張?zhí)K英 郭寶樑 趙國(guó)花 劉慧賢

摘 要：為了解決大型綜合建筑中智能疏散系統(tǒng)在火災(zāi)等突發(fā)情況發(fā)生時(shí)可根據(jù)復(fù)雜建筑結(jié)構(gòu)規(guī)劃出合理、安全的疏散路徑問(wèn)題，提出了一種基于改進(jìn)A*算法的多起點(diǎn)、多出口路徑規(guī)劃方法。通過(guò)增加轉(zhuǎn)彎懲罰值，結(jié)合火災(zāi)影響區(qū)域?qū)崟r(shí)信息和火災(zāi)中心點(diǎn)的距離改進(jìn)了估價(jià)函數(shù)，進(jìn)而計(jì)算出最優(yōu)疏散路徑。依據(jù)搜索出的最優(yōu)路徑調(diào)整三維樓層地圖中各個(gè)導(dǎo)向標(biāo)志方向，從而引導(dǎo)不同位置人員從最優(yōu)路徑疏散逃生。仿真實(shí)驗(yàn)結(jié)果表明，在計(jì)算多起點(diǎn)、多出口疏散路徑時(shí)，改進(jìn)A*算法與傳統(tǒng)Dijkstra算法和A*算法相比，搜索方向更加明確，路徑更加平滑，搜索效率更高，運(yùn)行時(shí)間更短，并能結(jié)合火災(zāi)信息保證疏散路徑的安全性。該算法在求解大型綜合建筑火災(zāi)安全疏散路徑方面具有很好的應(yīng)用前景。

關(guān)鍵詞：人工智能理論;路徑規(guī)劃;柵格法;A*算法;Dijkstra算法;導(dǎo)向標(biāo)志

中圖分類號(hào)：TP391 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? doi：10.7535/hbkd.2020yx01005

Abstract： In order to solve the problem that the intelligent evacuation system in large-scale integrated buildings can plan a reasonable and safe evacuation path according to the complex building structure when the fire occurs， the multi-start multi-egress path planning method based on the improved A* algorithm is proposed. By increasing the turning penalty value， the real-time information of the fire affected area， and the distance of the fire center point are improved to improve the valuation function， and then the optimal evacuation path is calculated. According to the searched optimal path， the direction of each guiding mark in the three-dimensional floor map is adjusted， thereby guiding people at different positions to evacuate from the optimal path. The simulation experiments show that compared with the traditional Dijkstra algorithm and A* algorithm， the improved A* algorithm in calculating multiple starting points and multi-export evacuation paths has a clearer search direction， a smoother path， and a higher search efficiency and shorter running time， and combines fire information to ensure evacuation path security. The algorithm has a good application prospect in solving the fire safety evacuation path of large-scale integrated buildings.

Keywords：artificial intelligence theory; route plan; grid method; A* algorithm; Dijkstra algorithm; guide mark

隨著社會(huì)的快速發(fā)展，人員密集的場(chǎng)所不斷增加，建筑物逐漸向高層化、智能化、多樣化設(shè)計(jì)演變，這些要求導(dǎo)致建筑物日趨復(fù)雜。對(duì)于很多綜合性建筑而言，其內(nèi)部人員密集，結(jié)構(gòu)復(fù)雜，一旦發(fā)生火災(zāi)等突發(fā)事件，樓內(nèi)疏散系統(tǒng)就扮演了重要角色。傳統(tǒng)的疏散系統(tǒng)路徑較為固定，缺少靈活性，有時(shí)由于導(dǎo)向標(biāo)志的誤操作，還會(huì)誤導(dǎo)人員向?yàn)?zāi)情嚴(yán)重的方向逃生，耽誤最佳逃生時(shí)間。因此，可以根據(jù)火災(zāi)等突發(fā)事件的實(shí)時(shí)情況動(dòng)態(tài)調(diào)整逃生路徑的智能疏散系統(tǒng)應(yīng)運(yùn)而生。

逃生路徑規(guī)劃，是智能疏散系統(tǒng)中的重要環(huán)節(jié)之一。當(dāng)火災(zāi)等突發(fā)情況發(fā)生時(shí)，系統(tǒng)根據(jù)火災(zāi)現(xiàn)場(chǎng)實(shí)時(shí)情況，動(dòng)態(tài)計(jì)算最優(yōu)逃生路徑，從而引導(dǎo)人員準(zhǔn)確、安全、快速地逃離危險(xiǎn)區(qū)域，縮短逃生時(shí)間，減少人員和財(cái)產(chǎn)損失。目前，國(guó)內(nèi)外學(xué)者在疏散路徑優(yōu)化方面進(jìn)行了大量的研究，如邢志祥等[1]通過(guò)疏散模擬軟件Pathfinder結(jié)合實(shí)際情況建立模型，對(duì)常州某大型超市進(jìn)行了火災(zāi)情況下人員疏散模擬研究，提出針對(duì)該超市的一種更為合理的疏散路徑;劉毅等[2]基于改進(jìn)蟻群算法提出考慮火災(zāi)實(shí)時(shí)擴(kuò)散的最短路徑選擇模型，可以在保證安全的前提下提供更合理的疏散路徑;陳一洲等[3]基于災(zāi)害預(yù)測(cè)的疏散路徑優(yōu)化理論模型，集成考慮實(shí)時(shí)與未來(lái)災(zāi)害影響的轉(zhuǎn)移避災(zāi)路徑優(yōu)化算法，進(jìn)而規(guī)劃出避開(kāi)災(zāi)害且疏散時(shí)間較短的逃生路徑;江奎東等[4]分析了人員密度以及煙氣能見(jiàn)度對(duì)最佳疏散路徑和疏散速度的影響，使用改進(jìn)蟻群算法求解煙氣中人員疏散的最佳路徑;毛占利等[5]以結(jié)合疏散路徑的通行能力合理分配待疏散人員為原則，建立了疏散路徑受阻情況下的人員疏散模型。運(yùn)用Dijkstra算法對(duì)最短路徑進(jìn)行求解。張蓉等[6]提出最優(yōu)路徑、動(dòng)態(tài)調(diào)整、即時(shí)反饋的新思路，結(jié)合Floyd算法體系，實(shí)現(xiàn)了應(yīng)急疏散路徑實(shí)時(shí)動(dòng)態(tài)的智能規(guī)劃。

綜合以上成果，文獻(xiàn)大多通過(guò)引入災(zāi)變模型、人員疏散模型或算法對(duì)疏散路徑進(jìn)行研究，而對(duì)于動(dòng)態(tài)逃生導(dǎo)向標(biāo)志的規(guī)劃研究卻不多，且大多為單起點(diǎn)、單出口的路徑規(guī)劃，而實(shí)際人員疏散時(shí)樓層中各個(gè)位置都存在疏散人員，且出口不唯一。因此，本文結(jié)合火災(zāi)現(xiàn)場(chǎng)實(shí)時(shí)情況，以提前遠(yuǎn)離火源，就近尋找出口為原則，使用改進(jìn)A*算法計(jì)算三維環(huán)境下智能疏散系統(tǒng)中各個(gè)導(dǎo)向標(biāo)志方向，從而引導(dǎo)人員快速安全疏散[7]。

1 問(wèn)題描述及環(huán)境建模

1.1 問(wèn)題描述

研究智能疏散系統(tǒng)中疏散導(dǎo)向標(biāo)志的目的在于，當(dāng)建筑物中發(fā)生火災(zāi)等突發(fā)情況時(shí)，智能疏散系統(tǒng)的檢測(cè)裝置根據(jù)各個(gè)樓層的火災(zāi)實(shí)時(shí)信息，計(jì)算出最優(yōu)逃生路徑。之后通過(guò)中間通訊設(shè)備控制各樓層中每個(gè)疏散導(dǎo)向標(biāo)志的顯示方向，逃生人員根據(jù)所處位置導(dǎo)向標(biāo)志的顯示方向逃生，可以達(dá)到快速、安全疏散的目的[8-10]。由于系統(tǒng)可根據(jù)火災(zāi)實(shí)時(shí)情況動(dòng)態(tài)調(diào)整逃生路徑，因此可提高逃生效率，減少人員和財(cái)產(chǎn)損失。智能疏散系統(tǒng)的路徑規(guī)劃，可以看作是一種全局路徑規(guī)劃。研究全局路徑規(guī)劃有如下條件：

1）樓層地圖環(huán)境已知，即每個(gè)樓層障礙物和墻壁位置確定;

2）逃生人員隨機(jī)分布在樓層中各個(gè)位置;

3）逃生時(shí)僅考慮環(huán)境溫度、有毒煙霧和人員密度3個(gè)火災(zāi)實(shí)時(shí)信息，且檢測(cè)裝置可以實(shí)時(shí)檢測(cè)以上3個(gè)信息參數(shù)。

環(huán)境溫度、有毒煙霧和人員密度對(duì)人員疏散時(shí)的影響如表1所示。

1.2 三維地圖模型建立

室內(nèi)路徑規(guī)劃和室外路徑規(guī)劃地圖建模的不同之處在于三維空間的不同。雖然維度相同，但是室外三

維地圖大多為同一層面，只是不同區(qū)域的平面高度存在差異，障礙物分布可能處在多個(gè)不同水平面。而室內(nèi)三維地圖由于樓層內(nèi)部的特殊性，會(huì)出現(xiàn)多個(gè)樓層平面，但是每個(gè)平面內(nèi)的障礙物基本處在同一個(gè)水平面內(nèi)。因此，本文為了簡(jiǎn)化地圖模型沒(méi)有采用空間等分網(wǎng)格法，而是將每個(gè)樓層看作一個(gè)二維柵格平面[11-13]。首先取一點(diǎn)作為坐標(biāo)原點(diǎn)，之后在笛卡爾坐標(biāo)系o-xyz下創(chuàng)建不同高度的二維柵格平面。運(yùn)用柵格法將各個(gè)樓層和障礙物的情況柵格化，可行區(qū)域用白色柵格表示，障礙物和墻壁用立方體表示，樓梯用斜平面表示，各樓層出口通過(guò)樓梯節(jié)點(diǎn)把相鄰樓層地圖相互連接起來(lái)，建立樓層內(nèi)部完整的三維路徑圖。與傳統(tǒng)的方法相比，簡(jiǎn)化了劃分空間等分網(wǎng)格，同時(shí)也減少了特征點(diǎn)的提取，進(jìn)而簡(jiǎn)化了三維拓?fù)淠Ｐ瓦B接。建立的某樓層三維模型地圖如圖1所示。

2 A*算法改進(jìn)設(shè)計(jì)

2.1 A*算法基本原理

A*算法是以Dijkstra算法（簡(jiǎn)稱D算法）為基礎(chǔ)的典型啟發(fā)式算法，一般用于全局路徑規(guī)劃。其基本原理是在搜索路徑的過(guò)程中不停地尋找估價(jià)函數(shù)最小的節(jié)點(diǎn)，使得搜索過(guò)程能夠沿著最優(yōu)路徑方向行進(jìn)，進(jìn)而減小了搜索的節(jié)點(diǎn)數(shù)量。其中每個(gè)節(jié)點(diǎn)的估價(jià)函數(shù)f（n）如式（1）所示。f（n）=g（n）+h（n）， （1）式中：g（n）為初始節(jié)點(diǎn)到節(jié)點(diǎn)n的代價(jià)值;h（n）為當(dāng)前節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)的預(yù)估代價(jià)值，其一般表示為曼哈頓距離、對(duì)角線距離或歐幾里得距離等形式，本文使用歐式距離。

A*算法有2個(gè)列表：open列表和closed列表。open列表是用來(lái)存儲(chǔ)將要探索的節(jié)點(diǎn)，closed列表被用作存儲(chǔ)已經(jīng)搜索完成的節(jié)點(diǎn)。在運(yùn)行A*算法時(shí)，初始點(diǎn)加入open列表中，并以f（n）為標(biāo)準(zhǔn)，從open列表中選出代價(jià)值最小的節(jié)點(diǎn)存入colsed列表中，同時(shí)在open列表中刪掉。對(duì)當(dāng)前節(jié)點(diǎn)所有可以到達(dá)的節(jié)點(diǎn)進(jìn)行判斷：如果這個(gè)節(jié)點(diǎn)在close列表中就跳過(guò);否則，當(dāng)這個(gè)節(jié)點(diǎn)不在open列表中就把他加入其中，讓其父指針指向這個(gè)節(jié)點(diǎn)，當(dāng)這個(gè)節(jié)點(diǎn)存在于open列表中，就計(jì)算出其g值大小。如果比之前g值小，說(shuō)明這個(gè)節(jié)點(diǎn)滿足條件，修改這個(gè)節(jié)點(diǎn)的父指針指向新節(jié)點(diǎn)，同時(shí)計(jì)算出新的g值和f值，把open列表中的f值重新排序。重復(fù)上述步驟，直到在close列表中探索到目標(biāo)節(jié)點(diǎn)，搜索路徑完成，最后父指針由目標(biāo)點(diǎn)回到起始點(diǎn)，得出最小成本路徑[14-16]。

2.2 改進(jìn)A*算法

雖然傳統(tǒng)的A*算法已經(jīng)在路徑規(guī)劃中廣泛應(yīng)用，但其存在搜索出的路徑轉(zhuǎn)彎次數(shù)較多、路徑不夠平滑的問(wèn)題。且傳統(tǒng)路徑規(guī)劃一般為單起點(diǎn)、單出口，而實(shí)際人員疏散時(shí)地圖中各個(gè)位置都存在疏散人員，出口不唯一，即多起點(diǎn)、多出口的路徑規(guī)劃。因此，本文以A*算法為基礎(chǔ)并結(jié)合火災(zāi)發(fā)生的實(shí)際情況，提出一種適合疏散路徑的改進(jìn)A*算法，通過(guò)計(jì)算疏散路徑，調(diào)整各樓層導(dǎo)向標(biāo)志，引導(dǎo)人員合理、快速逃生[17-19]。

2.2.1 估價(jià)函數(shù)改進(jìn)

由于傳統(tǒng)A*算法規(guī)劃出的路徑轉(zhuǎn)彎次數(shù)較多，在實(shí)際計(jì)算疏散路徑時(shí)容易導(dǎo)致逃生者行進(jìn)速度減慢，在慌亂情況下可能會(huì)迷失方向。加之發(fā)生火災(zāi)時(shí)路徑上的人員密度、有毒煙霧、環(huán)境溫度都會(huì)對(duì)逃生人員產(chǎn)生影響，因此本文對(duì)傳統(tǒng)的估價(jià)函數(shù)進(jìn)行改進(jìn)。改進(jìn)后的估價(jià)函數(shù)見(jiàn)式（2）。f（n）=g（n）+h（n）+a·k（n）+b·z（n），（2）式中：g（n）為初始節(jié)點(diǎn)到任意節(jié)點(diǎn)n的代價(jià)值;h（n）為從當(dāng)前節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)與到火災(zāi)中心點(diǎn)歐式距離的差;k（n） 為當(dāng)前節(jié)點(diǎn)火災(zāi)綜合信息評(píng)價(jià)函數(shù);z（n） 為當(dāng)前節(jié)點(diǎn)路徑轉(zhuǎn)向成本評(píng)價(jià)函數(shù)。為統(tǒng)一單位，需將k（n）和z（n）轉(zhuǎn)化為g（n）和h（n）所代表的距離信息，為此，將k（n）和z（n）分別乘以懲罰系數(shù)a和b。h（n）=（xn-xg）2+（yn-yg）2-c·（xn-xj）2+（yn-yj）2，（3）式中：xg為目標(biāo)點(diǎn)橫坐標(biāo);yg為目標(biāo)點(diǎn)縱坐標(biāo);xn為當(dāng)前節(jié)點(diǎn)n橫坐標(biāo);yn為當(dāng)前節(jié)點(diǎn)n縱坐標(biāo);xj為火災(zāi)中心點(diǎn)橫坐標(biāo);yj為火災(zāi)中心點(diǎn)縱坐標(biāo);c為對(duì)應(yīng)系數(shù)。k（n）=ms（n）+ws（n）+ts（n） ， （4）式中：m（n）為當(dāng)前節(jié)點(diǎn)人員密度;w（n）為當(dāng)前節(jié)點(diǎn)有毒煙霧;t（n）為當(dāng)前節(jié)點(diǎn)環(huán)境溫度;s為對(duì)應(yīng)等級(jí)。

通過(guò)以上改進(jìn)，引入了火災(zāi)綜合信息和轉(zhuǎn)彎次數(shù)2個(gè)評(píng)價(jià)函數(shù)，有效減少了路徑的轉(zhuǎn)彎次數(shù)，保證了路徑與火災(zāi)中心的安全距離，同時(shí)避開(kāi)了受火災(zāi)影響的路徑，保證人員快速、安全地進(jìn)行疏散。

2.2.2 最優(yōu)路徑篩選

疏散時(shí)樓層中各個(gè)位置都存在疏散人員，且出口不唯一，屬于多起點(diǎn)、多出口的路徑規(guī)劃，因此，本文首先將樓層各個(gè)路口處放置疏散導(dǎo)向標(biāo)志，然后分別以每個(gè)導(dǎo)向標(biāo)志為起點(diǎn)，所在樓層各個(gè)出口為終點(diǎn)，使用本文算法進(jìn)行多出口路徑規(guī)劃，最后對(duì)規(guī)劃出的各個(gè)路徑進(jìn)行篩選，選取最優(yōu)路徑作為疏散路徑[20-21]。

2.3 導(dǎo)向標(biāo)志方向選擇

設(shè)定導(dǎo)向標(biāo)志可以顯示4個(gè)方向，如圖2所示，由所選路徑得出導(dǎo)向標(biāo)志方向，如圖3所示。以導(dǎo)向標(biāo)志所在節(jié)點(diǎn)n為起點(diǎn)，所行進(jìn)至的下一節(jié)點(diǎn)n+1為終點(diǎn)，黑色區(qū)域?yàn)檎系K物，陰影區(qū)域?yàn)樗惴ㄒ?guī)劃出的最優(yōu)路徑，黑色箭頭方向?yàn)樾羞M(jìn)方向。示例中得出的導(dǎo)向標(biāo)志顯示方向?yàn)镾。

2.4 改進(jìn)A*算法的流程圖

改進(jìn)A*算法結(jié)合火災(zāi)實(shí)時(shí)信息計(jì)算出各個(gè)疏散位置對(duì)應(yīng)不同出口的疏散路徑，然后對(duì)不同疏散路徑進(jìn)行篩選以選出最優(yōu)路徑，根據(jù)最優(yōu)路徑計(jì)算導(dǎo)向標(biāo)志方向，從而引導(dǎo)樓層各個(gè)位置的人員安全、快速逃生。具體改進(jìn)A*算法流程圖如圖4所示。

3 仿真與分析

3.1 算法仿真

為驗(yàn)證改進(jìn)算法，使用Matlab2016為實(shí)驗(yàn)平臺(tái)對(duì)其進(jìn)行仿真實(shí)驗(yàn)。在二維柵格地圖內(nèi)分別在未發(fā)生火災(zāi)和發(fā)生火災(zāi)時(shí)對(duì)D算法、A*算法與改進(jìn)算法進(jìn)行仿真對(duì)比。設(shè)定柵格地圖大小為50*50，其中白色為可行區(qū)域，黑色為障礙物區(qū)域，深灰色為搜索區(qū)域，淺灰色線為算法計(jì)算出的最優(yōu)路徑（從起點(diǎn)至出口的灰線），圓圈代表著火位置，加號(hào)代表此處存在有毒煙霧或溫度異常情況，三角表示此路徑上人員密度過(guò)高。未發(fā)生火災(zāi)時(shí)3種算法搜索出的疏散路徑如圖5—圖7所示，發(fā)生火災(zāi)時(shí)3種算法計(jì)算出的疏散路徑如圖8—圖10所示。

由圖5—圖7可知，當(dāng)未發(fā)生火災(zāi)時(shí)，傳統(tǒng)D算法和A*算法雖然搜索出的最優(yōu)路徑相同，但是D算法的搜索區(qū)域明顯多于A*算法，因此導(dǎo)致其搜索速度慢于A*算法。而改進(jìn)后的A*算法雖然搜索出的最優(yōu)路徑與傳統(tǒng)的D算法和A*算法相比長(zhǎng)了一點(diǎn)，但其搜索區(qū)域比前兩者小很多，搜索速度更快，搜索出的最優(yōu)路徑轉(zhuǎn)彎次數(shù)也更少，使得人員尋找逃生路徑時(shí)更為容易，提高了逃生成功率。

由圖8—圖10可知，當(dāng)發(fā)生火災(zāi)時(shí)，改進(jìn)后的A*算法搜索區(qū)域減少，搜索速度快，得出的最優(yōu)路徑轉(zhuǎn)彎次數(shù)少，同時(shí)會(huì)繞過(guò)有毒煙霧、溫度異常和人員密集區(qū)域，并與著火位置保持一定安全距離，在提高了逃生效率的同時(shí)保證了逃生人員的安全性。

根據(jù)改進(jìn)算法計(jì)算出的最優(yōu)路徑控制導(dǎo)向標(biāo)志的方向。未發(fā)生火災(zāi)時(shí)，各樓層導(dǎo)向標(biāo)志顯示和三維樓層導(dǎo)向標(biāo)志顯示如圖11—圖14所示。樓層中白色區(qū)域?yàn)榭尚袇^(qū)域，三角為所在位置導(dǎo)向標(biāo)志的方向指示，每個(gè)樓層有4個(gè)出口，各導(dǎo)向標(biāo)志根據(jù)自身位置指向最近出口，指引人員安全疏散。

設(shè)定三樓有兩處地點(diǎn)發(fā)生火災(zāi)，黑球體代表著火位置，加號(hào)代表此處存在有毒煙霧或溫度異常情況，三角表示此路徑上人員密度過(guò)高。使用改進(jìn)算法控制著火時(shí)三樓導(dǎo)向標(biāo)志的顯示和整體三維樓層導(dǎo)向標(biāo)志顯示，如圖15、圖16所示。由于一層和二層并未發(fā)生火災(zāi)，因此其導(dǎo)向標(biāo)志方向不變。

3.2 人群疏散仿真

為驗(yàn)證使用動(dòng)態(tài)疏散導(dǎo)向標(biāo)志對(duì)人員疏散時(shí)的作用，使用Pathfinder軟件對(duì)發(fā)生火災(zāi)的樓層進(jìn)行人群疏散仿真。Pathfinder由美國(guó)Thunderhead engineering公司研發(fā)，是基于進(jìn)、出和人員運(yùn)動(dòng)的仿真模擬器。其可提供三維可視化分析結(jié)果和用戶界面模擬設(shè)計(jì)，能計(jì)算每名疏散人員的獨(dú)立運(yùn)動(dòng)。樓層結(jié)構(gòu)模型與之前建立的樓層三維模型相同，尺寸為100 m×100 m，每層隨機(jī)分布300人，火災(zāi)發(fā)生地點(diǎn)同樣在三樓。三樓仿真地圖和整體三維樓層仿真地圖如圖17、圖18所示。

當(dāng)三樓發(fā)生火災(zāi)時(shí)，設(shè)定樓內(nèi)人員撤離速度為3 m/s，人員在靜態(tài)標(biāo)志引導(dǎo)下疏散路徑和人員撤離時(shí)間如圖19、圖20所示。其中箭頭表示了靜態(tài)標(biāo)志顯示方向，擁擠區(qū)域已標(biāo)出，著火位置與之前Matlab仿真時(shí)相同。

由圖19可知，由于靜態(tài)導(dǎo)向標(biāo)志不能實(shí)時(shí)更新火災(zāi)信息，使得部分逃生者跟隨導(dǎo)向標(biāo)志的錯(cuò)誤引導(dǎo)，在出口2火災(zāi)區(qū)域附近出現(xiàn)大面積路徑折返和擁堵，同時(shí)，因逃生通道較窄，距離火源較近，逃生人員在出口4附近出現(xiàn)等待、擁堵等情況，這大大降低了逃生效率和逃生人員安全性。圖20顯示樓內(nèi)人員完全疏散時(shí)間為118 s。

基于動(dòng)態(tài)逃生系統(tǒng)，使用改進(jìn)算法計(jì)算出的導(dǎo)向標(biāo)志引導(dǎo)人員疏散，其他參數(shù)不變，人員疏散路徑和撤離時(shí)間如圖21、圖22所示。

由仿真可知，在其余參數(shù)不變的情況下，改進(jìn)算法結(jié)合火災(zāi)實(shí)時(shí)信息和路徑擁堵情況，計(jì)算出樓內(nèi)各個(gè)疏散導(dǎo)向標(biāo)志的方向，引導(dǎo)人員快速、安全撤離到安全區(qū)域。從圖21可知，人員在疏散時(shí)并沒(méi)有出現(xiàn)路徑折返和人員等待、擁堵的情況。由圖22可知，樓內(nèi)人員完全疏散時(shí)間為101 s，與圖20相比疏散時(shí)間更快、效率更高。疏散路徑避開(kāi)了火災(zāi)區(qū)域，保證了與火災(zāi)中心的距離，使人員在疏散時(shí)更加安全。

4 結(jié) 語(yǔ)

本文使用Matlab軟件對(duì)大型綜合建筑智能疏散系統(tǒng)中的導(dǎo)向標(biāo)志方向判斷進(jìn)行了仿真研究，將火災(zāi)發(fā)生位置等實(shí)時(shí)信息和路徑轉(zhuǎn)向成本引入A*算法的估價(jià)函數(shù)，從而對(duì)算法進(jìn)行了改進(jìn)。改進(jìn)算法降低了搜索時(shí)間和路徑轉(zhuǎn)彎次數(shù)，與傳統(tǒng)D算法和A*算法相比，運(yùn)算速度更快，搜索路徑更合理。通過(guò)使用模擬疏散軟件Pathfinder對(duì)火災(zāi)情況下靜態(tài)導(dǎo)向標(biāo)志和動(dòng)態(tài)導(dǎo)向標(biāo)志引導(dǎo)人員疏散的情況進(jìn)行模擬分析和對(duì)比，可知改進(jìn)算法計(jì)算出的動(dòng)態(tài)導(dǎo)向標(biāo)志引導(dǎo)人員疏散使得逃生時(shí)間更短、效率更高，同時(shí)逃生路徑避開(kāi)了火災(zāi)區(qū)域，使人員在疏散時(shí)更加安全。本文僅通過(guò)仿真軟件對(duì)導(dǎo)向標(biāo)志和人員疏散情況進(jìn)行了模擬，未來(lái)還需在實(shí)際環(huán)境中進(jìn)一步驗(yàn)證和改進(jìn)本文算法。

參考文獻(xiàn)/References：

[1] 邢志祥，丁芙蓉，唐亮，等.大型超市火災(zāi)人員疏散路徑優(yōu)化研究[J].安全與環(huán)境學(xué)報(bào)，2015， 15（2）：167-173.

XING Zhixiang， DING Furong， TIANG Liang， et al. Study on fire evacuation route optimization in large supermarket[J]. Journal of Safety and Environment， 2015， 15（2）： 167-173.

[2] 劉毅，沈斐敏.考慮災(zāi)害實(shí)時(shí)擴(kuò)散的室內(nèi)火災(zāi)疏散路徑選擇模型[J].控制與決策，2018， 33（9）：1598-1604.

LIU Yi， SHEN Feimin. Route selection model in indoor evacuation under real effect of fire spread[J]. Control and Decision， 2018， 33（9）： 1598-1604.

[3] 陳一洲，尹浩東，孫旋，等.基于災(zāi)變的人群疏散避災(zāi)路徑優(yōu)化及應(yīng)用[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2018， 14（10）：25-31.

CHEN Yizhou， YIN Haodong， SUN Xuan， et al. Optimization and application of escape path for crowd evacuation based on cataclysm[J]. Journal of Safety Science and Technology， 2018， 14（10）： 25-31.

[4] 江奎東，毛占利，陳浩楠，等.基于蟻群算法的煙氣中人員疏散路徑選擇優(yōu)化[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2018， 14（11）：133-137.

JIANG Kuidong， MAO Zhanli， CHEN Haonan，et al. Optimization of evacuation route selection for personnel in smoke environment based on ant colony algorithm[J]. Journal of Safety Science and Technology， 2018， 14（11）： 133-137.

[5] 毛占利，劉暢.疏散路徑受阻情況下的人員疏散模型及算法[J].安全與環(huán)境學(xué)報(bào)，2017， 17（5）：1873-1878.

MAO Zhanli， LIU Chang. Evacuation model and the algorithm on the condition of the urgent obstructed evacuation route[J]. Journal of Safety and Environment， 2017， 17（5）： 1873-1878.

[6] 張蓉，陳佳俊，顧向濤，等.智能應(yīng)急疏散路徑規(guī)劃系統(tǒng)的實(shí)現(xiàn)[J].江蘇科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2016， 30（2）：189-193.

ZHANG Rong， CHEN Jiajun， GU Xiangtao， et al. Realization of intelligent emergency evacuation route planning system[J]. Journal of Jiangsu University of Science and Technology （Natural Science Edition）， 2016， 30（2）： 189-193.

[7] LIU Hong， XU Bin， LU Dianjie， et al. A path planning approach for crowd evacuation in buildings based on improved artificial bee colony algorithm[J]. Applied Soft Computing， 2018， 68： 360-376.

[8] 宋冰雪，吳宗之，謝振華.考慮導(dǎo)向標(biāo)志影響的行人疏散模型研究[J].中國(guó)安全科學(xué)學(xué)報(bào)，2011， 21（12）：27-33.

SONG Bingxue， WU Zongzhi， XIE Zhenhua. Study on occupant evacuation model considering influence of direction sign[J]. China Safety Science Journal， 2011， 21（12）： 27-33.

[9] 岳昊，邵春福，關(guān)宏志，等.大型行人步行設(shè)施緊急疏散標(biāo)志設(shè)置[J].北京工業(yè)大學(xué)學(xué)報(bào)，2013， 39（6）：914-919.

YUE Hao， SHAO Chunfu， GUAN Hongzhi， et al. Location method of emergency evacuation signs in large pedestrian facilities[J]. Journal of Beijing University of Technology， 2013，39（6）：914-919.

[9] GUILLOT B， SATOR N. Carbon dioxide in silicate melts： A molecular dynamics simulation study[J]. Geochimica et Cosmochimica Acta， 2011， 75（7）： 1829-1857.

[10] ?RAN Haichao， SUN Lihua， GAO Xiaozhi. Influences of intelligent evacuation guidance system on crowd evacuation in building fire[J]. Automation in Construction， 2014， 41： 78-82.

[11] ?林浩嘉，羅文斐.多層建筑空間的分層最優(yōu)路徑算法實(shí)現(xiàn)[J].地球信息科學(xué)學(xué)報(bào)，2016，18（2）：175-181.

LIN Haojia， LUO Wenfei. Hierarchical optimal path algorithm based on multi-storey building space[J]. Journal of Geo-information Science， 2016， 18（2）： 175-181.

[12] ?呂偉，穆治國(guó)，劉丹.大型購(gòu)物中心人員疏散引導(dǎo)模擬優(yōu)化研究[J].中國(guó)安全生產(chǎn)科學(xué)技術(shù)，2019，15（5）：136-141.

LV Wei， MU Zhiguo， LIU Dan. Study on optimal simulation of pedestrian evacuation guidance in large shopping mall [J]. Journal of Safety Science and Technology， 2019， 15（5）： 136-141.

[13] ?黃雅平，杜建庚，陳恩義.樓宇三維路徑模型的自動(dòng)生成算法[J].北京交通大學(xué)學(xué)報(bào)，2010，34（2）：79-83.

HUANG Yaping， DU Jiangeng， CHEN Enyi. Construct three-dimensional route from blueprint image of building[J]. Journal of Beijing Jiaotong University， 2010， 34（2）： 79-83.

[14] ?王維，裴東，馮璋.改進(jìn)A*算法的移動(dòng)機(jī)器人最短路徑規(guī)劃[J].計(jì)算機(jī)應(yīng)用，2018，38（5）：1523-1526.

WANG Wei， PEI Dong， FENG Zhang. The shortest path planning for mobile robots using improved A* algorithm[J]. Journal of Computer Applications， 2018， 38（5）： 1523-1526.

[15] ?陳若男，文聰聰，彭玲，等.改進(jìn)A*算法在機(jī)器人室內(nèi)路徑規(guī)劃中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用，2019， 39（4）：1006-1011.

CHEN Ruonan， WEN Congcong， PENG Ling， et al. Application of improved A* algorithm in indoor path planning for mobile robot[J]. Journal of Computer Applications， 2019， 39（4）： 1006-1011.

[16] ?朱云虹，袁一.基于改進(jìn)A*算法的最優(yōu)路徑搜索[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018， 28（4）：55-59.

ZHU Yunhong， YUAN Yi. Optimal path search based on improved A* algorithm[J]. Computer Technology and Development， 2018， 28（4）： 55-59.

[17] ?XIE Lei， XUE Shuangfei， ZHANG Jinfen， et al. A path planning approach based on multi-direction A* algorithm for ships navigating within wind farm waters[J]. Ocean Engineering， 2019， 184： 311-322.

[18] ?SONG Rui， LIU Yuanchang， RICHARD B. Smoothed A* algorithm for practical unmanned surface vehicle path planning[J] Applied Ocean Research， 2019， 83： 9-20.

[19] ?FU Bing， CHEN Lin， ZHOU Yuntao， et al. An improved A* algorithm for the industrial robot path planning with high success rate and short length[J]. Robotics and Autonomous Systems， 2018， 106： 26-37.

[20] ?鄭霞忠，蔡莉莉，張明，等.多出口條件下應(yīng)急疏散路徑優(yōu)化模型[J].中國(guó)安全科學(xué)學(xué)報(bào)，2019， 29（3）：180-186.

ZHENG Xiazhong， CAI Lili， ZHANG Ming， et al. Emergency evacuation path optimization model under multi-export conditions[J]. China Safety Science Journal， 2019， 29（3）： 180-186.

[21] ?MARIN L， STEFANO G. Centrality measures for evacuation： Finding agile evacuation routes[J]. Future Generation Computer Systems， 2018， 83： 401-412.