,通过人工智能算法从所述疏散演练图像中挖掘出疏散人群的微观疏散行为特征,根据所述微观疏散行为特征建立室内外场景的静态几何属性-宏观状态-微观疏散行为特征关系库;
疏散模型构建模块:用于基于所述室内外一体化应急疏散网格模型和静态几何属性-宏观状态-微观疏散行为特征关系库构建室内外一体化应急疏散优化模型;
模型求解模块:用于利用优化求解算法对所述室内外一体化应急疏散模型进行求解,获取与微观疏散行为和宏观状态相匹配的动态疏散策略。
10.一种终端,其特征在于,所述终端包括处理器、与所述处理器耦接的存储器,其中,
所述存储器存储有用于实现权利要求1-8任一项所述的人群应急疏散方法的程序指令;
所述处理器用于执行所述存储器存储的所述程序指令以控制人群应急疏散。
11.一种存储介质,其特征在于,存储有处理器可运行的程序指令,所述程序指令用于执行权利要求1至8任一项所述人群应急疏散方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111359350.3A CN114065348A (zh) | 2021-11-17 | 2021-11-17 | 一种人群应急疏散方法、系统、终端以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111359350.3A CN114065348A (zh) | 2021-11-17 | 2021-11-17 | 一种人群应急疏散方法、系统、终端以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114065348A true CN114065348A (zh) | 2022-02-18 |
Family
ID=80272953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111359350.3A Pending CN114065348A (zh) | 2021-11-17 | 2021-11-17 | 一种人群应急疏散方法、系统、终端以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114065348A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114580308A (zh) * | 2022-05-07 | 2022-06-03 | 西南交通大学 | 一种人员疏散时间预测方法、装置、存储介质及终端设备 |
CN114724083A (zh) * | 2022-04-07 | 2022-07-08 | 清华大学 | 轨迹预测系统训练、轨迹预测方法、装置、系统 |
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 |
CN117436620A (zh) * | 2023-12-21 | 2024-01-23 | 天津交控科技有限公司 | 一种人工智能的轨道交通应急疏散分析系统 |
-
2021
- 2021-11-17 CN CN202111359350.3A patent/CN114065348A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114724083A (zh) * | 2022-04-07 | 2022-07-08 | 清华大学 | 轨迹预测系统训练、轨迹预测方法、装置、系统 |
CN114724083B (zh) * | 2022-04-07 | 2023-01-10 | 清华大学 | 轨迹预测系统训练、轨迹预测方法、装置、系统 |
CN114580308A (zh) * | 2022-05-07 | 2022-06-03 | 西南交通大学 | 一种人员疏散时间预测方法、装置、存储介质及终端设备 |
CN114580308B (zh) * | 2022-05-07 | 2022-07-12 | 西南交通大学 | 一种人员疏散时间预测方法、装置、存储介质及终端设备 |
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 |
CN117436620A (zh) * | 2023-12-21 | 2024-01-23 | 天津交控科技有限公司 | 一种人工智能的轨道交通应急疏散分析系统 |
CN117436620B (zh) * | 2023-12-21 | 2024-04-12 | 天津交控科技有限公司 | 一种人工智能的轨道交通应急疏散分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114065348A (zh) | 一种人群应急疏散方法、系统、终端以及存储介质 | |
Teo et al. | BIM-oriented indoor network model for indoor and outdoor combined route planning | |
CN104867357B (zh) | 面向地震应急响应的多无人机调度与任务规划方法 | |
Jiang et al. | Continuum crowd simulation in complex environments | |
Boguslawski et al. | Automated construction of variable density navigable networks in a 3D indoor environment for emergency response | |
Carreno et al. | A cellular automaton approach to spatial electric load forecasting | |
CN102646166A (zh) | 一种复杂建筑室内应急疏散模拟的方法 | |
Liu et al. | A semantic data model for indoor navigation | |
CN113570275A (zh) | 基于bim和数字高程模型的水资源实时监测系统 | |
CN115470707A (zh) | 一种城市场景仿真模拟系统 | |
Yu et al. | A dynamic evacuation simulation framework based on geometric algebra | |
Bezbradica et al. | Understanding urban mobility and pedestrian movement | |
CN114386536B (zh) | 区域确定方法、装置、计算设备以及存储介质 | |
Sabri et al. | A multi-dimensional analytics platform to support planning and design for liveable and sustainable urban environment | |
Deng et al. | Can information sharing among evacuees improve indoor emergency evacuation? An exploration study based on BIM and agent-based simulation | |
Adil et al. | 3D smart city simulator | |
CN113342913A (zh) | 一种基于社区信息模型的防疫管控方法、系统及存储介质 | |
McElwee et al. | Real-time analysis of city scale transportation networks in New Orleans metropolitan area using an agent based model approach | |
Jiang et al. | Status quo and challenges and future development of fire emergency evacuation research and application in built environment | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN113192181B (zh) | 面向综合体导航应用的室内多层次语义拓扑索引构建方法 | |
Yang et al. | Application of multi-resolution modelling in emergency evacuation simulation | |
Liu et al. | Collaboration and Management of Heterogeneous Robotic Systems for Road Network Construction, Management, and Maintenance under the Vision of “BIM+ GIS” Technology | |
Jamali et al. | A hybrid 3D indoor space model | |
Shirowzhan et al. | Spatial big data, BIM and advanced GIS for smart transformation: city, infrastructure and construction |
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 |