建筑物内应急疏散指引方法及装置制造方法及图纸

本发明专利技术提供了一种建筑物内应急疏散指引方法及装置，包括网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后，发送给云端的疏散指引决策人工智能模型，计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络；网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令。本发明专利技术基于计算机动态模拟和深度神经网络，构建大型建筑内智能应急疏散指引方法，并提出一种应用智能物联网硬件采集多维度环境信息、反馈最佳疏散方向的装置，来解决大型公共建筑内的智能化、动态化的人员应急疏散问题。动态化的人员应急疏散问题。动态化的人员应急疏散问题。

【技术实现步骤摘要】
建筑物内应急疏散指引方法及装置


[0001]本专利技术涉及一种建筑物内应急疏散指引方法及装置。

技术介绍

[0002]在火灾、地震、电气事故等紧急情况下，如何快速、有序、安全地让建筑中各区域的人员完成疏散是建筑设计和运维管理中必须严加考虑的问题。良好的疏散指引是保证人民生命安全的基本手段。但是，近年来随着大型公共建筑的体量越来越大，空间也越来越复杂，令紧急情况下的疏散指引变得困难。已有的疏散路线计算常采用静态的最短寻路算法，只考虑尽可能短，而没有计入不同方向上的安全性的差别。也有一些改进的方法考虑危险源，但没有很好解决将环境危险状况实时地纳入疏散决策中，也就缺乏智能性和科学性。

技术实现思路

[0003]本专利技术的目的在于提供一种建筑物内应急疏散指引方法及装置。
[0004]为解决上述问题，本专利技术提供一种建筑物内应急疏散指引方法，包括：
[0005]以数字化模型的方法，录入建筑物的所有房间的属性以及房间之间的几何连通关系，然后指定底层的安全疏散口位置；
[0006]在计算机中自动模拟大量的疏散场景，其中，每个疏散场景包括：随机生成的动态危险情况；然后给每个疏散场景中的建筑物的所有房间生成一条疏散路线，对每条疏散路线进行评分；
[0007]构建一个采用神经网络的疏散指引决策人工智能模型，然后从疏散路线中选取得分较高的疏散路线，作为所述神经网络的优质训练集，所述疏散指引决策人工智能模型的输入是：目前所处位置和当前有危险区域的位置集合，输出是：最优的下一步疏散方向，使用所述优质训练集预先训练好所述疏散指引决策人工智能模型，并存储在云端服务器上；
[0008]在建筑物的各关键区域点位部署智能应急疏散指引装置的边缘侧物联网智能装置组，所述边缘侧物联网智能装置组使用多种传感器实时监测每个关键区域点位的环境参数，同时计算预设小时内的环境参数的平均值，若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围或烟雾传感器有信号，则向网络发送环境危险信息；同时，所述边缘侧物联网智能装置组控制摄像头实时拍摄关键区域点位的照片和视频流，通过AI识别人体上身和人脸，向网络报告目前区域的拥挤度信息和人数；
[0009]网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后，发送给云端的疏散指引决策人工智能模型，计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络；网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令。
[0010]进一步的，在上述方法中，所述房间的属性包括：房间类型、面积、额定人数和是否有潜在的危险源。
[0011]进一步的，在上述方法中，对每条疏散路线进行评分中，
[0012]若路线越长、经过的危险区域越多、路线上拥挤的人数越多，则评分越低。
[0013]进一步的，在上述方法中，对每条疏散路线进行评分的算式为：
[0014]S＝100
‑
40(L/D
‑
1)
‑
20m
‑
5n
‑
10∑p
i
/p1；
[0015]其中，S为总得分，L为疏散路线的实际长度，D为房间到最近安全疏散口的直线距离，m为经过的危险区域的数量，n为经过危险区域附近的较危险区域的次数，p1为本区域目前人数，∑p
i
为疏散路线上碰到的其他人数量总和。
[0016]进一步的，在上述方法中，所述神经网络为深度全连接神经网络DNN。
[0017]进一步的，在上述方法中，从疏散路线中选取得分较高的疏散路线，包括：
[0018]然后从疏散路线中选取得分最高的前1％疏散路线。
[0019]进一步的，在上述方法中，所述环境参数包括：烟雾、环境温度、湿度和气压数据。
[0020]进一步的，在上述方法中，若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围，包括：
[0021]若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的
±
20％。
[0022]进一步的，在上述方法中，网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令之后，还包括：
[0023]边缘侧物联网智能装置组控制蜂鸣器对人群发出明确报警信号，并控制智能LED点阵屏指示最优疏散方向。
[0024]根据本专利技术的另一方面，还提供一种建筑物内应急疏散指引装置，包括：边缘侧物联网智能装置组、5G网络和云端人工智能服务器，其中
[0025]所述边缘侧物联网智能装置组通过5G网络与云端人工智能服务器通信；
[0026]边缘侧物联网智能装置组，包括：
[0027]小型计算主板；
[0028]分别与所述小型计算主板连接的烟雾传感器、温湿度气压传感器、摄像头、蜂鸣器、LED点阵屏、电源适配器和应急电池；
[0029]人工智能云端服务器，包括：拓扑存储模块和疏散决策模块，其中，
[0030]所述拓扑存储模块保存了楼宇的空间属性与几何拓扑关系；
[0031]所述疏散决策模块负责计算出最终的决策指令。
[0032]与现有技术相比，与现有技术相比，本专利技术具有以下技术效果：
[0033]1、智能疏散指引方法采用深度学习模型，疏散中可根据动态的危险情况和拥挤的区域做智能决策调整，提升了疏散决策的及时性和安全程度。
[0034]2、智能疏散指引装置集成多种物联网智能设备，可从多角度完整及时地采集危险情况，提升了疏散决策的科学性。并且发出的指引明确易懂。
[0035]3、装置使用多重安全保障设施，保证火灾、断网、断电条件下仍能正常运行。
附图说明
[0036]图1是本专利技术一实施例的建筑物内应急疏散指引方法的流程图；
[0037]图2是本专利技术一实施例的整体装置示意图的示意图；
[0038]图3是本专利技术一实施例的装置详细组件示意图图；
[0039]图4是本专利技术一实施例的信息流与组件协同工作示意图；
[0040]图5是本专利技术一实施例的的LED点阵屏指示示意图；
[0041]其中，100：建筑物内应急疏散指引装置；
[0042]110：边缘侧物联网智能装置组120：5G网络130：云端人工智能服务器；
[0043]211：小型计算主板212：控制协调分析集成模块213：烟雾传感器214：温湿度
‑
气压传感器215：摄像头216：蜂鸣器217：LED点阵屏218：电源适配器219：应急电池；
[0044]232：拓扑存储模块234：疏散决策模块。
具体实施方式
[0045]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0046]如图1所示，本专利技术提供一种建筑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑物内应急疏散指引方法，其特征在于，包括：以数字化模型的方法，录入建筑物的所有房间的属性以及房间之间的几何连通关系，然后指定底层的安全疏散口位置；在计算机中自动模拟大量的疏散场景，其中，每个疏散场景包括：随机生成的动态危险情况；然后给每个疏散场景中的建筑物的所有房间生成一条疏散路线，对每条疏散路线进行评分；构建一个采用神经网络的疏散指引决策人工智能模型，然后从疏散路线中选取得分较高的疏散路线，作为所述神经网络的优质训练集，所述疏散指引决策人工智能模型的输入是：目前所处位置和当前有危险区域的位置集合，输出是：最优的下一步疏散方向，使用所述优质训练集预先训练好所述疏散指引决策人工智能模型，并存储在云端服务器上；在建筑物的各关键区域点位部署智能应急疏散指引装置的边缘侧物联网智能装置组，所述边缘侧物联网智能装置组使用多种传感器实时监测每个关键区域点位的环境参数，同时计算预设小时内的环境参数的平均值，若所述边缘侧物联网智能装置组后续检测到当前环境参数偏离预设小时内的环境参数的平均值的预设范围或烟雾传感器有信号，则向网络发送环境危险信息；同时，所述边缘侧物联网智能装置组控制摄像头实时拍摄关键区域点位的照片和视频流，通过AI识别人体上身和人脸，向网络报告目前区域的拥挤度信息和人数；网络收集汇总各关键区域点位的环境危险信息、区域的拥挤度信息和人数后，发送给云端的疏散指引决策人工智能模型，计算所有关键区域点位的最佳疏散方向的决策指令并发回给网络；网络向每个关键区域点位的边缘侧物联网智能装置组下发对应的决策指令。2.如权利要求1所述的建筑物内应急疏散指引方法，其特征在于，所述房间的属性包括：房间类型、面积、额定人数和是否有潜在的危险源。3.如权利要求1所述的建筑物内应急疏散指引方法，其特征在于，对每条疏散路线进行评分中，若路线越长、经过的危险区域越多、路线上拥挤的人数越多，则评分越低。4.如权利要求1所述的建筑物内应急疏散指引方法，其特征在于，对每条疏散路线进行评分的算式为：S＝100
‑
40(L/D
‑
...

【专利技术属性】
技术研发人员：彭阳，余芳强，张铭，许璟琳，杨昊，向彦州，高尚，
申请(专利权)人：上海建工四建集团有限公司，
类型：发明
国别省市：