本發(fā)明涉及一種地理信息技術，具體涉及一種遵循最優(yōu)—遺忘規(guī)則的大規(guī)模人群動態(tài)應急疏散的模擬方法。

背景技術：

隨著中國經(jīng)濟的快速發(fā)展與城市化的迅猛推進，城市人口急劇增長，公共安全問題成為關系到社會和諧與穩(wěn)定的關鍵因素。近年來發(fā)生的一系列公共安全事件，如上海外灘踩踏事件、臺灣粉塵爆炸事件等，一方面強調(diào)了在災害發(fā)生前安全防范工作的重要性，另一方面也凸顯了應急情況下科學合理的大規(guī)模人群疏散工作對保障人民生命財產(chǎn)安全的重要價值。

現(xiàn)有大規(guī)模的人群疏散模擬方法主要有：試圖最大化道路容量來保留盡可能多的疏散人的通用最大流模型、旨在根據(jù)一系列疏散模型和約束條件選擇成本最優(yōu)路徑的最優(yōu)路徑模型以及如a*類的啟發(fā)式路徑搜索模型等。但是目前這類疏散路徑規(guī)劃方法在多源、多目標、多約束的動態(tài)復雜條件下，其效率和效果都存在較大的不足。綜上，其難點主要在于：(1)在模擬疏散中，約束條件可以能是數(shù)值型的，如有毒物含量等，也可能是非數(shù)值型的，如拓撲約束或必要節(jié)點限制。約束條件的多樣性，導致現(xiàn)有方法拓撲結(jié)構(gòu)與權值分離的處理方式在動態(tài)集成與更新上具有很大的難度。(2)現(xiàn)有尋找疏散路徑的方式大多依據(jù)代價函數(shù)，通常情況下可以減少搜索規(guī)模來降低計算代價。

但是在復雜疏散問題中，網(wǎng)絡拓撲、權重和約束都是動態(tài)變化的，尋求滿足多個約束條件的最優(yōu)路徑始終是高難度、高耗資源的工作。

技術實現(xiàn)要素：

發(fā)明目的：本發(fā)明的目的在于解決現(xiàn)有技術中存在的不足，提供一種遵循最優(yōu)—遺忘規(guī)則的大規(guī)模人群動態(tài)應急疏散的模擬方法，通過幾何代數(shù)框架實現(xiàn)高動態(tài)、高效率的最優(yōu)路徑規(guī)劃，極大地提升最優(yōu)路徑搜索的模擬效果和計算效率。

技術方案：本發(fā)明一種遵循最優(yōu)—遺忘規(guī)則的大規(guī)模人群動態(tài)應急疏散的模擬方法，具體步驟包括：

(1)選定目標場景區(qū)域，根據(jù)目標場景區(qū)域內(nèi)的道路與建筑物等情況建立網(wǎng)絡數(shù)據(jù)集，依據(jù)網(wǎng)絡數(shù)據(jù)集中屬性為居民點、集散點或安全目標點的節(jié)點，分別挑選適合模擬的一個或多個構(gòu)建疏散人員源點集合、中繼點集合以及安全區(qū)點集合，并建立網(wǎng)絡數(shù)據(jù)集中節(jié)點的連通關系；

(2)依據(jù)目標場景區(qū)域內(nèi)隨時間變化的情況實時更新疏散網(wǎng)絡權重，疏散人員進行多約束的局部最優(yōu)路徑搜索，并記錄下每個時間點所到達的節(jié)點位置；

(3)根據(jù)給定的時間參數(shù)，對應場景中間狀態(tài)，以該時刻點疏散人員所在位置建立新的疏散人員源點集合，遺忘之前時刻已經(jīng)搜索過的路徑，并以去除已經(jīng)過節(jié)點的方式更新可用路徑節(jié)點集，重新進行局部最優(yōu)路徑搜索；

(4)重復步驟(2)-(3)，直至所有疏散人員到達安全節(jié)點，獲取選擇最優(yōu)的疏散應急方案。

進一步的，所述的步驟(1)中建立網(wǎng)絡數(shù)據(jù)集中節(jié)點連通關系的方法為：

(1.1)從網(wǎng)絡數(shù)據(jù)集中抽象出具有n個節(jié)點和m條邊的無向疏散網(wǎng)絡g(v,e)，節(jié)點幾何v＝{n1,n2,...,nn}對應幾何代數(shù)空間en中的基向量{e1,e2,...,en}，任意兩節(jié)點ni和nj間的邊eij對應2-blade結(jié)構(gòu)為eij＝ei∪ej＝ei∧ej＝eij；

其中i,j∈n，ei、ej分別表示ni和nj兩個節(jié)點在幾何代數(shù)空間映射的基向量，∪表達連接關系，∧為幾何代數(shù)中的用于拓展維度的外積運算，eij為外積運算結(jié)果，為上述兩節(jié)點間相連接的邊eij的數(shù)學表達；

(1.2)對疏散場景網(wǎng)絡中不同節(jié)點之間的連通關系，以構(gòu)建鄰接矩陣mt的方式表達，對于該矩陣中時刻點t時的兩兩節(jié)點間關系依據(jù)構(gòu)建。

進一步的，所述的步驟(2)中網(wǎng)絡權重與約束表達、更新方法：

(2.1)場景疏散網(wǎng)絡中的權重是指節(jié)點對應邊的權重值大小，利用標量系數(shù)uij表達，即節(jié)點ni和nj間的帶權重的邊eij＝uijeij，帶權重的鄰接關系

(2.2)對網(wǎng)絡權重與連接關系的更新依據(jù)場景中動態(tài)情況對標量系數(shù)uij進行數(shù)值更新，不連通則系數(shù)為0；

(2.3)對于場景疏散網(wǎng)絡約束，分為數(shù)值型約束與非數(shù)值型約束，數(shù)值型約束對應權重數(shù)值，即某條邊或路徑總權重不應超過預設值，適用于路徑時間和長度；非數(shù)值型約束對應節(jié)點條件，即補給點和關鍵路口點等場景內(nèi)的重要節(jié)點必須包含在搜索路徑結(jié)果中。

進一步的，所述的步驟(3)中的路徑搜索最優(yōu)-遺忘選擇的具體方法為：

(3.1)對路徑搜索最優(yōu)-遺忘選擇方法，以疏散人員初始所在的節(jié)點位置構(gòu)建起點q0，依據(jù)t0時刻網(wǎng)絡狀態(tài)構(gòu)建初始鄰接矩陣m0，以安全區(qū)所在點構(gòu)建目標節(jié)點集合f；

(3.2)當其中的節(jié)點或路徑包含標量系數(shù)時，對外積引入指數(shù)變換，依據(jù)exp(n)pi,k∪exp(m)pk,j＝(exp(n+m))pij，將原本的權重值乘法轉(zhuǎn)換為權重值加法，其中p代表所有路徑矩陣中的一個路徑元素；疏散開始路徑拓展方式定義為矩陣外積，則下一時刻的所有路徑矩陣為m¹＝q0∪m0；

(3.3)依據(jù)數(shù)值與非數(shù)值型約束對可選路徑矩陣進行刪選，去除不滿足約束條件的路徑子元素，得到可選路徑

(3.4)繼續(xù)搜索，對于任意k時刻，提取前一時刻的終止節(jié)點建立待拓展鄰接矩陣，其局部搜索到的路徑矩陣為重復約束條件刪選，得到可選路徑矩陣

(3.5)在搜索過程中，路徑具有遺忘性：在給定的時間間隔t后，依據(jù)當前到達的節(jié)點情況，提取最后一次可選路徑矩陣中路徑的終止節(jié)點構(gòu)建新的起點矩陣q’0和鄰接矩陣m’0，生成新的路徑矩陣m^1’和可選路徑矩陣所有已有搜索被初始化；

(3.6)重復上述搜索，當有疏散人員達到安全區(qū)點集f后，路徑搜索終止。

進一步的，所述步驟(3.3)的具體方法為：依據(jù)設定的約束條件對路徑矩陣進行刪選：計算每條路徑的總時間是否小于設定時間t，滿足則保留；計算每條路徑的總長度是否滿足設定的最短路徑長度l，滿足則保留；判斷路徑是否含有必須經(jīng)過的中間節(jié)點mv，滿足則刪除前一節(jié)點連接的除該節(jié)點外的其他節(jié)點的路徑,滿足所有約束條件后，得到可選路徑其中，mv包括補給點和關鍵路口。

有益效果：本發(fā)明在基于幾何代數(shù)的網(wǎng)絡結(jié)構(gòu)下，實現(xiàn)了多約束條件在路徑拓展中的動態(tài)集成與更新，具有簡潔高效的特點；在路徑選擇上，利用最優(yōu)—遺忘規(guī)則限制了搜索規(guī)模，有效縮短了疏散路徑的計算時間；該發(fā)明為人群動態(tài)應急疏散中多源、多約束、多目標的最優(yōu)方案設計提供了可行的技術手段。

附圖說明

圖1為本發(fā)明的整體流程示意圖；

圖2為實施例中場景數(shù)據(jù)效果圖；

圖3為實施例中人群應急疏散最優(yōu)路徑搜尋運行效果圖

其中，圖3(a)代表實施例中從初始起點到路徑遺忘時刻時所在節(jié)點的最優(yōu)路徑圖；圖3(b)代表實施例中從路徑遺忘時刻以當前節(jié)點充當新的起始節(jié)點后，到最終目標節(jié)點的最優(yōu)路徑圖。

具體實施方式

下面對本發(fā)明技術方案進行詳細說明，但是本發(fā)明的保護范圍不局限于所述實施例。

如圖1所示，本發(fā)明的一種遵循最優(yōu)—遺忘規(guī)則的大規(guī)模人群動態(tài)應急疏散的模擬方法，包括以下步驟：

(1)選定目標場景區(qū)域，根據(jù)目標場景區(qū)域內(nèi)的道路情況建立網(wǎng)絡數(shù)據(jù)集，依據(jù)區(qū)域內(nèi)居住點和集散點建筑物確定疏散人員源點集、中繼點集以及安全區(qū)點集，并建立上述三者的連通關系；

(2)依據(jù)目標場景區(qū)域內(nèi)隨時間變化的情況實時更新網(wǎng)絡權重，疏散人員進行多約束的局部最優(yōu)路徑搜索，并記錄下每個時間點所到達的節(jié)點位置；

(3)根據(jù)給定的時間參數(shù)，對應場景中間狀態(tài)，建立該時刻點的疏散人員位置源集，遺忘之前時刻已經(jīng)搜索過的路徑，并以去除已經(jīng)過節(jié)點的方式更新可用路徑節(jié)點集，重新進行局部最優(yōu)路徑搜索；

(4)重復步驟(2)-(3)，直至所有疏散人員到達安全節(jié)點，獲取選擇最優(yōu)的疏散應急方案。

實施例1：

本實施例中，主要包括以下的幾個過程：

過程一：選擇需要的實驗場景，設置相應參數(shù)。

步驟1：選定目標區(qū)域，本實施例的數(shù)據(jù)為某區(qū)域?qū)嶋H場景，包含1483個不同地物點與2109條邊組成的道路交通網(wǎng)，如圖2所示。設定場景區(qū)域基本參數(shù)：路徑遺忘時間為t；假設所有在一個初始節(jié)點的疏散人員都為一個整體進行移動，每次移動的時間為一個步長，即從一個節(jié)點到另一個節(jié)點；

步驟2：依據(jù)疏散場景區(qū)域抽象出疏散網(wǎng)絡g(v,e)，其中v為疏散網(wǎng)絡中的節(jié)點個數(shù)，e為節(jié)點間連通邊數(shù)；查看區(qū)域內(nèi)地物點類別屬性，選取可用居民點作為初始人員起點集s與廣場、公園等空曠處作為安全區(qū)域節(jié)點集f；

步驟3：依據(jù)疏散方案，設定主要的約束參數(shù)：時間約束t，即走過該條路徑的時間應小于預設值；長度約束l，即該條路徑的總長度應小于預設值；節(jié)點危險度r，即節(jié)點危險程度若大于預設值，節(jié)點間的連通關系發(fā)生變化；必經(jīng)節(jié)點集合mv，即場景中人員疏散必須經(jīng)過的中間節(jié)點，如補給點、關鍵路口點等；

過程二：疏散人群按搜索規(guī)則與約束條件自適應向選定目標移動。

步驟1：依據(jù)疏散人員初始所在的節(jié)點位置，構(gòu)建初始位置點矩陣q0，對于矩陣內(nèi)每個子元素的值(q0)ij依據(jù)規(guī)則賦值；

步驟2：依據(jù)疏散人員的位置與網(wǎng)絡連通關系，構(gòu)建節(jié)點的鄰接矩陣mt，即在當前的t時刻，依據(jù)的規(guī)則將此時刻所處節(jié)點與周圍節(jié)點的連通關系矩陣化，若節(jié)點危險度r值大于閾值，該節(jié)點與周圍節(jié)點不連通。

步驟3：以初始節(jié)點與其鄰接矩陣進行疏散路徑搜索，路徑拓展方式為引入指數(shù)變換exp(n)pi,k∪exp(m)pk,j＝(exp(n+m))pij(其中p代表路徑)的矩陣外積拓展，則下一時刻點包含所有路徑的矩陣m¹＝q0∪m0；

步驟4：依據(jù)設定的約束條件對路徑矩陣進行刪選：計算每條路徑的總時間是否小于設定時間t，滿足則保留；計算每條路徑的總長度是否滿足設定的最短路徑長度l，滿足則保留；判斷路徑是否含有必須經(jīng)過的中間節(jié)點mv(如補給點、關鍵路口等)，滿足則刪除前一節(jié)點連接的除該節(jié)點外的其他節(jié)點的路徑。滿足所有約束條件后，得到可選路徑

步驟5：繼續(xù)對可選路徑進行步驟2-4的路徑拓展與篩選，依次迭代得到任意k時刻的可選路徑

過程三：依據(jù)遺忘規(guī)則舍棄搜索過程中無用節(jié)點與路徑，更新疏散人群行進狀態(tài)。

步驟1：記錄路徑搜索時間，檢測是否滿足路徑遺忘間隔閾值t；

步驟2：若滿足時間條件，利用自定義運算bk<e1e2…ekek+1…en>＝ek(k＝1,2,...,n)提取最后一次可選路徑矩陣中每個路徑的終止節(jié)點ek+1；

步驟3：利用上步中得到的每條路徑的終止節(jié)點ek+1構(gòu)建新的起點矩陣q’0和鄰接矩陣m’0，生成新的路徑矩陣m^1’和可選路徑矩陣所有已有搜索被初始化。

過程四：生成人群疏散最優(yōu)路徑。

若所有不同節(jié)點的疏散人員都到達安全區(qū)節(jié)點f，即所有疏散起點到終點安全區(qū)的最優(yōu)路徑被找到，算法結(jié)束。圖3(a)和圖3(b)為人群疏散最優(yōu)路徑效果圖，其中圖3(a)中空心三角形為起點，空心圓形為執(zhí)行遺忘規(guī)則的中繼點，圖3(b)中空心三角形與圖3(a)的中繼點對應，空心圓形為安全區(qū)目標點。

幾何代數(shù)是以維度運算為基礎的一種結(jié)合代數(shù)，具有優(yōu)越的數(shù)學空間表達與幾何關系計算能力。幾何代數(shù)內(nèi)蘊的多維統(tǒng)一性可以有效的支撐地理要素的建模與表達，還可以實現(xiàn)距離、拓撲等關系的動態(tài)計算。本發(fā)明嘗試引入幾何代數(shù)理論，通過基向量、片積與多重向量等元素將網(wǎng)絡中的節(jié)點、邊、路徑等要素幾何代數(shù)化，利用矩陣拓展運算由起點向終點拓展與提取可選路徑，并在搜索流程中結(jié)合最優(yōu)—遺忘規(guī)則模擬人群選擇行為，實現(xiàn)了應急條件下多源、多目標、多約束的最優(yōu)路徑選取。