CN114298438A - 多危险源下的地铁站内人员疏散仿真路径规划方法及系统 - Google Patents
多危险源下的地铁站内人员疏散仿真路径规划方法及系统 Download PDFInfo
- Publication number
- CN114298438A CN114298438A CN202210005336.1A CN202210005336A CN114298438A CN 114298438 A CN114298438 A CN 114298438A CN 202210005336 A CN202210005336 A CN 202210005336A CN 114298438 A CN114298438 A CN 114298438A
- Authority
- CN
- China
- Prior art keywords
- evacuation
- personnel
- subway station
- people
- evacuated
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 55
- 230000015654 memory Effects 0.000 claims description 12
- 239000002341 toxic gas Substances 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 238000004880 explosion Methods 0.000 abstract description 4
- 230000004048 modification Effects 0.000 abstract description 3
- 238000012986 modification Methods 0.000 abstract description 3
- 231100000167 toxic agent Toxicity 0.000 abstract description 2
- 239000003440 toxic substance Substances 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- QBPFLULOKWLNNW-UHFFFAOYSA-N chrysazin Chemical compound O=C1C2=CC=CC(O)=C2C(=O)C2=C1C=CC=C2O QBPFLULOKWLNNW-UHFFFAOYSA-N 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了多危险源下的地铁站内人员疏散仿真路径规划方法及系统，其中，方法包括：获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。经过适当修改，多目标鲁棒模型适用于为不同突发事件(火灾、有毒物质释放和爆炸等)下站内人员疏散提供路径规划方案，提高地铁疏散系统的高效性和安全性。
Description
技术领域
本发明涉及路径规划技术领域，特别是涉及多危险源下的地铁站内人员疏散仿真路径规划方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。
近年来，由于地铁高效、大容量、低污染和准时到达的优势，越来越多的人员开始选择地铁作为主要出行方式。
但是，地铁站大多位于地面以下，自然灾害如洪水和地震可能会对其造成严重影响。人为灾难包括火灾、恐怖袭击和爆炸等也可能会产生严重后果。同时，大多数地铁站通过有限的长距离通道与外界相连通，环境相对封闭。长距离可能会导致救援工作和人群疏散更加困难。
然而，目前，突发事件下人员的疏散路径规划仍存在许多问题。首先，现有研究多采用限定的时间值进行疏散安全性判断，分析在限定时间内各类安全事故现场环境因素如燃烧产物、毒气含量等对应的参数是否已达到安全临界值(浓度)以进行安全疏散可行性判断，但将安全事故现场环境因素影响的累积效应与人群疏散过程相结合的研究则较少。例如，在火灾过程中，各类火灾现场环境因素对人群的疏散速度有重要影响。其次，在进行路径规划时通常只考虑单个目标，或者考虑了多个目标，但在求解过程中采用线性加权方法将多目标转化为单个目标。最后，在实际疏散路网中，获取人员疏散路段属性非常困难，如人员疏散时间和疏散风险等数据会因为路网具有时变特征而存在不确定性。
发明内容
为了解决现有技术的不足，本发明提供了多危险源下的地铁站内人员疏散仿真路径规划方法及系统；在不确定环境中对多危险源下地铁站内的人员疏散路径进行多目标鲁棒优化，不仅可以提高站内人员的疏散效率，而且为人员的安全出行提供了辅助决策支持。适用于为不同突发事件(火灾、有毒物质释放和爆炸等)下站内人员疏散提供路径规划方案，该方案可以充分考虑到此类疏散事件的复杂性和多目标性。
第一方面，本发明提供了多危险源下的地铁站内人员疏散仿真路径规划方法；
多危险源下的地铁站内人员疏散仿真路径规划方法，包括：
获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；
获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；
基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；
对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
第二方面，本发明提供了多危险源下的地铁站内人员疏散仿真路径规划系统；
多危险源下的地铁站内人员疏散仿真路径规划系统，包括：
网格化模块，其被配置为：获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；
疏散速度获取模块，其被配置为：获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；
路径优化模型建立模块，其被配置为：基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；
人员疏散模块，其被配置为：对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
第三方面，本发明还提供了一种电子设备，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述第一方面所述的方法。
第四方面，本发明还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行第一方面所述方法的指令。
第五方面，本发明还提供了一种计算机程序产品，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
与现有技术相比，本发明的有益效果是：
建立了以最短总人员疏散时间、最小化总路段风险值和最小化总路段拥挤成本为目标的人员疏散多目标鲁棒路径优化模型，描述了在不确定火灾情况下多起点、多终点和多危险源的路径优化问题。考虑到特定危险事件和不确定性因素的影响，为站内人员疏散提供不同鲁棒控制参数下的路径规划方案，提高地铁疏散系统的高效性和安全性。
附图说明
构成本发明的一部分的说明书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。
图1示出了本发明实施例一所述的一种多危险源下的地铁站内人员疏散仿真路径规划方法流程示意图；
图2示出了本发明实施例一所述多危险源下的地铁站疏散网络图；
图3示出了本发明实施例一地铁站温度、CO浓度和可见度的检测器分布；
图4示出了本发明实施例一基于NSGA-II算法求解多目标鲁棒模型流程图；
图5示出了本发明实施例一不同鲁棒控制参数下的优化结果和优化前数据进行对比图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
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。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上，对数据的合法应用。
实施例一
本实施例提供了多危险源下的地铁站内人员疏散仿真路径规划方法；
如图1所示，多危险源下的地铁站内人员疏散仿真路径规划方法，包括：
S101：获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；
S102：获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；
S103：基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；
S104：对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
多危险源，包括：火灾、有毒气体和爆炸。
进一步地，所述S101：获取地铁站内基本数据；具体基本数据包括：
地跌站内基础设施的尺寸、位置和数量，地铁各通道的长度和宽度。
进一步地，所述S101：基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；具体是：
基于图论的方式，将地铁站内空间网格化，确定待疏散人员初始位置。
进一步地，所述基于图论的方式，将地铁站内空间网格化，确定待疏散人员初始位置；具体包括：
原始行走网络搭建是在假设突发事件不影响任何设施使用的情况下，将车站的内部环境抽象为一个有向图G，G＝(O，V，D，E)。
其中，O是待疏散客流起点集合，为地铁站内的楼/扶梯；D是出口点集，为站内各安全出口的集合；V是节点集合，为不同类型设备连接处，指地铁站内的闸机；E＝{a1，a2，…，ak}代表疏散节点之间连接的疏散路径集；ak表示第k个疏散路径。
修正行走网络是将站内疏散时不能利用的设施设备从原始行走网络中删除，并在此基础上重新搭建站内人员行走网络；如图2所示。
同时，通过站内监控设备提取地铁站内各处画面，从而得到整个地铁站内的人员分布状况。
进一步地，所述S102：获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；具体是指：
S1021：通过Pyrosim软件，建立火灾模型；
S1022：基于火灾模型，得到多危险源下地铁站发生火灾时的基本状况；
S1023：对基本情况进行数据统计，得到受火灾影响下各路段上人员的疏散速度和各危险源的位置信息。
示例性地，所述发生火灾时的基本状况，包括：温度、一氧化碳浓度和可见度随时间的变化情况。
进一步地，所述S1022：基于火灾模型，得到多危险源下地铁站发生火灾时的基本状况；具体包括：
如图3所示，对多危险源下的火灾工况进行研究，分析主要影响因素：温度、能见度和有毒气体浓度(CO)随时间的变化情况。选取站台层和站厅层人眼视觉高度1.6m处，对温度、可见度及CO浓度在指定关键疏散位置的影响进行定性和定量分析，分析出受火灾影响下各路段上人员的疏散速度。
进一步地，所述S1023：对基本情况进行数据统计，得到受火灾影响下各路段上人员的疏散速度和各危险源的位置信息；其中，人员的疏散速度等于待疏散人员的初始速度、可见度影响系数、有毒气体浓度影响系数和烟气温度影响系数的乘积。
示例性地，计算各路段上人员的疏散速度vij：
vij＝v0gf1(K)f2(ρ)f3(T)；
可见度影响系数：
有毒气体浓度影响系数：
烟气温度影响系数：
可见度影响系数、有毒气体浓度影响系数和烟气温度影响系数三个系数相乘得到火灾对人员疏散速度的影响系数。
其中，v0表示人员的基准速度，为1.2m/s，K表示减光系数，ρ表示CO浓度(％)，t表示暴露时间(min)，T表示烟气温度，vmax表示人员的最大逃生速度，为4m/s，TS表示火灾下地铁站内的实际温度，T0表示室外常温，为20℃，Tcr1表示人员感到不适的温度，为30℃，Tcr2表示对人员造成伤害的温度，为60℃，Tdead表示致死温度，为120℃。
进一步地，所述S103：基于各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；具体包括：
基于各路段人员的疏散速度和各个危险源的位置，建立以人员总疏散时间最短、总路段风险值最小和总路段拥挤成本最小为目标的人员疏散多目标路径优化模型。
在突发安全事件下，综合考虑人员疏散过程中的拥堵状况和风险因素，保证总疏散时间最小化，对地铁站内的人员疏散路径进行多目标优化。同时，引入鲁棒优化方法与多目标路径优化模型相结合，用来描述在疏散过程中的不确定因素，如：人员在每条路段上的行走时间和所承受的风险值。
示例性地，所述S103：基于各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；具体包括：
以人员总疏散时间最短、总路段风险值最小和总路段拥挤成本最小为目标的多危险源下的人员疏散多目标鲁棒路径优化模型为：
其中，zT表示最短总疏散时间的目标函数，zR表示最小总路段风险值的目标函数，zD表示最小化拥挤成本的目标函数。S1表示地铁疏散网络中的可行走节点(不包括虚拟起始节点)的集合，S1{s|s＝1,2,3,...,n}，S2表示地铁疏散网络中的危险源所在位置的不可行走节点的集合，S2{s|s＝n+1,n+2,...,n+m}，S0表示地铁疏散网络中虚拟起始节点的集合，S0{s'|s'＝n+m+1,n+m+2,...,n+m+n'}，Ss'表示第s'个虚拟起始节点中疏散人员的集合，Ss'＝{q|q＝1，2，3，...，Q}，W表示地铁疏散网络中所有路段的集合，tij表示人员在路段上行走时间的标称值，
表示人员在路段(i，j)上的行走时间与其标称值的偏差量，
(i,j∈W)，
表示当第s'个虚拟起点节点中的第q个人员通过路段(i，j)时，
否则，
表示人员在路段(i,j)上的可变行走时间，
Γ表示时间鲁棒性的控制参数，Γ∈[0，|W|]，E表示受不确定性影响并导致步行时间变化的路段集合，tp表示在出现危险时人员的反应时间，为10s，rij表示路段风险值的标称值，即路段(i，j)的中心点与S2之间的距离，
表示路段(i，j)上的风险值与其标称值的偏差量，
(i,j∈W)，
表示路段(i，j)上的可变风险值，
ψ表示风险鲁棒性的控制参数，ψ∈[0，|W|]，R表示受不确定性影响并导致风险值变化的路段集合，
表示危险发生时，当路段上第p个人员通过路段(i，j)时，
否则，
cij表示路段(i，j)上的拥挤成本。
所述拥挤成本函数cij(qij)：
其中，
表示人员在自由流速度下通过路段(i，j)的行程时间，qij表示路段(i，j)上的人员数量，Cij表示路段(i，j)的容量，与通道面积Aij以及人员占用的面积有关，
π取3.14，r为人员的半径，取0.25m。
模型约束：
其中，Q表示站台疏散人员的总数，P表示危险时刻路段上总人数，P{p|p＝1,2,3,...,P}，M表示疏散总人数。
目标函数方程(1)和(2)中“max”项的存在不利于直观求解，因此需要对其进行等价转换。利用鲁棒离散转换规则，等式(1)被转换成等式(6)，等式(2)被转化成等式(7)。
其中，
为人员的最短总疏散时间，
为最小总路段风险值。
进一步地，所述S104：对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散；具体包括：
基于多目标遗传算法NSGA-II，对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
示例性地，所述S104：如图4所示，对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散；具体包括：
S1041：设置相关参数；所述相关参数，包括：最大迭代次数、种群大小、最优前端个体系数、路段时间、路段风险和路段容量；
S1042：设置时间矩阵T[N+2+3][N+2+3]，路段风险矩阵R[N+2+3][N+2+3]，容量矩阵C[N+2+3][N+2+3]，人员分布矩阵P[N+2+3][N+2+3]；
S1043：生成初始种群作为父种群；随机产生规模为N的初始种群，非支配排序后通过遗传算法的选择、交叉、变异三个基本操作得到第一代子代种群；
S1044：对父种群进行选择、交叉和变异后产生子种群。
若此时子种群与父种群不同，则进行S1045；
若子种群与父种群相同，则进行编码操作，即重新把站台和路段上的人员分配到每个节点，计算每个人员的适应度值与三个目标函数的适应度值，然后进行选择、分割交叉操作与分割变异操作，再进行非支配排序，基于适应度值对种群进行分层产生新的父种群，继而继续对父种群进行选择、交叉和变异后产生子种群；
S1045：父、子种群合并，计算序值与拥挤距离后，进行非支配排序后分别使用排序函数sort按升序排序时间目标与拥挤成本目标；在此之后，修建种群得到新一代子种群。
S1046：不断迭代。如果达到最大迭代次数，则输出帕累托最优解；否则，返回步骤S1045。
所述S1041设置相关参数，包括：最大迭代次数MaxGens＝500，种群大小PopSize＝100，最优前端个体系数PF＝0.1，路段时间T，路段风险R，路段容量C等。
为了对本发明的可行性和有效性进行验证，本实例中选取某一城市地铁站，采用了Pyrosim和Pathfinder软件构建地铁站模型进行仿真模拟实验，如图5所示，为了进一步确定人员疏散多目标鲁棒路径优化模型得到的路径规划策略的优化程度，通过与优化前的值进行对比从而得到改进程度，对于鲁棒控制参数Γ和ψ不同下的路径规划方案，当时间鲁棒控制参数Γ和风险鲁棒控制参数ψ分别为0和0、30和30、60和60以及106和106时，优化程度分别为6.8％，12.8％，11.5％和9.6％。
实施例二
本实施例提供了多危险源下的地铁站内人员疏散仿真路径规划系统；
多危险源下的地铁站内人员疏散仿真路径规划系统，包括：
网格化模块，其被配置为：获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；
疏散速度获取模块，其被配置为：获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；
路径优化模型建立模块，其被配置为：基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；
人员疏散模块，其被配置为：对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
此处需要说明的是，上述网格化模块、疏散速度获取模块、路径优化模型建立模块和人员疏散模块对应于实施例一中的步骤S101至S104，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，仅仅为一种逻辑功能划分，实际实现时，可以有另外的划分方式，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。
实施例三
本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、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、分立硬件组件等。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。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。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。
实施例四
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (10)
1.多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，包括：
获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；
获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；
基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；
对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
2.如权利要求1所述的多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，获取地铁站内基本数据；具体基本数据包括：
地跌站内基础设施的尺寸、位置和数量，地铁各通道的长度和宽度。
3.如权利要求1所述的多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；具体是：
基于图论的方式，将地铁站内空间网格化，确定待疏散人员初始位置。
4.如权利要求1所述的多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；具体是指：
建立火灾模型；
基于火灾模型，得到多危险源下地铁站发生火灾时的基本状况；
对基本情况进行数据统计，得到受火灾影响下各路段上人员的疏散速度和各危险源的位置信息。
5.如权利要求4所述的多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，对基本情况进行数据统计，得到受火灾影响下各路段上人员的疏散速度和各危险源的位置信息；其中，人员的疏散速度等于待疏散人员的初始速度、可见度影响系数、有毒气体浓度影响系数和烟气温度影响系数的乘积。
6.如权利要求1所述的多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；具体包括：
基于各路段人员的疏散速度和各个危险源的位置，建立以人员总疏散时间最短、总路段风险值最小和总路段拥挤成本最小为目标的人员疏散多目标路径优化模型。
7.如权利要求1所述的多危险源下的地铁站内人员疏散仿真路径规划方法，其特征是，对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散；具体包括：
基于多目标遗传算法，对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
8.多危险源下的地铁站内人员疏散仿真路径规划系统，其特征是，包括：
网格化模块，其被配置为：获取地铁站内基本数据；基于地铁站内基本数据，将地铁站内空间网格化，确定待疏散人员初始位置；
疏散速度获取模块，其被配置为：获取受灾情况下，各路段人员的疏散速度和各危险源的位置信息；
路径优化模型建立模块，其被配置为：基于待疏散人员初始位置、各路段人员的疏散速度和各个危险源的位置，建立人员疏散多目标路径优化模型；
人员疏散模块，其被配置为：对人员疏散多目标路径优化模型进行求解，得到不同控制参数下的疏散路径优化方案，实现待疏散人员的疏散。
9.一种电子设备，其特征是，包括：
存储器，用于非暂时性存储计算机可读指令；以及
处理器，用于运行所述计算机可读指令，
其中，所述计算机可读指令被所述处理器运行时，执行上述权利要求1-7任一项所述的方法。
10.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行权利要求1-7任一项所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210005336.1A CN114298438B (zh) | 2022-01-04 | 2022-01-04 | 多危险源下的地铁站内人员疏散仿真路径规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210005336.1A CN114298438B (zh) | 2022-01-04 | 2022-01-04 | 多危险源下的地铁站内人员疏散仿真路径规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114298438A true CN114298438A (zh) | 2022-04-08 |
| CN114298438B CN114298438B (zh) | 2024-04-16 |
Family
ID=80974894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210005336.1A Active CN114298438B (zh) | 2022-01-04 | 2022-01-04 | 多危险源下的地铁站内人员疏散仿真路径规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114298438B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114548604A (zh) * | 2022-04-25 | 2022-05-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种客流动态引导方法、系统、电子设备及存储介质 |
| CN114818360A (zh) * | 2022-05-10 | 2022-07-29 | 煤炭科学研究总院有限公司 | 人群应急疏散场景下的疏散出口设置方法及装置 |
| 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 |
| CN116187608A (zh) * | 2023-02-01 | 2023-05-30 | 青岛理工大学 | 水灾环境下地下交通设施疏散路径决策方法、系统、设备 |
| CN116542408A (zh) * | 2023-03-27 | 2023-08-04 | 青岛理工大学 | 毒气泄漏情况下地下交通设施内乘客疏散路径规划方法 |
| CN117541083A (zh) * | 2024-01-09 | 2024-02-09 | 青岛理工大学 | 疏散平台疏散能力的预测方法和装置 |
| CN117575109A (zh) * | 2024-01-16 | 2024-02-20 | 青岛理工大学 | 水灾场景下地下车站人容量的预测方法和装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330147A (zh) * | 2017-05-26 | 2017-11-07 | 北京交通大学 | 一种地铁车站人员应急疏散仿真方法及系统 |
-
2022
- 2022-01-04 CN CN202210005336.1A patent/CN114298438B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330147A (zh) * | 2017-05-26 | 2017-11-07 | 北京交通大学 | 一种地铁车站人员应急疏散仿真方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| 刘占省;张安山;王文思;王京京;: "数字孪生驱动的冬奥场馆消防安全动态疏散方法", 同济大学学报(自然科学版), no. 07, 15 July 2020 (2020-07-15) * |
| 张丽杰 等: "复杂建筑火灾中的人员疏散路径多目标规划", 《东北大学学报（自然科学版）》, vol. 41, no. 6, 30 June 2020 (2020-06-30), pages 761 - 766 * |
| 朴勋;耿雪川;: "小型建筑火灾中人群智能疏散引导模拟研究", 科技通报, no. 09, 30 September 2018 (2018-09-30) * |
| 王付宇;王骏;: "突发事件情景下地铁站人员应急疏散问题综述", 计算机应用研究, no. 10, 7 May 2018 (2018-05-07) * |
| 邓云峰;李竞;盖文妹;: "基于个体脆弱性区域疏散最佳路径", 中国安全生产科学技术, no. 11, 30 November 2013 (2013-11-30) * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114548604A (zh) * | 2022-04-25 | 2022-05-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种客流动态引导方法、系统、电子设备及存储介质 |
| US11893325B2 (en) | 2022-05-10 | 2024-02-06 | Ccteg Chinese Institute Of Coal Science | Method and apparatus for setting evacuation exit under crowd emergency evacuation scenario |
| CN114818360A (zh) * | 2022-05-10 | 2022-07-29 | 煤炭科学研究总院有限公司 | 人群应急疏散场景下的疏散出口设置方法及装置 |
| CN114818360B (zh) * | 2022-05-10 | 2022-11-01 | 煤炭科学研究总院有限公司 | 人群应急疏散场景下的疏散出口设置方法及装置 |
| CN116187608A (zh) * | 2023-02-01 | 2023-05-30 | 青岛理工大学 | 水灾环境下地下交通设施疏散路径决策方法、系统、设备 |
| CN116187608B (zh) * | 2023-02-01 | 2023-09-15 | 青岛理工大学 | 水灾环境下地下交通设施疏散路径决策方法、系统、设备 |
| CN116542408A (zh) * | 2023-03-27 | 2023-08-04 | 青岛理工大学 | 毒气泄漏情况下地下交通设施内乘客疏散路径规划方法 |
| CN116542408B (zh) * | 2023-03-27 | 2023-11-28 | 青岛理工大学 | 毒气泄漏情况下地下交通设施内乘客疏散路径规划方法 |
| 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 |
| CN117541083A (zh) * | 2024-01-09 | 2024-02-09 | 青岛理工大学 | 疏散平台疏散能力的预测方法和装置 |
| CN117541083B (zh) * | 2024-01-09 | 2024-05-28 | 青岛理工大学 | 疏散平台疏散能力的预测方法和装置 |
| CN117575109A (zh) * | 2024-01-16 | 2024-02-20 | 青岛理工大学 | 水灾场景下地下车站人容量的预测方法和装置 |
| CN117575109B (zh) * | 2024-01-16 | 2024-05-28 | 青岛理工大学 | 水灾场景下地下车站人容量的预测方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114298438B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114298438A (zh) | 多危险源下的地铁站内人员疏散仿真路径规划方法及系统 | |
| Dulebenets et al. | Exact and heuristic solution algorithms for efficient emergency evacuation in areas with vulnerable populations | |
| Wu et al. | Scenario analysis of mine water inrush hazard using Bayesian networks | |
| Campos et al. | A method for evacuation route planning in disaster situations | |
| Song et al. | Crowd evacuation simulation for bioterrorism in micro-spatial environments based on virtual geographic environments | |
| KR102375246B1 (ko) | 재난상황을 대비한 지능형 대피 유도 시스템 | |
| Chen et al. | Multi-Dimensional evacuation risk evaluation in standard subway station | |
| CN113918673A (zh) | 毒气泄漏事故中的应急疏散路径规划方法 | |
| Xu et al. | Safety risks in rail stations: An interactive approach | |
| Tufekci et al. | Regional evacuation modeling system (REMS): A decision support system for emergency area evacuations | |
| Üster et al. | Strategic Evacuation Network Design (SEND) under cost and time considerations | |
| Grajdura et al. | Fast-moving dire wildfire evacuation simulation | |
| Zhang et al. | Evaluation of emergency evacuation capacity of urban metro stations based on combined weights and TOPSIS-GRA method in intuitive fuzzy environment | |
| CN110765653A (zh) | 城市地下综合管廊突发事件应急仿真方法 | |
| CN110837702B (zh) | 城市地下综合管廊突发事件应急仿真系统 | |
| Guo et al. | Simulation-based multi-objective optimization towards proactive evacuation planning at metro stations | |
| CN111814338B (zh) | 一种建筑物疏散路径生成方法、系统及设备 | |
| Lupoi et al. | Seismic resilience of regional health-care systems | |
| Feng et al. | Emergency safety evacuation decision based on dynamic Gaussian Bayesian network | |
| Di Gangi et al. | Multimodal mesoscopic approach in modeling pedestrian evacuation | |
| Chiu et al. | Study on related simulations between exit characteristics and evacuation performance | |
| Cai et al. | A GIS-microscopic simulation approach for optimizing road barrier placement and configuration in university campus emergency evacuation | |
| Munadi et al. | Multiagent based tsunami evacuation simulation: a conceptual model | |
| Junfeng et al. | Mapping the fire risk in buildings: A hybrid method of ASET-RSET concept and FED concept | |
| Wang et al. | An integrated shelter location and route planning approach for emergent evacuation in transportation networks |
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 |