基于圖形的可視化指揮救援系統研究

張建軍

（山東青島消防救援支隊，山東 青島 266000）

各種災害的發生都需要通過及時救援才能將生命和財產損失降至最低。以火災救援為例，我國每年都有消防官兵在救援過程中受傷，甚至付出生命的代價[1]。因為災害現場形式復雜、危險源眾多且部分危險因素未知，現場救援人員和指揮系統經常處于分離狀態。由于救援指揮中心與災害現場距離較遠，因此無法對災情進行準確把控[2]。在這種情況下，指揮系統建設必須要解決的問題是救援指揮及救援現場的協調性問題。隨著BIM技術和GIS技術的出現，大型的樓宇廠房都有可視化的3D仿真效果，災害現場也可以隨時調度準確的電子地圖[3]。如果充分采用這2種技術構建可視化的救援指揮系統，就可以對救援現場進行掌控，并可以實現遠程指揮調度，保證救援現場一致性和協調性?；诖耍疚囊詧D形理論為基礎構建可視化的救援指揮系統，并通過試驗測試其性能。

1 可視化指揮救援系統的模塊設計

本文的核心研究目標就是構建可視化的救援指揮系統。在這個系統中，應該充分考慮災情、救援設備和救援人員的情況，并分別將其進行模塊化處理，形成災情可視化模塊、設備可視化模塊、人員可視化模塊，整個救援指揮系統的可視化設計框圖如圖1所示。

圖1 救援指揮可視化系統的設計框圖

從圖1可以看出，針對災害救援的可視化指揮系統，對整個系統進行模塊化處理是將復雜任務簡單化、深度任務扁平化、耦合技術松散拆解的關鍵。

經過模塊化處理后，現場災情可以實現可視化，包括現場總體地圖、現場細節地圖、關鍵建筑總體、關鍵建筑內部、現場周邊以及現場道路等方面的可視化展示，這便于指揮調度有一個直觀的對象和場景。設備可視化可以使指揮人員掌控救援所需的各種設備、物資，尤其是這些設備的配置、所處的位置，也是決定指揮決策的重要依據。人員可視化決定了救援工作的執行力。對人員隊伍構成、所在位置、設備配置的可視化，也便于指揮系統對整個救援工作進行整體把控。

2 可視化指揮救援系統的功能設計

對于被救援現場的可視化是救援指揮系統可視化設計的最重要功能，也是后續其他可視化設計的基礎。首先，采用BIM技術引入關鍵建筑物的信息化數據，從而實現關鍵建筑的整體可視化和內部結構可視化。一個具體的BIM建筑模型導入的案例如圖2所示。這是一個3層的建筑，采用可視化的BIM模型可以清晰地了解其整體高度、外觀布局、窗體樓門所在的位置和樓頂區域。如果這棟建筑內發生險情，就可以進一步細化其內部的樓層或房間，更細致地進行可視化展示。在這種全信息化的展示下，樓層內每個房間的情況都可以清晰地展示出來。如果再配備攝像機監控網絡，就可以對房間內部360°可視化，也可以立即發現房間內的火情。

圖2 引入可視化指揮系統中對關鍵建筑的BIM模型

3 可視化指揮救援系統的性能測試

通過構建基于圖形的可視化救援指揮系統就可以構建險情發生區域的全局地圖，進而實現最有效的救援路徑配置，并指揮救援車輛、救援人員、救援物資到達目的地。在全局地圖信息可視化的前提下，采用基于蟻群算法的救援路徑搜索。

在險情救援路徑規劃問題的研究過程中，首先，選擇一個合理有效的狀態空間描述方法，從而建立一個準確、可靠、易于編碼和更新的環境地圖。常用的方法有柵格法、幾何法和拓撲圖法。本文采用簡單、可靠、描述性、強的柵格法進行環境建模。在n×n的柵格環境中，柵格序號與坐標的關系如公式（1）所示。

式中：x、y為救援車輛的當前坐標；W為柵格的總寬度；mod（）為取模運算。

蟻群算法是一種仿生學啟發式算法。在自然環境中，螞蟻們可以本能地找到從一定位置到食物來源地的最優或者次優路徑。由此，學者們提出蟻群算法，并廣泛地應用于各種各樣的尋優問題中。

蟻群算法的主要步驟如下：在t時刻，第k只螞蟻從i節點到j節點的概率轉移過程如公式（2）所示。

式中：（t）為移動機器人從i點移動到j點的信息素濃度；（t）為移動機器人從i點移動到j點的啟發系數。

螞蟻在完成一次循環后會在所經過的路徑上留下信息素，而路徑原有的信息素又會不斷降低，其更新過程如公式（3）～公式（5）所示。

式中：Q為信息素強度；Lk為螞蟻k次循環路徑長度。

傳統蟻群算法具有容易陷入局部最優的缺點。為了解決該問題，首先，引入信息素額外增加機制。每只螞蟻經過一次循環后，利用傳統蟻群算法即可找出最優解。對其信息素給予額外補償，螞蟻之間通過信息素傳遞信息，找出的最優解對應的信息素增強，使本次循環中找到的最優解在螞蟻的下次循環中對后面經過的螞蟻的影響更大，解決了蟻群算法在迭代過程中容易陷入局部最優，從而使路徑中出現不必要尖峰的問題。信息素額外增加公式如公式（6）～公式（7）所示。

式中：Δρ′ij為螞蟻在路徑上的信息素增加；L'為本次循環結束后所找出的最優解對應的路經長度；solutionobt為最優解的集合。

為了驗證本文所提出的改進蟻群算法對于救援車輛在可視化全局地圖路徑規劃中的有效性，接下來進行試驗。在試驗中設定可視化指揮系統可以觀測的地圖為16×16個柵格的大小，每個柵格的實際邊長為1m。本次試驗中，移動機器人的起始點在坐標為（1，16）的柵格處，終點在坐標為（14，1）的柵格處。

在試驗中，蟻群算法的配置如下：螞蟻總數量為30個，最大迭代次數設定為300次，啟發因子α=1.0，啟發因子β=5.0，蒸發系數λ=0.5，信息素因子Q=100，懲罰系數κ=0.3。按照傳統蟻群算法，險情救援車輛在可視化的全局地圖中規劃的路徑如圖3所示。

圖3 傳統蟻群算法的規劃路徑

圖3中，標記為Start的圓點代表險情救援車輛的起始位置，標記為End的圓點代表險情救援車輛的終點位置，粗實線代表傳統蟻群算法規劃出的路徑。白色網格代表險情救援車輛可以行走的區域，黑砂網格代表在其他建筑等障礙區域，險情救援車輛不可以行駛。從圖3可以看出，受到一步視野的影響，險情救援車輛都是拐直角彎，從而形成1條多段折線組合的路徑。這樣的路徑不僅絕對距離長，對于險情救援車輛轉向、輪胎的磨損也比較大。

采用本文改進的蟻群算法，為險情救援車輛在可視化全局地圖中進行路徑規劃，結果如圖4所示。

圖4 本文改進蟻群算法的規劃路徑

圖4中，粗實線是改進蟻群算法為險情救援車輛規劃出的路徑。這條路徑中含有A、B、C、D、E、F、G7個關鍵點。從圖3中傳統蟻群算法規劃的路徑可以看出，在這條路徑中，險情救援車輛在A點開始走2個柵格的對角線，到達B點。從C點～D點的這一段也是走2個柵格的對角線。從E點到F點，走了15個柵格的對角線。從F點到G點，走了2個柵格的對角線。這樣的走法，大大減少了行動路徑。同時，險情救援車輛在拐點轉彎角度變小，減少了險情救援車輛輪胎等部件的機械磨損。因為在本文改進蟻群算法中，對于視野的擴大、信息素更新策略的改進等措施起到了作用，所以能形成這種效果。進一步比較本文改進蟻群算法和傳統蟻群算法的一些結果，見表1。

表1 2種方法對比

從表1的數據可以看出，本文改進蟻群算法給險情救援車輛規劃的平均路徑和最優路徑都大大降低。而算法迭代次數增加和消耗時間增加并不明顯，這也再次證明了本文改進蟻群算法的優勢。上述試驗表明，當救援可視化指揮與智能算法結合在一起時，可以更高效地完成救援調度工作。

4 結論

隨著城市建筑的稠密度不斷加大，出現以火災等為代表的災情后，救援工作將變得非常困難。尤其是在指揮系統對災害現場、救援人員、救援裝備以及救援物資都無法準確了解的情況下，救援工作將難以開展，救援效率將大幅度降低?；谶@種情況，利用信息化技術，構建可視化的救援指揮系統，對于降低救援難度、提升救援效率具有重要意義。在本文的研究工作中，首先，對救援指揮系統的模塊進行劃分，并形成了3個可視化模塊，其下又進行進一步細分。其次，通過引入關鍵建筑BIM信息模型，可以實現對災害現場的整體可視化展示和內部細節可視化展示。當復雜區域的遇到險情時，為了救援，在可視化指揮系統構建全局地圖的基礎上對蟻群算法進行改進，給救援車輛進行高效的路徑規劃和引導，性能測試試驗證實了路徑規劃和可視化指揮后的有益效果，提升了險情救援的可靠性。