基于圖像和人工魚群算法的建筑火災(zāi)動態(tài)疏散路徑規(guī)劃研究

賈科進(jìn)　李佳玥　杜云　李飛飛　張效瑋

關(guān)鍵詞：人工智能理論;路徑規(guī)劃;人工魚群算法;建筑火災(zāi);柵格法;人臉識別

中圖分類號：TP391.9 文獻(xiàn)標(biāo)識碼：A DOI： 10.7535/hbgykj.2023yx01005

近年來，大型建筑物的設(shè)計愈加復(fù)雜，建筑火災(zāi)等安全隱患一直存在。一旦出現(xiàn)火情，建筑自身結(jié)構(gòu)和材料的復(fù)雜性，煙氣流動和風(fēng)力作用，使得火勢蔓延迅速、火災(zāi)撲救困難、人員撤離緩慢，而傳統(tǒng)的靜態(tài)疏散系統(tǒng)因為無法根據(jù)著火點信息和人員擁擠程度對路徑進(jìn)行及時調(diào)整，容易造成堵塞，無法引導(dǎo)人群快速逃生，延誤最佳逃生時間。因此，動態(tài)疏散系統(tǒng)的研究對保障人員安全、快速有效疏散具有重要意義。

近些年來，學(xué)者們對如何利用人群疏散系統(tǒng)更合理、更智能地進(jìn)行路徑規(guī)劃[1]開展了大量的研究。PELECHANO等[2]基于擁擠仿真模型，把應(yīng)急疏散過程中人員受安全教育程度和個體相互協(xié)助對疏散效率的影響考慮進(jìn)去，得到最優(yōu)路徑。ALIZADEH[3]提出一種動態(tài)的元胞自動機(jī)模型[4]來模擬在有障礙的空間下進(jìn)行的疏散，分別考慮疏散人員的心理、出口位置、寬度和障礙物的位置等基本參數(shù)，認(rèn)為疏散人員的初始分布在獲得的結(jié)果中起重要作用。學(xué)者們還將遺傳算法、Dijkstra算法[5]和蟻群算法[6]等智能優(yōu)化算法引入建筑火災(zāi)疏散的路徑規(guī)劃研究中，不斷對疏散模型進(jìn)行改進(jìn)優(yōu)化。如張慧彬等[7]基于遺傳算法的優(yōu)化方法，采用自然數(shù)編碼進(jìn)行路徑規(guī)劃，確定輪盤賭算子、單點交叉算子和互換變異算子，然后通過數(shù)值實驗?zāi)M疏散，分析計算出最優(yōu)路徑。曹祥紅等[8]提出了基于Dijkstra-ACO混合算法的應(yīng)急疏散路徑動態(tài)規(guī)劃，先在算法迭代進(jìn)程中利用經(jīng)典Dijkstra算法依次通過路徑相關(guān)節(jié)點，來生成初始次優(yōu)路徑，然后在初始路徑的基礎(chǔ)上，應(yīng)用蟻群算法求解出全局最優(yōu)路徑的方案，實現(xiàn)動態(tài)疏散。

但是這些疏散系統(tǒng)依舊存在著不足，無法兼顧人群行為、火災(zāi)信息和擁堵情況來實現(xiàn)動態(tài)疏散。而人工魚群算法的魚類群體協(xié)作過程與疏散中的人群行為表現(xiàn)類似，能夠形象化地描述人員疏散的不同行為[9]。因此，本文結(jié)合圖像識別，將人工魚群算法應(yīng)用于建筑火災(zāi)疏散的路徑優(yōu)化問題中。

完整的火災(zāi)應(yīng)急疏散系統(tǒng)包括火災(zāi)智能檢測裝置（攝像頭、傳感器等）、服務(wù)器、中央電源控制器、智能控制器分機(jī)、疏散示意圖和動態(tài)消防指示燈、應(yīng)急照明燈等幾部分[10-11]。本文研究的建筑火災(zāi)動態(tài)疏散路徑規(guī)劃問題，是服務(wù)器基于著火點和人群擁堵程度進(jìn)行動態(tài)疏散人群的軟硬件結(jié)合的應(yīng)用。本文只涉及算法部分，通過構(gòu)建柵格地圖，用魚群覓食來模擬建筑火災(zāi)下的人員疏散過程，再通過引入魚群的可行解代替最優(yōu)解，避免魚群陷入局部最優(yōu)和全局最優(yōu)相互干擾的情況，然后結(jié)合攝像頭判斷當(dāng)前路徑是否擁擠，從而實現(xiàn)火災(zāi)疏散路徑的動態(tài)優(yōu)化，然后通過控制疏散指示燈，引導(dǎo)人群實現(xiàn)動態(tài)疏散。能夠同時顧及個體本能反應(yīng)和群體影響，解決了靜態(tài)疏散系統(tǒng)規(guī)劃路徑固定、不能隨火災(zāi)發(fā)生情況和人群擁擠程度及時更新的問題。

1 相關(guān)研究基礎(chǔ)

1.1 環(huán)境建模

當(dāng)火災(zāi)發(fā)生時，算法的任務(wù)是通過已知內(nèi)部建筑結(jié)構(gòu)的前提下，進(jìn)行全局路徑規(guī)劃，為了測試算法的可行性，以一單層建筑為例，對建模環(huán)境有如下描述。

1）已知該樓層所有建筑信息和火災(zāi)情況。

2）已知建筑內(nèi)人員的數(shù)量和所有安全通道出口的位置[12]，假設(shè)逃生人員聚集在同一區(qū)域中，并且初始位置已知。

3）逃生過程中需要考慮逃生路線長度、環(huán)境溫度、有毒氣體濃度、以及逃生路線的擁擠度。

為了方便分析和研究，將所有環(huán)境信息進(jìn)行柵格化處理，建立相應(yīng)的數(shù)字矩陣，而后根據(jù)矩陣來生成對應(yīng)柵格地圖[13]。在矩陣中，分別用0和1來表示柵格環(huán)境下的障礙物區(qū)域和可行區(qū)域。如圖1所示，柵格地圖可通過矩陣行列的坐標(biāo)轉(zhuǎn)換來實現(xiàn)一一對應(yīng)。

式中：N_x和N_y分別表示矩陣a 的行數(shù)和列數(shù);mod函數(shù)為求余函數(shù)，其格式為mod（number，divisor），number為被除數(shù)，divisor為除數(shù)，求解結(jié)果為兩數(shù)值作除法運算后的余數(shù)，且結(jié)果符號與除數(shù)符號相同;fix函數(shù)是一種取整函數(shù)、截斷函數(shù)，其格式為fix（number），取整規(guī)則是向最靠近零取整，即刪除number參數(shù)的小數(shù)部分并返回以整數(shù)表示的結(jié)果。

在柵格環(huán)境下建立規(guī)模為20×20的仿真模型，同時根據(jù)已知的相關(guān)建筑信息和火災(zāi)情況進(jìn)行障礙物的設(shè)置，模擬真實環(huán)境。在20×20的柵格環(huán)境中，柵格序號是由從下至上、從左至右的數(shù)字進(jìn)行填充，即填充1～400。

模擬建筑正常和火災(zāi)時環(huán)境的柵格地圖如圖2所示，其中黑色區(qū)域表示障礙物，不可通行;白色區(qū)域表示可行區(qū)域，而疏散路徑的規(guī)劃只能在可行區(qū)域內(nèi)進(jìn)行;黃色區(qū)域表示著火點的位置（11，8），當(dāng)柵格地圖上出現(xiàn)黃色區(qū)域時，表示當(dāng)前有火災(zāi)發(fā)生，需要繞行。

通過引入可行解解決了局部最優(yōu)解和全局最優(yōu)解相互干擾的問題，可行解是記錄個體魚的位置信息，傳統(tǒng)人工魚群算法是在魚群中所有個體魚本次迭代中的最優(yōu)位置，即局部最優(yōu)解，進(jìn)而當(dāng)局部最優(yōu)解相連接時，可能會出現(xiàn)全局解越障的行為。

1.3 圖像檢測人數(shù)信息

擁堵，是指一種人多擁擠且移動速度緩慢的現(xiàn)象。通常情況下，同一范圍內(nèi)的人數(shù)越多，人與人之間的距離會越小，人員的移動速度就會越慢。比如，在一個攝像頭的監(jiān)控范圍內(nèi)，該空間最多容納15個人才能保持一定的移動速度，那么當(dāng)識別到人數(shù)超過15人時，則認(rèn)為該監(jiān)控范圍內(nèi)的路徑出現(xiàn)擁堵。

路徑是否出現(xiàn)擁堵情況是影響人員疏散的重要因素之一。由于最后通向安全出口位置的路徑一般比較簡單，大多是直通通道，且安全通道滿足消防規(guī)范要求的凈寬度即可，通常不會設(shè)置太寬，因此人數(shù)過多時容易造成擁堵。而交叉口和轉(zhuǎn)角等位置也容易聚集人員，具有很大的擁堵可能性。應(yīng)急疏散指示燈可根據(jù)圖4進(jìn)行設(shè)置，來分散一些人員壓力。3種疏散指示如圖5所示。

此外，還需要通過安置在各個安全出口、交叉口等位置的監(jiān)控攝像頭來采集人數(shù)信息，并判斷擁堵情況、選擇合適疏散路徑。

根據(jù)建筑室內(nèi)信息，在出入口位置和十字路口位置安裝可旋轉(zhuǎn)式監(jiān)控攝像頭，可以選取TP-LINK的TL-IPC44K-4;其余過道、小房間門口等位置安裝固定式監(jiān)控攝像頭，可以選取海康威視3326FWDA3/C-IS。

監(jiān)控點位置布局如圖6 所示，紫色圓點表示360°可旋轉(zhuǎn)監(jiān)控攝像頭位置，大概需要12個，紅色圓點表示固定式監(jiān)控攝像頭位置，大概需要24個。監(jiān)控攝像頭的具體安裝高度和角度需根據(jù)實際情況進(jìn)行調(diào)整。

選擇疏散路徑的流程圖如圖7所示，首先用攝像頭采集圖像信息，然后通過OpenCV 進(jìn)行人臉識別來檢測人數(shù)信息，再根據(jù)實際安全通道出口的容量設(shè)置一個合適的臨界值。當(dāng)識別到的人數(shù)大于等于臨界值時視為當(dāng)前安全通道呈擁堵狀態(tài)，需要調(diào)整次優(yōu)疏散路徑為臨時的最優(yōu)路徑，從而減輕擁堵安全通道的逃生負(fù)擔(dān)，保障疏散快速進(jìn)行;當(dāng)識別到的人數(shù)小于臨界值時視為安全通道呈暢通狀態(tài)，可保持當(dāng)前的最優(yōu)疏散路徑繼續(xù)正常通行。圖像檢測人數(shù)信息結(jié)果如圖8所示。

2 疏散模型的構(gòu)建及算法實現(xiàn)

2.1 人工魚群算法疏散模型構(gòu)建基礎(chǔ)

為了驗證基于人工魚群算法進(jìn)行建筑火災(zāi)人員疏散方案的有效性，以一大型商場為仿真實驗的工程背景，目前只考慮該建筑一層的人員疏散路徑規(guī)劃。構(gòu)建20×20的柵格地圖，標(biāo)記當(dāng)前所在位置為起始位置START，4個安全通道出口上、下、左、右各一個，記為目標(biāo)點并在圖中用GOAL標(biāo)出。

人群朝各個出口疏散過程可類似看作魚群的覓食過程，疏散個體可看作人工魚個體，將疏散人群的數(shù)目、位置、步長和感知范圍等參數(shù)數(shù)據(jù)根據(jù)魚群算法一一設(shè)定。

2.2 算法的實現(xiàn)過程

算法的具體實現(xiàn)步驟如下。

Step1：初始化相關(guān)參數(shù)。參數(shù)包括數(shù)量N 、步長step、感知范圍visual、擁擠度因子δ 和最大迭代次數(shù)等。

Step2：初始化目標(biāo)點。

Step3：條件判斷。判斷是否執(zhí)行覓食行為，是則更新公告板信息，否則執(zhí)行下一步。

Step4：條件判斷。判斷是否執(zhí)行聚群或追尾行為，是則更新公告板信息，否則執(zhí)行隨機(jī)行為后更新公告板信息。

Step5：條件判斷。判斷是否找到目標(biāo)位置，是則計算最短路徑并跳到Step6。

Step6：條件判斷。判斷是否達(dá)到迭代次數(shù)，是則繼續(xù)執(zhí)行下一步，否則返回到Step3。

Step7：條件判斷。判斷是否計劃了所有目標(biāo)點，是則繼續(xù)下一步，否則返回Step2。

Step8：找到最短且不擁堵的路徑，結(jié)束。

算法流程圖如圖9所示。

3 仿真模擬及結(jié)果分析

在上述建立的20×20的柵格環(huán)境中驗證基于人工魚群算法的疏散效果。

在模擬建筑環(huán)境和模擬建筑火災(zāi)環(huán)境兩種柵格地圖下，設(shè)置起始點位置START，即人員當(dāng)前位置為（11，10），用紅色實心點表示。目標(biāo)點位置GOAL有4個，從最下面的安全通道出口開始，按順時針順序分別設(shè)置在（9，1）、（1，10）、（10，20）、（20，10），其目標(biāo)點位置對應(yīng)是161，10，200，390，可分別記為出口1、出口2、出口3以及出口4，用綠色實心點表示。人工魚群算法規(guī)劃路徑的結(jié)果用紅色圓圈實線表示。

3.1 正常情況下到各出口的疏散路徑規(guī)劃

從起始點位置分別到4個目標(biāo)點位置的最短距離如表1所示。

在當(dāng)前位置下，如圖10的a）—d）所示，分別是到4個安全通道出口的最短路徑規(guī)劃結(jié)果。

3.2 火災(zāi)發(fā)生時到各出口的疏散路徑規(guī)劃

在火災(zāi)發(fā)生的情況下，將著火點位置添加到柵格地圖中，柵格圖的障礙區(qū)域和可通行區(qū)域發(fā)生改變，從起始點位置分別到4個目標(biāo)點位置的最短路徑長度會根據(jù)火災(zāi)點位置的變化而發(fā)生變化。當(dāng)前最短距離如表2所示。

如圖11所示，著火點的位置坐標(biāo)為（11，8），到4個安全通道出口的最短路徑規(guī)劃結(jié)果如圖11的a）—d）所示。

人工魚群算法在不同情況下的路徑規(guī)劃圖如圖12所示。疏散示意圖可根據(jù)圖12 b）中的最優(yōu)路徑顯示，調(diào)節(jié)動態(tài)消防指示燈，按規(guī)劃出的路線指引逃生。若攝像頭通過采集圖像識別到通往最優(yōu)路徑的安全出口逃生的人數(shù)過多時，則判斷該條路徑為擁堵，擁堵的安全通道出口用品紅色標(biāo)記。為避免擁堵，保證所規(guī)劃的路徑可以快速地疏散人群，可先調(diào)節(jié)應(yīng)急指示燈指向次優(yōu)路徑的安全出口逃生，如圖12 c）所示，通過分散人群來縮短疏散時間。若經(jīng)過一定的緩沖時間，安全通道出口的負(fù)擔(dān)減輕后，可繼續(xù)按圖12 b）調(diào)節(jié)動態(tài)消防指示燈，優(yōu)先指向最佳可行路徑。

3.3 多起點到各出口的疏散路徑規(guī)劃

在模擬火災(zāi)環(huán)境的柵格地圖中，添加一個新的起始位置，坐標(biāo)為（15，14），并用藍(lán)色實心點表示，旁邊標(biāo)有藍(lán)色的START 字樣。其他信息不變，還是按照之前的起始位置、火災(zāi)點位置和4個出口位置來設(shè)置。如圖13所示，是人工魚群算法在多起點情況下的路徑規(guī)劃圖。其中，紅色圓圈并用實線連接的路徑是起點（11，10）的規(guī)劃圖，藍(lán)色圓圈并用實線連接的路徑是起點（15，14）的規(guī)劃圖。

根據(jù)規(guī)劃結(jié)果可以發(fā)現(xiàn)，在2個起點位置規(guī)劃出的路徑會在出口1方向上進(jìn)行重疊，這極易造成出口1出現(xiàn)擁堵情況，擁堵后的路徑規(guī)劃如圖14所示。

根據(jù)路徑規(guī)劃圖及時調(diào)整疏散指示燈的方向，待擁堵狀態(tài)緩解后，重新規(guī)劃的路徑如圖15所示。

3.4 不同算法下疏散效果對比分析

遺傳算法是通過模仿自然界的選擇與遺傳的機(jī)理來尋找最優(yōu)解的進(jìn)化算法，是具有隨機(jī)性的全局優(yōu)化算法。遺傳算法有3個基本算子：選擇、交叉和變異。

蟻群算法是一種用來尋找優(yōu)化路徑的概率型算法。其靈感來源于螞蟻覓食過程中發(fā)現(xiàn)路徑的行為：不同的環(huán)境下，螞蟻尋找到最短到達(dá)食物源的路徑后，通過蟻群內(nèi)螞蟻間的信息傳遞，在經(jīng)過一段時間后，使得整個蟻群都沿著最短路徑到達(dá)食物源。

分別用遺傳算法和蟻群算法在著火時的柵格環(huán)境下進(jìn)行路徑規(guī)劃，遺傳算法的路徑規(guī)劃圖如圖16所示，規(guī)劃結(jié)果用綠色星星實線表示;蟻群算法的路徑規(guī)劃圖如圖17所示，規(guī)劃結(jié)果用藍(lán)色星星實線表示。然后與上文中人工魚群算法規(guī)劃出來的結(jié)果圖12 b）相比較，對比3種算法的疏散效果。

經(jīng)多次仿真可發(fā)現(xiàn)，蟻群算法容易陷入局部最優(yōu)，出現(xiàn)如圖18所示的死鎖狀態(tài)。為了便于對比分析，分別記錄3種算法的20次有效數(shù)據(jù)，包括同一起點到各個出口的路徑長度、總路徑長度和運行時間等。

經(jīng)計算，20次仿真的平均數(shù)值結(jié)果如表3所示。根據(jù)表3中的數(shù)據(jù)可知，人工魚群算法的平均運行時間比遺傳算法慢了1.06 s，但總路徑長度減少了約2.86 m，與蟻群算法相比，平均運行時間提快了2.76 s，規(guī)劃出的平均總路徑長度約減少了12.22 m，整體疏散效率有所提高。人工魚群算法規(guī)劃的路徑存在少量冗余路段，各出口承擔(dān)的逃生壓力比較均衡，規(guī)劃出的路徑同最短路徑差異不大，規(guī)劃結(jié)果相對穩(wěn)定;遺傳算法規(guī)劃的路徑中冗余路段較多，各出口規(guī)劃效果相對穩(wěn)定但復(fù)雜地圖上的隨機(jī)性較大;蟻群算法規(guī)劃的路徑，出口1和出口3能直接規(guī)劃最短路徑，但遇到這種地圖上稍復(fù)雜些時，出口2和出口4便會規(guī)劃出大量冗余路段，各出口路徑相差過大，規(guī)劃結(jié)果不穩(wěn)定，使得出口1和出口3的逃生負(fù)擔(dān)加重，不利于快速疏散。由此可知，人工魚群算法的穩(wěn)定性相對更好一些。

再根據(jù)記錄的這3種算法運行后得到的時間和路徑長度等仿真數(shù)據(jù)來繪制對比圖。其中，人工魚群算法的數(shù)據(jù)結(jié)果用紅色圓圈標(biāo)出，遺傳算法的數(shù)據(jù)結(jié)果用綠色星星標(biāo)出，蟻群算法的數(shù)據(jù)結(jié)果用藍(lán)色星星標(biāo)出，并分別用與數(shù)據(jù)點相同顏色的直線進(jìn)行連接，得到折線對比圖。如圖19所示，是3種算法運行時間對比圖，其中橫坐標(biāo)的數(shù)值表示第幾次仿真測試，取值范圍為1～20的整數(shù)，縱坐標(biāo)表示每次運行后所對應(yīng)的時間。如圖20所示，是3種算法規(guī)劃的路徑長度對比圖，其中橫坐標(biāo)的數(shù)值依舊表示第幾次仿真測試，取值范圍還是1～20的整數(shù)，而縱坐標(biāo)則表示每次運行后所對應(yīng)的規(guī)劃出的路徑長度。

根據(jù)上述時間和路徑長度的對比圖可知，遺傳算法整體用時比人工魚群算法少1.06 s，但規(guī)劃的路徑效果相對較差一些，路徑長度的整體變化浮動都高于人工魚群算法。而人工魚群算法整體看來比蟻群算法用時要少，平均運行時間快了2.76 s。在相近的時間內(nèi)，人工魚群算法規(guī)劃的路徑長度明顯更短，主要集中在46～50，且變化幅度相對平緩;蟻群算法規(guī)劃的路徑長度相對更長，且變化幅度較大，主要集中在60左右。由此可見，人工魚群算法與遺傳算法、蟻群算法相比，運行時間相近，規(guī)劃路徑更短，穩(wěn)定性更好，疏散效率更高。

4 結(jié)語

本文將人工魚群算法應(yīng)用于建筑火災(zāi)人員疏散的方案中，利用人工魚群算法來模擬人群疏散過程，尋找最優(yōu)路徑，同時可結(jié)合人臉識別來及時更新各個路段上的人數(shù)信息，避免大量人員擁堵，造成個別安全通道逃生負(fù)擔(dān)加重，在時間和空間的雙重約束下實現(xiàn)動態(tài)疏散人群。

仿真實驗表明，該算法可行，通過將魚群的最優(yōu)解替換為可行解，使魚群避免陷入局部最優(yōu)或死鎖狀態(tài)。與遺傳算法和蟻群算法相比，該算法計算結(jié)果質(zhì)量更好且更加穩(wěn)定，在相同運行時間內(nèi)規(guī)劃出的路徑長度更短，使得人群可以通過更少時間、更短路徑、更高效率進(jìn)行動態(tài)疏散。本文僅通過仿真實驗對著火擁堵等情況下的人員疏散路徑進(jìn)行了規(guī)劃，未來還需在實際環(huán)境中進(jìn)一步驗證和改進(jìn)。