基于Revit的醫院火災人員疏散路徑優化及智能誘導*

宋嘉寶 姜雪 張培紅

(東北大學資源與土木工程學院 沈陽 110819)

0 引言

醫院類建筑內人員高度密集，病患人員應急反應能力及行為能力存在特殊性，加之對醫院環境的不熟悉，醫院火災中人員疏散難度增加。在經過疏散路徑優化的基礎上，進行智能疏散誘導，對于提高醫院火災中人員疏散安全具有重要的意義。近年來，中外學者利用實體物理模型和計算機數值模擬技術相結合的方法，進行了大量有關疏散路徑優化決策的研究。張新偉等[1]建立了基于改進的自適應蟻群算法的應急疏散路徑優化模型，開發了基于油氣管道典型事故后果分析的城鎮大規模應急疏散決策優化系統平臺。傅軍棟等[2]、江奎東等[3]、SINGHAL K等[4]利用蟻群算法，實現了火災中疏散路線的優化。張蘇英等[5]、劉勇等[6]調整了蟻群算法啟發函數中初始信息素分布情況，對蟻群算法進行改進，實現了路徑的動態規劃。張瑋等[7]提出改進煙花-蟻群混合算法求解最優路徑。張蘇英等[8]添加了雙向搜索策略并結合A*算法改進初始信息素分布，提出了一種改進雙向蟻群算法。賈進章等[9]、LIANG Y等[10]基于遺傳-蟻群算法求解火災時期人員疏散最優路徑。王鉀等[11]提出一種融合量子進化算法的改進蟻群算法用于消防疏散路徑規劃。王培良等[12]、KAMALAKANNAN R等[13]提出了蟻群-元胞優化算法，加快了搜索速度，增大了優化算法的解空間。近年來，BIM技術在疏散路徑規劃中也逐漸得到了廣泛應用，LI N等[14]設計了環境感知信標部署算法，利用BIM提供傳感領域幾何信息，并用啟發式算法研究急救者和受困者的定位模式。周鵬等[15]利用BIM技術，結合自適應蟻群算法對建筑消防疏散路徑進行規劃。喻敏等[16]、吳水根等[17]利用Pathfinder和Pyrosim等仿真軟件進行了疏散路徑規劃。

已有的研究，一般需要人工實現節點初始狀態數據庫的構建，因此需要花費大量時間，一定程度上影響了基于疏散路徑優化算法的智能疏散誘導技術的推廣和應用。本文利用BIM技術的信息化特點，對Revit進行二次開發，實現對于復雜建筑空間節點初始狀態三維信息數據的智能獲取，自動生成節點初始狀態數據庫，減少建模所需時間，提高基于自適應蟻群算法的疏散路徑優化模型的運行效率。

1 醫院中人員疏散行為特點現場觀測分析

醫院中人員構成復雜，有醫護工作者、病患、陪護人員、其他人員(后勤工作者、消防員等)等不同行為特點的人群。人群的年齡、性別以及身體狀況等因素影響其在疏散中的逃生能力以及反應判斷能力。通過某醫院實地觀察測試，獲得人員步行速度及反應時間數據，結果整理如表1所示?？梢钥闯?，相對于正常的成年人，老年和兒童患者的行動力差、決策能力低，所需疏散反應時間相對較長，因此，對醫院類建筑進行基于疏散路徑優化的智能誘導具有重要意義。

表1 醫院中疏散時人員步行速度

2 基于Revit的空間節點數據庫的智能構建

為了實現智能、快速生成自適應蟻群算法疏散路徑規劃所需要的疏散節點初始狀態數據庫，對Revit 2018進行二次開發，創建智能疏散模塊，并生成新建數據庫插件。

某醫院急診病房樓總建筑面積38萬m2，占地面積2.35萬m2，共17層，地下1層，標準層5～18層層高約為3.6 m，整體建筑高度約為69 m。根據《綜合醫院建筑設計規范》(GB 51039—2014)以及《消防安全疏散標志設置標準》規定，在超過20 m的安全過道中需要設置疏散標識，且標識間距小于20 m，在安全出口處需要設置疏散標識。以此為依據，在Revit平臺上構建該醫院急診大樓一樓的三維模型，繪制疏散節點，包括根節點(出口)、源節點(人員疏散起點)、中間節點(走廊通道、樓梯口節點等)，如圖1所示。

圖1 某三甲醫院門診一樓Revit模型及疏散節點繪制

利用Revit平臺的Filtertype函數，辨識安全出口及疏散通道上的障礙物，實現對每一個不同類型的疏散節點，包括源節點、中間節點和根節點的篩選。通過注冊wpf命令，調用LocatedCmd_CanExecuted函數不斷喚醒線程，實時監聽用戶所選中的疏散節點，將疏散節點的信息以定位視圖(見圖2)及文字的方式(見圖3)呈現出來，檢查和核對所建立數據庫的節點信息，發現問題可以及時修正，更新數據庫。

圖2 節點35的鄰節點

點擊圖3右上角的“生成報表”控件，可以將所有節點的各項信息整理成數據庫，即自適應蟻群算法路徑優化所需要的數據庫，如圖4所示，將表格以“.xls”格式保存到電腦中任意位置進行下一步運算。

圖3 新建數據庫模塊

3 某醫院急診病房一樓疏散路徑優化案例應用

基于Revit的空間節點數據庫構建及其與路徑優化算法接口的流程見圖5。Revit 通過“.addin”文件識別和加載路徑優化自適應蟻群算法軟件作為外部插件，命名為“路徑優化”模塊。進入該模塊后，打開如圖4構建的空間節點初始狀態數據庫，利用自適應蟻群算法，得到疏散路徑優化方案。

圖4 自動生成的適用于疏散路徑優化算法的節點初始狀態數據庫(部分)

按照圖5所示流程，根據該醫院建筑結構特點，自動生成疏散空間網絡節點初始狀態數據庫，總共112個節點。其中，源節點32個、中間節點74個、根節點 6個，分別代表醫院的北門(59號節點)、西1門(26號節點)、西2門(89號節點)、東北門(83號節點)、東南門(65號節點)和西南門(1號節點)。

圖5 基于Revit的空間網絡節點數據庫的構建及路徑優化流程

設置蟻群算法初始參數，取α=0.5、β=1、ρ=0.1，進行1 000次迭代，在不考慮其他影響因素的前提下，假設沒有發生火災，利用蟻群算法計算程序[18]，得出了路徑優化結果如圖6所示。

圖6 無火條件下醫院疏散路徑優化決策結果

分別假設醫院6個出口大門附近的1、26、59、65、83、89號節點為起火點，其他初始參數設置不變，可以得到火災情況下疏散路徑優化結果。59號節點為醫院正門，以其為例，疏散結果和疏散標識方向示意如圖7所示。

圖7 以59號節點為例，火災情況下醫院疏散路徑優化決策結果

統計有火和無火條件下路徑優化決策結果，得到在不同條件下路徑規劃時，各個出口的疏散節點選擇情況，通過每個出口的節點選擇數量計算得到不同出口疏散的人員通過率，如圖8所示。

由圖8可以看出，在無火情況下，醫院中59號節點的通過率較高為23.08%，而89號節點的通過率較低為14.42%。與無火情況相比，當醫院的6個出口中有1個起火而不可通過后，其他5個出口的通過率發生改變，且通過路徑優化后每個出口的通過率較為平均，避免了人員疏散時在某個出口過于集中的情況，合理分配每個出口通過的人數，從而提高疏散效率。

圖8 有火和無火條件下各個出口人員通過率

統計無火災以及發生火災時醫院內各個源節點至根節點的路徑長度，得到在無火條件和有火條件下，各最優疏散方案中最長疏散路徑的長度。

根據表1中醫院人員步行速度，取患病女性(中青年)的步行速度為中值進行計算，疏散速度為0.85 m/s，假設疏散總人數為2 500人，按照各個出口人員通過率能夠計算得到每個出口的通過人數，人員密度0.97人/m2，流動系數取1.5人/(m·s)，全體人員完成安全疏散行動的時間t受到行走時間tW和通過出口或通道的時間tP影響，其計算公式為

(1)

(2)

式中，tW為行走時間，s；L為人員從初始位置行走至疏散安全出口的距離，m；v為人的行走速度，m/s；tP為通過出口或通道的時間，s；P為在出口或通道處排隊通過的總人數；W為出口寬度，m；D為出口流動系數，人/(m·s)。

通過上式計算得到在有火或者無火條件下，最長的人員疏散行動時間，結果如表2所示。

表2 疏散行動時間

從表2中可以看出，在7種情況下，均存在tW>tP的關系，說明醫院內人員到達出口時，其它人員已經通過離開，疏散行動時間由最遠點的人員行走時間tW決定，結果說明疏散中沒有人員滯留現象出現，疏散路徑規劃合理。

4 結論

通過實地觀測和調研，分析了醫院中不同行為特點人員疏散的步行速度和疏散反應時間。結合BIM技術，利用Revit二次開發實現空間網絡數據庫的建立，并與人員疏散路徑優化算法進行融合，以某醫院建筑一層為例，進行了大規模人員應急疏散優化的案例應用。結果表明：

(1)相對于正常的成年人，老年患者和兒童的行動力較差，疏散決策反應時間相對較長。

(2)直接利用Revit三維模型的信息化特點進行數據提取，實現了空間節點初始狀態數據的智能獲取、數據庫的自動生成和在線監聽，及其與路徑優化模塊的數據傳遞，提高了路徑優化算法的建模和計算速度。

(3)通過醫院火災疏散實例，驗證了基于Revit的空間節點數據庫構建的有效性，可以直接提取疏散節點信息，并自動獲取鄰節點應用于規劃疏散路線，有效避免疏散時容易出現的擁擠、混亂等現象。