基于图像和人工鱼群算法的建筑火灾动态疏散路径规划研究_贾科进.pdf

第4 0卷第1期河 北 工 业 科 技V o l.4 0,N o.12 0 2 3年1月H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g yJ a n.2 0 2 3 文章编号:1 0 0 8-1 5 3 4(2 0 2 3)0 1-0 0 3 3-1 0基于图像和人工鱼群算法的建筑火灾动态疏散路径规划研究贾科进1,李佳玥1,杜 云1,李飞飞1,张效玮2(1.河北科技大学电气工程学院,河北石家庄 0 5 0 0 1 8;2.石家庄市主导产业发展基金有限公司,河北石家庄 0 5 0 0 0 0)摘 要:为了解决大型建筑发生火灾时传统静态疏散系统无法根据火灾点和人员拥挤程度进行路径调整这一问题,提出了基于图像和人工鱼群算法的动态疏散路径规划方法。在栅格图上进行路径规划,通过将鱼群的最优解替换为可行解,使鱼群避免陷入局部最优和全局最优相互干扰的情况,并结合摄像头采集图像,通过人脸识别人数,判断当前路径是否拥挤,及时调整路径,从而确保规划出的路径可以避免堵塞,动态疏散人群。仿真实验结果表明,所提算法能够在相同时间内,规划出较蚁群算法路径更短,可避免陷入局部最优和死锁状态,根据拥挤程度及时改变路径,并能够在时间和空间双重约束的情况下实现人群动态疏散。因此,新算法在相同运行时间内可以规划出更短的路径,可以帮助火灾现场人群以更少时间、更短路径、更高效率的方式进行动态疏散。关键词:人工智能理论;路径规划;人工鱼群算法;建筑火灾;栅格法;人脸识别中图分类号:T P 3 9 1.9 文献标识码:A D O I:1 0.7 5 3 5/h b g y k j.2 0 2 3 y x 0 1 0 0 5收稿日期:2 0 2 2-0 2-1 4;修回日期:2 0 2 2-1 1-1 5;责任编辑:陈书欣基金项目:河北省重点研发计划项目(1 9 2 2 1 8 1 4 D,2 1 3 7 5 8 0 1 D);石家庄市科学研究与发展计划项目(2 1 1 1 3 0 1 4 3 A)第一作者简介:贾科进(1 9 7 9),男,河北石家庄人,副教授,博士,主要从事工业自动控制、物联网技术应用方面的研究。通信作者:杜 云教授。E-m a i l:y u n n y 7 5 0 31 6 3.c o m贾科进,李佳玥,杜云,等.基于图像和人工鱼群算法的建筑火灾动态疏散路径规划研究J.河北工业科技,2 0 2 3,4 0(1):3 3-4 2.J I A K e j i n,L I J i a y u e,DU Y u n,e t a l.R e s e a r c h o n d y n a m i c e v a c u a t i o n p a t h p l a n n i n g o f b u i l d i n g f i r e b a s e d o n i m a g e a n d a r t i f i c i a l f i s h s w a r m a l g o r i t h mJ.H e b e i J o u r n a l o f I n d u s t r i a l S c i e n c e a n d T e c h n o l o g y,2 0 2 3,4 0(1):3 3-4 2.R e s e a r c h o n d y n a m i c e v a c u a t i o n p a t h p l a n n i n g o f b u i l d i n g f i r e b a s e d o n i m a g e a n d a r t i f i c i a l f i s h s w a r m a l g o r i t h m J I A K e j i n1,L I J i a y u e1,DU Y u n1,L I F e i f e i1,Z HANG X i a o w e i2(1.S c h o o l o f E l e c t r i c a l E n g i n e e r i n g,H e b e i U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y,S h i j i a z h u a n g,H e b e i 0 5 0 0 1 8,C h i n a;2.S h i j i a z h u a n g L e a d i n g I n d u s t r y D e v e l o p m e n t F u n d C o m p a n y L i m i t e d,S h i j i a z h u a n g,H e b e i 0 5 0 0 0 0,C h i n a)A b s t r a c t:I n o r d e r t o s o l v e t h e p r o b l e m t h a t t h e t r a d i t i o n a l s t a t i c e v a c u a t i o n s y s t e m c a n n o t a d j u s t t h e p a t h a c c o r d i n g t o t h e f i r e p o i n t a n d p e r s o n n e l c o n g e s t i o n i n t h e c a s e o f l a r g e-s c a l e b u i l d i n g f i r e,a d y n a m i c e v a c u a t i o n p a t h b a s e d o n i m a g e a n d a r t i f i c i a l f i s h s w a r m a l g o r i t h m(A F S A)w a s p r o p o s e d.T h e a l g o r i t h m c a r r i e d o u t p a t h p l a n n i n g o n t h e g r i d m a p.B y r e p l a c i n g t h e o p t i m a l s o l u t i o n o f t h e f i s h s w a r m w i t h t h e f e a s i b l e s o l u t i o n,t h e f i s h s w a r m c o u l d a v o i d t h e i n t e r f e r e n c e b e t w e e n t h e l o c a l o p t i m a l a n d g l o b a l o p t i m a l.C o m b i n e d w i t h t h e i m a g e s c o l l e c t e d b y t h e c a m e r a,i t c o u l d j u d g e w h e t h e r t h e c u r r e n t p a t h w a s c r o w d e d o r n o t t h r o u g h f a c e r e c o g n i t i o n,a n d a d j u s t t h e p a t h i n t i m e,s o a s t o e n s u r e t h a t t h e p l a n n e d p a t h c a n a v o i d c o n g e s t i o n 河 北 工 业 科 技第4 0卷a n d e v a c u a t e t h e c r o w d d y n a m i c a l l y.E x p e r i m e n t a l r e s u l t s s h o w t h a t t h e a l g o r i t h m c a n p l a n a s h o r t e r p a t h t h a n a n t c o l o n y a l g o r i t h m i n t h e s a m e t i m e,a v o i d f a l l i n g i n t o l o c a l o p t i m i z a t i o n a n d d e a d l o c k s t a t e,c h a n g e t h e p a t h i n t i m e a c c o r d i n g t o t h e d e g r e e o f c o n g e s t i o n,a n d r e a l i z e d y n a m i c e v a c u a t i o n u n d e r t h e d o u b l e c o n s t r a i n t s o f t i m e a n d s p a c e.I n t h i s s t u d y,s h o r t e r p a t h c a n b e p l a n n e d w i t h i n t h e s a m e r u n n i n g t i m e,s o i t t h e c r o w d d y n a m i c e v a c u a t i o n w i t h l e s s t i m e,s h o r t e r p a t h a n d h i g h e r e f f i-c i e n c y.K e y w o r d s:a r t i f i c i a l i n t e l l i g e n c e t h e o r y;p a t h p l a n n i n g;A F S A;b u i l d i n g f i r e;g r i d m e t h o d;f a c e r e c o g n i t i o n 近年来,大型建筑物的设计愈加复杂,建筑火灾等安全隐患一直存在。一旦出现火情,建筑自身结构和材料的复杂性,烟气流动和风力作用,使得火势蔓延迅速、火灾扑救困难、人员撤离缓慢,而传统的静态疏散系统因为无法根据着火点信息和人员拥挤程度对路径进行及时调整,容易造成堵塞,无法引导人群快速逃生,延误最佳逃生时间。因此,动态疏散系统的研究对保障人员安全、快速有效疏散具有重要意义。近些年来,学者们对如何利用人群疏散系统更合理、更智能地进行路径规划1开展了大量的研究。P E L E C HA N O等2基于拥挤仿真模型,把应急疏散过程中人员受安全教育程度和个体相互协助对疏散效率的影响考虑进去,得到最优路径。A L I Z A D E H3提出一种动态的元胞自动机模型4来模拟在有障碍的空间下进行的疏散,分别考虑疏散人员的心理、出口位置、宽度和障碍物的位置等基本参数,认为疏散人员的初始分布在获得的结果中起重要作用。学者们还将遗传算法、D i j k s t r a算法5和蚁群算法6等智能优化算法引入建筑火灾疏散的路径规划研究中,不断对疏散模型进行改进优化。如张慧彬等7基于遗传算法的优化方法,采用自然数编码进行路径规划,确定轮盘赌算子、单点交叉算子和互换变异算子,然后通过数值实验模拟疏散,分析计算出最优路径。曹祥红等8提出了基于D i j k s t r a-A C O混合算法的应急疏散路径动态规划,先在算法迭代进程中利用经典D i j k s t r a算法依次通过路径相关节点,来生成初始次优路径,然后在初始路径的基础上,应用蚁群算法