建筑火灾中基于人群行为特征的智能疏散诱导

提出人员逃生从众度、疏散路径选择度等基本概念,通过建立“黑屋”实验平台,用多组人群进行多次疏散实验,研究人群疏散行为参数对疏散时间的影响。把建筑结构参数、火灾中的烟气、温度等参变量通过数据融合处理形成统一的知识表征。用人群密度、人员逃生从众度、疏散路径选择度等参数来表征火灾中人群的行为特征。首次构建智能疏散诱导的机理模型,形成基于人群特征的智能疏散诱导系统。通过智能疏散诱导系统对疏散指示灯的PWM控制,实现疏散路径的动态调整与优化,给出人群疏散的动态标识路径。实验结果表明该系统能够缩短疏散时间,提高疏散效率。     

建筑火灾中人群智能疏散诱导系统的工程设计方法

建筑火灾中的人员疏散是涉及建筑环境参数、火灾温度、烟气特征以及人群疏散行为的复杂系统。为此,把烟气信息状态参数、人的行为参数和建筑环境参数作为输入参变量,声音诱导、视觉诱导以及双重诱导疏散路径的控制参数作为输出变量,构建一个多输入/多输出的智能疏散诱导系统。该系统由上位机和下位单片机及其外围电路组成两级计算机控制系统,上位机采用蚁群算法形成基于多参数的智能动态调整疏散路径的标识算法,给下位机下达控制指令,完成数据的管理、更新、故障的报警以及打印报表等功能并接收下位机上传的数据;下位机完成对疏散标识的巡回检测、故障诊断、人员速度或密度检测以及上传数据、接受指令等功能。通过简单的编程,输入较少的环境参数,就可完成对建筑火灾中人群疏散的智能诱导控制。     

建筑火灾中智能疏散诱导系统的仿真研究

采用改进型元胞自动机模型．模拟不同人员在混合行为模式下的疏散过程：研究智能疏散诱导系统的视觉诱导、听觉诱导及双重诱导对疏散过程的影响,给出一种动态标识疏散路径的方法：在不同行为模式下,动态标识疏散路径的结果可缩短疏散时间,提高安全疏散效率;该仿真研究可为研制新型智能疏散诱导系统提供科学依据。     

基于贝叶斯网络的建筑火灾疏散模型

为提高火灾场景下人员疏散成功率,基于贝叶斯网络理论,通过分析火灾疏散的影响因子,定性得到了各因子之间的贝叶斯网络关系图,定量地得到了各因子间的联合概率,构建了完整的火灾疏散贝叶斯网络模型。假设疏散场景,通过分析各因子对疏散结果的影响,得出最优的疏散决策。     

智能疏散诱导系统中动态标志对人群疏散的影响

介绍动态标志的工作原理及光源的选择原则,建立动态标志对人群疏散影响的表达式,研究动态标志的控制策略。在"黑屋"实验平台上,借助烟气发生装置混入6%的醋酸模拟烟气环境,用CFAST计算火灾危险来临时间,通过不同特征人群的疏散实验,分析从众度、偏向度对人群疏散行为的作用机制,研究照度、人群密度与疏散时间的关系,得到人群必需疏散时间。结果表明:动态标志能够改变人员选择出口的概率,达到人群均衡疏散的目的。     

火灾中人员安全疏散的计算机模型

深入地研究了人员密集场所人员疏散的模型、分析软件和分析方法等关键技术,开发了人员疏散的动态模拟与分析模型及软件.该模型采用网格离散化的建筑平面图作为疏散模拟平台,支持多种人员属性（如人员类型、速度、疏散路径及反应时间等）,较好地解决了人员行走、等待、超越、转身及侧身等行为模拟算法,同时具备信息记录和动态过程的离线回放等功能.     

低可见度下基于智能体模型的经典疏散行为仿真

随着可见度的降低,行人的环境记忆效应会逐渐减弱,而听觉、触觉等会更灵敏。行人会出现摸索、走偏等特殊行为,也会倾向于通过寻找标识物来帮助行走。通过构建智能体疏散模型,加入视角和可见度创建了视觉模型,并将其作为疏散智能体的感知系统,驱动力以及出口吸引力作为动力,运用C++语言编写模型的仿真环境,分别对低可见环境下的跟随、从众、沿墙等行为进行仿真模拟。研究对于复杂大型建筑的消防疏散设计及相关疏散模型的建立具有重要意义。     

基于ANFIS的火灾中人员疏散反应时间的研究

本文利用自适应性模糊神经网络(ANFIS),建立了紧急状态下人员疏散行动开始时间的预测模型.在关于火灾状态下人员疏散行为反应数据的基础上,利用BP机制对采集到的数据样本进行训练和检验,对火灾状况下人员疏散反应时间进行了预测,为进一步实现人员疏散行为的模拟提供了依据.     

火灾环境中人员疏散时间模型与应用

高层建筑火灾环境中人员疏散模型是灾害应急方案的重要研究内容,合理的疏散模型可准确的评价人员在火灾中的反应时间与疏散时间,从而为建筑的消防安全设计提供支持。本文介绍疏散模型的主要影响因素和疏散时间的计算方法,并针对实例进行了应用分析。其计算结果对于消防防火设计具有重要参考价值。     

建筑火灾中人员疏散时间研究

对人员疏散时间的安全判据进行了阐述,总结了火灾情况下的主要危险因素以及危险状态的判据,并以某一学校教学楼为例对其火灾状态下的人员疏散时间进行了分析,得出了其在设定火灾场景下人员能够安全疏散的结论,研究结果对相关建筑消防安全的研究设计具有重要的参考价值。     

基于改进元胞自动机的室内火灾疏散模型

基于元胞自动机理论,量化确定了吸引力、摩擦力和排斥力的运算规则,且将疏散人员的心理因素和火灾的影响纳入考虑范围,提出了一种新的室内建筑火灾人员疏散模型,并编制了相应的数值仿真计算程序。模拟结果表明,该模型能够较好地模拟发生火灾时的人员疏散现象,并可以找到不利于人员疏散的瓶颈位置。     

基于Agent决策行为模型的地下矿火灾疏散

构建了基于Agent决策行为的地下矿火灾疏散仿真复合模型,模型包含地下矿环境火灾子模型和人员疏散子模型。结合Agent自学习适应性的特点,建立了基于前景理论的区间直觉模糊多属性Agent决策行为模型。通过EVAC simulators仿真测试,实现地下矿安全疏散仿真实验。该模型实现了在火灾蔓延情境下,Agent充分考虑人的内在生理、心理行为偏好与不确定性信息,做出快速准确疏散决策的智能行为。     

基于火灾场景的建筑物人员疏散研究

以南京某高校图书馆为例,依据“最不利影响”原则,充分考虑气象因子、建筑结构和可燃物等环境因子,利用建筑信息模型和时空分析模型模拟火灾产生因素的时空规律,构建火灾场景,剖析人员疏散时所能承受危险源的阈值,获取了4个季节建筑物内部的危险区域。结合室内路网模型和路径搜索算法,规划设计了人员疏散的生命安全保障路径,且与时间最短路径和距离最短路径进行对比分析,评估生命保障路径的疏散效果。通过上述研究,实现建筑物火灾的时空模拟和人员疏散的动态规划,为制定城市火灾应急响应的适应性措施提供理论基础和技术支持。     

火灾中电梯疏散的可行性

引言 电梯交通系统是智能建筑的重要组成部分，智能高层建筑的不断增加，使发生火灾的频率也在不断增大。随着建筑物层数的增加，建筑火灾的逃生问题越来越引起人们关注。以往限于建筑技术、管理技术、电梯制造工艺技术以及电梯群控技术，通常规定电梯是不宜用于火灾情况下人员逃生的。只能通过楼梯疏散来解决高层建筑火灾疏散问题。     

人群密集建筑工程火灾疏散通道动态电子指示器

1 指示器存在问题 目前,研制火灾疏散管理技术装置的任务相当紧迫.在技术标准文献,尤其是2009年版《防火保护系统——火灾时人群疏散照明与管理系统》中对用于火灾疏散管理灯光照明工作并没有严格规定.近年发表的一些文章也说明火灾时灯光照明领域存在问题. 多数情况下,疏散指示器生产厂家在产品研制中更重视产品的美观和节能,而忽视了它的功能和效用.     

建筑火灾中人员疏散响应过程推理与评估模型研究

为了预防建筑火灾发生和减少火灾中人员的伤亡,利用消防大数据分析技术和贝叶斯网络分析方法,研究了建筑火灾发展过程及人员疏散响应过程的推理与动态评估方法。通过对建筑消防设施响应状态和火灾中人员心理和行为特征的分析,探讨了火灾阶段划分方法和人员疏散行为的分类,提出了火灾中人员伤亡的轨迹交叉理论,进而构建了基于贝叶斯网络的建筑火灾动态风险和人员疏散安全评估框架。分别探讨了建筑火灾发展、人员疏散响应等2 条研究主线的推理过程,探讨了疏散条件评估过程。研究表明,该模型可通过对建筑特征、消防设施状态信息以及人员响应信息等消防大数据进行融合,实现火灾中人员疏散响应过程推理与动态风险评估,从而提高建筑消防安全管理水平     

地下商场火灾应急疏散策略仿真模型

针对地下商场的火灾情形,运用系统动力学的原理分析人员疏散特征。将应急疏散过程分成相互联系、同时存在的4个子系统,即应急疏散动员、疏散指挥引导、疏散行动和疏散救护子系统。构建各子系统及整个应急疏散系统的因果关系图和人员应急疏散系统动力学模型,针对不同的动员效果、引导者数量、救护小组数量进行仿真实验,并提出相应的应急疏散策略。实验结果表明:应急疏散动员的效果、指挥引导者的数量和救护人员的数量在整个应急疏散过程中的前期对疏散效果的影响较为明显。     

火灾中人员疏散羊群行为模拟研究

介绍社会影响论、社会证明论,并基于两种理论解释羊群行为的形成机理。以某电影院为例,采用STEPS建立疏散模型,通过改变出现羊群行为人数的比例和安全出口的宽度模拟得到不同的疏散时间,研究羊群行为对疏散的影响。模拟结果表明,当较小比例(0~20%)的人员出现羊群行为时,促进人员疏散;当较大比例(20%)的人员出现羊群行为时,减缓人员疏散;随着安全出口宽度的减小,羊群行为对疏散时间的影响逐渐增大。羊群行为对疏散的消极作用远大于积极作用,且对于较窄的出口消极作用更加明显。     

基于人工神经网络的研究火灾时人员疏散反应时间

主要基于Levenberg-Marquardt算法的人工神经网络研究了火灾时人员疏散反应时间的可靠性和可行性。首先介绍了人员疏散现状调研和LP神经网络背景特点,然后将问卷调查、疏散演练基于同一平台,建构人员疏散反应数学模型,最后通过LP神经网络进行实际测试和分析。结果表明:LP神经网络验证了人员疏散反应时间数学模型的可靠性,但网络系统需通过改善算法反复修改,提高精度和准确度。