一种面向复杂建筑火灾的动态智能疏散方法及装置

技术特征：
1.一种面向复杂建筑火灾的动态智能疏散方法，其特征在于，所述方法包括：发出人员疏散请求，通过人员定位设备，获得人员信息数据；通过建筑监控设备，获得建筑通道数据和火灾信息数据；基于所述人员信息数据和所述建筑通道数据建立疏散空间模型，根据疏散空间模型进行简化和计算操作，获得疏散距离；基于所述人员信息数据和所述建筑通道数据进行计算操作，获得疏散难易度；采用xgb、lgb和gboost学习器，根据stacking集成策略，建立基于stacking集成的疏散时间预测模型；基于所述人员信息数据、所述建筑通道数据、所述疏散距离、所述疏散难易度和所述火灾信息数据，通过基于stacking集成的疏散时间预测模型，获得疏散最优路径。2.根据权利要求1所述的一种面向复杂建筑火灾的动态智能疏散方法，其特征在于，所述发出人员疏散请求，通过人员定位设备，获得人员信息数据，通过建筑监控设备，获得建筑通道数据和火灾信息数据，包括：当发出人员疏散请求时，通过人员定位设备获得待疏散人员位置，并调用人员信息库，获得人员信息数据，其中，所述人员信息数据包括待疏散人员所在位置、年龄、性别、肩宽和速度；通过建筑监控设备获得疏散环境信息和火灾信息数据，并调用建筑通道信息库，获得建筑通道数据，其中，所述建筑通道数据包括通道长度、宽度、节点信息、人员数量和安全出口位置。3.根据权利要求1所述的一种面向复杂建筑火灾的动态智能疏散方法，其特征在于，所述基于所述人员信息数据和所述建筑通道数据建立疏散空间模型，根据疏散空间模型进行简化和计算操作，获得疏散距离，包括：根据所述人员信息数据和所述建筑通道数据，将疏散空间的各个位置简化成点，使用线段连接的方式表示空间之间的联通关系，将可能会出现人员交汇的空间细化成多个关键的交通节点，获得空间拓扑结构形式的疏散空间模型；通过对疏散空间模型的疏散路径进行测量计算，获得疏散距离。4.根据权利要求1所述的一种面向复杂建筑火灾的动态智能疏散方法，其特征在于，所述基于所述人员信息数据和所述建筑通道数据进行计算操作，获得疏散难易度，包括：根据影响疏散的人员因素和环境因素定义疏散难易度，根据所述人员信息数据和所述建筑通道数据，获得疏散人群数量、通道长度、通道宽度和人群平均速度；根据所述疏散人群数量、通道长度、通道宽度和人群平均速度计算疏散难易度；所述疏散难易度包括人群疏散难易度、路径重叠影响疏散难易度和即将路径重叠影响疏散难易度。5.根据权利要求1所述的一种面向复杂建筑火灾的动态智能疏散方法，其特征在于，所述采用xgb、lgb和gboost学习器，根据stacking集成策略，建立基于stacking集成的疏散时间预测模型，包括：将所述人员信息数据、所述建筑通道数据、所述疏散距离和所述疏散难易度进行整合以及标准化操作，获得学习数据集；将所述xgb、lgb、gboost 学习器进行网格搜索法优化，基于stacking集成策略对优化后的所述xgb、lgb、gboost学习器进行集成操作，建立初始的
基于stacking集成的疏散时间预测模型；使用学习数据集对初始的基于stacking集成的疏散时间预测模型进行训练，得到训练完毕的基于stacking集成的疏散时间预测模型。6.一种面向复杂建筑火灾的动态智能疏散装置，其特征在于，所述装置用于实现一种面向复杂建筑火灾的动态智能疏散方法，所述装置包括：信息获取模块，用于疏散人员发出请求，通过人员定位设备，获得人员信息数据；通过建筑监控设备，获得建筑通道数据和火灾信息数据；疏散距离计算模块，用于基于所述人员信息数据和所述建筑通道数据建立疏散空间模型，根据疏散空间模型进行简化和计算操作，获得疏散距离；疏散难易度计算模块，用于基于所述人员信息数据和所述建筑通道数据进行计算操作，获得疏散难易度；疏散模型建立模块，用于采用xgb、lgb和gboost学习器，根据stacking集成策略，建立基于stacking集成的疏散时间预测模型；最优路径获取模块，用于所述人员信息数据、所述建筑通道数据、所述疏散距离、所述疏散难易度和所述火灾信息数据，通过基于stacking集成的疏散时间预测模型，获得疏散最优路径。7.根据权利要求6所述的一种面向复杂建筑火灾的动态智能疏散装置，其特征在于，所述信息获取模块，进一步用于：当发出人员疏散请求时，通过人员定位设备获得待疏散人员位置，并调用人员信息库，获得人员信息数据，其中，所述人员信息数据包括待疏散人员所在位置、年龄、性别、肩宽和速度；通过建筑监控设备获得疏散环境信息和火灾信息数据，并调用建筑通道信息库，获得建筑通道数据，其中，所述建筑通道数据包括通道长度、宽度、节点信息、人员数量和安全出口位置。8.根据权利要求6所述的一种面向复杂建筑火灾的动态智能疏散装置，其特征在于，所述疏散距离计算模块，进一步用于：根据所述人员信息数据和所述建筑通道数据，将疏散空间的各个位置简化成点，使用线段连接的方式表示空间之间的联通关系，将可能会出现人员交汇的空间细化成多个关键的交通节点，获得空间拓扑结构形式的疏散空间模型；通过对疏散空间模型的疏散路径进行测量计算，获得疏散距离。9.根据权利要求6所述的一种面向复杂建筑火灾的动态智能疏散装置，其特征在于，所述疏散难易度计算模块，进一步用于：根据影响疏散的人员因素和环境因素定义疏散难易度，根据所述人员信息数据和所述建筑通道数据，获得疏散人群数量、通道长度、通道宽度和人群平均速度；根据所述疏散人群数量、通道长度、通道宽度和人群平均速度计算疏散难易度；所述疏散难易度包括人群疏散难易度、路径重叠影响疏散难易度和即将路径重叠影响疏散难易度。10.根据权利要求6所述的一种面向复杂建筑火灾的动态智能疏散装置，其特征在于，所述疏散模型建立模块，进一步用于：将所述人员信息数据、所述建筑通道数据、所述疏散距离和所述疏散难易度进行整合
以及标准化操作，获得学习数据集；将所述xgb、lgb、gboost 学习器进行网格搜索法优化，基于stacking集成策略对优化后的所述xgb、lgb、gboost学习器进行集成操作，建立初始的基于stacking集成的疏散时间预测模型；使用学习数据集对初始的基于stacking集成的疏散时间预测模型进行训练，得到训练完毕的基于stacking集成的疏散时间预测模型。

技术总结
本发明涉及计算机人工智能技术领域，特别是指一种面向复杂建筑火灾的动态智能疏散方法及装置。一种面向复杂建筑火灾的动态智能疏散方法包括：通过人员和建筑物设备，获得人员信息数据、建筑通道数据和火灾信息数据；根据人员信息数据和所述建筑通道数据建立疏散空间模型，根据疏散空间模型进行简化和计算操作，获得疏散距离；基于人员信息数据和建筑通道数据进行计算操作，获得疏散难易度；采用XGB、LGB和GBoost学习器，根据Stacking集成策略，建立基于Stacking集成的疏散时间预测模型；通过基于Stacking集成的疏散时间预测模型，获得疏散最优路径。帮助人员避免耗时长或者因火灾导致规划的疏散路径中断，实现人员动态疏散，提高了疏散效率。提高了疏散效率。提高了疏散效率。


技术研发人员：高学鸿 李宁 黄国忠 李浩轩 蒋慧灵 张磊 邓青 王波
受保护的技术使用者：北京科技大学
技术研发日：2022.12.01
技术公布日：2022/12/30