智能疏散系统导向标志计算及疏散路径仿真

来源:用户上传      作者:

　　摘 要：为了解决大型综合建筑中智能疏散系统在火灾等突发情况发生时可根据复杂建筑结构规划出合理、安全的疏散路径问题，提出了一种基于改进A*算法的多起点、多出口路径规划方法。通过增加转弯惩罚值，结合火灾影响区域实时信息和火灾中心点的距离改进了估价函数，进而计算出最优疏散路径。依据搜索出的最优路径调整三维楼层地图中各个导向标志方向，从而引导不同位置人员从最优路径疏散逃生。仿真实验结果表明，在计算多起点、多出口疏散路径时，改进A*算法与传统Dijkstra算法和A*算法相比，搜索方向更加明确，路径更加平滑，搜索效率更高，运行时间更短，并能结合火灾信息保证疏散路径的安全性。该算法在求解大型综合建筑火灾安全疏散路径方面具有很好的应用前景。
　　关键词：人工智能理论;路径规划;栅格法;A*算法;Dijkstra算法;导向标志
　　中图分类号：TP391   文献标识码：A   doi：10.7535/hbkd.2020yx01005
　　Abstract： In order to solve the problem that the intelligent evacuation system in large-scale integrated buildings can plan a reasonable and safe evacuation path according to the complex building structure when the fire occurs， the multi-start multi-egress path planning method based on the improved A* algorithm is proposed. By increasing the turning penalty value， the real-time information of the fire affected area， and the distance of the fire center point are improved to improve the valuation function， and then the optimal evacuation path is calculated. According to the searched optimal path， the direction of each guiding mark in the three-dimensional floor map is adjusted， thereby guiding people at different positions to evacuate from the optimal path. The simulation experiments show that compared with the traditional Dijkstra algorithm and A* algorithm， the improved A* algorithm in calculating multiple starting points and multi-export evacuation paths has a clearer search direction， a smoother path， and a higher search efficiency and shorter running time， and combines fire information to ensure evacuation path security. The algorithm has a good application prospect in solving the fire safety evacuation path of large-scale integrated buildings.
　　Keywords：artificial intelligence theory; route plan; grid method; A* algorithm; Dijkstra algorithm; guide mark
　　 随着社会的快速发展，人员密集的场所不断增加，建筑物逐渐向高层化、智能化、多样化设计演变，这些要求导致建筑物日趋复杂。对于很多综合性建筑而言，其内部人员密集，结构复杂，一旦发生火灾等突发事件，楼内疏散系统就扮演了重要角色。传统的疏散系统路径较为固定，缺少灵活性，有时由于导向标志的误操作，还会误导人员向灾情严重的方向逃生，耽误最佳逃生时间。因此，可以根据火灾等突发事件的实时情况动态调整逃生路径的智能疏散系统应运而生。
　　逃生路径规划，是智能疏散系统中的重要环节之一。当火灾等突发情况发生时，系统根据火灾现场实时情况，动态计算最优逃生路径，从而引导人员准确、安全、快速地逃离危险区域，缩短逃生时间，减少人员和财产损失。目前，国内外学者在疏散路径优化方面进行了大量的研究，如邢志祥等[1]通过疏散模拟软件Pathfinder结合实际情况建立模型，对常州某大型超市进行了火灾情况下人员疏散模拟研究，提出针对该超市的一种更为合理的疏散路径;刘毅等[2]基于改进蚁群算法提出考虑火灾实时扩散的最短路径选择模型，可以在保证安全的前提下提供更合理的疏散路径;陈一洲等[3]基于灾害预测的疏散路径优化理论模型，集成考虑实时与未来灾害影响的转移避灾路径优化算法，进而规划出避开灾害且疏散时间较短的逃生路径;江奎东等[4]分析了人员密度以及烟气能见度对最佳疏散路径和疏散速度的影响，使用改进蚁群算法求解烟气中人员疏散的最佳路径;毛占利等[5]以结合疏散路径的通行能力合理分配待疏散人员为原则，建立了疏散路径受阻情况下的人员疏散模型。运用Dijkstra算法对最短路径进行求解。张蓉等[6]提出最优路径、动态调整、即时反馈的新思路，结合Floyd算法体系，实现了应急疏散路径实时動态的智能规划。 　　
　　综合以上成果，文献大多通过引入灾变模型、人员疏散模型或算法对疏散路径进行研究，而对于动态逃生导向标志的规划研究却不多，且大多为单起点、单出口的路径规划，而实际人员疏散时楼层中各个位置都存在疏散人员，且出口不唯一。因此，本文结合火灾现场实时情况，以提前远离火源，就近寻找出口为原则，使用改进A*算法计算三维环境下智能疏散系统中各个导向标志方向，从而引导人员快速安全疏散[7]。
　　1 问题描述及环境建模
　　1.1 问题描述
　　研究智能疏散系统中疏散导向标志的目的在于，当建筑物中发生火灾等突发情况时，智能疏散系统的检测装置根据各个楼层的火灾实时信息，计算出最优逃生路径。之后通过中间通讯设备控制各楼层中每个疏散导向标志的显示方向，逃生人员根据所处位置导向标志的显示方向逃生，可以达到快速、安全疏散的目的[8-10]。由于系统可根据火灾实时情况动态调整逃生路径，因此可提高逃生效率，减少人员和财产损失。智能疏散系统的路径规划，可以看作是一种全局路径规划。研究全局路径规划有如下条件：
　　 1）楼层地图环境已知，即每个楼层障碍物和墙壁位置确定;
　　 2）逃生人员随机分布在楼层中各个位置;
　　 3）逃生时仅考虑环境温度、有毒烟雾和人员密度3个火灾实时信息，且检测装置可以实时检测以上3个信息参数。
　　环境温度、有毒烟雾和人员密度对人员疏散时的影响如表1所示。
　　
　　1.2 三维地图模型建立
　　室内路径规划和室外路径规划地图建模的不同之处在于三维空间的不同。虽然维度相同，但是室外三
　　维地图大多为同一层面，只是不同区域的平面高度存在差异，障碍物分布可能处在多个不同水平面。而室内三维地图由于楼层内部的特殊性，会出现多个楼层平面，但是每个平面内的障碍物基本处在同一个水平面内。因此，本文为了简化地图模型没有采用空间等分网格法，而是将每个楼层看作一个二维栅格平面[11-13]。首先取一点作为坐标原点，之后在笛卡尔坐标系o-xyz下创建不同高度的二维栅格平面。运用栅格法将各个楼层和障碍物的情况栅格化，可行区域用白色栅格表示，障碍物和墙壁用立方体表示，楼梯用斜平面表示，各楼层出口通过楼梯节点把相邻楼层地图相互连接起来，建立楼层内部完整的三维路径图。与传统的方法相比，简化了划分空间等分网格，同时也减少了特征点的提取，进而简化了三维拓扑模型连接。建立的某楼层三维模型地图如图1所示。
　　2 A*算法改进设计
　　2.1 A*算法基本原理
　　A*算法是以Dijkstra算法（简称D算法）为基础的典型启发式算法，一般用于全局路径规划。其基本原理是在搜索路径的过程中不停地寻找估价函数最小的节点，使得搜索过程能够沿着最优路径方向行进，进而减小了搜索的节点数量。其中每个节点的估价函数f（n）如式（1）所示。f（n）=g（n）+h（n）， （1）式中：g（n）为初始节点到节点n的代价值;h（n）为当前节点n到目标节点的预估代价值，其一般表示为曼哈顿距离、对角线距离或欧几里得距离等形式，本文使用欧式距离。
　　A*算法有2个列表：open列表和closed列表。open列表是用来存储将要探索的节点，closed列表被用作存储已经搜索完成的节点。在运行A*算法时，初始点加入open列表中，并以f（n）为标准，从open列表中选出代价值最小的节点存入colsed列表中，同时在open列表中删掉。对当前节点所有可以到达的节点进行判断：如果这个节点在close列表中就跳过;否则，当这个节点不在open列表中就把他加入其中，让其父指针指向这个节点，当这个节点存在于open列表中，就计算出其g值大小。如果比之前g值小，说明这个节点满足条件，修改这个节点的父指针指向新节点，同时计算出新的g值和f值，把open列表中的f值重新排序。重复上述步骤，直到在close列表中探索到目标节点，搜索路径完成，最后父指针由目标点回到起始点，得出最小成本路径[14-16]。
　　2.2 改进A*算法
　　 虽然传统的A*算法已经在路径规划中广泛应用，但其存在搜索出的路径转弯次数较多、路径不够平滑的问题。且传统路径规划一般为单起点、单出口，而实际人员疏散时地图中各个位置都存在疏散人员，出口不唯一，即多起点、多出口的路径规划。因此，本文以A*算法为基础并结合火灾发生的实际情况，提出一种适合疏散路径的改进A*算法，通过计算疏散路径，调整各楼层导向标志，引导人员合理、快速逃生[17-19]。
　　2.2.1 估价函数改进
　　 由于传统A*算法规划出的路径转弯次数较多，在实际计算疏散路径时容易导致逃生者行进速度减慢，在慌乱情况下可能会迷失方向。加之发生火灾时路径上的人员密度、有毒烟雾、环境温度都会对逃生人员产生影响，因此本文對传统的估价函数进行改进。改进后的估价函数见式（2）。f（n）=g（n）+h（n）+a·k（n）+b·z（n），（2）式中：g（n）为初始节点到任意节点n的代价值;h（n）为从当前节点n到目标节点与到火灾中心点欧式距离的差;k（n） 为当前节点火灾综合信息评价函数;z（n） 为当前节点路径转向成本评价函数。为统一单位，需将k（n）和z（n）转化为g（n）和h（n）所代表的距离信息，为此，将k（n）和z（n）分别乘以惩罚系数a和b。h（n）=（xn-xg）2+（yn-yg）2-c·（xn-xj）2+（yn-yj）2，（3）式中：xg为目标点横坐标;yg为目标点纵坐标;xn为当前节点n横坐标;yn为当前节点n纵坐标;xj为火灾中心点横坐标;yj为火灾中心点纵坐标;c为对应系数。k（n）=ms（n）+ws（n）+ts（n） ， （4）式中：m（n）为当前节点人员密度;w（n）为当前节点有毒烟雾;t（n）为当前节点环境温度;s为对应等级。 　　通过以上改进，引入了火灾综合信息和转弯次数2个评价函数，有效减少了路径的转弯次数，保证了路径与火灾中心的安全距离，同时避开了受火灾影响的路径，保证人员快速、安全地进行疏散。
　　2.2.2 最优路径筛选
　　疏散时楼层中各个位置都存在疏散人员，且出口不唯一，属于多起点、多出口的路径规划，因此，本文首先将楼层各个路口处放置疏散导向标志，然后分别以每个导向标志为起点，所在楼层各个出口为终点，使用本文算法进行多出口路径规划，最后对规划出的各个路径进行筛选，选取最优路径作为疏散路径[20-21]。
　　2.3 导向标志方向选择
　　设定导向标志可以显示4个方向，如图2所示，由所选路径得出导向标志方向，如图3所示。以导向标志所在节点n为起点，所行进至的下一节点n+1为终点，黑色区域为障碍物，阴影区域为算法规划出的最优路径，黑色箭头方向为行进方向。示例中得出的导向标志显示方向为S。
　　
　　2.4 改进A*算法的流程图
　　改进A*算法结合火灾实时信息计算出各个疏散位置对应不同出口的疏散路径，然后对不同疏散路径进行筛选以选出最优路径，根据最优路径计算导向标志方向，从而引导楼层各个位置的人员安全、快速逃生。具体改进A*算法流程图如图4所示。
　　3 仿真与分析
　　3.1 算法仿真
　　为验证改进算法，使用Matlab2016为实验平台对其进行仿真实验。在二维栅格地图内分别在未发生火灾和发生火灾时对D算法、A*算法与改进算法进行仿真对比。设定栅格地图大小为50*50，其中白色为可行区域，黑色为障碍物区域，深灰色为搜索区域，浅灰色线为算法计算出的最优路径（从起点至出口的灰线），圆圈代表着火位置，加号代表此处存在有毒烟雾或温度异常情况，三角表示此路径上人员密度过高。未发生火灾时3种算法搜索出的疏散路径如图5—图7所示，发生火灾时3种算法计算出的疏散路径如图8—图10所示。
　　
　　由图5—图7可知，当未发生火灾时，传统D算法和A*算法虽然搜索出的最优路径相同，但是D算法的搜索区域明显多于A*算法，因此导致其搜索速度慢于A*算法。而改进后的A*算法虽然搜索出的最优路径与传统的D算法和A*算法相比长了一点，但其搜索区域比前两者小很多，搜索速度更快，搜索出的最优路径转弯次数也更少，使得人员寻找逃生路径时更为容易，提高了逃生成功率。
　　由图8—图10可知，当发生火灾时，改进后的A*算法搜索区域减少，搜索速度快，得出的最优路径转弯次数少，同时会绕过有毒烟雾、温度异常和人员密集区域，并与着火位置保持一定安全距离，在提高了逃生效率的同时保证了逃生人员的安全性。
　　根据改进算法计算出的最优路径控制导向标志的方向。未发生火灾时，各楼层导向标志显示和三维楼层导向标志显示如图11—图14所示。楼层中白色区域为可行区域，三角为所在位置导向标志的方向指示，每个楼层有4个出口，各导向标志根据自身位置指向最近出口，指引人员安全疏散。
　　
　　 设定三楼有两处地点发生火灾，黑球体代表着火位置，加号代表此处存在有毒烟雾或温度异常情况，三角表示此路径上人员密度过高。使用改进算法控制着火时三楼导向标志的显示和整体三维楼层导向标志显示，如图15、图16所示。由于一层和二层并未发生火灾，因此其导向标志方向不变。
　　
　　3.2 人群疏散仿真
　　 为验证使用动态疏散导向标志对人员疏散时的作用，使用Pathfinder软件对发生火灾的楼层进行人群疏散仿真。Pathfinder由美国Thunderhead engineering公司研发，是基于进、出和人员运动的仿真模拟器。其可提供三维可视化分析结果和用户界面模拟设计，能计算每名疏散人员的独立运动。楼层结构模型与之前建立的楼层三维模型相同，尺寸为100 m×100 m，每层随机分布300人，火灾发生地点同样在三楼。三楼仿真地图和整体三维楼层仿真地图如图17、图18所示。
　　
　　 当三楼发生火灾时，设定楼内人员撤离速度为3 m/s，人员在静态标志引导下疏散路径和人员撤离时间如图19、图20所示。其中箭头表示了静态标志显示方向，拥挤区域已标出，着火位置与之前Matlab仿真时相同。
　　
　　由图19可知，由于静态导向标志不能实时更新火灾信息，使得部分逃生者跟随导向标志的错误引导，在出口2火灾区域附近出现大面积路径折返和拥堵，同时，因逃生通道较窄，距离火源较近，逃生人员在出口4附近出现等待、拥堵等情况，这大大降低了逃生效率和逃生人员安全性。图20显示楼内人员完全疏散时间为118 s。
　　基于动态逃生系统，使用改进算法计算出的导向标志引导人员疏散，其他参数不变，人员疏散路径和撤离时间如图21、图22所示。
　　
　　由仿真可知，在其余参数不变的情况下，改进算法结合火灾实时信息和路径拥堵情况，计算出楼内各个疏散导向标志的方向，引导人员快速、安全撤离到安全区域。從图21可知，人员在疏散时并没有出现路径折返和人员等待、拥堵的情况。由图22可知，楼内人员完全疏散时间为101 s，与图20相比疏散时间更快、效率更高。疏散路径避开了火灾区域，保证了与火灾中心的距离，使人员在疏散时更加安全。
　　4 结 语
　　本文使用Matlab软件对大型综合建筑智能疏散系统中的导向标志方向判断进行了仿真研究，将火灾发生位置等实时信息和路径转向成本引入A*算法的估价函数，从而对算法进行了改进。改进算法降低了搜索时间和路径转弯次数，与传统D算法和A*算法相比，运算速度更快，搜索路径更合理。通过使用模拟疏散软件Pathfinder对火灾情况下静态导向标志和动态导向标志引导人员疏散的情况进行模拟分析和对比，可知改进算法计算出的动态导向标志引导人员疏散使得逃生时间更短、效率更高，同时逃生路径避开了火灾区域，使人员在疏散时更加安全。本文仅通过仿真软件对导向标志和人员疏散情况进行了模拟，未来还需在实际环境中进一步验证和改进本文算法。 　　参考文献/References：
　　[1] 邢志祥，丁芙蓉，唐亮，等.大型超市火灾人员疏散路径优化研究[J].安全与环境学报，2015， 15（2）：167-173.
　　XING Zhixiang， DING Furong， TIANG Liang， et al. Study on fire evacuation route optimization in large supermarket[J]. Journal of Safety and Environment， 2015， 15（2）： 167-173.
　　[2] 刘毅，沈斐敏.考虑灾害实时扩散的室内火灾疏散路径选择模型[J].控制与决策，2018， 33（9）：1598-1604.
　　LIU Yi， SHEN Feimin. Route selection model in indoor evacuation under real effect of fire spread[J]. Control and Decision， 2018， 33（9）： 1598-1604.
　　[3] 陳一洲，尹浩东，孙旋，等.基于灾变的人群疏散避灾路径优化及应用[J].中国安全生产科学技术，2018， 14（10）：25-31.
　　CHEN Yizhou， YIN Haodong， SUN Xuan， et al. Optimization and application of escape path for crowd evacuation based on cataclysm[J]. Journal of Safety Science and Technology， 2018， 14（10）： 25-31.
　　[4] 江奎东，毛占利，陈浩楠，等.基于蚁群算法的烟气中人员疏散路径选择优化[J].中国安全生产科学技术，2018， 14（11）：133-137.
　　JIANG Kuidong， MAO Zhanli， CHEN Haonan，et al. Optimization of evacuation route selection for personnel in smoke environment based on ant colony algorithm[J]. Journal of Safety Science and Technology， 2018， 14（11）： 133-137.
　　[5] 毛占利，刘畅.疏散路径受阻情况下的人员疏散模型及算法[J].安全与环境学报，2017， 17（5）：1873-1878.
　　MAO Zhanli， LIU Chang. Evacuation model and the algorithm on the condition of the urgent obstructed evacuation route[J]. Journal of Safety and Environment， 2017， 17（5）： 1873-1878.
　　[6] 张蓉，陈佳俊，顾向涛，等.智能应急疏散路径规划系统的实现[J].江苏科技大学学报（自然科学版），2016， 30（2）：189-193.
　　ZHANG Rong， CHEN Jiajun， GU Xiangtao， et al. Realization of intelligent emergency evacuation route planning system[J]. Journal of Jiangsu University of Science and Technology （Natural Science Edition）， 2016， 30（2）： 189-193.
　　[7] LIU Hong， XU Bin， LU Dianjie， et al. A path planning approach for crowd evacuation in buildings based on improved artificial bee colony algorithm[J]. Applied Soft Computing， 2018， 68： 360-376.
　　[8] 宋冰雪，吴宗之，谢振华.考虑导向标志影响的行人疏散模型研究[J].中国安全科学学报，2011， 21（12）：27-33.
　　SONG Bingxue， WU Zongzhi， XIE Zhenhua. Study on occupant evacuation model considering influence of direction sign[J]. China Safety Science Journal， 2011， 21（12）： 27-33.
　　[9] 岳昊，邵春福，关宏志，等.大型行人步行设施紧急疏散标志设置[J].北京工业大学学报，2013， 39（6）：914-919.
　　YUE Hao， SHAO Chunfu， GUAN Hongzhi， et al. Location method of emergency evacuation signs in large pedestrian facilities[J]. Journal of Beijing University of Technology， 2013，39（6）：914-919.
　　[9] GUILLOT B， SATOR N. Carbon dioxide in silicate melts： A molecular dynamics simulation study[J]. Geochimica et Cosmochimica Acta， 2011， 75（7）： 1829-1857. 　　[10]  RAN Haichao， SUN Lihua， GAO Xiaozhi. Influences of intelligent evacuation guidance system on crowd evacuation in building fire[J]. Automation in Construction， 2014， 41： 78-82.
　　[11]  林浩嘉，罗文斐.多层建筑空间的分层最优路径算法实现[J].地球信息科学学报，2016，18（2）：175-181.
　　LIN Haojia， LUO Wenfei. Hierarchical optimal path algorithm based on multi-storey building space[J]. Journal of Geo-information Science， 2016， 18（2）： 175-181.
　　[12]  吕伟，穆治国，刘丹.大型购物中心人员疏散引导模拟优化研究[J].中国安全生产科学技术，2019，15（5）：136-141.
　　LV Wei， MU Zhiguo， LIU Dan. Study on optimal simulation of pedestrian evacuation guidance in large shopping mall [J]. Journal of Safety Science and Technology， 2019， 15（5）： 136-141.
　　[13]  黃雅平，杜建庚，陈恩义.楼宇三维路径模型的自动生成算法[J].北京交通大学学报，2010，34（2）：79-83.
　　HUANG Yaping， DU Jiangeng， CHEN Enyi. Construct three-dimensional route from blueprint image of building[J]. Journal of Beijing Jiaotong University， 2010， 34（2）： 79-83.
　　[14]  王维，裴东，冯璋.改进A*算法的移动机器人最短路径规划[J].计算机应用，2018，38（5）：1523-1526.
　　WANG Wei， PEI Dong， FENG Zhang. The shortest path planning for mobile robots using improved A* algorithm[J]. Journal of Computer Applications， 2018， 38（5）： 1523-1526.
　　[15]  陈若男，文聪聪，彭玲，等.改进A*算法在机器人室内路径规划中的应用[J].计算机应用，2019， 39（4）：1006-1011.
　　CHEN Ruonan， WEN Congcong， PENG Ling， et al. Application of improved A* algorithm in indoor path planning for mobile robot[J]. Journal of Computer Applications， 2019， 39（4）： 1006-1011.
　　[16]  朱云虹，袁一.基于改进A*算法的最优路径搜索[J].计算机技术与发展，2018， 28（4）：55-59.
　　ZHU Yunhong， YUAN Yi. Optimal path search based on improved A* algorithm[J]. Computer Technology and Development， 2018， 28（4）： 55-59.
　　[17]  XIE Lei， XUE Shuangfei， ZHANG Jinfen， et al. A path planning approach based on multi-direction A* algorithm for ships navigating within wind farm waters[J]. Ocean Engineering， 2019， 184： 311-322.
　　[18]  SONG Rui， LIU Yuanchang， RICHARD B. Smoothed A* algorithm for practical unmanned surface vehicle path planning[J] Applied Ocean Research， 2019， 83： 9-20.
　　[19]  FU Bing， CHEN Lin， ZHOU Yuntao， et al. An improved A* algorithm for the industrial robot path planning with high success rate and short length[J]. Robotics and Autonomous Systems， 2018， 106： 26-37.
　　[20]  郑霞忠，蔡莉莉，张明，等.多出口条件下应急疏散路径优化模型[J].中国安全科学学报，2019， 29（3）：180-186.
　　ZHENG Xiazhong， CAI Lili， ZHANG Ming， et al. Emergency evacuation path optimization model under multi-export conditions[J]. China Safety Science Journal， 2019， 29（3）： 180-186.
　　[21]  MARIN L， STEFANO G. Centrality measures for evacuation： Finding agile evacuation routes[J]. Future Generation Computer Systems， 2018， 83： 401-412.
转载注明来源:https://www.xzbu.com/1/view-15136443.htm