CN116307386A - 一种客船火灾人员疏散模拟方法、装置、设备和存储介质 - Google Patents
一种客船火灾人员疏散模拟方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN116307386A CN116307386A CN202310258005.3A CN202310258005A CN116307386A CN 116307386 A CN116307386 A CN 116307386A CN 202310258005 A CN202310258005 A CN 202310258005A CN 116307386 A CN116307386 A CN 116307386A
- Authority
- CN
- China
- Prior art keywords
- fire
- evacuation
- personnel
- passenger ship
- simulation
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
- G06Q90/00—Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing
- G06Q90/20—Destination assistance within a business structure or complex
- G06Q90/205—Building evacuation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Fluid Mechanics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Architecture (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种客船火灾人员疏散模拟方法、装置、设备和存储介质,该方法包括:建立客船的火灾事故模拟场景模型;确定预设火灾参数对应的疏散影响系数;对模拟场景模型中的人员进行类型划分,并基于分类后的人员类型和火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进;根据改进的元胞自动机模型和预设冲突解决方法对模拟场景模型中的人员疏散过程进行模拟。本发明量化考虑了火灾参数对疏散人员的行为影响,根据疏散影响系数和人员类型对基础元胞自动机模型进行改进,并利用改进的元胞自动机模型和预设冲突解决方法对人员疏散过程进行模拟,能够更准确地模拟客船发生火灾时的疏散情况,为制定客船火灾事故的人员疏散方案提供理论指导。
Description
技术领域
本发明涉及客船防灾减灾技术领域,具体涉及一种客船火灾人员疏散模拟方法、装置、电子设备和计算机可读存储介质。
背景技术
现代客船装饰豪华,使用的装饰材料一般都是易燃材料。火灾是客船最常见的事故之一,客船具有内部空间大、气密性高、易燃物多的特点,是火灾防范的重点场所。当火灾发生时,若没有采取有效的灭火措施或组织乘客、船员快速疏散,将会造成巨大的财产损失和人员伤亡。
现有技术中,通过疏散模拟的方法可以优化火灾情况下客船疏散策略,减少疏散演练的成本。对于火灾场景下的疏散仿真,通常是将火场信息输入到人员疏散仿真模型中进行疏散仿真。但传统的客船火灾疏散模型既没有考虑跟随因素对客船疏散人员的影响,也没有综合考虑火灾参数对疏散的影响,无法还原客船在发生火灾时人员的真实疏散情况,不能为火灾时的人员撤离以及制定客船火灾疏散方案提供可靠依据。
因此,需要提出一种客船火灾人员疏散模拟方法、装置、设备和存储介质,解决现有技术中存在的由于未考虑客船疏散过程中火灾产物对疏散人员的影响以及疏散人员的跟随行为,导致火灾疏散模拟与实际情况差距较大、无法为客船火灾时的人员疏散策略制定提供理论支持的问题。
发明内容
有鉴于此,有必要提供一种客船火灾人员疏散模拟方法、装置、电子设备和计算机可读存储介质,用以解决现有技术由于未考虑客船疏散过程中火灾产物对疏散的影响以及人员的跟随行为模式,导致客船火灾时的人员疏散模拟过程与实际情况存在较大差异的技术问题。
为了解决上述问题,本发明提供一种客船火灾人员疏散模拟方法,包括:
建立客船的火灾事故模拟场景模型;
确定预设火灾参数对应的疏散影响系数;
对所述模拟场景模型中的人员进行类型划分,并基于所述分类后的人员类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,得到改进的元胞自动机模型;
根据所述改进的元胞自动机模型和预设冲突解决方法对所述模拟场景模型中的人员疏散过程进行模拟。
进一步的,建立客船的火灾事故模拟场景,包括:
创建客船的主竖区,将所述主竖区划分为多个预设面积的监测区;
根据预设监测周期对每个所述监测区的火灾参数进行监测;
利用火灾模拟软件模拟所述主竖区发生火灾时的火势变化情况。
进一步的,对所述模拟场景中的人员进行类型划分,并基于所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,包括:
将所述模拟场景中的人员划分为自主疏散人员和跟随人员;其中,所述自主疏散人员朝所述模拟场景的出口方向运动,所述跟随人员的运动方向随感知区域内的所述自主疏散人员的变化而改变;
根据所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型中人员的移动概率进行修正。
进一步的,根据所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型中人员的移动概率进行修正,包括:
根据所述火灾参数对应的疏散影响系数确定所述自主疏散人员的等效场系数;
根据所述自主疏散人员到所述模拟场景中心火灾区域边缘的距离,确定火灾场系数;
根据所述等效场系数和火灾场系数,对基础元胞自动机模型中自主疏散人员的移动概率进行修正。
进一步的,所述基础元胞自动机模型的元胞邻居类型为Moore型;所述跟随人员的感知区域为以所述跟随人员所在位置为圆心,以预设长度为半径的圆形区域。
进一步的,根据所述人员的类型和所述火灾参数对应的疏散影响系数对所述基础元胞自动机模型中人员的移动概率进行修正,还包括:
所述跟随人员的移动概率根据所述感知区域每个方向上的疏散人员的总数量、单个方向上的自主疏散人员数量,以及火灾影响系数确定。
进一步的,所述预设冲突解决方法为基于博弈论的冲突解决方法,通过预设的收益矩阵和疏散规则确定疏散过程中人员移动存在冲突时的运动方式。
本发明还提供一种客船火灾人员疏散模拟装置,包括:
场景建立模块,用于建立客船的火灾事故模拟场景模型;
影响系数计算模块,用于确定预设火灾参数对应的疏散影响系数;
模型改进模块,用于对所述模拟场景模型中的人员进行类型划分,并基于所述分类后的人员类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,得到改进的元胞自动机模型;
仿真模块,用于根据所述改进的元胞自动机模型和预设冲突解决方法对所述模拟场景模型中的人员疏散过程进行模拟。
本发明还提供一种电子设备,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现上述技术方案任一所述的一种客船火灾人员疏散模拟方法。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述技术方案任一所述的一种客船火灾人员疏散模拟方法。
与现有技术相比,本发明的有益效果包括:首先,建立客船的火灾事故模拟场景模型;其次,确定预设火灾参数对应的疏散影响系数,对模拟场景中的人员进行类型划分,并基于人员类型和火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进;最后,根据所述改进的元胞自动机模型和预设冲突解决方法对火灾模拟场景中的人员疏散过程进行模拟。本发明的方法通过确定火灾参数对应的疏散影响系数,量化考虑了火灾参数对疏散人员的行为影响;通过对人员类型进行划分,考虑了人员撤离时的跟随因素;根据疏散影响系数和人员类型对基础元胞自动机模型进行改进,并利用改进的元胞自动机模型和预设冲突解决方法对人员疏散过程进行模拟,能够更准确地模拟客船发生火灾时的疏散情况,为制定客船火灾事故的人员疏散方案提供理论指导。
附图说明
图1为本发明提供的客船火灾人员疏散模拟方法一实施例的流程示意图;
图2为本发明提供的客船火灾模拟场景一实施例的示意图;
图3(a)为本发明提供的火灾发生后两秒的人员疏散一实施例的示意图;
图3(a)为本发明提供的火灾发生后65秒的人员疏散一实施例的示意图;
图4为本发明提供的不同出口人员疏散一实施例的热力图;
图5为本发明提供的一种客船火灾人员疏散模拟装置一实施例的结构示意图;
图6为本发明提供的一种电子设备一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在实施例描述之前,首先对本申请的相关术语进行说明。
主竖区:船舶构造是由船壳、船体骨架、甲板、船舱和上层建筑所组成。主竖区系指船体、上层建筑和甲板室以“A级分隔”分成的区段,它在任何一层甲板上的平均长度和宽度一般不超过40m。其中,“A级分隔”指的是在规定的时间内能阻挡火势蔓延的一种最高耐火级别的船舶防火构造。
元胞自动机:又称细胞自动机(CA,Cellular Automata或Cellular Automaton),通过建立元胞自动机模型来把复杂问题简单化,利用一种动态的结果将复杂问题按照一定的规则模拟出来。元胞自动机由元胞、元胞空间、元胞邻居和元胞规则组成。元胞(细胞)是元胞自动机的最基本单元,整个过程是使元胞按照一定的规则更新。元胞的形状主要有三种:元胞空间,是元胞在空间分布上的集合,一般的元胞空间的类型为正方形、三角形、六边形等;元胞邻居,元胞状态更新时所要搜索的空间域,元胞的邻居类型有三种:冯诺依曼型、moor型、扩展moor型。元胞需要有边界,常见的边界条件有:固定型、周期型、绝热型、映射型。元胞的更新规则与上一时刻元胞的状态有关,也与相邻元胞之间的状态有关。
每个元胞的状态由有限数量的信息位组成,在同一时钟驱动下,按照相同的局部演化规则,同步(并行)更新每个元胞的状态。一方面,CA模型具有通用计算性质,用自动机演化规则可以模拟任何计算流程(理论上可以模拟任何复杂的自然行为),另一方面,CA模型足够简单,它直接根据系统的微观作用机制设计局部演化规则来模拟复杂现象,因此,CA模型在物理、化学、生物和人工智能等问题研究中得到广泛的应用。
FDS:FDS(Fire Dynamics Simulator)是由美国国家标准技术局开发的火灾动力学模拟工具。该软件是基于计算流体力学(CFD)的一种数学模型,能够模拟火灾燃烧的能量驱动流体流动。
下面对本发明的发明构思进行说明。
现有技术中,对于客船火灾时的人员疏散模拟主要有宏观模型和微观模型,微观模型中,元胞自动机模型由于其离散结构,与连续模型相比,简单高效,计算速度高,因此适用于大规模人群疏散模拟。但目前在利用元胞自动机模型对火灾疏散过程进行模拟时,没有考虑有毒气体、温度、可见度等火灾参数对人员疏散的影响,也没有考虑人员疏散时的跟随行为,因此无法展示客船发生火灾时的真实疏散情况,不能为制定客船火灾疏散方案提供可靠依据。
本发明在现有的元胞自动机模型的基础上,量化考虑了火灾参数对疏散人员的行为影响,并将人员撤离时的跟随因素也加以考虑,能够更准确地模拟客船发生火灾时的疏散情况,为制定高效的人员疏散方案提供理论指导。
本发明实施例提供了一种客船火灾人员疏散模拟方法,如图1所示,图1是所述客船火灾人员疏散模拟方法的流程示意图,包括:
步骤S101:建立客船的火灾事故模拟场景模型;
步骤S102:确定预设火灾参数对应的疏散影响系数;
步骤S103:对所述模拟场景模型中的人员进行类型划分,并基于所述分类后的人员类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,得到改进的元胞自动机模型;
步骤S104:根据所述改进的元胞自动机模型和预设冲突解决方法对所述模拟场景模型中的人员疏散过程进行模拟。
本实施例提供的客船火灾人员疏散模拟方法,首先,建立客船的火灾事故模拟场景模型;其次,确定预设火灾参数对应的疏散影响系数,对模拟场景中的人员进行类型划分,并基于人员类型和火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进;最后,根据所述改进的元胞自动机模型和预设冲突解决方法对火灾模拟场景中的人员疏散过程进行模拟。本实施例的方法通过确定火灾参数对应的疏散影响系数,量化考虑了火灾参数对疏散人员的行为影响;通过对人员类型进行划分,考虑了人员撤离时的跟随因素;根据疏散影响系数和人员类型对基础元胞自动机模型进行改进,并利用改进的元胞自动机模型和预设冲突解决方法对人员疏散过程进行模拟,能够更准确地模拟客船发生火灾时的疏散情况,为制定客船火灾事故的人员疏散方案提供理论指导。
作为优选的实施例,在步骤S101中,建立客船的火灾事故模拟场景,包括:
创建客船的主竖区,将所述主竖区划分为多个预设面积的监测区;
根据预设监测周期对每个所述监测区的火灾参数进行监测;
利用火灾模拟软件模拟所述主竖区发生火灾时的火势变化情况。
作为一个具体的实施例,选取客船主竖区40米×40米的区域,将客船的主竖区划分为多个0.4m×0.4m大小的监测区,在监测区内设置温度探测器,一氧化碳探测器和能见度探测器。采用火灾模拟软件FDS进行火灾模拟,按照元胞自动机的时间步收集火灾参数。
为了更全面的考虑火灾参数对人员疏散的影响,作为一个具体的实施例,在步骤S102中,所述火灾参数对应的疏散影响系数包括温度、有毒气体和能见度对人员疏散的影响。具体量化方法如下:
温度影响系数计算公式为:
其中,ts是火灾现场的温度(unit:℃);t0为当前客船主竖区温度(unit:℃);v0是疏散人员正常速度(unit:m/s);vmax是疏散人员最大速度(unit:m/s);te1是引起疏散人员生理不适的温度(unit:℃);te2是导致疏散人员受伤害的温度(unit:℃);td是导致疏散人员死亡的温度(unit:℃)。
火灾中含有大量有毒有害气体,其中CO(一氧化碳)浓度对疏散人员的威胁最大,因此拟合了CO浓度的影响系数公式。
CO浓度影响系数计算公式为:
其中,ρ是CO的体积浓度(%),t是暴露时间。
能见度对疏散过程也有较大影响,通过减光系数kf评估烟气浓度,则能见度影响系数计算公式为:
其中,kf是火灾烟气的消光系数(unit:m-1)。
在人员疏散的过程中,除了火灾参数会对人员的疏散行为产生影响之外,人员对火灾场景中疏散出口的熟悉程度也会对疏散过程造成影响。研究发现,在客船的疏散过程中存在两种类型疏散人员,即熟悉出口的疏散人员和不熟悉出口的疏散人员。其中,不熟悉出口的疏散人员在运动时,会随着感知半径内熟悉出口疏散人员的变化而改变运动方向;而熟悉出口疏散人员则始终朝着出口方向运动。根据人员对出口的熟悉程度进行划分,能够更准确地模拟人员的疏散过程。
作为优选的实施例,在步骤S103中,对所述模拟场景中的人员进行类型划分,并基于所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,包括:
将所述模拟场景中的人员划分为自主疏散人员和跟随人员;其中,所述自主疏散人员朝所述模拟场景的出口方向运动,所述跟随人员的运动方向随感知区域内的所述自主疏散人员的变化而改变;
根据所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型中人员的移动概率进行修正。
作为优选的实施例,根据所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型中人员的移动概率进行修正,包括:
根据所述火灾参数对应的疏散影响系数确定所述自主疏散人员的等效场系数;
根据所述自主疏散人员到所述模拟场景中心火灾区域边缘的距离,确定火灾场系数;
根据所述等效场系数和火灾场系数,对基础元胞自动机模型中自主疏散人员的移动概率进行修正。
作为一个具体的实施例,在基础元胞自动机模型中,人员的转移概率为:
Pij=Zexp(ksSij)exp(kcCij)(1-ηi,j)εi,j (4)
其中,Z为归一化因子,使得∑i∑jPi,j=1,ks为静态场系数,Sij为静态场场值,kc为动态场系数,ηij、εij分别为元胞的人员参数、障碍物参数。
其中,dij表示元胞(i,j)到出口的最近距离。
动态场Cij的计算公式为:
然而,在上述的基础元胞自动机模型中,人员的移动概率没有考虑火灾参数对人员移动的影响。为了使模型的仿真更加符合实际,采用与元胞自动机更新相同的时间步,采集FDS仿真数据,经过计算处理后,加载到元胞自动机模型中。具体为:
设定自主疏散人员的转移概率为:
在火灾疏散过程中,疏散人员通常考虑远离火灾中心,Mij表示火灾场,火灾场的计算公式为:
因此,通过公式(12)和(13)的计算处理,将火灾参数对人员疏散行为的影响加载到基础元胞自动机模型中,得到了改进的元胞自动机模型,使后续的模拟和仿真过程更加贴合实际情况。
作为优选的实施例,所述基础元胞自动机模型的元胞邻居类型为Moore型;所述跟随人员的感知区域为以所述跟随人员所在位置为圆心,以预设长度为半径的圆形区域。
作为一个具体的实施例,基础元胞自动机模型的元胞邻居类型为Moore型,即每个元胞处的人员以一定的转移概率向8个邻近元胞移动或保持静止,如图2所示。元胞对应的实际空间大小为0.4m×0.4m。
在元胞邻居类型为Moore型的基础元胞自动机模型中,人员的转移概率由静态场与动态场参数控制。其中,静态场反映疏散空间结构布局与出口设置;动态场代表个体在疏散过程中对其他人的直接或间接影响。
假设跟随人员能感知区域为V,则定义所述感知区域V是以所述跟随人员当前的位置元胞(i,j)为圆心、距离半径为R=2m的圆形区域。
火灾发生时,跟随人员由于恐慌产生了盲目跟随的行为,如果感知半径内某个方向出现了自主疏散人员,就跟随自主疏散人员前往下一个位置。
作为优选的实施例,根据所述人员的类型和所述火灾参数对应的疏散影响系数对所述基础元胞自动机模型中人员的移动概率进行修正,还包括:
所述跟随人员的移动概率根据所述感知区域每个方向上的疏散人员的总数量、单个方向上的自主疏散人员数量,以及火灾影响系数确定。
作为一个具体的实施例,客船疏散人员的跟随行为受感知半径内全部疏散人员的影响,疏散时选择移动概率大的方向。
定义跟随人员的移动概率为:
其中,n为元胞可选择的8个方向,取值范围为[1,2,…,8];Fn为感知半径内单个方向自主疏散的人员数量;Ntotal为感知区域内8个邻近元胞方向上总疏散人员数量,ω为火灾影响系数,ω根据跟随人员位置的火灾危害等级进行取值,火灾等级越高,火灾的影响系数取值越小,即疏散人员选择该方向的概率减小,火灾影响系数的取值为[0.1,0.2,0.3,0.6]。
在疏散过程中,客船疏散人员同时向出口疏散,如果两个疏散人员同时选择相同的下一目标,疏散人员就会出现碰撞。因此还需要对疏散时出现冲突的情况进行模拟。
作为优选的实施例,在步骤S104中,所述预设冲突解决方法为基于博弈论的冲突解决方法,通过预设的收益矩阵和疏散规则确定疏散过程中人员移动存在冲突时的运动方式。
作为一个具体的实施例,如表1所示,表1表明了基于博弈论的疏散人员相互作用的收益矩阵。
表1收益矩阵
此外,对于跟随人员和自主疏散人员,在疏散过程中遵循的规则如下:
(1)如果跟随人员遇到自主疏散人员,跟随人员将获得元胞,而自主疏散人员位置则保持不变,直到下一代。
(2)如果两个自主疏散人员相遇,他们将拥有50%机会选择元胞。
(3)如果跟随人员相遇,他们拥有相同的机会选择元胞,但机会低于50%。
下面结合图2-图4对本发明的方法的模拟效果进行展示。
如图2所示,客船的火灾事故模拟场景为:客船主竖区的总面积为1600平方米,共有4个1.2m宽的出口,主竖区的高度为3米,火源(0.4m×0.4m)位于中间的地板上。在FDS软件中选择快速火灾进行计算,用t2火灾发展模型进行模拟,火灾增长系数为0.0469kw/s2。设置火灾放热率,分别为1000kW/m2。使用聚氨酯作为火灾反应材料。通过探测器可以监测客船主竖区内温度、一氧化碳(CO)浓度和能见度的数值变化。
如果客船主竖区内火灾探测数值满足以下任何一个条件,就认为对人体造成了伤害,会影响人员的疏散:(1)温度>60℃;(2)CO浓度>0.1%;或(3)能见度<10米。
火灾仿真模拟时,假设四个门都被打开,并且客船主竖区的喷水灭火系统和机械排烟系统失效。客船主竖区的疏散人员随机生成,按照转移概率公式进行疏散。
通过本申请提出的基于改进的元胞自动机和博弈论的人员疏散过程如图3(a)和图3(b)所示,图3(a)展示了火灾发生后两秒的疏散情况;图3(b)展示了火灾发生后65秒的疏散情况。图3(a)和图3(b)中,黑色方框表示自主疏散人员,黑点表示跟随人员。
不同出口的疏散人员的热力图如图4所示。从图4可以看出,障碍物和出口是疏散人员的瓶颈。由于客船火灾产生的大量热量和烟雾,疏散人员不得不远离障碍物和舱壁。在仿真中我们发现疏散人员不是直接走到出口,而是需要从舱壁和障碍物中找到通往出口的路径。疏散人员需要根据火势的发展和障碍物的位置不断调整前进的方向。
本实施例还提供了一种客船火灾人员疏散模拟装置,如图5所示,所述客船火灾人员疏散模拟装置500包括:
场景建立模块501,用于建立客船的火灾事故模拟场景模型;
影响系数计算模块502,用于确定预设火灾参数对应的疏散影响系数;
模型改进模块503,用于对所述模拟场景模型中的人员进行类型划分,并基于所述分类后的人员类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,得到改进的元胞自动机模型;
仿真模块504,用于根据所述改进的元胞自动机模型和预设冲突解决方法对所述模拟场景模型中的人员疏散过程进行模拟。
如图6所示,上述的一种客船火灾人员疏散模拟方法,本发明还相应提供了一种电子设备600,该电子设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该电子设备包括处理器601、存储器602及显示器603。
存储器602在一些实施例中可以是计算机设备的内部存储单元,例如计算机设备的硬盘或内存。存储器602在另一些实施例中也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器602还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器602用于存储安装于计算机设备的应用软件及各类数据,例如安装计算机设备的程序代码等。存储器602还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中,存储器602上存储有一种客船火灾人员疏散模拟方法程序604,该一种客船火灾人员疏散模拟方法程序604可被处理器601所执行,从而实现本发明各实施例的一种客船火灾人员疏散模拟方法。
处理器601在一些实施例中可以是一中央处理器(Central Processing Unit,CPU),微处理器或其他数据处理芯片,用于运行存储器602中存储的程序代码或处理数据,例如执行一种客船火灾人员疏散模拟方法程序等。
显示器603在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。显示器603用于显示在计算机设备的信息以及用于显示可视化的用户界面。计算机设备的部件601-603通过系统总线相互通信。
本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述技术方案任一所述的客船火灾人员疏散模拟方法。
根据本发明上述实施例提供的计算机可读存储介质和计算设备,可以参照根据本发明实现如上所述的一种客船火灾人员疏散模拟方法具体描述的内容实现,并具有与如上所述的一种客船火灾人员疏散模拟方法类似的有益效果,在此不再赘述。
本发明公开的客船火灾人员疏散模拟方法、装置、电子设备和计算机可读存储介质,首先,建立客船的火灾事故模拟场景模型;其次,确定预设火灾参数对应的疏散影响系数,对模拟场景中的人员进行类型划分,并基于人员类型和火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进;最后,根据所述改进的元胞自动机模型和预设冲突解决方法对火灾模拟场景中的人员疏散过程进行模拟。
本发明的方法通过确定火灾参数对应的疏散影响系数,量化考虑了火灾参数对疏散人员的行为影响;通过对人员类型进行划分,考虑了人员撤离时的跟随因素;根据疏散影响系数和人员类型对基础元胞自动机模型进行改进,并利用改进的元胞自动机模型和预设冲突解决方法对人员疏散过程进行模拟,能够更准确地模拟客船发生火灾时的疏散情况,为制定客船火灾事故的人员疏散方案提供理论指导。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种客船火灾人员疏散模拟方法,其特征在于,包括;
建立客船的火灾事故模拟场景模型;
确定预设火灾参数对应的疏散影响系数;
对所述模拟场景模型中的人员进行类型划分,并基于所述分类后的人员类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,得到改进的元胞自动机模型;
根据所述改进的元胞自动机模型和预设冲突解决方法对所述模拟场景模型中的人员疏散过程进行模拟。
2.根据权利要求1所述的客船火灾人员疏散模拟方法,其特征在于,建立客船的火灾事故模拟场景,包括:
创建客船的主竖区,将所述主竖区划分为多个预设面积的监测区;
根据预设监测周期对每个所述监测区的火灾参数进行监测;
利用火灾模拟软件模拟所述主竖区发生火灾时的火势变化情况。
3.根据权利要求1所述的客船火灾人员疏散模拟方法,其特征在于,对所述模拟场景中的人员进行类型划分,并基于所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,包括:
将所述模拟场景中的人员划分为自主疏散人员和跟随人员;其中,所述自主疏散人员朝所述模拟场景的出口方向运动,所述跟随人员的运动方向随感知区域内的所述自主疏散人员的变化而改变;
根据所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型中人员的移动概率进行修正。
4.根据权利要求3所述的客船火灾人员疏散模拟方法,其特征在于,根据所述人员的类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型中人员的移动概率进行修正,包括:
根据所述火灾参数对应的疏散影响系数确定所述自主疏散人员的等效场系数;
根据所述自主疏散人员到所述模拟场景中心火灾区域边缘的距离,确定火灾场系数;
根据所述等效场系数和火灾场系数,对基础元胞自动机模型中自主疏散人员的移动概率进行修正。
5.根据权利要求3所述的客船火灾人员疏散模拟方法,其特征在于,所述基础元胞自动机模型的元胞邻居类型为Moore型;所述跟随人员的感知区域为以所述跟随人员所在位置为圆心,以预设长度为半径的圆形区域。
6.根据权利要求5所述的客船火灾人员疏散模拟方法,其特征在于,根据所述人员的类型和所述火灾参数对应的疏散影响系数对所述基础元胞自动机模型中人员的移动概率进行修正,还包括:
所述跟随人员的移动概率根据所述感知区域每个方向上的疏散人员的总数量、单个方向上的自主疏散人员数量,以及火灾影响系数确定。
7.根据权利要求1所述的客船火灾人员疏散模拟方法,其特征在于,所述预设冲突解决方法为基于博弈论的冲突解决方法,通过预设的收益矩阵和疏散规则确定疏散过程中人员移动存在冲突时的运动方式。
8.一种客船火灾人员疏散模拟装置,其特征在于,包括:
场景建立模块,用于建立客船的火灾事故模拟场景模型;
影响系数计算模块,用于确定预设火灾参数对应的疏散影响系数;
模型改进模块,用于对所述模拟场景模型中的人员进行类型划分,并基于所述分类后的人员类型和所述火灾参数对应的疏散影响系数对基础元胞自动机模型进行改进,得到改进的元胞自动机模型;
仿真模块,用于根据所述改进的元胞自动机模型和预设冲突解决方法对所述模拟场景模型中的人员疏散过程进行模拟。
9.一种电子设备,其特征在于,包括处理器以及存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1-7任一所述的一种客船火灾人员疏散模拟方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7任一所述的一种客船火灾人员疏散模拟方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310258005.3A CN116307386A (zh) | 2023-03-16 | 2023-03-16 | 一种客船火灾人员疏散模拟方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310258005.3A CN116307386A (zh) | 2023-03-16 | 2023-03-16 | 一种客船火灾人员疏散模拟方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116307386A true CN116307386A (zh) | 2023-06-23 |
Family
ID=86781132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310258005.3A Pending CN116307386A (zh) | 2023-03-16 | 2023-03-16 | 一种客船火灾人员疏散模拟方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307386A (zh) |
Cited By (1)
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 |
-
2023
- 2023-03-16 CN CN202310258005.3A patent/CN116307386A/zh active Pending
Cited By (2)
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 |
CN117371760B (zh) * | 2023-11-30 | 2024-05-28 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Su et al. | Smart performance-based design for building fire safety: Prediction of smoke motion via AI | |
Xu et al. | A virtual reality based fire training simulator with smoke hazard assessment capacity | |
Liu et al. | Agent-based simulation of alternative classroom evacuation scenarios | |
McGrattan et al. | Modeling fires using computational fluid dynamics (CFD) | |
Shi et al. | Agent-based evacuation model of large public buildings under fire conditions | |
Kim et al. | Establishing the methodologies for human evacuation simulation in marine accidents | |
KR102348358B1 (ko) | 가상현실 기반의 화재 대피 시뮬레이션 장치 및 방법 | |
Rios et al. | Short-term fire front spread prediction using inverse modelling and airborne infrared images | |
Musharraf et al. | Identifying route selection strategies in offshore emergency situations using decision trees | |
Ping et al. | Analysis of emergency evacuation in an offshore platform using evacuation simulation modeling | |
Wang et al. | P-Flash–A machine learning-based model for flashover prediction using recovered temperature data | |
Omar et al. | Deep learning approach to predict forest fires using meteorological measurements | |
CN116307386A (zh) | 一种客船火灾人员疏散模拟方法、装置、设备和存储介质 | |
CA2679716C (en) | Simulation cache to expedite complex modeling and simulation processes | |
Lu et al. | Optimized guidance for building fires considering occupants’ route choices | |
Zhang et al. | Smart real-time forecast of transient tunnel fires by a dual-agent deep learning model | |
Zhu et al. | Behavioral, data-driven, agent-based evacuation simulation for building safety design using machine learning and discrete choice models | |
Ko et al. | Trial evacuation of an industrial premises and evacuation model comparison | |
Xie et al. | A surrogate-based optimization method for the issuance of passenger evacuation orders under ship fires | |
Galea | Proposed methodology for the use of computer simulation to enhance aircraft evacuation certification | |
Danial et al. | A Generalized Stochastic Petri Net model of route learning for emergency egress situations | |
Zhang et al. | Intelligent fire location detection approach for extrawide immersed tunnels | |
Dorrer et al. | Use of agent-based modeling for wildfire situations simulation | |
Upadhyay et al. | Treatment of design fire uncertainty using quadrature method of moments | |
Wang et al. | Randomness in the evacuation route selection of large-scale crowds under emergencies |
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 |