多出口建筑人员疏散模型与算法

针对在火灾烟气和路径容量限制条件下多出口的疏散问题,建立了一个启发式算法与网络流控制结合的疏散模型,该模型以疏散网络中全体人员完成疏散时间最短作为目标,将待疏散人员以合理的方式分配到对应的路线中。该算法考虑到受路径容量的约束,不断更新疏散网络循环查找最优路径,得出疏散网络的最优疏散路径组、疏散时间及路径上的疏散人数。通过实例计算验证了算法的可行性与有效性,并探究了当求解实际参与路径式不成立的情况下确定最优疏散方案的方法。

多出口疏散路线规划算法的应用与改进

针对结构复杂的大型建筑,设计良好的紧急情况的人员疏散方案对于减少灾难发生时的人员伤亡具有重要的意义。为了使疏散路径规划算法对具体的建筑结构更具针对性,在多出口疏散算法的基础上,提出多出口单路线疏散方法。该方法在多出口疏散算法的基础上进行了进一步地改进和提高,使其更具有实际意义。首先,对于具体的建筑结构,建立图模型,并添加相关属性来更好地模拟真实情况。然后,为了给出具体的疏散路线,对图模型进行处理,使得每一个区域与每一个逃生出口之间最多有一条路径。最终,利用改进的多出口疏散算法计算出每个区域应该采取的逃生路线。该算法可应用于不同复杂建筑的疏散路线规划。

一种基于多出口环境的人群疏散改进模型

为有效提高多出口环境下人群疏散的模拟精度,基于社会力模型和粒子鸽群算法,建立一种新的人群疏散模型;该模型改进传统社会力模型中影响行人运动的自驱力方向,利用场域模型来获得行人的运动方向,同时将此方向作为社会力模型中自驱力方向;结合场域值、平均速度和拥挤度提出多出口环境下的疏散优化模型,并通过粒子鸽群算法对上述优化模型实现快速求解。结果表明:随着人群密度的增加,平均疏散速度呈现出先降低后缓慢增加的趋势;在人群密度较小时,场域权重值越大对应的疏散时间越小。

基于改进PSO算法的人群疏散模型

针对粒子群优化算法(PSO)在疏散模拟中局部寻优能力差、易过早收敛的问题,提出了一种基于改进PSO算法的人群疏散模型。在原有模型基础上引入正向驱动力、排斥驱动力、疏散人员的恐慌程度等因子;根据环境因素和人群移动动态调整疏散人员的方向,并在最佳出口选择机制下趋向理想出口;对出口位置等物理因素进行疏散效率的参数化仿真实验。实验结果表明了疏散模型的有效性,可有效避免疏散过程中的局部拥堵现象,从而为建筑设计与管理人员提供合理参考。

基于元胞自动机的建筑火灾预测与疏散系统

针对人口密集的较大型建筑,提出了一种基于元胞自动机的建筑火灾预测与疏散系统。该方法首先使用栅格法对建筑平面建模,通过元胞自动机模型实现火灾预测与人群疏散在同一界面显示;然后通过改变出口的不同参数,得出使人群疏散最佳的建筑出口设计方案;最后采用改进后的蚁群算法优化建筑内的疏散灯,使其能够动态地指示逃生方向。仿真实验结果表明,该系统能有效地解决建筑群体内发生火灾时存在的出口设计与人员安全疏散问题。

一种基于分布估计算法的多出口疏散选择研究

针对火灾疏散过程中的多出口选择问题,本文提出一种基于分布估计算法的求解策略。首先,综合考虑路径最短和威胁数目最少建立多出口选择模型,通过罚函数方法处理约束建立适应度函数。其次,采用分布估计算法在离散空间进行优化求解。仿真验证了算法的有效性。