CN114936697B - 一种城市社区应急疏散空间智能规划方法 - Google Patents
一种城市社区应急疏散空间智能规划方法 Download PDFInfo
- Publication number
- CN114936697B CN114936697B CN202210578696.0A CN202210578696A CN114936697B CN 114936697 B CN114936697 B CN 114936697B CN 202210578696 A CN202210578696 A CN 202210578696A CN 114936697 B CN114936697 B CN 114936697B
- Authority
- CN
- China
- Prior art keywords
- community
- evacuation
- space
- information
- planning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 66
- 238000011156 evaluation Methods 0.000 claims abstract description 64
- 230000002265 prevention Effects 0.000 claims abstract description 38
- 230000006399 behavior Effects 0.000 claims description 39
- 238000010276 construction Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000000556 factor analysis Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000036541 health Effects 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种城市社区应急疏散空间智能规划方法，属于应急疏散空间智能规划技术领域，步骤如下：获取社区应急疏散规划区域的地理信息、社区居民行为特征信息、社区空间信息和灾害信息，并构建规划区域的社区基底模型；构建社区防灾空间仿真模型；模拟居民自由疏散场景，并得到疏散模拟结果；根据疏散模拟结果调整社区防灾空间仿真模型，并重新规划疏散方案，得到最优疏散方案；构建社区安全韧性评价体系；利用社区安全韧性评价体系评价最优疏散方案，得到最优方案的评价结果；得到城市社区应急疏散空间规划方案；本发明解决了难以精准定制、快速计算、合理布局和高效可视地实现当前社区应急疏散空间规划的问题。
Description
技术领域
本发明属于应急疏散空间智能规划技术领域，尤其涉及一种城市社区应急疏散空间智能规划方法。
背景技术
随着全球气候变化与城市化进程的推进，我国城市面临着越来越多的潜在灾害和风险，城市社区作为灾害冲击时城市系统承灾的最小单元，一直以来就是城市防灾、应灾的第一线；城市社区的空间格局关系城市居民的日常生活、生命财产安全，尤其是灾害发生时应急疏散能力与效率问题。
面临突发的火灾、地震、暴雨、洪水等灾害，现有城市社区空间普遍反应出避灾空间不足、疏散通道拥堵、应急设施分布不均等问题。长期以来，我国城市社区应急防灾以满足基本的消防设计规范为准，难以预判并测试灾害发生时城市社区空间应对能力，难以保障社区应急疏散效率最大化。因此，在城市社区空间规划时就考虑多灾种胁迫下的城市问题，并提出针对性的空间规划方案尤为重要。由于社区应急疏散涉及到社区居民、社区建筑、社区景观、社区道路系统等多种要素，空间规划协调工作量大，如何实现精准定制、快速计算、合理布局、高效可视是当前社区应急疏散空间规划的难点问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种城市社区应急疏散空间智能规划方法根据社区居民行为精准定制空间规划方案，快速计算最优方案，合理布局社区空间要素，实现社区空间应急疏散高效性，提升空间规划科学性、前瞻性和实用性，解决了难以精准定制、快速计算、合理布局和高效可视地实现当前社区应急疏散空间规划的问题。
为了达到上述发明目的，本发明采用的技术方案为：
本发明提供一种城市社区应急疏散空间智能规划方法，包括如下步骤：
S1、获取社区应急疏散规划区域的地理信息、社区居民行为特征信息、社区空间信息和灾害信息，并构建规划区域的社区基底模型；
S2、基于地理信息、社区居民行为特征信息、社区空间信息和社区基底模型构建社区防灾空间仿真模型；
S3、基于社区居民行为特征信息、灾害信息和社区防灾空间仿真模型模拟居民自由疏散场景，并得到疏散模拟结果；
S4、根据疏散模拟结果调整社区防灾空间仿真模型，并重新规划疏散方案，得到最优疏散方案；
S5、构建社区安全韧性评价体系；
S6、利用社区安全韧性评价体系评价最优疏散方案，得到最优方案的评价结果；
S7、判断评价结果是否满足预设达标率，若是则得到城市社区应急疏散空间规划方案，否则返回步骤S3。
本发明的有益效果为：本发明提供的一种城市社区应急疏散空间智能规划方法，通过获取社区应急疏散规划区域的地理信息、社区居民行为特征信息、社区空间信息和灾害信息，并基于获取到的信息构建社区防灾空间仿真模型和智能体，实现对不同灾害情况下的应急疏散模拟，得到最优疏散方案，且通过构建社区安全韧性评价体系对最优疏散方案进行评价，最终得到满足评价指标标准的城市社区应急疏散空间规划方案，本方案协调社区空间的要素配置，模拟灾害发生时的社区疏散情况，对比不同空间规划方案的疏散情况，进行自评价智能排序，并提出建议选择以及优化方案，能够提高规划效率、社区空间品质和社区空间韧性。
进一步地，所述步骤S1包括如下步骤：
S11、利用GIS与倾斜摄影获取社区应急疏散规划区域的地理信息，并结合社区规划建设数据构建社区基底模型；
S12、利用社区数据调研采集平台采集社区数据，并利用视频分析一体机分析社区出入口老、幼、成年人和残疾人通过的视频影像数据，得到社区居民行为特征信息和社区空间信息；
S13、利用灾害统计数据以及社区应急疏散规划区域灾害记录获取社区应急疏散规划区域的灾害种类、持续时间、影响范围和损失程度，得到灾害信息。
采用上述进一步方案的有益效果为：获取社区应急疏散规划区域的地理信息、社区居民行为特征信息、社区空间信息和灾害信息，为社区应急疏散模拟提供充实的数据支撑，并构建规划区域的社区基底模型，为链接对应属性表格的空间模块模型构建社区防灾空间仿真模型提供基础。
进一步地，所述步骤S2包括如下步骤：
S21、基于社区居民行为特征信息和社区空间信息获取社区中建筑、道路、景观、居民行为和居民数量的属性表格；
S22、将属性表格以多字段属性的形式输入社区基底模型，并链接对应属性表格的空间模块模型，得到初始社区防灾空间仿真模型；
S23、基于地理信息调整初始社区防灾空间仿真模型的空间边界，得到社区空间仿真模型。
采用上述进一步方案的有益效果为：基于地理信息、社区居民行为特征信息、社区空间信息和社区基底模型构建社区防灾空间仿真模型，为模拟居民自由疏散场景提供基础。
进一步地，所述步骤S3包括如下步骤：
S31、基于社区居民行为特征信息和牛顿力学模拟社区居民行为，构建若干具有社区人群行为特征的智能体；
S32、将灾害信息和各智能体导入社区防灾空间仿真模型，通过切换灾害种类、持续时间和影响范围，并利用控制变量法对社区出入口数量、景观要素、道路可达性、建筑密度、人口构成、疏散时长和疏散人数进行应急疏散效率影响因素分析，得到疏散模拟结果。
采用上述进一步方案的有益效果为：模拟居民自由疏散场景，并通过切换灾害种类、持续时间、影响范围，并利用控制变量法对社区出入口数量、景观要素、道路可达性、建筑密度、人口构成、疏散时长和疏散人数进行应急疏散效率影响因素分析，得到关于应急疏散影响因素的疏散模拟结果。
进一步地，所述步骤S4包括如下步骤：
S41、利用社区防灾空间仿真模型对社区空间分块编号，并根据各块区域的拥堵程度进行编号排序；
S42、根据编号排序结果，调整社区中建筑和道路的通达率重新规划疏散方案，得到关于社区景观、道路、建筑、出入口位置和数量的若干种疏散规划方案；
S43、利用调整后的社区防灾空间仿真模型依次对各种疏散规划方案进行模拟，并将疏散安全时间内疏散人员数量与总人数的比值作为疏散效率，得到最优疏散方案。
采用上述进一步方案的有益效果为：根据疏散模拟结果调整社区防灾空间仿真模型，并重新规划疏散方案，得到疏散效率最高的最优疏散方案，用于安全韧性社区评价。
进一步地，所述步骤S5包括如下步骤：
S51、定义社区安全韧性评价维度为空间环境维度W1、疏散效率维度W2和社会能力维度W3；
S52、定义空间环境维度的指标包括建筑密度X1、绿化率X2、景观舒适度X3、人均道路占比X4、人均公园面积X5和老旧建筑占比X6；
S53、定义疏散效率维度的指标包括5分钟内疏散率X7、疏散通道人均占比X8、避难场所人均占比X9、人口密度X10、最大拥堵面积X11和疏散口的数量X12；
S54、定义社会能力维度的指标包括社会保障和社会组织人员占比X13、医疗保险覆盖率X14、弱势群体比例X15、卫生和社会工作人员占比X16、每万人拥有病床数X17、互联网用户数X18、应急疏散计划X19和15分钟生活圈内学校个数X20，完成社区安全韧性评价体系的构建。
采用上述进一步方案的有益效果为：构建社区安全韧性评价体系，并利用构建社区安全韧性评价体系对最优疏散方案进行安全韧性的评价。
进一步地，所述步骤S6包括如下步骤：
S61、获取最优疏散方案中对应社区安全韧性评价体系中各指标的社区安全韧性数据；
S62、基于社区安全韧性数据计算得到最优方案的评价结果。
采用上述进一步方案的有益效果为：获取最优疏散方案中对应社区安全韧性评价体系中各指标的社区安全韧性数据，并利用社区安全韧性评价体系对其进行相关指标的综合得分计算。
进一步地，所述步骤S62包括如下步骤
S621、计算社区安全韧性数据的各项指标的标准值：
其中，yij表示第i个维度的第j个指标的标准值，Xij表示第i个维度的第j个指标的原始值，Min(·)表示最小值，Max(·)表示最大值；
S622、基于各项指标的标准值计算各指标的信息熵：
其中，ej表示社区安全韧性评价体系各维度中第j个指标的信息熵；
S633、基于各指标的信息熵计算得到各指标权重：
dj＝1-ej
其中，Pj表示社区安全韧性评价体系各维度中第j个指标的权重，dj表示社区安全韧性评价体系各维度中第j个指标的信息熵冗余度；
S644、基于各指标权重计算得到最优方案的评价结果：
F＝∑PjYij
其中，F表示最优方案的社区安全韧性评价体系评价结果。
采用上述进一步方案的有益效果为：提供社区安全韧性评价体系评价结果的相关计算方法，为判断评价结果是否满足预设达标率，以及得到城市社区应急疏散空间规划方案提供科学支撑。
附图说明
图1为本发明实施例中城市社区应急疏散空间智能规划方法的步骤流程图。
图2为本发明实施例中地理信息、社区居民行为特征信息、社区空间信息和灾害信息的示意图。
图3为本发明实施例中社区空间仿真模型的示意图。
图4为本发明实施例中社区应急疏散仿真图。
图5为本发明实施例中应急疏散效率记录示意图。
图6为本发明实施例中应急防灾分区方案示意图。
图7为本发明实施例中应急疏散路径方案示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，在本发明的一个实施例中，本发明提供一种城市社区应急疏散空间智能规划方法，包括如下步骤：
S1、获取社区应急疏散规划区域的地理信息、社区居民行为特征信息、社区空间信息和灾害信息，并构建规划区域的社区基底模型；
所述步骤S1包括如下步骤：
S11、利用GIS与倾斜摄影获取社区应急疏散规划区域的地理信息，并结合社区规划建设数据构建社区基底模型；
S12、利用社区数据调研采集平台采集社区数据，并利用视频分析一体机分析社区出入口老、幼、成年人和残疾人通过的视频影像数据，得到社区居民行为特征信息和社区空间信息；
S13、利用灾害统计数据以及社区应急疏散规划区域灾害记录获取社区应急疏散规划区域的灾害种类、持续时间、影响范围和损失程度，得到灾害信息；
S2、基于地理信息、社区居民行为特征信息、社区空间信息和社区基底模型构建社区防灾空间仿真模型；
所述步骤S2包括如下步骤：
S21、基于社区居民行为特征信息和社区空间信息获取社区中建筑、道路、景观、居民行为和居民数量的属性表格；
S22、将属性表格以多字段属性的形式输入社区基底模型，并链接对应属性表格的空间模块模型，得到初始社区防灾空间仿真模型；
S23、基于地理信息调整初始社区防灾空间仿真模型的空间边界，得到社区空间仿真模型；
S3、基于社区居民行为特征信息、灾害信息和社区防灾空间仿真模型模拟居民自由疏散场景，并得到疏散模拟结果；
所述步骤S3包括如下步骤：
S31、基于社区居民行为特征信息和牛顿力学模拟社区居民行为，构建若干具有社区人群行为特征的智能体；
S32、将灾害信息和各智能体导入社区防灾空间仿真模型，通过切换灾害种类、持续时间和影响范围，并利用控制变量法对社区出入口数量、景观要素、道路可达性、建筑密度、人口构成、疏散时长和疏散人数进行应急疏散效率影响因素分析，得到疏散模拟结果；
S4、根据疏散模拟结果调整社区防灾空间仿真模型，并重新规划疏散方案，得到最优疏散方案；
所述步骤S4包括如下步骤：
S41、利用社区防灾空间仿真模型对社区空间分块编号，并根据各块区域的拥堵程度进行编号排序；
S42、根据编号排序结果，调整社区中建筑和道路的通达率重新规划疏散方案，得到关于社区景观、道路、建筑、出入口位置和数量的若干种疏散规划方案；
S43、利用调整后的社区防灾空间仿真模型依次对各种疏散规划方案进行模拟，并将疏散安全时间内疏散人员数量与总人数的比值作为疏散效率，得到最优疏散方案；
S5、构建社区安全韧性评价体系；
所述步骤S5包括如下步骤：
S51、定义社区安全韧性评价维度为空间环境维度W1、疏散效率维度W2和社会能力维度W3；
S52、定义空间环境维度的指标包括建筑密度X1、绿化率X2、景观舒适度X3、人均道路占比X4、人均公园面积X5和老旧建筑占比X6；
S53、定义疏散效率维度的指标包括5分钟内疏散率X7、疏散通道人均占比X8、避难场所人均占比X9、人口密度X10、最大拥堵面积X11和疏散口的数量X12；
S54、定义社会能力维度的指标包括社会保障和社会组织人员占比X13、医疗保险覆盖率X14、弱势群体比例X15、卫生和社会工作人员占比X16、每万人拥有病床数X17、互联网用户数X18、应急疏散计划X19和15分钟生活圈内学校个数X20，完成社区安全韧性评价体系的构建，如表1所示：
表1
S6、利用社区安全韧性评价体系评价最优疏散方案，得到最优方案的评价结果；
所述步骤S6包括如下步骤：
S61、获取最优疏散方案中对应社区安全韧性评价体系中各指标的社区安全韧性数据；
S62、基于社区安全韧性数据计算得到最优方案的评价结果；
所述步骤S62包括如下步骤
S621、计算社区安全韧性数据的各项指标的标准值：
其中，yij表示第i个维度的第j个指标的标准值，Xij表示第i个维度的第j个指标的原始值，Min(·)表示最小值，Max(·)表示最大值；
S622、基于各项指标的标准值计算各指标的信息熵：
其中，ej表示社区安全韧性评价体系各维度中第j个指标的信息熵；
S633、基于各指标的信息熵计算得到各指标权重：
dj＝1-ej
其中，Pj表示社区安全韧性评价体系各维度中第j个指标的权重，dj表示社区安全韧性评价体系各维度中第j个指标的信息熵冗余度；
S644、基于各指标权重计算得到最优方案的评价结果：
F＝∑PjYij
其中，F表示最优方案的社区安全韧性评价体系评价结果；
S7、判断评价结果是否满足预设达标率，若是则得到城市社区应急疏散空间规划方案，否则返回步骤S3。
本发明可解决社区空间规划中的应急疏散效率问题，协调社区空间的要素配置，模拟灾害发生时的社区疏散情况，对比不同空间规划方案的疏散情况，进行自评价智能排序并提出建议选择以及优化方案。可进一步提高规划效率，提升社区空间品质，提升社区空间韧性。
实施例2
如图2所示，在本发明的一个实用实例中，利用GIS与倾斜摄影等技术获取规划区域的地理信息，包含建筑、景观、土地等信息，结合社区规划建设的相关数据，构建社区基底模型；
利用社区数据调研采集平台采集社区数据，并利用视频分析一体机分析通过社区出入口视频影像数据，区分老、幼、成年人、残疾人经过的时段、数量、速率，得到社区居民行为特征信息；利用灾害统计文献以及区域灾害记录整理规划区域灾害种类、特征，形成区域灾害数据档案，细化灾害参数到持续时间、影响范围、损失程度，得到灾害信息；
利用基础地理信息建立社区基底模型，完成社区空间要素模型化复刻，形成社区空间孪生基底；
如图3所示，使用多智能体仿真居民行为，通过把居民个体数据链接到一个程序上，模拟充满相互作用的社区环境，社区居民总体里的每个成员都由一个智能体来代表；智能体(Agent)是人工智能和计算机软件领域中一种新兴的技术，是一个具有自适应性和智能性的软件实体，能代表用户或其它程序，以主动服务的方式完成一项工作；通过疏散模拟软件中以牛顿动力学为基础来模拟人群行为的模块，建立具备社区人群行为特征的智能体，可代表社区个体成员进行仿真疏散；一个智能体代表一个社区人，以多个智能体模拟社区人群，将社区行为链接多智能体，置入于社区空间基底模型，构建社区防灾空间仿真模型，即多智能体应灾害时，可以人群行为特性在社区防灾空间仿真模型中进行疏散反应；整理不同灾害数据接入社区防灾空间仿真模型，模拟灾害分类、灾害程度、持续时间、损失计算，切换不同灾种、等级对应的社区风险改变，应急疏散难度及时间发生变化；
如图4所示，在社区防灾空间仿真模型上运行人流应急疏散仿真程序，记录应急疏散效率与特征；结合出入口的数量、景观要素、道路可达性、建筑密度、人口构成、疏散时长、疏散人数分析应急疏散效率的影响因素，利用控制变量法，控制单一影响因素，对比应急疏散效率，评估各要素对于该社区的空间疏散能力，得出评估报告，就评估结果提出针对性优化建议方案；通过改变出入数量、位置；改变景观设计的可通过性；改变路网密度、宽度、建筑密度具体措施实行；
如图5所示，根据模拟与评估结果，通过对景观、道路进行编号成块，以其周围空间拥堵的程度智能排序，调整景观、道路要素通达率，生成不同规划方案，进行疏散模拟，对疏散效率进行排名，得出最优疏散方案；
基于社区防灾空间仿真模型和模拟与评估结果，保证居住区容积率不改变的情况下，通过增减置换出入口、景观、道路、建筑模块的位置，生成多种空间规划方案，导入行人仿真模拟应急疏散程序，以具备该社区人群行为特征的多智能体为基本模拟环境，输入与第一次仿真同样的触发灾害，触发时间，仿真疏散程序自动运行，最后输出模拟评估报告；
如图6和图7所示，对比多方案应急疏散结果，进行多角度智能排序，即以疏散时长、疏散经济损失、绿化率、道路可达性、道路通畅度为指标对规划方案进行单项评价排名，综合排名以单项乘积排名为准，进行排列组合筛选最小值，得出疏散最快、损失最小、景观最优、道路通畅、综合最优的方案；
根据模拟评估报告和综合最优的方案，对照城市安全社区建设标准指标进一步优化，提升指标达成率，完成社区空间规划，并对照城市安全社区建设标准指标，排查各指标项目达标率，结合指标排查结果，进一步优化方案，提升各项指标达成率，完善社区空间应急疏散规划方案设计，最终得到满足预设达标率的城市社区应急疏散空间规划方案。
Claims (1)
1.一种城市社区应急疏散空间智能规划方法，其特征在于，包括如下步骤：
S1、获取社区应急疏散规划区域的地理信息、社区居民行为特征信息、社区空间信息和灾害信息，并构建规划区域的社区基底模型；
所述步骤S1包括如下步骤：
S11、利用GIS与倾斜摄影获取社区应急疏散规划区域的地理信息，并结合社区规划建设数据构建社区基底模型；
S12、利用社区数据调研采集平台采集社区数据，并利用视频分析一体机分析社区出入口老、幼、成年人和残疾人通过的视频影像数据，得到社区居民行为特征信息和社区空间信息；
S13、利用灾害统计数据以及社区应急疏散规划区域灾害记录获取社区应急疏散规划区域的灾害种类、持续时间、影响范围和损失程度，得到灾害信息；
S2、基于地理信息、社区居民行为特征信息、社区空间信息和社区基底模型构建社区防灾空间仿真模型；
所述步骤S2包括如下步骤：
S21、基于社区居民行为特征信息和社区空间信息获取社区中建筑、道路、景观、居民行为和居民数量的属性表格；
S22、将属性表格以多字段属性的形式输入社区基底模型，并链接对应属性表格的空间模块模型，得到初始社区防灾空间仿真模型；
S23、基于地理信息调整初始社区防灾空间仿真模型的空间边界，得到社区空间仿真模型；
S3、基于社区居民行为特征信息、灾害信息和社区防灾空间仿真模型模拟居民自由疏散场景，并得到疏散模拟结果；
所述步骤S3包括如下步骤：
S31、基于社区居民行为特征信息和牛顿力学模拟社区居民行为，构建若干具有社区人群行为特征的智能体；
S32、将灾害信息和各智能体导入社区防灾空间仿真模型，通过切换灾害种类、持续时间和影响范围，并利用控制变量法对社区出入口数量、景观要素、道路可达性、建筑密度、人口构成、疏散时长和疏散人数进行应急疏散效率影响因素分析，得到疏散模拟结果；
S4、根据疏散模拟结果调整社区防灾空间仿真模型，并重新规划疏散方案，得到最优疏散方案；
所述步骤S4包括如下步骤：
S41、利用社区防灾空间仿真模型对社区空间分块编号，并根据各块区域的拥堵程度进行编号排序；
S42、根据编号排序结果，调整社区中建筑和道路的通达率重新规划疏散方案，得到关于社区景观、道路、建筑、出入口位置和数量的若干种疏散规划方案；
S43、利用调整后的社区防灾空间仿真模型依次对各种疏散规划方案进行模拟，并将疏散安全时间内疏散人员数量与总人数的比值作为疏散效率，得到最优疏散方案；
S5、构建社区安全韧性评价体系；
所述步骤S5包括如下步骤：
S51、定义社区安全韧性评价维度为空间环境维度W1、疏散效率维度W2和社会能力维度W3；
S52、定义空间环境维度的指标包括建筑密度X1、绿化率X2、景观舒适度X3、人均道路占比X4、人均公园面积X5和老旧建筑占比X6；
S53、定义疏散效率维度的指标包括5分钟内疏散率X7、疏散通道人均占比X8、避难场所人均占比X9、人口密度X10、最大拥堵面积X11和疏散口的数量X12；
S54、定义社会能力维度的指标包括社会保障和社会组织人员占比X13、医疗保险覆盖率X14、弱势群体比例X15、卫生和社会工作人员占比X16、每万人拥有病床数X17、互联网用户数X18、应急疏散计划X19和15分钟生活圈内学校个数X20，完成社区安全韧性评价体系的构建；
S6、利用社区安全韧性评价体系评价最优疏散方案，得到最优方案的评价结果；
所述步骤S6包括如下步骤：
S61、获取最优疏散方案中对应社区安全韧性评价体系中各指标的社区安全韧性数据；
S62、基于社区安全韧性数据计算得到最优方案的评价结果；
所述步骤S62包括如下步骤
S621、计算社区安全韧性数据的各项指标的标准值：
其中，yij表示第i个维度的第j个指标的标准值，Xij表示第i个维度的第j个指标的原始值，Min(·)表示最小值，Max(·)表示最大值；
S622、基于各项指标的标准值计算各指标的信息熵：
其中，ej表示社区安全韧性评价体系各维度中第j个指标的信息熵；
S633、基于各指标的信息熵计算得到各指标权重：
dj＝1-ej
其中，Pj表示社区安全韧性评价体系各维度中第j个指标的权重，dj表示社区安全韧性评价体系各维度中第j个指标的信息熵冗余度；
S644、基于各指标权重计算得到最优方案的评价结果：
F＝∑PjYij
其中，F表示最优方案的社区安全韧性评价体系评价结果；
S7、判断评价结果是否满足预设达标率，若是则得到城市社区应急疏散空间规划方案，否则返回步骤S3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210578696.0A CN114936697B (zh) | 2022-05-25 | 2022-05-25 | 一种城市社区应急疏散空间智能规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210578696.0A CN114936697B (zh) | 2022-05-25 | 2022-05-25 | 一种城市社区应急疏散空间智能规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114936697A CN114936697A (zh) | 2022-08-23 |
| CN114936697B true CN114936697B (zh) | 2023-04-07 |
Family
ID=82865265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210578696.0A Active CN114936697B (zh) | 2022-05-25 | 2022-05-25 | 一种城市社区应急疏散空间智能规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114936697B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116663897B (zh) * | 2023-05-24 | 2023-11-14 | 中国矿业大学 | 一种基于贝叶斯网络的城市老旧社区安全风险评价方法 |
| CN116862063B (zh) * | 2023-07-12 | 2024-04-19 | 甘肃飞天云科技信息有限公司 | 一种基于大数据的智慧城市规划优化方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103106546A (zh) * | 2013-02-08 | 2013-05-15 | 同济大学 | 基于区域应急疏散能力评估的疏散应急方案选择方法 |
| CN106408121A (zh) * | 2016-09-14 | 2017-02-15 | 北京师范大学 | 一种建筑物火灾疏散路径规划方法和系统 |
| CN110210713A (zh) * | 2019-05-06 | 2019-09-06 | 同济大学 | 一种城市居住区防灾能力评估模型的构建方法及系统 |
| CN113806832A (zh) * | 2021-08-31 | 2021-12-17 | 河北工业大学 | 一种基于行为仿真的社区地震应急疏散空间优化设计方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7596608B2 (en) * | 2005-03-18 | 2009-09-29 | Liveprocess Corporation | Networked emergency management system |
| US20090144095A1 (en) * | 2007-02-28 | 2009-06-04 | Shahi Gurinder S | Method and system for assessing and managing biosafety and biosecurity risks |
-
2022
- 2022-05-25 CN CN202210578696.0A patent/CN114936697B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103106546A (zh) * | 2013-02-08 | 2013-05-15 | 同济大学 | 基于区域应急疏散能力评估的疏散应急方案选择方法 |
| CN106408121A (zh) * | 2016-09-14 | 2017-02-15 | 北京师范大学 | 一种建筑物火灾疏散路径规划方法和系统 |
| CN110210713A (zh) * | 2019-05-06 | 2019-09-06 | 同济大学 | 一种城市居住区防灾能力评估模型的构建方法及系统 |
| CN113806832A (zh) * | 2021-08-31 | 2021-12-17 | 河北工业大学 | 一种基于行为仿真的社区地震应急疏散空间优化设计方法 |
Non-Patent Citations (3)
| Title |
|---|
| 牟文成.社区韧性评价体系建构及应用——以成都市典型社区应急管理为例.《中国优秀硕士学位论文全文数据库 工程科技II辑》.2018,(第01期),C035-243. * |
| 王超深等.成都都市圈空间组织特征判析及对国土空间规划的启示.《现代城市研究》.2022,第49-54页. * |
| 胡映洁等.城市社区空间应急疏散能力评价模型构建及其应用——以北京市交道口社区为例.《地理与地理信息科学》.2015,第31卷(第1期),第120-124页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114936697A (zh) | 2022-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114936697B (zh) | 一种城市社区应急疏散空间智能规划方法 | |
| Anelli et al. | A proactive and resilient seismic risk mitigation strategy for existing school buildings | |
| Barredo et al. | Urban sustainability in developing countries’ megacities: modelling and predicting future urban growth in Lagos | |
| Caplan et al. | Risk terrain modeling: Brokering criminological theory and GIS methods for crime forecasting | |
| Petrova-Antonova et al. | Smart cities evaluation–a survey of performance and sustainability indicators | |
| Boulange et al. | Improving planning analysis and decision making: The development and application of a Walkability Planning Support System | |
| Devia et al. | Generating crime data using agent-based simulation | |
| Bina et al. | BIM-ABM simulation for emergency evacuation from conference hall, considering gender segregation and architectural design | |
| Raduszynski et al. | Measure and spatial identification of social vulnerability, exposure and risk to natural hazards in Japan using open data | |
| Anagnos et al. | Earthquake loss estimates and policy implications for nonductile concrete buildings in Los Angeles | |
| Motamed et al. | Earthquake risk–sensitive model for urban land use planning | |
| KR102342192B1 (ko) | 빅데이터 기반의 재난 발생 위험도 예측장치 및 방법 | |
| US20030061012A1 (en) | Method and system for performing four-dimensional, multiple consequence assessments of change in selected spaces | |
| Maina et al. | Wayfinding in multi-level buildings: A study of the senate building, ahmadu bello university | |
| Maulani et al. | Analysis Of Public Perceptions Of Future Spatial Planning Decision Model Lhokseumawe City | |
| Jeswani et al. | Seismic risk assessment and mitigation analysis of large public school building portfolios in Metro Manila | |
| Liu et al. | Research on university mental health education based on computer big data statistical analysis | |
| D'Amico et al. | Behavioural-based risk of the Built Environment: Key Performance Indicators for Sudden-Onset Disaster in urban open spaces | |
| CN112561343A (zh) | 一种城市民生稳定综合分析方法 | |
| Liu et al. | Evolution characteristics of postearthquake emergency evacuation demand based on the susceptible-infective and system dynamics theories | |
| Knorre et al. | Shootings and land use | |
| Lavy et al. | A Framework for Key Performance Indicators for a Holistic Facility Performance Assessment | |
| Ma et al. | Construction and application of a simulation optimization model of auxiliary guidance signs in enclosed public places | |
| Fomil | A systematic method for measuring gentrification using building permits data: A Washington DC case study | |
| Pannakkong et al. | Simulation Analysis of University Hospital in the Medical Record Department |
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 |