一种改进的步行街区应急模拟方法技术

本发明专利技术提供了一种改进的步行街区应急模拟方法，包括：对步行街区的路网矢量进行数据预处理，生成无向图；基于预设理论，对步行街区对应的人体进行个性特征分类；根据步行街区的人体间的距离并结合分类的个性特征，确定不同个体的神经反应强度；基于神经反应强度以及无向图，构建智能个体速度函数；针对不同分类的个性特征，定义慌乱比率，并基于所述智能个体速度函数，构建对应的路径疏散模型；构建不同个性特征对应的路径疏散模型，进行最短路径搜索以及获取最短时间状态序列，基于搜索结果以及获取结果，在所述步行街区构建的虚拟场景中进行应急疏散模拟。提高应急疏散的效率。提高应急疏散的效率。提高应急疏散的效率。

【技术实现步骤摘要】
一种改进的步行街区应急模拟方法


[0001]本专利技术涉及智能模拟
，特别涉及一种改进的步行街区应急模拟方法。

技术介绍

[0002]目前，我国城镇化的快速进程带来了各个城市步行街建设的热潮。如今,城市步行街区与商业、休闲、旅游等功能结合,已成为城市中最具人气的公共活动场所之一,尤其在节假日期间,更是常常成为人口最为密集的场所。密集的人口给步行街区带来活力的同时,也带来了更大的安全隐患,在应对突发事件时,安全、迅速、科学的人员疏散对策以及支撑疏散的合理空间布置,将是减轻灾害损失的重要因素。
[0003]在步行街区疏散的过程中，一般是人为疏散，规划疏散路径，前往避难场所进行疏散，但是，这种疏散由于不考虑人群面对紧急情况的情绪状态，导致疏散效率低下。
[0004]因此，本专利技术提出一种改进的步行街区应急模拟方法。

技术实现思路

[0005]本专利技术提供一种改进的步行街区应急模拟方法，用以解决上述提出的技术问题。
[0006]本专利技术提出一种改进的步行街区应急模拟方法，包括：
[0007]步骤1：对步行街区的路网矢量进行数据预处理，生成无向图；
[0008]步骤2：基于预设理论，对步行街区对应的人体进行个性特征分类；
[0009]步骤3：根据步行街区的人体间的距离并结合分类的个性特征，确定不同个体的神经反应强度；
[0010]步骤4：基于神经反应强度以及无向图，构建智能个体速度函数；
[0011]步骤5：针对不同分类的个性特征，定义慌乱比率，并基于所述智能个体速度函数，构建对应的路径疏散模型；
[0012]步骤6：当所述个性特征与理性个体特征有关时，获取对应的路径疏散模型，进行最短路径搜索，同时，当所述个性特征与非理性个体特征有关时，获取对应的路径疏散模型以及改进的维特比算法，获取最短时间状态序列；
[0013]步骤7：基于搜索结果以及获取结果，在所述步行街区构建的虚拟场景中进行应急疏散模拟。
[0014]优选的，步骤1：对步行街区的路网矢量进行数据预处理，生成无向图，包括：
[0015]获取所述步行街区的路况布局；
[0016]基于道路连通性对所述路况布局进行预分析，确定所述步行街区的路口集合以及道路集合；
[0017]确定所述路口集合中每个路口的路口容量属性以及初始疏散人数属性；
[0018]确定所述道路集合中每条道路的道路通道属性以及通行时间属性；
[0019]基于邻接表，分别获取与路口容量属性以及初始疏散人数属性相关的第一值，同时，还分别获取与道路通道属性以及通行时间属性相关的第二值；
[0020]基于所述第一值以及第二值进行矢量数据表达，生成步行街区的无向图。
[0021]优选的，步骤2：基于预设理论，对步行街区对应的人体进行个性特征分类，包括：
[0022]基于预设理论，确定所述步行街区中对应人体在紧急疏散转移过程中对疏散信号的疏散能力；
[0023]基于所述疏散能力对对应人体进行个性特征分类。
[0024]优选的，步骤3：根据步行街区的人体间的距离并结合分类的个性特征，确定不同个体的神经反应强度，包括：
[0025]确定疏散信号未接收人体与疏散信号发送人体之间的第一距离，同时，确定所述未接收人体与危险源的第二距离；
[0026]确定所述未接收人体的个性特征，进而确定接收能力；
[0027]确定所述发送人体的情绪感染态特征，进而确定发送能力；
[0028]基于所述第一距离、第二距离、接收能力以及发送能力，确定对应人体的神经反应强度。
[0029]优选的，步骤4：基于神经反应强度以及无向图，构建智能个体速度函数，包括：
[0030]基于所述无向图，确定所述步行街区的道路面积以及每条道路的人数；
[0031]基于道路面积以及对应道路上的人数，确定人群密度；
[0032]获取每个人体在道路疏散过程中的神经反应强度；
[0033]基于最小二乘法，将所述人群密度以及神经反应强度进行拟合，得到对应人体的智能个体速度函数。
[0034]优选的，步骤5：针对不同分类的个性特征，定义慌乱比率，并基于所述智能个体速度函数，构建对应的路径疏散模型，包括：
[0035]基于不同分类个性特征，确定所述步行街区中的非理性人的第一数量，同时，确定所述步行街区中理性人的第二数量；
[0036]基于所述第一数量与第一数量和第二数量的比值，得到慌乱比率；
[0037]基于所述慌乱比率，并结合所述智能个体速度函数，构建对应的路径疏散模型。
[0038]优选的，当所述个性特征与理性个体特征有关时，获取对应的路径疏散模型，进行最短路径搜索，包括：
[0039]确定所述无向图，并向所述无向图新增超级源结点；
[0040]对第一预设算法进行优化，获取第二预设算法，基于所述第二预设算法确定所述超级源结点到所述无向图中的目标结点的最短距离，并记录；
[0041]基于理性个体特征的路径疏散模型，实时更新所述无向图中所述目标结点对应的道路与路口的人员疏散数量以及可用容量，确定是否存在未被疏散人员；
[0042]若存在，基于所述第二预设算法重新确定所述超级源结点到所述目标结点的最短距离，并记录；
[0043]基于所有记录结果，完成对最短路径的搜索；
[0044]若不存在，确定疏散完成。
[0045]优选的，当所述个性特征与非理性个体特征有关时，获取对应的路径疏散模型以及改进的维特比算法，获取最短时间状态序列，包括：
[0046]确定所述无向图中的交叉结点与道路的邻接性，构建所述交叉结点的状态空间；
[0047]基于所述状态空间，计算各个交叉结点的速度模型；
[0048]基于所述速度模型，计算隐马尔科夫转移概率；
[0049]基于所述隐马尔科夫转移概率，构建所述无向图中对应非理性个体的状态概率转移矩阵；
[0050]基于所述状态概率转移矩阵，改进维特比算法，并结合非理性个体特征的路径疏散模型，获取最短时间状态序列。
[0051]优选的，基于所述第一值以及第二值进行矢量数据表达，生成步行街区的无向图的过程中，还包括：
[0052]基于无人机对所述步行街区的历史探测信息，确定所述步行街区中的待施工场所以及正在施工场所；
[0053]获取所述待施工场所的当下施工配置图像，并对所述当下施工配置图像进行第一预分析，判断存在的施工配置矩阵，并计算所述施工配置矩阵的特征向量；
[0054]基于向量匹配模型，对所述特征向量与所述施工矩阵中的每行向量进行关联匹配，确定是否存在施工关联，若存在，将对应行向量标定为不可参考向量，否则，将对应行向量标定为可参考向量；
[0055]获取所有标定的参考向量，分析判断是否存在疏散可能性，若存在，对所述待施工场所的最小疏散通道口的允许最大同排疏散数量进行第一确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进的步行街区应急模拟方法，其特征在于，包括：步骤1：对步行街区的路网矢量进行数据预处理，生成无向图；步骤2：基于预设理论，对步行街区对应的人体进行个性特征分类；步骤3：根据步行街区的人体间的距离并结合分类的个性特征，确定不同个体的神经反应强度；步骤4：基于神经反应强度以及无向图，构建智能个体速度函数；步骤5：针对不同分类的个性特征，定义慌乱比率，并基于所述智能个体速度函数，构建对应的路径疏散模型；步骤6：当所述个性特征与理性个体特征有关时，获取对应的路径疏散模型，进行最短路径搜索，同时，当所述个性特征与非理性个体特征有关时，获取对应的路径疏散模型以及改进的维特比算法，获取最短时间状态序列；步骤7：基于搜索结果以及获取结果，在所述步行街区构建的虚拟场景中进行应急疏散模拟。2.如权利要求1所述的改进的步行街区应急模拟方法，其特征在于，步骤1：对步行街区的路网矢量进行数据预处理，生成无向图，包括：获取所述步行街区的路况布局；基于道路连通性对所述路况布局进行预分析，确定所述步行街区的路口集合以及道路集合；确定所述路口集合中每个路口的路口容量属性以及初始疏散人数属性；确定所述道路集合中每条道路的道路通道属性以及通行时间属性；基于邻接表，分别获取与路口容量属性以及初始疏散人数属性相关的第一值，同时，还分别获取与道路通道属性以及通行时间属性相关的第二值；基于所述第一值以及第二值进行矢量数据表达，生成步行街区的无向图。3.如权利要求1所述的改进的步行街区应急模拟方法，其特征在于，步骤2：基于预设理论，对步行街区对应的人体进行个性特征分类，包括：基于预设理论，确定所述步行街区中对应人体在紧急疏散转移过程中对疏散信号的疏散能力；基于所述疏散能力对对应人体进行个性特征分类。4.如权利要求1所述的改进的步行街区应急模拟方法，其特征在于，步骤3：根据步行街区的人体间的距离并结合分类的个性特征，确定不同个体的神经反应强度，包括：确定疏散信号未接收人体与疏散信号发送人体之间的第一距离，同时，确定所述未接收人体与危险源的第二距离；确定所述未接收人体的个性特征，进而确定接收能力；确定所述发送人体的情绪感染态特征，进而确定发送能力；基于所述第一距离、第二距离、接收能力以及发送能力，确定对应人体的神经反应强度。5.如权利要求1所述的改进的步行街区应急模拟方法，其特征在于，步骤4：基于神经反应强度以及无向图，构建智能个体速度函数，包括：基于所述无向图，确定所述步行街区的道路面积以及每条道路的人数；
基于道路面积以及对应道路上的人数，确定人群密度；获取每个人体在道路疏散过程中的神经反应强度；基于最小二乘法，将所述人群密度以及神经反应强度进行拟合，得到对应人体的智能个体速度函数。6.如权利要求1所述的改进的步行街区应急模拟方法，其特征在于，步骤5：针对不同分类的个性特征，定义慌乱比率，并基于所述智能个体速度函数，构建对应的路径疏散模型，包括：基于不同分类个性特征，确定所述步行街区中的非理性人的第一数量，同时，确定所述步行街区中理性人的第二数量；基于所述第一数量与第一数量和第二数量的比值，得到慌乱比率；基于所述慌乱比率，并结合所述智能个体速度函数，构建对应的路径疏散模型。7.如权利要求1所述的改进的步行街区应急模拟方法，其特征在于，当所述个性特征与理性个体特征有关时，获取对应的路径疏散模型，进行最短路径搜索，包括：确定所述无向图，并向所述无向图新增超级源结点；对第一预设算法进行优化，获取第二预设算法，基于所述第二预设算法确定所述超级源结点到所述无向图中的目标结点的最短距离，并记录；基于理性个体特征的路径疏散模型，实时更新所述无向图中所述目标结点对应的道路与路口的人员疏散数量以及可用容量，确定是否存在未被疏散人员；若存在，基于所述第二预设算法重新确定所述超级源结点到所述目标结点的最短距离...

【专利技术属性】
技术研发人员：俞晓莹，张建，贺鹏，刘琪，赵凯，陈智辉，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：