根據改進蟻群算法的樓宇疏散系統設計*

，，

(北京理工大學珠海學院 計算機學院，珠海 519000)

引　言

隨著社會經濟的發展，現代建筑越來越趨向于高層化、多功能化及大型化，現有的公共消防監測設備還不盡完善，有些地區還未達到國家標準要求。高層建筑、大型商場、地鐵隧道等人員密集的場所對消防提出了難題，而各地火災事故的發生也將消防裝備配備與疏散救援需要不匹配的矛盾完全暴露出來，因此各地必將增加消防設備與疏散系統的投入和完善。

目前，傳統的疏散系統功能簡單，缺乏智能化，在火災發生時，人員疏散時間長、容易造成擁擠，且其疏散指示方向固定。但如果指示的前方發生火災或正是煙霧蔓延過來的方向，將嚴重危及逃生人群的安全。因此，本文設計一種基于WSN的疏散系統，在火災發生和蔓延時，能快速、安全、有效地指引受災人員逃生。

1　人員疏散策略

1.1　傳統的人員疏散策略

傳統的人員疏散策略重點強調的是“就近原則”，其疏散路線是固定不變的，無法根據現場實時監測到的火災情況動態調整逃生路徑，容易造成逃生人員誤入險境，導致人員傷亡。

1.2　改進后的疏散策略

改進后的疏散系統通過各類傳感器進行實時、全天候監測，一旦監測到火災發生立即發送信號給服務器，服務器根據接收到的信號對物聯設備(例如滅火系統、防火卷閘門)進行控制，及時延緩火災蔓延速度。服務器根據信號來源，結合蟻群算法及時發送指令給“頻閃、語音、雙向可調”指示燈，從逃生人員的視覺、聽覺等感觀上進行強調，引導人員疏散，使得逃生人員能在火場中以更安全、更準確、更快的速度脫離危險。

2　系統設計

疏散系統主要采用無線WiFi通信、傳感器感知和嵌入式控制以及蟻群算法的動態優化，實現對火災險情進行前端監測，然后聯動控制逃生指示燈和照明系統，系統整體架構如圖1所示。

圖1　系統整體架構圖

基于WSN的樓宇疏散系統運作邏輯如圖2所示，其前期主要采用無線WiFi通信技術和傳感器技術。選擇現場疏散通道內的煙感或火焰探頭點以及WiFi探針作為聯動信息采集點，進行實時數據采集和轉發，一旦這些聯動點確認發生火災險情，則樓宇疏散系統進入后期的“應急逃生方案”模式：

圖2　系統邏輯示意圖

① 系統進行聯動報警，現場進行火災警鈴警報，短信轉發給物業和消防部門,啟動應急專用電源和應急照明,根據探頭聯動采集信息進行逃生指示箭頭的動態雙向指示。

② 逃生人員通過手機APP在線查看實時的樓層消防應急平面圖(應急逃生示意圖)，輸入起止位置進行疏散路徑規劃,有效、快速地逃離火災現場，被困人員可以提供位置信息，便于獲救。

③ 救援人員通過系統可以更清楚地了解到火災現場信息及人員大概位置，利于制定救援方案。

3　蟻群算法的應用

3.1　算法的特點

蟻群算法源于Macro Dorigo在觀察自然界中螞蟻覓食過程時發現“后繼螞蟻會根據前面螞蟻覓食路徑中釋放的信息素濃度的大小來選擇移動方向，且這一行為能快速有效地讓螞蟻找到蟻巢到食物的近優路徑”這一生物規律，從而提出的仿生算法。蟻群算法對比以往的經典算法，其在解決旅行商問題、指派問題、車輛路徑問題、網絡路由問題方面具有較強的魯棒性。

3.2　模型構建

蟻群算法的模型架構基本相同，由蟻群的活動和信息素的更新組成。其中，信息素的更新主要有兩種情況，一是減少，指螞蟻在覓食過程中釋放的外激素會隨著時間進行揮發；二是增強，同一路線經過的螞蟻數量越多，其外激素濃度也就越大。因此，一般蟻群算法都要重點考慮兩大關鍵算式：路徑選擇概率算式和信息素更新算式。

將蟻群算法應用于樓宇通道人員疏散模型中，可以將樓宇空間進行抽象化。用有向帶權圖G(V，L)進行表示，其中V代表節點集，L代表通道集，另外用i、j分別表示通道上的起始和結束節點。因此，路徑選擇概率可表示為：

(1)

式(1)中，i、j分別為起點和終點；ηij=1/dij為能見度，通道i、j節點的倒數；τij(t)為時間t時,由i到j的信息素強度；allowedk為尚未訪問過的節點集合；α，β為兩常數，分別是信息素和能見度的加權值。

隨著時間的變化，需要對殘余的信息素進行更新，其中，參數δ(0≤δ≤1) 是信息素的揮發率；(1-δ)表示信息素的殘留率，它體現了信息素濃度的持久性，各路段上信息素的更新可表示為：

(2)

其中：

(3)

式(3)中 ，Ck是第k只螞蟻走完整條路徑后所得到的總路徑長度。

3.3　算法改進

筆者根據突發事件時疏散人員的從眾性和趨光性和蟻群覓食行為極其相似，將蟻群算法應用于樓宇人員疏散模型中，可以使受災人群盡快逃離火災現場。然而在傳統蟻群算法疏散模型中，初期信息素缺乏，未考慮人群流量和穿過通道的難易程度的動態關系，容易造成算法初期隨機選擇路徑，造成人員誤入險區。而在算法后期，由于信息素的累加，容易造成人員擁堵甚至踩踏事件。因此，本設計中引入了傳感器節點，通過煙霧、火焰等監測能實時獲悉樓宇的消防狀態，實現及時有效地避險避障，可以彌補在算法初期時信息素缺乏和優化后續信息素的更新參數，通過WiFi探針(即WiFi嗅探模塊 )進行人流監測能較好地獲取人流量，引入通行難易系數，從而進行算法優化避免提前收斂造成的擁堵。

蟻群算法在具體應用時，容易受到現場環境因素(著火點、障礙物、通道寬窄)的影響，造成逃生路線迂回等局部搜索效果差和全局效率低的情況。因此，通常會將相關

參數進行以下更新：

① 根據傳感器采集到的樓宇實時監測信息，兩位置節點間距離可設為：

(4)

式(4)中， Z為障礙物和著火點位置集合；Z0為著火點周圍危險區域；γ是由環境信息綜合得到的權重參數，包括火災氣體產物(CO2、CO、HCN、H2S等)煙霧濃度、火焰大小、火險蔓延速度，這些參數由WSN獲得，如圖3所示，并融合為一個參數γ。

圖3　基于WSN的樓宇消防監測平臺

此外，在路徑搜索過程中還需考慮WiFi探針實時嗅探的人員數量(對應手機mac)實時數據，可以將兩位置節點距離優化設為：

(5)

式(5)中，φ是由人員數量和通道寬窄信息綜合得到的權重參數，這些參數由WiFi探針解析出人群密度作為人員的擁擠情況的實時數據,結合實際樓宇通道情況融合為一個擁擠因子參數φ。

② 信息素濃度更新機制。根據傳感器采集到的樓宇實時信息：“著火點”、“著火點周圍危險區域”、“其它”，對應設置為不同的初始值。設置如下:

(6)

式(6)中，C 為常數。

③ 信息素揮發度δ和Q采用動態調整方法:根據路徑長度L(k，m)與平均路徑長度Lmean的差異來確定下一次的揮發系數和信息素釋放總量，避免局部最優和收斂速度慢的情況發生。

(7)

3.4　具體應用

在實際應用中，假如火源的周圍區域為相鄰通道，通過WSN監測到火災氣體產物濃度和蔓延速度可計算出綜合環境因子γ，例如，實時監測到CO濃度為36 mg/m3，正常工作濃度為24 mg/m3，最大允許濃度為50 mg/m3，則γ=36/24=1.5。根據式(2)可得在火源周圍危險區域dij為1.5φlij。

根據Predtechenskii和Milinskii相關研究成果，在已知的樓宇疏散模型中，個體運動速度的不規則變化是由人群密度來決定的。當ρ<1人/m2時，V=Vmax；當ρ≥1人/m2時，V=Vmax/ρ，其中：V是行進速度，Vmax是最大行進速度，ρ是實時人群密度，其最大通行能力人群密度是1人/m2。而實時人群密度可通過WiFi探針嗅探到的手機mac數量和信號強度RSSI進行估算。例如，當WiFi探針嗅探到19個信號強度RSSI小于-60 dB的手機mac，則ρ實時人群密度=人數/面積=19/πr2=0.97 人/m2，其中 r=10(A-RSSI)/(10*n)=2.51，r為WiFi探針與RSSI為-60 dB的手機間距，單位為m；A為手機與WiFi探針的距離等于1 m時的RSSI值，項目中A取值為-50；n為信號衰減因子，項目中n取值2.5。

因此，當WiFi探針嗅探到實時人群密度大于等于最大通行能力人群密度時，會造成人員擁擠，降低通行速度，擁擠因子φ=ρ實時人群密度/ρ最大通行能力人群密度，而項目中WiFi探針嗅探到實時人群密度小于最大通行能力人群密度，擁擠因子φ=1，根據式(2)可得在火源周圍危險區域dij為1.5lij。

結　語