CN114659525A - 面向三维船舶场景的可扩展性实时快速应急路径规划方法 - Google Patents

面向三维船舶场景的可扩展性实时快速应急路径规划方法 Download PDF

Info

Publication number
CN114659525A
CN114659525A CN202210543376.1A CN202210543376A CN114659525A CN 114659525 A CN114659525 A CN 114659525A CN 202210543376 A CN202210543376 A CN 202210543376A CN 114659525 A CN114659525 A CN 114659525A
Authority
CN
China
Prior art keywords
road
path
road sign
delay
navigation
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
Application number
CN202210543376.1A
Other languages
English (en)
Other versions
CN114659525B (zh
Inventor
刘克中
曾小玲
陈默子
马玉亭
郑凯
曾旭明
王克浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202210543376.1A priority Critical patent/CN114659525B/zh
Publication of CN114659525A publication Critical patent/CN114659525A/zh
Application granted granted Critical
Publication of CN114659525B publication Critical patent/CN114659525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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

Abstract

一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，包括以下步骤：根据船舶室内结构构建三维导航网络；先在三维导航网络的路标节点处布设无线传感器，构造无线传感器网络，再利用无线传感器采集相邻路标节点之间的路段延迟信息以及危险到达路段的时间间隔信息，然后根据路标节点和路段延迟信息，采用有向图建立应急导航模型；根据应急导航策略的目标，利用舍入和缩放算法，为每个船载人员规划最优导航路径；根据船舶疏散环境的动态变化，利用无线传感器网络采集到的信息，实时更新应急导航模型参数，最后利用舍入和缩放算法实时计算船载人员的最优导航路径。本设计不仅可扩展性好，而且疏散效率高、用户安全性强。

Description

面向三维船舶场景的可扩展性实时快速应急路径规划方法
技术领域
本发明涉及智能交通的船载人员应急疏散领域，尤其涉及一种面向三维船舶场景的可扩展性实时快速应急路径规划方法。
背景技术
邮轮事故往往会造成大量的人员伤亡，无效的应急疏散方法被认为是造成人员伤亡的主要原因之一，可靠且高效的应急疏散对于邮轮乘客的安全至关重要。
目前有许多先进的基于无线传感器网络的应急疏散方法，利用无线传感器与动态环境进行交互，实时获取信息，为用户提供实时的导航服务。但是这些疏散方法主要应用于陆地上的建筑，没有考虑到船载环境复杂的内部结构、有限的生存时间以及船体运动，因此无法直接将其应用于船舶疏散。首先，大部分方法仅用于处理二维传感场景，没有考虑到实际的导航环境；这些方法会在运行阶段探索环境中的障碍物并且构建路线图，由于邮轮内部结构极度复杂，疏散过程中存在动态危险，这些导航方法无法为船载乘客提供实时且可靠的导航方案。其次，船舶人员应急疏散需要考虑船体倾覆的硬截止时间，具体来说，部分疏散方法考虑了危险变化的影响，旨在引导用户在远离危险的同时无振荡地逃生，但忽视了导航效率，导致乘客长时间处于危险中，从而错过了船舶的逃生时间。最后，船载人员的运动会受到船舶倾斜角与受损情况的影响，疏散人员速度变化会引起相同路段上逃生时间的改变，因此在船体倾覆之前，传统的疏散方法可能无法完成乘客安全疏散。
由于船舶室内环境结构复杂，目前先进的应急疏散方法主要适用于结构简单的陆地建筑物。对于存在动态危险及疏散硬截止时间的船载环境，基于无线传感器网络的应急疏散策略存在算法可扩展性差、疏散效率低、用户安全性差的问题。
发明内容
本发明的目的是克服现有技术中存在的可扩展性差、疏散效率低、用户安全性差的缺陷与问题，提供一种可扩展性好、疏散效率高、用户安全性强的面向三维船舶场景的可扩展性实时快速应急路径规划方法。
为实现以上目的，本发明的技术解决方案是：一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，该方法包括以下步骤：
S1、根据船舶室内结构构建三维导航网络；
S2、先在三维导航网络的路标节点处布设无线传感器，构造无线传感器网络，再利用无线传感器采集相邻路标节点之间的路段延迟信息以及危险到达路段的时间间隔信息，然后根据路标节点和路段延迟信息，采用有向图建立应急导航模型；
S3、根据应急导航策略的目标，利用舍入和缩放算法，为每个船载人员规划最优导航路径；
S4、根据船舶疏散环境的动态变化，利用无线传感器网络采集到的信息，实时更新应急导航模型参数，最后利用舍入和缩放算法实时计算船载人员的最优导航路径。
步骤S1中，采用基于泰森多边形的导航网络构建方法，具体包括以下步骤：
S11、初始化赋值，
Figure 62863DEST_PATH_IMAGE001
单元格集合
Figure 183265DEST_PATH_IMAGE002
，当前曲面细分等级
Figure 431844DEST_PATH_IMAGE003
；
S12、导航场景中门节点、凹角节点和楼梯节点投影对应于约束形核点集合
Figure 92633DEST_PATH_IMAGE004
，对 于待测
Figure 123649DEST_PATH_IMAGE001
单元格集合
Figure 149374DEST_PATH_IMAGE005
中的每个
Figure 885249DEST_PATH_IMAGE001
单元格
Figure 349728DEST_PATH_IMAGE006
，计算约束形核点连线
Figure 221869DEST_PATH_IMAGE007
的二等分 线
Figure 933342DEST_PATH_IMAGE008
，再计算二等分线
Figure 156513DEST_PATH_IMAGE008
与
Figure 362366DEST_PATH_IMAGE001
单元格
Figure 620172DEST_PATH_IMAGE006
的交点集合
Figure 269591DEST_PATH_IMAGE009
；
S13、若交点集合
Figure 714479DEST_PATH_IMAGE009
中的元素个数大于2，则创建边
Figure 458444DEST_PATH_IMAGE010
，并将其插入多边形
Figure 570756DEST_PATH_IMAGE011
的 细分曲面中；将包含约束形核点
Figure 171502DEST_PATH_IMAGE012
的
Figure 618532DEST_PATH_IMAGE001
单元格
Figure 166188DEST_PATH_IMAGE006
添加到集合
Figure 133007DEST_PATH_IMAGE013
中；对于边
Figure 373496DEST_PATH_IMAGE010
相交 的边，将其相邻的
Figure 540779DEST_PATH_IMAGE001
单元格
Figure 626546DEST_PATH_IMAGE006
添加到待测
Figure 244610DEST_PATH_IMAGE001
单元格集合
Figure 655999DEST_PATH_IMAGE014
中；
S14、删除约束形核点
Figure 297196DEST_PATH_IMAGE012
新生成的
Figure 435922DEST_PATH_IMAGE001
单元格边界内的边；
S15、对于多边形
Figure 377334DEST_PATH_IMAGE015
的细分曲面中的每条边
Figure 959625DEST_PATH_IMAGE016
，若边
Figure 353697DEST_PATH_IMAGE016
的长度超过边长阈值
Figure 797579DEST_PATH_IMAGE017
，或 者边
Figure 327917DEST_PATH_IMAGE018
受两个约束形核点限制，或者边
Figure 877847DEST_PATH_IMAGE019
的端点位于不共线约束边上时，计算边
Figure 759216DEST_PATH_IMAGE019
的二等分 点
Figure 256056DEST_PATH_IMAGE020
，并将二等分点
Figure 890169DEST_PATH_IMAGE021
添加到集合
Figure 548683DEST_PATH_IMAGE022
中；
S16、对细分等级赋值
Figure 917347DEST_PATH_IMAGE023
，重复步骤S12、S13、S14、S15，直到完成最大细 分等级
Figure 749037DEST_PATH_IMAGE024
的计算。
步骤S2具体包括以下步骤：
S21、采用有向图对无线传感器网络进行建模，得到图模型为：
Figure 519547DEST_PATH_IMAGE025
式中，
Figure 96766DEST_PATH_IMAGE026
为路标集合，
Figure 687147DEST_PATH_IMAGE027
为两个路标之间路段构成的集合；
S22、估计不同路段对应的典型延迟
Figure 322528DEST_PATH_IMAGE028
和最坏情况延迟
Figure 681965DEST_PATH_IMAGE029
；
S23、将图模型
Figure 682282DEST_PATH_IMAGE025
中每个路标
Figure 556697DEST_PATH_IMAGE030
设置为三元组：
Figure 448298DEST_PATH_IMAGE031
式中，
Figure 662242DEST_PATH_IMAGE032
为部署无线传感器时分配的路标标识符，
Figure 99040DEST_PATH_IMAGE033
为路标在导航网络中的位 置坐标，
Figure 460751DEST_PATH_IMAGE034
为最短危险到达时间集合；
Figure 375617DEST_PATH_IMAGE035
为危险从初始位置扩展到路标
Figure 460379DEST_PATH_IMAGE036
的相邻路段
Figure 864816DEST_PATH_IMAGE037
的最短时间间隔，定 义为：
Figure 651506DEST_PATH_IMAGE038
式中，
Figure 370063DEST_PATH_IMAGE039
为危险从初始位置扩展到路标
Figure 620916DEST_PATH_IMAGE036
所有相邻路段的最短时间间隔集 合，
Figure 399516DEST_PATH_IMAGE040
为路标
Figure 922770DEST_PATH_IMAGE041
的相邻路标集合；
Figure 710598DEST_PATH_IMAGE042
Figure 19219DEST_PATH_IMAGE043
式中，
Figure 968721DEST_PATH_IMAGE044
为疏散截止时间，
Figure 946648DEST_PATH_IMAGE045
为出口路标。
步骤S22中，将动态危险情况下船载人员的典型速度与图模型中各路段长度相结 合，计算出该路段对应的典型延迟
Figure 272587DEST_PATH_IMAGE028
；
对于因水密舱壁而不受浸水影响的路段，其最坏情况速度
Figure 170136DEST_PATH_IMAGE046
为：
Figure 87276DEST_PATH_IMAGE047
式中，
Figure 850702DEST_PATH_IMAGE048
为倾斜角为30度时步行速度的衰减系数；
对于受浸水影响的路段，其最坏情况速度
Figure 449173DEST_PATH_IMAGE049
为：
Figure 466808DEST_PATH_IMAGE050
式中，
Figure 23691DEST_PATH_IMAGE051
为水深0.8m时步行速度的衰减系数；
将船载人员通过各路段的最坏情况速度与图模型中各路段长度相结合，计算出该 路段对应的最坏情况延迟
Figure 510298DEST_PATH_IMAGE029
。
所述应急导航策略的目标是指为每个船载人员规划一条远离危险区域的路径，经过该路径，在所有情况下船载人员都能在硬截止时间内到达出口路标，同时经历从用户初始路标到达出口路标的最小典型延迟。
步骤S3具体包括以下步骤：
S31、定义路标
Figure 178040DEST_PATH_IMAGE052
对应的相邻安全路标集合
Figure 846919DEST_PATH_IMAGE053
以及路标
Figure 574703DEST_PATH_IMAGE052
到达出口路标
Figure 797874DEST_PATH_IMAGE045
的安 全路径集合
Figure 987416DEST_PATH_IMAGE054
；
（1）对于路标
Figure 979643DEST_PATH_IMAGE052
对应的相邻安全路标集合
Figure 675066DEST_PATH_IMAGE053
的定义如下：
对于路标
Figure 854375DEST_PATH_IMAGE052
的相邻路标
Figure 863919DEST_PATH_IMAGE036
，若从路标
Figure 724034DEST_PATH_IMAGE036
到达出口路标
Figure 324780DEST_PATH_IMAGE045
的路径集合中存在一条 路径
Figure 522543DEST_PATH_IMAGE055
，对于其中任意不等于路标
Figure 804620DEST_PATH_IMAGE036
的路标
Figure 771439DEST_PATH_IMAGE056
，若满足以下不等式，则路标
Figure 543086DEST_PATH_IMAGE036
为路标
Figure 477413DEST_PATH_IMAGE052
的相邻安全路标，所有相邻安全路标构成集合
Figure 563180DEST_PATH_IMAGE053
；
Figure 384506DEST_PATH_IMAGE057
；
Figure 592633DEST_PATH_IMAGE058
式中，
Figure 233830DEST_PATH_IMAGE059
为从路标
Figure 874021DEST_PATH_IMAGE052
到路标
Figure 612170DEST_PATH_IMAGE036
的路段的最坏情况延迟，
Figure 663303DEST_PATH_IMAGE060
为从路标
Figure 57375DEST_PATH_IMAGE036
到达 路标
Figure 547262DEST_PATH_IMAGE061
的路径
Figure 343180DEST_PATH_IMAGE062
的最坏情况延迟；
Figure 80061DEST_PATH_IMAGE063
为危险到达路段
Figure 961429DEST_PATH_IMAGE064
的最短时间间隔，其 中，路标
Figure 989428DEST_PATH_IMAGE065
位于路径
Figure 639852DEST_PATH_IMAGE066
上并且路段
Figure 298366DEST_PATH_IMAGE064
为路标
Figure 463769DEST_PATH_IMAGE056
的相邻路段；
（2）对于安全路径集合
Figure 246523DEST_PATH_IMAGE067
的定义如下：
对于路径
Figure 485875DEST_PATH_IMAGE068
，当且仅当每个位于路径
Figure 580870DEST_PATH_IMAGE069
的路标
Figure 233568DEST_PATH_IMAGE052
，满足
Figure 541053DEST_PATH_IMAGE070
，将
Figure 415337DEST_PATH_IMAGE069
定义为 路标
Figure 681233DEST_PATH_IMAGE052
到出口路标
Figure 555648DEST_PATH_IMAGE045
的安全路径；其中，
Figure 197982DEST_PATH_IMAGE071
，
Figure 411925DEST_PATH_IMAGE072
，路标
Figure 599455DEST_PATH_IMAGE052
到出口路标
Figure 961167DEST_PATH_IMAGE045
的 所有安全路径构成集合
Figure 610454DEST_PATH_IMAGE067
；
S32、定义路标
Figure 210062DEST_PATH_IMAGE073
到达出口路标
Figure 614499DEST_PATH_IMAGE074
的最小典型延迟
Figure 666769DEST_PATH_IMAGE075
以及其对应的最优路 径
Figure 369014DEST_PATH_IMAGE076
；
最小典型延迟
Figure 619867DEST_PATH_IMAGE077
为：
Figure 398467DEST_PATH_IMAGE078
式中，
Figure 672454DEST_PATH_IMAGE079
为路标
Figure 991440DEST_PATH_IMAGE073
到路标
Figure 300061DEST_PATH_IMAGE080
的典型延迟，
Figure 755224DEST_PATH_IMAGE081
为路标
Figure 516506DEST_PATH_IMAGE082
到出口路标
Figure 639183DEST_PATH_IMAGE083
的典型延迟，
Figure 536732DEST_PATH_IMAGE084
为危险到达路标的硬截止时间；
将最小典型延迟
Figure 657135DEST_PATH_IMAGE077
对应的最优相邻路标定义为
Figure 968030DEST_PATH_IMAGE085
，安全路径
Figure 81349DEST_PATH_IMAGE086
定义为最优路径
Figure 833404DEST_PATH_IMAGE087
，当且仅当每个包含于安全路径
Figure 390287DEST_PATH_IMAGE088
的路标，满足
Figure 922900DEST_PATH_IMAGE089
；
S33、利用舍入和缩放算法，在多项式时间内计算最优路径
Figure 325062DEST_PATH_IMAGE090
与最优典型延迟
Figure 947936DEST_PATH_IMAGE091
；
（1）利用释放算法计算最小最坏情况延迟：
Figure 472458DEST_PATH_IMAGE092
式中，
Figure 430050DEST_PATH_IMAGE093
为典型延迟不超过
Figure 635903DEST_PATH_IMAGE094
的
Figure 628130DEST_PATH_IMAGE095
路径上的最小最坏情况延迟，
Figure 57974DEST_PATH_IMAGE096
为典型延迟不超过
Figure 17709DEST_PATH_IMAGE097
的
Figure 761674DEST_PATH_IMAGE095
路径上的最小最坏情况延迟，
Figure 405145DEST_PATH_IMAGE098
为典型延迟不超过
Figure 474732DEST_PATH_IMAGE099
的
Figure 141337DEST_PATH_IMAGE100
路径上的最小最坏情况延迟，
Figure 702375DEST_PATH_IMAGE101
为路段
Figure 669194DEST_PATH_IMAGE102
的典型延迟，
Figure 440841DEST_PATH_IMAGE103
为路段
Figure 860321DEST_PATH_IMAGE102
的最坏情况延迟；
（2）分别计算最优路径
Figure 211668DEST_PATH_IMAGE087
的上界
Figure 829731DEST_PATH_IMAGE104
与下界
Figure 224809DEST_PATH_IMAGE105
；
（3）执行舍入和缩放算法，计算最优路径
Figure 866006DEST_PATH_IMAGE106
与最优典型延迟
Figure 21044DEST_PATH_IMAGE107
。
步骤S33中，上界
Figure 493613DEST_PATH_IMAGE104
的计算方法包括以下步骤：
（1）基于未插入危险区域时的图模型
Figure 810325DEST_PATH_IMAGE108
，计算上界
Figure 955130DEST_PATH_IMAGE104
的初始值对应于从用户初始 路标到达出口路标的最小最坏情况延迟，对应路径为
Figure 445017DEST_PATH_IMAGE109
；
（2）在图模型中逐个插入
Figure 975355DEST_PATH_IMAGE110
个危险区域；
（3）对于路径
Figure 728548DEST_PATH_IMAGE109
中的各个路段
Figure 141074DEST_PATH_IMAGE111
，判断图模型插入第
Figure 637915DEST_PATH_IMAGE112
个危险区域后，
Figure 272027DEST_PATH_IMAGE113
是 否安全路段，如果不属于，则基于插入第
Figure 196121DEST_PATH_IMAGE112
个危险区域后的图模型
Figure 361523DEST_PATH_IMAGE114
更新路径
Figure 130896DEST_PATH_IMAGE115
；
（4）重复步骤（2）、（3），直到完成插入
Figure 635827DEST_PATH_IMAGE110
个危险区域，得到的最小最坏情况延迟即 路径
Figure 527559DEST_PATH_IMAGE076
的上界
Figure 865743DEST_PATH_IMAGE116
。
步骤S33中，下界
Figure 438807DEST_PATH_IMAGE105
的计算方法为：
对不同的路段典型延迟
Figure 63824DEST_PATH_IMAGE117
进行排序，取典型延迟最大值
Figure 126458DEST_PATH_IMAGE118
，定义
Figure 204135DEST_PATH_IMAGE119
为典型延迟不超过
Figure 564578DEST_PATH_IMAGE120
的路段集合，表达式如下：
Figure 840839DEST_PATH_IMAGE121
由于图模型
Figure 277636DEST_PATH_IMAGE122
中一定包含一条
Figure 577030DEST_PATH_IMAGE123
路径
Figure 757476DEST_PATH_IMAGE124
，并且路径
Figure 153822DEST_PATH_IMAGE124
中所有路段都包含 于集合
Figure 512254DEST_PATH_IMAGE125
，因此存在唯一索引值
Figure 33365DEST_PATH_IMAGE126
，使得图模型
Figure 814239DEST_PATH_IMAGE127
中包含一条
Figure 268354DEST_PATH_IMAGE128
路径
Figure 781375DEST_PATH_IMAGE129
且路 径
Figure 304629DEST_PATH_IMAGE130
中所有路段都包含于集合
Figure 623615DEST_PATH_IMAGE131
中，并且满足在图模型
Figure 932237DEST_PATH_IMAGE132
中，从初始路标到出口 路标的所有路径
Figure 616159DEST_PATH_IMAGE133
，其最坏情况延迟都超过
Figure 643021DEST_PATH_IMAGE134
，得到最优路径
Figure 500118DEST_PATH_IMAGE135
的下界
Figure 676628DEST_PATH_IMAGE105
表达 式如下：
Figure 531452DEST_PATH_IMAGE136
式中，
Figure 576768DEST_PATH_IMAGE137
为
Figure 440819DEST_PATH_IMAGE123
路径
Figure 458454DEST_PATH_IMAGE130
中路段的典型延迟最大值，
Figure 999025DEST_PATH_IMAGE138
为最优路径的 典型延迟。
步骤S33中，最优路径
Figure 531638DEST_PATH_IMAGE076
与最优典型延迟
Figure 933800DEST_PATH_IMAGE139
的计算方法如下：
（1）对于图模型
Figure 71521DEST_PATH_IMAGE025
中的每一条路段
Figure 330464DEST_PATH_IMAGE140
的典型延迟
Figure 553634DEST_PATH_IMAGE141
，按照公式
Figure 510220DEST_PATH_IMAGE142
进行舍入操作，其中，
Figure 502447DEST_PATH_IMAGE143
为图模型中路标数量，
Figure 932291DEST_PATH_IMAGE144
为近似因 子；
（2）对最优路径上界
Figure 642758DEST_PATH_IMAGE145
，按照公式
Figure 386724DEST_PATH_IMAGE146
进行舍入操作，保证
Figure 482724DEST_PATH_IMAGE147
；
（3）对路径的最小最坏情况延迟初始化，令
Figure 349049DEST_PATH_IMAGE148
，
Figure 281233DEST_PATH_IMAGE149
；
（4）调用舍入和缩放中的释放算法，计算典型延迟不超过
Figure 828889DEST_PATH_IMAGE150
的
Figure 326867DEST_PATH_IMAGE151
路径的最小 最坏情况延迟
Figure 567355DEST_PATH_IMAGE152
；
令
Figure 469059DEST_PATH_IMAGE153
，依次计算，直到首次满足最小最坏情况延迟
Figure 820405DEST_PATH_IMAGE154
小 于疏散截止时间
Figure 438469DEST_PATH_IMAGE134
，即满足
Figure 584279DEST_PATH_IMAGE155
时，则取
Figure 491055DEST_PATH_IMAGE150
为最优典型延迟
Figure 442831DEST_PATH_IMAGE156
，其对 应的路径
Figure 367930DEST_PATH_IMAGE157
为最优路径。
步骤S4中，导航路径
Figure 684642DEST_PATH_IMAGE158
由用户路标
Figure 78714DEST_PATH_IMAGE159
到达出口路标
Figure 568602DEST_PATH_IMAGE160
的路标序列构成，表达式 如下：
Figure 364519DEST_PATH_IMAGE161
式中，
Figure 337286DEST_PATH_IMAGE162
为随着典型延迟改变动态更新的路标序列，
Figure 15392DEST_PATH_IMAGE163
为路标序列
Figure 512232DEST_PATH_IMAGE162
的累积时间；
路径
Figure 897077DEST_PATH_IMAGE164
的典型延迟
Figure 821171DEST_PATH_IMAGE165
和最坏情况延迟
Figure 720994DEST_PATH_IMAGE166
定义为：
Figure 5213DEST_PATH_IMAGE167
；
Figure 510144DEST_PATH_IMAGE168
；
根据Top-level算法获取躲避危险的无折返导航路径，具体包括以下步骤：
（1）调用舍入和缩放算法得到最优路径
Figure 401877DEST_PATH_IMAGE169
，计算出从
Figure 992258DEST_PATH_IMAGE170
到
Figure 565322DEST_PATH_IMAGE171
的
Figure 938141DEST_PATH_IMAGE128
路径， 其典型延迟不超过
Figure 775DEST_PATH_IMAGE172
；
（2）将变量
Figure 78452DEST_PATH_IMAGE173
设置为FALSE，表明在危险入侵之前，所有路段均可通行；
（3）将变量
Figure 189628DEST_PATH_IMAGE174
设置为FALSE，表明典型延迟未发生变化；
（4）构造一个集合
Figure 465888DEST_PATH_IMAGE175
，其中元素为危险入侵之前，原计划路径中用户无法通行的 路段；
（5）判断已经包含在最优路径
Figure 902686DEST_PATH_IMAGE169
中的路段是否应该纳入集合
Figure 451348DEST_PATH_IMAGE175
；对于最优 路径中的每条路段，判断各路段
Figure 631793DEST_PATH_IMAGE176
的最坏延迟时间
Figure 762560DEST_PATH_IMAGE177
是否超过危险传播时间
Figure 370259DEST_PATH_IMAGE178
；若超过了，则表明在危险入侵之前，该路段无法通行，将路段
Figure 156950DEST_PATH_IMAGE140
加入集合
Figure 937824DEST_PATH_IMAGE175
中；
（6）对于图模型
Figure 345934DEST_PATH_IMAGE025
中的路段集合
Figure 858955DEST_PATH_IMAGE179
，删除包含于集合
Figure 788733DEST_PATH_IMAGE175
中的元素，以重 新建立导航网络连接；
（7）基于当前的图模型
Figure 58784DEST_PATH_IMAGE025
，调用舍入和缩放算法获取最优路径
Figure 101827DEST_PATH_IMAGE180
，并 选择路径中的相邻路标
Figure 51328DEST_PATH_IMAGE181
作为用户的下一路标；在下一次迭代中，
Figure 874928DEST_PATH_IMAGE181
将作为新的用户路 标；
（8）再次检查典型延迟是否改变，若发生改变，将
Figure 935287DEST_PATH_IMAGE174
设置为TRUE；
（9）判断
Figure 82104DEST_PATH_IMAGE174
的状态，若
Figure 468086DEST_PATH_IMAGE174
为TURE，表明典型延迟发生改变，则将
Figure 513402DEST_PATH_IMAGE182
设置 为FALSE，回到步骤（5），根据变化后的典型延迟重新计算当前用户路标到达出口路标的路 径
Figure 377453DEST_PATH_IMAGE183
，其中，
Figure 395088DEST_PATH_IMAGE184
为到达当前路标的时间戳；若
Figure 437124DEST_PATH_IMAGE182
为FALSE，表明典型延迟未发生 改变，则用户移动到路径
Figure 969737DEST_PATH_IMAGE185
中当前用户路标的相邻路标，其中，
Figure 371899DEST_PATH_IMAGE186
为离开前一路 标的时间戳。
与现有技术相比，本发明的有益效果为：
本发明一种面向三维船舶场景的可扩展性实时快速应急路径规划方法中，提出的导航方法能够实时地根据船载人员行走速度及当前环境选择最优的导航路径，将路径规划问题转化为双约束最短路径问题，利用近似算法选取最优路径，该路径上的最坏情况延迟不超过规定的截止时间，且总动态典型延迟较小，能保证用户能在硬截止时间内，避开危险到达出口位置。因此，本发明不仅保证了疏散过程中用户的安全性、路径规划的高效性，而且提高了算法的可扩展性。
附图说明
图1是本发明一种面向三维船舶场景的可扩展性实时快速应急路径规划方法的流程图。
图2是本发明的实施例中的客船二层平面图。
图3是本发明的实施例中的第一次细分迭代后生成的导航网络。
图4是本发明的实施例中的第二次细分迭代后生成的导航网络。
图5是本发明的实施例中的
Figure 509619DEST_PATH_IMAGE187
时刻应急导航场景。
图6是本发明的实施例中的
Figure 768562DEST_PATH_IMAGE187
时刻应急导航模型。
图7是本发明的实施例中的
Figure 991733DEST_PATH_IMAGE188
时刻应急导航场景。
图8是本发明的实施例中的
Figure 181275DEST_PATH_IMAGE188
时刻应急导航模型。
图9是本发明的实施例中的
Figure 173502DEST_PATH_IMAGE189
情况下本发明方法和OPEN方法在图3所示导航 网络中的平均疏散时间对比图。
图10是本发明的实施例中的
Figure 868925DEST_PATH_IMAGE190
情况下本发明方法和OPEN方法在图3所示导航 网络中的平均疏散时间对比图。
图11是本发明的实施例中的
Figure 313813DEST_PATH_IMAGE191
情况下本发明方法和OPEN方法在图3所示导 航网络中的平均疏散时间对比图。
图12是本发明的实施例中的
Figure 57778DEST_PATH_IMAGE190
时本发明方法和OPEN方法在不同用户数量及导 航场景下的平均疏散时间对比图。
图13是本发明的实施例中的
Figure 966829DEST_PATH_IMAGE189
情况下本发明方法和OPEN方法在图3所示导航 网络中的导航成功率对比图。
图14是本发明的实施例中的
Figure 518639DEST_PATH_IMAGE192
情况下本发明方法和OPEN方法在图3所示导 航网络中的导航成功率对比图。
图15是本发明的实施例中的
Figure 450823DEST_PATH_IMAGE191
情况下本发明方法和OPEN方法在图3所示导 航网络中的导航成功率对比图。
图16是本发明的实施例中的
Figure 998479DEST_PATH_IMAGE193
时本发明方法和OPEN方法在图3所示导航网络 中距离危险区域最短距离对比图。
具体实施方式
以下结合附图说明和具体实施方式对本发明作进一步详细的说明。
参见图1，一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，该方法包括以下步骤：
S1、根据船舶室内结构构建三维导航网络；
采用基于泰森多边形的导航网络构建方法，具体包括以下步骤：
S11、初始化赋值，
Figure 762036DEST_PATH_IMAGE001
单元格集合
Figure 736945DEST_PATH_IMAGE194
，当前曲面细分等级
Figure 405693DEST_PATH_IMAGE195
；
S12、导航场景中门节点、凹角节点和楼梯节点投影对应于约束形核点集合
Figure 553777DEST_PATH_IMAGE004
，对 于待测
Figure 375103DEST_PATH_IMAGE001
单元格集合
Figure 520913DEST_PATH_IMAGE005
中的每个
Figure 427689DEST_PATH_IMAGE001
单元格
Figure 113886DEST_PATH_IMAGE006
，计算约束形核点连线
Figure 540450DEST_PATH_IMAGE007
的二等分 线
Figure 122741DEST_PATH_IMAGE008
，再计算二等分线
Figure 313551DEST_PATH_IMAGE008
与
Figure 741121DEST_PATH_IMAGE001
单元格
Figure 271460DEST_PATH_IMAGE006
的交点集合
Figure 821390DEST_PATH_IMAGE009
；
S13、若交点集合
Figure 952026DEST_PATH_IMAGE009
中的元素个数大于2，则创建边
Figure 183287DEST_PATH_IMAGE010
，并将其插入多边形
Figure 833711DEST_PATH_IMAGE011
的 细分曲面中；将包含约束形核点
Figure 288963DEST_PATH_IMAGE196
的
Figure 392048DEST_PATH_IMAGE001
单元格
Figure 198241DEST_PATH_IMAGE006
添加到集合
Figure 765488DEST_PATH_IMAGE197
中；对于边
Figure 594904DEST_PATH_IMAGE010
相交 的边，将其相邻的
Figure 185285DEST_PATH_IMAGE001
单元格
Figure 23928DEST_PATH_IMAGE006
添加到待测
Figure 180103DEST_PATH_IMAGE001
单元格集合
Figure 429688DEST_PATH_IMAGE014
中；
S14、删除约束形核点
Figure 507365DEST_PATH_IMAGE196
新生成的
Figure 149699DEST_PATH_IMAGE001
单元格边界内的边；
S15、对于多边形
Figure 425960DEST_PATH_IMAGE015
的细分曲面中的每条边
Figure 862757DEST_PATH_IMAGE019
，若边
Figure 912884DEST_PATH_IMAGE019
的长度超过边长阈值
Figure 890067DEST_PATH_IMAGE017
，或 者边
Figure 224097DEST_PATH_IMAGE018
受两个约束形核点限制，或者边
Figure 566216DEST_PATH_IMAGE019
的端点位于不共线约束边上时，计算边
Figure 618486DEST_PATH_IMAGE019
的二等分 点
Figure 133781DEST_PATH_IMAGE020
，并将二等分点
Figure 837164DEST_PATH_IMAGE021
添加到集合
Figure 350185DEST_PATH_IMAGE022
中；
S16、对细分等级赋值
Figure 686488DEST_PATH_IMAGE023
，重复步骤S12、S13、S14、S15，直到完成最大细 分等级
Figure 208736DEST_PATH_IMAGE024
的计算；
以黄金7号客船为例，根据真实船舶拓扑结构构建三维导航网络。为了验证算法的可扩展性，通过改变细分曲面的迭代次数，生成具有不同数量路标的导航网络。基于客船二层平面图，如图2所示，采用不同的迭代次数，我们定义了两个不同的导航网络：如图3所示，第一次细分迭代后生成的导航网络，包含98个节点；如图4所示，第二次细分迭代后生成的导航网络，包含196个节点。
S2、先在三维导航网络的路标节点处布设无线传感器，构造无线传感器网络，再利用无线传感器采集相邻路标节点之间的路段延迟信息以及危险到达路段的时间间隔信息，然后根据路标节点和路段延迟信息，采用有向图建立应急导航模型；具体包括以下步骤：
S21、采用有向图对无线传感器网络进行建模，得到图模型为：
Figure 251779DEST_PATH_IMAGE025
式中，
Figure 949083DEST_PATH_IMAGE026
为路标集合，
Figure 507103DEST_PATH_IMAGE027
为两个路标之间路段构成的集合；
如图5-图8所示，图模型包含了路标以及两个路标之间的路段，每个路标对应一个 无线传感器节点，路标分为两类：危险路标和普通路标，危险路标子集的凸包构成危险区 域。船载人员当前到达的路标定义为用户路标
Figure 833042DEST_PATH_IMAGE198
，距离集合站点最近的路标视作出 口路标
Figure 730591DEST_PATH_IMAGE199
；
S22、估计不同路段对应的典型延迟
Figure 647731DEST_PATH_IMAGE028
和最坏情况延迟
Figure 161889DEST_PATH_IMAGE029
；
将动态危险情况下船载人员的典型速度与图模型中各路段长度相结合，计算出该 路段对应的典型延迟
Figure 9629DEST_PATH_IMAGE028
；
对于因水密舱壁而不受浸水影响的路段，其最坏情况速度
Figure 27263DEST_PATH_IMAGE046
为：
Figure 380884DEST_PATH_IMAGE200
式中，
Figure 116759DEST_PATH_IMAGE048
为倾斜角为30度时步行速度的衰减系数；
对于受浸水影响的路段，其最坏情况速度
Figure 518921DEST_PATH_IMAGE049
为：
Figure 141795DEST_PATH_IMAGE201
式中，
Figure 666317DEST_PATH_IMAGE051
为水深0.8m时步行速度的衰减系数；
将船载人员通过各路段的最坏情况速度与图模型中各路段长度相结合，计算出该 路段对应的最坏情况延迟
Figure 623909DEST_PATH_IMAGE029
；
S23、将图模型
Figure 829762DEST_PATH_IMAGE025
中每个路标
Figure 618727DEST_PATH_IMAGE030
设置为三元组：
Figure 517413DEST_PATH_IMAGE031
式中，
Figure 945989DEST_PATH_IMAGE032
为部署无线传感器时分配的路标标识符，
Figure 752271DEST_PATH_IMAGE033
为路标在导航网络中的位 置坐标，
Figure 864583DEST_PATH_IMAGE034
为最短危险到达时间集合；
Figure 403012DEST_PATH_IMAGE035
为危险从初始位置扩展到路标
Figure 600775DEST_PATH_IMAGE036
的相邻路段
Figure 945169DEST_PATH_IMAGE037
的最短时间间隔，定 义为：
Figure 659790DEST_PATH_IMAGE038
式中，
Figure 369120DEST_PATH_IMAGE039
为危险从初始位置扩展到路标
Figure 850917DEST_PATH_IMAGE036
所有相邻路段的最短时间间隔集 合，
Figure 202264DEST_PATH_IMAGE040
为路标
Figure 758011DEST_PATH_IMAGE041
的相邻路标集合；
Figure 418668DEST_PATH_IMAGE202
Figure 122182DEST_PATH_IMAGE203
式中，
Figure 746061DEST_PATH_IMAGE044
为疏散截止时间，
Figure 687472DEST_PATH_IMAGE045
为出口路标；
如果
Figure 4184DEST_PATH_IMAGE204
，表示危险接近，否则表明危险不会影响该路段；考虑船舶倾 斜角度动态变化特性，利用无线传感器周期性探头捕获危险路标到达路段的时间间隔，进 而获得最短危险达到时间集合
Figure 194994DEST_PATH_IMAGE034
；当路标
Figure 373297DEST_PATH_IMAGE036
探测到危险路标
Figure 169214DEST_PATH_IMAGE205
时，根据图模型
Figure 719144DEST_PATH_IMAGE025
以及危险扩散方向与速度决定是否更新元素
Figure 600513DEST_PATH_IMAGE206
中的值；
S3、根据应急导航策略的目标，利用舍入和缩放算法，为每个船载人员规划最优导航路径；
基于应急导航模型描述船载人员应急导航问题，定义应急导航策略的目标，所述应急导航策略的目标是指为每个船载人员规划一条远离危险区域的路径，经过该路径，在所有情况下船载人员都能在硬截止时间内到达出口路标，同时经历从用户初始路标到达出口路标的最小典型延迟；
具体包括以下步骤：
S31、定义路标
Figure 566195DEST_PATH_IMAGE052
对应的相邻安全路标集合
Figure 465887DEST_PATH_IMAGE053
以及路标
Figure 186718DEST_PATH_IMAGE052
到达出口路标
Figure 289803DEST_PATH_IMAGE045
的安 全路径集合
Figure 324755DEST_PATH_IMAGE207
；
（1）对于路标
Figure 626424DEST_PATH_IMAGE052
对应的相邻安全路标集合
Figure 721418DEST_PATH_IMAGE053
的定义如下：
对于路标
Figure 59603DEST_PATH_IMAGE052
的相邻路标
Figure 632666DEST_PATH_IMAGE036
，若从路标
Figure 54420DEST_PATH_IMAGE036
到达出口路标
Figure 54737DEST_PATH_IMAGE045
的路径集合中存在一条 路径
Figure 132415DEST_PATH_IMAGE055
，对于其中任意不等于路标
Figure 571486DEST_PATH_IMAGE036
的路标
Figure 300277DEST_PATH_IMAGE056
，若满足以下不等式，则路标
Figure 471495DEST_PATH_IMAGE036
为路标
Figure 36469DEST_PATH_IMAGE052
的相邻安全路标，所有相邻安全路标构成集合
Figure 748073DEST_PATH_IMAGE053
；
Figure 347681DEST_PATH_IMAGE057
；
Figure 440534DEST_PATH_IMAGE058
式中，
Figure 289541DEST_PATH_IMAGE059
为从路标
Figure 8098DEST_PATH_IMAGE052
到路标
Figure 196634DEST_PATH_IMAGE036
的路段的最坏情况延迟，
Figure 975234DEST_PATH_IMAGE060
为从路标
Figure 311538DEST_PATH_IMAGE036
到达 路标
Figure 83053DEST_PATH_IMAGE061
的路径
Figure 126096DEST_PATH_IMAGE062
的最坏情况延迟；
Figure 872335DEST_PATH_IMAGE063
为危险到达路段
Figure 633617DEST_PATH_IMAGE064
的最短时间间隔，其 中，路标
Figure 693977DEST_PATH_IMAGE065
位于路径
Figure 604908DEST_PATH_IMAGE066
上并且路段
Figure 522049DEST_PATH_IMAGE064
为路标
Figure 36207DEST_PATH_IMAGE056
的相邻路段；
（2）对于安全路径集合
Figure 634678DEST_PATH_IMAGE208
的定义如下：
对于路径
Figure 652313DEST_PATH_IMAGE068
，当且仅当每个位于路径
Figure 5934DEST_PATH_IMAGE069
的路标
Figure 725497DEST_PATH_IMAGE052
，满足
Figure 127659DEST_PATH_IMAGE070
，将
Figure 62117DEST_PATH_IMAGE069
定义为 路标
Figure 789902DEST_PATH_IMAGE052
到出口路标
Figure 481914DEST_PATH_IMAGE045
的安全路径；其中，
Figure 750085DEST_PATH_IMAGE071
，
Figure 493044DEST_PATH_IMAGE072
，路标
Figure 860571DEST_PATH_IMAGE052
到出口路标
Figure 571038DEST_PATH_IMAGE045
的 所有安全路径构成集合
Figure 377320DEST_PATH_IMAGE067
；
S32、定义路标
Figure 224054DEST_PATH_IMAGE073
到达出口路标
Figure 277329DEST_PATH_IMAGE074
的最小典型延迟
Figure 209513DEST_PATH_IMAGE075
以及其对应的最优路 径
Figure 819486DEST_PATH_IMAGE076
；
最小典型延迟
Figure 520726DEST_PATH_IMAGE077
为：
Figure 495635DEST_PATH_IMAGE078
式中，
Figure 977432DEST_PATH_IMAGE079
为路标
Figure 76581DEST_PATH_IMAGE073
到路标
Figure 632328DEST_PATH_IMAGE080
的典型延迟，
Figure 574876DEST_PATH_IMAGE081
为路标
Figure 481652DEST_PATH_IMAGE082
到出口路标
Figure 371111DEST_PATH_IMAGE083
的典型延迟，
Figure 296210DEST_PATH_IMAGE084
为危险到达路标的硬截止时间；以保证从路标
Figure 675239DEST_PATH_IMAGE073
到出口路标
Figure 69311DEST_PATH_IMAGE074
的整体典 型延迟最小，同时保证用户在疏散过程中能够躲避动态危险并且疏散时间不超过危险到达 路标的硬截止时间
Figure 496881DEST_PATH_IMAGE084
；
将最小典型延迟
Figure 292799DEST_PATH_IMAGE077
对应的最优相邻路标定义为
Figure 842729DEST_PATH_IMAGE085
，安全路径
Figure 943672DEST_PATH_IMAGE086
定义为最优路径
Figure 440512DEST_PATH_IMAGE087
，当且仅当每个包含于安全路径
Figure 887674DEST_PATH_IMAGE088
的路标，满足
Figure 811767DEST_PATH_IMAGE089
；
S33、利用舍入和缩放算法，在多项式时间内计算最优路径
Figure 914853DEST_PATH_IMAGE090
与最优典型延迟
Figure 199072DEST_PATH_IMAGE091
，使该路径上的最坏情况延迟不超过硬截止时间，且总动态典型延迟较小；
（1）利用释放算法计算最小最坏情况延迟：
Figure 500741DEST_PATH_IMAGE092
式中，
Figure 330156DEST_PATH_IMAGE093
为典型延迟不超过
Figure 920538DEST_PATH_IMAGE094
的
Figure 759181DEST_PATH_IMAGE095
路径上的最小最坏情况延迟，
Figure 180935DEST_PATH_IMAGE096
为典型延迟不超过
Figure 194634DEST_PATH_IMAGE097
的
Figure 6732DEST_PATH_IMAGE095
路径上的最小最坏情况延迟，
Figure 180224DEST_PATH_IMAGE098
为典型延迟不超过
Figure 659747DEST_PATH_IMAGE099
的
Figure 830966DEST_PATH_IMAGE100
路径上的最小最坏情况延迟，
Figure 645207DEST_PATH_IMAGE101
为路段
Figure 622390DEST_PATH_IMAGE102
的典型延迟，
Figure 956419DEST_PATH_IMAGE103
为路段
Figure 564118DEST_PATH_IMAGE102
的最坏情况延迟；
路径的最小最坏情况延迟一开始是未知的，对应用户路标
Figure 147546DEST_PATH_IMAGE209
到路标
Figure 131683DEST_PATH_IMAGE210
的
Figure 70951DEST_PATH_IMAGE095
路 径，首先令
Figure 646289DEST_PATH_IMAGE211
，
Figure 920276DEST_PATH_IMAGE212
，计算
Figure 176944DEST_PATH_IMAGE093
的值，然后对
Figure 485566DEST_PATH_IMAGE213
，
Figure 231805DEST_PATH_IMAGE214
，计算
Figure 507935DEST_PATH_IMAGE093
的值，以此类推
Figure 302715DEST_PATH_IMAGE215
，直到出现
Figure 731423DEST_PATH_IMAGE216
的值首次 满足
Figure 648563DEST_PATH_IMAGE217
，那么
Figure 631563DEST_PATH_IMAGE218
为此时
Figure 243416DEST_PATH_IMAGE216
的值；
（2）分别计算最优路径
Figure 323368DEST_PATH_IMAGE087
的上界
Figure 614672DEST_PATH_IMAGE104
与下界
Figure 84967DEST_PATH_IMAGE105
；
上界
Figure 752709DEST_PATH_IMAGE104
的计算方法包括以下步骤：
①基于未插入危险区域时的图模型
Figure 687167DEST_PATH_IMAGE108
，计算上界
Figure 398640DEST_PATH_IMAGE104
的初始值对应于从用户初始 路标到达出口路标的最小最坏情况延迟，对应路径为
Figure 356232DEST_PATH_IMAGE109
；
②在图模型中逐个插入
Figure 827664DEST_PATH_IMAGE110
个危险区域；
③对于路径
Figure 616629DEST_PATH_IMAGE109
中的各个路段
Figure 984156DEST_PATH_IMAGE111
，判断图模型插入第
Figure 445355DEST_PATH_IMAGE112
个危险区域后，
Figure 251637DEST_PATH_IMAGE219
是 否安全路段，如果不属于，则基于插入第
Figure 98371DEST_PATH_IMAGE112
个危险区域后的图模型
Figure 902379DEST_PATH_IMAGE114
更新路径
Figure 834563DEST_PATH_IMAGE109
；
④重复步骤（2）、（3），直到完成插入
Figure 444535DEST_PATH_IMAGE110
个危险区域，得到的最小最坏情况延迟即 路径
Figure 395043DEST_PATH_IMAGE076
的上界
Figure 369952DEST_PATH_IMAGE116
；
下界
Figure 586170DEST_PATH_IMAGE105
的计算方法为：
对不同的路段典型延迟
Figure 937517DEST_PATH_IMAGE117
进行排序
Figure 493263DEST_PATH_IMAGE220
，其 中，
Figure 701390DEST_PATH_IMAGE221
，取典型延迟最大值
Figure 379407DEST_PATH_IMAGE222
，定义
Figure 268865DEST_PATH_IMAGE119
为典型延迟不超过
Figure 944697DEST_PATH_IMAGE118
的路段 集合，表达式如下：
Figure 323726DEST_PATH_IMAGE121
令
Figure 717798DEST_PATH_IMAGE223
，那么
Figure 394636DEST_PATH_IMAGE224
；由于图模型
Figure 987292DEST_PATH_IMAGE122
中一定包含一条
Figure 474905DEST_PATH_IMAGE128
路径
Figure 90694DEST_PATH_IMAGE225
，并且路径
Figure 587534DEST_PATH_IMAGE225
中所有路段都包含于集合
Figure 988691DEST_PATH_IMAGE226
，因此存在唯一索引值
Figure 709522DEST_PATH_IMAGE126
，使得图模型
Figure 812607DEST_PATH_IMAGE227
中包含一条
Figure 581980DEST_PATH_IMAGE123
路径
Figure 352490DEST_PATH_IMAGE130
且路径
Figure 244223DEST_PATH_IMAGE130
中所有路段都包含于集合
Figure 83872DEST_PATH_IMAGE228
中，并且满足 在图模型
Figure 656935DEST_PATH_IMAGE132
中，从初始路标到出口路标的所有路径
Figure 78690DEST_PATH_IMAGE133
，其最坏情况延迟都超过
Figure 344586DEST_PATH_IMAGE134
， 得到最优路径
Figure 156684DEST_PATH_IMAGE076
的下界
Figure 330176DEST_PATH_IMAGE105
表达式如下：
Figure 557502DEST_PATH_IMAGE136
式中，
Figure 994300DEST_PATH_IMAGE137
为
Figure 293694DEST_PATH_IMAGE123
路径
Figure 270877DEST_PATH_IMAGE130
中路段的典型延迟最大值，
Figure 604906DEST_PATH_IMAGE138
为最优路径的 典型延迟；
（3）执行舍入和缩放算法，计算最优路径
Figure 196294DEST_PATH_IMAGE135
与最优典型延迟
Figure 45301DEST_PATH_IMAGE156
；
最优路径
Figure 29438DEST_PATH_IMAGE087
与最优典型延迟
Figure 952394DEST_PATH_IMAGE139
的计算方法如下：
①对于图模型
Figure 730994DEST_PATH_IMAGE025
中的每一条路段
Figure 67298DEST_PATH_IMAGE140
的典型延迟
Figure 340278DEST_PATH_IMAGE141
，按照公式
Figure 383321DEST_PATH_IMAGE142
进行舍入操作，保证
Figure 332822DEST_PATH_IMAGE229
，其中，
Figure 156422DEST_PATH_IMAGE143
为图模型中路标 数量，
Figure 216782DEST_PATH_IMAGE144
Figure 363598DEST_PATH_IMAGE230
为近似因子；
②对最优路径上界
Figure 546318DEST_PATH_IMAGE145
，按照公式
Figure 794896DEST_PATH_IMAGE146
进行舍入操作，保证
Figure 393368DEST_PATH_IMAGE147
；
③对路径的最小最坏情况延迟初始化，令
Figure 473319DEST_PATH_IMAGE148
，
Figure 764624DEST_PATH_IMAGE149
；
④调用舍入和缩放中的释放算法，计算典型延迟不超过
Figure 248301DEST_PATH_IMAGE150
的
Figure 650464DEST_PATH_IMAGE151
路径的最小最 坏情况延迟
Figure 584922DEST_PATH_IMAGE231
；
由于
Figure 47127DEST_PATH_IMAGE232
，令
Figure 4719DEST_PATH_IMAGE153
，依次计算，直 到首次满足最小最坏情况延迟
Figure 459840DEST_PATH_IMAGE233
小于疏散截止时间
Figure 248804DEST_PATH_IMAGE234
，即满足
Figure 881911DEST_PATH_IMAGE155
时，则取
Figure 592378DEST_PATH_IMAGE235
为最优典型延迟
Figure 133080DEST_PATH_IMAGE139
，其对应的路径
Figure 245393DEST_PATH_IMAGE236
为最优路径；
S4、根据船舶疏散环境的动态变化，利用无线传感器网络采集到的信息，实时更新应急导航模型参数，最后利用舍入和缩放算法实时计算船载人员的最优导航路径；
导航路径
Figure 534554DEST_PATH_IMAGE237
由用户路标
Figure 529055DEST_PATH_IMAGE159
到达出口路标
Figure 76711DEST_PATH_IMAGE160
的路标序列构成，表达式如下：
Figure 777951DEST_PATH_IMAGE161
式中，
Figure 18439DEST_PATH_IMAGE162
为随着典型延迟改变动态更新的路标序列，该序列存储在用户路标 与出口路标之间的每个路标中；
Figure 234657DEST_PATH_IMAGE163
为路标序列
Figure 835271DEST_PATH_IMAGE162
的累积时间；
路径
Figure 391018DEST_PATH_IMAGE164
的典型延迟
Figure 802407DEST_PATH_IMAGE165
和最坏情况延迟
Figure 505921DEST_PATH_IMAGE166
定义为：
Figure 395380DEST_PATH_IMAGE238
；
Figure 819014DEST_PATH_IMAGE239
；
考虑船舶倾斜带来的动态危险，路段可能会被阻塞，典型延迟和最坏情况延迟的变化会导致船载人员错过船舶疏散的硬截止时间；根据Top-level算法获取躲避危险的无折返导航路径，具体包括以下步骤：
（1）调用舍入和缩放算法得到最优路径
Figure 401306DEST_PATH_IMAGE169
，计算出从
Figure 592115DEST_PATH_IMAGE170
到
Figure 19686DEST_PATH_IMAGE171
的
Figure 550024DEST_PATH_IMAGE128
路径， 其典型延迟不超过
Figure 99954DEST_PATH_IMAGE172
；
（2）将变量
Figure 230590DEST_PATH_IMAGE173
设置为FALSE，表明在危险入侵之前，所有路段均可通行；
（3）将变量
Figure 461851DEST_PATH_IMAGE174
设置为FALSE，表明典型延迟未发生变化；
（4）构造一个集合
Figure 112276DEST_PATH_IMAGE175
，其中元素为危险入侵之前，原计划路径中用户无法通行的 路段；
（5）判断已经包含在最优路径
Figure 567528DEST_PATH_IMAGE169
中的路段是否应该纳入集合
Figure 670613DEST_PATH_IMAGE175
；对于最优 路径中的每条路段，判断各路段
Figure 456297DEST_PATH_IMAGE176
的最坏延迟时间
Figure 23545DEST_PATH_IMAGE177
是否超过危险传播时间
Figure 587381DEST_PATH_IMAGE178
；若超过了，则表明在危险入侵之前，该路段无法通行，将路段
Figure 443342DEST_PATH_IMAGE140
加入集合
Figure 281985DEST_PATH_IMAGE175
中；
（6）对于图模型
Figure 438160DEST_PATH_IMAGE025
中的路段集合
Figure 953324DEST_PATH_IMAGE240
，删除包含于集合
Figure 765422DEST_PATH_IMAGE175
中的元素，以重 新建立导航网络连接；
（7）基于当前的图模型
Figure 204494DEST_PATH_IMAGE025
，调用舍入和缩放算法获取最优路径
Figure 684016DEST_PATH_IMAGE180
，并 选择路径中的相邻路标
Figure 855235DEST_PATH_IMAGE181
作为用户的下一路标；在下一次迭代中，
Figure 216946DEST_PATH_IMAGE181
将作为新的用户路 标；
（8）再次检查典型延迟是否改变，若发生改变，将
Figure 145194DEST_PATH_IMAGE174
设置为TRUE；
（9）判断
Figure 479224DEST_PATH_IMAGE174
的状态，若
Figure 821343DEST_PATH_IMAGE174
为TURE，表明典型延迟发生改变，则将
Figure 670351DEST_PATH_IMAGE182
设置 为FALSE，回到步骤（5），根据变化后的典型延迟重新计算当前用户路标到达出口路标的路 径
Figure 388908DEST_PATH_IMAGE183
，其中，
Figure 826711DEST_PATH_IMAGE184
为到达当前路标的时间戳；若
Figure 605312DEST_PATH_IMAGE182
为FALSE，表明典型延迟未发生 改变，则用户移动到路径
Figure 941615DEST_PATH_IMAGE185
中当前用户路标的相邻路标，其中，
Figure 463863DEST_PATH_IMAGE186
为离开前一路 标的时间戳。
将本发明设计的应急导航方法（WEND）与先进的应急导航方法OPEN（基于预期折返 次数(ENO)的无折返导航方法）进行比较。参见图9-图11，首先对于不同
Figure 506905DEST_PATH_IMAGE241
值，本方法（WEND） 的平均疏散时间90%低于OPEN，这是由于OPEN方法的目标是生成一条无折返的导航路径，没 有考虑到每个路段的典型延迟，从而可能产生较大的弯路，导致疏散时间过长用户错过船 舶疏散硬截止时间；在某些特殊结果点处，本方法（WEND）的平均疏散时间高于OPEN方法，这 是因为本方法设计的导航路径不仅考虑了各路段的典型延迟，同时考虑了各路段的最坏情 况延迟，因此设计的导航路段不是理论上的最快安全路径。进一步比较两种方法的可扩展 性，在不同的导航场景中进行模拟，得到仿真结果如图12所示，随着导航网络复杂度的增 加，两种方法的疏散时间均增加了，这是因为导航网络越复杂，包含的导航节点越多，基于 距离的延时测量结果越精确。在两种导航场景中，本发明设计的方法（WEND）均优于OPEN方 法，用户疏散时间更短。其次考虑船舶疏散的硬截止时间，对比两种方法的导航成功率。图 13-图15展示了两种方法在硬截止时间内到达可能性的累积分布函数，从图中可以看出采 用本方法（WEND），超过70%、80%、85%的用户可以在硬截止时间内到达出口，而OPEN方法能保 证60%的用户成功导航。最后验证两种导航方法的路径安全性，如图16所示对比了不同用户 数量下两种导航方法到达危险区域的最短距离，本方法（WEND）的距离约为4米，OPEN方法的 距离大于5米。在疏散过程中无需寻找安全距离最大的导航路径，因为这样的导航决策过于 保守，增加用户在导航环境中花费的时间，降低了用户的整体安全性。相比之下，本发明设 计的算法大大减少了用户在危险环境中的停留时间，提高了用户在硬截止时间内到达出口 的机会。通过对比，验证了本发明设计的动态危险船舶室内环境应急疏散策略在疏散效率、 用户安全性以及算法效率方面均有提高。
本设计方法主要解决了以下四方面的问题：1）船舶室内环境中的应急疏散问题。 船舶室内环境拓扑结构较为复杂，在预处理阶段构建船舶的三维拓扑模型，提取出包括走 廊、楼梯和电梯在内的所有可通行路径。2）动态危险信息获取。通过布设无线传感器网络， 及时获取危险发生位置以及危险到达时间，更新图模型中的路标属性以及最短危险到达时 间信息；在模型中引入两个延迟参数：典型延迟
Figure 207139DEST_PATH_IMAGE028
和最坏情况延迟
Figure 765160DEST_PATH_IMAGE242
来表征导航 路径中的路段信息，它们分别表示通过路段
Figure 825520DEST_PATH_IMAGE243
所需的典型延迟以及最大延迟的保证上 界。3）船舶倾斜与受损情况对于船载人员疏散的影响。与陆地建筑物的室内疏散问题相比， 船载室内环境的应急疏散需要考虑船体倾覆以及船舱破损后船舱内液体流动对行人运动 的影响等，并且船载环境中乘客疏散时间是有限的，制定的导航路径必须在硬截止时间之 内；结合船舶倾斜角度变化以及水密舱壁对船舱内液体流动的影响，分别估计船载人员典 型速度以及最坏情况速度，实时更新各路段对应的典型延迟
Figure 988648DEST_PATH_IMAGE028
和最坏情况延迟
Figure 905788DEST_PATH_IMAGE029
；利用无线传感器周期性探头捕获危险路标到达各路段的时间间隔，及时更新最短危险到 达时间集合
Figure 419946DEST_PATH_IMAGE244
。4）算法可扩展性问题。随着导航网络包含的节点数量增加、网络复杂度 提高，路径延时测量结果会更精确，但是会导致疏散时间增加；根据船舶疏散环境的动态变 化以及应急导航策略的目标，实时更新模型参数，利用受约束最短路径问题的近似算法为 每个船载人员规划最优的逃生路径。本设计考虑了船载环境应急疏散过程中存在的动态危 险，结合船舶受损情况以及倾斜角变化对于船载人员运动速度的影响，基于无线传感器网 络，提出了一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，该疏散方法能 够实时地为每一位船载人员提供安全高效的导航路径。

Claims (10)

1.一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于，该方法包括以下步骤：
S1、根据船舶室内结构构建三维导航网络；
S2、先在三维导航网络的路标节点处布设无线传感器，构造无线传感器网络，再利用无线传感器采集相邻路标节点之间的路段延迟信息以及危险到达路段的时间间隔信息，然后根据路标节点和路段延迟信息，采用有向图建立应急导航模型；
S3、根据应急导航策略的目标，利用舍入和缩放算法，为每个船载人员规划最优导航路径；
S4、根据船舶疏散环境的动态变化，利用无线传感器网络采集到的信息，实时更新应急导航模型参数，最后利用舍入和缩放算法实时计算船载人员的最优导航路径。
2.根据权利要求1所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于：步骤S1中，采用基于泰森多边形的导航网络构建方法，具体包括以下步骤：
S11、初始化赋值，
Figure 264420DEST_PATH_IMAGE001
单元格集合
Figure 531322DEST_PATH_IMAGE002
，当前曲面细分等级
Figure 353784DEST_PATH_IMAGE003
；
S12、导航场景中门节点、凹角节点和楼梯节点投影对应于约束形核点集合
Figure 292922DEST_PATH_IMAGE004
，对于待 测
Figure 708466DEST_PATH_IMAGE001
单元格集合
Figure 846186DEST_PATH_IMAGE005
中的每个
Figure 573971DEST_PATH_IMAGE001
单元格
Figure 62721DEST_PATH_IMAGE006
，计算约束形核点连线
Figure 268574DEST_PATH_IMAGE007
的二等分线
Figure 510069DEST_PATH_IMAGE008
，再计算二等分线
Figure 674334DEST_PATH_IMAGE009
与
Figure 119222DEST_PATH_IMAGE001
单元格
Figure 394345DEST_PATH_IMAGE006
的交点集合
Figure 506658DEST_PATH_IMAGE010
；
S13、若交点集合
Figure 326977DEST_PATH_IMAGE010
中的元素个数大于2，则创建边
Figure 524741DEST_PATH_IMAGE011
，并将其插入多边形
Figure 72397DEST_PATH_IMAGE012
的细分 曲面中；将包含约束形核点
Figure 304795DEST_PATH_IMAGE013
的
Figure 279704DEST_PATH_IMAGE001
单元格
Figure 479610DEST_PATH_IMAGE006
添加到集合
Figure 830957DEST_PATH_IMAGE014
中；对于边
Figure 917862DEST_PATH_IMAGE011
相交的边， 将其相邻的
Figure 329251DEST_PATH_IMAGE001
单元格
Figure 236028DEST_PATH_IMAGE006
添加到待测
Figure 138868DEST_PATH_IMAGE001
单元格集合
Figure 80279DEST_PATH_IMAGE015
中；
S14、删除约束形核点
Figure 662570DEST_PATH_IMAGE013
新生成的
Figure 56643DEST_PATH_IMAGE001
单元格边界内的边；
S15、对于多边形
Figure 749792DEST_PATH_IMAGE016
的细分曲面中的每条边
Figure 60557DEST_PATH_IMAGE017
，若边
Figure 813749DEST_PATH_IMAGE017
的长度超过边长阈值
Figure 960697DEST_PATH_IMAGE018
，或者边
Figure 191958DEST_PATH_IMAGE019
受两个约束形核点限制，或者边
Figure 107961DEST_PATH_IMAGE017
的端点位于不共线约束边上时，计算边
Figure 782787DEST_PATH_IMAGE017
的二等分点
Figure 151452DEST_PATH_IMAGE020
， 并将二等分点
Figure 451983DEST_PATH_IMAGE021
添加到集合
Figure 956914DEST_PATH_IMAGE022
中；
S16、对细分等级赋值
Figure 317488DEST_PATH_IMAGE023
，重复步骤S12、S13、S14、S15，直到完成最大细分等 级
Figure 422716DEST_PATH_IMAGE024
的计算。
3.根据权利要求1所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于：步骤S2具体包括以下步骤：
S21、采用有向图对无线传感器网络进行建模，得到图模型为：
Figure 261359DEST_PATH_IMAGE025
式中，
Figure 886375DEST_PATH_IMAGE026
为路标集合，
Figure 417851DEST_PATH_IMAGE027
为两个路标之间路段构成的集合；
S22、估计不同路段对应的典型延迟
Figure 495528DEST_PATH_IMAGE028
和最坏情况延迟
Figure 885665DEST_PATH_IMAGE029
；
S23、将图模型
Figure 630767DEST_PATH_IMAGE025
中每个路标
Figure 67565DEST_PATH_IMAGE030
设置为三元组：
Figure 898117DEST_PATH_IMAGE031
式中，
Figure 812984DEST_PATH_IMAGE032
为部署无线传感器时分配的路标标识符，
Figure 678172DEST_PATH_IMAGE033
为路标在导航网络中的位置坐 标，
Figure 535138DEST_PATH_IMAGE034
为最短危险到达时间集合；
Figure 587408DEST_PATH_IMAGE035
为危险从初始位置扩展到路标
Figure 571544DEST_PATH_IMAGE036
的相邻路段
Figure 25659DEST_PATH_IMAGE037
的最短时间间隔，定义为：
Figure 69839DEST_PATH_IMAGE038
式中，
Figure 360137DEST_PATH_IMAGE039
为危险从初始位置扩展到路标
Figure 147964DEST_PATH_IMAGE036
所有相邻路段的最短时间间隔集合，
Figure 456586DEST_PATH_IMAGE040
为路标
Figure 406087DEST_PATH_IMAGE041
的相邻路标集合；
Figure 432949DEST_PATH_IMAGE042
Figure 8156DEST_PATH_IMAGE043
式中，
Figure 171284DEST_PATH_IMAGE044
为疏散截止时间，
Figure 557266DEST_PATH_IMAGE045
为出口路标。
4.根据权利要求3所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于：
步骤S22中，将动态危险情况下船载人员的典型速度与图模型中各路段长度相结合，计 算出该路段对应的典型延迟
Figure 71424DEST_PATH_IMAGE028
；
对于因水密舱壁而不受浸水影响的路段，其最坏情况速度
Figure 706715DEST_PATH_IMAGE046
为：
Figure 989929DEST_PATH_IMAGE047
式中，
Figure 546812DEST_PATH_IMAGE048
为倾斜角为30度时步行速度的衰减系数；
对于受浸水影响的路段，其最坏情况速度
Figure 548266DEST_PATH_IMAGE046
为：
Figure 950428DEST_PATH_IMAGE049
式中，
Figure 353728DEST_PATH_IMAGE050
为水深0.8m时步行速度的衰减系数；
将船载人员通过各路段的最坏情况速度与图模型中各路段长度相结合，计算出该路段 对应的最坏情况延迟
Figure 330780DEST_PATH_IMAGE029
。
5.根据权利要求1所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于：步骤S3中，所述应急导航策略的目标是指为每个船载人员规划一条远离危险区域的路径，经过该路径，在所有情况下船载人员都能在硬截止时间内到达出口路标，同时经历从用户初始路标到达出口路标的最小典型延迟。
6.根据权利要求5所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于：步骤S3具体包括以下步骤：
S31、定义路标
Figure 553951DEST_PATH_IMAGE051
对应的相邻安全路标集合
Figure 25384DEST_PATH_IMAGE052
以及路标
Figure 17610DEST_PATH_IMAGE051
到达出口路标
Figure 916296DEST_PATH_IMAGE045
的安全路 径集合
Figure 377496DEST_PATH_IMAGE053
；
（1）对于路标
Figure 652619DEST_PATH_IMAGE051
对应的相邻安全路标集合
Figure 499353DEST_PATH_IMAGE052
的定义如下：
对于路标
Figure 568940DEST_PATH_IMAGE051
的相邻路标
Figure 766703DEST_PATH_IMAGE054
，若从路标
Figure 829206DEST_PATH_IMAGE036
到达出口路标
Figure 61604DEST_PATH_IMAGE045
的路径集合中存在一条路径
Figure 36513DEST_PATH_IMAGE055
，对于其中任意不等于路标
Figure 987152DEST_PATH_IMAGE036
的路标
Figure 338499DEST_PATH_IMAGE056
，若满足以下不等式，则路标
Figure 173206DEST_PATH_IMAGE036
为路标
Figure 319017DEST_PATH_IMAGE051
的相 邻安全路标，所有相邻安全路标构成集合
Figure 225793DEST_PATH_IMAGE052
；
Figure 646410DEST_PATH_IMAGE057
；
Figure 587821DEST_PATH_IMAGE058
式中，
Figure 419380DEST_PATH_IMAGE059
为从路标
Figure 79031DEST_PATH_IMAGE051
到路标
Figure 772181DEST_PATH_IMAGE036
的路段的最坏情况延迟，
Figure 568098DEST_PATH_IMAGE060
为从路标
Figure 586870DEST_PATH_IMAGE036
到达路标
Figure 953391DEST_PATH_IMAGE061
的路径
Figure 715811DEST_PATH_IMAGE062
的最坏情况延迟；
Figure 366235DEST_PATH_IMAGE063
为危险到达路段
Figure 555908DEST_PATH_IMAGE064
的最短时间间隔，其中，路 标
Figure 924573DEST_PATH_IMAGE065
位于路径
Figure 208792DEST_PATH_IMAGE066
上并且路段
Figure 979302DEST_PATH_IMAGE064
为路标
Figure 74297DEST_PATH_IMAGE056
的相邻路段；
（2）对于安全路径集合
Figure 930258DEST_PATH_IMAGE053
的定义如下：
对于路径
Figure 768901DEST_PATH_IMAGE067
，当且仅当每个位于路径
Figure 141720DEST_PATH_IMAGE068
的路标
Figure 673195DEST_PATH_IMAGE051
，满足
Figure 750873DEST_PATH_IMAGE069
，将
Figure 393207DEST_PATH_IMAGE068
定义为路标
Figure 872729DEST_PATH_IMAGE051
到出口路标
Figure 558795DEST_PATH_IMAGE045
的安全路径；其中，
Figure 389347DEST_PATH_IMAGE070
，
Figure 569793DEST_PATH_IMAGE071
，路标
Figure 434981DEST_PATH_IMAGE051
到出口路标
Figure 42680DEST_PATH_IMAGE045
的所有 安全路径构成集合
Figure 580103DEST_PATH_IMAGE072
；
S32、定义路标
Figure 829818DEST_PATH_IMAGE073
到达出口路标
Figure 283933DEST_PATH_IMAGE074
的最小典型延迟
Figure 328113DEST_PATH_IMAGE075
以及其对应的最优路径
Figure 602099DEST_PATH_IMAGE076
；
最小典型延迟
Figure 373615DEST_PATH_IMAGE077
为：
Figure 947816DEST_PATH_IMAGE078
式中，
Figure 897317DEST_PATH_IMAGE079
为路标
Figure 189758DEST_PATH_IMAGE073
到路标
Figure 250118DEST_PATH_IMAGE080
的典型延迟，
Figure 944405DEST_PATH_IMAGE081
为路标
Figure 812610DEST_PATH_IMAGE082
到出口路标
Figure 61189DEST_PATH_IMAGE074
的 典型延迟，
Figure 190819DEST_PATH_IMAGE083
为危险到达路标的硬截止时间；
将最小典型延迟
Figure 474033DEST_PATH_IMAGE077
对应的最优相邻路标定义为
Figure 30916DEST_PATH_IMAGE084
，安全路径
Figure 16059DEST_PATH_IMAGE085
定义 为最优路径
Figure 949379DEST_PATH_IMAGE076
，当且仅当每个包含于安全路径
Figure 87100DEST_PATH_IMAGE086
的路标，满足
Figure 549305DEST_PATH_IMAGE087
；
S33、利用舍入和缩放算法，在多项式时间内计算最优路径
Figure 38055DEST_PATH_IMAGE088
与最优典型延迟
Figure 260220DEST_PATH_IMAGE089
；
（1）利用释放算法计算最小最坏情况延迟：
Figure 518026DEST_PATH_IMAGE090
式中，
Figure 151133DEST_PATH_IMAGE091
为典型延迟不超过
Figure 861600DEST_PATH_IMAGE092
的
Figure 136724DEST_PATH_IMAGE093
路径上的最小最坏情况延迟，
Figure 232724DEST_PATH_IMAGE094
为典型延迟不超过
Figure 567891DEST_PATH_IMAGE095
的
Figure 500075DEST_PATH_IMAGE093
路径上的最小最坏情况延迟，
Figure 578889DEST_PATH_IMAGE096
为典型延迟不超过
Figure 280129DEST_PATH_IMAGE097
的
Figure 268420DEST_PATH_IMAGE098
路径上的最小最坏情况延迟，
Figure 953479DEST_PATH_IMAGE099
为路段
Figure 304826DEST_PATH_IMAGE100
的典型延迟，
Figure 391731DEST_PATH_IMAGE101
为路段
Figure 803121DEST_PATH_IMAGE102
的最坏情况延迟；
（2）分别计算最优路径
Figure 224744DEST_PATH_IMAGE103
的上界
Figure 379781DEST_PATH_IMAGE104
与下界
Figure 55613DEST_PATH_IMAGE105
；
（3）执行舍入和缩放算法，计算最优路径
Figure 903484DEST_PATH_IMAGE103
与最优典型延迟
Figure 297556DEST_PATH_IMAGE106
。
7.根据权利要求6所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方 法，其特征在于：步骤S33中，上界
Figure 741438DEST_PATH_IMAGE104
的计算方法包括以下步骤：
（1）基于未插入危险区域时的图模型
Figure 537356DEST_PATH_IMAGE107
，计算上界
Figure 24969DEST_PATH_IMAGE104
的初始值对应于从用户初始路标 到达出口路标的最小最坏情况延迟，对应路径为
Figure 906337DEST_PATH_IMAGE108
；
（2）在图模型中逐个插入
Figure 918024DEST_PATH_IMAGE109
个危险区域；
（3）对于路径
Figure 568448DEST_PATH_IMAGE108
中的各个路段
Figure 492542DEST_PATH_IMAGE110
，判断图模型插入第
Figure 861207DEST_PATH_IMAGE111
个危险区域后，
Figure 896159DEST_PATH_IMAGE112
是否安 全路段，如果不属于，则基于插入第
Figure 414471DEST_PATH_IMAGE111
个危险区域后的图模型
Figure 775046DEST_PATH_IMAGE113
更新路径
Figure 365427DEST_PATH_IMAGE108
；
（4）重复步骤（2）、（3），直到完成插入
Figure 469649DEST_PATH_IMAGE109
个危险区域，得到的最小最坏情况延迟即路径
Figure 360245DEST_PATH_IMAGE103
的上界
Figure 875409DEST_PATH_IMAGE114
。
8.根据权利要求6所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方 法，其特征在于：步骤S33中，下界
Figure 218665DEST_PATH_IMAGE105
的计算方法为：
对不同的路段典型延迟
Figure 595420DEST_PATH_IMAGE115
进行排序，取典型延迟最大值
Figure 74943DEST_PATH_IMAGE116
，定义
Figure 777320DEST_PATH_IMAGE117
为 典型延迟不超过
Figure 93026DEST_PATH_IMAGE118
的路段集合，表达式如下：
Figure 273471DEST_PATH_IMAGE119
由于图模型
Figure 810763DEST_PATH_IMAGE120
中一定包含一条
Figure 933308DEST_PATH_IMAGE121
路径
Figure 985578DEST_PATH_IMAGE122
，并且路径
Figure 235294DEST_PATH_IMAGE122
中所有路段都包含于集 合
Figure 423830DEST_PATH_IMAGE123
，因此存在唯一索引值
Figure 622337DEST_PATH_IMAGE124
，使得图模型
Figure 427481DEST_PATH_IMAGE125
中包含一条
Figure 949730DEST_PATH_IMAGE126
路径
Figure 773198DEST_PATH_IMAGE127
且路径
Figure 879957DEST_PATH_IMAGE128
中所有路段都包含于集合
Figure 906818DEST_PATH_IMAGE129
中，并且满足在图模型
Figure 232758DEST_PATH_IMAGE130
中，从初始路标到出口路 标的所有路径
Figure 395886DEST_PATH_IMAGE131
，其最坏情况延迟都超过
Figure 47447DEST_PATH_IMAGE132
，得到最优路径
Figure 545293DEST_PATH_IMAGE088
的下界
Figure 674923DEST_PATH_IMAGE105
表达式 如下：
Figure 958137DEST_PATH_IMAGE133
式中，
Figure 515020DEST_PATH_IMAGE134
为
Figure 250895DEST_PATH_IMAGE121
路径
Figure 184216DEST_PATH_IMAGE128
中路段的典型延迟最大值，
Figure 69739DEST_PATH_IMAGE135
为最优路径的典型 延迟。
9.根据权利要求6所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方 法，其特征在于：步骤S33中，最优路径
Figure 531944DEST_PATH_IMAGE076
与最优典型延迟
Figure 20695DEST_PATH_IMAGE106
的计算方法如下：
（1）对于图模型
Figure 492127DEST_PATH_IMAGE025
中的每一条路段
Figure 484354DEST_PATH_IMAGE136
的典型延迟
Figure 897887DEST_PATH_IMAGE137
，按照公式
Figure 608354DEST_PATH_IMAGE138
进行舍入操作，其中，
Figure 352319DEST_PATH_IMAGE139
为图模型中路标数量，
Figure 730210DEST_PATH_IMAGE140
为近似因 子；
（2）对最优路径上界
Figure 534218DEST_PATH_IMAGE141
，按照公式
Figure 748293DEST_PATH_IMAGE142
进行舍入操作，保证
Figure 295949DEST_PATH_IMAGE143
；
（3）对路径的最小最坏情况延迟初始化，令
Figure 528347DEST_PATH_IMAGE144
，
Figure 768836DEST_PATH_IMAGE145
；
（4）调用舍入和缩放中的释放算法，计算典型延迟不超过
Figure 188316DEST_PATH_IMAGE146
的
Figure 54510DEST_PATH_IMAGE147
路径的最小最坏 情况延迟
Figure 141414DEST_PATH_IMAGE148
；
令
Figure 552804DEST_PATH_IMAGE149
，依次计算，直到首次满足最小最坏情况延迟
Figure 725159DEST_PATH_IMAGE150
小于疏散 截止时间
Figure 614618DEST_PATH_IMAGE132
，即满足
Figure 821608DEST_PATH_IMAGE151
时，则取
Figure 175140DEST_PATH_IMAGE152
为最优典型延迟
Figure 569212DEST_PATH_IMAGE106
，其对应的路 径
Figure 527941DEST_PATH_IMAGE153
为最优路径。
10.根据权利要求1所述的一种面向三维船舶场景的可扩展性实时快速应急路径规划方法，其特征在于：
步骤S4中，导航路径
Figure 58279DEST_PATH_IMAGE154
由用户路标
Figure 77051DEST_PATH_IMAGE155
到达出口路标
Figure 207687DEST_PATH_IMAGE156
的路标序列构成，表达式如下：
Figure 970106DEST_PATH_IMAGE157
式中，
Figure 620531DEST_PATH_IMAGE158
为随着典型延迟改变动态更新的路标序列，
Figure 544624DEST_PATH_IMAGE159
为路标序列
Figure 913289DEST_PATH_IMAGE160
的累 积时间；
路径
Figure 964552DEST_PATH_IMAGE161
的典型延迟
Figure 735062DEST_PATH_IMAGE162
和最坏情况延迟
Figure 830057DEST_PATH_IMAGE163
定义为：
Figure 686018DEST_PATH_IMAGE164
；
Figure 524661DEST_PATH_IMAGE165
；
根据Top-level算法获取躲避危险的无折返导航路径，具体包括以下步骤：
（1）调用舍入和缩放算法得到最优路径
Figure 398945DEST_PATH_IMAGE166
，计算出从
Figure 664841DEST_PATH_IMAGE167
到
Figure 8098DEST_PATH_IMAGE168
的
Figure 650432DEST_PATH_IMAGE169
路径，其典 型延迟不超过
Figure 395534DEST_PATH_IMAGE170
；
（2）将变量
Figure 580134DEST_PATH_IMAGE171
设置为FALSE，表明在危险入侵之前，所有路段均可通行；
（3）将变量
Figure 410687DEST_PATH_IMAGE172
设置为FALSE，表明典型延迟未发生变化；
（4）构造一个集合
Figure 591132DEST_PATH_IMAGE173
，其中元素为危险入侵之前，原计划路径中用户无法通行的路 段；
（5）判断已经包含在最优路径
Figure 190741DEST_PATH_IMAGE174
中的路段是否应该纳入集合
Figure 798440DEST_PATH_IMAGE173
；对于最优路径中 的每条路段，判断各路段
Figure 116289DEST_PATH_IMAGE175
的最坏延迟时间
Figure 84114DEST_PATH_IMAGE176
是否超过危险传播时间
Figure 803808DEST_PATH_IMAGE177
；若超过了，则表明在危险入侵之前，该路段无法通行，将路段
Figure 582408DEST_PATH_IMAGE136
加入集合
Figure 387553DEST_PATH_IMAGE173
中；
（6）对于图模型
Figure 909801DEST_PATH_IMAGE025
中的路段集合
Figure 234734DEST_PATH_IMAGE178
，删除包含于集合
Figure 184236DEST_PATH_IMAGE173
中的元素，以重新建 立导航网络连接；
（7）基于当前的图模型
Figure 211098DEST_PATH_IMAGE025
，调用舍入和缩放算法获取最优路径
Figure 537037DEST_PATH_IMAGE179
，并选择 路径中的相邻路标
Figure 700165DEST_PATH_IMAGE180
作为用户的下一路标；在下一次迭代中，
Figure 335415DEST_PATH_IMAGE180
将作为新的用户路标；
（8）再次检查典型延迟是否改变，若发生改变，将
Figure 849572DEST_PATH_IMAGE172
设置为TRUE；
（9）判断
Figure 979203DEST_PATH_IMAGE172
的状态，若
Figure 996837DEST_PATH_IMAGE172
为TURE，表明典型延迟发生改变，则将
Figure 819300DEST_PATH_IMAGE181
设置为 FALSE，回到步骤（5），根据变化后的典型延迟重新计算当前用户路标到达出口路标的路径
Figure 302977DEST_PATH_IMAGE182
，其中，
Figure 236298DEST_PATH_IMAGE183
为到达当前路标的时间戳；若
Figure 108439DEST_PATH_IMAGE172
为FALSE，表明典型延迟未发生改 变，则用户移动到路径
Figure 101803DEST_PATH_IMAGE184
中当前用户路标的相邻路标，其中，
Figure 324974DEST_PATH_IMAGE185
为离开前一路标 的时间戳。
CN202210543376.1A 2022-05-19 2022-05-19 面向三维船舶场景的可扩展性实时快速应急路径规划方法 Active CN114659525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210543376.1A CN114659525B (zh) 2022-05-19 2022-05-19 面向三维船舶场景的可扩展性实时快速应急路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210543376.1A CN114659525B (zh) 2022-05-19 2022-05-19 面向三维船舶场景的可扩展性实时快速应急路径规划方法

Publications (2)

Publication Number Publication Date
CN114659525A true CN114659525A (zh) 2022-06-24
CN114659525B CN114659525B (zh) 2022-09-02

Family

ID=82037936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210543376.1A Active CN114659525B (zh) 2022-05-19 2022-05-19 面向三维船舶场景的可扩展性实时快速应急路径规划方法

Country Status (1)

Country Link
CN (1) CN114659525B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371760A (zh) * 2023-11-30 2024-01-09 武汉理工大学 考虑截止时间和拥塞缓解的分层式客船人员应急疏散方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101619980A (zh) * 2009-03-13 2010-01-06 上海申腾信息技术有限公司 一种具有精确定位功能的车辆导航仪及其导航方法
US20100235088A1 (en) * 2009-03-16 2010-09-16 The Hong Kong University Of Science And Technology Safety-based road map navigation
US20100309004A1 (en) * 2007-12-20 2010-12-09 Gottfried Grundler Evacuation system and escape route indicator therefore
US20120150430A1 (en) * 2010-12-14 2012-06-14 International Business Machines Corporation Human Emotion Metrics for Navigation Plans and Maps
JP2018067217A (ja) * 2016-10-21 2018-04-26 株式会社半導体エネルギー研究所 情報端末及び避難誘導システム
CN109238291A (zh) * 2018-10-26 2019-01-18 河海大学 一种水面无人船导引缆回收自主水下航行器的规划方法
WO2020187668A1 (en) * 2019-03-15 2020-09-24 Luxembourg Institute Of Science And Technology (List) Ship evacuation system
CN112601686A (zh) * 2018-08-14 2021-04-02 御眼视觉技术有限公司 具有安全距离的导航的系统和方法
CN112866902A (zh) * 2021-01-12 2021-05-28 武汉理工大学 一种动态危险船载环境自适应应急导航方法
US20210287318A1 (en) * 2018-07-16 2021-09-16 Aleksandar Sterpin Method and System for Managing an Emergency
CN113727279A (zh) * 2021-11-03 2021-11-30 武汉理工大学 一种基于室内外位置信息的船舶应急疏散方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100309004A1 (en) * 2007-12-20 2010-12-09 Gottfried Grundler Evacuation system and escape route indicator therefore
CN101619980A (zh) * 2009-03-13 2010-01-06 上海申腾信息技术有限公司 一种具有精确定位功能的车辆导航仪及其导航方法
US20100235088A1 (en) * 2009-03-16 2010-09-16 The Hong Kong University Of Science And Technology Safety-based road map navigation
US20120150430A1 (en) * 2010-12-14 2012-06-14 International Business Machines Corporation Human Emotion Metrics for Navigation Plans and Maps
JP2018067217A (ja) * 2016-10-21 2018-04-26 株式会社半導体エネルギー研究所 情報端末及び避難誘導システム
US20210287318A1 (en) * 2018-07-16 2021-09-16 Aleksandar Sterpin Method and System for Managing an Emergency
CN112601686A (zh) * 2018-08-14 2021-04-02 御眼视觉技术有限公司 具有安全距离的导航的系统和方法
CN109238291A (zh) * 2018-10-26 2019-01-18 河海大学 一种水面无人船导引缆回收自主水下航行器的规划方法
WO2020187668A1 (en) * 2019-03-15 2020-09-24 Luxembourg Institute Of Science And Technology (List) Ship evacuation system
CN112866902A (zh) * 2021-01-12 2021-05-28 武汉理工大学 一种动态危险船载环境自适应应急导航方法
CN113727279A (zh) * 2021-11-03 2021-11-30 武汉理工大学 一种基于室内外位置信息的船舶应急疏散方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUTING MA 等: "ANT: Deadline-Aware Adaptive Emergency Navigation Strategy for Dynamic Hazardous Ship Evacuation With Wireless Sensor Networks", 《IEEE ACCESS》 *
胡晓轩 等: "基于Floyd算法的邮轮应急疏散算法设计", 《船舶标准化工程师》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117371760A (zh) * 2023-11-30 2024-01-09 武汉理工大学 考虑截止时间和拥塞缓解的分层式客船人员应急疏散方法

Also Published As

Publication number Publication date
CN114659525B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN109506655B (zh) 基于非均匀建模的改进蚁群路径规划算法
Kratzke et al. Search and rescue optimal planning system
CN110531770B (zh) 一种基于改进的rrt路径规划方法和系统
CN109724606B (zh) 基于改进的a*算法的矿井突水避灾路径规划方法和装置
CN105717929A (zh) 一种多分辨率障碍物环境下移动机器人混合路径规划方法
CN109656264A (zh) 用于为飞行器生成到着陆地点的3d路径的计算机实施的方法和系统
CN114659525B (zh) 面向三维船舶场景的可扩展性实时快速应急路径规划方法
CN109960269A (zh) 一种服务于无人机自主导航的简化环境建模方法
Kannan et al. Predictive indoor navigation using commercial smart-phones
CN109583628A (zh) 一种基于元胞自动机的洪涝人员动态疏散路径分析方法
CN114625150A (zh) 基于危险指数和距离函数的快速蚁群无人艇动态避障方法
CN108663047A (zh) 一种跨层路径规划方法
CN110084491A (zh) 对流天气条件下基于最优穿越路径的航路阻塞度评估方法
CN114034301A (zh) 一种基于决策树的实时航路规划方法
CN113359808A (zh) 一种无人机电力巡检多级路径规划方法及相关装置
CN112556711A (zh) 适用于山区复杂地形应急避难最快步行路径的规划方法
CN116882606A (zh) 一种邮轮应急疏散路径规划方法及装置
CN112748732B (zh) 基于改进Kstar算法和深度学习的实时路径规划方法
CN114063616A (zh) 基于三维激光扫描探测规划林区路径的方法及装置
CN116661479B (zh) 建筑巡检路径规划方法、设备和可读存储介质
CN113280818A (zh) 一种基于自适应三角网的舰船航线自动规划方法
CN117234210A (zh) 一种基于lstm神经网络的船舶路径动态规划方法
Sun et al. Study on safe evacuation routes based on crowd density map of shopping mall
CN116301014A (zh) 一种无人直升机贴地飞行轨迹优化方法
US11846517B2 (en) Vector tile navigation

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