基于改进蚁群算法的展览馆火灾疏散路径研究.pdf

建筑防火设计Fire Science and Technology,October 2023,Vol.42,No.10基于改进蚁群算法的展览馆火灾疏散路径研究黄莺,郑雪琳,赵鑫（西安建筑科技大学 土木工程学院，陕西 西安 710000）摘要：为最大限度避免展览场馆发生火灾时造成的伤亡和损失，本文基于改进蚁群算法对展览类建筑的火灾疏散路径进行研究。首先，利用量化的火灾产物、角度和距离因素共同改进启发函数，建立符合人群疏散过程的信息素更新模型，对传统的蚁群算法进行改进。其次，建立人员动态疏散模型，以疏散时间和距离最短为目标函数，以人员密度、出口宽度等外界因素为约束条件，建立二维平面工作环境，进而上升到三维火灾疏散环境模型。以西安市某展馆为例进行实证研究，在 MATLAB 中建立 30253的三维栅格环境，对参数进行最优组合配置，通过改进后的蚁群算法对不同阶段的火灾场景进行仿真模拟，分析其收敛情况。结果表明：改进后的蚁群算法适用于三维空间的人员疏散工作，算法具有较好的收敛速度和全局搜索能力；将算法用于人员密集、安全隐患较多的大型展览场馆中，可快速找到最佳人员疏散路径，有助于提高展览场馆的人员疏散效率。关键词：改进蚁群算法；三维疏散环境模型；火灾动态模拟；人员疏散效率中图分类号：X913.4；TP391.9文献标志码：A 文章编号：1009-0029（2023）10-1362-08随着全球经济的高速发展和文化交流的日益频繁，展览场馆逐渐成为开向全国和世界的窗口1。作为展出陈列品的大型公共建筑2，为了充分利用场地面积，设计师常常会设计迂回的参观路线3，以增加人员的环绕路径，这样有利于充分展示陈列品。但是在人员密集的情况下，一旦发生火灾4，将会增加人们的疏散距离，造成人员疏散困难，形成安全疏散与布展功能需求上的矛盾，造成难以挽回的损失5。因此，提升展览场馆在火灾背景下的人员疏散效率十分必要。启发式搜索算法有蚁群算法、遗传算法、模拟退火算法和粒子群算法等，蚁群算法与以上 3 种方法相比，具有自组织性、并行性、鲁棒性以及独特的正反馈机制，这些优势能够在很大程度上加快算法的收敛速度，从而得到全局最优解，因此在最优路径搜索问题上有更好的适应性。国内外许多学者在人员疏散方面对蚁群算法作出了改进。LIU M 等6和 LIU H 等7提出了一种改进的量子蚁群算法，对人们从危险区域疏散到安全区域的疏散路径进行了优化。WANG Y F 等8基于传统的蚁群算法，改进了路线优化集成算法和海上平台路网模型，制定火灾场景下疏散的动态路径优化模型。傅军栋等9提出了改进自适应蚁群算法，将火灾动态因素引入启发函数中，改进信息素的自适应更新方式，并建立了三维的火灾动态人员疏散模型，实时规划出不同位置人员的最佳疏散路径，得到了较好的收敛效果与运行效率。而传统蚁群算法在最优路径搜索问题方面，存在随机性问题和中途停滞现象。因此，本文从启发函数和信息素更新方式两个方面对传统算法进行了改进，从疏散距离和角度、火灾产物对人们疏散速度的影响两个方面来改进启发函数10-11；通过改变 值的设定方式来改进信息素含量的更新方式。然后建立人员动态疏散模型，以疏散时间和距离最短为目标函数，以人员密度、出口宽度等外界因素为约束条件，建立二维平面工作环境，构建栅格地图，定义地图的节点性质并采用序号法进行标识，进而上升到三维火灾疏散环境模型。最后引入工程实例验证了改进蚁群算法的有效性。1蚁群算法基本原理蚁 群 算 法 最 早 用 来 求 解 TSP（Traveling Saleman Problem）问题，TSP 问题是指旅行者遍历 n 个城市，最后返回出发城市，同时距离最短。TSP 问题是学术界广泛研究的经典问题，因此本文的数学模型是以 TSP 问题为背景建立的。1.1算法假设设 m为蚂蚁数量，n为所有城市的数量，dij为城市 i和城市 j之间的距离，ij（t）为 t时刻 i与 j之间信息素浓度，初始化ij（0）=C（C为常数）。1.2转移概率选择引入禁忌表 TABUK（k=1，2，m），用于记录蚂蚁k（k=1，2，m）所经过的城市。用pkij（t）代表第 k只蚂蚁在 t时刻由 i转移到 j的概率，计算公式如式（1）所示。pkij(t)=ij(t)ij(t)ij(t)ij(t),k Aallowed 0,k Aallowed （1）式中：ij（t）为 t时刻 i与 j之间的信息素浓度；ij（t）为启发函数，ij（t）=1/dij，代表 i与 j之间距离的倒数；allowed表示待选城市集合；为信息式启发因子，代表信息素含量的重要性；为期望式启发因子，代表路径长度的重要性。基金项目：国家自然科学基金项目（52208204）1.3信息素更新方式信息素含量不会始终停留在路径上，而是会随着时间的变化挥发掉一部分。因此要设计信息素的更新方式来表示信息素的挥发性质。路径 i与 j之间的信息素含量更新方式按式（2）和式（3）来进行。ij(t+n)=(1-)ij(t)+ij(t,t+n)（2）ij(t,t+n)=k=1mkij()t,t+n（3）式中：为信息素挥发系数，取值为 01；ij(t)为t时刻 i与 j之间的信息素增量；kij(t)为第 k只蚂蚁在 i与 j之间的路径上释放的信息素含量。2蚁群算法的改进与设计2.1启发函数的改进传统蚁群算法中的启发函数通常被定义为节点 i与 j之间距离的倒数，即ij（t）=1/dij，在栅格环境中，两节点之间的距离一般为固定值，按照原始的启发方式将会使得启发函数成为常数，失去函数本身的意义和启发作用。为了弥补这样的缺点，本文对启发函数进行了改进，通过引入疏散距离与角度、引入火灾产物的量化方式来增加算法搜索的目的性和全局性，实现火灾过程动态路径搜寻。2.1.1引入疏散距离与角度定义(i，j，g)为节点 i的某一邻接节点 j到目标节点g之间的修正距离，(i，j，g)中设置 d（i，g）作为当前节点i到目标节点 g之间的距离，继而计算当前节点 i的所有邻接节点与目标节点的最大值与最小值之间的差值，再引入lij代表节点 i与 j之间的距离。这种改进方式将 2 种性质的距离因素结合在一起，改善了传统方法中计算距离的单一性，(i，j，g)的具体公式如式（4）所示。(i,j,g)=dmax-d()i,jdmax-dmin+0.01 （4）式中：dmax为节点 i的各邻接节点与目标节点 g 之间距离的最大值；dmin为节点 i 的各邻接节点与目标节点 g 之间距离的最小值；分母最后加 0.01 是为了避免距离修正函数没有意义。角度的大小决定疏散的方向，在距离的基础上加入角度因素，角度越小，越利于人员逃生。引入ij表示当前节点 i 和邻接节点 j 的连线与节点 i 和目标节点 g 的连线二者之间方向的角度，用 exp（cosij）来量化角度的选择优劣程度。在距离的约束条件下，在目标节点 i处可选择的方向在 0到 180之间，即ij0，180，cosij-1，1，exp(cosij)1/e，e。由此可见，角度越小，值越大，启发作用越大。2.1.2引入火灾产物的量化公式火灾发生时，会产生火焰、热量、烟气、缺氧和毒气等威胁人们生命健康的因素，可将这些因素总结成三大类：烟气高温、有毒有害气体和能见度。根据这三类因素在启发函数中分别引入温度影响函数f()i，j(T)，CO 体积分数影响函数f()i，j(co)，能见度影响函数f()i，j(m)，确定其对人体疏散影响的量化公式，如式（5）所示。Eij=fij(T)fij(co)fij(m)（5）火灾发生时，当温度的变化范围在人体的承受范围内时，温度对人体行走速度的影响相对较小，人们会在紧急情况下加快步行速度；当火灾持续一段时间后，温度会逐渐超出人体的耐受极限，人们会在身体不适的情况下降低步行速度。因此环境温度对人体运动速度的影响系数12，如式（6）所示。f（i,j）（T）=（6）1,T0 Ts TC1 (Vmax-V0)()Ts-TC1TC1-TC22/V0+1,TC1 Ts TC2VmaxV0 1-()Ts-TC2TC2-TC32,TC2 Ts TC3 式中：Ts为火灾温度；T0为室外常温，通常取 20；TC1为使人身体不舒适的温度，通常取 30；TC2为对人体形成伤害的温度，通常取 60；TC3为超出人体承受极限的温度，通常取 120；Vmax为人员最大的移动速度，一般取 5 m/s；V0为人员的正常行走速度，取 1.2 m/s。CO 被称为火灾致命因素之首，严重时会使人昏迷，甚至致人死亡。因此在研究中通常用 CO 的毒性来代表有毒有害气体对疏散结果的影响。CO 气体在不同浓度时对火灾中疏散速度的影响系数如式（7）所示。f()i,j(co)=1,co 0.1 1-()0.212 5+1.778cot,0.1 co 0.250,co 0.25 （7）式中：t为人员接触 CO气体的时间，设为 1 min。式（7）可以解释为：当 CO 体积分数低于 0.1时，对人员疏散的影响可以忽略；当 CO 体积分数处在 0.10.25之间时，会逐渐降低人员的移动速度；当 CO 体积分数超过 0.25时，会导致人员昏厥和死亡，此时人员丧失行走能力。能见度是反映透明度的指标，指人们在正常视力下能看到的最大视程。在火灾过程中，可燃物的燃烧和分解会产生大量烟雾。烟气的积聚会降低能见度，影响人们的视野，不利于人员疏散和逃生。能见度对人员移动速度的影响函数如式（8）所示13。f()i,j(m)=1,m 3 1-0.34()3-m,0.647 m 3 0.2,m 0.647 （8）1362消防科学与技术2023年 10 月第 42 卷第 10 期1.3信息素更新方式信息素含量不会始终停留在路径上，而是会随着时间的变化挥发掉一部分。因此要设计信息素的更新方式来表示信息素的挥发性质。路径 i与 j之间的信息素含量更新方式按式（2）和式（3）来进行。ij(t+n)=(1-)ij(t)+ij(t,t+n)（2）ij(t,t+n)=k=1mkij()t,t+n（3）式中：为信息素挥发系数，取值为 01；ij(t)为t时刻 i与 j之间的信息素增量；kij(t)为第 k只蚂蚁在 i与 j之间的路径上释放的信息素含量。2蚁群算法的改进与设计2.1启发函数的改进传统蚁群算法中的启发函数通常被定义为节点 i与 j之间距离的倒数，即ij（t）=1/dij，在栅格环境中，两节点之间的距离一般为固定值，按照原始的启发方式将会使得启发函数成为常数，失去函数本身的意义和启发作用。为了弥补这样的缺点，本文对启发函数进行了改进，通过引入疏散距离与角度、引入火灾产物的量化方式来增加算法搜索的目的性和全局性，实现火灾过程动态路径搜寻。2.1.1引入疏散距离与角度定义(i，j，g)为节点 i的某一邻接节点 j到目标节点g之间的修正距离，(i，j，g)中设置 d（i，g）作为当前节点i到目标节点 g之间的距离，继而计算当前节点 i的所有邻接节点与目标节点的最大值与最小值之间的差值，再引入lij代表节点 i与 j之间的距离。这种改进方式将 2 种性质的距离因素结合在一起，改善了传统方法中计算距离的单一性，(i，j，g)的具体公式如式（4）所示。(i,j,g)=dmax-d()i,jdmax-dmin+0.01 （4）式中：dmax为节点 i的各邻接节点与目标节点 g 之间距离的最大值；dmin为节点 i 的各邻接节点与目标节点 g 之间距离的最小值；分母最后加 0.01 是为了避免距离修正函数没有意义。角度的大小决定疏散的方向，在距离的基础上加入角度因素，角度越小，越利于人员逃生。引入ij表示当前节点 i 和邻接节点 j 的连线与节点 i 和目标节点 g 的连线二者之间方向的角度，用 exp（cosij）来量化角度的选择优劣程度。在距离的约束条件下，在目标节点 i处可选择的方向在 0到 180之间，即ij0，180，cosij-1，1，exp(cosij)1/e，e。由此可见，角度越小，值越大，启发作用越大。2.1.2引入火灾产物的量化公式火灾发生时，会产生火焰、热量、烟气、缺氧和毒气等威胁人们生命健康的因素，可将这些因素总结成三大类：烟气高温、有毒有害气体和能见度。根据这三类因素在启发函数中分别引入温度影响函数f()i，j(T)，CO 体积分数影响函数f()i，j(co)，能见度影响函数f()i，j(m)，确定其对人体疏散影响的量化公式，如式（5）所示。Eij=fij(T)fij(co)fij(m)（5）火灾发生时，当温度的变化范围在人体的承受范围内时，温度对人体行走速度的影响相对较小，人们会在紧急情况下加快步行速度；当火灾持续一段时间后，温度会逐渐超出人体的耐受极限，人们会在身体不适的情况下降低步行速度。因此环境温度对人体运动速度的影响系数12，如式（6）所示。f（i,j）（T）=（6）1,T0 Ts TC1 (Vmax-V0)()Ts-TC1TC1-TC22/V0+1,TC1 Ts TC2VmaxV0 1-()Ts-TC2TC2-TC32,TC2 Ts TC3 式中：Ts为火灾温度；T0为室外常温，通常取 20；TC1为使人身体不舒适的温度，通常取 30；TC2为对人体形成伤害的温度，通常取 60；TC3为超出人体承受极限的温度，通常取 120；Vmax为人员最大的移动速度，一般取 5 m/s；V0为人员的正常行走速度，取 1.2 m/s。CO 被称为火灾致命因素之首，严重时会使人昏迷，甚至致人死亡。因此在研究中通常用 CO 的毒性来代表有毒有害气体对疏散结果的影响。CO 气体在不同浓度时对火灾中疏散速度的影响系数如式（7）所示。f()i,j(co)=1,co 0.1 1-()0.212 5+1.778cot,0.1 co 0.250,co 0.25 （7）式中：t为人员接触 CO气体的时间，设为 1 min。式（7）可以解释为：当 CO 体积分数低于 0.1时，对人员疏散的影响可以忽略；当 CO 体积分数处在 0.10.25之间时，会逐渐降低人员的移动速度；当 CO 体积分数超过 0.25时，会导致人员昏厥和死亡，此时人员丧失行走能力。能见度是反映透明度的指标，指人们在正常视力下能看到的最大视程。在火灾过程中，可燃物的燃烧和分解会产生大量烟雾。烟气的积聚会降低能见度，影响人们的视野，不利于人员疏散和逃生。能见度对人员移动速度的影响函数如式（8）所示13。f()i,j(m)=1,m 3 1-0.34()3-m,0.647 m 3 0.2,m minmin,其他 （11）ij(t)=k=1mkij(t)（12）kij(t)=LN-max-LkLN-maxQLk,行人k在本次迭代中经过(i,j)0,其他 (13)式中：代表信息素挥发因子；ij(t)是本次迭代后路径（i，j）上的信息素含量；kij(t)为在本次循环中第 k个人员留下的信息素含量；Lk为每次迭代中第 k个人员所走路径的长度；Q 为完成一次循环后在所有路径上释放的信息素总和；LN-max为每次迭代过程中所有人员走过路径的最大值；为调节系数。2.3改进蚁群算法的实现流程步骤 1：构件栅格环境。设置二维栅格环境（包括人员初始位置、火源点、建筑面积、障碍物位置、出口位置等），建立距离和角度矩阵，设置火场周围的温度、CO 浓度、能见度参数矩阵等。步骤 2：参数初始化。设置参数，包括疏散人数 m，最大迭代次数Nmax、信息启发因子、期望启发因子、信息素挥发系数最小值min、信息素含量 Q、初始信息素矩阵Tau 的数值、初始节点 S 和最终目的点 E 的位置、禁忌表的初始矩阵、调节系数、的数值等。步骤 3：启发式矩阵计算。根据建立好的参数矩阵计算距离和角度数值、温度影响参数、CO 浓度影响参数、能见度影响参数，继而计算得到启发式矩阵。步骤 4：启动迭代。将 m 个人分别放在初始节点上，并修改禁忌表，设置细胞结构存储行走路线和距离。步骤 5：路径选择。寻找各自的路径，在邻接矩阵中找到可以行走的无障碍栅格，根据轮盘赌法选择下一个栅格，转移概率与传统蚁群算法相比稍有改进，改变了转移策略的固定性，如式（14）所示，为调节系数。pkij(t)=ij(t)ij(t)+1Lijij(t)ij(t)+1Lij,k Aallowed0,k Aallowed （14）步骤 6：更新禁忌表矩阵，记录此次迭代的路径长度数值。判断人员是否到达目标节点，若到达则停止迭代并记录此次迭代的路线和长度；否则转至步骤 5。步骤 7：更新信息素含量、清空禁忌表。根据改进的信息素更新方式对每条路径上的信息度进行更新，更新完成后，清空禁忌表，以便在下一次迭代中存储路径。步骤 8：输出结果和图像。判断是否满足最大迭代次数Nmax，如果是则输出最优疏散路线与距离、导出收敛分析图像和最优路线图；否则，返回步骤 4。3基于改进蚁群算法的人员疏散模型3.1建立人员疏散模型3.1.1问题假设在面对火灾时，考虑到人与人之间的相互影响、人与环境之间的相互作用，个体的行为及心理都会影响到整个疏散过程。为了简化模型，建立疏散模型之前需要考虑以下假设条件：1）同时考虑楼面和楼梯处的人群疏散，但楼梯中人员疏散的详细过程不包含在本研究的范围内。2）假设展馆内有带领群众疏散的志愿者或工作人员，并且待疏散人员均服从指挥，全部人员能够有序疏散，不存在逆行和少数人拖累整体的情况。3）假设发生火灾时只有一个受灾火源点，有多个出口，并且存在用于垂直疏散的应急出口，每个出口存在容量限制。4）所有人获得火灾信息的时间一致，人员疏散准备时间为合适的固定值，即全部人员在同一时刻发现火情并立即向安全出口撤离。5）人到达出口以外即视为已安全撤离。3.1.2疏散效率的影响因素在众多因素中，疏散准备时间、人员密度和出口宽度也会对安全疏散带来不可忽视的影响。在疏散过程中，如果人员密度过大，会导致拥挤度过高，直接影响现场人员的行走速度，造成人员心理恐慌以及道路阻塞现象，降低疏散效率；出口宽度也直接影响着疏散的结果，如果出口宽度达不到疏散要求，会在出口处形成拥堵，延长疏散时间，甚至导致无法成功疏散人群；当疏散准备时间较小时，人员密度对疏散时间的影响较大，人员密度越大，疏散时间越长；当疏散准备时间较大时，人员密度对疏散时间的影响较小。1364消防科学与技术2023年 10 月第 42 卷第 10 期因此，为了确保疏散效率，应同时考虑疏散准备时间、人员密度和出口宽度三者的关系，三者之间的关系可通过式（15）解释。Ncq=D0AF(t)-Nout （15）式中：Ncq为处于拥堵状态下的人数；D0为人员密度；A 为地面面积；F(t)为疏散准备时间的累计概率；Nout为已经安全撤离的人数。3.1.3人员疏散模型的建立在所有影响人员安全疏散效率的因素中，疏散时间和疏散路径直接决定着疏散的结果14-15。在此人员疏散模型的建立过程中，将以疏散时间和距离最短为目标函数，人员密度、出口宽度等外界因素为约束条件16，建立解决该实际问题的数学模型17。如式（16）式（19）所示。minF1=min(max(lij)（16）minF2=min(max(tij)（17）L=(lij)n m （18）T=(tij)n m （19）式（16）和式（17）分别是关于距离和时间的目标函数，假设有 n个待疏散人员，m 个安全出口，式（18）为所有人员的疏散距离矩阵，式（19）为所有人员的疏散时间矩阵。约束条件见式（20）式（24）。d 0.1w （20）s 0.2w （21）klxkp=n （22）t=0Ti sxij()t=t=0Tj Dxij()t=n （23）fmin fk(t)fmax （24）式（20）和式（21）是关于出口宽度的约束条件，d为安全出口的宽度；w为包括出口在内的一侧墙总长度；s为两个出口之间的间距。式（22）和式（23）表示待疏散人员在可用疏散时间内全部完成疏散，xkp表示路径 p 在安全出口 k处所疏散的人员数量，n为待疏散人员总数；式（24）表示将人员密度限制在合理范围内，fk(t)为出口 k 在 t时刻的人员密度；fmin和fmax分别为人员密度最小、最大限值。3.2疏散环境的构成3.2.1二维火灾疏散环境模型首先采用栅格标识法建立栅格地图，代表二维平面的工作环境，每一个网格代表一个栅格，每个栅格的状态定义为自由节点、障碍节点以及火情节点18，黑色栅格代表障碍节点，表示存在障碍物且无法通行；红色栅格代表火灾节点，表示受火灾影响的区域无法通行；白色栅格代表自由节点，表示可以自由通过。采用序号法对栅格进行标识，即按从左到右，从下到上依次排序，序号与每个栅格一一对应，如图 1 所示。以栅格地图左下角的栅格的中心点为坐标原点，水平向右为 x 轴方向，竖直向上为 y 轴方向，每个格栅的中心点可用坐标（x，y）来表示，每个栅格段对应坐标轴上的一个单位长度，将序号转换为坐标则可通过式（25）来完成。x=mod()N-1,n+1y=fix()()N-1/n+1（25）3.2.2三维火灾疏散环境模型对于上述二维模型，在竖直方向增加一维，便可成为三维模型。在三维火灾疏散空间中，人员处在楼梯位置时，可选择上下方向，则人员拥有两个额外的自由邻接节点（我国规定在火灾过程中不得使用电梯逃生，故本文中对电梯不予讨论）。将三维空间均匀分解成 nnn个大小相等的空间单元19-21，将栅格单位看作最小的移动单位，自下而上进行排序编号，则每个栅格具有唯一的编号N。在二维疏散模型的基础上，以左下角栅格的中心点为坐标原点，水平向右为 x轴方向，水平向后为 y轴方向，竖直向上为 z 轴方向，每个栅格的中心点可用坐标（x，y，z）来表示，这样可做到每一个编码对应唯一的坐标，其转换公式如式（26）所示。x=mod()N-1,n+1y=fix()()N-1/n+1z=()N/()n2+1+1 （26）3.3三维空间疏散路径研究将三维立体空间的疏散环境模型应用到实际中，首先，可根据上述方法将展馆建筑物划分成三维网格，将障碍物和自由通行处用三维栅格地图的方式表示出来，将人员随机放置于某一层上的某一点，根据改进的蚁群算法找到该人员到达该层楼梯口方向以及到达一层后至出口的最佳路线，即为三维空间疏散路径的研究意义所在。假设某一场馆为三层，按照 20203的栅格单元将整个场馆进行划分，用 MATLAB 代入并运行，然后将基本的栅格信息设置完成后，利用改进的蚁群算法，运行程序得到人员到达安全出口的最佳疏散路径，如图 2 所示。图 2 中，五角星代表人员所在的位置，红点代表每层楼梯口位置。1 2 3 4 554321222324251619201114151098761234图 1已标识的二维栅格环境Fig.1Identified two-dimensional grid environment1365Fire Science and Technology,October 2023,Vol.42,No.104实例分析与研究4.1案例概况选择西安市某著名文化艺术类展览馆进行案例研究。展馆建筑面积 35 000 m2，展览面积 8 500 m2，建有四层。该展览馆拥有独特的设计风格，通过使用 12 m12 m 的展览单元布局，将整个展览馆划分成 12 m12 m 的网格，由于三层是整个展览馆的展览中心，展览面积较大，布局复杂，并且观展人数较多，故以三层的展览部分作为研究对象建立三维疏散模型。4.2三维环境模型的建立首先根据建筑面积和布局设置栅格单元，三层展览部分长宽为 60 m50 m，设置 60 m50 m 的栅格面积，设定每个栅格单元长宽均为 2 m，长设置 30 个栅格，宽设置 25 个栅格，将三层展览部分平面图转换成二维栅格地图。在火灾发生时，主入口不可再进人，可当作疏散出口，故将入口当作出口 3，从二维角度来讲，若从三楼平台疏散，考虑利用出口 1和出口 3；从三维角度来讲，若考虑从楼梯间直接疏散到一楼，则考虑出口 2。故可从二维和三维两个角度共同寻找最优路径。二维栅格地图如图 3所示。服饰为易燃物，故将火源点设置在服饰展览对应位置，如图 3 中红色部分；五角星为人员初始位置，即初始节点；黄色部分对应 3个出口，若从出口 1和出口 3逃生，则行走一段距离后从三楼平台楼梯处下降；若从出口 2 逃生，则直接从出口 2 位置的楼梯间下降，红色圆形为 3个出口对应的目标节点。出口 2作为备用出口，一定程度上缓解了疏散的压力。用同样的方式将一、二层的对应建筑部分用栅格地图的方式表示出来，与三层叠加形成三维栅格空间，如图4所示。每层楼对应的 3个红色圆心代表出口 2处的疏散楼梯口。4.3算法参数设置在改进后的蚁群算法中，参数包括迭代次数 K，待疏散人员数量 m，信息启发式因子，期望启发式因子，信息素挥发因子，信息素含量 Q，调节系数、。其中任何一个参数的设定都会影响算法的收敛速度和疏散效果，如果参数组合设置不当，将很难获得全局最优解，甚至陷入死循环，导致算法失效。因此，参数的组合设置对算法的影响不可忽视，研究其最佳组合十分必要。使用 MATLAB 2016b进行仿真试验，设置 3025的栅格地图，长与宽的比例设为 1：1。将参数分成 3组，分别为：第一组 K、m、；第二组、；第三组、Q。4.3.1第一组的设置迭代次数 K 和人员数量 m 为客观设定，根据栅格地图情况取迭代值 K=100，人员数量 m=50。和 作为调节系数，更加不会影响算法的多样性以及收敛速度，为了改变转移策略的固定性，人为主观设置=1.5；有调节信息素含量的作用，令=1.6。4.3.2第二组的设置对参数取不同值进行仿真测试，对结果进行分析，发现当=1，=10时，路径长度达到最优值。4.3.3第三组的设置作为信息素挥发因子，发挥着不可替代的作用。当设定过大时，会导致算法多样性的降低和搜索的早期停滞；与此相反，当 设定过小时，会使算法的收敛速度变43.532.521.510.502015105005101520图 2三维栅格空间环境Fig.2Three-dimensional grid space environment252423222120191817161514131211109876543211 3 5 7 911 13 15 17 19 21 23 25 27 29出口 3出口 1出口 2S图 3二维栅格地图Fig.3Two-dimensional grid map432100510152025051015202530图 4三维栅栏空间Fig.4Three-dimensional grid space1366消防科学与技术2023年 10 月第 42 卷第 10 期慢。因此本文设定max=0.2。Q 作为信息素含量，会影响算法的收敛速度。令Q1，10，100，1 000，每取一个值时都进行 10 次仿真测试，观察是否收敛，若收敛再记录迭代次数的平均值，来分析不同数值对算法的影响程度。最终选择 Q=100 为信息素含量数值。4.4算法的仿真使用 MATLAB 2016b进行仿真试验，设定初始参数K=100，M=50，=1，=10，max=0.2，Q=100，=1.5，=1.6，在设置好的二维和三维栅格地图中运行算法，观察并分析运行结果。由于火势是动态发展的，所以火灾产物的参数矩阵也随之改变，最优路径也会在不同情况下发生改变。这里模拟了火势发展的 3 个阶段，分别为发现火情阶段、火灾增长阶段和火灾发展全盛阶段。以下分别对这 3 个阶段下的火灾状况进行最优路径搜索。4.4.1发现火情阶段在火灾初期，火灾探测器在探测到烟雾热量后报警，或者工作人员发现火灾后会启动警报，组织人员疏散逃生，此时设定温度矩阵为 20，CO 体积分数矩阵为 0，能见度矩阵为 5 m，得到从出口 1 和出口 3 逃生的二维疏散路径图像如图 5所示，收敛曲线图如图 6所示，从图 6中可以观察到，算法迭代 30次以内时就已经收敛于最优解，收敛速度较快，并可得到最优解。到达出口 1的最短路径为18.556，即 37.112 m，到达出口 3 的最短路径为 13.657，即27.314 m。4.4.2火灾增长期当火灾发展到一定程度时，火灾产物会对人体产生一定的影响，热量和烟气的危害迫使人员的行动受到限制，因此受火灾影响的范围不能通过，此时设定火灾波及范围内的温度为 45，CO 体积分数为 0.15%，能见度为2.5 m。运行程序，得到从出口 1和出口 3逃生的二维疏散路径图像如图 7 所示，到达出口 1 最短路径单位长度19.142，即 38.284 m，到达出口 3 路径单位长度 13.657，即27.314 m，收敛曲线图如图 8所示。4.4.3火灾全盛期当火灾发展到全盛时期时，危险程度达到最大，人体无法承受过高的热量和烟气毒性的伤害，短时间内就会死亡。此时设定火灾波及范围内的温度为 80，CO 体积分数为 0.2%，能见度为 1 m，得到从出口 1 和出口 3 逃生的二维疏散路径图像如图 9所示，到达出口 1最短路径单位长度 20.314，即 40.628 m，到达出口 3 的路径单位长度2523211917151311975311 3 5 7 9 11 13 15 17 19 21 23 25 27 29出口 3出口 1出口 2图 5二维疏散路径图像（发现火情时）Fig.5Two-dimensional evacuation path image(When a fire is discovered)282624222018161412迭代次数/次0 20 40 60 80 100最小路径长度出口 1出口 3图 6出口 1、3的收敛曲线图（发现火情时）Fig.6Convergence curves of exit 1 and 3(When a fire is discovered)2523211917151311975311 3 5 7 911 13 15 17 19 21 23 25 27 29出口 1出口 2出口 3图 7二维疏散路径图像（火灾增长期）Fig.7Two-dimensional evacuation path image(Fire growth period)32302826242220181614120 20 40 60 80 100最小路径长度出口 1出口 3迭代次数/次图 8出口 1、3 的收敛曲线图（火灾增长期）Fig.8Convergence curves of exit 1 and 3(Fire growth period)1367Fire Science and Technology,October 2023,Vol.42,No.1013.657，即 27.314 m，收敛曲线图如图 10所示。此时受火灾影响的范围扩大到极点，故收敛曲线图像相较于火灾增长期有很大的变化。从图 11 中可以看出，由于障碍物以及火灾因素的影响，使得可选择路径变得很少，出口 2作为紧急疏散出口，在垂直疏散上可起到很大的作用，这时便可利用三维疏散工作环境运行算法。通过上述仿真模拟得出，经改进的蚁群算法在不同的火灾阶段均有较好的收敛速度和全局搜索能力。在火灾全盛阶段，出口 2 可作为紧急逃生出口进行垂直疏散，三维立体空间为其提供了良好的模拟环境。5结 论本文首先对蚁群算法进行改进，考虑火灾发生时的动态因素对人类整体疏散过程的影响，将火灾产物对人员疏散的影响进行量化并改进启发函数，建立信息素更新模型，改善了算法的收敛结果，提高了其全局搜索能力；然后以疏散距离和时间最短为目标，以出口宽度和人员密度为约束条件建立了人员疏散模型，进而将二维疏散环境扩展为三维空间疏散环境，采用栅格标识法建立三维栅格空间，设置节点性质，并采用序号法对各个节点进行标识，设定了序号和坐标的转换方式，为人员疏散模拟了真实的疏散环境。最后将实例转换为 30253 的三维工作环境，对算法进行仿真模拟，分析其收敛性。结果表明，在不同的火灾发展阶段，由于火灾产物和环境因素 的 影 响，人 员 到 达 不 同 出 口 的 最 优 路 径 均 发 生 了变化。本研究尚存在一定的局限性和改进空间。现阶段仅研究了三层路径规划下的分析，对其他疏散楼层未进行考虑，改进前后的蚁群算法未进行对比试验，且不同火灾发展阶段下，各类火灾产物的参数设定及其二维坐标的准确性和严谨性仍需进一步探讨。参考文献：1 王泓燕,孙玉平,张伟.大型展览场馆的防火设计初探J.消防科学与技术,2002,21(4):18-20.2 石朋朋.规划展览馆的布展更新及对策研究以许昌市规划展览馆为例J.建筑与装饰,2021(10):140-141.3 翟汉东,端木巧辉.论陈列布展在展览馆工程建设中的主导作用J.建筑工程技术与设计,2017(32):430-430.4 耕香.关注城市:美国世界观察研究所公布 2007年世界状况报告:我们城市的未来 J.国外社会科学,2007(3):80-83.5 杨铠腾,覃潘丽.安全疏散研究综述J.中国公共安全(学术版),2008,7(1):9-13.6 LIU M,ZHANG F,MA Y L,et al.Evacuation path optimization based on quantum ant colony algorithmJ.Advanced Engineering Informatics,2016,30(3):259-267.7 LIU H,XU B,LU D J,et al.A path planning approach for crowd evacuation in buildings based on improved artificial bee colony algorithmJ.Applied Soft Computing,2018,68:360-376.8 WANG Y F,MA W K,WANG T,et al.Dynamic optimisation of evacuation route in the fire scenarios of offshore drilling platformsJ.Ocean Engineering,2022,247:110564.9 傅军栋,黄鹿鸣,刘武,等.基于改进蚁群算法模型的三维火灾动态疏散策略J.华东交通大学学报,2018,35(6):96-102.2523211917151311975311 3 5 7 911 13 15 17 19 21 23 25 27 29出口 1出口 2图 9二维疏散路径图像（火灾全盛期）Fig.9Two-dimensional evacuation path image(During the peak)2826242220181614120 20 40 60 80 100最小路径长度出口 1出口 3迭代次数/次图 10出口 1、3 的收敛曲线图（火灾全盛期）Fig.10Convergence curves of exit one and three(During the peak)432100510152025051015202530图 11出口 2的三维路径疏散图像Fig.11Three-dimensional path evacuation image of exit 21368消防科学与技术2023年 10 月第 42 卷第 10 期10 陈涛.火灾情况下人员疏散模型及应用研究D.合肥:中国科学技术大学,2004.11 刘世松.高层建筑火灾疏散研究D.北京:北京建筑大学,2020.12 PAULS J.Effective width model for evacuation flowC/Building Research Inst.Proc.of the 6th Joint Panel Meeting,1982:344-354.13 JIN T,YAMADA T.Irritating effects of fire smoke on visibilityJ.Fire Science and Technology,1985,5(1):79-90.