一种人群疏散路径规划方法、系统、设备及介质

本发明涉及路径规划领域，特别是涉及一种人群疏散路径规划方法、系统、设备及介质。

背景技术：

1、在火灾条件下，火焰蔓延及火灾烟气扩散聚集会使建筑内部分疏散路径的安全性降低或无法通行，从而延误疏散，给受困人员造成致命的后果。从现有的地铁站实际疏散视频可以看出，在紧急情况下人员不得不进行疏散但又对建筑内的结构不了解时，即使其他出口可能更安全、更容易到达，他们也会跑向他们进入建筑时的出口。这说明在紧急情况下人们会丧失适应周围环境的能力，很难在短时间内了解周围信息，这表明影响人群疏散效率和安全性的根本原因是行人不能及时获取安全的疏散路径。因此当建筑物发生火灾后，如何在建筑火灾的复杂环境下规划出安全、有效的疏散路线，是正确引导人员疏散、减少人员伤亡的重要保障。

2、目前，已有很多路径规划算法被提出并应用于人员疏散，但这些疏散路径算法多为静态寻径方法，在火灾发生时无法根据火灾蔓延情况调整疏散路径，导致疏散指挥决策的盲目性和滞后性，也使得被困人员可能无法成功逃生。

3、面向建筑火灾场景下的疏散路径规划有别于传统路径规划。根据建筑内火灾信息等，对影响人群安全疏散的因素进行度量与分析，结合相关路径规划算法及时向站内人群提供科学合理的疏散路径，将有助于解决这些问题。

4、目前，人群疏散路径规划中使用的算法主要有dijkstra算法、蚁群算法、人工势场算法等。dijkstra算法是一种经典的最短路径算法，具备广度优先搜索算法和堆的概念，其优点是搜索度高，在存在最短路径的情况下，可以稳定得到结果，但是搜索度高也意味着计算量大、搜索时间长。蚁群算法来源于对蚁群觅食行为的学习，是一种智能仿生算法，由于是并行计算，则易于实现，但存在不是全局最优解的可能性。人工势场算法算法为障碍物设置排斥场，为目标点设置引力场，通过梯度下降的方法到达目标点，但缺点是可能陷入局部死循环，无法得到最优解。因此，如何精确快速的规划人群疏散路径(即人群最佳逃生路线)成为目前亟待解决的问题。

技术实现思路

1、基于此，本发明实施例提供一种人群疏散路径规划方法、系统、设备及介质，以精确快速的规划人群疏散路径。

2、为实现上述目的，本发明实施例提供了如下方案：

3、一种人群疏散路径规划方法，包括：

4、获取目标建筑的二维平面信息图、疏散信息和火灾烟气数据；所述疏散信息包括：火源位置、人群分布信息和安全出口信息；所述火灾烟气数据包括：烟气温度、烟气能见度和co浓度；

5、根据二维平面信息图，采用栅格法对所述目标建筑进行栅格化处理，将所述目标建筑中的可通行区域标注为空白网格，将所述目标建筑中的建筑结构区标注为障碍网格，得到建筑栅格模型；

6、根据所述疏散信息确定所述建筑栅格模型中的火源位置、疏散起点和疏散终点，并将火源位置所在的网格标注为障碍网格；

7、根据所述火灾烟气数据确定所述建筑栅格模型中各个网格的网格属性；所述网格属性表征网格所在区域的火灾烟气数据随时间的变化情况；

8、根据所述网格属性计算所述建筑栅格模型中各个网格的火灾风险成本；所述风险成本表征火灾烟气对人员的疏散影响程度；

9、根据所述建筑栅格模型、所述疏散起点、所述疏散终点和所述火灾风险成本，采用a星算法确定所述疏散起点到所述疏散终点的最优人群疏散路径；所述a星算法中的代价函数是根据所述火灾风险成本确定的；所述最优人群疏散路径为代价函数最小时对应的所述疏散起点到所述疏散终点的人群疏散路径。

10、可选地，根据所述建筑栅格模型、所述疏散起点、所述疏散终点和所述火灾风险成本，采用a星算法确定所述疏散起点到所述疏散终点的最优人群疏散路径，具体包括：

11、根据所述建筑栅格模型、所述疏散起点、所述疏散终点和所述火灾风险成本，采用a星算法经过多次迭代确定所述疏散起点到所述疏散终点之间的多个最优路径点，将疏散起点、最优路径点和疏散终点依次连接得到最优人群疏散路径；

12、其中，第n次迭代的过程包括：

13、将第n-1次迭代得到的最优路径点确定为第n次迭代的当前节点，n＞1；其中，第1次迭代的当前节点为疏散起点；

14、在所述建筑栅格模型中搜索第n次迭代的当前节点所有邻接的网格，得到第n次迭代的邻接网格集；

15、根据第n次迭代的邻接网格集中各个网格的火灾风险成本，计算第n次迭代的邻接网格集中各个网格的代价函数；

16、将第n次迭代的邻接网格集中代价函数最小的网格确定为第n次迭代的最优网格，并将第n次迭代的最优网格的中心点作为第n次迭代的最优路径点；

17、判断第n次迭代的最优路径点是否为疏散终点；

18、若是，则将疏散起点、最优路径点和疏散终点依次连接得到最优人群疏散路径，否则进行第n+1次迭代。

19、可选地，根据所述网格属性计算所述建筑栅格模型中各个网格的火灾风险成本，具体包括：

20、对于任一网格，根据所述网格属性确定火灾烟气影响函数；

21、根据所述火灾烟气影响函数和人员在无火灾情况下的移动速度，计算人员在火灾影响下的等效疏散速度；

22、根据人员在无火灾情况下的移动速度、人员在火灾影响下的等效疏散速度和人群疏散路径的实际几何长度，计算火灾烟气影响下的人群疏散路径的等效长度；

23、根据火灾烟气影响下的人群疏散路径的等效长度和人群疏散路径的实际几何长度，计算网格的火灾风险成本。

24、可选地，所述火灾烟气影响函数的计算公式为：

25、fxy(t,kc,ρco)＝rxy(t)×rxy(kc)×rxy(ρco)；

26、其中，fxy(t,kc,ρco)表示火灾烟气影响函数；t表示网格(x，y)处的烟气温度；kc表示网格(x，y)处的烟气能见度；ρco表示网格(x，y)处的co浓度；rxy(t)表示烟气温度影响函数；rxy(kc)表示烟气能见度影响函数；rxy(ρco)表示co浓度影响函数；

27、所述人员在火灾影响下的等效疏散速度的计算公式为：

28、vt＝v0×fxy(t,kc,ρco)；

29、其中，vt表示t时刻人员在火灾影响下的等效疏散速度；v0表示人员在无火灾情况下的移动速度；

30、所述火灾烟气影响下的人群疏散路径的等效长度的计算公式为：

31、

32、其中，lt表示t时刻火灾烟气影响下的人群疏散路径的等效长度；l表示人群疏散路径的实际几何长度；

33、所述火灾风险成本的计算公式为：

34、

35、其中，ξ(t)为t时刻网格(x，y)的火灾风险成本。

36、可选地，所述代价函数的计算公式为：

37、f(p[i])＝g(p[i])+h(p[i])；

38、其中，f(p[i])表示当前网格p[i]的代价函数；g(p[i])表示疏散起点到当前网格p[i]的实际代价函数；h(p[i])表示当前网格p[i]至疏散终点的预估代价函数；

39、

40、其中，k表示指从当前网格p[i]到疏散起点的路径点的数量；l(n)表示第n-1个路径点到第n个路径点的火灾烟气影响下的等效长度；ξ(n)表示第n个路径点处网格的火灾风险成本；l(n)表示第n-1个路径点到第n个路径点的实际几何长度；

41、

42、其中，xp[i]表示当前网格p[i]的横坐标；yp[i]表示当前网格p[i]的纵坐标；xp[dest]表示疏散终点的横坐标；yp[dest]表示疏散终点的纵坐标。

43、本发明还提供了一种人群疏散路径规划系统，包括：

44、数据获取模块，用于获取目标建筑的二维平面信息图、疏散信息和火灾烟气数据；所述疏散信息包括：火源位置、人群分布信息和安全出口信息；所述火灾烟气数据包括：烟气温度、烟气能见度和co浓度；

45、建筑栅格模型构建模块，用于根据二维平面信息图，采用栅格法对所述目标建筑进行栅格化处理，将所述目标建筑中的可通行区域标注为空白网格，将所述目标建筑中的建筑结构区标注为障碍网格，得到建筑栅格模型；

46、路径起终点确定模块，用于根据所述疏散信息确定所述建筑栅格模型中的火源位置、疏散起点和疏散终点，并将火源位置所在的网格标注为障碍网格；

47、网格属性确定模块，用于根据所述火灾烟气数据确定所述建筑栅格模型中各个网格的网格属性；所述网格属性表征网格所在区域的火灾烟气数据随时间的变化情况；

48、火灾风险成本计算模块，用于根据所述网格属性计算所述建筑栅格模型中各个网格的火灾风险成本；所述风险成本表征火灾烟气对人员的疏散影响程度；

49、最优路径确定模块，用于根据所述建筑栅格模型、所述疏散起点、所述疏散终点和所述火灾风险成本，采用a星算法确定所述疏散起点到所述疏散终点的最优人群疏散路径；所述a星算法中的代价函数是根据所述火灾风险成本确定的；所述最优人群疏散路径为代价函数最小时对应的所述疏散起点到所述疏散终点的人群疏散路径。

50、本发明还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的人群疏散路径规划方法。

51、本发明还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的人群疏散路径规划方法。

52、根据本发明提供的具体实施例，本发明公开了以下技术效果：

53、本发明实施例考虑了火灾烟气数据，根据火灾烟气数据确定建筑栅格模型中各个网格的网格属性，并根据网格属性计算建筑栅格模型中各个网格的火灾风险成本，根据火灾风险成本确定a星算法中的代价函数；根据建筑栅格模型，采用改进型的a星算法(考虑了火灾风险成本的代价函数)确定疏散起点到疏散终点的最优人群疏散路径，能精确快速的规划人群疏散路径。