大型生活超市火灾疏散路径规划研究
发布时间：2020-12-10 17:05
针对目前大型生活超市火灾疏散的实际情况,分析了目前火灾疏散的研究现状以及疏散路径规划的研究进展,并讨论了国内外智能疏散系统的发展现状及趋势。在研究智能疏散核心问题的基础上,文章研究了三种疏散路径规划算法,分别为:栅格蚁群算法,Dijkstra算法,势能趋势算法,阐述了算法原理及数学模型,并根据所研究对象的特点,分别对三种算法加以改进和优化,对蚁群算法引入启发式函数,加强目标启发力度,是算法搜索效率更高;对Dijkstra算法引入多源点目标规划,使算法根据不同节点向多源点规划路径,更适用于大型超市的火灾疏散路径规划;对势能趋势算法引入搜索系数,避免算法陷入局部极小的情况,并采用路径比较法对已规划出的路径进行优化,使路径更加平直,合理。将优化后的算法程序在LabVIEW2015开发环境下编写出来,使每种算法可以仿真运行,通过大量的仿真实验检验每种算法的可行性,分析其优缺点,并通过对照实验将不同算法进行对比,得出Dijkstra算法是适用于大型生活超市火灾疏散路径规划的最佳算法。后期可将控制算法与消防探测设备联动起来,通过探测设备探测到的火灾信息实时限定危险区域,算法可在避开危险区域的情况下...
【文章来源】：天津理工大学天津市
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
安全疏散时间判据图
第三章 疏散路径规划算法的原理及改进3.1 环境模型的建立将要规划路径的区域根据实际情况划分成大小相同的栅格，边缘部分不足一个的按一个栅格补足，把要规划的区域补成一个矩形[43]，将原本就有障碍物的栅格标不可行区域，剩下的栅格就是正常情况下的可行区域，如图 3-1 所示，着色部分代碍栅格，无颜色区域代表正常栅格。在这些没有障碍物的区域每隔一定的距离安装和烟气传感器，当火灾发生时，如果某区域内的温度和烟气传感器数值有任何一个了安全阈值，则该区域内的栅格被自动定义为障碍栅格，路径只能在可行区域内规将每个栅格里的人都以栅格中心点作为起点来规划路径。
从当前点到出口累计风险值最小的一条路径。 = arg ∑ （3-2）3.2 蚁群算法及其改进3.2.1 蚁群算法的基本原理蚁群算法是一种仿生学算法，它模拟蚂蚁觅食的原理规划路径。蚂蚁可以在没有任何提示的情况下找到食物或者返回蚁窝，并在周围环境发生变化后，重新搜索到最佳路径[45]。蚂蚁在寻找食物的时候，会在其走过的路径上释放出信息素，在食物源和蚁窝处信息素浓度最高，其他蚂蚁在感知范围内能够察觉到这种信息素，在最开始时，蚂蚁选择路径的概率是随机的，由于信息素浓度与路径长度成反比，后续蚂蚁会选择信息素浓度较高的路径走，当某条路径上的蚂蚁越来越多时，这条路径上的信息素浓度也越高，其余的蚂蚁选择这条路径的概率也越高，这就是蚁群算法的正反馈效应，同时蚁群算法具有较强的鲁棒性，当个别蚂蚁以小概率犯错时，整体不易受到个别因素的影响[46]。蚂蚁觅食的过程如图 3-2：
【参考文献】：
期刊论文
[1]基于改进势场蚁群算法的机器人路径规划[J]. 王晓燕,杨乐,张宇,孟帅. 控制与决策. 2018(10)
[2]考虑人-环因素的地铁站疏散速度修正模型与仿真[J]. 郑霞忠,向蕾蕾,晋良海,陈述,陈雁高. 中国安全科学学报. 2017(08)
[3]基于蚁群算法的火灾动态疏散[J]. 傅军栋,刘业辉,李江辉. 华东交通大学学报. 2017(03)
[4]火灾蔓延对室内人员疏散路径规划的空间影响[J]. 牛磊,李秀霞,宋宜全,李毅,张宏敏. 消防科学与技术. 2016(04)
[5]关于大型商场消防安全疏散设计的探讨[J]. 尹大勇,赵春林. 门窗. 2015(09)
[6]大型超市火灾人员疏散路径优化研究[J]. 邢志祥,丁芙蓉,唐亮,欧红香,郝永梅. 安全与环境学报. 2015(02)
[7]基于Dijkstra算法的最优解列断面快速搜索方法[J]. 王乙斐,唐飞,刘涤尘,廖清芬,杨健,汪颂军. 电力自动化设备. 2015(04)
[8]一种利用改进A*算法的无人机航迹规划[J]. 占伟伟,王伟,陈能成,王超. 武汉大学学报(信息科学版). 2015(03)
[9]建筑火灾中智能疏散诱导系统对人群疏散影响的仿真[J]. 郑斌,冉海潮. 安全与环境学报. 2015(01)
[10]大型商场消防安全疏散设计探析[J]. 魏晓光,王宗禹. 低温建筑技术. 2014(11)
硕士论文
[1]高层建筑火灾时期人员安全疏散影响因素的研究[D]. 郝展飞.河北工程大学 2017
[2]路径规划算法的研究及应用[D]. 谢娟.电子科技大学 2015
[3]基于改进蚁群算法的火灾疏散路径优化研究[D]. 雷春英.武汉理工大学 2014
[4]地铁突发火灾时人员安全疏散影响因素研究[D]. 王海芹.西安建筑科技大学 2010
[5]基于蚁群算法的最优路径选择研究[D]. 陈艳.北京交通大学 2007
[6]大型商场安全疏散研究[D]. 祁晓霞.重庆大学 2005
本文编号：2909054
【文章来源】：天津理工大学天津市
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
安全疏散时间判据图
第三章 疏散路径规划算法的原理及改进3.1 环境模型的建立将要规划路径的区域根据实际情况划分成大小相同的栅格，边缘部分不足一个的按一个栅格补足，把要规划的区域补成一个矩形[43]，将原本就有障碍物的栅格标不可行区域，剩下的栅格就是正常情况下的可行区域，如图 3-1 所示，着色部分代碍栅格，无颜色区域代表正常栅格。在这些没有障碍物的区域每隔一定的距离安装和烟气传感器，当火灾发生时，如果某区域内的温度和烟气传感器数值有任何一个了安全阈值，则该区域内的栅格被自动定义为障碍栅格，路径只能在可行区域内规将每个栅格里的人都以栅格中心点作为起点来规划路径。
从当前点到出口累计风险值最小的一条路径。 = arg ∑ （3-2）3.2 蚁群算法及其改进3.2.1 蚁群算法的基本原理蚁群算法是一种仿生学算法，它模拟蚂蚁觅食的原理规划路径。蚂蚁可以在没有任何提示的情况下找到食物或者返回蚁窝，并在周围环境发生变化后，重新搜索到最佳路径[45]。蚂蚁在寻找食物的时候，会在其走过的路径上释放出信息素，在食物源和蚁窝处信息素浓度最高，其他蚂蚁在感知范围内能够察觉到这种信息素，在最开始时，蚂蚁选择路径的概率是随机的，由于信息素浓度与路径长度成反比，后续蚂蚁会选择信息素浓度较高的路径走，当某条路径上的蚂蚁越来越多时，这条路径上的信息素浓度也越高，其余的蚂蚁选择这条路径的概率也越高，这就是蚁群算法的正反馈效应，同时蚁群算法具有较强的鲁棒性，当个别蚂蚁以小概率犯错时，整体不易受到个别因素的影响[46]。蚂蚁觅食的过程如图 3-2：
【参考文献】：
期刊论文
[1]基于改进势场蚁群算法的机器人路径规划[J]. 王晓燕,杨乐,张宇,孟帅. 控制与决策. 2018(10)
[2]考虑人-环因素的地铁站疏散速度修正模型与仿真[J]. 郑霞忠,向蕾蕾,晋良海,陈述,陈雁高. 中国安全科学学报. 2017(08)
[3]基于蚁群算法的火灾动态疏散[J]. 傅军栋,刘业辉,李江辉. 华东交通大学学报. 2017(03)
[4]火灾蔓延对室内人员疏散路径规划的空间影响[J]. 牛磊,李秀霞,宋宜全,李毅,张宏敏. 消防科学与技术. 2016(04)
[5]关于大型商场消防安全疏散设计的探讨[J]. 尹大勇,赵春林. 门窗. 2015(09)
[6]大型超市火灾人员疏散路径优化研究[J]. 邢志祥,丁芙蓉,唐亮,欧红香,郝永梅. 安全与环境学报. 2015(02)
[7]基于Dijkstra算法的最优解列断面快速搜索方法[J]. 王乙斐,唐飞,刘涤尘,廖清芬,杨健,汪颂军. 电力自动化设备. 2015(04)
[8]一种利用改进A*算法的无人机航迹规划[J]. 占伟伟,王伟,陈能成,王超. 武汉大学学报(信息科学版). 2015(03)
[9]建筑火灾中智能疏散诱导系统对人群疏散影响的仿真[J]. 郑斌,冉海潮. 安全与环境学报. 2015(01)
[10]大型商场消防安全疏散设计探析[J]. 魏晓光,王宗禹. 低温建筑技术. 2014(11)
硕士论文
[1]高层建筑火灾时期人员安全疏散影响因素的研究[D]. 郝展飞.河北工程大学 2017
[2]路径规划算法的研究及应用[D]. 谢娟.电子科技大学 2015
[3]基于改进蚁群算法的火灾疏散路径优化研究[D]. 雷春英.武汉理工大学 2014
[4]地铁突发火灾时人员安全疏散影响因素研究[D]. 王海芹.西安建筑科技大学 2010
[5]基于蚁群算法的最优路径选择研究[D]. 陈艳.北京交通大学 2007
[6]大型商场安全疏散研究[D]. 祁晓霞.重庆大学 2005
本文编号：2909054
本文链接：https://www.wllwen.com/kejilunwen/sgjslw/2909054.html
