CN117135577A - 一种基于人工智能的应急广播系统 - Google Patents

一种基于人工智能的应急广播系统 Download PDF

Info

Publication number
CN117135577A
CN117135577A CN202311390407.5A CN202311390407A CN117135577A CN 117135577 A CN117135577 A CN 117135577A CN 202311390407 A CN202311390407 A CN 202311390407A CN 117135577 A CN117135577 A CN 117135577A
Authority
CN
China
Prior art keywords
grid
temperature
dimensional
representing
current
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
CN202311390407.5A
Other languages
English (en)
Other versions
CN117135577B (zh
Inventor
林多强
王金辉
张振辉
陈杰丰
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.)
Guangdong Meidian Guochuang Technology Co ltd
Original Assignee
Guangdong Meidian Guochuang Technology Co ltd
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 Guangdong Meidian Guochuang Technology Co ltd filed Critical Guangdong Meidian Guochuang Technology Co ltd
Priority to CN202311390407.5A priority Critical patent/CN117135577B/zh
Publication of CN117135577A publication Critical patent/CN117135577A/zh
Application granted granted Critical
Publication of CN117135577B publication Critical patent/CN117135577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
    • 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
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及应急广播技术领域，尤其涉及一种基于人工智能的应急广播系统，所述系统具体包括：数据采集模块，用于根据烟雾传感器采集建筑物内部发生火灾时三维网格地图中每个网格的烟雾浓度数据，根据温度传感器采集建筑物内部发生火灾时三维网格地图中每个网格的温度数据，根据建筑物内部每个用户的移动端确定每个用户的当前位置；人工智能分析模块，用于基于蚁群算法，根据三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果。本发明通过综合考虑烟雾浓度、温度、用户位置等多个因素，能够更全面地评估逃生路线的安全性。

Description

一种基于人工智能的应急广播系统
技术领域
本发明涉及应急广播技术领域，尤其涉及一种基于人工智能的应急广播系统。
背景技术
针对于室内，许多传统的逃生路线规划系统是基于静态地图和预定义的路径来工作的，这些技术无法适应动态的烟雾浓度和温度变化，依赖于离线数据或者只能提供静态的预测性信息，而不能提供实时的逃生路线，这在紧急情况下不够及时，在火灾发生后，烟雾浓度和温度会随着火源的位置、燃烧物质和通风条件的变化而变化，这种动态性可能会导致预定义的静态路径不再安全或有效。同时，也不考虑每个用户的位置，无法为每个人提供个性化的逃生路线，可能导致拥挤和混乱，降低了安全性。
发明内容
本发明的目的在于提供一种基于人工智能的应急广播系统，通过综合考虑烟雾浓度、温度、用户位置等多个因素，能够更全面地评估逃生路线的安全性，以解决上述现有技术问题的至少之一。
本发明提供了一种基于人工智能的应急广播系统，所述系统具体包括：
环境网格化模块，用于根据建筑物内部的楼层数据构建三维网格地图；
数据采集模块，用于根据烟雾传感器采集建筑物内部发生火灾时所述三维网格地图中每个网格的烟雾浓度数据，根据温度传感器采集建筑物内部发生火灾时所述三维网格地图中每个网格的温度数据，根据建筑物内部每个用户的移动端确定每个用户的当前位置；
人工智能分析模块，用于基于蚁群算法，根据所述三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果；
网络广播模块，用于将对应每个用户的最优逃生路线分析结果通过消息包的形式分别发送至每个用户的移动端。
进一步的，所述基于蚁群算法，根据所述三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果，具体包括：
基于A*算法，根据所述三维网格地图和每个用户的当前位置，确定每个用户距离出口的最短路线；
建立三维烟雾扩散模型，根据所述三维烟雾扩展模型确定每个网格的烟雾浓度变化率；
建立温度传导模型，根据所述温度传导模型确定每个网格的温度变化率；
基于蚁群算法，根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立路径选择模型；
根据所述路径选择模型确定每个用户对应的最优逃生路线分析结果。
更进一步的，所述基于A*算法，根据所述三维网格地图和每个用户的当前位置，确定每个用户距离出口的最短路线，具体包括：
根据每个网格上是否存在障碍物、烟雾浓度是否超过烟雾浓度阈值或者温度是否超过温度阈值，将所述三维网格地图中每个网格划分为可通行网格或不可通行网格，生成路径约束条件；
基于所述路径约束条件，根据A*算法确定每个用户的当前位置距离出口的最短路线。
更进一步的，所述建立三维烟雾扩散模型，具体包括：
在所述三维网格地图中设置边界条件，所述边界条件包括建筑物的外部边界、内部边界、通风口和出口；
获取所述三维网格地图中每个网格的当前烟雾浓度，以及火源烟雾扩散速率；
根据有限差分法建立三维烟雾扩散方程，所述三维烟雾扩散方程满足，其中，/>表示每个网格在下一个时间步的烟雾浓度，/>表示每个网格的当前烟雾浓度，t表示当前的时间，/>表示时间步长，i表示三维网格地图中x轴上的网格位置，j表示三维网格地图中y轴上的网格位置，k表示三维网格地图中z轴上的网格位置，/>表示每个网格在x轴上的扩散速率，/>表示每个网格在y轴上的扩散速率，/>表示每个网格在z轴上的扩散速度，S表示火源烟雾扩散速率；
根据所述边界条件和所述三维烟雾扩散方程建立三维烟雾扩散模型。
更进一步的，所述满足/>，其中，C(i,j, k)表示当前网格(i, j, k)的烟雾浓度，C(i+1, j, k)表示当前网格(i, j, k)的右方相邻网格点的烟雾浓度，C(i-1, j, k)表示当前网格(i, j, k)的左方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中x轴上的尺寸；
所述满足/>，其中，C(i, j, k)表示当前网格(i, j, k)的烟雾浓度，C(i, j+1, k)表示当前网格(i, j, k)的上方相邻网格点的烟雾浓度，C(i, j-1, k)表示当前网格(i, j, k)的下方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中y轴上的尺寸；
所述满足/>，其中，C(i, j, k)表示当前网格(i, j, k)的烟雾浓度，C(i, j, k+1)表示当前网格(i, j, k)的前方相邻网格点的烟雾浓度，C(i, j, k-1)表示当前网格 (i, j, k)的后方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中z轴上的尺寸。
更进一步的，所述建立温度传导模型，具体包括：
获取三维网格地图的温度参数，所述三维网格地图的温度参数包括建筑物的材料密度、材料比热容和材料热传导率，热源的温度传导速率，以及所述三维网格地图中每个网格的当前温度值；
根据有限差分法建立温度传导方程，所述温度传导方程满足，/>，其中，T表示每个网格在时间t的温度，/>表示每个网格温度随时间的变化率，/>、/>和/>表示温度在x、y和z轴上的温度梯度，α表示热扩散系数，/>表示材料密度，k表示材料热传导率 ，c表示材料比热容，Q表示热源的温度传导速率；
根据所述温度参数和所述温度传导方程建立温度传导模型。
更进一步的，所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在x轴上沿正方向移动/>距离处的温度值，/>表示在x轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中x轴上的尺寸；
所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在y轴上沿正方向移动/>距离处的温度值，/>表示在y轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中y轴上的尺寸；
所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在z轴上沿正方向移动/>距离处的温度值，/>表示在z轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中z轴上的尺寸。
更进一步的，所述基于蚁群算法，根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立路径选择模型，具体包括：
为每个网格设定初始信息素浓度和信息素蒸发率，设置信息素更新公式；
根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立启发函数；
根据所述信息素更新公式和所述启发函数建立路径选择模型，所述路径选择模型满足，其中，P表示选择下一个网格的概率，p表示当前网格的信息素浓度，h表示当前网格的启发函数值，/>表示邻近网格的信息素浓度，/>表示邻近网格的启发函数值，a和b分别表示对信息素浓度和启发函数值的重视程度。
更进一步的，所述信息素更新公式满足，其中，p表示每个网格最新的信息素浓度，/>表示每个网格的初始信息素浓度或当前信息素浓度，/>表示每个成功逃生的用户经过当前网格后增加的信息素浓度，r表示每个网格的信息素蒸发率。
更进一步的，所述启发函数满足，其中，h为启发函数值，d为每个用户距离出口的最短路线，/>为每个网格的烟雾浓度变化率，/>为每个网格的温度变化率，/>、/>和/>分别表示每个用户距离出口的最短路线、每个网格的烟雾浓度变化率、每个网格的温度变化率的权重。
与现有技术相比，本发明具有以下技术效果的至少之一：
1、通过综合考虑烟雾浓度、温度、用户位置等多个因素，能够更全面地评估逃生路线的安全性。
2、考虑每个用户的当前位置，为每个用户生成个性化的逃生路线，以确保他们能够尽快到达安全出口。
3、采用了蚁群算法，结合了A*算法，三维烟雾扩散模型以及温度传导模型，能够智能地分析建筑物内部的复杂情况，包括烟雾浓度和温度的分布，以找到最优的逃生路线。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于人工智能的应急广播系统的原理框架示意图。
图2是本发明实施例提供的人工智能分析模块的实施流程示意图；
图3是本发明实施例提供的三维烟雾扩散模型的建立流程示意图；
图4是本发明实施例提供的温度传导模型的建立流程示意图；
图5是本发明实施例提供的路径选择模型的建立流程示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
针对于室内，许多传统的逃生路线规划系统是基于静态地图和预定义的路径来工作的，这些技术无法适应动态的烟雾浓度和温度变化，依赖于离线数据或者只能提供静态的预测性信息，而不能提供实时的逃生路线，这在紧急情况下不够及时，在火灾发生后，烟雾浓度和温度会随着火源的位置、燃烧物质和通风条件的变化而变化，这种动态性可能会导致预定义的静态路径不再安全或有效。同时，也不考虑每个用户的位置，无法为每个人提供个性化的逃生路线，可能导致拥挤和混乱，降低了安全性。
参照图1，本发明实施例提供了一种基于人工智能的应急广播系统1，所述系统1具体包括：
环境网格化模块101，用于根据建筑物内部的楼层数据构建三维网格地图；
数据采集模块102，用于根据烟雾传感器采集建筑物内部发生火灾时所述三维网格地图中每个网格的烟雾浓度数据，根据温度传感器采集建筑物内部发生火灾时所述三维网格地图中每个网格的温度数据，根据建筑物内部每个用户的移动端确定每个用户的当前位置；
人工智能分析模块103，用于基于蚁群算法，根据所述三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果；
网络广播模块104，用于将对应每个用户的最优逃生路线分析结果通过消息包的形式分别发送至每个用户的移动端。
该实施例中，环境网格化模块可以通过使用建筑物平面图和高度数据，将建筑物划分为三维网格单元，每个单元表示一个立方体区域，这些单元组成了三维网格地图，用于模拟建筑物内部的空间。数据采集模块可以通过安装烟雾传感器和温度传感器在建筑物内各个网格单元中，以实时监测烟雾浓度和温度，通过移动设备的定位功能获取用户的实时位置信息。人工智能分析模块可以通过使用A*算法计算每个用户到达最近出口的最短路径，使用三维烟雾扩散模型，模拟烟雾的传播过程，并估计每个网格的烟雾浓度变化率，利用温度传导模型，模拟温度在建筑物内的传导，并计算每个网格的温度变化率，最后基于上述信息，结合蚁群算法，建立路径选择模型，考虑最短路径、烟雾浓度变化率和温度变化率，生成每个用户的最优逃生路线。网络广播模块将生成的最优逃生路线以实时消息的方式传输到用户的移动设备，确保他们可以按照安全路径尽快逃离危险区域。
在一些实施例中，所述基于蚁群算法，根据所述三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果，具体包括：
S201：基于A*算法，根据所述三维网格地图和每个用户的当前位置，确定每个用户距离出口的最短路线；
S202：建立三维烟雾扩散模型，根据所述三维烟雾扩展模型确定每个网格的烟雾浓度变化率；
S203：建立温度传导模型，根据所述温度传导模型确定每个网格的温度变化率；
S204：基于蚁群算法，根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立路径选择模型；
S205：根据所述路径选择模型确定每个用户对应的最优逃生路线分析结果。
在一些实施例中，所述基于A*算法，根据所述三维网格地图和每个用户的当前位置，确定每个用户距离出口的最短路线，具体包括：
根据每个网格上是否存在障碍物、烟雾浓度是否超过烟雾浓度阈值或者温度是否超过温度阈值，将所述三维网格地图中每个网格划分为可通行网格或不可通行网格，生成路径约束条件；
基于所述路径约束条件，根据A*算法确定每个用户的当前位置距离出口的最短路线。
该实施例中，通过A*算法找出每个用户当前位置距离出口的最短路线，将每个网格对应A*算法中的节点，每个节点需要包含其在三维空间中的坐标信息，节点的状态信息通常表示是否为障碍物、可通过或其他状态，可以使用整数或枚举值来表示不同的状态，例如，0表示可通过，1表示障碍物等。在A*算法中，f(n) = g(n) + h(n)，f(n)是节点n的总路径代价，g(n)是从起点到节点n的实际路径代价，通常通过算法中的累积路径代价来计算，h(n)是从节点n到目标出口的启发式估算值。根据节点的状态和相邻节点，扩展节点以计算g(n)和f(n)值，确保对节点的状态进行检查，以排除障碍物节点。
在一些实施例中，所述建立三维烟雾扩散模型，具体包括：
S301：在所述三维网格地图中设置边界条件，所述边界条件包括建筑物的外部边界、内部边界、通风口和出口；
S302：获取所述三维网格地图中每个网格的当前烟雾浓度，以及火源烟雾扩散速率；
S303：根据有限差分法建立三维烟雾扩散方程，所述三维烟雾扩散方程满足，其中，/>表示每个网格在下一个时间步的烟雾浓度，/>表示每个网格的当前烟雾浓度，t表示当前的时间，/>表示时间步长，i表示三维网格地图中x轴上的网格位置，j表示三维网格地图中y轴上的网格位置，k表示三维网格地图中z轴上的网格位置，/>表示每个网格在x轴上的扩散速率，/>表示每个网格在y轴上的扩散速率，/>表示每个网格在z轴上的扩散速度，S表示火源烟雾扩散速率；
S304：根据所述边界条件和所述三维烟雾扩散方程建立三维烟雾扩散模型。
具体的，所述满足/>，其中，C(i, j,k)表示当前网格(i, j, k)的烟雾浓度，C(i+1, j, k)表示当前网格(i, j, k)的右方相邻网格点的烟雾浓度，C(i-1, j, k)表示当前网格(i, j, k)的左方相邻网格点的烟雾浓度，表示每个网格在三维网格地图中x轴上的尺寸；
所述满足/>，其中，C(i, j, k)表示当前网格 (i, j, k)的烟雾浓度，C(i, j+1, k)表示当前网格(i, j, k)的上方相邻网格点的烟雾浓度，C(i, j-1, k)表示当前网格(i, j, k)的下方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中y轴上的尺寸；
所述满足/>，其中，C(i, j, k)表示当前网格(i, j, k)的烟雾浓度，C(i, j, k+1)表示当前网格(i, j, k)的前方相邻网格点的烟雾浓度，C(i, j, k-1)表示当前网格(i, j, k)的后方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中z轴上的尺寸。
该实施例中，根据建筑物的内外边界、通风口和出口，将三维网格地图中的边界条件设置好，这些条件包括确定哪些网格是建筑物内部、外部，以及通风口和出口的位置。将时间分成小的时间步长，时间步长记为，，在初始时刻t=0，为每个网格单元或元素分配初始烟雾浓度值。
使用有限差分法建立三维烟雾扩散方程，该方程描述了烟雾在三维网格地图中的传播，根据设置的边界条件，处理方程中的边界项，通过时间迭代，使用该方程计算每个网格在下一个时间步的烟雾浓度，可以根据实时采集的数据进行实时模拟，以反映火源的烟雾如何扩散到建筑物内部，有助于更准确地评估烟雾分布情况。
在一些实施例中，所述建立温度传导模型，具体包括：
S401：获取三维网格地图的温度参数，所述三维网格地图的温度参数包括建筑物的材料密度、材料比热容和材料热传导率，热源的温度传导速率，以及所述三维网格地图中每个网格的当前温度值；
S402：根据有限差分法建立温度传导方程，所述温度传导方程满足，/>，其中，T表示每个网格在时间t的温度，/>表示每个网格温度随时间的变化率，/>、/>和/>表示温度在x、y和z轴上的温度梯度，α表示热扩散系数，/>表示材料密度，k表示材料热传导率 ，c表示材料比热容，Q表示热源的温度传导速率；
S403：根据所述温度参数和所述温度传导方程建立温度传导模型。
具体的，所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在x轴上沿正方向移动/>距离处的温度值，/>表示在x轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中x轴上的尺寸；
所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在y轴上沿正方向移动/>距离处的温度值，/>表示在y轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中y轴上的尺寸；
所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在z轴上沿正方向移动/>距离处的温度值，/>表示在z轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中z轴上的尺寸。
该实施例中，首先获取三维网格地图的温度参数，包括建筑物的材料密度（）、材料比热容（c）和材料热传导率（k），以及热源的温度传导速率（Q），这些参数可以事先测量获取。使用有限差分法建立温度传导方程，该方程描述了温度在三维网格地图中的传导，通过时间迭代，使用该方程计算每个网格在下一个时间步的温度，可以根据实时采集的数据进行实时模拟，以反映温度如何在建筑物内部传导。
在一些实施例中，所述基于蚁群算法，根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立路径选择模型，具体包括：
S501：为每个网格设定初始信息素浓度和信息素蒸发率，设置信息素更新公式；
S502：根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立启发函数；
S503：根据所述信息素更新公式和所述启发函数建立路径选择模型，所述路径选择模型满足，其中，P表示选择下一个网格的概率，p表示当前网格的信息素浓度，h表示当前网格的启发函数值，/>表示邻近网格的信息素浓度，/>表示邻近网格的启发函数值，a和b分别表示对信息素浓度和启发函数值的重视程度。
具体的，所述信息素更新公式满足，其中，p表示每个网格最新的信息素浓度，/>表示每个网格的初始信息素浓度或当前信息素浓度，/>表示每个成功逃生的用户经过当前网格后增加的信息素浓度，r表示每个网格的信息素蒸发率。
具体的，所述启发函数满足，其中，h为启发函数值，d为每个用户距离出口的最短路线，/>为每个网格的烟雾浓度变化率，/>为每个网格的温度变化率，/>、/>和/>分别表示每个用户距离出口的最短路线、每个网格的烟雾浓度变化率、每个网格的温度变化率的权重。
该实施例中，首先，初始化一群“蚂蚁”，每只蚂蚁代表一个潜在的逃生者，位于建筑物内部的某个位置，每只蚂蚁都有一个当前位置和一条路径，每只蚂蚁根据其初始路径开始移动，但在路径上会根据蚁群算法的规则进行调整，当蚂蚁在某条路径上逃生成功后，它们会释放“信息素”到路径上，信息素表示路径上的吸引力，信息素浓度高的路径更有可能被其他蚂蚁选择，蚂蚁根据信息素浓度和启发函数来选择下一个移动的位置。这使得蚂蚁更有可能选择最短路径，同时考虑了当前火势和环境条件。所有蚂蚁会不断移动，每只蚂蚁根据当前的信息素浓度和启发函数选择下一个位置，直到达到安全区域。
信息素蒸发率控制了信息素在每轮迭代中的减少程度。较低的蒸发率会导致信息素残留更长时间，而较高的蒸发率则会促使信息素更快地更新，可以在算法运行过程中根据火势的发展情况动态地调整信息素的蒸发率。例如，当火势较小或趋于稳定时，可以降低蒸发率，以保留更多的历史信息素。当火势急剧上升时，可以增加蒸发率，以促使蚂蚁更快地适应新的情况。
启发函数用于估计从当前位置到目标位置的启发式信息，它有助于指导蚂蚁的选择，在路径规划中，启发函数通常是一种快速但近似的估计方法，用于估计到目标的剩余距离或成本。其中，启发函数值表示路径的通行适宜度，表示距离越短，适宜程度越高，表示烟雾浓度越低，适宜程度越高，/>表示温度越低，适宜程度越高。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所公开的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

Claims (10)

1.一种基于人工智能的应急广播系统，其特征在于，所述系统具体包括：
环境网格化模块，用于根据建筑物内部的楼层数据构建三维网格地图；
数据采集模块，用于根据烟雾传感器采集建筑物内部发生火灾时所述三维网格地图中每个网格的烟雾浓度数据，根据温度传感器采集建筑物内部发生火灾时所述三维网格地图中每个网格的温度数据，根据建筑物内部每个用户的移动端确定每个用户的当前位置；
人工智能分析模块，用于基于蚁群算法，根据所述三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果；
网络广播模块，用于将对应每个用户的最优逃生路线分析结果通过消息包的形式分别发送至每个用户的移动端。
2.根据权利要求1所述的系统，其特征在于，所述基于蚁群算法，根据所述三维网格地图、所述烟雾浓度数据、所述温度数据和每个用户的当前位置进行人工智能分析，形成最优逃生路线分析结果，具体包括：
基于A*算法，根据所述三维网格地图和每个用户的当前位置，确定每个用户距离出口的最短路线；
建立三维烟雾扩散模型，根据所述三维烟雾扩展模型确定每个网格的烟雾浓度变化率；
建立温度传导模型，根据所述温度传导模型确定每个网格的温度变化率；
基于蚁群算法，根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立路径选择模型；
根据所述路径选择模型确定每个用户对应的最优逃生路线分析结果。
3.根据权利要求2所述的系统，其特征在于，所述基于A*算法，根据所述三维网格地图和每个用户的当前位置，确定每个用户距离出口的最短路线，具体包括：
根据每个网格上是否存在障碍物、烟雾浓度是否超过烟雾浓度阈值或者温度是否超过温度阈值，将所述三维网格地图中每个网格划分为可通行网格或不可通行网格，生成路径约束条件；
基于所述路径约束条件，根据A*算法确定每个用户的当前位置距离出口的最短路线。
4.根据权利要求2所述的系统，其特征在于，所述建立三维烟雾扩散模型，具体包括：
在所述三维网格地图中设置边界条件，所述边界条件包括建筑物的外部边界、内部边界、通风口和出口；
获取所述三维网格地图中每个网格的当前烟雾浓度，以及火源烟雾扩散速率；
根据有限差分法建立三维烟雾扩散方程，所述三维烟雾扩散方程满足，其中，/>表示每个网格在下一个时间步的烟雾浓度，/>表示每个网格的当前烟雾浓度，t表示当前的时间，/>表示时间步长，i表示三维网格地图中x轴上的网格位置，j表示三维网格地图中y轴上的网格位置，k表示三维网格地图中z轴上的网格位置，/>表示每个网格在x轴上的扩散速率，/>表示每个网格在y轴上的扩散速率，/>表示每个网格在z轴上的扩散速度，S表示火源烟雾扩散速率；
根据所述边界条件和所述三维烟雾扩散方程建立三维烟雾扩散模型。
5.根据权利要求4所述的系统，其特征在于，所述满足，其中，C(i, j, k)表示当前网格(i, j, k)的烟雾浓度，C(i+1, j, k)表示当前网格(i, j, k)的右方相邻网格点的烟雾浓度，C(i-1,j, k)表示当前网格(i, j, k)的左方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中x轴上的尺寸；
所述满足/>，其中，C(i, j, k)表示当前网格(i, j, k)的烟雾浓度，C(i, j+1, k)表示当前网格(i, j, k)的上方相邻网格点的烟雾浓度，C(i, j-1, k)表示当前网格 (i, j, k)的下方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中y轴上的尺寸；
所述满足/>，其中，C(i, j, k)表示当前网格(i, j, k)的烟雾浓度，C(i, j, k+1)表示当前网格(i, j, k)的前方相邻网格点的烟雾浓度，C(i, j, k-1)表示当前网格(i, j, k)的后方相邻网格点的烟雾浓度，/>表示每个网格在三维网格地图中z轴上的尺寸。
6.根据权利要求2所述的系统，其特征在于，所述建立温度传导模型，具体包括：
获取三维网格地图的温度参数，所述三维网格地图的温度参数包括建筑物的材料密度、材料比热容和材料热传导率，热源的温度传导速率，以及所述三维网格地图中每个网格的当前温度值；
根据有限差分法建立温度传导方程，所述温度传导方程满足，/>，其中，T表示每个网格在时间t的温度，/>表示每个网格温度随时间的变化率，/>、/>和/>表示温度在x、y和z轴上的温度梯度，α表示热扩散系数，/>表示材料密度，k表示材料热传导率 ，c表示材料比热容，Q表示热源的温度传导速率；
根据所述温度参数和所述温度传导方程建立温度传导模型。
7.根据权利要求6所述的系统，其特征在于，所述满足，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在x轴上沿正方向移动/>距离处的温度值，/>表示在x轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中x轴上的尺寸；
所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在y轴上沿正方向移动/>距离处的温度值，表示在y轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中y轴上的尺寸；
所述满足/>，其中，T(x,y,z)表示当前网格(x,y,z)的温度值，/>表示在z轴上沿正方向移动/>距离处的温度值，表示在z轴上沿负方向移动距离处的温度值，/>表示每个网格在三维网格地图中z轴上的尺寸。
8.根据权利要求2所述的系统，其特征在于，所述基于蚁群算法，根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立路径选择模型，具体包括：
为每个网格设定初始信息素浓度和信息素蒸发率，设置信息素更新公式；
根据每个用户距离出口的最短路线、每个网格的烟雾浓度变化率和每个网格的温度变化率建立启发函数；
根据所述信息素更新公式和所述启发函数建立路径选择模型，所述路径选择模型满足，其中，P表示选择下一个网格的概率，p表示当前网格的信息素浓度，h表示当前网格的启发函数值，/>表示邻近网格的信息素浓度，/>表示邻近网格的启发函数值，a和b分别表示对信息素浓度和启发函数值的重视程度。
9.根据权利要求8所述的系统，其特征在于，所述信息素更新公式满足，其中，p表示每个网格最新的信息素浓度，/>表示每个网格的初始信息素浓度或当前信息素浓度，/>表示每个成功逃生的用户经过当前网格后增加的信息素浓度，r表示每个网格的信息素蒸发率。
10.根据权利要求8所述的系统，其特征在于，所述启发函数满足，其中，h为启发函数值，d为每个用户距离出口的最短路线，/>为每个网格的烟雾浓度变化率，/>为每个网格的温度变化率，/>、/>和/>分别表示每个用户距离出口的最短路线、每个网格的烟雾浓度变化率、每个网格的温度变化率的权重。
CN202311390407.5A 2023-10-25 2023-10-25 一种基于人工智能的应急广播系统 Active CN117135577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311390407.5A CN117135577B (zh) 2023-10-25 2023-10-25 一种基于人工智能的应急广播系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311390407.5A CN117135577B (zh) 2023-10-25 2023-10-25 一种基于人工智能的应急广播系统

Publications (2)

Publication Number Publication Date
CN117135577A true CN117135577A (zh) 2023-11-28
CN117135577B CN117135577B (zh) 2024-03-22

Family

ID=88861329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311390407.5A Active CN117135577B (zh) 2023-10-25 2023-10-25 一种基于人工智能的应急广播系统

Country Status (1)

Country Link
CN (1) CN117135577B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106323287A (zh) * 2016-07-29 2017-01-11 京东方科技集团股份有限公司 一种安全逃生路线选择系统及安全逃生路线选择方法
KR102124097B1 (ko) * 2018-12-26 2020-06-18 한국건설기술연구원 실시간 연기 및 화염 감지에 기반한 스마트 피난로 안내 시스템 및 그 방법
CN112927460A (zh) * 2021-02-03 2021-06-08 阳江市第四建筑工程有限公司 基于bim的火灾定位报警方法及系统
CN114580273A (zh) * 2022-02-18 2022-06-03 西安建筑科技大学 基于改进蚁群算法的火灾逃生疏散仿真算法
CN115564099A (zh) * 2022-09-20 2023-01-03 广东交通职业技术学院 一种楼宇消防应急逃生引导方法、系统、装置及存储介质
CN115657672A (zh) * 2022-10-19 2023-01-31 哈尔滨工业大学（深圳） 一种基于a*-eaco算法的火灾疏散路径规划方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106323287A (zh) * 2016-07-29 2017-01-11 京东方科技集团股份有限公司 一种安全逃生路线选择系统及安全逃生路线选择方法
KR102124097B1 (ko) * 2018-12-26 2020-06-18 한국건설기술연구원 실시간 연기 및 화염 감지에 기반한 스마트 피난로 안내 시스템 및 그 방법
CN112927460A (zh) * 2021-02-03 2021-06-08 阳江市第四建筑工程有限公司 基于bim的火灾定位报警方法及系统
CN114580273A (zh) * 2022-02-18 2022-06-03 西安建筑科技大学 基于改进蚁群算法的火灾逃生疏散仿真算法
CN115564099A (zh) * 2022-09-20 2023-01-03 广东交通职业技术学院 一种楼宇消防应急逃生引导方法、系统、装置及存储介质
CN115657672A (zh) * 2022-10-19 2023-01-31 哈尔滨工业大学（深圳） 一种基于a*-eaco算法的火灾疏散路径规划方法及系统

Also Published As

Publication number Publication date
CN117135577B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
Filippoupolitis et al. A distributed decision support system for building evacuation
KR101840560B1 (ko) 화재 발생에 따른 3차원 경로 제공 시스템 및 그 방법
KR101442658B1 (ko) 대피시뮬레이션을 제공하는 재난대피 시스템 및 방법
Thompson et al. A computer model for the evacuation of large building populations
CN103913165B (zh) 一种室内应急响应情景感知导航系统与导航方法
KR102375246B1 (ko) 재난상황을 대비한 지능형 대피 유도 시스템
KR102124067B1 (ko) 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법
CN109903490B (zh) 一种火灾撤离路径的计算方法和指示系统
KR102099137B1 (ko) 유무인비행체를 위한 3d 공중도로 안내 서비스 제공 장치 및 방법
KR101706664B1 (ko) 실내 대피경로 안내 시스템 및 방법
KR101917215B1 (ko) 재난 대처 안내 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
WO2008124664A1 (en) Method for modeling smoke propagation
CN114812564B (zh) 基于城市动态时空风险分析的多目标无人机路径规划方法
JP2006301475A (ja) 地下空間浸水・避難シミュレーションシステム
CN117135577B (zh) 一种基于人工智能的应急广播系统
Wang et al. Combining building and behavior models for evacuation planning
Filippoupolitis et al. An emergency response system for intelligent buildings
Berceanu et al. Predictive agent-based crowd model design using decentralized control systems
KR101753349B1 (ko) 사물인식 센서와 연동되는 스마트 디바이스의 물리좌표 연산을 활용한 사용자 위치 추정 방법 및 이를 이용한 시설물 내에서의 비상대피경로 안내 및 정보전달 시스템
Mirahadi et al. A real-time path-planning model for building evacuations
JP5690232B2 (ja) シミュレータ装置、係数決定装置、及びシミュレータシステム
Cheng et al. A modified particle swarm optimization-based human behavior modeling for emergency evacuation simulation system
Filippoupolitis et al. A decision support system for disaster management in buildings
Jamali et al. A hybrid 3D indoor space model
Ünal et al. Generating emergency evacuation route directions based on crowd simulations with reinforcement learning

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