CN117168466A - 一种逃生路径规划方法、装置及存储介质 - Google Patents
一种逃生路径规划方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117168466A CN117168466A CN202311420011.0A CN202311420011A CN117168466A CN 117168466 A CN117168466 A CN 117168466A CN 202311420011 A CN202311420011 A CN 202311420011A CN 117168466 A CN117168466 A CN 117168466A
- Authority
- CN
- China
- Prior art keywords
- node
- trapped
- crowd
- site
- fire
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000010586 diagram Methods 0.000 claims abstract description 66
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000000903 blocking effect Effects 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 8
- 239000003016 pheromone Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种逃生路径规划方法、装置及存储介质,构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;确定与所述受困人群匹配的所述节点图区域;在与所述受困人群对应的所述节点图区域中规划逃生路径。降低了火灾逃生路径规划的计算量和计算时间,提高了逃生路径规划的实时性、科学性、合理性和准确性。
Description
技术领域
本发明实施例涉及路线规划领域,特别涉及一种逃生路径规划方法、装置及存储介质。
背景技术
随着高层建筑、地下空间和大型商业综合体等大量增加,以及新能源、新材料、新工艺和新产品的广泛应用,火灾出现的频次大大增加,同时火灾的不确定性和不可控因素也急剧增大增多,火灾的伤亡情况和损失也大大增加。智慧消防是综合应用信息采集、数据处理和大数据分析决策等手段,集多种信息化手段于一体的处理方式,能够有效地减少火灾产生的机率,并降低火灾的损失。
智慧消防可以在火灾现场提供实时分析和逃生疏散指引,以极大地增加逃生成功的几率。现有技术提供了多种逃生路径规划方法,第一类方式为采用路径规划方法离线规划出最优路径,然后在火灾发生时将最优路径下发以便被困人员逃生;该种方式虽然对火灾反应快速,但不能考虑火灾现场的实时情况,逃生路径的准确性较差。第二类方式为采用路径规划方法在线实时规划出最优路径。例如CN201410482748.X、CN202011527646.7、CN202110830360.4等,利用蚁群算法实时寻找最优逃生路径并给出指示信息,但是算法每次寻优都是在全局进行最优路径的搜索,计算过程计算量大,耗时较长,路径规划的实时性较差,不能满足被困人员逃逸的实时性要求。
发明内容
本发明实施方式的目的在于为解决现有技术中存在的逃生路径规划实时性差,规划结果准确性低,不符合火灾现场实际状况的技术问题,提供一种逃生路径规划方法、装置和存储介质。
为解决上述技术问题,本发明的实施方式提供了一种逃生路径规划方法,所述方法具体包括:
构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;
根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;
其中,根据所述受困人群距离所述场地节点图中出口节点的距离和所述受困人群的数量特征确定所述受困人群对应的出口节点,基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,获得多个节点图区域;
确定与所述受困人群匹配的所述节点图区域;
在与所述受困人群对应的所述节点图区域中规划逃生路径;
其中,以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。
优选的,所述场地节点图中包括路口节点、出口节点和通道连接边,所述通道连接边用于连接所述路口节点或所述路口节点与所述出口节点;
所述通道连接边至少包括距离属性、火灾属性和堵塞属性,所述火灾属性用于表征所述火灾场地中通道的火灾严重程度,所述堵塞属性用于表征所述火灾场地中通道的堵塞程度。
优选的,获取通道连接边中的状态信息,基于获取到的状态信息确定当前时刻下的火灾属性和堵塞属性;
根据所述火灾场地的结构属性确定火灾预测模型,预测第一未来时刻的火灾属性作为最终的通道连接边的火灾属性。
优选的,基于所述距离属性、火灾属性和堵塞属性计算所述通道连接边的权重,所述通道连接边的权重用于表示逃生路径规划过程中的被选择概率;
以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。
优选的,根据所述受困人群的数量特征确定需求出口数量,所述数量特征包括所述受困人群的数量,以所述受困人群到达出口节点的直线距离之和最小为目标,确定所述受困人群对应的出口节点,每个所述受困人群对应的出口节点的数量等于需求出口数量。
优选的,所述基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,包括:
基于所述受困人群到达对应最远出口节点的最短路径分割所述场地节点图,所述最短路径的起点为所述受困人群所在的位置,所述最短路径的终点为所述受困人群对应的最远出口节点,所述最短路径中包括多个路口节点和通道。优选的,以最短路径为边界分割所述场地节点图,获得多个不相交的节点图区域。
优选的,所述根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,之前包括:
根据受困对象的位置属性将多个受困对象聚类为一个或多个受困人群;
根据每个类中的受困对象的位置确定聚类后受困人群在所述场地节点图的位置。
优选的,所述在与所述受困人群对应的所述节点图区域中规划逃生路径,包括:
基于通道连接边的权重和蚁群算法从M个相邻节点中确定最优下一节点Q,设K(t)表示在t 时刻从结点i转移到结点j的状态转移概率:,
其中j∈M个相邻节点,aij(t)、bij(t)分别为信息素和启发函数,启发函数bij(t)=k,k为节点i、j之间通道连接边的权重。
本发明第二方面提供一种逃生路径规划装置,所述装置具体包括:
构建模块,用于构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;
分割模块,用于根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;其中,根据所述受困人群距离所述场地节点图中出口节点的距离和所述受困人群的数量特征确定所述受困人群对应的出口节点,基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,获得多个节点图区域;
匹配模块,用于确定与所述受困人群匹配的所述节点图区域;
规划模块,用于在与所述受困人群对应的所述节点图区域中规划逃生路径;其中,以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。
本发明第三方面提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于所述程序被处理器执行时实现前述逃生路径规划方法的步骤。
本发明实施方式相对于现有技术而言,本发明提供的一种逃生路径规划方法,能够根据受困人群的特点和火灾现场的场地特点,确定每个受困人群的节点图区域,从而在节点图区域中进行路径规划,一方面,在较小的范围内进行路径规划,缩小了路径规划的搜索区域,提高了路径规划的效率,加快了路径规划的实时速度;另一方面,能够根据受困人群的特点,获得与受困人群最匹配的区域,以便规划逃生路径,即在最合适的区域中进行路径规划,提高了路径规划的准确性,使得逃生路径更加符合受困人群的实际情况,提高了逃生成功的几率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1为本发明实施例提供的逃生路径规划方法流程图;
图2为本发明实施例提供的场地节点图示意图;
图3为本发明实施例提供的逃生路径规划装置结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其他实施例相结合。
本申请实施例所涉及的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(User Equipment,UE),移动台(Mobile Station,MS),终端设备(terminaldevice)等等。本发明可应用于高层建筑、商业综合体、公共娱乐、医院、学校、宾馆酒店等人员密集场所。
本发明的第一实施方式涉及一种逃生路径规划方法,如图1所示,所述方法包括:
构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;
根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;
确定与所述受困人群匹配的所述节点图区域;
在与所述受困人群对应的所述节点图区域中规划逃生路径。
本发明提供的一种逃生路径规划方法,能够根据受困人群的特点和火灾现场的场地特点,确定每个受困人群的节点图区域,从而在节点图区域中进行路径规划,一方面,在较小的范围内进行路径规划,缩小了路径规划的搜索区域,提高了路径规划的效率,加快了路径规划的实时速度;另一方面,能够根据受困人群的特点,获得与受困人群最匹配的区域,以便规划逃生路径,即在最合适的区域中进行路径规划,提高了路径规划的准确性,使得逃生路径更加符合受困人群的实际情况,提高了逃生成功的几率。
本发明的第二实施方式涉及一种逃生路径规划方法,所述方法包括:
构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口。
对于大楼而言,大楼具有多个楼层,而每一楼均存在平面设计图,平面设计图中标识有整个楼层的平面结构,包括通道、路口和安全通道的出口,平面图中能够获得整个楼层的结构特点信息和路口、出口信息。通常来说,一个楼层存在一个或多个安全通道的出口,此时,为了更好地规划逃生路径,需要首先了解整个楼层的平面地图。其中,如图2所示,场地节点图包括多个节点和节点之间的连接边,所述场地节点图中各个节点为火灾场地的各个路口和出口,所述节点之间的连接边为各个路口之间的通道,不存在道路的路口之间不存在连接边,节点之间的连接边至少具有距离属性,用于表征两个路口之间的通道距离。
根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域。
受困人群可以包括一个或多个,若受困人群为多个,可以根据受困对象在所述场地节点图的位置将受困对象聚类为多个受困人群,受困人群中包括一个或多个受困对象,且每个受困人群中相邻受困对象之间的距离小于聚类距离阈值。将场地节点图划分为多个节点图区域,每个节点图区域互不相交,即每个节点图区域中的节点不同,每个节点图区域是独立的,不包括相同的节点。火灾现场包括多个出口,每个节点图区域包括一个或多个出口,且每个节点图区域的出口不完全相同。通过区域的划分,在不同节点图区域中设有不完全相同的安全通道出口,进而在整个楼层中分割出各个独立的小的区域空间,以便更快的规划更为准确的逃生路径。
确定与所述受困人群匹配的所述节点图区域。受困人群为一个或多个,节点图区域为一个或多个,确定与所述受困人群匹配的所述节点图区域,受困人群与节点图区域为一一匹配的关系,不同受困人群的节点图区域互不重叠。在受困人群为多个时,不同的受困人群在不同的节点图区域内进行逃生路径规划,且不会经过相同的节点,即路口;并且受困人群不会集中在一个出口进行逃生,不会产生大批量受困对象逃生而导致的拥堵现象,提高了逃生成功的几率,增加了逃生路径的科学性和合理性。
在与所述受困人群对应的所述节点图区域中规划逃生路径。对于每一个受困人群,仅在其对应的节点图区域中规划逃生路径,不会扩展搜索到其他区域的路口,缩小了路径规划的范围,并且提高了路径规划的科学性和合理性,从而降低了火灾的损失,提高了逃生成功的几率。
所述构建场地节点图,所述场地节点图中包括路口节点、出口节点和通道连接边,所述通道连接边用于连接所述路口节点或所述路口节点与所述出口节点,其中,所述路口节点表示所述火灾场地中的路口,所述出口节点表示所述火灾场地的出口,所述通道连接边表示所述火灾场地中各个通道。所述场地节点图中通道连接边至少包括距离属性,用于表征通道连接边两个端点节点之间的距离,优选的,所述通道连接边至少包括距离属性、火灾属性和堵塞属性,所述火灾属性用于表征所述火灾场地中通道的火灾严重程度,所述堵塞属性用于表征所述火灾场地中通道的堵塞程度。至少基于所述距离属性计算所述通道连接边的权重,优选的,还可以基于所述距离属性、火灾属性和堵塞属性计算所述通道连接边的权重,所述通道连接边的权重用于表示逃生路径规划过程中的被选择概率,即通道连接边的权重与所述距离属性、火灾属性和堵塞属性成反比,权重越大,通道的火灾严重程度和堵塞程度越低,距离越短,通道连接边越容易被选中;权重越小,通道的火灾严重程度和堵塞程度越高,距离越长,通道连接边越不容易被选中。优选的,所述火灾属性为第一未来时间段后通道的火灾严重程度。
作为一种具体的实施方式,所述根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域,包括:
根据所述受困人群距离所述场地节点图中出口节点的距离和所述受困人群的数量特征确定所述受困人群对应的出口节点,基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,获得多个节点图区域,每个所述节点图区域包括一个或多个出口节点,每个所述节点图区域的出口节点不完全相同,每个所述节点图区域不包括相同的节点。
优选的,所述数量特征包括所述受困人群的数量,根据所述受困人群的数量特征确定需求出口数量,以所述受困人群到达出口节点的直线距离之和最小为目标,确定所述受困人群对应的出口节点,每个所述受困人群对应的出口节点的数量等于需求出口数量。例如,受困人群包括A、B两个,出口节点包括a、b、c、d四个,根据受困人群的数量,确定受困人群A的需求出口数量为2,受困人群B的需求出口数量为1,此时分别计算各种组合下受困人群到达出口节点的直线距离之和,组合情况包括:A到达(a,b)、B到达c或d;A到达(b,c)、B到达a或d;A到达(c,d)、B到达a或b;A到达(a,c)、B到达b或d,获得直线距离之和最小的一个组合,作为最终的对应方案,例如A到达(a,b)、B到达c,此时,确定了受困人群对应的出口节点,即A对应出口a、b,B对应出口c。不同数量的受困人群需要不同数量的出口,需要根据人群的数量级分配对应多个数的出口,以避免大批量的受困对象直接涌向一个出口,同时基于受困人群的距离特点确定与之对应的出口,从而将距离受困人群最近的出口分配给受困人群,使得从整体上来说,受困人群逃生前往的出口都是最近的,缩短了逃生的时间,提高了逃生成功的几率。
所述基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,具体为,基于所述受困人群到达对应最远出口节点的最短路径分割所述场地节点图,所述最短路径的起点为所述受困人群所在的位置,所述最短路径的终点为所述受困人群对应的最远出口节点,所述最短路径中包括多个路口节点和通道。优选的,以最短路径为边界分割所述场地节点图,获得多个不相交的节点图区域。
获得多个节点图区域后,确定与所述受困人群匹配的所述节点图区域,具体来说,可以将所述受困人群所在的节点图区域作为与所述受困人群匹配的所述节点图区域。
作为一种可选的实施例,所述构建场地节点图,包括:获取所述火灾场地的结构图;根据所述结构图确定多个节点和通道连接边;建立确定的多个节点和通道连接边的拓扑连接图;基于通道连接边的起点和终点确定通道连接边的距离属性;获取通道连接边中的状态信息,基于状态信息确定通道连接边的火灾属性和堵塞属性;基于所述距离属性、火灾属性和堵塞属性确定通道连接边的权重,获得场地节点图。状态信息可以包括图像状态和/或视频状态和/或烟雾传感器采集信号和/或温度状态。优选的,基于获取到的状态信息确定当前时刻下的火灾属性和堵塞属性,根据所述火灾场地的结构属性调整火灾预测模型,预测第一未来时刻的火灾属性作为最终的通道连接边的火灾属性。以图像状态信息为例,首先对图像进行识别,获得当前时刻下火灾的严重程度和通道的堵塞程度;然后根据调整后的火灾预测模型预测第一未来时刻的火灾严重程度,基于通道连接点起点和终点之间的路径长度、预测后的火灾严重程度和当前时刻下的通道的堵塞程度计算通道连接边的权重。以图像状态和温度状态为例,首先对图像和温度的多维度数据进行识别,获得当前时刻下火灾的严重程度和通道的堵塞程度;然后按照相似的方式计算通道连接边的权重。
作为一种可选的实施例,所述根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,之前包括:根据受困对象的位置属性将多个受困对象聚类为一个或多个受困人群;根据每个类中的受困对象的位置确定聚类后受困人群在所述场地节点图的位置。在多个受困对象聚类时,可以将多个受困对象聚类为一个或多个类,此时,每个类都具有类的位置,根据每个类中的受困对象的位置确定该位置信息。作为一种可选的实施例,以聚类后受困人群的中心点作为所述受困人群在所述场地节点图的位置。在该实施例中,对于每一个聚类而言,每一个聚类是一个受困人群,受困人群中包括一个或多个受困对象,每个受困对象具有位置信息,将各个对象的平均位置信息作为受困人群的位置信息。作为另一种可选的实施例,聚类后的受困人群中,第一预设数量的受困对象与相邻受困对象的距离大于等于紧邻距离阈值,从所述受困人群中剔除该第一预设数量的受困对象,以剔除受困对象后的受困人群的中心点作为所述受困人群在所述场地节点图的位置。在某些场景下,聚类后的受困人群中,可能会出现大量受困对象集中在一个地点,而少量受困对象散落分布在其他位置,此时,为了减少大量受困人群的逃生路径长度,直接以较大量的受困对象所在地点为整个受困人群的位置,避免因个别受困对象的位置偏离较大而导致受困人群位置与实际情况偏差较大的现象,实现了路径规划起点的准确定位,进而提高了逃生路径规划的准确性和科学性。
作为一种可选的实施例,所述在与所述受困人群对应的所述节点图区域中规划逃生路径,包括:以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。相较于每次迭代时均规划完整的路径,本发明每次迭代的时候仅计算一个局部路径,特别的,仅计算最优的下一个节点,减少了计算量,加快了路径规划的速度和实时性。具体的,所述基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,具体包括:以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中确定最优下一节点,以最优下一节点为受困人群的当前位置,返回确定最优下一节点的步骤,直至所述最优下一节点为所述节点图区域中的出口节点。其中,在第n次迭代过程中,确定所述受困人群的位置为节点P,此时,与节点P的相邻节点包括M个,与起点节点相邻的节点是指与起点节点之间存在一个通道连接边,且起点节点为该通道连接边的一个端点,相邻的节点为该通道连接边的另一个端点,基于通道连接边的权重和蚁群算法从M个相邻节点中确定最优下一节点Q,获得局部逃生路径P->Q,拼接所有迭代步骤的结果,获得最优逃生路径。
作为一种可选的实施例,基于通道连接边的权重和蚁群算法从M个相邻节点中确定最优下一节点Q,包括:设K(t)表示在t 时刻从结点i转移到结点j的状态转移概率:,
其中j∈M个相邻节点,aij(t)、bij(t)分别为信息素和启发函数,启发函数bij(t)=k,k为节点i、j之间通道连接边的权重,而非传统的距离变量的倒数,从而基于一个通道的综合信息确定下一迭代步骤选择哪条通路,提高了通路选的准确性。在对应的状态转移概率计算方式下,获得最优逃生路径的过程包括:
确定所述受困人群的实时位置;
确定所述实时位置的相邻节点集合;
基于所述实时位置与所述相邻节点集合之间各个节点之间的通道连接边的权重计算各个相邻节点的启发函数;
利用各个相邻节点的启发函数计算各个节点的状态转移概率;
选择状态转移概率最大的节点为当前迭代轮次的最优节点;
更新各个通道连接边的信息素和权重,以当前迭代轮次的最优节点为所述受困人群的最新的实时位置,返回确定所述实时位置的相邻节点集合的步骤,直至当前迭代轮次的最优节点为出口节点,拼接各个迭代轮次的最优节点,获得所述受困人群的规划后的最优逃生路径。
现有技术在利用改进的蚁群算法进行逃生路径规划求解时,对信息素的更新方式引入了新的规则,然而信息素的更新是由蚂蚁在该通道连接边的行走过程确定的。本发明在路径规划时不走重复的路径,即不断朝着出口节点的方向确定当前位置的相邻节点,避免最后规划出的最优逃生路径存在绕圈徘徊的情况,提高了最优路径的科学性。同时将权重直接作为启发函数,利用通道连接边多维度信息计算得到的权重启发蚁群选择状态更佳、更易逃逸成功的路线,从而提高了整体最优路径的准确性。此外,本发明提供的逃生路径规划方法能够根据预测的火灾严重程度干预最优节点的选择过程,充分考量了火灾变化的实时性和快速性的特点,考虑了受困对象到达各个最优节点的实际情况,进而增加了最优路径的合理性。
作为一种可选的实施例,所述获得最优逃生路径之后,还包括,根据所述最优逃生路径调整节点图区域中逃生指示符,以提示所述节点图区域中的受困对象按照调整后的逃生指示符移动至出口。
不难发现,本实施方式为对第一实施方式进一步描述的方法实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第三实施方式提供一种逃生路径规划装置,如图3所示,所述装置包括:
构建模块,用于构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;
分割模块,用于根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;
匹配模块,用于确定与所述受困人群匹配的所述节点图区域;
规划模块,用于在与所述受困人群对应的所述节点图区域中规划逃生路径。
不难发现,本实施方式为与第一、二实施方式相对应的装置实施例,本实施方式可与第一、二实施方式互相配合实施。第一、二实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一、二实施方式中。
值得一提的是,本实施方式中所涉及的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其他的单元。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述图1提供的一种逃生路径规划方法。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所做的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种逃生路径规划方法,其特征在于,所述方法具体包括:
构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;
根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;
其中,根据所述受困人群距离所述场地节点图中出口节点的距离和所述受困人群的数量特征确定所述受困人群对应的出口节点,基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,获得多个节点图区域;
确定与所述受困人群匹配的所述节点图区域;
在与所述受困人群对应的所述节点图区域中规划逃生路径;
其中,以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。
2.根据权利要求1所述的逃生路径规划方法,其特征在于,
所述场地节点图中包括路口节点、出口节点和通道连接边,所述通道连接边用于连接所述路口节点或所述路口节点与所述出口节点;
所述通道连接边至少包括距离属性、火灾属性和堵塞属性,所述火灾属性用于表征所述火灾场地中通道的火灾严重程度,所述堵塞属性用于表征所述火灾场地中通道的堵塞程度。
3.根据权利要求2所述的逃生路径规划方法,其特征在于,
获取通道连接边中的状态信息,基于获取到的状态信息确定当前时刻下的火灾属性和堵塞属性;
根据所述火灾场地的结构属性确定火灾预测模型,预测第一未来时刻的火灾属性作为最终的通道连接边的火灾属性。
4.根据权利要求2所述的逃生路径规划方法,其特征在于,
基于所述距离属性、火灾属性和堵塞属性计算所述通道连接边的权重,所述通道连接边的权重用于表示逃生路径规划过程中的被选择概率;
以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。
5.根据权利要求1所述的逃生路径规划方法,其特征在于,
根据所述受困人群的数量特征确定需求出口数量,所述数量特征包括所述受困人群的数量,以所述受困人群到达出口节点的直线距离之和最小为目标,确定所述受困人群对应的出口节点,每个所述受困人群对应的出口节点的数量等于需求出口数量。
6.根据权利要求1所述的逃生路径规划方法,其特征在于,所述基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,包括:
基于所述受困人群到达对应最远出口节点的最短路径分割所述场地节点图,所述最短路径的起点为所述受困人群所在的位置,所述最短路径的终点为所述受困人群对应的最远出口节点,所述最短路径中包括多个路口节点和通道。
7.根据权利要求1所述的逃生路径规划方法,其特征在于,所述根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,之前包括:
根据受困对象的位置属性将多个受困对象聚类为一个或多个受困人群;
根据每个类中的受困对象的位置确定聚类后受困人群在所述场地节点图的位置。
8.根据权利要求1所述的逃生路径规划方法,其特征在于,所述在与所述受困人群对应的所述节点图区域中规划逃生路径,包括:
基于通道连接边的权重和蚁群算法从M个相邻节点中确定最优下一节点Q,设K(t)表示在t 时刻从结点i转移到结点j的状态转移概率:,
其中j∈M个相邻节点,aij(t)、bij(t)分别为信息素和启发函数,启发函数bij(t)=k,k为节点i、j之间通道连接边的权重。
9.一种逃生路径规划装置,其特征在于,所述装置具体包括:
构建模块,用于构建场地节点图,所述场地节点图中各个节点为火灾场地的各个路口和出口;
分割模块,用于根据受困人群在所述场地节点图的位置和所述受困人群的特征分割所述场地节点图,获得多个节点图区域;其中,根据所述受困人群距离所述场地节点图中出口节点的距离和所述受困人群的数量特征确定所述受困人群对应的出口节点,基于所述受困人群到达对应出口节点的最短路径分割所述场地节点图,获得多个节点图区域;
匹配模块,用于确定与所述受困人群匹配的所述节点图区域;
规划模块,用于在与所述受困人群对应的所述节点图区域中规划逃生路径;其中,以所述受困人群在所述场地节点图的位置为起点,基于通道连接边的权重和蚁群算法从所述节点图区域中迭代确定最优下一节点,直至所述最优下一节点为所述节点图区域中的出口节点,获得所述受困人群的规划后的最优逃生路径。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于所述程序被处理器执行时实现权利要求1-8中任一项所述逃生路径规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311420011.0A CN117168466B (zh) | 2023-10-30 | 2023-10-30 | 一种逃生路径规划方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311420011.0A CN117168466B (zh) | 2023-10-30 | 2023-10-30 | 一种逃生路径规划方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117168466A true CN117168466A (zh) | 2023-12-05 |
CN117168466B CN117168466B (zh) | 2024-02-02 |
Family
ID=88943430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311420011.0A Active CN117168466B (zh) | 2023-10-30 | 2023-10-30 | 一种逃生路径规划方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117168466B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013041477A1 (de) * | 2011-09-20 | 2013-03-28 | Robert Bosch Gmbh | Evakuierungssystem zur planung von fluchtwegen in einem gebäude, verfahren sowie computerprogramm |
CN103336999A (zh) * | 2013-06-07 | 2013-10-02 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
CN104717291A (zh) * | 2015-03-20 | 2015-06-17 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生系统及方法 |
KR20160122991A (ko) * | 2015-04-15 | 2016-10-25 | 권창환 | 경로 안내 방법, 서버 및 시스템 |
CN107480320A (zh) * | 2017-06-20 | 2017-12-15 | 山东师范大学 | 一种基于拓扑地图与视觉影响的人群疏散仿真方法及系统 |
US10026278B1 (en) * | 2017-01-17 | 2018-07-17 | International Business Machines Corporation | Optimal evacuation plans in emergency situations |
KR101923151B1 (ko) * | 2017-07-17 | 2018-11-28 | 주식회사 디케이이앤씨 | 아이오티 기반 지능형 재난 대피 시스템 및 방법 |
CN110044360A (zh) * | 2019-05-29 | 2019-07-23 | 中国科学技术大学 | 一种人员疏散路径的导航方法及装置 |
WO2019153403A1 (zh) * | 2018-02-08 | 2019-08-15 | 深圳市鹰硕技术有限公司 | 室内安全应急疏散方法以及装置 |
CN210155802U (zh) * | 2019-06-25 | 2020-03-17 | 南京荣之誉信息科技有限公司 | 一种智慧化一键报警系统的楼宇仓库 |
CN112182723A (zh) * | 2020-10-20 | 2021-01-05 | 上海应用技术大学 | 人群疏散瓶颈拥堵状况分析方法和系统 |
CN112488423A (zh) * | 2020-12-16 | 2021-03-12 | 安徽建筑大学 | 一种火场中被困人员逃生路径的规划方法 |
CN112504262A (zh) * | 2020-11-19 | 2021-03-16 | 中国建筑科学研究院有限公司 | 建筑物楼层内人员导航方法、多层建筑内人员导航方法、系统 |
CN114462248A (zh) * | 2022-02-15 | 2022-05-10 | 杭州中奥科技有限公司 | 基于人群疏散的数据处理方法、装置和电子设备 |
CN114527757A (zh) * | 2022-02-24 | 2022-05-24 | 哈尔滨工程大学 | 基于虚拟节点的远洋客船人员应急疏散路径规划算法 |
CN114943358A (zh) * | 2021-11-02 | 2022-08-26 | 哈尔滨工程大学 | 一种基于多出口选择a*算法求解最短路径的人群疏散动态路径规划方法 |
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 |
CN116167533A (zh) * | 2021-11-23 | 2023-05-26 | 交控科技股份有限公司 | 适用于城市轨道交通的车站应急疏散方法及装置 |
-
2023
- 2023-10-30 CN CN202311420011.0A patent/CN117168466B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013041477A1 (de) * | 2011-09-20 | 2013-03-28 | Robert Bosch Gmbh | Evakuierungssystem zur planung von fluchtwegen in einem gebäude, verfahren sowie computerprogramm |
CN103336999A (zh) * | 2013-06-07 | 2013-10-02 | 同济大学 | 一种基于多蚁群的组合交通疏散优化方法 |
CN104717291A (zh) * | 2015-03-20 | 2015-06-17 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生系统及方法 |
KR20160122991A (ko) * | 2015-04-15 | 2016-10-25 | 권창환 | 경로 안내 방법, 서버 및 시스템 |
US10026278B1 (en) * | 2017-01-17 | 2018-07-17 | International Business Machines Corporation | Optimal evacuation plans in emergency situations |
CN107480320A (zh) * | 2017-06-20 | 2017-12-15 | 山东师范大学 | 一种基于拓扑地图与视觉影响的人群疏散仿真方法及系统 |
KR101923151B1 (ko) * | 2017-07-17 | 2018-11-28 | 주식회사 디케이이앤씨 | 아이오티 기반 지능형 재난 대피 시스템 및 방법 |
WO2019153403A1 (zh) * | 2018-02-08 | 2019-08-15 | 深圳市鹰硕技术有限公司 | 室内安全应急疏散方法以及装置 |
CN110044360A (zh) * | 2019-05-29 | 2019-07-23 | 中国科学技术大学 | 一种人员疏散路径的导航方法及装置 |
CN210155802U (zh) * | 2019-06-25 | 2020-03-17 | 南京荣之誉信息科技有限公司 | 一种智慧化一键报警系统的楼宇仓库 |
CN112182723A (zh) * | 2020-10-20 | 2021-01-05 | 上海应用技术大学 | 人群疏散瓶颈拥堵状况分析方法和系统 |
CN112504262A (zh) * | 2020-11-19 | 2021-03-16 | 中国建筑科学研究院有限公司 | 建筑物楼层内人员导航方法、多层建筑内人员导航方法、系统 |
CN112488423A (zh) * | 2020-12-16 | 2021-03-12 | 安徽建筑大学 | 一种火场中被困人员逃生路径的规划方法 |
CN114943358A (zh) * | 2021-11-02 | 2022-08-26 | 哈尔滨工程大学 | 一种基于多出口选择a*算法求解最短路径的人群疏散动态路径规划方法 |
CN116167533A (zh) * | 2021-11-23 | 2023-05-26 | 交控科技股份有限公司 | 适用于城市轨道交通的车站应急疏散方法及装置 |
CN114462248A (zh) * | 2022-02-15 | 2022-05-10 | 杭州中奥科技有限公司 | 基于人群疏散的数据处理方法、装置和电子设备 |
CN114527757A (zh) * | 2022-02-24 | 2022-05-24 | 哈尔滨工程大学 | 基于虚拟节点的远洋客船人员应急疏散路径规划算法 |
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 |
Non-Patent Citations (16)
Title |
---|
DEZHEN ZHANG等: "Pedestrian evacuation modeling and simulation in multi-exit scenarios", 《ELSEVIER》, pages 1 - 9 * |
任宗伟;郭海妮;: "基于混合规划策略的地下商场人群疏散决策模型", 科技通报, no. 11 * |
傅军栋;刘业辉;李江辉;: "基于蚁群算法的火灾动态疏散", 华东交通大学学报, no. 03 * |
刘晓平;张高峰;曹力;: "基于空间划分的疏散仿真方法", 系统仿真学报, no. 15 * |
张彤彤;: "基于性能化防火的商业内街组合方式优化设计研究", 城市建筑, no. 21 * |
李楠等: "基于社会力模型的多出口场馆人员疏散问题", 《 系统科学与数学》, pages 1448 - 1456 * |
杜宝江;林来帅;唐强;杭诗怡;丁磊;: "基于蚁群优化算法的虚拟火灾逃生路径优化", 软件导刊, no. 04 * |
杜宝江等: "基于蚁群优化算法的虚拟火灾逃生路径优化", 《软件导刊》, vol. 17, no. 4, pages 72 * |
杜璐露;朱杰;: "某影院疏散出口优化分析", 消防科学与技术, no. 01 * |
胡成;李强;陈晋;: "基于断面流量的公共场所瞬时人数估算方法研究", 科技智囊, no. 05 * |
胥旋;史聪灵;伍彬彬;何理;: "人群分区疏散优化算法研究", 中国安全生产科学技术, no. 11 * |
邓云峰等: "基于动态网络流的区域疏散分析模型与仿真", 《中国安全生产科学技术》, vol. 12, no. 11, pages 24 - 30 * |
陈海涛;贾南;刘占;杨光;张立红;: "基于多因素出口选择的建筑疏散指示优化设计", 中国安全生产科学技术, no. 04 * |
高洪晔;张建辉;: "面向火灾救援的室内定位与逃生路径规划系统", 杭州电子科技大学学报, no. 06 * |
黄月;吴成东;董晶晶;贾子熙;: "基于WSN的灾难现场最优逃生路径规划", 东北大学学报(自然科学版), no. 02 * |
黄永江: "顾及拥堵的室内应急疏散规划问题研究", 《万方数据库》, pages 8 - 29 * |
Also Published As
Publication number | Publication date |
---|---|
CN117168466B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6562933B2 (ja) | ターゲットゾーンにおける無線ユーザ設備デバイスの位置決め | |
Karimi et al. | A predictive location model for location-based services | |
CN103747524B (zh) | 一种基于云平台的Android终端室内定位方法 | |
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 | |
Komatsu et al. | Automatic evacuation guiding scheme based on implicit interactions between evacuees and their mobile nodes | |
CN111836199B (zh) | 一种室内导航动态避障寻径方法 | |
Esrafilian et al. | 3D city map reconstruction from UAV-based radio measurements | |
KR20180021883A (ko) | 항법 기준점 확정 및 네비 방법 및 장치, 및 저장 매체 | |
Wang et al. | Energy-efficient 3D vehicular crowdsourcing for disaster response by distributed deep reinforcement learning | |
KR101726040B1 (ko) | 경로 안내 방법, 서버 및 시스템 | |
US9752888B2 (en) | Method and apparatus of computing location of safe exit for moving range query in road network | |
KR102304466B1 (ko) | 실내 측위용 데이터베이스 구축, 실내 측위 방법 및 시스템 | |
Eldeeb et al. | Optimal placement of access points for indoor positioning using a genetic algorithm | |
CN117168466B (zh) | 一种逃生路径规划方法、装置及存储介质 | |
Hara et al. | Geographical risk analysis based path selection for automatic, speedy, and reliable evacuation guiding using evacuees’ mobile devices | |
KR102518422B1 (ko) | 위치 측정 방법, 장치 및 시스템 | |
CN112382135B (zh) | 确定飞行路径的方法、装置、存储介质和电子设备 | |
US10200814B1 (en) | Voronoi diagram-based algorithm for efficient progressive continuous k-nearest neighbor query for moving objects | |
Shi et al. | Indoor RSSI trilateral algorithm considering piecewise and space-scene | |
Cai et al. | Multi-vehicles dynamic navigating method for large-scale event crowd evacuations | |
Yazıcı et al. | A multi-criteria decision strategy to select a machine learning method for indoor positioning system | |
Sorbelli et al. | A Novel Graph-Based Multi-Layer Framework for Managing Drone BVLoS Operations | |
KR20240052529A (ko) | 변동성 특징 기반의 실내 무선 측위 방법, 시스템 및 이를 위한 장치 | |
Suryana et al. | Voronoi diagram with fuzzy number and sensor data in an indoor navigation for emergency situation | |
Merkel et al. | Distributed swarm evacuation planning |
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 |