基于模拟疏散的连体型宿舍楼预先分区引导疏散策略研究

为研究人员密集的连体型宿舍楼安全疏散问题,通过调查提出预先引导疏散的人员接受度原则,制定3种预先引导疏散策略,采用Pathfinder软件模拟某高校连体型宿舍楼的安全疏散情况,得出不采取预先引导疏散策略和采取不同预先引导疏散策略时,模拟疏散结果存在的差异。结果表明:人员可接受的预先引导疏散路径为最近距离路径或无视线阻碍的第2近距离路径;在不进行预先引导疏散时,疏散过程中各楼梯和出口的利用率差异较大;在进行预先引导疏散时,得出采用按楼梯宽度比例分区划分人数策略可有效提高建筑物的疏散效率。     

大型购物中心人员疏散引导模拟优化研究

紧急情况下,大型公共场所人员在疏散过程中往往慌不择路,导致疏散设施使用不均、疏散路径拥堵、疏散难度加剧。针对该问题,以出口和楼梯等疏散资源得到充分利用为目标,提出疏散路径优化的基本思想,运用EVACNET4建立建筑网络疏散模型,并以某大型购物中心为实例对象,开展“无路径优化、无疏散引导”和“有路径优化、有疏散引导”2种情景下的疏散过程模拟及对比分析,通过引导疏散实现路径优化方案和疏散效率的提升。研究结果表明:有路径优化和疏散引导的方案可实现更短的疏散时间、更均衡的出口利用率。     

多条件约束三维动态行人疏散路径优化方法

针对约束环境下的行人疏散路径选择问题,提出了三维动态行人疏散路径优化方法。通过元胞自动机模型的拓展建立了三维行人疏散网格模型和三维解空间,在此基础上,综合考虑行人视域、路径距离、行人空间分布等多条件约束。引入路径寻优方法(Ant Colony Algorithm)、改进的社会力模型、更新的启发函数和信息素,构建了新的行人路径选择与优化机制。仿真结果符合实际路径优化需求,模型算法平衡了各出口利用率,提高了行人整体疏散效率,为三维空间下的行人疏散路径优化问题的解决提供了新的思路和方案,生成的疏散路径信息有望反馈到地标系统中并有效指导突发情况下行人的路径选择。     

灾害大规模混合应急疏散研究

为提高城市在自然灾害发生后的大规模疏散效率,减少人员伤亡和财产损失,以总时间最短为上层目标函数,应急疏散路网利用率最大为下层目标函数,考虑道路的通行能力及应急交通管理部门对应急疏散产生的影响,建立一个双层人车应急混合疏散规划模型。鉴于模型的复杂性,采用粒子群算法对模型进行求解。算例结果表明:有应急交通部门统一管理的路网应急疏散的能力比自然路网应急疏散的能力高87.3%。     

医院智能应急疏散导航方法与物联网应用研究*

为解决大型复杂医院建筑紧急疏散下的路线指引问题,提出适合复杂空间结构的疏散拓扑地图自动生成方法,同时提出基于组合神经网络的疏散决策模型,以应对医院建筑中各种静态动态的危险源,基于该疏散指引方法,研发智能疏散导航物联网装置Nav-IoT。研究结果表明:该方法可实时采集医院多种危险情况,通过决策网络和多种物联网智能设备进行动态决策,并发出明确移动指引信号,能够有效提升疏散过程的安全度和效率,满足大型复杂医院建筑内的智能化、动态化的人员应急疏散需求。     

连体宿舍楼火灾模拟与安全疏散研究

为提高复杂连体宿舍楼的火灾应急疏散效率，以某高层连体复杂宿舍楼为例，运用PyroSim对该复杂连体宿舍楼发生火灾时的烟气蔓延特性以及不同楼体之间的相互影响进行模拟，运用Pathfinder对该宿舍楼的人员疏散进行仿真模拟。火灾模拟结果表明:连体宿舍楼中，连廊对整栋楼的安全至关重要，建议加强对连廊的消防管理。疏散模拟结果表明:中间连廊保持正常通行可以有效提高疏散效率；连体复杂宿舍楼不适合男女混住，应该根据建筑物结构合理安排居住人员；增加2～3层连廊，并设置可移动式外挂楼梯，同时确保发生紧急事故时应急疏散指导人员正确快速地引导人员进行疏散，可以有效提高疏散效率。研究方法和结果可为复杂连体宿舍楼的消防措施、建筑设计以及宿舍楼应急管理提供参考和借鉴。     

基于灾变的人群疏散避灾路径优化及应用

突发事件条件下的应急疏散是一个复杂的过程,不仅要考虑时间因素,而且要考虑疏散网络中各路段的受灾风险水平。因此,对于人群快速转移避灾路径的解算结果,不仅要求快速,还要求避灾。基于灾害预测的疏散路径优化理论模型,在求解时变灾害条件下,集成考虑实时与未来灾害影响的转移避灾路径优化算法。采用C#程序设计语言和Visual studio 2013平台,开发了进行模型算法实现的原型系统,并通过算例进行了说明。结果表明:在预先设置的灾害情景中,提出的模型算法可以提前规划出避开灾害且疏散时间较短的路径,为制定应急预案提供参考依据。     

基于蚁群算法的烟气中人员疏散路径选择优化

针对火灾烟气环境下的人员疏散问题,分析人员密度以及烟气能见度对疏散速度以及最佳疏散路径的影响。首先,得到烟气及人员密度对疏散速度的修正函数,并将该函数同蚁群算法的启发式信息函数进行耦合;其次,改进蚁群算法求解最佳路径的局限性,建立1种基于蚁群算法的人员疏散路径算法模型;最后,将算法模型应用于实例研究。研究结果表明:所提出的模型可较好地优化人员疏散路径,并进一步提高人员疏散效率。     

大型超市火灾人员疏散路径优化研究

针对常州某大型超市的实际建筑结构和人员分布情况,利用计算机进行火灾情况下的人员疏散模拟,得出疏散路径、出口人员流量、疏散时间及疏散设施的使用情况等相关数据。疏散过程中路径选择是影响疏散时间的重要因素,而人员对超市环境的熟悉程度又是影响路径选择的重要因素。进行路径优化时,若以超市店员作为疏散的动态引导人,采用方向式动态引导,将人员引导至模拟中使用率较低的出口和楼梯,进行人员分流,能够缩短疏散时间,进一步优化疏散路径。从疏散路径选择和人员管理方面提出一种针对该超市的更为高效的疏散方法。     

疏散路径受阻情况下的人员疏散模型及算法

建筑火灾中,随着火势的不断增大和烟气的不断增多,随时会有某条疏散路径因被火势或烟气封堵而不能正常通行的情况发生。针对此情况下的应急疏散问题,以待疏散人员全部完成疏散所需时间最短为目标,以结合疏散路径的通行能力合理分配待疏散人员为原则,运用Dijkstra算法对网络中的最短路径进行求解,并结合网络流控制的方法实现疏散人员的合理分配,建立了疏散路径受阻情况下的人员疏散模型,并提出了该模型的算法思想及算法步骤,最后结合算例进行了验证。验证结果表明,该模型及算法可行、有效,既可较好地避免因大量人员选择相同疏散路线而造成的拥堵,还提高了疏散网络的整体使用率,又有效缩短了人员的疏散所需时间。     

基于Revit的医院火灾人员疏散路径优化及智能诱导

为了充分保障大规模人群疏散安全目标的实现,进行Revit二次开发,构建建筑物节点状态数据智能提取系统,自动生成建筑物节点初始状态数据库,利用自适应蚁群算法,以全体待疏散人群完成安全疏散时间最短为优化目标,开发人群应急疏散路径优化及智能诱导模型。通过对有无疏散诱导情况下某医院火灾中人员完成疏散所需时间及各出口人员滞留情况的对比,结果表明,基于Revit的数据智能提取系统,改善了医院火灾人员疏散路径优化算法初始状态和边界条件的处理方案,显著提高了疏散优化算法的运行效率,在保障医患人员安全疏散的同时,有效避免了从众现象造成的个别出口拥堵现象。     

人员非均匀分布条件下的疏散引导方向优化算法研究

在紧急疏散中,疏散引导标识或疏散引导人能够帮助人员快速找到最近出口,有效减少疏散时间。疏散引导标识或人的引导方向一般是根据建筑布局情况预先进行设计,当前位置的引导方向指向最近的疏散出口。本文综合考虑了建筑布局及人员分布情况,提出了人员非均匀分布条件下的疏散引导方向优化算法。该算法以Togawa疏散时间经验公式作为估价函数,通过多次迭代的方法,求解疏散引导方向的优化值。以双出口的疏散场景为例,利用疏散软件Legion对优化前后疏散引导方向下的疏散时间进行了比较分析。结果表明,优化后的疏散引导方向能够引导人员充分利用疏散出口,疏散时间较仅考虑建筑布局所设计的疏散引导方向的模拟值降低了近四分之一,大大提高了疏散效率。     

教学楼火灾疏散的标识认知应对规律研究

为了研究逃生者在疏散标识引导下的火灾疏散效率与逃生认知应对规律,基于实地调研与问卷调查结果,采用Anylogic软件,对常规标识与增设标识2种教学楼火灾疏散情境进行仿真模拟。研究结果表明:在疏散过程中,增设标识能使各疏散出口的疏散时间相对持平,避免了常规疏散中通道过早闲置的现象;人流在一层教学楼的平均疏散时长缩短了约10%,显著缩短了整栋教学楼的疏散时间。据此火灾标识疏散仿真过程与人的认知反应提出了火灾疏散与标识认知应对规律模型。     

城镇油气管道事故应急疏散决策优化

为实现油气管道事故中城镇大规模应急疏散的智慧决策,构建基于改进的自适应蚁群算法的应急疏散路径优化模型,开发基于油气管道典型事故后果分析的城镇大规模应急疏散决策优化系统平台(LSSED)。LSSED在地理信息系统平台上,针对油气管道泄漏引起的扩散、喷射火、池火、BLEVE、蒸气云爆炸等典型事故进行事故后果分析,对疏散通道当量长度和疏散时间成本函数进行定量评价,实现大规模应急疏散方案的智慧决策和避难方案的全局优化。案例分析表明,LSSED平台实现了基于地理信息系统的典型事故时变环境信息和应急疏散路径优化算法的数据传递及系统集成,实现了基于事故后果分析的城镇大规模人群疏散路径和避难方案优化,可为城镇安全规划和应急管理提供参考和借鉴。     

考虑熟悉度与恐慌效应的人群引导疏散仿真算法研究*

为研究紧急情况下人群疏散行为特点,结合势场理论和多出口选择模型,建立考虑引导、熟悉度和恐慌效应的PFT-LMES人群疏散算法。通过搭建有障碍和无障碍2种室内场景,研究不同环境熟悉度以及行人密度下引导作用对人群疏散效果的影响。研究结果表明:引导作用能够提高疏散效率,平衡各出口利用率,引导效果随行人密度增加更加显著;总体疏散时间随引导强度的提高表现为先减小后增大;当接受引导的人数占总数的42%时,2出口各自选择人数与出口通行能力比例基本一致,引导效果达到最优;相对于环境熟悉度较高的人群,不熟悉环境行人的引导效果更为显著。研究结果可为大型场所的紧急高效疏散提供参考。     

基于改进蝴蝶算法和社会力模型的多出口疏散模型研究*

为提高多出口场景下行人疏散效率和精度,基于蝴蝶算法和社会力模型,提出一种新的应急疏散仿真路径规划方法。在原有社会力模型中,考虑距离出口远近及行人所处位置拥挤度对运动过程中期望速度的影响,引入速度调节因子,描述行人在疏散中的期望速度变化;针对蝴蝶算法中后期收敛速度慢和易陷入局部最优的缺陷,提出自适应感知概率参数以增强局部搜索和全局搜索之间的平衡;在每轮迭代结束时引入迭代局部搜索策略,扰动局部最优解获得中间状态,并重新搜索上述中间状态得到全局最优解。研究结果表明:提出的应急疏散仿真路径规划方法在多出口环境下能够更有效地利用出口资源,提高疏散效率。