CN116167533A - 适用于城市轨道交通的车站应急疏散方法及装置 - Google Patents
适用于城市轨道交通的车站应急疏散方法及装置 Download PDFInfo
- Publication number
- CN116167533A CN116167533A CN202111410466.5A CN202111410466A CN116167533A CN 116167533 A CN116167533 A CN 116167533A CN 202111410466 A CN202111410466 A CN 202111410466A CN 116167533 A CN116167533 A CN 116167533A
- Authority
- CN
- China
- Prior art keywords
- path
- station
- path set
- evacuation
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010586 diagram Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 4
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Alarm Systems (AREA)
Abstract
本公开的实施例提供了一种适用于城市轨道交通的车站应急疏散方法及装置。方法包括:根据车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;根据车站有向网络图,获取车站的初始路径集合;车站的初始路径集合中各路径从虚拟超级起点出发经过基础设施的节点以及标识引导系统的节点到达虚拟超级终点;根据初始路径集合,确定应急疏散路径集合;通过标识引导系统对应急疏散路径集合进行提示。以此方式,可以使得待疏散乘客能够及时获知应与实际车站情况更相符、更加落地的应急疏散路径,从而实现在应急情况下有效而及时地疏散站内乘客、有效提高疏散效率。
Description
技术领域
本公开涉及车辆技术领域,尤其涉及城市轨道交通技术领域。
背景技术
目前,城市轨道交通车站多为地下空间,当发生紧急事件时如何快速高效的疏散乘客是车站系统需要解决的重要问题。车站紧急疏散是一个复杂的过程,乘客的恐慌情绪、从众心理以及乘客与乘客、乘客与车站之间的交互行为等均会对疏散方案造成一定的影响,疏散行为的不及时性、疏散线路紊乱、客流聚集、出口疏散不均等问题大大降低了疏散效率,增加了疏散时间,而目前却没有很好的疏散方案,以解决上述问题。
发明内容
本公开提供了一种适用于城市轨道交通的车站应急疏散方法、装置、设备以及存储介质。
根据本公开的第一方面,提供了一种适用于城市轨道交通的车站应急疏散方法。该方法包括:
根据所述车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;
根据所述车站有向网络图,获取所述车站的初始路径集合;所述车站的初始路径集合中各路径从所述虚拟超级起点出发经过所述基础设施的节点以及所述标识引导系统的节点到达所述虚拟超级终点;
根据所述初始路径集合,确定应急疏散路径集合;
通过所述标识引导系统对所述应急疏散路径集合进行提示。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述初始路径集合,确定应急疏散路径集合,包括:
根据所述各路径上的节点对应的最小路径容量,确定所述各路径的初始路径容量;其中,所述各路径的初始路径容量用于指示所述各路径在单位时间内的最大通行人数;
使用最短路径算法以及所述各路径的初始路径容量,对所述各路径进行筛选,以获得候选路径集合;
根据所述候选路径集合,确定所述应急疏散路径集合。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,使用最短路径算法以及所述各路径的初始路径容量,对所述各路径进行筛选,以获得候选路径集合,包括:
使用最短路径算法,从所述各路径中筛选出最短路径集合;
将所述最短路径集合中各路径按照路径通行时长从小到大的顺序进行排序;
依次判断所述最短路径集合中排序靠前的路径与排序靠后的路径是否存在重合弧段;
若存在,则根据所述重合弧段的路径容量、所述排序靠前的路径的初始路径容量以及所述排序靠后的路径的初始路径容量,更新所述排序靠后的路径的实际路径容量;
循环执行判断和更新步骤,直至所述排序靠后的路径的实际路径容量为零时,删除所述排序靠后的路径,以获得所述候选路径集合。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据所述候选路径集合,确定所述应急疏散路径集合,包括:
根据待疏散总人数以及所述候选路径集合中各路径对应的实际路径容量和路径通行时长,以最小疏散时间为约束条件从所述候选路径集合中选择路径通行时长最短的前l条路径,从而确定所述应急疏散路径集合,其中,l为正整数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述以最小疏散时间为约束条件从所述候选路径集合中选择路径通行时长最短的前l条路径,从而确定所述应急疏散路径集合,包括:
从所述候选路径集合中选择路径通行时长最短的前l条路径,使得基于前l条路径对应的实际路径容量和路径通行时长计算得到的可疏散人数小于所述待疏散总人数,且满足前l+1条路径对应的可疏散人数大于或等于所述待疏散总人数;
将所述前l条路径进行重复选择,使得重复后的路径对应的可疏散人数大于或等于所述待疏散总人数;
以最小疏散时间为约束条件,确定l的值和所述前l条路径的重复次数,以获得所述应急疏散路径集合。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述通过所述标识引导系统对所述应急疏散路径集合进行提示,包括:
确定与所述应急疏散路径集合对应的疏散引导方案;
确定与所述对应的疏散引导方案对应的标识引导系统的节点、引导内容以及引导方式;
按照所述引导方式,通过所述对应的标识引导系统的节点对所述引导内容进行提示。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述虚拟超级起点对应的路径容量为待疏散总人数,且
所述虚拟超级起点到达所述车站有向网络图中与其连接的节点的路径通行时长为零;
所述虚拟超级终点对应的路径容量为待疏散总人数,且
所述虚拟超级终点连接所述车站有向网络图中的出口节点,以及所述出口节点到达所述虚拟超级终点的路径通行时长为零。
根据本公开的第二方面,提供了一种适用于城市轨道交通的车站应急疏散装置。该装置包括:
生成模块,用于根据所述车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;
获取模块,用于根据所述车站有向网络图,获取所述车站的初始路径集合;所述车站的初始路径集合中各路径从所述虚拟超级起点出发经过所述基础设施的节点以及所述标识引导系统的节点到达所述虚拟超级终点;
确定模块,用于根据所述初始路径集合,确定应急疏散路径集合;
提示模块,用于通过所述标识引导系统对所述应急疏散路径集合进行提示。
根据本公开的第三方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案,不构成对本公开的限定在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1示出了根据本公开的实施例的一种适用于城市轨道交通的车站应急疏散方法的流程图;
图2示出了根据本公开的实施例的另一种适用于城市轨道交通的车站应急疏散方法的流程图;
图3示出了根据本公开的实施例的一种标识引导系统与疏散引导方案的关联关系示意图;
图4和图5示出了根据本公开的实施例的一种双向安全标识与单向引导标识的示意图;
图6示出了根据本公开的实施例的一种车站有向网络图;
图7示出了根据本公开的实施例的一种适用于城市轨道交通的车站应急疏散装置的框图;
图8示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本公开中,通过根据基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,可生成更加准确、全面的车站有向网络图,然后从车站有向网络图中获取初始路径集合并进一步筛选出应急路径集合,最后通过标识引导系统对应急路径集合进行自动提示,使得待疏散乘客能够及时获知应与实际车站情况更相符、更加落地的应急疏散路径,从而实现在应急情况下有效而及时地疏散站内乘客、有效提高疏散效率。
图1示出了根据本公开实施例的适用于城市轨道交通的车站应急疏散方法100的流程图。方法100包括:
步骤110,根据所述车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;
车站的基础设施包括:楼梯、电梯、斜坡、通道、闸机等设施;
基础设施信息包括:位置、尺寸、数量等。
标识引导系统是对车站内具有显示或者指示作用的设备的统称,包括车站内具有显示功能的设备,如液晶屏电视、平板等设备,或者有指示作用的设备,如带有指示箭头的指示牌等,每个设备都可以叫做一个节点。
标识引导系统属性信息包括但不限于标识引导系统中各节点的位置、节点的数量,还可以包括其编号等唯一标识。
车站有向网络图以虚拟超级起点、基础设施信息、标识引导系统和虚拟超级终点为节点,然后在相邻节点之间进行连线,从而生成。
另外,虚拟超级起点和虚拟超级终点是车站网络有向图中的虚拟的起点和虚拟的终点,并非真实的节点,用于方面计算将待疏散乘客全部疏散完毕所需的最小疏散时间,具体地,这两个虚拟的点,分别用于假定所有待疏散乘客的疏散起点均为虚拟超级起点,所有待疏散乘客的疏散终点都是虚拟超级终点,即最小疏散时间为乘客从该虚拟超级起点至该虚拟超级终点的时间。
步骤120,根据所述车站有向网络图,获取所述车站的初始路径集合;所述车站的初始路径集合中各路径从所述虚拟超级起点出发经过所述基础设施的节点以及所述标识引导系统的节点到达所述虚拟超级终点;
当然,为了使得车站有向网络图更加准确,还可以获取受灾点的位置和数量等信息,然后将受灾点也作为车站有向网络图中的节点,这样初始路径集合中就也可包括受灾点。
受灾点为车站内应急事情发生的位置,如着火、打架、遇水位置等。
步骤130,根据所述初始路径集合,确定应急疏散路径集合;
步骤140,通过所述标识引导系统对所述应急疏散路径集合进行提示。
通过根据基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,可生成更加准确、全面的车站有向网络图,然后从车站有向网络图中获取车站内的所有可通行路径或者与需要疏散区域有关的所有可通行路径作为初始路径集合,从而便于进一步筛选出应急路径集合并通过标识引导系统对应急路径集合进行自动提示,这样输出的应急疏散路径不仅结合了车站的基础设施还结合了标识引导系统,因而,应急疏散路径与实际车站情况更相符,疏散路径得到实际的落地,疏散路径的准确性、疏散效率自然更高,能够在应急情况下能够有效而及时地疏散站内乘客。
另外,通过标识引导系统对所述应急疏散路径集合进行提示,可使待疏散乘客能够及时明确具体的疏散路径,尽可能避免疏散路径紊乱、疏散不及时的问题。
最后,需要说明的是为了方便计算机计算所以引入了虚拟超级起点和虚拟超级终点,使得对于计算机而言,车站有向网络图和路径集合中均包括虚拟超级起点和虚拟超级终点,但是实际上,由于毕竟是虚拟的,所以,在将车站有向网络图和路径集合提示给乘客时,可省略该虚拟超级起点和虚拟超级终点,以避免给乘客造成混乱。
在一个实施例中,所述根据所述初始路径集合,确定应急疏散路径集合,包括:
根据所述各路径上的节点对应的最小路径容量,确定所述各路径的初始路径容量;其中,所述各路径的初始路径容量用于指示所述各路径在单位时间内的最大通行人数;
每条路径都有若干个节点构成,每个节点都有自身的路径容量(即单位时间内允许通过的最大人数),而每条路径在单位时间内的最大通行人数实际取决于每条路径上的所有节点中路径容量的最小值。
使用最短路径算法以及所述各路径的初始路径容量,对所述各路径进行筛选,以获得候选路径集合;
根据所述候选路径集合,确定所述应急疏散路径集合。
通过根据各路径上节点对应的最小路径容量,可将其作为各路径的初始路径容量,然后利用最短路径算法以及各路径的初始路径容量,即可对各路径进行筛选,选出满足路径容量的最短路径作为该候选路径集合,进而再通过该候选路径集合,自动确定应急疏散路径集合,从而确保应急疏散路径符合最短路径饱和条件,如此,可确保车站各出口的疏散更加均匀、更加饱和,且应急疏散路径很明确,也避免了疏散路径紊乱。
在一个实施例中,使用最短路径算法以及所述各路径的初始路径容量,对所述各路径进行筛选,以获得候选路径集合,包括:
使用最短路径算法(即Dijkstra算法),从所述各路径中筛选出最短路径集合;
将所述最短路径集合中各路径按照路径通行时长从小到大的顺序进行排序;
各路径的路径通行时长等于各路径中除虚拟超级起点和虚拟超级终点之外的剩余路段(弧段)的总长度与预设通行速度之间的比值。例如:最短路径集合中某路径为S-A1-A2-A3-O,其中,S和O分别为车站的虚拟超级起点和虚拟超级终点,而A1、A2分别为车站中实际的节点如基础设施,A3为车站的实际出口,则该路径的路径通行时长等于A1-A3的距离之和与乘客的预设通行速度之间的比值。
当然,由于有的节点可能比较拥堵,需要一些等待时长,因而,为了使得各路径的路径通行时长更加准确,可根据各路径中不同弧段的历史通行速度和时间,确定各路径中不同弧段的通行速度、不同节点的等待时长,然后计算各路径的路径通行时长时,分别根据各路径中不同弧段的弧段长度与通行速度计算出不同弧段的通行时长,再将各路径中不同弧段的通行时长与不同节点的等待时长进行求和,即可更为准确地得到各路经的路径通行时长。
依次判断所述最短路径集合中排序靠前的路径与排序靠后的路径是否存在重合弧段;
若存在,则根据所述重合弧段的路径容量、所述排序靠前的路径的初始路径容量以及所述排序靠后的路径的初始路径容量,更新所述排序靠后的路径的实际路径容量;
如果有重合弧段eij,则将排序靠后的路径j中重合弧段的容量cij更新为:cij-Pic,并判断其数值与Pjc的大小,Pjc=min(Pjc,cij-Pic);Pic为排序靠前的路径i的初始路径容量,Pjc为排序靠后的路径j的路径容量。
循环执行判断和更新步骤,直至所述排序靠后的路径的实际路径容量为零时,删除所述排序靠后的路径,以获得所述候选路径集合。
在按照最短路径算法从初始路径集合中筛选出最短路径集合之后,可将最短路径集合中各路径按照路径通行时长从小到大的顺序进行排序,然后判断排序靠前的路径与排序靠后的路径是否存在重合弧段,若存在重合弧段,则因为两条路之间共享了该重合弧段的路径容量,在选择排序考前的路径之后,排序靠后的路径的路径容量可能会受影响,因而,需要根据重合弧段的路径容量、排序靠前的路径的初始路径容量以及排序靠后的路径的初始路径容量,自动更新所述排序靠后的路径的实际路径容量,并不断迭代判断和更新步骤,直至排序靠后的路径的实际路径容量为零时,说明该排序靠后的路径已经无法通行,没有存在的意义了,因而,删除该排序靠后的路径,并将最短路径集合中未删除的路径自动确定为候选路径集合,如此可通过不断迭代更新,确保候选路径集合的准确性和有效性。
在一个实施例中,所述根据所述候选路径集合,确定所述应急疏散路径集合,包括:
根据待疏散总人数以及所述候选路径集合中各路径对应的实际路径容量和路径通行时长,以最小疏散时间为约束条件从所述候选路径集合中选择路径通行时长最短的前l条路径,从而确定所述应急疏散路径集合,其中,l为正整数且小于候选路径集合中的路径总数量。
根据待疏散总人数、各路经对应的实际路径容量和路径通行时长,可以最小疏散时间为约束条件,从候选路径集合中选择路径通行时长最短的前l条路径,进而根据该前l条路径,自动确定既满足最短路径饱和条件又满足最小疏散时间条件的路径作为最终的应急疏散路径集合,如此,可实现饱和疏散,避免客流聚集、出口疏散不均的问题,且能够在最短时间内完成乘客的及时疏散。
选择路径通行时长最短的前l条路径可被执行为:
将候选路径集合中各路径按照路径通行时长从小到大的顺序进行排序,然后选择前l条路径。
其次,将各路径对应的实际路径容量和路径通行时长进行相乘,即可计算出各路径能够疏散的人数;
然后将待疏散总人数与选择的若干条路径能够疏散的人数之和(即可疏散人数)进行比较,并以最小疏散时间为约束条件即可准确判断到底选择前几条路径,以便于确定应急疏散路径集合。
在一个实施例中,所述以最小疏散时间为约束条件从所述候选路径集合中选择路径通行时长最短的前l条路径,从而确定所述应急疏散路径集合,包括:
从所述候选路径集合中选择路径通行时长最短的前l条路径,使得基于前l条路径对应的实际路径容量和路径通行时长计算得到的可疏散人数小于所述待疏散总人数,且满足前l+1条路径对应的可疏散人数大于或等于所述待疏散总人数;
前l条路径对应的实际路径容量和路径通行时长计算得到的可疏散人数,可被执行为:
将前l条路径中各路径对应的实际容量与路径通行时长进行相乘,得到各路径能够疏散的人数;
将前l条路径中各路经能够疏散的人数进行求和,即可得到可疏散人数。前l+1条路径对应的可疏散人数的计算方式相似,此处不再赘述。
以最小疏散时间为约束条件,确定l的值和所述前l条路径的重复次数,以获得所述应急疏散路径集合。
以最小疏散时间为约束条件,即T=min{Tl,Tl+1},且在这几项公式中,T为从所述虚拟超级起点至所述虚拟超级终点的最小疏散时间,s为所述待疏散总人数,al为所述候选路径集合中第l条路径的重复次数,l或l+1为所述应急疏散路径集合中路径通行时长最长的路径,1≤l≥M,M为候选路径集合中的路径总数目,Pic为所述候选路径集合中第i条路径的实际路径容量,和/>分别为所述候选路径集合中第l条、第l+1条路径的路径通行时长。
由于根据各路径对应的实际路径容量和路径通行时长,可计算出各路径对应的可疏散人数,因而,通过尝试选择l使得选择的前l条路径对应的可疏散人数略小于所述待疏散总人数,且前l+1条路径对应的可疏散人数略大于或等于所述待疏散总人数,即可确保利用l+1条路径将待疏散总人数疏散完毕;当然,确定l后,有部分乘客未能完成疏散,因而,除了再选择第l+1条路径将剩余乘客进行疏散之外,还可以对前l条路径进行再次选择即重复选择前l条路径中的某些路径疏散剩余乘客,因而,可以最小疏散时间为约束条件,比较一下是选择第l+1条路径所需的疏散时间小还是对前l条路径进行重新选择所需的疏散时间小,从而实现准确确定l的值以及前l条路径的重复次数,以便于准确获得最终的应急疏散路径集合。
在一个实施例中,所述通过所述标识引导系统对所述应急疏散路径集合进行提示,包括:
确定与所述应急疏散路径集合对应的疏散引导方案;
确定与所述对应的疏散引导方案对应的标识引导系统的节点(如标识引导系统包括3个显示设备,这三个显示设备都是一个节点)、引导内容以及引导方式;
引导方式可以是通过声音、灯光、指示箭头、文字、视频等进行引导。
引导内容主要就是每个区域/每个节点对应的具体的应急疏散路径,当然,引导内容还可以包括各应急疏散路径对应的疏散人数,疏散人数等于各应急疏散路径对应的实际路径容量在最小疏散时间内的积分。
按照所述引导方式,通过所述对应的标识引导系统的节点对所述引导内容进行提示。
每条路径都对应一个疏散引导方案,因而,在确定应急疏散路径集合后,可确定对应的疏散引导方案,然后确定与所述对应的疏散引导方案对应的标识引导系统的节点、引导内容以及引导方式,从而按照引导方式,通过所述对应的标识引导系统的节点对所述引导内容进行正确提示,以便于实现对乘客的合理引导,实现对应急疏散路径的最大合理利用。
在一个实施例中,所述虚拟超级起点对应的路径容量为待疏散总人数,且
所述虚拟超级起点到达所述车站有向网络图中与其连接的节点的路径通行时长为零;
所述虚拟超级终点对应的路径容量为待疏散总人数,且
所述虚拟超级终点连接所述车站有向网络图中的出口节点,以及所述出口节点到达所述虚拟超级终点的路径通行时长为零。
通过对虚拟超级起点和虚拟超级终点进行上述规定,可确保虚拟超级起点和虚拟超级终点在不影响真实疏散的前提下,发挥了便于计算最短疏散时间、路径重复次数以及确定应急疏散路径集合的作用。
下面将进一步说明本公开的技术方案:
步骤1,为了方便计算疏散路径,本公开构建超级起点和超级终点,超级起点为不同的区域疏散人群分配乘客,此时,弧段中的时间参数设置为0,容量依据不同区域的人流量来设置;超级终点为所有出口的最终指向点,该弧段的容量代表着出口的容量,时间代表着乘客从出口区域离开的时间;
步骤2,构建车站有向网络图,确定节点容量和节点位置,定义路径编号,确定初始路径集合,并根据定义的出口容量函数、楼梯容量函数等容量函数,确定初始路径集合中各路径的路径容量以及各路径的路径通行时长。
步骤3,采用Dijkstra算法,从初始路径集合选择最短路径作为最短路径集合,然后考虑不同路径的容量以及不同路径上所有弧段的路径通行时长,得到候选路径集合;
步骤4,对于轨道交通车站这种需要疏散较大人群的场景,基于最短路径饱和理论并不能保证疏散时间最短,因此,以不同路径上所有弧段的旅行时间最小T为条件即以疏散时间最小为约束条件,从候选路径集合中,选择出全部疏散路径和疏散路径被选择的次数(ai)。
步骤5,依据旅行时间最小T,确定每条疏散路径上的疏散人数;
步骤6,通过标识引导系统输出全部疏散路径、疏散时间、人员配置集合。
上述步骤1至步骤6已经在图2进行简单表达,只是语言表达略有不同。
另外,由于不同路径存在共同弧段,而共同弧段容量影响相连路径的实际容量,因此需要在计算最短路径集合之前需要更新路径容量,进而得到实际疏散容量。
而更新路径容量等价于更新最短路径集合得到候选路径集合,具体步骤如下:
a)将初始最短路径集合按照疏散时间进行排序;
b)判断i路径与后续路径j是否有重合弧段eij;
c)如果有重合弧段eij,则将j路径中重合弧段的容量cij更新为:cij-Pic,并判断其数值与Pjc的大小,Pjc=min(Pjc,cij-Pic);
d)重复步骤b,c直至完成所有路径集合的更新,得到最终的最短路径集合,也即候选路径集合。
步骤4的具体执行步骤如下:
理想情况下:
待疏散总人数s满足以下条件
然而,实际情况下:
待疏散总人数s在T内疏散完毕时,选择l条路径满足
同时,选择l+1条路径才满足
即实际情况下,选择l条路径可能待疏散总人数疏散不完还有几个乘客需要疏散,因而,需要选择l+1条路径才能疏散完毕;
但是为了疏散完乘客,还可以在之前选择的l条路径中重复再选择,从而完成疏散,即满足
而新增路径l+1与对之前选择的l条路径进行重复选择的时间通常并不相同,例如:将前l条路径中某些路径进行重复选择可能导致在车站的某些节点处(如出口、楼梯、窄通道等拥挤处)需要更长的等待时间,使得等待时间大于或等于这条路径的通行时长,此时就需要选择增加一条新的路径,因而,可以最小疏散时间为约束条件即确定最终l的取值,重复次数al的取值以及T,最后,
应急疏散路径集合P={a1*P1,a2*P2,…al*Pl},l∈M,或者P={P1,P2,…Pl,Pl+1},l+1∈M,Pl为虚拟超级起点到虚拟超级终点的第l条路径,当然,实际上是起始疏散点到不同出口的第l条路径,且理论上,所有乘客从虚拟超级起点到达虚拟超级终点的时间T是相同的,因而,第i、j条路径的路径通行时长满足以下条件:
ai、aj分别为第i、j条路径的重选次数,例如,ai表示第i条路径选择了2次。
这里是将所有疏散路径以路径通行时长从小到大的顺序进行排序且假定第一条路径到第l条路径的路径通行时长依次变大,因而,以疏散路径中最长路径通行时长为参数,可建立不同路径重复次数与最长通行时长路径的重复次数的关系,故有
因而,在计算出al后,就可确定ai,即得到前l条路径中每条路径的重复次数。
下面将对标识引导系统进行进一步说明:
本公开的标识引导系统与疏散系统的联结主要体现在两个方面:一是标识引导系统的位置,作为车站有向网络图的节点条件;二是标识引导系统与应急疏散路径的结合,将应急疏散路径表征出来。标识引导系统的位置在设计标识时已经确定好,无需说明,此处对标识引导系统与应急疏散路径的结合作简要说明,如下图3所示。
该图3显示了各参数之间的对应关系,引导方案是一个引导标识库,每个引导路径对应一个引导方案,每个引导方案包含了不同显示终端的显示编号及其显示内容,通过在图表数据库中匹配编号即可将终端的显示内容呈现出来。
通过匹配该区域的实时客流数据,基于本公开的方案确定最佳的疏散路径引导方案,通过终端与显示编号的匹配关系以及显示编号与内容标号的匹配关系,即可在显示终端上呈现引导内容。
疏散引导方案与引导标识的结合具体体现以图4所示的原始的双向选择标识为例进行说明。
该标识在疏散过程中会产生两种单一指向的方案如图5所示,不会产生两种指向同时存在的现象,因为在应急状态下人们面对选择时会产生更多疑惑以及不安全感,大大增加了疏散时间。
以正常状态下的双向选择标识为例(标识为安全标识,如果选用标识引导系统,应属于引导标识,本公开不再考虑这一层的转换关系即:从引导标识→安全标识):
下面将结合图6进一步说明本公开的技术方案:
S代表城市轨道交通的车站内的实际起点;
V5、V7、V8、V9四个节点代表四个引导终端的位置,用于引导乘客分流疏散;
D1、D2、D3、D4、D5五个节点代表着5个不同的出口,出口的最大容量分别为2、3、3、4、4;
其他几点分别代表着闸机、楼梯、通道、标识终端;当然,图6中省略了虚拟超级起点和虚拟超级终点(3,3)代表着(最大容量,通行时间);
对图6所示的车站有向网络图中的初始路径集合按照最短路径算法以及初始路径容量进行筛选后,得到候选路径集合:
S-V5-V4-D2,2-4;
S-V7-V10-D5,3-6;
S-V8-V12-D4,2-7;
S-V9-V11-V10-D5,4,8;
S-V5-V1-V2-D1,2-9;
S-V5-V8-V12-D4,3-9;
S-V5-V1-V4-D2,3-9;
S-V5-V6-D3,3-11;
以超级起点的待疏散总人数为35为例:
以最小疏散时间为约束条件,确定实际参与的疏散线路为l+1条及最小疏散时间T:
即l=5,l+1=6,T=10s,则在这个时间内,第6条路径的人员正好疏散完毕且疏散总人数大于等于待疏散人数,而第7条路径上疏散的人员不能结束且疏散总人数大于待疏散人数。
确定疏散路径集合:
S-V5-V4-D2,2-4;
S-V7-V10-D5,3-6;
S-V8-V12-D4,2-7;
S-V9-V11-V10-D5,4,8;
S-V5-V1-V2-D1,2-9;
S-V5-V8-V12-D4,3-9;对这6条路径中各路径的实际路径容量在疏散时间T内进行积分,可得到疏散人员配置方案:
S-V5-V4-D2,12;
S-V7-V10-D5,12;
S-V8-V12-D4,6;
S-V9-V11-V10-D5,2;
S-V5-V1-V2-D1,2;
S-V5-V8-V12-D4,1。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图7示出了根据本公开的实施例的适用于城市轨道交通的车站应急疏散装置700的方框图。如图7所示,装置700包括:
生成模块710,用于根据所述车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;
获取模块720,用于根据所述车站有向网络图,获取所述车站的初始路径集合;所述车站的初始路径集合中各路径从所述虚拟超级起点出发经过所述基础设施的节点以及所述标识引导系统的节点到达所述虚拟超级终点;
确定模块730,用于根据所述初始路径集合,确定应急疏散路径集合;
提示模块740,用于通过所述标识引导系统对所述应急疏散路径集合进行提示。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,所述描述的模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
根据本公开的实施例,本公开还提供了一种电子设备。
图8示出了可以用来实施本公开的实施例的电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如方法100。例如,在一些实施例中,方法100可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM803并由计算单元801执行时,可以执行上文描述的方法100的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法100。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种适用于城市轨道交通的车站应急疏散方法,其特征在于,包括:
根据所述车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;
根据所述车站有向网络图,获取所述车站的初始路径集合;所述车站的初始路径集合中各路径从所述虚拟超级起点出发经过所述基础设施的节点以及所述标识引导系统的节点到达所述虚拟超级终点;
根据所述初始路径集合,确定应急疏散路径集合;
通过所述标识引导系统对所述应急疏散路径集合进行提示。
2.根据权利要求1所述的方法,其特征在于,
所述根据所述初始路径集合,确定应急疏散路径集合,包括:
根据所述各路径上的节点对应的最小路径容量,确定所述各路径的初始路径容量;其中,所述各路径的初始路径容量用于指示所述各路径在单位时间内的最大通行人数;
使用最短路径算法以及所述各路径的初始路径容量,对所述各路径进行筛选,以获得候选路径集合;
根据所述候选路径集合,确定所述应急疏散路径集合。
3.根据权利要求2所述的方法,其特征在于,
使用最短路径算法以及所述各路径的初始路径容量,对所述各路径进行筛选,以获得候选路径集合,包括:
使用最短路径算法,从所述各路径中筛选出最短路径集合;
将所述最短路径集合中各路径按照路径通行时长从小到大的顺序进行排序;
依次判断所述最短路径集合中排序靠前的路径与排序靠后的路径是否存在重合弧段;
若存在,则根据所述重合弧段的路径容量、所述排序靠前的路径的初始路径容量以及所述排序靠后的路径的初始路径容量,更新所述排序靠后的路径的实际路径容量;
循环执行判断和更新步骤,直至所述排序靠后的路径的实际路径容量为零时,删除所述排序靠后的路径,以获得所述候选路径集合。
4.根据权利要求2所述的方法,其特征在于,
所述根据所述候选路径集合,确定所述应急疏散路径集合,包括:
根据待疏散总人数以及所述候选路径集合中各路径对应的实际路径容量和路径通行时长,以最小疏散时间为约束条件从所述候选路径集合中选择路径通行时长最短的前l条路径,从而确定所述应急疏散路径集合,其中,l为正整数。
5.根据权利要求4所述的方法,其特征在于,
所述以最小疏散时间为约束条件从所述候选路径集合中选择路径通行时长最短的前l条路径,从而确定所述应急疏散路径集合,包括:
从所述候选路径集合中选择路径通行时长最短的前l条路径,使得基于前l条路径对应的实际路径容量和路径通行时长计算得到的可疏散人数小于所述待疏散总人数,且满足前l+1条路径对应的可疏散人数大于或等于所述待疏散总人数;
将所述前l条路径进行重复选择,使得重复后的路径对应的可疏散人数大于或等于所述待疏散总人数;
以最小疏散时间为约束条件,确定l的值和所述前l条路径的重复次数,以获得所述应急疏散路径集合。
6.根据权利要求1所述的方法,其特征在于,
所述通过所述标识引导系统对所述应急疏散路径集合进行提示,包括:
确定与所述应急疏散路径集合对应的疏散引导方案;
确定与所述对应的疏散引导方案对应的标识引导系统的节点、引导内容以及引导方式;
按照所述引导方式,通过所述对应的标识引导系统的节点对所述引导内容进行提示。
7.根据权利要求2至6中任一项所述的方法,其特征在于,
所述虚拟超级起点对应的路径容量为待疏散总人数,且
所述虚拟超级起点到达所述车站有向网络图中与其连接的节点的路径通行时长为零;
所述虚拟超级终点对应的路径容量为待疏散总人数,且
所述虚拟超级终点连接所述车站有向网络图中的出口节点,以及所述出口节点到达所述虚拟超级终点的路径通行时长为零。
8.一种适用于城市轨道交通的车站应急疏散装置,包括:
生成模块,用于根据所述车站的基础设施信息、标识引导系统属性信息、虚拟超级起点和虚拟超级终点,生成车站有向网络图;
获取模块,用于根据所述车站有向网络图,获取所述车站的初始路径集合;所述车站的初始路径集合中各路径从所述虚拟超级起点出发经过所述基础设施的节点以及所述标识引导系统的节点到达所述虚拟超级终点;
确定模块,用于根据所述初始路径集合,确定应急疏散路径集合;
提示模块,用于通过所述标识引导系统对所述应急疏散路径集合进行提示。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111410466.5A CN116167533A (zh) | 2021-11-23 | 2021-11-23 | 适用于城市轨道交通的车站应急疏散方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111410466.5A CN116167533A (zh) | 2021-11-23 | 2021-11-23 | 适用于城市轨道交通的车站应急疏散方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167533A true CN116167533A (zh) | 2023-05-26 |
Family
ID=86415099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111410466.5A Pending CN116167533A (zh) | 2021-11-23 | 2021-11-23 | 适用于城市轨道交通的车站应急疏散方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167533A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117168466A (zh) * | 2023-10-30 | 2023-12-05 | 南京深业智能化系统工程有限公司 | 一种逃生路径规划方法、装置及存储介质 |
CN117246379A (zh) * | 2023-10-18 | 2023-12-19 | 中国矿业大学 | 一种轨道交通应急疏散路线的生成方法及系统 |
-
2021
- 2021-11-23 CN CN202111410466.5A patent/CN116167533A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117246379A (zh) * | 2023-10-18 | 2023-12-19 | 中国矿业大学 | 一种轨道交通应急疏散路线的生成方法及系统 |
CN117168466A (zh) * | 2023-10-30 | 2023-12-05 | 南京深业智能化系统工程有限公司 | 一种逃生路径规划方法、装置及存储介质 |
CN117168466B (zh) * | 2023-10-30 | 2024-02-02 | 南京深业智能化系统工程有限公司 | 一种逃生路径规划方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929378B (zh) | 一种基于数字孪生的高层建筑应急疏散方法、系统及电子设备 | |
CN116167533A (zh) | 适用于城市轨道交通的车站应急疏散方法及装置 | |
CN107133704B (zh) | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 | |
US20230024680A1 (en) | Method of determining regional land usage property, electronic device, and storage medium | |
US20170211941A1 (en) | Generalising Topographical Map Data | |
CN113569378A (zh) | 仿真场景的生成方法、装置、电子设备以及存储介质 | |
CN113254669B (zh) | 基于知识图谱的配电网cim模型信息补全方法及系统 | |
JP2021168174A (ja) | 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品 | |
CN114449343A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN114742280B (zh) | 路况预测方法及相应的模型训练方法、装置、设备及介质 | |
CN113821579B (zh) | 路线的生成方法、装置、电子设备和存储器 | |
CN114661842B (zh) | 地图匹配方法、装置和电子设备 | |
CN115545359A (zh) | 一种面向复杂建筑火灾的动态智能疏散方法及装置 | |
CN113160693A (zh) | 一种道路路口的处理方法、装置、设备和存储介质 | |
CN111735454B (zh) | 路径规划方法、装置、电子设备、介质及路径导航方法 | |
WO2024114620A1 (zh) | 车辆变道成功率的预测方法、装置、计算机设备和存储介质 | |
CN108846134A (zh) | 一种基于网络爬虫的运维方案推荐系统及方法 | |
CN116824870A (zh) | 路段流量预测方法、装置、设备以及存储介质 | |
CN112541464A (zh) | 关联道路对象的确定方法、装置、路侧设备和云控平台 | |
Turner | A program to perform visibility graph analysis | |
CN116307325A (zh) | 一种配电网的线路规划方法、装置、电子设备及存储介质 | |
CN116468112A (zh) | 目标检测模型的训练方法、装置、电子设备和存储介质 | |
US20230075033A1 (en) | Ride-hailing method and apparatus, electronic device and readable storage medium | |
CN114399998B (zh) | 语音处理方法、装置、设备、存储介质及程序产品 | |
CN115134293A (zh) | 电信路由推荐方法、装置及服务器 |
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 |