CN117688792B - 一种基于自适应网格的介观疏散模型的疏散仿真方法 - Google Patents
一种基于自适应网格的介观疏散模型的疏散仿真方法 Download PDFInfo
- Publication number
- CN117688792B CN117688792B CN202410158214.5A CN202410158214A CN117688792B CN 117688792 B CN117688792 B CN 117688792B CN 202410158214 A CN202410158214 A CN 202410158214A CN 117688792 B CN117688792 B CN 117688792B
- Authority
- CN
- China
- Prior art keywords
- grid
- evacuation
- pedestrian
- density
- dff
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003044 adaptive effect Effects 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims description 20
- 230000007423 decrease Effects 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 20
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于自适应网格的介观疏散模型的疏散仿真方法,利用建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布,建立基于自适应网格的介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则,依据基于自适应网格的介观疏散模型行人密度的动态流动规则以及行人密度的流动完成规则进行疏散仿真模拟计算得到疏散模拟结果。本发明可以实现疏散仿真模拟的计算效率与计算精度的平衡;可以快速且精准地获取不同网格内的行人密度的动态改变,从而高效的模拟现实中的人群流动与确定疏散过程中的高密度人群区域,为更合理的疏散管控策略以及疏散方案的制定提供了更有力的支持;促进疏散动力学领域的研究。
Description
技术领域
本发明涉及行人疏散仿真建模领域,更具体涉及一种基于自适应网格的介观疏散模型的疏散仿真方法,适用于模拟行人的疏散过程。
背景技术
近年来,人们广泛采用各种疏散仿真模型来模拟行人的疏散过程。其中,人群疏散仿真模型根据对研究对象划分精细程度的不同,可分为宏观疏散模型与微观疏散模型。宏观疏散模型将所有行人视为一个整体,从而计算整体行人的密度流动。尽管这种方法计算速度快,但由于忽略了行人个体之间的差异,导致仿真的真实性较差。相对而言,微观疏散模型以单个行人为研究对象,通常将疏散场景离散为尺寸相同的网格,并为每个网格分配不同的场域值。行人将占据不同的网格并根据网格的场域值选择移动方向。这种仿真方法的真实性较高。然而,当人群数量过大时,仿真的计算开销过大,这也使得微观疏散模型难以应用在现实中。因此,如何高效率且高保真地模拟人群的疏散过程仍然是需要解决的问题。
介观疏散模型被认为是宏观疏散模型和微观疏散模型的有机结合,其研究对象为由多名行人组成的群组。然而,当前的难题在于,如何更好地融合宏观模型具有高计算效率的优点和微观模型充分考虑个体差异的优势,以使介观疏散模型在计算效率和计算精度之间达到平衡。
发明内容
本发明的目的针对现有技术存在的上述问题,提供一种基于自适应网格的介观疏散模型的疏散仿真方法,可以高效且高保真的模拟行人的疏散过程。
为实现上述目的,本发明采用以下技术方案:
一种基于自适应网格的介观疏散模型的疏散仿真方法,包括如下步骤:
步骤S1、获取建筑疏散场景的空间几何数据和行人的位置分布数据;
步骤S2、从建筑疏散场景的空间几何数据提取得到建筑疏散场景的几何尺寸和疏散出口宽度,从行人的位置分布数据提取得到行人的人数与初始位置分布信息;
步骤S3、利用步骤S2所提取到的建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布,建立介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则;
步骤S4、根据步骤S3所建立的介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则进行疏散仿真模拟计算,得到疏散仿真模拟结果。
如上所述步骤S3中包括如下步骤:
步骤S31、根据建筑疏散场景的几何尺寸和疏散出口宽度将建筑疏散场景初始转换为均匀大小的平面的基础网格;
步骤S32、将基础网格转换为不同级别的网格,计算每个网格内的初始行人密度,构建网格自适应变化规则,采用不同级别的网格构建介观疏散模型并设置介观疏散模型中各网格的动态场域DFF值;
步骤S33、根据网格内的行人密度建立行人密度的流动比率规则;根据网格内的行人密度以及行人速度-密度规律建立行人密度的流动速度规则,所述行人速度-密度规律为:当网格内的行人密度增大时,流入该网格的行人速度降低;
步骤S34、根据行人密度的流动比率规则与行人密度的流动速度规则建立行人密度的动态流动规则;
步骤S35、建立行人密度的流动完成规则。
如上所述步骤S32包括如下操作:
步骤S321、将基础网格转换为不同级别的网格,不同级别的网格被命名为M0网格,M1网格,M2网格,... ,Mn网格,其中n表示最高级别的网格对应的序号,将基础网格指定为M0网格,限定Mm网格包含行数×列数为2m×2m的彼此相邻的M0网格,m表示除最高级别的网格以外,其他级别网格对应的序号,m∈{1,2,…,n-1};Mn网格包含行数×列数为2n×2n的彼此相邻的M0网格;
步骤S322、根据根据行人的人数与初始位置分布,得到各网格内初始行人的数量,然后根据各网格内初始行人的数量计算各网格初始行人密度,对于编号为i的网格,初始行人密度如以下公式所示:/>,
其中,为编号为i的网格内的行人的数量,/>为编号为i的网格的面积;
步骤S323,构建基于网格密度的网格自适应变化规则;
步骤S324,建立介观疏散模型并设置各个网格的DFF值。
如上所述步骤S323构建基于网格密度的网格自适应变化规则,包括如下步骤:
对于当前遍历的M0网格,
如果当前遍历的M0网格内的行人密度大于等于0且小于6.25(1-β),则判断当前遍历的M0网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)的M0网格,如果在当前遍历的M0网格周围存在3个M0网格能与当前遍历的M0网格组合成一个M1网格,则当前遍历的M0网格和这3个能合并的M0网格合并为M1网格,否则当前遍历的M0网格,继续维持为M0网格;
如果当前遍历的M0网格内的行人密度大于等于6.25(1-β)且小于等于6.25,则当前遍历的M0网格将继续维持为M0网格;
对于当前遍历的Mm网格,其中m∈{1,2,…,n-1},
如果Mm网格内的行人密度大于等于0且小于6.25(1-β)m+1,则判断当前遍历的Mm网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)m+1的Mm网格,如果在当前遍历的Mm网格周围存在3个Mm网格能与当前遍历的Mm网格组成一个Mm+1网格,则当前遍历的Mm网格和这3个能合并的Mm网格合并为Mm+1网格;否则当前遍历的Mm网格,继续维持为Mm网格;
如果Mm网格内的行人密度大于等于6.25(1-β)m+1且小于6.25(1-β)m,则该Mm网格继续维持为Mm网格;
如果Mm网格内的行人密度大于等于6.25(1-β)m且小于等于6.25,则该Mm网格将分裂为多个Mm的子网格Mm-1网格;
对于当前遍历的Mn网格,
如果Mn网格内的行人密度大于等于0且小于6.25(1-β)n,则该Mn网格继续维持为Mn网格;
如果Mn网格内的行人密度大于等于6.25(1-β)n且小于等于6.25,则该Mn网格将分裂为多个Mn-1网格;
上述β为自适应变化敏感参数,0<β<1。
如上所述步骤S324中建立介观疏散模型并设置各个网格的DFF值的具体方法为:
设定墙和障碍物所占的网格的DFF值为∞;
对于没有被墙或障碍物占据的网格;首先设定出口所占的网格的DFF值为1;然后计算与具有DFF值的网格相邻的网格的DFF值;
如果一个网格的DFF值为D, 且水平或垂直方向上相邻的编号为i的网格内的行人密度为,则水平或垂直方向上相邻的网格的DFF预设值设置为/>;
如果一个网格的DFF值为D, 且对角线方向相邻的编号为i的网格内的行人密度为,则对角线方向上相邻的网格的DFF预设值设置为/>;
如果一个网格与多个具有DFF值的单元格相邻,则该网格的DFF值为所有DFF预设值中的最小值;
其中,α为动态场域值敏感参数,0 ≤ α ≤ 1。
如上所述步骤S33中行人密度的流动比率规则为:,
其中,j表示与编号为i的网格相邻的网格的编号,q ij 为编号为i的网格流入编号为j的网格的行人密度的流动比率,DFF i 和DFF j 分别是编号为i的网格的DFF值和编号为j的网格的DFF值,满足,k为与编号为i的网格相邻且DFF值小于编号为i的网格的DFF值的网格的数量,/>。
如上所述步骤S33中行人密度的动态流动速度规则为:,
其中,为流入编号为i的网格的行人密度的流动速度,/>为行人密度最大的流动速度,/>为网格内最大的行人密度,/>是编号为i的网格内的行人密度,/>为模型校对参数。
如上所述步骤S34行人密度的动态流动规则为:,
其中,为编号为i的网格在/>时刻下的行人密度;/>为编号为i的网格在/>时刻下的行人密度;S i 为编号为i的网格的面积;B in 是与编号为i的网格相邻,且DFF值大于编号为i的网格的DFF值的所有网格集合;/>为在t时刻下网格集合B in 中第x个网格内的行人密度;x表示网格集合B in 中网格的序号;/>为t时刻流入编号为i的网格的行人密度的流动速度;/>为网格集合B in 中第x个网格流入编号为i的网格的行人密度比率;/>为网格集合B in 中第x个网格与编号为i的网格相邻且接触部分的网格的长度;
B out 是与编号为i的网格相邻,且DFF值小于编号为i的网格的DFF值的所有网格集合;是在t时刻下可以流进网格集合B out 中第y个网格的行人密度的流动速度;y表示网格集合B out 中网格的序号;/>为编号为i的网格的行人密度流进到网格集合B out 中第y个网格的流动比率;/>为编号为i的网格与网格集合B out 中第y个网格相邻且接触部分的网格的长度;/>为疏散仿真模拟中两个相邻时刻的间隔时间。
如上所述步骤S35中行人密度的流动完成规则为:
计算时刻下建筑疏散场景内的所有网格的行人密度之和;当建筑疏散场景内的所有网格的行人密度之和小于/>行人/m2时,疏散仿真模拟过程结束,其中代表所有网格的面积之和。
如上所述步骤S4包括如下步骤:
步骤S41、根据建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布定义疏散场景的网格布局以及行人的初始分布,将疏散场景初始转换为均匀大小的平面的基础网格;
步骤S42、依据建筑疏散场景中不同位置的几何尺寸,且网格级别由高到低的优先顺序初始化t=0时刻的网格大小,t=0时刻的网格优先设置为Mn网格,初始化各个网格内的行人密度为初始行人密度,初始化网格的DFF值;
步骤S43、对于t>0时刻,根据网格内的行人密度,对网格进行自适应变化;
步骤S44、更新所有网格的DFF值;
步骤S45、行人密度从DFF值高的网格流动到DFF值低的相邻网格;
记录疏散过程中的疏散时间、疏散过程中的高密度区域和行人疏散路线;
返回至步骤S43,直到疏散场景内的所有网格的行人密度之和小于行人/m2。
本发明相对于现有技术,具有以下有益效果:
1、本发明可以实现疏散仿真的计算效率与计算精度的平衡:现有的疏散仿真方法往往基于宏观疏散模型或者微观疏散模型,宏观疏散模型计算效率高但是计算精度低,微观疏散模型计算精度高但是计算效率低。而本发明基于自适应网格,建立了一种基于行人密度的网格自适应变化规则。这使得本发明的疏散仿真方法能够根据疏散过程中的人群密度自动调整网格的精细程度,从而实现疏散仿真的计算效率与计算精度的平衡。
2、本发明可以提供更合理的疏散管控策略:本发明基于自适应网格,并结合行人速度-密度规律,构建了自适应网格间的行人密度的动态流动规则。这使得本发明可以快速且精准地获取不同网格内的行人密度的动态改变,从而高效的模拟现实中的人群流动与确定疏散过程中的高密度人群区域。这为更合理的疏散管控策略以及疏散方案的制定提供了更有力的支持。
3、本发明可以促进疏散动力学领域的研究:相对于现有的宏观疏散仿真方法与微观疏散仿真方法,本发明从介观层面提供了一种基于自适应网格的介观疏散模型的疏散仿真方法。该方法可以计算网格间的行人密度流动从而模拟现实中的行人疏散过程,这为疏散动力学领域提供了一个新颖的视角来研究行人的疏散过程。
附图说明
图1为本发明实施例中所述的一种基于自适应网格的介观疏散模型的疏散仿真方法流程示意图;
图2为本发明实施例中所述的一种基于自适应网格的介观疏散模型的疏散仿真装置结构示意图。
其中,1-获取模块,2-提取模块,3-构建模块,4-计算模块;
31-第一转换单元,32-第一构建单元,33-第四构建单元,34-第七构建单元,35-第八构建单元;
321-第二转换单元,322-第一计算单元,323-第二构建单元,324-第三构建单元;
331-第五构建单元,332-第六构建单元;
41-第一模拟设置单元,42-第二模拟设置单元,43-第一模拟执行单元,44-第二模拟执行单元,45-第三模拟执行单元。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,本实施例提供一种基于自适应网格的介观疏散模型的疏散仿真方法,疏散仿真方法步骤如下:
步骤S1、根据当前建筑疏散场景内的多个监控设备获取建筑疏散场景的空间几何数据。通过人员定位设备,获取行人的位置分布数据。
步骤S2、对建筑疏散场景的空间几何数据与行人的位置分布数据进行数据提取,从建筑疏散场景的空间几何数据提取得到建筑疏散场景的几何尺寸和疏散出口宽度。从行人的位置分布数据提取行人的人数与初始位置分布。
步骤S3、对步骤S2所提取到的建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布进行分析,建立基于自适应网格的介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则。需要说明的是,步骤S3包括步骤S31,S32,S33,S34,S35。
步骤S31、根据建筑疏散场景的几何尺寸和疏散出口宽度将建筑疏散场景初始转换为均匀大小的平面的基础网格。基础网格的尺寸设置为0.4 m×0.4 m。每一个基础网格可以是空的,也可以被不同的行人、障碍物或者墙壁所占据。
步骤S32、采用不同级别的网格构建基于自适应网格的介观疏散模型并设置介观疏散模型中各网格的动态场域(DFF)值。需要说明的是,步骤S32包括S321,S322,S323,S324。
可以理解的是,疏散过程中,行人会逐渐向出口靠近,远离出口的网格的行人密度会逐渐降低。对于远离出口的建筑空间,继续使用相同尺寸(即0.4 m×0.4 m)的网格的计算效率较低。因此,在本步骤中,将使用不同级别的网格来构建基于自适应网格的介观疏散模型。
步骤S321、将尺寸为0.4 m×0.4 m的基础网格转换为不同级别的网格。
为了便于区分不同级别的网格。不同级别的网格被命名为M0网格,M1网格,M2网格,..., Mn网格,其中n表示最高级别的网格对应的序号。M0网格被指定为最小的网格,即基础网格,包含1×1个基础网格,其尺寸为0.4 m×0.4 m。而Mm网格包含行数×列数为2m×2m的彼此相邻的M0网格,m表示除最高级别的网格以外,其他级别网格对应的序号,m∈{1,2,…,n-1};Mn网格包含行数×列数为2n×2n的彼此相邻的M0网格。在这里,我们先考虑三个级别的网格:M0网格,M1网格,和M2网格。
首先,步骤S31初始转换后的网格被认定为M0网格,即包含1×1个尺寸为0.4 m×0.4 m的基础网格。紧接着,将M0网格依次合并为包含16个M0网格的M2网格。
步骤S322、根据行人的人数与初始位置分布计算每个网格内的初始行人密度。
可以理解的是,根据行人的人数与初始位置分布,从而可得到各网格内初始行人的数量,用于分析得到每个网格的初始行人密度。对于编号为i的网格,初始行人密度,如以下公式所示:/>(1)
其中,为编号为i的网格内的行人的数量,/>为编号为i的网格的面积。
步骤S323,基于网格的行人密度构建网格自适应变化规则。
可以理解的是,在本实施例中,网格划分并非固定的,在每一个时刻,根据网格内的行人密度不同,网格会进行自适应变化直至无法变化为止。其中,M0网格会自适应合并为M1网格,M1网格会进行自适应合并为M2网格或者自适应分裂为M0网格。M2网格会进行自适应分裂为M1网格;此外,因为一个M0网格最多只能被一个行人占据,且M0网格的尺寸为0.4 m×0.4 m。因此,M0网格内行人密度的最大值为6.25行人/m2(即1/(0.4 m×0.4 m))。
网格的自适应变化包括:
(1)对于当前遍历的M0网格。
(a)如果当前遍历的M0网格内的行人密度大于等于0且小于6.25(1-β),则判断当前遍历的M0网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)的M0网格。如果在当前遍历的M0网格周围存在3个M0网格能与当前遍历的M0网格组合成一个M1网格,则当前遍历的M0网格和这3个能合并的M0网格合并为M1网格,否则当前遍历的M0网格,继续维持为M0网格。
(b)如果当前遍历的M0网格内的行人密度大于等于6.25(1-β)且小于等于6.25,则当前遍历的M0网格将继续维持为M0网格。
(2)对于当前遍历的Mm网格,其中m∈{1,2,…,n-1}。
(a)如果Mm网格内的行人密度大于等于0且小于6.25(1-β)m+1,则判断当前遍历的Mm网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)m+1的Mm网格。如果在当前遍历的Mm网格周围存在3个Mm网格能与当前遍历的Mm网格组成一个Mm+1网格,则当前遍历的Mm网格和这3个能合并的Mm网格合并为Mm+1网格。否则当前遍历的Mm网格,继续维持为Mm网格;
(b)如果Mm网格内的行人密度大于等于6.25(1-β)m+1且小于6.25(1-β)m,则该Mm网格继续维持为Mm网格;
(c)如果Mm网格内的行人密度大于等于6.25(1-β)m且小于等于6.25,则该Mm网格将分裂为多个Mm-1网格;
(3)对于当前遍历的Mn网格。
(a)如果Mn网格内的行人密度大于等于0且小于6.25(1-β)n,则该Mn网格继续维持为Mn网格;
(b)如果Mn网格内的行人密度大于等于6.25(1-β)n且小于等于6.25,则该Mn网格将分裂为多个Mn的子网格Mn-1网格。
在本实施例中,n=2,故有:
(1)对于当前遍历的M1网格。
(a)如果当前遍历的M1网格内的行人密度大于等于0且小于6.25(1-β)2,则判断当前遍历的M1网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)2的M1网格,如果在当前遍历的M1网格周围存在3个M1网格能与当前遍历的M1网格组成一个M2网格,则当前遍历的M1网格和这些M1网格合并为M2网格;否则当前遍历的M1网格,继续维持为M1网格;
(b)如果当前遍历的M1网格内的行人密度大于等于6.25(1-β)2且小于6.25(1-β),则当前遍历的M1网格继续维持为M1网格;
(c)如果当前遍历的M1网格内的行人密度大于等于6.25(1-β)且小于等于6.25,则M1网格将分裂为多个M0网格。
(2)对于当前遍历的M2网格。
(a)如果M2网格内的行人密度大于等于0且小于6.25(1-β)2时。则该M2网格继续维持为M2网格;
(b)如果M2网格内的行人密度大于等于6.25(1-β)2且小于等于6.25时,则该M2网格将分裂为多个M2的子网格M1网格。
上述β (0<β<1)为自适应变化敏感参数,用来控制网格内行人密度对网格自适应变化的影响程度。当β值接近0时,网格将趋近全部转换为M2级别的网格,这代表较高的计算效率与较低的计算精度。当β值接近1时,网格将趋近全部转换为M0级别的网格,这代表较高的计算精度与较低的计算效率。使用者可以根据实际场景和设备性能的不同来调节β值从而获得最优的计算精度与计算效率,一般将β设置为0.5。
对于本实施例,共设置有M0网格,M1网格,和M2网格。各网格会根据网格内的行人密度进行自适应变化直至无法变化为止。例如,当M2网格内的密度为6.25 行人/m2,则M2网格会按照M2网格的规则先自适应变化为M1网格,这些M1网格则按照M1网格的规则自适应变化,分裂最小到M0网格;或者M0网格密度为0 行人/m2,则按照M0网格的规则自适应变化,合并为M1网格,M1网格则按照M1网格的规则自适应变化,最多合并到M2网格。
上述具有自适应变化规则的不同级别的网格即为自适应网格。
步骤S324,建立基于自适应网格的介观疏散模型并设置各个网格的动态场域值(即DFF值)。
在此步骤,将根据网格相对于出口的距离以及网格内的行人密度和网格的面积来设置不同网格的动态场域DFF值,网格距离出口越远,网格内行人密度越大,DFF值越高。
网格的DFF值的设置方法包括:
(1) 设定墙和障碍物所占的网格的DFF值为∞(这代表行人密度无法流向墙和障碍物所在的网格);
(2)设定没有被墙或障碍物占据的网格:首先设定出口所占的网格的DFF值为1。然后计算与具有DFF值的网格相邻的网格的DFF值,相邻是指水平或垂直方向上相邻,以及对角线方向上相邻,其计算步骤如下:
(a) 如果一个网格的DFF值为D, 且水平或垂直方向上相邻的编号为i的网格内的行人密度为。则水平或垂直方向上相邻的网格的DFF预设值设置为/>;
(b) 如果一个网格的DFF值为D, 且对角线方向相邻的编号为i的网格内的行人密度为。则对角线方向上相邻的网格的DFF预设值设置为/>;
(c) 如果一个网格与多个具有DFF值的单元格相邻,即可能会有多个DFF预设值,则该网格的DFF值为所有DFF预设值中的最小值。
上述α (0 ≤ α ≤ 1)为动态场域值敏感参数,用来衡量网格内的行人的密度和网格的面积对DFF值的影响。为编号为i的网格内的行人密度。/>为编号为i的网格的面积。
值得注意的是,该步骤中的DFF值的设置与网格内的行人密度和网格的面积有关。此外,又因为在疏散仿真模拟的每一个时刻,网格都将根据网格内的行人密度而进行自适应变化。因此,在疏散仿真模拟的每一个时刻中,所有网格的DFF值都应该根据步骤S324进行动态更新。
步骤S33、建立行人密度的流动比率规则与行人密度的流动速度规则。需要说明的是,步骤S33包括步骤S331,S332。
步骤S331、根据网格内的行人密度构建行人密度的流动比率规则。
可以理解的是,不同于传统疏散模型关注于行人个体且计算效率低,本实施例中的基于自适应网格的介观疏散模型关注于网格之间的行人的密度流动。行人密度从DFF值高的网格流动到DFF值低的相邻网格。根据相邻网格内的行人密度计算行人密度的流动比率:(2)
其中, j表示与编号为i的网格相邻的网格的编号,且编号为j的网格的DFF值小于编号为i的网格的DFF值;q ij 为编号为i的网格流入编号为j的网格的行人密度的流动比率。k为与编号为i的网格相邻且DFF值小于编号为i的网格的DFF值的网格的数量,j∈{1,2,...,k}。 DFF i 和DFF j 分别是编号为i的网格的DFF值和编号为j的网格的DFF值,且满足。可以理解的是,相邻网格间的DFF值相差越大,则密度流动比率也越大。行人密度只会从DFF值高的网格向DFF值低的网格流动,当DFF i 小于DFF j 时,此时编号为i的网格的密度无法流动到编号为j的网格,这代表着q ij = 0;但是,因为DFF j 大于DFF i ,所以编号为j的网格的密度会流向编号为i的网格,这代表着q ji > 0。
步骤S332、根据网格内的行人密度以及行人速度-密度规律建立行人密度的动态流动速度规则。
行人速度-密度规律为:当网格内的行人密度增大时,流入该网格的行人速度降低。因此,对于编号为i的网格,流入该网格的行人密度的流动速度为:(3)
其中,为流入编号为i的网格的行人密度的流动速度,/>为行人密度最大的流动速度,设定值为1.5m/s。/>为网格内最大的行人密度,设定值为6.25行人/m2。/>是编号为i的网格内的行人密度,/>为模型校对参数,设定值为1.913。
步骤S34、根据行人密度的流动比率规则与行人密度的流动速度规则建立行人密度的动态流动规则。
可以理解的是,不同网格之间的行人密度动态流动不是一样的,因此行人密度的动态变化也是不一样的。此外,因为网格内行人密度的最大值为6.25行人/m2(即1/(0.4 m×0.4 m)),所以在时刻下网格内的行人密度应小于等于6.25行人/m2。
对于编号为i的网格,在时刻下有:(4)
其中,为编号为i的网格在/>时刻下的行人密度;/>为编号为i的网格在/>时刻下的行人密度;S i 为编号为i的网格的面积;B in 是与编号为i的网格相邻,且DFF值大于编号为i的网格的DFF值的所有网格集合;/>为在t时刻下网格集合B in 中第x个网格内的行人密度;x表示网格集合B in 中网格的序号;/>为t时刻流入编号为i的网格的行人密度的流动速度;/>为网格集合B in 中第x个网格流入编号为i的网格的行人密度比率;/>为网格集合B in 中第x个网格与编号为i的网格相邻且接触部分的网格的长度;
B out 是与编号为i的网格相邻,且DFF值小于编号为i的网格的DFF值的所有网格集合;是在t时刻下可以流进网格集合B out 中第y个网格的行人密度的流动速度;y表示网格集合B out 中网格的序号;/>为编号为i的网格的行人密度流进到网格集合B out 中第y个网格的流动比率;/>为编号为i的网格与网格集合B out 中第y个网格相邻且接触部分的网格的长度;/>为疏散仿真模拟中两个相邻时刻的间隔时间。
步骤S35、建立行人密度的流动完成规则。
当建筑疏散场景内的行人密度小于设定值时,认为疏散过程结束。可以理解的是,当建筑疏散场景内行人的数量小于1时,认为基于自适应介观模型的疏散仿真模拟过程结束。
根据公式(4),计算时刻下建筑疏散场景内的所有网格的行人密度之和。当建筑疏散场景内所有网格的行人密度之和小于/>行人/m2时,认为疏散过程结束。其中代表所有网格的面积之和,即建筑疏散场景的平面面积。
步骤S4、根据步骤S3所建立的基于自适应网格的介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则进行疏散仿真模拟计算,得到疏散仿真模拟结果。
可以理解的是,在本步骤中,初始疏散仿真模拟条件包括建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布、t=0时刻时的网格大小、网格内的初始行人密度以及网格的DFF值,用于在疏散仿真模拟中确定行人的运动和疏散过程。疏散仿真模拟步骤包括:
步骤S41、根据建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布定义疏散场景的网格布局以及行人的初始分布,将疏散场景初始转换为均匀大小的平面的基础网格,在本实施例中,基础网格的尺寸设置为0.4 m×0.4 m;
步骤S42、依据建筑疏散场景中不同位置的几何尺寸,且网格级别由高到低的优先顺序初始化t=0时刻的网格大小,t=0时刻的网格优先设置为Mn网格,由于建筑疏散场景中不同位置的几何尺寸存在差异,当建筑疏散场景中部分位置的几何尺寸小于Mn网格的尺寸,将对应位置的尺寸与低一级的Mn-1网格的尺寸进行比较,依次类推,直到对应位置的尺寸大于等于Mm网格的尺寸,m∈{1,2,…,n-1},然后将对应位置的网格初始化为Mm网格,以便于进行密度计算与网格分裂。在本实施例中初始化t=0时刻时的网格大小为M2网格(包含16个基础网格)大小,即6.4 m×6.4 m,初始化网格内的行人密度为初始行人密度,初始化各个网格的DFF值;
步骤S43、对于t>0时刻,根据网格内的行人密度,对网格进行自适应变化。
步骤S44、更新所有网格的DFF值;
步骤S45、网格间的行人密度流动。行人密度从DFF值高的网格流动到DFF值低的相邻网格;
记录疏散过程中的疏散时间、疏散过程中的高密度区域和行人疏散路线,其中,高密度区域根据现实管理人员来制定,一般情况,设置行人密度大于等于1 行人/m2 为高密度区域;
返回至步骤S43直到疏散场景内的所有网格的行人密度之和小于行人/m2。
通过疏散仿真模拟计算,可以得到疏散过程中的模拟结果,如疏散时间、疏散过程中的高密度区域和行人疏散路线等。这些信息将被用于帮助建筑管理人员更好地评估疏散方案与优化建筑疏散涉及,并在紧急情况下更好地组织人员疏散。
实施例2
如图2所示,根据实施例1所述一种基于自适应网格的介观疏散模型的疏散仿真方法,本实施例提供一种基于自适应网格的介观疏散模型的疏散仿真装置,包括:
获取模块1,用于实施实施例1中的步骤S1,即通过建筑监控设备获取建筑场景的空间几何数据;通过人员定位设备,获取行人的位置分布数据。
提取模块2,用于实施实施例1中的步骤S2,即从建筑疏散场景的空间几何数据提取得到建筑疏散场景的几何尺寸和疏散出口宽度,从行人的位置分布数据提取得到行人的人数与初始位置分布信息。
构建模块3,用于实施实施例1中的步骤S3,即对提取模块2所提取到的建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布,构建介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则。
计算模块4,用于实施实施例1中的步骤S4,即根据构建模块3所建立的介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则进行仿真模拟计算得到模拟结果。
所述构建模块3包括:
第一转换单元31,用于实施实施例1中的步骤S31,即根据的几何尺寸和疏散出口宽度将建筑场景初始转换为均匀大小的基础网格。
第一构建单元32,用于实施实施例1中的步骤S32,即将基础网格转换为不同级别的网格,计算每个网格内的初始行人密度,构建网格自适应变化规则,采用不同级别的网格来构建介观疏散模型,并设置介观疏散模型中各网格的动态场域DFF值。
第四构建单元33,用于实施实施例1中的步骤S33,即建立行人密度的流动比率规则与行人的密度流动速度规则。
第七构建单元34,用于实施实施例1中的步骤S34,即根据行人密度的流动比率规则与行人密度的流动速度规则建立行人密度的动态流动规则。
第八构建单元35,用于实施实施例1中的步骤S35,即建立行人密度的流动完成规则。
所述第一构建单元32包括:
第二转换单元321,用于实施实施例1中的步骤S321,即将基础网格转换为不同级别的网格。
第一计算单元322,用于实施实施例1中的步骤S322,即根据行人的人数与初始位置分布计算每个网格的初始行人密度。
第二构建单元323,用于实施实施例1中的步骤S323,即构建基于网格密度的网格自适应变化规则。
第三构建单元324,用于实施实施例1中的步骤S324,即建立介观疏散模型并设置各个网格的动态场域DFF值。
所述第五构建单元33包括:
第六构建单元331,用于实施实施例1中的步骤S331,即根据网格内的行人密度构建行人密度的流动比率规则
第七构建单元332,用于实施实施例1中的步骤S332,即根据网格内的行人密度,并结合行人速度-密度规律建立行人密度的流动速度规则。
所述计算模块4包括:
第一模拟设置单元41,用于实施实施例1中的步骤S41,即根据建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布定义疏散场景的网格布局以及人员的初始分布;
第二模拟设置单元42,用于实施实施例1中的步骤S42,即初始化t=0时刻时的网格大小,初始化各个网格内的行人密度为初始行人密度,初始化网格的DFF值;
第一模拟执行单元43,用于实施实施例1中的步骤S43,即对于t>0时刻,根据网格内的行人密度,对网格进行自适应变化。
第二模拟执行单元44,用于实施实施例1中的步骤S44,即更新所有网格的DFF值;
第三模拟执行单元45,用于实施实施例1中的步骤S45,即行人密度从DFF值高的网格流动到DFF值低的相邻网格;
记录疏散过程中的疏散时间、疏散过程中的高密度区域和行人疏散路线;
返回至模拟执行单元43,直到疏散场景内的所有网格的行人的密度之和小于行人/m2。
需要说明的是,关于实施例2的各个模块执行操作的具体方式已经在有关该方法的实施例1中进行了详细描述,此处将不做详细阐述说明。
以上仅为本发明的优选实施例,并不用于限制本发明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (7)
1.一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,包括如下步骤:
步骤S1、获取建筑疏散场景的空间几何数据和行人的位置分布数据;
步骤S2、从建筑疏散场景的空间几何数据提取得到建筑疏散场景的几何尺寸和疏散出口宽度,从行人的位置分布数据提取得到行人的人数与初始位置分布信息;
步骤S3、利用步骤S2所提取到的建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布,建立介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则;
步骤S4、根据步骤S3所建立的介观疏散模型、行人密度的动态流动规则以及行人密度的流动完成规则进行疏散仿真模拟计算,得到疏散仿真模拟结果,
所述步骤S3中包括如下步骤:
步骤S31、根据建筑疏散场景的几何尺寸和疏散出口宽度将建筑疏散场景初始转换为均匀大小的平面的基础网格;
步骤S32、将基础网格转换为不同级别的网格,计算每个网格内的初始行人密度,构建网格自适应变化规则,采用不同级别的网格构建介观疏散模型并设置介观疏散模型中各网格的动态场域DFF值;
步骤S33、根据网格内的行人密度建立行人密度的流动比率规则;根据网格内的行人密度以及行人速度-密度规律建立行人密度的流动速度规则,所述行人速度-密度规律为:当网格内的行人密度增大时,流入该网格的行人速度降低;
步骤S34、根据行人密度的流动比率规则与行人密度的流动速度规则建立行人密度的动态流动规则;
步骤S35、建立行人密度的流动完成规则,
所述步骤S32包括如下操作:
步骤S321、将基础网格转换为不同级别的网格,不同级别的网格被命名为M0网格,M1网格,M2网格,... ,Mn网格,其中n表示最高级别的网格对应的序号,将基础网格指定为M0网格,限定Mm网格包含行数×列数为2m×2m的彼此相邻的M0网格,m表示除最高级别的网格以外,其他级别网格对应的序号,m∈{1,2,…,n-1};Mn网格包含行数×列数为2n×2n的彼此相邻的M0网格;
步骤S322、根据根据行人的人数与初始位置分布,得到各网格内初始行人的数量,然后根据各网格内初始行人的数量计算各网格初始行人密度,对于编号为i的网格,初始行人密度如以下公式所示:/>,
其中,为编号为i的网格内的行人的数量,/>为编号为i的网格的面积;
步骤S323,构建基于网格密度的网格自适应变化规则;
步骤S324,建立介观疏散模型并设置各个网格的DFF值,
所述步骤S323构建基于网格密度的网格自适应变化规则,包括如下步骤:
对于当前遍历的M0网格,
如果当前遍历的M0网格内的行人密度大于等于0且小于6.25(1-β),则判断当前遍历的M0网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)的M0网格,如果在当前遍历的M0网格周围存在3个M0网格能与当前遍历的M0网格组合成一个M1网格,则当前遍历的M0网格和这3个能合并的M0网格合并为M1网格,否则当前遍历的M0网格,继续维持为M0网格;
如果当前遍历的M0网格内的行人密度大于等于6.25(1-β)且小于等于6.25,则当前遍历的M0网格将继续维持为M0网格;
对于当前遍历的Mm网格,其中m∈{1,2,…,n-1},
如果Mm网格内的行人密度大于等于0且小于6.25(1-β)m+1,则判断当前遍历的Mm网格周围的8个网格中是否存在行人密度大于等于0且小于6.25(1-β)m+1的Mm网格,如果在当前遍历的Mm网格周围存在3个Mm网格能与当前遍历的Mm网格组成一个Mm+1网格,则当前遍历的Mm网格和这3个能合并的Mm网格合并为Mm+1网格;否则当前遍历的Mm网格,继续维持为Mm网格;
如果Mm网格内的行人密度大于等于6.25(1-β)m+1且小于6.25(1-β)m,则该Mm网格继续维持为Mm网格;
如果Mm网格内的行人密度大于等于6.25(1-β)m且小于等于6.25,则该Mm网格将分裂为多个Mm的子网格Mm-1网格;
对于当前遍历的Mn网格,
如果Mn网格内的行人密度大于等于0且小于6.25(1-β)n,则该Mn网格继续维持为Mn网格;
如果Mn网格内的行人密度大于等于6.25(1-β)n且小于等于6.25,则该Mn网格将分裂为多个Mn-1网格;
上述β为自适应变化敏感参数,0<β<1。
2.根据权利要求1所述一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,所述步骤S324中建立介观疏散模型并设置各个网格的DFF值的具体方法为:
设定墙和障碍物所占的网格的DFF值为∞;
对于没有被墙或障碍物占据的网格;首先设定出口所占的网格的DFF值为1;然后计算与具有DFF值的网格相邻的网格的DFF值;
如果一个网格的DFF值为D, 且水平或垂直方向上相邻的编号为i的网格内的行人密度为,则水平或垂直方向上相邻的网格的DFF预设值设置为/>;
如果一个网格的DFF值为D, 且对角线方向相邻的编号为i的网格内的行人密度为,则对角线方向上相邻的网格的DFF预设值设置为/>;
如果一个网格与多个具有DFF值的单元格相邻,则该网格的DFF值为所有DFF预设值中的最小值;
其中,α为动态场域值敏感参数,0 ≤ α ≤ 1。
3.根据权利要求2所述一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,所述步骤S33中行人密度的流动比率规则为:,
其中,j表示与编号为i的网格相邻的网格的编号,q ij 为编号为i的网格流入编号为j的网格的行人密度的流动比率,DFF i 和DFF j 分别是编号为i的网格的DFF值和编号为j的网格的DFF值,满足,k为与编号为i的网格相邻且DFF值小于编号为i的网格的DFF值的网格的数量,/>。
4.根据权利要求3所述一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,所述步骤S33中行人密度的动态流动速度规则为:,
其中,为流入编号为i的网格的行人密度的流动速度,/>为行人密度最大的流动速度,/>为网格内最大的行人密度,/>是编号为i的网格内的行人密度,/>为模型校对参数。
5.根据权利要求4所述一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,所述步骤S34行人密度的动态流动规则为:,
其中,为编号为i的网格在/>时刻下的行人密度;/>为编号为i的网格在/>时刻下的行人密度;S i 为编号为i的网格的面积;B in 是与编号为i的网格相邻,且DFF值大于编号为i的网格的DFF值的所有网格集合;/>为在t时刻下网格集合B in 中第x个网格内的行人密度;x表示网格集合B in 中网格的序号;/>为t时刻流入编号为i的网格的行人密度的流动速度;/>为网格集合B in 中第x个网格流入编号为i的网格的行人密度比率;/>为网格集合B in 中第x个网格与编号为i的网格相邻且接触部分的网格的长度;
B out 是与编号为i的网格相邻,且DFF值小于编号为i的网格的DFF值的所有网格集合;是在t时刻下可以流进网格集合B out 中第y个网格的行人密度的流动速度;y表示网格集合B out 中网格的序号;/>为编号为i的网格的行人密度流进到网格集合B out 中第y个网格的流动比率;/>为编号为i的网格与网格集合B out 中第y个网格相邻且接触部分的网格的长度;/>为疏散仿真模拟中两个相邻时刻的间隔时间。
6.根据权利要求5所述一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,所述步骤S35中行人密度的流动完成规则为:
计算时刻下建筑疏散场景内的所有网格的行人密度之和;当建筑疏散场景内的所有网格的行人密度之和小于/>行人/m2时,疏散仿真模拟过程结束,其中/>代表所有网格的面积之和。
7.根据权利要求6所述一种基于自适应网格的介观疏散模型的疏散仿真方法,其特征在于,所述步骤S4包括如下步骤:
步骤S41、根据建筑疏散场景的几何尺寸、疏散出口宽度、行人的人数与初始位置分布定义疏散场景的网格布局以及行人的初始分布,将疏散场景初始转换为均匀大小的平面的基础网格;
步骤S42、依据建筑疏散场景中不同位置的几何尺寸,且网格级别由高到低的优先顺序初始化t=0时刻的网格大小,t=0时刻的网格优先设置为Mn网格,初始化各个网格内的行人密度为初始行人密度,初始化网格的DFF值;
步骤S43、对于t>0时刻,根据网格内的行人密度,对网格进行自适应变化;
步骤S44、更新所有网格的DFF值;
步骤S45、行人密度从DFF值高的网格流动到DFF值低的相邻网格;
记录疏散过程中的疏散时间、疏散过程中的高密度区域和行人疏散路线;
返回至步骤S43,直到疏散场景内的所有网格的行人密度之和小于行人/m2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410158214.5A CN117688792B (zh) | 2024-02-04 | 2024-02-04 | 一种基于自适应网格的介观疏散模型的疏散仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410158214.5A CN117688792B (zh) | 2024-02-04 | 2024-02-04 | 一种基于自适应网格的介观疏散模型的疏散仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117688792A CN117688792A (zh) | 2024-03-12 |
CN117688792B true CN117688792B (zh) | 2024-05-10 |
Family
ID=90132431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410158214.5A Active CN117688792B (zh) | 2024-02-04 | 2024-02-04 | 一种基于自适应网格的介观疏散模型的疏散仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117688792B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933661A (zh) * | 2015-04-27 | 2015-09-23 | 山东科技大学 | 一种公共建筑物非均称安全通道的人群均衡撤离方法 |
CN109522651A (zh) * | 2018-11-16 | 2019-03-26 | 中电科新型智慧城市研究院有限公司 | 一种基于静态场和有偏行走的人群疏散模拟方法 |
CN110688749A (zh) * | 2019-09-19 | 2020-01-14 | 山东师范大学 | 一种人群疏散仿真方法及系统 |
-
2024
- 2024-02-04 CN CN202410158214.5A patent/CN117688792B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933661A (zh) * | 2015-04-27 | 2015-09-23 | 山东科技大学 | 一种公共建筑物非均称安全通道的人群均衡撤离方法 |
CN109522651A (zh) * | 2018-11-16 | 2019-03-26 | 中电科新型智慧城市研究院有限公司 | 一种基于静态场和有偏行走的人群疏散模拟方法 |
CN110688749A (zh) * | 2019-09-19 | 2020-01-14 | 山东师范大学 | 一种人群疏散仿真方法及系统 |
Non-Patent Citations (7)
Title |
---|
A modified floor field cellular automata model for pedestrian evacuation simulation;Guo, RY and Huang, HJ;《JOURNAL OF PHYSICS A-MATHEMATICAL AND THEORETICAL》;20080926;第41卷(第38期);385104 * |
A newly developed mesoscopic model on simulating pedestrian flow;Shi M, Lee E W M, Ma Y.;《Procedia engineering》;20181231;第211卷;614-620 * |
A novel grid-based mesoscopic model for evacuation dynamics[J]. Physica A: Statistical Mechanics and its Applications;Shi M, Lee E W M, Ma Y.;《Physica A: Statistical Mechanics and its Applications》;20181231;第497卷;198-210 * |
A review of cellular automata models for crowd evacuation;Li Y, Chen M, Dou Z, et al.;《Physica A: Statistical Mechanics and its Applications》;20191231;第526卷;120752 * |
The density-speed correlated mesoscopic model for the study of pedestrian flow;Shi M, Lee E W M, Ma Y, et al.;《Safety Science》;20211231;第133卷;105019 * |
基于介观元胞自动机的城市区域 人员疏散模拟方法;吕伟;汪京辉;房志明;毛盾;《物理学报》;20211231;第70卷(第10期);100706 * |
基于改进 A* 算法的多层邮轮疏散系统仿真;蒙盾, 胡卓, 张华军;《系统仿真学报》;20221231;第34卷(第6期);1375 * |
Also Published As
Publication number | Publication date |
---|---|
CN117688792A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112651059A (zh) | 一种基于人工智能的控规地块城市设计多方案生成方法 | |
Rodrigues et al. | An evolutionary strategy enhanced with a local search technique for the space allocation problem in architecture, Part 2: Validation and performance tests | |
CN108563867A (zh) | 一种基于OpenFOAM实现WRF和CFD耦合模拟风场的方法 | |
CN104462685B (zh) | 基于网格GIS和Floyd算法的输电线路设计方法 | |
CN107895031B (zh) | 建筑信息模型在三维数字城市场景中自适应动态调度方法 | |
CN110880717B (zh) | 基于设备和桥架定位数字化的电缆自动敷设方法 | |
CN114693064B (zh) | 一种建筑群方案生成性能评价方法 | |
CN112862090A (zh) | 一种基于深度时空神经网络的气温预报方法 | |
CN106651007A (zh) | 基于gru的光伏电站辐照度中长期预测的方法及装置 | |
CN106998556A (zh) | 一种构建无线网络业务分布地图的系统及实现方法 | |
CN107134141A (zh) | 考虑空间结构特征的大规模路网时空交通状态表达与分析方法 | |
CN110322038B (zh) | 基于中尺度数据的风机自动排布的方法和设备 | |
CN107220758A (zh) | 一种电网规划辅助系统 | |
Wortmann et al. | From optimization to performance-informed design | |
CN112954623A (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
CN117688792B (zh) | 一种基于自适应网格的介观疏散模型的疏散仿真方法 | |
CN116050460B (zh) | 基于注意力神经网络的气温数据空间插值方法 | |
TWI587222B (zh) | 基於類神經網路之水庫水位預測系統及方法 | |
CN115182398B (zh) | 一种地震预警区域的地下水位及地表沉降预测方法 | |
KR102480382B1 (ko) | 인공지능 기반 풍하중 산정 시스템 | |
Zhang et al. | A generative design method for the functional layout of town planning based on multi-agent system | |
Koltsova et al. | A case study of script-based techniques in urban planning | |
Montenegro et al. | Implementation in ALBERTA of an automatic tetrahedral mesh generator | |
TWI618016B (zh) | 水庫水位之預測顯示系統及方法 | |
CN110414172A (zh) | 一种动模组态监控管理方法和系统 |
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 |