基于路径优化的智能疏散指示系统在商场中的应用

张芸栗，张 良

（1.沈阳城市建设学院；2.沈阳市市政设计研究院，辽宁 沈阳 110168）

科学技术研究

基于路径优化的智能疏散指示系统在商场中的应用

张芸栗1，张 良2

（1.沈阳城市建设学院；2.沈阳市市政设计研究院，辽宁 沈阳 110168）

建立基于路径优化的智能疏散指示系统，实现智能疏散指示信息动态、即时的调整，将以往传统的就近固定方向疏散的理念，提升为远离火灾源的主动疏散理念，使疏散指示实现了性能化、智能化和联动控制.与传统疏散指示系统相比具有较高的技术优势和实用价值，对改变我国现有人员密集公共建筑消防安全疏散现状具有非常重要的理论价值和现实意义.

智能疏散；指示系统；路径优化

随着经济建设的迅速发展，各地相继建成了一些大型商场、超市，这些大型商场的出现，在给消费者带来了很大便利的同时，也给人们带来了巨大的安全隐患.如2004年吉林市中百商厦火灾事故、2010年吉林市商业大厦火灾事故、2012年天津市莱德商厦火灾事故，均造成了大量的人员伤亡.究其原因，是由于商场营业期间安全疏散出口被锁闭或疏散通道被封堵，人员疏散无路可逃.成熟的安全疏散指示标志系统，良好的疏散秩序和正确的疏散方法起了重要的作用.Dorota L.[1]利用遗传算法进行了客船人员疏散路径的优化，何大志、王长波、谢步瀛[2]提出了基于几何学的人员疏散模型，按照路径最短的原则确定出了人员疏散的方向和路径.李晶晶、纪庆革[3]提出了一种基于遗传学来优化疏散路径问题的方法.肖国清、温丽敏[4]讨论了遗传算法在人员疏散路径优化中的应用，张培红[5,6]应用随机理论对人员疏散路径优化进行了初步的探讨.

受到蚁群寻找最短路径的启发，20世纪90年代初意大利的Dorigo M[7].等学者提出的蚁群优化算法，这种用于组合优化问题具有很强的能力.自适应蚁群算法对传统蚁群算法进行了改进，自适应地调节路径选择和更新优化策略，大大提高了优化求解速度，有利于实现真正意义上的全局优化决策[8-10].疏散人员呈现显著的趋众性、自组织性、系统的整体性等行为特点，和蚁群系统具有很多共同的特点.因此，利用蚁群算法建立新的疏散路径优化算法，根据建筑物火灾时人员疏散行为规律和疏散通道通行能力的分析，在实现人员疏散路径全局动态优化决策基础上进行合理的疏散诱导，对实现大型公共建筑物内人员智能疏散，预防群集踩踏事故和加强公共安全具有非常重要的理论价值和现实意义.

本文利用计算机语言建立基于自适应蚁群算法的人员疏散路径优化算法，并实现算法与消防联动系统的集成，建立基于路径优化的智能疏散指示系统.根据消防设施的动态信息，应用人员疏散路径优化算法对不同火灾态势下的疏散路径进行及时优化动态的改变疏散标识的指示方向，实现疏散标识的智能指示.

1 基于路径优化的智能疏散指示系统的实现

基于路径优化的智能疏散指示系统是将人员疏散路径优化算法与消防系统集成，根据消防设施的动态信息，应用人员疏散路径优化算法对不同火灾态势下的疏散路径进行及时优化动态的改变疏散标识的指示方向，实现疏散标识的智能指示.

1.1 对人员疏散路径优化算法的改进

为了更好的实现人员疏散路径优化算法与消防系统的集成，对节点布置和数据库建立方面做了如下的改进.同时将建筑物结构特点对人员疏散的影响引入算法当中，重新定义火灾时人员疏散的最优路径.

对于结构复杂的建筑物，节点的分布不再人为的建立，而是将建筑物内所有的疏散标识和影响疏散的消防设施作为计算节点.这样可以很好的实现与消防系统建立联系，直接将联动系统中的相关信息导入数据中应用即可.其中包括：设备的坐标、设备的编号、设备的机器号、设备的回路号等.对于设有地埋疏散标识的建筑物，探测器不作为计算节点用于路径的优化，而是用于对建筑物内火灾信息的判断.将整个疏散通道上的疏散标示和影响路径通行的消防设施作为计算节点，用于疏散路径的优化.

为了进一步减少算法应用前的准备，在程序中新增了一个相邻节点判断的模块，用来自动生成相邻节点信息并存储在表中.然而在自动生成的过程中可能会出现节点间通道穿墙等现象，为了避免这种现象的产生，可以在算法运行前在数据库管理窗口对个别计算节点进行修改.同时与探测器相关的疏散标识编号也可以通过程序自动生成.

1.2 人员疏散路径优化算法与消防系统集成的原理及步骤

在人员疏散路径优化算法中加入疏散标识判断模块，该模块根据算法运算得到的最优疏散路径判断疏散标识的指示方向.加入疏散标识指示方向判别后的人员疏散路径优化算法和消防报警系统联动，获知火警信息，选择、执行相应的联动预案，完成了从以往消防应急灯“就近指引”的原则到现在“安全指引疏散”的原则的转变，实现火灾现场人员“更安全、更准确、更迅速”地逃离火灾现场.

为了实现人员疏散路径优化算法与消防联动系统的集成，建立两个可共享的文本文件，一个用于存储消防设施动作信息，命名为“FireSensor”.另一个用于存储疏散标识信息，命名为“Eva_Marker”.两个共享文件用于人员疏散路径优化算法与消防系统信息的传递.人员疏散路径优化算法可以通过FireSensor文件判别当前建筑物内的火灾状态，同时确定节点的通行能力.Eva_Marker文件中存储了经人员疏散路径优化算法判断后建筑物内所有疏散标识的指示方向，消防系统可以根据文件内的指示信息改变疏散标识的指示方向.

正常情况下，建筑物内疏散标识的指示方向根据人员疏散路径优化算法确定的指示方向指示.当建筑物内发生火灾时，首先，火灾探测器报警，消防联动系统动作.并将发生动作的消防设施信息存储到FireSensor文件中.接着算法根据FireSensor中的信息确定建筑物内的火灾信息，强制与报警探测器相关的疏散标识节点不能通行，再应用人员疏散路径优化算法对该建筑物进行火灾状态人员疏散路径的优化，得到路径后在对建筑内所有疏散标识的指示方向进行判断，再将得到的指示方向传递给Eva_Marke文件存储.最后消防联动系统根据E-va_Marker文件中的信息及时的改变建筑物内疏散标识的指示方向.集成步骤见图1.

图1 人员疏散路径优化算法与消防联动系统集成步骤

2 基于路径优化的智能疏散指示系统在商场中的应用

2.1 商场火灾时人员疏散的特点

近年来，国内外商场、超市相继发生了不少特大火灾事故近年公众聚集场所发生的特大火灾事故中，商场火灾发生起数、人员伤亡数以及直接经济损失都占了极大的比例.从商场火灾案例中，可以看到商场发生群死群伤事故主要原因是：商场营业期间安全疏散出口被锁闭或疏散通道被封堵，人员疏散无路可逃.

2.1.1 人员活动空间大，活动集中

一般商场每层的建筑面积都比较大，总建筑面积高达50000m2以上.比如成都的普尔斯马特仓储式会员商场，建筑单层建筑面积为12000m2，营业面积9000m2.且商场中人员流动量比较大，活动比较集中，尤其是节假日等购物高峰期，情况更甚.据统计，如深圳沃尔玛山姆会员店，平均客流量每日3.2万人，节假日一般可达6.5万人，最高曾超过8万人.

2.1.2 出口不明显

由于商家主要意图是突出商品和卖场功能，故场内布置复杂，形如迷宫，内部设置大型货架，这些货架严重阻碍人的视线，人员在货架行列中自选商品时容易迷失方向，很难确认疏散方向，更难看见安全出口.

2.1.3 疏散距离过长

建筑设计中一般在商场的周边设置疏散楼梯，中部最不利地点至最近楼梯的直线距离往往超过30米，如果在货架之间通行，其折线距离更是大大超过30米.

商场的安全疏散是确保商场消防安全的关键，无论是在消防安全设计上或是在运营期间的管理上，保证商场建筑的安全疏散条件有着至关重要的意义.

2.2 某商场几何模型及疏散方案的建立

以某商场二层为例，该商场的建筑平面图如图2所示.商场二层的建筑面积约为8000m2，将7个楼梯作为出口，空间模化得到84个节点，在建筑物内共设置了36个疏散标识.节点与疏散标识的分布如图2所示.图中圆圈代表消防设施所在的位置，长方形代表疏散标识所在地位置.

图2 商场平面及节点分布示意图

该建筑共分为四个防火分区，防火分区划分如图3所示.其中1区有一个疏散楼梯，2区有2个疏散楼梯、一个扶梯，3区有三个疏散楼梯，四区有一个疏散楼梯.

图3 防火分区示意图

《建筑设计防火规范》[11]中规定商店的疏散人数应按每层营业厅建筑面积乘以面积折算系数和疏散人数换算系数计算，地上商店的面积折算系数为0.5～0.7，地下商店的面积折算系数不应小于0.7，疏散人数换算系数的规定与《商店建筑设计规范》[60]的规定是一致的.而《商店建筑设计规范》第4.2.5条规定的疏散人数换算系数为，第一、二层0.85人/m2，第三层0.77人/m2，第四层以上各层0.6人/m2.由于该建筑内有三个中庭，所以这里面积折算系数选0.5，疏散人数换算系数取0.85人/m2.

无火灾情况下，选取参数组合α=0.5、β=1，应用人员疏散路径优化算法对该商场进行疏散路径优化，优化结果见图5、6.假设某时刻4号楼梯处发生火灾，防火分区Ⅱ与其他防火分区间的通道不能通行.建筑内所有的扶梯停止运行且不作疏散用，也就是说此时建筑物内的人只能通过楼梯进行疏散逃生.为此建立如下两种疏散方案：

方案一：不改变疏散标识指示方向.

方案二：智能改变疏散标识的指示方向.

方案一：在不改变疏散标识指示方向的基础上，人们沿着疏散标识的方向及日常习惯选择疏散路线，一旦遇到不能通行的地方则重新选择逃生路线.正常情况下疏散标识的指示方向如图4所示，根据此时疏散标识指示的方向建立的疏散方案如表1所示.可以看出该方案中楼梯使用的分配是不合理的，过多的人选择7#楼梯疏散.这样就容易在7#楼梯口处造成长时间的人员滞留，延长疏散所用的时间.

图4 无火灾状态下疏散标识的指示方向

表1 不改变疏散标识指示方向时的疏散方案

方案二：利用人员疏散路径优化算法对建筑物的疏散路径进行优化，并动态的改变疏散标识的指示方向，其智能指示结果如图5所示.根据改变后的指示方向确定疏散方案二，如表2所示，可以看出使用该方案疏散时，楼梯使用的分配比较合理.

表2 改变疏散标识指示方向时的疏散方案

图5 火灾时疏散标识智能指示示意图

5.2.3 某商场火灾状态下人员安全疏散性能化分析

利用大空间复杂建筑物防火安全计算机模拟软件对上述两种人员疏散方案进行性能化分析，利用人员安全疏散评价系统模拟人员疏散所用的时间，模拟结果如图6所示.

图6 商场人员疏散动态变化

从图中可以看出扶梯停运时，疏散标识改变后的方案中人员完成安全疏散的行动时间为150s，疏散标识不改变的方案中人员完成安全疏散的行动时间为218s，可见方案二所用的人员安全疏散时间比方案一要少一分钟.所以，疏散标识智能指示能很好的缩短了疏散时间，降低了火灾的危险性.

3 结论

在商场案例中应用基于路径优化的智能疏散指示系统，建立不同的疏散方案.利用大空间复杂建筑物防火安全计算机模拟软件对两种方案的疏散时间进行预测.结果发现，方案二（疏散标识动态改变后建立的疏散方案）能很好的分配人员选择疏散楼梯，不会出现方案一中多数人选择同一疏散楼梯疏散的现象.节省了安全疏散的时间，很好的缓解了建筑物内楼梯口处的人员滞留现象.

利用基于路径优化的智能疏散指示系统得到不同状态下疏散标识的指示方向，动态的改变建筑物内标识的指示方向，实现疏散标识的智能指示.智能指示后，建筑物内的疏散楼梯得到了合理的利用，提高了疏散的效率，从而节省了人员疏散所需的时间，缓解了建筑物内人员的滞留现象，降低了火灾对人的伤害.

〔1〕DorotaL，PiotrN．(2001)．Geneticmethod of optimization of evacuation ways in cases the fire growth at ferryboat．IFAC Conference on Control Applications in Marine Systems 2001 (CAMS 2001)，Glasgow，Scotland，UK.

〔2〕何大治，王长波，谢步瀛．基于几何方法的人员疏散最佳路径[J]．工程图学学报，2006（5）：23-28.

〔3〕李晶晶，纪庆革．基于遗传算法优化多出口疏散路径问题[J]．上海师范大学学报(自然科学版)，2008，37(4)：383～389.

〔4〕肖国清，温丽敏，陈宝智．基于遗传算法的毒气泄漏时最佳疏散路径的研究[J]．湘潭矿业学院学报，2001，16(4)：9～11.

〔5〕张培红，岳丽宏，陈宝智．最优应急疏散路线动态模拟的研究[J]．人类工效学，2001，7(1)：10～13.

〔6〕张培红，陈宝智．人员应急疏散随机服务系统的网络流模型研究[J]．人类工效学，2001，7（2）：13～17.

〔7〕Dorigo M，Maniezzo V，Colorni A．Ant system：optimization by a colony of cooperating agents．IEEE Transactions on SMC，1996，26(1)：29～41.

〔8〕李士勇．蚁群算法及其应用[M]．哈尔滨：哈尔滨工业大学出版社，2004.

〔9〕Bullnheimer B，HartlR F，StraussC．An improved ant system algorithm for the vehicle routing problem．Annals ofOperations Research，1999，89：319～328.

〔10〕Dorigo M，Gambardella L M．Ant colony system：a cooperative learning approach to the traveling salesman problem．IEEE Transactions on Evolutionary Computation，1997，1(1)：53～66.

〔11〕中华人民共和国公安部．GB 50016-2014．建筑设计防火规范 [M]．北京：中国计划出版社，2014.

TP273

A

1673-260X（2017）08-0018-04

2017-04-08

住房城乡建设部2016年科学技术项目（2016-R2-070）