CN112488401A - 一种火灾逃生路线指引方法及*** - Google Patents
一种火灾逃生路线指引方法及*** Download PDFInfo
- Publication number
- CN112488401A CN112488401A CN202011421024.6A CN202011421024A CN112488401A CN 112488401 A CN112488401 A CN 112488401A CN 202011421024 A CN202011421024 A CN 202011421024A CN 112488401 A CN112488401 A CN 112488401A
- Authority
- CN
- China
- Prior art keywords
- escape
- influence
- route
- fire
- building
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Alarm Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明公开一种火灾逃生路线指引方法及***,所述方法包括:获取影响火灾逃生时间的影响因子,根据所述影响因子建立层次结构模型;构造多个判断矩阵,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线;基于火灾所在建筑内的实时状况确定各个影响因子的属性值,并确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;基于各个逃生路线的影响值的进行实时最优逃生路径指引。本发明可合理进行逃生路线指引,提高逃生效率。
Description
技术领域
本发明涉及消防安全技术领域,具体涉及一种火灾逃生路线指引方法及***。
背景技术
火灾是指在时间和空间上失去控制的燃烧所造成的灾害,在各种灾害中,火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一。实际火灾发生时造成人员伤亡的因素往往是烟气窒息、慌乱逃生引发踩踏、逃生行为不当等。商场、医院等大型建筑往往设置有多条逃生通道,很多单位也会组织火灾消防演练,但发生火灾时,由于过渡恐慌、烟气蔓延、建筑结构复杂、不熟悉路线等往往会造成逃生路径错误、大量人群涌入同一通道影响疏散效率等,实际逃生时间相较于消防演练时的逃生时间大大延长。
而在火灾发生初期,在火势蔓延开来之前,部分建筑内部还处于数据可获取、部分设备设施状态可控的情况,因此在火灾发生初期,充分利用好火灾现场数据做好逃生路线规划和指引是减少人员伤亡的关键之一。
发明内容
有鉴于此,本发明提出了一种火灾逃生路线指引方法及***,用于解决火灾发生初期由于逃生路线规划和指引不足导致逃生时间延误的问题。
本发明第一方面,公开一种火灾逃生路线指引方法,所述方法包括:
获取火灾发生时影响逃生时间的影响因子,根据所述影响因子建立层次结构模型;
根据同一层次的各个影响因子的不同取值范围对上一层次的重要程度构造多个判断矩阵,分别对判断矩阵进行一致性校验,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;
基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;
通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线,
基于火灾所在建筑内的实时状况确定各个影响因子的属性值,根据实时属性值所在取值范围确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;
基于各个逃生路线的影响值的进行实时最优逃生路径指引。
优选的,所述影响因子包括一级影响因子和二级影响因子,所述一级影响因子包括路线因素、环境因素、人为因素;所述路线因素对应的二级影响因子包括路线长度、安全出口个数、安全疏散标志个数、是否有障碍物、最大人流量;所述环境因素对应的二级影响因子包括烟气蔓延速度、;所述人员因素包括逃生人员位置到起火点之间的距离、人员密度、人员疏散速度。
优选的,所述各个影响因素的不同取值范围为当影响因子的取值不同时对上一层次的重要程度不同时划定的取值范围,不同的取值范围对应不同的判断矩阵以及权重;含有不同取值范围的影响因素包括安全疏散标志个数、烟气蔓延速度、人员密度、人员疏散速度。
优选的,所述基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正具体包括:
设置种群数量N、解空间维度D、最大迭代次数T,初始化捕食者和加入者比列,初始化种群位置;解空间维度D根据需要校正的参数个数设定;
设定适应度函数,计算各个个体的适应度值,并将适应度值按照升序排列;
根据排序结果,选取前n1个个体作为发现者,进行发现者位置更新;
从所有种群中随机选取n2个个体作为警戒者,进行警戒者位置更新:
分别为第t次、第t+1次迭代时第i个个体在第j维的位置;分别为当前最优位置和最差位置,β为随机数,β~N(0,1),fi、fg分别为个体i的适应度和当前最好适应度,b对数螺旋形状常数,路径系数a为[-1,1]中的随机数;
重新计算适应度值并排序,更新发现者、跟随者、警戒者位置更新,迭代运算直到达到结束条件,输出适应度值最好的位置作为判断矩阵的修正值。
优选的,所述适应度函数的评价标准为判断矩阵的一致性检验系数CR最小,即:
优选的,所述基于各个逃生路线的影响值的进行实时最优逃生路径指引具体包括:
将各个逃生路线的影响值按照升序排列;
获取建筑内人员位置分布,按照就近分配原则、以影响值从小到大顺序进行逃生路线分配和路线疏导指引,每条逃生路线的人数不超过设定上限;
实时监测各个逃生路线人流量,当某条逃生路线人流量超过最大人流量时,选取剩余逃生路线中影响值最小且人流量小于设定阈值的逃生路线进行路线规划和人员分流。
优选的,所述路线疏导指引的方式包括语音播报、屏幕三维显示、基于人员位置信息向建筑内人员随身携带的移动终端发送对应的实时路线图、安全疏散标志方向指引、安保人员带领疏散。
本发明第二方面,公开一种火灾逃生路线指引***,所述***包括:
模型建立模块:获取火灾发生时影响逃生时间的影响因子,根据所述影响因子建立层次结构模型;
矩阵校正模块:根据同一层次的各个影响因子的不同取值范围对上一层次的重要程度构造多个判断矩阵,分别对判断矩阵进行一致性校验,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;
权重计算模块:基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;
路线规划模块:通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线,
路线指引模块:基于火灾所在建筑内的实时状况确定各个影响因子的属性值,根据实时属性值所在取值范围确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;基于各个逃生路线的影响值的进行实时最优逃生路径指引。
本发明相对于现有技术具有以下有益效果:
1)本发明将火灾发生时影响逃生时间的关键因素进行量化表示,通过层次分析法确定了各个影响因素在不同取值范围时的权重,不同的取值范围对应的不同的权重,对火灾现场环境变化具有较好的适应性,在不同的火灾发展阶段对应不同的判断矩阵和权重,便于及时对逃生路线做调整;
2)基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正,,进行警戒者位置更新时引入螺旋搜索,加快搜索速度,快速进行判断矩阵一致性校正,克服了判断矩阵不一致导致权重计算可信度差的问题;
3)通过权重计算各个路线的影响值,影响值最小的路线为最优路线,当疏散人员众多时,按照就近分配原则、以影响值从小到大顺序进行逃生路线分配和路线疏导指引,可合理进行逃生路线疏导,并在路线上人流量过大时进行人员分流,避免人群逃生路线选择不当或拥挤踩踏影响逃生效率;
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的火灾逃生路线指引方法流程示意图。
具体实施方式
下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
如图1所示,本发明公开一种火灾逃生路线指引方法,所述方法包括:
S1、获取火灾发生时影响逃生时间的影响因子,根据所述影响因子建立层次结构模型;
所述影响因子包括一级影响因子和二级影响因子,所述一级影响因子包括路线因素、环境因素、人为因素;所述路线因素对应的二级影响因子包括路线长度、安全出口个数、安全疏散标志个数、是否有障碍物、最大人流量;所述环境因素对应的二级影响因子包括烟气蔓延速度、室内温度;所述人员因素包括逃生人员位置到起火点之间的距离、人员密度、人员疏散速度。
S2、根据同一层次的各个影响因子的不同取值范围对上一层次的重要程度构造多个判断矩阵,分别对判断矩阵进行一致性校验,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;
所述各个影响因素的不同取值范围为当影响因子的取值不同时对上一层次的重要程度不同时划定的取值范围,不同的取值范围对应不同的判断矩阵以及权重;含有不同取值范围的影响因素包括安全疏散标志个数、烟气蔓延速度、逃生人员位置到起火点之间的距离、人员密度、人员疏散速度。
不同的取值范围对应的不同判断矩阵及权重,这种变权值方法对火灾现场环境变化具有较好的适应性,在不同的火灾发展阶段对应不同的判断矩阵和权重,便于及时对逃生路线做调整。
判断矩阵的一致性检验系数CR<0.1,则认为判断矩阵不满足一致性。
所述基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正具体包括:
设置种群数量N、解空间维度D、最大迭代次数T,初始化捕食者和加入者比列,初始化种群位置;解空间维度D根据需要校正的参数个数设定;
设定适应度函数,计算各个个体的适应度值,并将适应度值按照升序排列;
所述适应度函数的评价标准为判断矩阵的一致性检验系数CR最小,即:
根据适应排序结果,选取前n1个个体作为发现者,进行发现者位置更新:
分别为第t次、第t+1次迭代时第i个个体在第j维的位置;α∈(0,1],R∈[0,1],ST∈[0.5,1],R和ST分别表示预警值和安全值;Q是服从正态分布的随机数,L表示一个1×D的矩阵,矩阵内元素均为1。
将剩余的N-n1个个体作为跟随者,进行跟随着位置更新:
从所有种群中随机选取n2个个体作为警戒者,进行警戒者位置更新:
β为随机数,β~N(0,1),fi、fg分别为个体i的适应度和当前最好适应度,b对数螺旋形状常数,路径系数a为[-1,1]中的随机数;
重新计算适应度值并排序,更新发现者、跟随者、警戒者位置更新,迭代运算直到达到结束条件,输出适应度值最好的位置作为判断矩阵的修正值,根据所述修正值修正判断矩阵。
本发明采用改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正,在原始麻雀搜索算法中,在进行警戒者位置更新时,当fi=fg,即当前位置是最好位置时,将位置移动到当前最好位置和最坏位置之间的任一位置,相当于放弃了当前最好位置,让适应度最好的一个个体去做随机搜索,这会降低搜索效率,单个个体的搜索范围有限,也无法有效来扩大搜索范围;而当fi≠fg,即当前位置不是处于最好位置时,又移动到当前最好位置近,除最好个体外的其他个体均移动至最优位置附近也可能会陷入局部最优。本发明改进了这种警戒者位置更新方式,在当前位置时最好位置时,进行警戒者位置更新时引入螺旋搜索,不放弃当前最好位置,而是在其附近螺旋搜索,加快收敛速度,同时将其他位置不好的移动至最优位置和最差位置之间的随机位置以扩大搜索范围,避免陷入局部最优。本发明基于改进的麻雀搜索算法快速进行判断矩阵一致性校正,克服了判断矩阵不一致导致权重计算可信度差的问题。
S3、基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;
S4、通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线;
火灾探测设备包括分散在建筑内部的温度传感器、烟雾传感器等,可通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,比如通过烟雾传感器探测烟雾,根据不同烟雾传感器的位置和探测到烟雾的时差看来估计烟雾蔓延速度,通过温度传感器测量建筑内温度,基于摄像头获取逃生人员与起火点之间的距离、人员密度、路线上是否有障碍物等等。基于建筑内实时状况可观察火势发展,划分出安全区域,在安全区域内规划多条逃生路线。
S5、基于火灾所在建筑内的实时状况确定各个影响因子的属性值,根据实时属性值所在取值范围确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;
根据实时属性值所在取值范围确定对应的权重后,对各属性值进行无量纲化表示,将各个二级影响影子的权重乘以对应的属性值并求和后得到对应的一级影响因子的影响值,一级影响因子的属性值乘以对应的权重再求和得到总影响值,总影响值作为对应逃生路线的影响值。
S6、基于各个逃生路线的影响值的进行实时最优逃生路径指引。具体包括:
将各个逃生路线的影响值按照升序排列;
获取建筑内人员位置分布,按照就近分配原则、以影响值从小到大顺序进行逃生路线分配和路线疏导指引,每条逃生路线的人数不超过设定上限;将影响值最小的路线作为最优路线,将该最优路线一定距离范围内的人分配至最优路线,并进行相应的路线疏导指引;将影响值排在第二位的作为次优路线,将剩余人员中离该路线较近的人员分配至次优路线,并进行相应的路线疏导指引;若还有人员未分配则选取影响值排在第三位路线分配,直到所有带疏散人员分配完成。所有的人员分配的上限均应在对应路线的设定人数上限之内。
由于实际发生火灾时,由于慌乱等原因,会出现不按分配路线啊的指示逃生的情况,因此需要实时监测各个逃生路线人流量,当某条逃生路线人流量超过最大人流量时,选取剩余逃生路线中影响值最小且人流量小于设定阈值的逃生路线进行路线规划和人员分流。具体路线疏导指引的方式可以是语音播报、屏幕三维显示、基于人员位置信息向建筑内人员随身携带的移动终端发送对应的实时路线图、安全疏散标志方向指引、获取分配路线的安保人员带领疏散等。实际上,在各个路线分配完成之后,可将路线分配结果发送至建筑内负责疏散的安保人员,由安保人员分别带领疏散。
与上述方法实施例相对应,本发明还公开一种火灾逃生路线指引***,所述***包括:
模型建立模块:获取火灾发生时影响逃生时间的影响因子,根据所述影响因子建立层次结构模型;
矩阵校正模块:根据同一层次的各个影响因子的不同取值范围对上一层次的重要程度构造多个判断矩阵,分别对判断矩阵进行一致性校验,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;
权重计算模块:基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;
路线规划模块:通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线,
路线指引模块:基于火灾所在建筑内的实时状况确定各个影响因子的属性值,根据实时属性值所在取值范围确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;基于各个逃生路线的影响值的进行实时最优逃生路径指引。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种火灾逃生路线指引方法,其特征在于,所述方法包括:
获取火灾发生时影响逃生时间的影响因子,根据所述影响因子建立层次结构模型;
根据同一层次的各个影响因子的不同取值范围对上一层次的重要程度构造多个判断矩阵,分别对判断矩阵进行一致性校验,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;
基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;
通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线;
基于火灾所在建筑内的实时状况确定各个影响因子的属性值,根据实时属性值所在取值范围确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;
基于各个逃生路线的影响值的进行实时最优逃生路径指引。
2.根据权利要求1所述火灾逃生路线指引方法,其特征在于,所述影响因子包括一级影响因子和二级影响因子,所述一级影响因子包括路线因素、环境因素、人为因素;所述路线因素对应的二级影响因子包括路线长度、安全出口个数、安全疏散标志个数、是否有障碍物、最大人流量;所述环境因素对应的二级影响因子包括烟气蔓延速度、室内温度;所述人员因素包括逃生人员位置到起火点之间的距离、人员密度、人员疏散速度。
3.根据权利要求2所述火灾逃生路线指引方法,其特征在于,所述各个影响因素的不同取值范围为当影响因子的取值不同时对上一层次的重要程度不同时划定的取值范围,不同的取值范围对应不同的判断矩阵以及权重;含有不同取值范围的影响因素包括安全疏散标志个数、烟气蔓延速度、人员密度、人员疏散速度。
4.根据权利要求2所述火灾逃生路线指引方法,其特征在于,所述基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正具体包括:
设置种群数量N、解空间维度D、最大迭代次数T,初始化捕食者和加入者比列,初始化种群位置;解空间维度D根据需要校正的参数个数设定;
设定适应度函数,计算各个个体的适应度值,并将适应度值按照升序排列;
根据排序结果,选取前n1个个体作为发现者,进行发现者位置更新;
从所有种群中随机选取n2个个体作为警戒者,引入螺旋搜索,进行警戒者位置更新:
i=1,2,…,N,j=1,2,…,D,t=1,2,…,T,分别为第t次、第t+1次迭代时第i个个体在第j维的位置;分别为当前最优位置和最差位置,β为随机数,β~N(0,1),fi、fg分别为个体i的适应度和当前最好适应度,b对数螺旋形状常数,路径系数a为[-1,1]中的随机数;
重新计算适应度值并排序,更新发现者、跟随者、警戒者位置更新,迭代运算直到达到结束条件,输出适应度值最好的位置作为判断矩阵的修正值。
6.根据权利要求2所述火灾逃生路线指引方法,其特征在于,所述基于各个逃生路线的影响值的进行实时最优逃生路径指引具体包括:
将各个逃生路线的影响值按照升序排列,将影响值最小的路线作为最优路线;
实时获取建筑内人员位置信息,按照就近分配原则、以影响值从小到大顺序进行逃生路线分配和路线疏导指引,每条逃生路线的人数不超过设定上限;
实时监测各个逃生路线人流量,当某条逃生路线人流量超过最大人流量时,选取剩余逃生路线中影响值最小且人流量小于设定阈值的逃生路线进行路线规划和人员分流。
7.根据权利要求6所述火灾逃生路线指引方法,其特征在于,所述路线疏导指引的方式包括语音播报、屏幕三维显示、基于人员位置信息向建筑内人员随身携带的移动终端发送对应的实时路线图、安全疏散标志方向指引、安保人员带领疏散。
8.一种火灾逃生路线指引***,其特征在于,所述***包括:
模型建立模块:获取火灾发生时影响逃生时间的影响因子,根据所述影响因子建立层次结构模型;
矩阵校正模块:根据同一层次的各个影响因子的不同取值范围对上一层次的重要程度构造多个判断矩阵,分别对判断矩阵进行一致性校验,基于改进的麻雀搜索算法对不满足一致性校验的判断矩阵进行校正;
权重计算模块:基于各个判断矩阵计算各个影响因子在不同取值范围时的权重;
路线规划模块:通过建筑内部的火灾探测设备和摄像头获取火灾所在建筑内的实时状况,结合建筑图确定当前安全区域内关键路线节点,根据所述关键路线节点规划多条逃生路线,
路线指引模块:基于火灾所在建筑内的实时状况确定各个影响因子的属性值,根据实时属性值所在取值范围确定对应的权重,基于各个影响因子的属性值和对应的权重计算各个逃生路线的影响值;基于各个逃生路线的影响值的进行实时最优逃生路径指引。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011421024.6A CN112488401B (zh) | 2020-12-08 | 2020-12-08 | 一种火灾逃生路线指引方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011421024.6A CN112488401B (zh) | 2020-12-08 | 2020-12-08 | 一种火灾逃生路线指引方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112488401A true CN112488401A (zh) | 2021-03-12 |
CN112488401B CN112488401B (zh) | 2022-12-02 |
Family
ID=74940543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011421024.6A Active CN112488401B (zh) | 2020-12-08 | 2020-12-08 | 一种火灾逃生路线指引方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112488401B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485206A (zh) * | 2021-08-06 | 2021-10-08 | 时代云英(重庆)科技有限公司 | 一种可扩展的物联网***及方法 |
CN114065614A (zh) * | 2021-11-01 | 2022-02-18 | 哈尔滨工业大学 | 基于麻雀搜索算法的体育馆人群疏散仿真方法、***、电子设备和介质 |
CN114153936A (zh) * | 2022-02-09 | 2022-03-08 | 盈嘉互联(北京)科技有限公司 | 基于bim的查询消防路线的方法、装置、设备和介质 |
CN114917519A (zh) * | 2022-04-22 | 2022-08-19 | 深圳市和一实业有限公司 | 一种建筑楼宇智能消防控制*** |
CN115471991A (zh) * | 2022-11-15 | 2022-12-13 | 成都航空职业技术学院 | 基于物联网的社区智能消防*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103394171A (zh) * | 2013-08-02 | 2013-11-20 | 重庆大学 | 大型高层建筑室内火灾紧急疏散指示逃生方法及*** |
CN104717291A (zh) * | 2015-03-20 | 2015-06-17 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生***及方法 |
CN108154265A (zh) * | 2017-12-22 | 2018-06-12 | 中国矿业大学 | 一种矿井火灾逃生路径的元胞自动机优化与引导方法 |
CN108710976A (zh) * | 2018-05-30 | 2018-10-26 | 深圳市城市公共安全技术研究院有限公司 | 动态逃生路线生成方法、服务器、及*** |
CN109118699A (zh) * | 2018-10-24 | 2019-01-01 | 中国建筑科学研究院有限公司 | 火灾逃生用建筑智能疏散***及其应用方法 |
CN111950505A (zh) * | 2020-08-24 | 2020-11-17 | 湖南科技大学 | 一种ssa-aann的风力发电机传感器状态评估方法 |
CN112016624A (zh) * | 2020-08-28 | 2020-12-01 | 西北农林科技大学 | 一种基于麻雀搜索算法优化核独立分量的光谱数据降维方法 |
CN112016742A (zh) * | 2020-08-21 | 2020-12-01 | 东南大学 | 一种基于ahp的消防救援路径选择算法的优化方法 |
-
2020
- 2020-12-08 CN CN202011421024.6A patent/CN112488401B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103394171A (zh) * | 2013-08-02 | 2013-11-20 | 重庆大学 | 大型高层建筑室内火灾紧急疏散指示逃生方法及*** |
CN104717291A (zh) * | 2015-03-20 | 2015-06-17 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生***及方法 |
CN108154265A (zh) * | 2017-12-22 | 2018-06-12 | 中国矿业大学 | 一种矿井火灾逃生路径的元胞自动机优化与引导方法 |
CN108710976A (zh) * | 2018-05-30 | 2018-10-26 | 深圳市城市公共安全技术研究院有限公司 | 动态逃生路线生成方法、服务器、及*** |
CN109118699A (zh) * | 2018-10-24 | 2019-01-01 | 中国建筑科学研究院有限公司 | 火灾逃生用建筑智能疏散***及其应用方法 |
CN112016742A (zh) * | 2020-08-21 | 2020-12-01 | 东南大学 | 一种基于ahp的消防救援路径选择算法的优化方法 |
CN111950505A (zh) * | 2020-08-24 | 2020-11-17 | 湖南科技大学 | 一种ssa-aann的风力发电机传感器状态评估方法 |
CN112016624A (zh) * | 2020-08-28 | 2020-12-01 | 西北农林科技大学 | 一种基于麻雀搜索算法优化核独立分量的光谱数据降维方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113485206A (zh) * | 2021-08-06 | 2021-10-08 | 时代云英(重庆)科技有限公司 | 一种可扩展的物联网***及方法 |
CN114065614A (zh) * | 2021-11-01 | 2022-02-18 | 哈尔滨工业大学 | 基于麻雀搜索算法的体育馆人群疏散仿真方法、***、电子设备和介质 |
CN114065614B (zh) * | 2021-11-01 | 2024-04-30 | 哈尔滨工业大学 | 基于麻雀搜索算法的体育馆人群疏散仿真方法、***、电子设备和介质 |
CN114153936A (zh) * | 2022-02-09 | 2022-03-08 | 盈嘉互联(北京)科技有限公司 | 基于bim的查询消防路线的方法、装置、设备和介质 |
CN114153936B (zh) * | 2022-02-09 | 2022-05-03 | 盈嘉互联(北京)科技有限公司 | 基于bim的查询消防路线的方法、装置、设备和介质 |
CN114917519A (zh) * | 2022-04-22 | 2022-08-19 | 深圳市和一实业有限公司 | 一种建筑楼宇智能消防控制*** |
CN115471991A (zh) * | 2022-11-15 | 2022-12-13 | 成都航空职业技术学院 | 基于物联网的社区智能消防*** |
CN115471991B (zh) * | 2022-11-15 | 2023-02-28 | 成都航空职业技术学院 | 基于物联网的社区智能消防*** |
Also Published As
Publication number | Publication date |
---|---|
CN112488401B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488401B (zh) | 一种火灾逃生路线指引方法及*** | |
CN110929378B (zh) | 一种基于数字孪生的高层建筑应急疏散方法、***及电子设备 | |
CN105631555B (zh) | 一种疏散路径的推送方法及装置 | |
CN114689058B (zh) | 基于深度学习和混合遗传算法的火灾疏散路径规划方法 | |
EP3696624A1 (en) | Intelligent control system and method | |
KR102375246B1 (ko) | 재난상황을 대비한 지능형 대피 유도 시스템 | |
US8428918B2 (en) | System and method for occupancy estimation | |
US10719698B2 (en) | System, method and apparatus for occupancy detection | |
CN112199882B (zh) | 一种火灾下人员疏散过程模拟方法、疏散预警方法及*** | |
CN113053053B (zh) | 基于粒子群优化的区间论证多传感器融合的灾难蜂窝报警联动*** | |
CN111080027A (zh) | 一种动态逃生指引方法及*** | |
CN117649130A (zh) | 智能消防安全监控*** | |
CN115545359B (zh) | 一种面向复杂建筑火灾的动态智能疏散方法及装置 | |
CN116502763A (zh) | 一种基于时空图神经网络的人群拥堵预测方法及*** | |
CN112504262A (zh) | 建筑物楼层内人员导航方法、多层建筑内人员导航方法、*** | |
CN111311028A (zh) | 一种基于改进型粒子群优化算法的大型室内人员疏散*** | |
CN117114222A (zh) | 一种基于物联实时数据的智能应急疏散线路优选方法及*** | |
CN111968020A (zh) | 考虑残障人员运动特征的行人疏散方法 | |
CN114037283A (zh) | 一种商业综合体的火灾动态风险评估方法 | |
KR102559307B1 (ko) | 재난 현장에서 생성한 이미지 및 영상 데이터 처리 및 활용 방법, 장치 및 시스템 | |
KR102592101B1 (ko) | 인공지능 기반 건축구조물 내의 최적 대피경로 안내시스템 및 안내방법 | |
CN113096479A (zh) | 一种消防演习虚拟训练方法 | |
CN115544267B (zh) | 一种基于知识图谱的多次应急处理的仿真动态验证方法 | |
Du et al. | Multi-agent based simulation of elderly egress process and fall accident in senior apartment buildings | |
CN113209533B (zh) | 一种应用于高层建筑的消防方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |