مسیریابی سه بعدی تخلیه آتش در داخل ساختمان

خلاصه

الگوریتم‌های ناوبری داخلی معمولاً فقط اطلاعات هندسی فضای داخلی را در نظر می‌گیرند. با این حال، اطلاعات محیطی و پارامترهای معنایی یک آتش سوزی نیز برای مسیریابی تخلیه در مورد آتش سوزی مهم هستند. برای الگوریتم های ناوبری داخلی داخلی سنتی دشوار است که به صورت پویا یک مسیر داخلی را در هنگام وقوع آتش سوزی پیدا کنند.

برای پرداختن به این مشکل، ما یک روش مسیریابی تخلیه آتش‌سوزی داخلی (3 بعدی) چند بعدی محدود شده را توسعه دادیم که معنایی مرتبط با صحنه آتش‌سوزی داخلی چند بعدی، مانند دسترسی به مسیر، درجه تشخیص مسیر، و پارامترهای آتش‌سوزی را در نظر می‌گیرد. روش ما معناشناسی ناوبری فضای داخلی را با گسترش مولفه های مربوط به آتش مدل داخلی بر اساس IndoorGML و ادغام معنای مکان یابی IndoorLocationGML افزایش می دهد. ما همچنین معانی مسیریابی آتش‌محور داخل ساختمان را پیشنهاد می‌کنیم و یک تابع هزینه ناوبری ایجاد می‌کنیم که تغییرات معنایی را در طول آتش‌سوزی ارزیابی می‌کند. ما یک الگوریتم مسیریابی داخلی با محدودیت های معنایی متعدد بر اساس الگوریتم A* طراحی کردیم. نتایج مسیریابی داخلی در آزمایش‌های شبیه‌سازی مورد تجزیه و تحلیل و مقایسه قرار گرفت. نتایج تجربی نشان داد که مدل پیشنهادی می‌تواند گره‌ها و لبه‌های غیرقابل استفاده را از مسیر ناوبری به‌دست‌آمده حذف کند و یک مسیر تخلیه ایمن‌تر و موثرتر از الگوریتم‌های سنتی ارائه دهد. نتایج مسیریابی داخلی در آزمایش‌های شبیه‌سازی مورد تجزیه و تحلیل و مقایسه قرار گرفت. نتایج تجربی نشان داد که مدل پیشنهادی می‌تواند گره‌ها و لبه‌های غیرقابل استفاده را از مسیر ناوبری به‌دست‌آمده حذف کند و یک مسیر تخلیه ایمن‌تر و موثرتر از الگوریتم‌های سنتی ارائه دهد. نتایج مسیریابی داخلی در آزمایش‌های شبیه‌سازی مورد تجزیه و تحلیل و مقایسه قرار گرفت. نتایج تجربی نشان داد که مدل پیشنهادی می‌تواند گره‌ها و لبه‌های غیرقابل استفاده را از مسیر ناوبری به‌دست‌آمده حذف کند و یک مسیر تخلیه ایمن‌تر و موثرتر از الگوریتم‌های سنتی ارائه دهد.

کلید واژه ها:

مسیریابی داخلی ؛ تخلیه اضطراری ؛ مدل سه بعدی داخلی ; ناوبری داخلی ؛ معناشناسی آتش

مسیریابی سه بعدی تخلیه آتش در داخل ساختمان

1. معرفی

شهرنشینی مداوم منجر به افزایش تعداد افراد شاغل و زندگی در ساختمان های بزرگ شده است [ 1 ]. چنین محیط هایی شلوغ هستند و در مواقع اضطراری مانند آتش سوزی، اغلب تلفات و خسارت مالی زیادی رخ می دهد. تعداد آتش سوزی ها و تلفات مستقیم اموال در 20 سال گذشته رو به افزایش بوده است [ 2 ]. آتش سوزی های شدید نگرانی های گسترده ای را در دولت و جامعه ایجاد کرده است. مسیریابی داخلی برای تخلیه اضطراری آتش سوزی داخلی بسیار مهم است. روش‌های موثر مسیریابی می‌تواند به کاهش تلفات و افزایش نرخ فرار افراد داخل خانه در هنگام وقوع آتش‌سوزی کمک کند.

محققان برخی از روش‌های مسیریابی داخلی را پیشنهاد کرده‌اند. برخی از محققان عمدتاً اطلاعات معنایی مدل سه بعدی را در نظر گرفتند [ 3 ، 4 ، 5 ]، برخی دیگر بر روی اطلاعات کاربر و معنایی رفتار آن [ 6 ، 7 ] تمرکز کردند، و همچنین برخی از محققان بر زمینه محیطی و ترجیحات کاربر تمرکز کردند. معناشناسی برای ارائه خدمات برنامه ریزی مسیر شخصی برای کاربران [ 8 ، 9]. عیب اصلی این روش ها این است که برای شرایط معمولی و بدون در نظر گرفتن محیط های خاص مانند آتش سوزی طراحی شده اند. این رویکردها کوتاه‌ترین فاصله یا مسیر زمانی را به‌عنوان مسیر بهینه محاسبه می‌کردند و در بیشتر موارد، کوتاه‌ترین فاصله یا کوتاه‌ترین زمان شرط اصلی انتخاب مسیر آنهاست. با این حال، کوتاه ترین مسیرهای مسافتی یا زمانی ممکن است همیشه مسیرهای ایمن را در شرایط آتش سوزی فراهم نکنند.

مسیریابی داخلی آتش گرا یک مسیر بهینه را بر اساس مدل داخلی یک ساختمان در سناریوی آتش سوزی پیدا می کند. در حال حاضر، روش‌های مسیریابی داخلی بر اساس مدل‌های متنوع داخلی برای تخلیه اضطراری آتش‌سوزی داخلی ارائه شده‌اند (برای توضیحات دقیق، بخش 2 را ببینید.). برخی از مطالعات، مسیریابی را تنها بر اساس اطلاعات هندسی مدل داخلی انجام دادند. همچنین مطالعاتی وجود دارد که معنای فضایی مدل داخلی را در نظر گرفته است. با این حال، اغلب روش‌های موجود اغلب معنای محیطی سناریوهای آتش‌سوزی را نادیده می‌گیرند. به عنوان مثال، هنگامی که یک آتش سوزی در داخل ساختمان رخ می دهد، مردم باید مسیری با حداقل خطر آتش سوزی را به عنوان راه فرار انتخاب کنند. در نظر گرفتن تنها کوتاه‌ترین مسافت یا مسیری که کمترین زمان را می‌طلبد، اغلب در هنگام گسترش آتش با شکست مواجه می‌شود. بنابراین عواملی مانند دسترسی به مسیر، درجه تشخیص مسیر و گسترش آتش نیز باید در نظر گرفته شوند.

در این مقاله، معناشناسی محیط‌های آتش‌سوزی مانند دسترسی به مسیر، درجه تشخیص مسیر و پارامترهای آتش را مدل‌سازی و کمی می‌کنیم و آنها را در روش مسیریابی داخلی ادغام می‌کنیم. یک مدل داخلی توسعه یافته برای تخلیه آتش طراحی شده است که بر اساس چارچوب IndoorGML و معنای مکانی یکپارچه IndoorLocationGML است تا معنای ناوبری فضای داخلی را افزایش دهد. ما یک روش مسیریابی داخلی محدود چند معنایی را برای سناریوهای آتش‌سوزی داخلی پیشنهاد می‌کنیم، که هندسه و معناشناسی فضای مدل داخلی، و معناشناسی محیطی یک سناریوی آتش‌سوزی را در نظر می‌گیرد. روش پیشنهادی می تواند اطلاعات مسیریابی سناریوی آتش سوزی سه بعدی هوشمند، ایمن و موثر را در اختیار کاربران قرار دهد.

ادامه این مقاله به شرح زیر سازماندهی شده است. کارهای مرتبط در بخش 2 مورد بحث قرار گرفته است . یک مدل داخلی توسعه یافته برای تخلیه آتش در بخش 3 طراحی شده است و بخش 4 یک روش مسیریابی داخلی را ارائه می دهد که معنای یک سناریوی آتش سوزی را محاسبه می کند. آزمایش ها و بحث ها در بخش 5 توضیح داده شده است . مقاله با نتیجه گیری در بخش 6 به پایان می رسد .

2. آثار مرتبط

چندین مطالعه قبلی برخی از روش‌های مسیریابی را برای سناریوهای آتش‌سوزی داخلی ارائه کردند. لی و کوان یک الگوریتم مسیر بهینه مکانی-زمانی را بر اساس ساختار رابطه گره فضای داخلی ایجاد کردند که برای راهنمایی امدادگران برای حرکت سریع از هر ورودی ساختمان به محل حادثه در داخل ساختمان استفاده شد [10 ] . لو و همکاران یک روش تخلیه آتش را بر اساس حالت‌های حرکت و اتوماتای سلولی پیشنهاد کرد که از حالت حرکت روبات‌های متحرک هوشمند برای شبیه‌سازی روش‌های تخلیه در طول آتش‌سوزی استفاده می‌کرد [ 11 ]. نیو و سونگ یک مدل شبیه‌سازی ارائه کردند که فضای داخلی و عامل را برای شبیه‌سازی فرآیند تخلیه داخل ساختمان ترکیب می‌کند [ 12]. آتیلا و همکاران SmartEscape را طراحی کرد، یک سیستم تخلیه آتش، که مسیر تخلیه را با استفاده از یک شبکه عصبی مصنوعی محاسبه کرد [ 13 ]. ژانگ و وانگ یک سیستم واقعیت مجازی را برای شبیه‌سازی تخلیه اضطراری در آتش‌سوزی توسعه دادند و استراتژی‌های تخلیه در ساختمان‌های مرتفع و عوامل انسانی را که می‌توانند بر تخلیه بلندمرتبه‌ها تأثیر بگذارند، مطالعه کردند [14 ] . این مطالعات مسیرهای تخلیه را تنها بر اساس اطلاعات هندسی فضای داخلی، بدون در نظر گرفتن معناشناسی فضایی ساختمان ها، برنامه ریزی کردند. با این حال، معناشناسی فضا در زمینه ناوبری داخلی اهمیت دارد و توصیف مسیر را به راحتی قابل درک می کند.

معناشناسی فضایی ساختمان ها منعکس کننده بخش های فرعی ساختمان است. برخی از مدل‌ها معنای فضایی ساختمان‌ها را تعریف می‌کنند، مانند مدل اطلاعات ساختمان (BIM) و IndoorGML. برخی از مطالعات BIM را به عنوان مدل ناوبری داخلی برای یافتن مسیرهای تخلیه آتش پذیرفته اند. Rueppel و Kai یک سیستم ناوبری اضطراری داخلی مبتنی بر BIM را برای یافتن کوتاهترین راه در یک ساختمان پیچیده معرفی کردند [ 15 ، 16 ]. وانگ و همکاران ترکیب فناوری BIM و واقعیت مجازی برای شبیه سازی محیط مجازی برای تخلیه اضطراری آتش سوزی [ 17]. این مطالعات الگوریتم‌های ناوبری داخلی را با محوریت BIM طراحی کردند تا از یافتن مسیر آتش پشتیبانی کنند، که BIM را برای ارائه اطلاعات هندسی و معنایی ساختمان‌ها به عنوان ورودی به الگوریتم‌های ناوبری داخلی یکپارچه می‌کرد. اگرچه BIM دارای اطلاعات هندسی و معنایی غنی از ساختمان ها است، اما پردازش مقدار هندسه و معنایی ساختمان زمان بر است. مشاهده شد که پردازش هندسه ساختمان می تواند کارایی الگوریتم های ناوبری داخلی مبتنی بر BIM را کاهش دهد [ 18 ].

کنسرسیوم فضایی باز (OGC) IndoorGML را پیشنهاد کرد، که معنای عمومی تقسیم بندی فضای داخلی را برای اهداف ناوبری، مانند فضای قابل کشتیرانی و فضای غیرقابل کشتیرانی تعریف کرد. در مقایسه با BIM، IndoorGML بیان مختصری از معنای فضاهای داخلی و یک مدل ناوبری داخلی سبک وزن ارائه می‌کند [ 19 ]. شیونگ و همکاران یک مدل میدان داخلی پویا برای شبیه‌سازی تخلیه اضطراری پیشنهاد کرد، که IndoorGML را با تعریف سه شی اصلی (فضای داخلی، شبکه اضطراری داخلی، و واحد شبکه) گسترش داد [ 20]. زو و همکاران یک استاندارد ملی چینی برای مدل ناوبری داخلی معرفی کرد: زبان نشانه گذاری جغرافیایی مکان چند بعدی داخلی (IndoorLocationGML)، که بر توصیف مکان های داخلی متمرکز بود و چارچوبی از خدمات مکان یابی داخلی را ارائه می کرد [21 ] . لیو و همکاران در تلاش برای ادغام IndoorGML و IndoorLocationGML ابتکار عمل کرد و امکان ترکیب دو استاندارد مرتبط با فضای داخلی را برای برنامه های داخلی ارائه کرد [ 22 ]. آلاتاس و همکاران یک مدل ترکیبی LADM-IndoorGML ارائه کرد که ترکیبی از استفاده از مدل‌های IndoorGML داخلی و LADM برای پشتیبانی از ناوبری داخلی با استفاده از حقوق دسترسی به فضاها بود [ 23 ، 24]]. علاوه بر این، یک الگوریتم مسیریابی داخلی مبتکرانه در شبکه منطقی طراحی شد که یک مسیر منطقی را فقط بر اساس معناشناسی فضا محاسبه می‌کند، نه اطلاعات هندسی ساختمان [ 25 ]. در مقایسه با مطالعات ناوبری داخلی تنها بر اساس اطلاعات هندسی فضای داخلی، این تحقیقات معنای فضایی ساختمان ها را مورد توجه قرار دادند. با این حال، اطلاعات محیطی و پارامترهای معنایی یک آتش سوزی نیز برای مسیریابی تخلیه در مورد آتش سوزی مهم هستند. اغلب روش‌های موجود معمولاً معنای محیطی سناریوهای آتش‌سوزی مانند دسترسی به مسیر، درجه تشخیص مسیر و گسترش آتش و غیره را نادیده می‌گیرند.

در بخش‌های بعدی، یک مدل داخلی توسعه یافته برای تخلیه آتش و یک الگوریتم مسیریابی داخلی آتش‌گرا بر اساس این مدل پیشنهاد می‌کنیم.

3. یک مدل داخلی گسترده برای تخلیه آتش

در این بخش، ویژگی‌ها و عوامل تأثیرگذار آتش‌سوزی ساختمان‌های داخلی را تجزیه و تحلیل می‌کنیم و اجزای مرتبط با آتش‌سوزی داخلی را گسترش می‌دهیم، سپس معناشناسی مکان IndoorLocationGML را در یک مدل داخلی ادغام می‌کنیم تا معنای ناوبری فضای داخلی را برای تخلیه آتش افزایش دهیم.

3.1. مدل فضای سه بعدی داخلی

OGC ابتدا یک مدل داده باز برای ذخیره و تبادل مدل های شهری سه بعدی مجازی-CityGML [ 19 ] تهیه کرد. با این حال، تقسیم بندی CityGML برای اجزای ساختمان داخلی مشخص نیست و نمی تواند دسترسی به فضاهای داخلی را تعیین کند. بنابراین OGC به طور خاص IndoorGML را برای فضاهای داخلی پیشنهاد کرد که بر نمایش اطلاعات معنایی فضای داخلی و شبکه های ناوبری داخلی تمرکز دارد [ 19 ]. IndoorGML یک چارچوب کلی و توضیحات معنایی برای ناوبری داخلی ارائه می دهد. با این حال، IndoorGML تنها بر مدل سازی فضای داخلی برای اهداف ناوبری سبک تمرکز دارد، که نمی تواند به طور کامل نیازهای خدمات مکان یابی داخلی همه جا حاضر را برآورده کند [ 21]]. کلاس های بنیاد صنعت (IFC) استاندارد داده واقعی برای صنعت ساخت و ساز بین المللی است [ 26 ]. BIM یک مدل داده است که بر اساس IFC برای ایجاد میدانی با اطلاعات هندسی و معنایی غنی ایجاد شده است. بسیاری از محققان تحقیقاتی در مورد ناوبری اضطراری داخلی مبتنی بر BIM انجام داده اند [ 15 ، 16 ، 17 ، 18 ]. با این حال، ناوبری اضطراری داخلی برای سناریوهای آتش سوزی حساس به زمان است. زمانی که الگوریتم‌های مسیریابی داخلی به گونه‌ای طراحی می‌شوند که کارآمد باشند، بر کارایی پردازش هندسه‌های ساختمان تکیه می‌کنند. از آنجایی که مقدار داده های BIM معمولاً برای ساختمان های پیچیده بسیار زیاد است، پردازش هندسه BIM بیشتر کل زمان محاسباتی را به خود اختصاص می دهد [ 18] .]. این مطالعات مسیریابی مبتنی بر BIM بر بهبود کارایی پردازش هندسه ساختمان تمرکز نکردند. در پایان سال 2017، کمیته استانداردهای ملی چین به طور رسمی اولین استاندارد ملی را برای خدمات مکان یابی داخلی منتشر کرد: IndoorLocationGML، که مدل اطلاعات موقعیت مکانی چند بعدی داخلی مورد نیاز برای موقعیت یابی و ناوبری داخلی را تعریف می کند. IndoorLocationGML بر توصیف مکان‌های داخلی (مثلاً مکان‌های دقیق و نسبی فضای داخلی، معناشناسی، و توپولوژی مکان‌ها و غیره) تمرکز می‌کند، که هدف آن برآورده کردن الزامات خدمات مکان داخلی در همه جا [21، 27 ] است . لیو و همکاران یک مدل مشترک با ادغام IndoorGML و IndoorLocationGML طراحی کرد [ 22]. IndoorGML، IndoorLocationGML، و مدل مشترکی که آنها را ترکیب می کند، همگی برای برآورده کردن الزامات عمومی ناوبری داخلی و سرویس مکان، بدون در نظر گرفتن سناریوی آتش سوزی طراحی شده اند. به دلیل عدم بیان معنایی عناصر مرتبط با آتش سوزی داخلی (به عنوان مثال، درب های آتش نشانی، تاسیسات آتش نشانی، لامپ های نشانگر تخلیه و غیره)، آنها نمی توانند نیاز ناوبری اضطراری داخلی را در موقعیت های آتش نشانی برآورده کنند.

برای پرداختن به این موضوع، ما اجزای مربوط به آتش‌سوزی داخلی را بر اساس IndoorGML گسترش دادیم و آن را با معنای مکانی IndoorLocationGML ترکیب کردیم تا یک مدل فضای داخلی جدید برای تخلیه آتش بسازیم. ما بیشتر روش مسیریابی برای آتش سوزی های داخلی را بر اساس این مدل مطالعه می کنیم.

https://gisland.org/

3.2. ویژگی های آتش سوزی های داخلی در ساختمان ها

عواملی وجود دارند که می‌توانند بر انتخاب مسیر تخلیه اضطراری در صورت آتش‌سوزی در فضای داخلی تأثیر بگذارند. در این بخش، ویژگی های آتش سوزی های داخلی را تجزیه و تحلیل می کنیم و الزامات سناریوهای آتش سوزی داخلی را مدل می کنیم.

آتش به سرعت گسترش می یابد. در صورت آتش سوزی، دود می تواند به سرعت در راه پله ها، آسانسورها و سایر راهروهای عمودی پخش شود. در این زمان درها و پنجره های ضد حریق نصب شده در راه پله یا راهروی عمودی از اقدامات مهم پیشگیری از حریق هستند که می توانند از جریان دود احتراق در هنگام آتش سوزی جلوگیری کنند. شناسایی موقعیت مکانی این تاسیسات ساختمانی می تواند تا حدودی از گسترش آتش جلوگیری کرده و تخلیه ایمن را تضمین کند.
خطر بالا. فضای داخلی ساختمان های مدرن عموماً پرجمعیت و از نظر ساختار فضایی پیچیده است. برخی از موانع قابل اشتعال و انفجار هستند که در صورت آتش سوزی بسیار خطرناک می شوند. اگر مردم با توزیع خروجی های داخلی آشنا نباشند یا علائم تخلیه اضطراری در ساختمان وجود نداشته باشد، دشواری تخلیه افزایش می یابد.
مبارزه با آتش دشوار است. شناخته شده است که مبارزه با آتش از بیرون بسیار دشوار است. مردم عمدتاً از امکانات حفاظت آتش در داخل ساختمان برای خاموش کردن آتش استفاده می کنند [ 28 ]. در صورت نامشخص بودن مکان تاسیسات آتش نشانی در داخل ساختمان، آتش غیر قابل کنترل خواهد بود.

3.3. عوامل موثر بر مسیریابی در یک آتش سوزی داخلی

با توجه به ویژگی‌های آتش‌سوزی داخلی و دشواری تخلیه در ساختمان‌های مرتفع، لازم است عوامل مختلفی که بر برنامه‌ریزی مسیر در سناریوهای آتش‌سوزی داخلی تأثیر می‌گذارند، در نظر گرفته شود. در ادامه به تحلیل عوامل متعددی در صحنه آتش سوزی داخلی می پردازیم.

اجزای تخلیه
خروج و انتخاب مسیر
امنیت مسیر

ساختمان های مدرن دارای ساختارهای پیچیده و تعداد زیادی کانال تخلیه هستند. اگر مدیریت روزانه ناکافی باشد، کانال‌های تخلیه امنیتی می‌توانند مسدود شوند، مانند درهای ایمنی قفل شده، خروجی‌های ایمنی، یا تجمع اقلام در راه پله‌ها. هنگام وقوع آتش سوزی، مکان و وضعیت این اجزای تخلیه ایمنی ممکن است نامشخص باشد، که دلیل مهمی برای بسیاری از تلفات است.

خروجی های تخلیه اضطراری و انتخاب مسیر عوامل مهمی هستند که بر برنامه ریزی مسیر تحت شرایط خاص تأثیر می گذارند. به عنوان مثال، در موارد شدید فرار از آتش، از پنجره‌های طبقه‌های پایین و نردبان‌های آتش نشانی می‌توان به عنوان فضای لنگر و خروجی تخلیه برای جلوگیری از ازدحام، پا زدن و پریدن برای رسیدن به تخلیه ایمن استفاده کرد. بنابراین انتخاب صحیح خروجی های تخلیه اضطراری می تواند اثربخشی تخلیه اضطراری را افزایش دهد.

همانطور که گفته شد، آتش سوزی های داخلی با تعداد زیادی خطر مشخص می شود. اجسام قابل اشتعال و انفجاری را می توان در مکان های خطرناک قرار داد، که سپس بر انتخاب مسیر تخلیه در مورد آتش سوزی داخلی تأثیر می گذارد. علاوه بر این، مقدار زیادی دود و گرد و غبار در معابر در هنگام آتش سوزی، دید افراد گرفتار را به شدت کاهش می دهد که بر سرعت تخلیه و ایمنی تأثیر می گذارد. بنابراین، جلوگیری از دود، دستگاه‌های اگزوز و روشنایی نشان‌دهنده تخلیه که افراد تخلیه‌شده را در دید کم هدایت می‌کنند، برای تخلیه افراد در هنگام آتش‌سوزی بسیار مهم هستند.

3.4. گسترش قطعات برای سناریوهای آتش سوزی داخلی

مدل‌های داخلی داخلی سنتی بر بیان ساختار داخلی و مسیریابی در شرایط عادی تمرکز دارند. با این حال، برخی از اجزای داخلی نادیده گرفته شده می توانند نقش کلیدی در موارد اضطراری آتش سوزی داشته باشند. در حال حاضر هیچ توصیف معنایی واحدی از فضای داخلی برای کاربردهای مختلف وجود ندارد. برای برآوردن الزامات تخلیه آتش در داخل ساختمان، بنابراین به IndoorGML [ 19 ] مراجعه می کنیم و اجزای مرتبط با آتش را اضافه می کنیم تا یک مدل توصیف فضای داخلی گسترده برای سناریوهای آتش سوزی داخلی پیشنهاد کنیم. نمودار توصیف ساختار معنایی داخلی این مدل در شکل 1 نشان داده شده است .

این مدل عمدتاً چهار جنبه زیر را گسترش می دهد:

از نظر اجزای داخلی که بر تخلیه در سناریوهای آتش سوزی داخلی تأثیر می گذارد، ما اجزای در و پنجره ضد حریق و اجزای تأسیسات آتش نشانی را گسترش می دهیم. درب ها و پنجره های نسوز اجزای ساختمانی هستند که می توانند الزامات پایداری مقاومت در برابر آتش، یکپارچگی و عایق حرارتی را در مدت زمان معین برآورده کنند. اینها شامل اشیاء مقاوم در برابر آتش با مقاومت خاصی در برابر آتش است که در یک اتاق جداکننده مقاوم در برابر آتش، راه پله های تخلیه و شفت های عمودی چیده شده اند. برای امکانات آتش نشانی، ما تعداد کپسول های آتش نشانی، وسایل پیشگیری از دود و اگزوز و علائم انحراف آتش را افزایش می دهیم.
از نظر انتخاب خروجی اضطراری برای سناریوهای آتش سوزی داخلی، اجزای خروجی پنجره را در فضای لنگر گسترش می دهیم. فضای لنگر به خروجی ها و ورودی هایی اطلاق می شود که فضای داخلی و خارجی ساختمان را به هم متصل می کند. افزایش تعداد خروجی های پنجره در فضای لنگر می تواند به کاربران کمک کند تا در شرایط خاص یک پنجره طبقه پایین یا نردبان آتش نشانی را برای فرار انتخاب کنند.
از نظر انتخاب مسیر یک سناریوی آتش سوزی داخلی، ما اجزای آسانسور، پله برقی و پلکان را در گذرگاه عمودی گسترش می دهیم تا مسیر عمودی قابل دسترسی در آتش را تشخیص دهیم. آسانسورها در هنگام آتش سوزی به دلیل قطع برق کار نمی کنند. پله برقی ها عموماً در سالن های نسبتاً باز قرار دارند و به طور عینی می توانند در دوره اولیه آتش سوزی نقش داشته باشند. اما به دلایل ایمنی نمی توان از پله برقی ها به عنوان تاسیسات تخلیه طبق مقررات ملی استفاده کرد. بنابراین پله‌ها انتخاب نسبتاً مطمئنی در یک گذرگاه عمودی هستند.
از نظر ایمنی تخلیه در یک سناریوی آتش سوزی داخلی، اجسام قابل اشتعال و انفجار و اجزای اشیاء غیر قابل اشتعال را به عنوان موانع گسترش می دهیم. در فرآیند کلی ناوبری داخلی، موانع بر برنامه ریزی مسیر تأثیر می گذارد و روند ناوبری را پیچیده می کند. استاندارد IndoorGML موانع را به عنوان فضای غیر ناوبری طبقه بندی می کند و ویژگی های مانع را با جزئیات در نظر نمی گیرد. با این حال، ویژگی های قابل اشتعال و انفجاری موانع باید در نظر گرفته شود تا ایمنی در هنگام تخلیه اضطراری آتش سوزی افزایش یابد.

3.5. تعریف مکان بر اساس GML مکان داخلی

استاندارد IndoorLocationGML حاوی اطلاعات مکانی گسترده است که کلاس مکان انتزاعی داخلی بخش مهمی از آن است. به عنوان کلاس پایه برخی از انواع مکان های داخلی دیگر، به دو بخش طبقه بندی می شود: مکان مطلق داخلی و مکان نسبی داخلی. مکان مطلق داخلی یک نقطه یا بازه در فضای داخلی را با تعریف مختصات هندسی در یک سیستم مرجع فضایی معین بیان می کند. مختصات هندسی در یک سیستم مرجع فضایی معین تعریف شده و با یک کلاس مختصات هندسی توصیف می شوند. موقعیت نسبی داخلی به عنوان موقعیت یک شی نسبت به سایر اشیاء مرجع داخلی تعریف می شود. این به عنوان توصیف یک موقعیت خاص در فضای داخلی از طریق رابطه نسبی با موقعیت های دیگر در همان سیستم مرجع مختصات بیان می شود.

ما یک مدل داخلی توسعه‌یافته برای تخلیه آتش در داخل ساختمان پیشنهاد می‌کنیم، که اجزای مرتبط با آتش را بر اساس چارچوب IndoorGML اضافه می‌کند و معناشناسی مکان IndoorLocationGML را در مدل داخلی ادغام می‌کند تا معنای ناوبری فضای داخلی را برای تخلیه آتش افزایش دهد. نمودار زبان مدلسازی یکپارچه (UML) مدل داخلی پیشنهادی ما در شکل 2 نشان داده شده است .

کلاس PrimalSpace Features. کلاس PrimalSpaceFeatures کلاس پایه برای هر شی فضای داخلی دیگری است که بر اساس IndoorGML [ 19 ] است. با سیستم مرجع زمانی و کلاس های چرخه زندگی مرتبط است. سیستم مرجع زمان داخلی [ 29 ] در GML بیان شده است: TimeCoordinateSystem. این یک مقیاس فاصله زمانی پیوسته را به شکل یک بازه زمانی واحد تعریف می کند که نشان دهنده زمان ویژگی های فضای داخلی است. موقعیت gml: TimePeriod، با لحظه مربوطه در شروع و پایان توصیف می شود.

افتتاح. کلاس Opening از کلاس PrimalSpaceFeatures به ارث رسیده است و شامل کلاس Door و کلاس Window است که شامل چهار ویژگی است: name، function، accessibility و IndoorLocations. نام یک رشته از نوع xs است، یعنی رشته ای متشکل از اعداد و حروف. این عملکرد توسط WindowFunctionType و DoorFunctionType تعریف می شود که شامل درب ها و پنجره های ضد حریق، درب ها و پنجره های لنگر و درب ها و پنجره های معمولی است. حالت دسترسی از طریق یک شناسه Boolean را نشان می دهد، که در آن 0 نشان می دهد که یک در یا پنجره غیر قابل عبور است و 1 نشان می دهد که یک در یا پنجره قابل عبور است. IndoorLocations با توضیحات مکان داخلی تعریف شده توسط IndoorLocationGML [ 27 ] مرتبط است.
CellSpace. CellSpace ماژول هسته IndoorGML است که یک کلاس معنایی مربوط به یک شی فضایی در فضای اقلیدسی است [ 19 ]. CellSpace از کلاس PrimalSpaceFeatures که شامل کلاس Room و کلاس Channel است به ارث رسیده است. کلاس Room شامل دو ویژگی است: name و IndoorLocations. کلاس Channel شامل چهار ویژگی است: name، type، width و IndoorLocations.
CellSpaceBoundary. CellSpaceBoundary همچنین ماژول هسته IndoorGML است که برای توصیف معنایی مرز یک شی فضایی استفاده می شود [ 19 ]. CellSpaceBoundary نیز از کلاس PrimalSpaceFeatures به ارث رسیده و با CellSpace مرتبط است.
مانع. مانع یک کلاس افزونه است که شامل چهار ویژگی است: نام، اندازه، اشتعال پذیری و IndoorLocations.
FireSafety Facility. FireSafetyFacility یک کلاس افزونه است که شامل چهار ویژگی است: name، state، type و IndoorLocations. انواع تأسیسات آتش نشانی عبارتند از FireExtinguisher، FumeExtrator و EvacuationIndicatingLamps.
فضای دوگانه. از طریق تبدیل دوگانه، یک جسم k-بعدی در فضای N-بعدی را می توان به یک جسم بعدی (Nk) در فضای دوگانه تبدیل کرد. این بدان معنی است که در فضای دوگانه مربوطه، یک فضای سلولی سه بعدی (مثلاً اتاق) به یک گره صفر بعدی تبدیل می شود. یک سطح مرزی دو بعدی (به عنوان مثال، دیوار و در) بین دو واحد به یک لبه 1 بعدی تبدیل می شود. به این ترتیب، فضای اصلی به یک گراف گره از فضای دوگانه تبدیل می شود تا رابطه توپولوژیکی شبکه جاده های داخلی را بیان کند. شکل 3 مثال تبدیل دوگانه را نشان می دهد.
شبکه جاده های سرپوشیده بر اساس مدل اتاق – اتاق، اتاق‌های داخلی، پله‌ها، آسانسورها، پله‌های برقی، درها و پنجره‌ها به عنوان گره‌ها در فضای دوگانه اجرا می‌شوند. گره‌های اضافی را در نقاط اتصال اجزای کانال، و همچنین اجزای در، پنجره و کانال اضافه می‌کنیم. مرز فضای سلولی راهرو و کانال عمودی به صورت لبه در فضای دوگانه اجرا می شود. ما نقاط مسیر داخلی و بخش های مسیر را با استفاده از موانع و امکانات آتش نشانی به عنوان محدودیت های معنایی می سازیم. سپس یک مدل شبکه سه بعدی جاده داخلی آتش گرا به دست می آوریم.

4. یک روش مسیریابی برای سناریوهای آتش سوزی داخلی

4.1. بیان معنایی مسیریابی داخلی

در صورت وقوع آتش سوزی، مسیریابی داخل ساختمان باید در دسترس، کارآمد و ایمن باشد. بنابراین، ما دسترسی به مسیر یک سناریوی آتش سوزی، درجه تشخیص مسیر، و پارامترهای آتش را به عنوان عوامل تأثیرگذار اصلی برای مسیریابی آتش گرا برای بیان معنای مسیریابی داخلی آتش گرا در نظر می گیریم.

4.1.1. دسترسی به مسیر یک سناریوی آتش سوزی

دسترسی به مسیر، نشانگر آسانی حرکت بین گره ها در یک شبکه جاده ای است. به طور کلی، برخی از گره ها به طور عینی غیر قابل دسترس هستند (به عنوان مثال، درها و پنجره های قفل شده). با این حال، در هنگام آتش سوزی، وضعیت دسترسی درها و پنجره ها ممکن است تغییر کند و از پله برقی و آسانسور نمی توان به عنوان مسیر تخلیه استفاده کرد. بنابراین وضعیت دسترسی اجزای داخلی به طور مستقیم بر سرعت تخلیه و انتخاب مسیر تخلیه تأثیر می گذارد و ظرفیت گذرگاه تخلیه را کاهش می دهد. ما موانع را به موانع غیر قابل اشتعال و موانع انفجاری قابل اشتعال تقسیم می کنیم. وجود موانع غیر قابل اشتعال برای تغییر مسیرهای موجود در هنگام تخلیه افراد در نظر گرفته می شود. بنابراین دسترسی به مسیر در یک سناریوی آتش سوزی را می توان به صورت توصیف کرد

p a t h _ a c c e s s i b i l i t y= { v e t a x _ s t a t e , n u m b e r _ u n f l , n u m b e r _ f ل }���ℎ_�������������={�����_�����, ������_����, ������_��}

(1)

جایی که $v e t a x_s t a t e$ حالت گره شبکه راه است و با دو نوع حالت گره شبکه راه قابل دسترسی و غیر قابل دسترس بیان می شود. اگر حالت گره غیرقابل دسترسی باشد، گره نمی تواند در حین تخلیه استفاده شود. جدول 1 وضعیت درها، پنجره ها و پله های دسترسی عمودی، گره های پله برقی آسانسور را در صحنه حریق نشان می دهد. $n u m b e r_u n f l$ و $n u m b e r_f l$ تعداد موانع انفجاری غیر قابل اشتعال و قابل اشتعال در مسیر به ترتیب می باشد.

4.1.2. درجه تشخیص مسیر یک سناریوی آتش سوزی

مقدار زیادی دود متراکم تولید شده در اثر احتراق آتش ساختمان، دامنه دید را تا حد زیادی کاهش می دهد و باعث ایجاد مشکلاتی در تخلیه می شود. در این مرحله، نورپردازی نشان‌دهنده تخلیه یک عنصر کلیدی در مسیریابی ناوبری داخلی است، زیرا می‌تواند بار شناختی را در طول فرآیند تخلیه کاهش دهد و اطمینان ناوبری را افزایش دهد. چنین نورپردازی همچنین یک اثر آرام بخش دارد و تضمین می کند که تصمیمات مسیریابی صحیح گرفته می شود [ 31]. با این حال، اغلب یک تاخیر جدی در نگهداری و تعمیرات اساسی روشنایی نشان دهنده تخلیه وجود دارد، که باعث می شود خرابی در نشانگرهای تخلیه اضطراری به موقع تشخیص داده نشود. خرابی لامپ های نشانگر تخلیه در گذرگاه ایمن، نقاط کور ایجاد می کند و بر شناسایی مسیر فرار در سناریوی آتش سوزی تأثیر می گذارد. تعداد لامپ‌های نشان‌دهنده تخلیه کار اغلب برای توصیف درجه تشخیص مسیر یک سناریوی آتش‌سوزی استفاده می‌شود. بیان معنایی آن را می توان اینگونه توصیف کرد

p a t h _ r e c o gn i za b i l i t y= { n u m b e r _ l a m p }���ℎ_���������������={������_����}

(2)

جایی که $n u m b e r_l a m p$ تعداد لامپ های نشانگر تخلیه موثر در طول مسیر تخلیه است.

4.1.3. پارامترهای آتش سوزی

آتش سوزی در فضای داخلی یک فاجعه پیچیده است که با عوامل متعددی همراه است. مطالعات قبلی نشان داده است که درجه حرارت و دید آتش برای سلامت و تخلیه مهمتر از غلظت گاز در دود است. بنابراین معناشناسی مسیریابی داخلی، دمای آتش و دید را در نظر می گیرد.

با افزایش تشعشعات انرژی حرارتی، دمای بالای تولید شده توسط آتش‌سوزی ساختمان‌ها باعث می‌شود افراد دچار دمای بدن بالا، سوختگی‌های سطحی و سوختگی مجاری تنفسی شوند که ایمنی آنها را تهدید می‌کند [32 ] . بنابراین دمای آتش یک شاخص مهم برای اندازه گیری درجه خطر است. ما معناشناسی دمای آتش را به عنوان شرح می دهیم

fi r e _ t e m p e r a t u r e = { T، t − r a n g e ، T t }����_�����������={�, �-�����, ��}

(3)

جایی که $T$ دما است، $t - r a n g e$ مجموعه گره هایی است که تحت تأثیر دما قرار می گیرند و $T t$ زمان دمای فعلی آتش است. انسان فقط می تواند دماهای بین 42 تا 50 درجه سانتیگراد را برای مدت بسیار کوتاهی تحمل کند. بدون لباس محافظ، انسان نمی تواند در هوای با دمای بالا در دمای 50 درجه سانتی گراد حرکت کند [ 33 ]. همانطور که در جدول 2 نشان داده شده است ، پارامتر دما را با توجه به سطح خطر به چهار بازه تقسیم می کنیم. $t - r a n g e$ شرح داده شده است

t - r a n g e = (v 1 ، v 2 ، \dots ، v n)

(4)

دید به طور کلی به طولانی ترین فاصله ای که یک فرد می تواند یک شی را ببیند اشاره دارد. دود ناشی از آتش سوزی ساختمان دارای ویژگی های ضد نور بودن است و لامپ نشان دهنده دید عامل مهمی در تخلیه ایمن افراد در محیط دود است. ما معناشناسی دید دود را به عنوان توصیف می کنیم

s m o k e _ v i s i b i l i t y= { V, v − r a n g e ، T v }�����_����������={�, �-�����, ��}

(5)

جایی که $V$ پارامتر دید است و $v - r a n g e$ مجموعه گره ای است که تحت تأثیر دید قرار می گیرد. بر اساس تحقیقات آماری در “راهنمای مهندس آتش نشانی” استرالیا، افراد در یک فضای بزرگ باید بتوانند دورتر از افراد در یک فضای کوچک را ببینند تا جهت تخلیه را بیابند و بنابراین به دید بهتری نیاز دارند [34 ] . جدول 3 آستانه های دید خاص را فهرست می کند. برای ساختمان‌های عمومی، طول راهرو تخلیه نسبتاً طولانی است و یافتن مسیر و مسیر تخلیه در زمان آتش‌سوزی برای افراد دشوارتر است. همانطور که در جدول 4 نشان داده شده است، محدوده پارامتر آتش دید را با توجه به تأثیر دید در یافتن مسیر تعریف می کنیم . $T v$ نشان دهنده زمان دید فعلی آتش است.

4.2. هزینه ناوبری سه بعدی سناریوهای آتش سوزی داخلی

بر اساس بیان معنایی مسیریابی سه‌بعدی برای سناریوهای آتش‌سوزی داخلی، توابع هزینه مسیر متناظر را ایجاد می‌کنیم که دسترسی به مسیر را در سناریوی آتش‌سوزی، درجه تشخیص مسیر و پارامترهای آتش‌سوزی را در نظر می‌گیرد.

4.2.1. تابع هزینه دسترسی به مسیر

دسترسی به مسیر در سناریوهای آتش نشانی مهمی از دشواری حرکت بین گره ها در یک شبکه جاده ای است و همچنین یک عامل تصمیم گیری مهم برای انتخاب مسیر در موقعیت های آتش سوزی است. دسترسی به مسیر یک صحنه آتش سوزی توسط سه عامل محدود می شود: وضعیت گره، تعداد موانع غیر قابل اشتعال، و تعداد موانع قابل اشتعال و انفجار. تابع هزینه دسترسی به مسیر به صورت تعریف شده است

f a c c (v من ، v j) = f u n f ل ( v من ، v j ) f s t a t e ( v من ) \times f s t a t e ( v j ) \times f f ل ( v من ، v j )

(6)

جایی که $f_{a c c} (v_{i}, v_{j})$ تابع هزینه دسترسی به مسیر از گره است $v_{i}$ به گره $v_{j}$ . $f_{s t a t e} (v_{i})$ و $f_{s t a t e} (v_{j})$ وضعیت دسترسی گره هستند $v_{i}$ و گره $v_{j}$ در یک سناریوی آتش سوزی وضعیت دسترسی را می توان با استفاده از جدول 1 و وضعیت دسترسی گره قضاوت کرد $v_{i}$ به صورت زیر بیان می شود و به همین ترتیب برای $f_{s t a t e} (v_{j})$ از گره $v_{j}$ .

f s t a t e (v من) = {1 ، 0, r e a c h a b l e u n r e a c h a b l e

(7)

جایی که $f_{u n f l} (v_{i}, v_{j})$ مسیر دسترسی بر عملکرد هزینه موانع غیر قابل اشتعال از گره است $v_{i}$ به گره $v_{j}$ در یک سناریوی آتش سوزی و با تعداد موانع غیر قابل اشتعال به عنوان بیان می شود

f u n f ل (v من ، v j) = n u m b e r_u n f ل

(8)

جایی که $f_{f l} (v_{i}, v_{j})$ مسیر دسترسی بر عملکرد هزینه موانع قابل اشتعال و انفجاری از گره است $v_{i}$ به گره $v_{j}$ در یک سناریوی آتش سوزی با توجه به خطر بسیار بالای موانع قابل اشتعال و انفجار، بخش دارای موانع قابل اشتعال و انفجار را غیر قابل دسترس تعریف می کنیم و عملکرد آن را به صورت زیر بیان می کنیم.

ffل(vمن ،vj) = {1 , t h e r e a r e n o f    l a m a b l e o r e x p l o s i v e o b s t a c l e s _   0 , t h e r e a r e f   l a m a b l e o r e x p l o s i v e o b s t a c l e s _   ��ل(�من ،��)={1، تیساعته�ه آ�ه �� �لآمترمترآبله �� هایکسپل�سمن�ه �بستیآجلهس0، تیساعته�ه آ�ه �لآمترمترآبله �� هایکسپل�سمن�ه �بستیآجلهس

(9)

4.2.2. تابع هزینه مدرک شناسایی مسیر

درجه تشخیص مسیر در یک سناریوی آتش سوزی نشان دهنده مشکلی است که افراد در درک، تشخیص و اجرای دستورالعمل های ناوبری مسیر در حین تخلیه دارند و عامل مهمی است که بر ایمنی و کارایی تخلیه تأثیر می گذارد. مقدار زیادی دود غلیظ دید را در فضای داخلی ساختمان کاهش می دهد و تخلیه اضطراری نشان دهنده روشنایی است که تخلیه را هدایت می کند تا حد زیادی بازده تخلیه را بهبود می بخشد. اما در صورت عدم نگهداری و تعمیر ناکافی نشانگرهای تخلیه اضطراری، معمولاً یک پدیده تاخیر وجود دارد که باعث خرابی نشانگر می شود. هنگامی که یک آتش سوزی یا اضطراری دیگر رخ می دهد، این یک مشکل جدی برای تشخیص مسیر ایجاد می کند. در مورد آتش سوزی، تعداد نشانگرهای تخلیه که کار می کنند معمولاً برای توصیف درجه تشخیص مسیر در سناریوهای آتش سوزی استفاده می شود. بیان معنایی آن را می توان با

f r e c (v من ، v j) = د ( v من ، v j ) n u m b e r _ l a m p + 1

(10)

سناریوی درجه تشخیص مسیر آتش سوزی $f_{r e c} (v_{i}, v_{j})$ با معادله (10)، که در آن $n u m b e r_l a m p$ تعداد لامپ های نشان دهنده تخلیه موثر از گره است $v_{i}$ به گره $v_{j}$ ، و $d (v_{i}, v_{j})$ فاصله نسبی داخل ساختمان بین $v_{i}$ و $v_{j}$ ، به عنوان فاصله اقلیدسی تعریف می شود. اگر مکان های هندسی مطلق گره ها $v_{i}$ و $v_{j}$ در یک مدل بیان سه بعدی برای سناریوهای آتش سوزی داخلی هستند $(x_{i}, y_{i}, z_{i})$ و $(x_{j}, y_{j}, z_{j})$ ، فاصله مکان نسبی داخلی بین این دو گره به صورت بیان می شود

د (v من ، v j) = (ایکس من - ایکس j) 2 + (y من - y j) 2 + (z من - z j) 2 —————————\sqrt

(11)

4.2.3. تابع هزینه پارامترهای آتش سوزی داخلی

هنگامی که یک آتش سوزی داخلی رخ می دهد، بزرگی آن مستقیماً بر انتخاب مسیر و ایمنی شخصی تأثیر می گذارد. بنابراین پارامترهای آتش فاکتورهای مهمی هستند که بزرگی یک آتش سوزی داخلی را مشخص می کنند. دما و دید، که برای تخلیه و سلامت افراد مهم است، به عنوان پارامترهای آتش سوزی داخلی انتخاب می شود. تابع هزینه به صورت تعریف شده است

f f من هستم_(v من ، v j) = α (T ، V) \times د (v من ، v j)

(12)

جایی که $d (v_{i}, v_{j})$ فاصله بین گره ها است $v_{i}$ و $v_{j}$ در مدل بیان سه بعدی سناریوهای آتش سوزی داخلی، و $α (T, V)$ ضریب مربوط به درجه حرارت و دید آتش است که با توجه به تقسیم محدوده دمای آتش در جدول 2 و دید در جدول 3 به صورت تعریف شده است.

α (T ، V) = ⎧⎩⎨⎪⎪⎪⎪ 1.0 ، تی 42 + 5 V ، \infty ، تی < 42 درجه سانتیگراد ، V > 10 42 درجه سانتی گراد \leq T \leq 50 درجه سانتیگراد ، 5 متر \leq V \leq 10 متر دیگر

(13)

4.2.4. تابع هزینه ناوبری سه بعدی برای سناریوهای آتش سوزی داخلی

با توجه به تابع هزینه دسترسی به مسیر، درجه تشخیص مسیر و پارامترهای آتش سوزی، ما تابع هزینه ناوبری سه بعدی داخلی را برای یک سناریوی آتش سوزی به صورت کمی تعیین می کنیم.

G = ω آ f a c c (v من ، v j) + ω r f r e c (v من ، v j) + ω f f f من هستم_(v من ، v j)

(14)

جایی که $f_{a c c} (v_{i}, v_{j})$ تابع هزینه دسترسی به مسیر در یک سناریوی آتش سوزی از گره است $v_{i}$ به گره $v_{j}$ ، $f_{r e c} (v_{i}, v_{j})$ تابع هزینه درجه تشخیص مسیر در یک سناریوی آتش سوزی است و $f_{f i r e} (v_{i}, v_{j})$ تابع هزینه پارامترهای آتش است. با توجه به معادلات (6)، (10) و (12)، می توانیم معادله (14) را بسط دهیم تا به دست آوریم:

G = ω آ f u n f ل ( v من ، v j ) f s t a t e ( v من ) \times f s t a t e ( v j ) \times f f ل ( v من ، v j ) + ω r د ( v من ، v j ) n u m b e r _ l a m p + 1 + ω f [α (T ، V) \times د (v من ، v j)]

(15)

جایی که $ω_{a}$ ، $ω_{r}$ ، و $ω_{f}$ ضرایب وزنی هستند. وزن ها را می توان با توجه به نیاز کاربر تخصیص داد و روابط زیر برآورده می شوند:

\sum ω من = 1 ، ω من \in (0, 1), i \in {a, r, f}

(16)

در آزمایش شبیه‌سازی مسیریابی داخلی محدود چند معنایی، وزن‌ها بر روی

ω_{a} = 0.35

ω_{r} = 0.3

، و

ω_{f} = 0.35

4.3. الگوریتم مسیریابی سه بعدی برای سناریوهای آتش سوزی داخلی

ماهیت برنامه ریزی مسیر بهینه در داخل ساختمان، یافتن مسیری با کمترین هزینه بین نقطه شروع و پایان است. الگوریتم‌های کلاسیک برنامه‌ریزی کوتاه‌ترین مسیر عمدتاً شامل الگوریتم‌های Dijkstra [ 35 ، 36 ]، A* [ 37 ، 38 ]، Bellman-Ford [ 39 ]، Floyd [ 40 ، 41 ] و الگوریتم سریع‌تر کوتاه‌ترین مسیر (SPFA) [ 42 ، 43]. به عنوان یک روش جستجوی اکتشافی، A* می تواند به سرعت به اطلاعات محیطی پاسخ دهد. این یک روش جستجوی موثر برای حل کوتاه ترین مسیر است و یک الگوریتم اکتشافی رایج برای بسیاری از برنامه های مسیریابی است. بنابراین ما الگوریتم A* را بهبود می‌بخشیم و یک الگوریتم مسیریابی سه بعدی را برای سناریوهای آتش‌سوزی داخلی پیشنهاد می‌کنیم. این الگوریتم برای حل مشکل مسیریابی بهینه با کمترین هزینه در یک شبکه جاده ناوبری داخلی با محدودیت‌های معنایی محیط آتش چند عاملی تغییر شکل می‌دهد.

4.3.1. الف* الگوریتم

الگوریتم A* یک الگوریتم جستجوی مسیر اکتشافی است که توسط هارت و همکاران ارائه شده است. در اواخر دهه 1960 [ 44 ]. به عنوان یک الگوریتم جستجوی اکتشافی، A* یک الگوریتم جستجوی آگاهانه است که یک مسیر را بر اساس یک نمودار وزنی قضاوت می کند. با توجه به هزینه مسیر گره هدف، از یک گره شروع خاص یک گراف شروع کنید تا مسیری را با کمترین هزینه پیدا کنید. این اصل بر اساس گره های انتخاب شده است: یک تابع ارزیابی طراحی شده

F (n) = G (n) + H (n)

گسترش بعدی گره را هدایت می کند، جایی که

F (n)

هزینه گره شروع شناخته شده از طریق گره را تخمین می زند

n

برای رسیدن به گره هدف

G (n)

هزینه واقعی را از گره شروع شناخته شده تا گره فعلی تعریف می کند

n

، و

H (n)

هزینه تخمینی مسیر بهینه از گره جاری است

n

به گره هدف هزینه هر گره را می توان با توجه به تابع ارزیابی محاسبه کرد و هر گرهی که در مرحله بعد به آن دست یافت توسط تابع اکتشافی ارزیابی می شود. در جستجو گره با کمترین مقدار پیدا می شود و جستجو تا رسیدن به گره هدف ادامه می یابد. الگوریتم A* ساده و شهودی است. با این حال، در پروژه های مهندسی بزرگ، الگوریتم A* اغلب نیاز به جستجوی همه گره ها برای یافتن کوتاه ترین مسیر دارد. بنابراین انتخاب یک تابع ارزیابی مناسب می‌تواند الگوریتم مسیریابی را کارآمدتر و پیاده‌سازی آسان‌تر کند.

انتخاب یک تابع ارزیابی مستقیماً بر کارایی جستجوی الگوریتم جستجوی اکتشافی تأثیر می گذارد. عملکرد بالاتر تابع ارزیابی انتخاب شده منجر به تعداد کمتری از گره های جستجو شده توسط الگوریتم، زمان محاسبه کمتر و بازده جستجوی بالاتر برای یافتن مسیر بهینه می شود [ 45 ]. با توجه به تجزیه و تحلیل در بخش 4.2 ،

G (n)

را می توان در تابع ارزیابی محاسبه کرد

F (n) = G (n) + H (n)

با توجه به تابع هزینه ترافیک ناوبری که در اینجا پیشنهاد شده است. تابع اکتشافی رایج فعلی

H (n)

عمدتا توسط تابع فاصله محاسبه می شود. در این مطالعه از فاصله اقلیدسی به عنوان تابع اکتشافی الگوریتم A* استفاده می کنیم.

4.3.2. الگوریتم مسیریابی داخلی محدود چند معنایی

بر اساس الگوریتم A*، تابع هزینه الگوریتم مسیریابی داخلی با محدودیت های معنایی متعدد به صورت تنظیم شده است.

اف (n) = G (n) + H (n)

(17)

جایی که $G (n)$ تابع هزینه را از گره شروع به گره نشان می دهد $n$ ، و $G (n)$ با رابطه (14) محاسبه می شود. تابع ارزیابی $H (n)$ نشان دهنده فاصله اقلیدسی از گره است $n$ به گره هدف الگوریتم یافتن مسیر تخلیه داخلی پیشنهادی که توسط جریان چند معنایی محدود شده است در شکل 4 نشان داده شده است .

یک ساختار شبکه ای سه بعدی از گذرگاه های عمودی بسازید و هر طبقه را با یک گذرگاه عمودی به هم متصل کنید تا یک ساختار شبکه ای سه بعدی داخلی برای سناریوهای آتش سوزی داخلی تشکیل شود. آسانسور و پله برقی در طول فرآیند تخلیه اضطراری غیرقابل دسترسی هستند. بنابراین، مردم باید پله ها را به عنوان مسیر تخلیه انتخاب کنند.
یک نقطه شروع و مجموعه ای از گره های خروجی فضای چند لنگر ایجاد کنید. مکان نقطه شروع جستجوی مسیر را برای سناریوی آتش سوزی تعیین کنید. نزدیکترین گره را در مدل شبکه جاده های داخلی به عنوان نقطه شروع انتخاب کنید $S t a r t N o d e$ . درها و پنجره ها به عنوان گره های خروجی فضای لنگر برای برآوردن الزامات تخلیه اضطراری استفاده می شوند. با توجه به خطر فرار از خروجی پنجره فضای لنگر در طبقه دوم و بالاتر، تنها خروجی های در و پنجره طبقه اول در فضای لنگر به مجموعه نقطه خروجی فضای چند لنگر اضافه می شود. $TargetList = {T_{1}, T_{2}, \dots \dots, T_{n},}$ . مجموعه ها $C l o s e L i s t$ و $P a t h L i s t$ برای ذخیره نقطه هدف پیموده شده و مسیر ناوبری از نقطه شروع تا نقطه هدف، مقداردهی اولیه می شوند.
محاسبه تابع ارزیابی $F (n) = G (n) + H (n)$ و گرهی را با کمترین هزینه ارزش گذاری بین گره های مجاور به عنوان گره فعلی انتخاب کنید. عملکرد هزینه ناوبری سه بعدی داخلی را برای سناریوهای آتش سوزی تعیین کنید $G (n)$ حسابداری برای معناشناسی مسیریابی داخلی پیشنهاد شده در این مقاله. نقطه هدف را انتخاب کنید $T_{i}$ که در $TargetList$ و فاصله اقلیدسی را از تمام گره های مجاور در نقطه شروع فعلی تا نقطه هدف محاسبه کنید $T_{i}$ به عنوان تابع اکتشافی $H (n)$ . محاسبه تابع ارزیابی $F (n) = G (n) + H (n)$ و مسیر نقطه مجاور با کمترین مقدار تابع ارزیابی را به عنوان گره فعلی انتخاب کنید.
تعیین کنید که آیا گره فعلی نقطه هدف است یا خیر $T_{i}$ در مرحله (3) انتخاب شده است. اگر بله، حرکت کنید $T_{i}$ از مجموعه خروجی فضای چند لنگر $TargetList$ به مجموعه خروجی فضای لنگر پیموده شده $C l o s e L i s t$ ، مسیر پیاده روی را از نقطه شروع آن به نقطه فعلی مجموعه اضافه کنید $P a t h L i s t$ ، و در هزینه ناوبری آن صرفه جویی کنید. در غیر این صورت به مرحله (3) برگردید و مقدار تابع ارزش گذاری گره مجاور گره فعلی را محاسبه و مقایسه کنید.
خالی بودن مجموعه را مشخص کنید. اگر مجموعه خالی نیست، یک گره جدید در مجموعه به عنوان نقطه هدف وارد کنید و به مرحله (3) بازگردید. اگر مجموعه خالی باشد، به این معنی است که تمام نقاط هدف در مجموعه خروجی فضای چند لنگر طی شده است. هزینه های ناوبری این مسیرهای امکان پذیر را برای تعیین مسیر بهینه مقایسه کنید. این راضی است $F (T_{i}) = \min {F (T_{1}), \dots \dots, F (T_{n})}$ . خروجی اطلاعات مسیر انتخاب شده.
پایان الگوریتم

5. آزمایش ها و بحث ها

5.1. ساخت یک مدل بیان سه بعدی داخلی برای یک سناریوی آتش سوزی

ما یک ساختمان را بر اساس مدل بیان سه بعدی برای سناریوهای آتش سوزی داخلی که در این مقاله ایجاد شده است، مدلسازی کردیم. حالت در شکل 5 نشان داده شده است . سپس مدل ساختمان سه بعدی به یک مدل شبکه جاده ای متشکل از گره ها و لبه ها انتزاع شد. در میان آنها، اتاق ها، درها، و پنجره ها به عنوان مراکز هندسی به عنوان گره ها انتزاع شدند. راهروها، آسانسورها، پله‌ها و کانال‌های دیگر به صورت لبه‌هایی به شکل خطوط مرکزی انتزاع شدند. نقاط اتصال درها، پنجره ها، کانال های عمودی و راهروها به عنوان گره های اضافی اضافه شدند. گره به گره و گره به لبه اتصال گره به لبه را بر اساس اتصال مسیر واقعی برای دستیابی به اتصال مسیر شبکه جاده های داخلی ایجاد می کنند. شکل 6یک مثال مختصر برای تقسیم بندی فضای داخلی تک لایه بر اساس مدل ما نشان می دهد که فضاهای فرعی قابل کشتیرانی را بر اساس مش ها ارائه می دهد.

مدل ساختمان بر اساس مدل بیان سه بعدی داخلی برای یک سناریوی آتش سوزی پیشنهاد شده در این مقاله ساخته شد. مدل شبکه سه بعدی جاده انتزاعی داخلی در شکل 7 نشان داده شده است . گره های سیاه نشان دهنده گره های انتزاعی اتاق ها، آسانسورها و پله ها، گره های قرمز نشان دهنده درهای مربوطه، گره های آبی نشان دهنده پنجره های مربوطه، و گره های صورتی نشان دهنده گره های اضافی اضافه شده در موقعیت راهرو هستند.

5.2. شبیه سازی آتش

برای شبیه سازی آتش، ما از شبیه ساز دینامیک آتش (FDS) توسعه یافته توسط موسسه ملی استاندارد و فناوری استفاده کردیم که به طور گسترده در تحقیقات شبیه سازی مکانیک سیالات محاسباتی در مورد جریان سیال در شرایط آتش سوزی استفاده می شود. FDS از یک مدل در مقیاس مختلط برای شبیه سازی فرآیند احتراق و معادله ناویر-استوکس برای محاسبه پارامترهای احتراق مختلف در یک آتش سوزی استفاده می کند. این برای تجزیه و تحلیل روند حرکت دود و گرما در آتش استفاده شد.

مدل ایجاد شده ابتدا به FDS وارد شد. نقطه اندازه گیری در ساختمان با توجه به موقعیت گره در مدل شبکه راه های داخلی برای سناریوی آتش سوزی تنظیم شد. قلم ترموکوپل برای نظارت بر داده های دید و دما در هنگام وقوع آتش سوزی و ارائه پشتیبانی از داده ها برای الگوریتم مسیریابی داخلی استفاده شد.

نتایج شبیه‌سازی دود و دما FDS در SmokeView نمایش داده شد، همانطور که در شکل 8 نشان داده شده است.. پس از 60 ثانیه، دود سیاه رنگ در ساختمان ظاهر می شود و مقدار کمی از آن پخش می شود در حالی که دما به آرامی به حداکثر مقدار 50 درجه سانتی گراد افزایش می یابد. در این زمان، دید اصلی ترین عاملی است که بر تخلیه تأثیر می گذارد. پس از 120 ثانیه دمای هوا در برخی مناطق به حد خطرناکی می رسد و مردم باید از این مناطق اجتناب کنند و مناطق امن دیگری را برای فرار انتخاب کنند. پس از 240 ثانیه، اگرچه دما به حدی نمی رسد که بتواند مردم را بسوزاند، اما ساختمان توسط مقدار زیادی دود سیاه پر می شود. به دلیل خاصیت ضد نور قوی، دید و تشخیص مسیر در سناریوی آتش سوزی کاهش می یابد که باعث افزایش دشواری تخلیه می شود. پس از 600 ثانیه، منطقه بزرگی از دود با دمای بالا در منبع آتش ظاهر می شود که به سطح خطرناکی می رسد و مردم باید فوراً یک مسیر امن برای تخلیه پیدا کنند.

5.3. نتایج

5.3.1. تأثیر دسترسی به مسیر در مسیریابی داخلی

دسترسی به مسیر صحنه آتش سوزی با وضعیت گره ها، تعداد اشیاء قابل اشتعال و انفجاری و تعداد موانع غیر قابل اشتعال تعیین می شود. اینها عوامل مهمی هستند که بر مسیر تخلیه داخلی تأثیر می گذارند. بدون در نظر گرفتن تأثیر سایر معناشناسی محیطی، ما یک مسیر تخلیه ناوبری داخلی را از گره شروع StartNode (f4_r17) تا طبقه اول خروجی فضای لنگر شبیه سازی و برنامه ریزی کردیم تا تأثیر دسترسی بر مسیر تخلیه اضطراری آتش سوزی داخلی را تجزیه و تحلیل کنیم.

تنظیمات معنایی محیط دسترسی مسیر صحنه آتش سوزی در جدول 5 نشان داده شده است . وضعیت ایده آل برنامه ریزی مسیر در شبیه سازی همه مناطق در سناریوی 1 آتش نمی گیرد و موانع موجود در مسیر که مانع عبور گذر می شود به شرح زیر است. در سناریوی 2، برنامه ریزی مسیر را زمانی که آتش سوزی با موانع رخ می دهد شبیه سازی کردیم. نتایج تجربی در شکل 9 نشان داده شده است . نتایج الگوریتم مسیریابی داخلی برای صحنه های آتش سوزی با خطوط سیاه در شکل 9 نشان داده شده است.a در صورت عدم وجود آتش سوزی در سناریوی 1. دنباله گره های ارسال شده f4_r17 → f4_w20 → f4_c43 → f4_c41 → f4_e1 → f3_e1 → f2_e1 → f1_e1 → f1_d46 است. در سناریوی 2، فرض بر این بود که آتش سوزی در ساختمان رخ می دهد، گره درب f4_d22 در اتاق A414 مربوط به f4_r17 قفل شده است (گره قرمز در شکل 9 ب)، و اجسام قابل اشتعال و انفجاری از f1_c34 تا f1_d46 (بخش قرمز) وجود دارد. در شکل 9 ب). نتایج برنامه ریزی مسیر در این مورد به صورت خطوط سیاه در شکل 9 نشان داده شده استب The order of the nodes passed is f4_r17 → f4_d22 → f4_c42 → f4_c41 → f4_c40 → f4_d47 → f4_s07 → f3_s08 → f3_s07 → f2_s08 → f2_s07 → f1_s08 → f1_s07 → f1_d45 → f1_c33 → f1_d28 → f1_r16 → f1_w14. مقایسه مسیرهای برنامه ریزی شده برای سناریوهای 1 و 2 نشان می دهد که وقتی آتش سوزی رخ نمی دهد، آسانسور به عنوان یک گره عبوری عمل می کند و حالت آن قابل دسترسی است. در این زمان کاربر می تواند مستقیماً از طریق آسانسور به خروجی طبقه اول برسد. هنگامی که آتش سوزی رخ می دهد، گره های آسانسور برای نگرانی های ایمنی غیر قابل دسترس هستند. از پله ها به عنوان کانال عمودی برای تخلیه استفاده می شود. مسیر برنامه ریزی شده الگوریتم همچنین به طور موثر از گره های غیرقابل دسترس و اشیاء قابل اشتعال و انفجاری جلوگیری می کند. این بخاطر این است که

f_{a c c} \to \infty

هنگامی که گره های غیرقابل دسترس و اشیاء قابل اشتعال و انفجاری مطابق با عملکرد هزینه ترافیک ناوبری سه بعدی داخلی وجود دارد

G (n)

در این مقاله پیشنهاد شده است. هنگام برنامه ریزی کوتاه ترین مسیر با استفاده از الگوریتم A*،

F (n) \to \infty

. این کار به طور موثر از گره های غیرقابل دسترس و اشیاء قابل اشتعال و انفجاری جلوگیری می کند و گره f1_w24 (پنجره کلاس A110) را با عملکرد ارزیابی کوچکتر به عنوان گره خروجی نهایی در لیست خروجی فضای چند لنگر انتخاب می کند. بنابراین یافتن مسیر داخلی که دسترسی را در یک سناریوی آتش سوزی در نظر می گیرد به دست می آید.

5.3.2. تأثیر درجه تشخیص مسیر در مسیریابی داخلی

درجه تشخیص مسیر یک سناریوی آتش سوزی عامل مهمی است که بر ایمنی و کارایی هنگام فرار از آتش تأثیر می گذارد. بدون در نظر گرفتن تأثیر سایر معناشناسی داخلی، ما مسیر ناوبری داخلی را از StartNode (f4_r17) تا خروجی فضای لنگر طبقه اول شبیه‌سازی کردیم و تأثیر دسترسی بر مسیریابی در سناریوهای آتش‌سوزی داخلی را تحلیل کردیم.

در مورد آتش سوزی داخلی، درجه تشخیص مسیر عمدتاً به تعداد نشانگرهای موثر تخلیه اضطراری بستگی دارد. تنظیمات معنایی سناریوی شبیه سازی در جدول 6 نشان داده شده است . با فرض اینکه در هر دو سناریو آتش سوزی های داخلی وجود داشته باشد، سناریوی 1 وضعیت برنامه ریزی مسیر ایده آل را زمانی شبیه سازی می کند که شاخص های تخلیه اضطراری در همه مناطق در شرایط خوبی باشند. سناریوی 2 انتخاب مسیر را هنگامی که برخی از نشانگرهای تخلیه اضطراری از کار می افتند شبیه سازی می کند. نتایج تجربی در شکل 10 نشان داده شده است . مسیر برنامه ریزی شده توسط الگوریتم مسیریابی در سناریوی 1 توسط مسیر سیاه در شکل 10 شناسایی شده است.a, and the node sequence is f4_r14 → f4_d26 → f4_c32 → f4_c31 → f4_c30 → f4_c29 → f4_d40 → f4_s01 → f3_ s02 → f3_s01 → f2_s02 → f2_s01 → f1_s02 → f1_s01 → f1_c34 → f1_d46 → f1_r13 → f1_w31. در سناریوی 2، نشانگرهای تخلیه اضطراری در راهرو در طبقه چهارم قرار است از کار بیفتد. نتایج برنامه ریزی مسیر در این مورد به صورت خطوط سیاه در شکل 10 ب نشان داده شده است. The node sequence is as follows: f4_r14 → f4_w29 → f4_c33 → f4_c34 → f4_c35 → f4_c36 → f4_c37 → f4_c38 → f4_c39 → f4_c40 → f4_d47 → f4_s07 → f3_s08 → f3_s07 → f2_s08 → f2_s07 → f1_s08 → f1_s07 → f1_d45 → f1_c33 → f1_c34 → f1_d46 . شکل 10نشان می دهد که مسیر برنامه ریزی شده به طور قابل توجهی تغییر می کند. از آنجا که شرایط خرابی لامپ نشانگر اضطراری در سناریوی 1 در نظر گرفته نشده است، درجه تشخیص مسیر هر منطقه در ساختمان به طور مداوم بالا است و مسیر برنامه ریزی شده به دست آمده با استفاده از الگوریتم مسیریابی برای صحنه های آتش سوزی را نمی توان به خوبی در وضعیت واقعی اعمال کرد. در سناریوی 2، نشانگر تخلیه اضطراری گره راهرو f4_ c27 در ضلع غربی طبقه چهارم به گره f4_ c34 نامعتبر است. در این حالت دود آتش باعث کاهش دید داخل ساختمان می شود. دید گره‌های f4_c28 تا f4_c34 کمتر از 2 متر است، که باعث می‌شود کاربران نتوانند به سرعت مسیر را بدون راهنمایی روشنایی نشان‌دهنده تخلیه اضطراری شناسایی کنند، که کارایی فرار را کاهش می‌دهد.

G (n)

در اینجا پیشنهاد می شود، زمانی که گره هایی وجود دارند که تشخیص آنها دشوار است،

f_{a c c} \to \infty

. هنگام برنامه ریزی کوتاه ترین مسیر با استفاده از الگوریتم A*،

F (n) \to \infty

. این به طور موثر از دشواری تشخیص گره ها جلوگیری می کند. گره f1_w24 (پنجره کلاس A110) با تابع ارزیابی کوچکتر به عنوان گره خروجی نهایی در لیست خروجی فضای چند لنگر انتخاب می شود.

5.3.3. تاثیر پارامترهای آتش در برنامه ریزی مسیر داخلی

پارامترهای آتش‌سوزی تأثیر مهمی بر تهدیدات سلامت انسان و تخلیه اضطراری در آتش‌سوزی دارند. ما دو موقعیت را برای نشان دادن تأثیر پارامترهای آتش بر مسیریابی داخلی بدون در نظر گرفتن تداخل سایر عوامل محیطی شبیه‌سازی کردیم. یک مسیر فرار داخلی با شروع از گره f4_r17 برنامه ریزی شد. تنظیمات معنایی محیط شبیه سازی شده در جدول 7 نشان داده شده است. از آنجا که پارامترهای آتش مربوط به زمان است، فرض بر این است که افراد پس از 30 ثانیه آتش با سرعت فرار 1.3 متر بر ثانیه، متوجه شده و شروع به فرار می کنند. زمان رسیدن افراد به گره مجاور با محاسبه نسبت فاصله از گره فعلی به گره مجاور در این سرعت تخمین زده می شود. با پرس و جو از نتایج شبیه سازی FDS، مقادیر تابع ارزیابی الگوریتم A* را محاسبه و به روز کردیم. در سناریوی 1 هیچ آتش سوزی وجود ندارد و تاثیر پارامترهای آتش در نظر گرفته نمی شود. مسیر برنامه ریزی شده به صورت مسیر سیاه در شکل 11 نشان داده شده استa: f4_r17 → f4_d22 → f4_c42 → f4_c41 → f4_c40 → f4_d47 → f4_s07 → f3_s08 → f3_s07 → f2_s08 → f2_s07 → f1_s1 → f2_s07 → f1_s1 → f2_s07 → f1_s08 → f1_s1_s08 در سناریوی 2، دمای اولیه اتاق روی 20 درجه سانتیگراد تنظیم شد. در صورت وقوع آتش سوزی، پارامترهای آتش با گذشت زمان تغییر کرده و بر شرایط محیطی تأثیر می گذارد. نتایج برنامه ریزی مسیر در این زمان در شکل 11 نشان داده شده استب مثلث قرمز ناحیه ای را که منبع آتش در شبیه سازی قرار دارد نشان می دهد. دنباله گره به شرح زیر است: F4_R17 → F4_D21 → F4_C45 → F4_C46 → F4_C47 → F4_C48 → F4_D44 → F4_S10 → F3_S11 → F3_S10 → F2_S11 → F2_S11 → F2_S11 → F2_S11 → F2_S11 از آنجایی که تاثیر پارامترهای آتش در سناریوی 1 در نظر گرفته نشده است، الگوریتم از f4_r17 به عنوان گره شروع طبق اصل الگوریتم A* استفاده می کند و مسیر رسیدن به کمترین هزینه سفر در فضای باز را از طریق تابع تخمین فاصله اقلیدسی محاسبه می کند.

نتیجه برنامه ریزی مسیر، تهدیدات ایمنی انسان ناشی از دمای آتش و دید دود را در نظر نمی گیرد. در مسیر برنامه ریزی شده به دست آمده، گره f1_s07 دارای دمای بالاتر از 100 درجه سانتی گراد و دید کمتر از 0.5 متر پس از 150 ثانیه آتش سوزی است. گره f1_d46 دارای دمای بالاتر از 130 درجه سانتیگراد و دید کمتر از 0.3 متر پس از 200 ثانیه است. با توجه به سرعت فرار محاسبه شده، قبل از رسیدن به گره f1_s07، دما آسیب جدی ایجاد می کند و افراد فراری نمی توانند از این گره عبور کنند. همانطور که در جدول 2 نشان داده شده استهنگامی که دمای بدن انسان از 42 درجه سانتیگراد بیشتر شود، عملکرد سیستم عصبی مرکزی مختل می شود و پروتئین های بدن ممکن است دناتوره شده و جامد شوند، که تهدید کننده زندگی است. گره f1_d46 به عنوان گره هدف در مسیر برنامه ریزی شده انتخاب می شود و دمای آن بسیار بیشتر از حدی است که بدن انسان می تواند تحمل کند. در مورد آتش سوزی داخلی، نتایج برنامه ریزی مسیر که مستقیماً با استفاده از الگوریتم کلاسیک A* به دست می آید، قابل اعتماد نیستند. در مقابل، هنگامی که ما مسیر را با در نظر گرفتن تأثیر پارامترهای آتش سوزی در سناریوی 2 محاسبه کردیم، تابع ارزیابی با توجه به تابع هزینه پارامتر آتش داخلی که در اینجا پیشنهاد شده است محاسبه شد. مسیر حاصل این است که با در نظر گرفتن تأثیر عواملی مانند دمای آتش و دید دود، کمترین هزینه سفر را داشته باشد.

مقایسه نتایج مسیر در سناریوهای 1 و 2 نشان می‌دهد که برای مسیریابی داخلی با پارامترهای آتش‌سوزی مختلف، الگوریتم با سنجش اطلاعات محیط آتش‌سوزی از بخش‌های خطرناک جاده جلوگیری می‌کند و نتایج مسیر متفاوتی را به‌دست می‌آورد. این به این دلیل است که الگوریتم پارامترهای مختلف آتش را در نظر می گیرد و وزن تابع هزینه ترافیک ناوبری را با توجه به سطوح پارامتر آتش به روز می کند. پارامترهای آتش بالاتر با مسیرهای خطرناک تر و هزینه های ناوبری بالاتر همراه است. بنابراین مسیر فرار برای تخلیه اضطراری را می توان برای دستیابی به یک مسیر برنامه ریزی معقول تغییر داد.

5.3.4. مسیریابی داخلی توسط پارامترهای چند معنایی محدود شده است

ما همه عوامل تأثیرگذار (دسترسی به مسیر، درجه تشخیص مسیر و پارامترهای آتش) را در نظر گرفتیم و گره شروع را روی f4_r16 برای شبیه سازی مسیر تخلیه اضطراری با پارامترهای معنایی مختلف برای تأیید اثربخشی روش پیشنهادی تنظیم کردیم. ما مشترکاً در این آزمایش دسترسی مسیر، درجه تشخیص مسیر و پارامترهای آتش را در نظر گرفتیم.

سناریوی 1 برای شبیه‌سازی یک وضعیت برنامه‌ریزی مسیر ایده‌آل در نظر گرفته شد که تحت تأثیر پارامترهای آتش‌سوزی قرار نمی‌گیرد: مسیر روشن است و شاخص‌های تخلیه اضطراری معتبر هستند. سناریوی 2 یک موقعیت آتش سوزی با موانع غیر قابل اشتعال بود. نشانگرهای تخلیه اضطراری در منطقه قرمز طبقه چهارم از کار می افتند و مسیر تخلیه شبیه سازی می شود. نتایج در شکل 12 نشان داده شده است . در سناریوی 1، برنامه ریزی مسیر داخلی با مسیر سیاه در شکل 12 نشان داده شده استآ. مسیر f4_r16 → f4_d30 → f4_c40 → f4_c41 → f4_e1 → f3_e1 → f2_e1 → f1_e1 → f1_d46 است. در سناریوی 2، گره‌های f4_e1، f3_e1، f2_e1، و f1_e1 غیرقابل دسترس و نشانگرهای تخلیه اضطراری در منطقه قرمز طبقه چهارم به‌عنوان نامعتبر تنظیم شدند. همچنین تعداد زیادی موانع غیر قابل اشتعال در گره های اتاق وجود دارد. مسیر برنامه ریزی به دست آمده توسط الگوریتم مسیریابی داخلی برای این صحنه در شکل 12 ب نشان داده شده است، و مسیر f4_r16 → f4_d29 → f4_c38 → f4_c37 → f4_c36 → f4_c35 → f4__c35 → f4__c33 → f4__c33 → f4_0 → f4__c3 → f4__c3 → f4_4_4 → f4_4_4 → f3_s02 → f3_s01 → f2_s02 → f2_s01 → f1_s02 → f1_s03 → f1_d39 → f1_c17 → f1_c16 → f1_w01 → f1_r07 → f1_w02. شکل 12a,b نشان می دهد که مسیرها کاملاً متفاوت برنامه ریزی شده اند. از آنجایی که سناریوی 1 تحت تأثیر آتش سوزی قرار نمی گیرد، کاربر برای تخلیه مستقیماً از طریق گره آسانسور به خروجی طبقه اول می رسد. در سناریوی 2، به دلیل آتش سوزی و با توجه به تأثیر دسترسی مسیر، درجه تشخیص مسیر و پارامترهای آتش سوزی، وضعیت گره آسانسور غیرقابل دسترس است و افراد نمی توانند از آسانسور به عنوان راه فرار استفاده کنند. به دلیل خرابی نشانگرهای تخلیه اضطراری در طبقه چهارم، افراد برای فرار به گره پلکان طبقه سوم تخلیه می شوند. در این زمان، به دلیل دمای آتش و دید دود، افراد این مجموعه پله را ترک می کنند، از پله دیگری برای تخلیه استفاده می کنند و در نهایت به گره خروجی فضای لنگر f1_w02 می رسند. اگر مسیر فرار برنامه ریزی شده در سناریوی 1 در صورت آتش سوزی استفاده شود، گره خروجی f1_d46 به شدت تحت تأثیر آتش سوزی قرار می گیرد و دما پس از 150 ثانیه به بیش از 100 درجه سانتیگراد می رسد. بنابراین نمی توان از آن برای تخلیه موفقیت آمیز افراد استفاده کرد. در سناریوی 2، الگوریتم مسیر برنامه ریزی به طور کامل عوامل مؤثر بر آتش را در نظر می گیرد، از گره هایی که به سختی قابل تشخیص، غیرقابل دسترسی هستند یا تحت تاثیر پارامترهای آتش بسیار هستند، اجتناب می کند و با موفقیت جزء پنجره طبقه اول f1_w02 را به عنوان خروجی فرار انتخاب می کند. نتایج تجربی نشان می‌دهد که روش پیشنهادی به طور موثر تغییرات چند معنایی را در مورد آتش‌سوزی حس می‌کند و یک مسیر تخلیه اضطراری آتش‌سوزی داخلی امن و مؤثر را برنامه‌ریزی می‌کند. الگوریتم مسیر برنامه ریزی به طور کامل عوامل موثر بر آتش را در نظر می گیرد، از گره هایی که به سختی تشخیص داده می شوند، غیرقابل دسترسی هستند یا به شدت تحت تاثیر پارامترهای آتش هستند، اجتناب می کند و با موفقیت جزء پنجره طبقه اول f1_w02 را به عنوان خروجی فرار انتخاب می کند. نتایج تجربی نشان می‌دهد که روش پیشنهادی به طور موثر تغییرات چند معنایی را در مورد آتش‌سوزی حس می‌کند و یک مسیر تخلیه اضطراری آتش‌سوزی داخلی امن و مؤثر را برنامه‌ریزی می‌کند. الگوریتم مسیر برنامه ریزی به طور کامل عوامل موثر بر آتش را در نظر می گیرد، از گره هایی که به سختی تشخیص داده می شوند، غیرقابل دسترسی هستند یا به شدت تحت تاثیر پارامترهای آتش هستند، اجتناب می کند و با موفقیت جزء پنجره طبقه اول f1_w02 را به عنوان خروجی فرار انتخاب می کند. نتایج تجربی نشان می‌دهد که روش پیشنهادی به طور موثر تغییرات چند معنایی را در مورد آتش‌سوزی حس می‌کند و یک مسیر تخلیه اضطراری آتش‌سوزی داخلی امن و مؤثر را برنامه‌ریزی می‌کند.

6. نتیجه گیری

ما یک روش مسیریابی تخلیه اضطراری سه بعدی داخلی چند معنایی را پیشنهاد می کنیم که به طور جامع دسترسی مسیر، درجه تشخیص مسیر و پارامترهای آتش را در نظر می گیرد. نتایج نشان می‌دهد که این روش با در نظر گرفتن تابع هزینه ترافیک ناوبری برای یک سناریوی آتش‌سوزی، به ادراک دینامیکی تغییرات معنایی آتش‌سوزی داخلی دست می‌یابد و از بخش‌های مسیری که غیرقابل دسترس، تشخیص دشوار و/یا تحت تأثیر دما هستند اجتناب می‌کند. و دید این روش نتایج برنامه ریزی مسیر آسان و ایمن را در اختیار کاربران قرار می دهد. به عنوان گام بعدی، تاثیر آتش نشانان را بر تخلیه اضطراری بیشتر در نظر خواهیم گرفت و یک الگوریتم مسیریابی دو طرفه را برای تخلیه و نجات پیاده سازی خواهیم کرد.

منابع

ژانگ، ال. وانگ، جی ایکس؛ یوان، تی. پنگ، KM تحقیق بر روی نقشه داخلی. جغرافیایی تف کردن Inf. علمی 2013 ، 43-47. [ Google Scholar ] [ CrossRef ]
تجزیه و تحلیل فو، ZM بر روی داده های آتش سوزی در چین برای دوره بین 2003-2012. J. Saf. محیط زیست 2014 ، 14 ، 341-345. [ Google Scholar ] [ CrossRef ]
بکر، تی. ناگل، سی. Kolbe, Th یک مدل فضایی چندلایه برای ناوبری در فضاهای داخلی. در علوم ژئو اطلاعات سه بعدی ; Springer Berlin Heidelberg: برلین، آلمان، 2009; صص 61-77. [ Google Scholar ]
لین، YH; لیو، YS; گائو، جی. هان، XG; لای، سی. Gu, M. برنامه ریزی مسیر مبتنی بر IFC برای فضاهای داخلی سه بعدی. Adv. مهندس Inf. 2013 ، 27 ، 189-205. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیو، ال. زلاتانوا، اس. یک مدل داده معنایی برای ناوبری داخلی. در مجموعه مقالات چهارمین کارگاه بین المللی ACM SIGSPATIAL در مورد آگاهی فضایی داخلی، ساحل ردوندو، کالیفرنیا، ایالات متحده آمریکا، 6 نوامبر 2012. صص 1-8. [ Google Scholar ]
تستسوس، وی. آناگنوستوپولوس، سی. کیکیراس، پ. Hadjiefthymiades، S. ناوبری غنی شده معنایی برای محیط های داخلی. بین المللی J. Web Grid Serv. 2006 ، 2 ، 453-478. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Xu، YC; Wen، ZG; Zhang، XY برنامه ریزی مسیر بهینه داخلی بر اساس الگوریتم Dijkstra. در مجموعه مقالات کنفرانس بین المللی 2015 در زمینه مهندسی مواد و کاربردهای فناوری اطلاعات (MEITA 2015)، گویلین، چین، 30 تا 31 اوت 2015. صص 309-313. [ Google Scholar ]
لین، دی. آهنگ، جنرال موتورز; شما، X. جیا، فلوریدا؛ دنگ، سی. مطالعه بر روی برنامه ریزی مسیر داخلی با آگاهی از زمینه. جغرافیایی تف کردن Inf. علمی 2016 ، 32 ، 8-13. [ Google Scholar ] [ CrossRef ]
لیاردت، اف. Szeto، DW; Aitenbichler، E. ناوبری داخلی با آگاهی از زمینه. در مجموعه مقالات یادداشت های سخنرانی در علوم کامپیوتر، هوش محیطی: کنفرانس اروپایی، نورنبرگ، آلمان، 19-22 نوامبر 2008. صص 290-307. [ Google Scholar ]
لی، جی. Kwan، MP تجزیه و تحلیل مسیریابی فضایی-زمانی برای پاسخ اضطراری در فضای داخلی. J. کره ای Soc. Surv. Geod. فتوگرام کارتوگر. 2014 ، 32 ، 637-650. [ Google Scholar ] [ CrossRef ]
لو، CS; Weng، GF; یانگ، آر. شن، اس اف. یوان، مدل تخلیه آتش HY بر اساس طرح واره موتور و خودکار سلولی. J. Tsinghua Univ. 2007 ، 47 ، 2163-2167. [ Google Scholar ] [ CrossRef ]
نیو، ال. آهنگ، YQ مدل شبیه‌سازی ترکیب فضا و عامل برای تجزیه و تحلیل تخلیه پویا آتش در داخل ساختمان. شبیه سازی 2016 ، 92 ، 215-232. [ Google Scholar ] [ CrossRef ]
آتیلا، یو. اورتاکچی، ی. اوزاکار، ک. دمیرال، ای. Karas، IR SmartEscape: یک سیستم تخلیه آتش فردی هوشمند سیار بر اساس مدل فضایی سه بعدی. ISPRS Int. J. Geo-Inf. 2018 ، 7 ، 223. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ژانگ، جی اف. Wang, SP کاربرد فناوری واقعیت مجازی برای تخلیه اضطراری در ساختمان های بلند. Appl. مکانیک. ماتر 2012 ، 204-208 ، 4941-4945. [ Google Scholar ] [ CrossRef ]
روپل، یو. ابوالقاسم زاده، پ. شبکه‌های گراف داخلی همهجانبه مبتنی بر BIM کای، خانم برای موقعیت‌های اضطراری در ساختمان‌ها. در مجموعه مقالات محاسبات در مهندسی عمران و ساختمان، ناتینگهام، بریتانیا، 30 ژوئن تا 2 ژوئیه 2010. [ Google Scholar ]
روپل، یو. Kai، سیستم ناوبری اضطراری داخلی مبتنی بر MS BIM برای ساختمان‌های پیچیده. Tsinghua Sci. تکنولوژی 2008 ، 13 ، 362-367. [ Google Scholar ] [ CrossRef ]
وانگ، بی. لی، اچ جی; Rezgui، YC; بردلی، ا. محیط مجازی مبتنی بر HN BIM برای تخلیه اضطراری آتش سوزی. علمی World J. 2014 , 589016. [ Google Scholar ] [ CrossRef ]
لی، ن. Burcin، BG; باسکار، ک. Lucio، S. یک الگوریتم محلی سازی داخلی با محوریت BIM برای پشتیبانی از عملیات واکنش اضطراری آتش سوزی ساختمان. خودکار ساخت و ساز 2014 ، 42 ، 78-79. [ Google Scholar ] [ CrossRef ]
لی، جی. لی، کی جی. زلاتانوا، اس. کلبه، تی. ناگل، سی. بکر، T. OGC® IndoorGML|OGC. در دسترس آنلاین: https://www.opengeospatial.org/standards/indoorgml#downloads (در 3 نوامبر 2019 قابل دسترسی است).
Xiong، Q. زو، س. Du، ZQ; زو، XY; ژانگ، YT; نیو، ال. لی، ی. Zhou، Y. یک مدل میدان داخلی پویا برای شبیه‌سازی تخلیه اضطراری. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 104. [ Google Scholar ] [ CrossRef ]
زو، س. لی، ی. Xiong، Q. زلاتانوا، اس. دینگ، ییل. ژانگ، YT; Zhou، Y. مکان چند بعدی داخلی GML و کاربرد آن برای خدمات مکان یابی داخلی در همه جا. ISPRS Int. J. Geo-Inf. 2016 ، 5 ، 220. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لیو، ال. زلاتانوا، اس. زو، س. Li, K. به سوی ادغام IndoorGML و IndoorLocationGML برای برنامه های داخلی. در مجموعه مقالات ISPRS Geospatial Week 2017، ووهان، چین، 18 تا 22 سپتامبر 2017. صص 343-348. [ Google Scholar ]
آلاتاس، ا. Oosterom، PV; زلاتانوا، اس. هونولد، دی. Verbree, E. استفاده از مدل ترکیبی LADM-IndoorGML برای پشتیبانی از تخلیه ساختمان. در مجموعه مقالات سمپوزیوم میان مدت ISPRS TC IV “علم اطلاعات فضایی سه بعدی – موتور تغییر”، دلفت، هلند، 1 تا 5 اکتبر 2018؛ صص 11-23. [ Google Scholar ]
آلاتاس، اس. زلاتانوا، اس. Oosterom، PV; Chatzinikolaou، E. لمن، سی. Li، KJ پشتیبانی از ناوبری داخلی با استفاده از حقوق دسترسی به فضاها بر اساس استفاده ترکیبی از مدل های IndoorGML و LADM. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 384. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لیو، ال. زلاتانوا، اس. لی، بی اف. Oosterom، PV; لیو، اچ. بارتون، جی. مسیریابی داخلی در شبکه منطقی با استفاده از معناشناسی فضا. ISPRS Int. J. Geo-Inf. 2019 ، 8 ، 126. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
وانلانده، آر. نیکول، سی. کروز، سی. IFC و مدیریت چرخه عمر ساختمان. خودکار ساخت و ساز 2008 ، 18 ، 70-78. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
زو، س. جیانگ، جی. لانگ، ی. ژو، ی. Xiong، Q. لی، بی. ژانگ، اچ پی؛ چا، ژ. زو، XY; فو، ایکس. و همکاران اطلاعات موقعیت مکانی چند بعدی داخلی GML: GB/T 35627-2017. در دسترس آنلاین: https://c.gb688.cn/bzgk/gb/showGb?type=online&hcno=67E12407FDCC0CFDDAA16721088802A4 (در 5 نوامبر 2019 قابل دسترسی است).
Lou, SL بحث در مورد ویژگی های آتش سوزی بلندمرتبه و اقدامات پیشگیری. ساختمان سیچوان علمی 2009 ، 35.2 ، 122-126. [ Google Scholar ] [ CrossRef ]
Clemens, P. Geography Markup Language (GML) Encoding Standard, OGC. 2016. در دسترس آنلاین: https://www.ogc.org/standards/gml (در 5 نوامبر 2019 قابل دسترسی است).
کانگ، هنگ کنگ؛ Li، KJ یک مدل استاندارد داده فضایی داخلی – OGC IndoorGML و رویکردهای پیاده سازی. ISPRS Int. J. Geo-Inf. 2017 ، 6 ، 116. [ Google Scholar ] [ CrossRef ]
می، آ. تریسی، آر. بایر، اس. Tarkiainen، M. کمک های ناوبری عابر پیاده: الزامات اطلاعات و مفاهیم طراحی. پارس محاسبات همه جا حاضر. 2003 ، 7 ، 331-338. [ Google Scholar ] [ CrossRef ]
دینگ، ییل. او، XB; زو، س. لین، جی. Hu, MY یک روش بهینه‌سازی پویا در مسیر تخلیه آتش‌سوزی داخلی بر اساس آگاهی از موقعیت در زمان واقعی. Acta Geod. کارتوگر. گناه 2013 ، 45 ، 1464-1475. [ Google Scholar ] [ CrossRef ]
Zou، ZC مقیاس بزرگ تخلیه آتش سوزی ساختمان های عمومی اندازه گیری خطرات محیطی و بهینه سازی مسیرهای ناوبری. Ph.D. پایان نامه، موسسه فناوری هاربین، هاربین، چین، 2009. [ Google Scholar ]
نیو، ال. لی، XX تأثیر فضایی گسترش آتش در برنامه ریزی مسیر خروجی داخلی. علم آتش نشانی تکنولوژی 2016 ، 4 ، 492-496. [ Google Scholar ] [ CrossRef ]
کریستینا، جی. الکساندر، اس. آرنه، م. کریستین، ام. تشخیص ترک میکرو با الگوریتم کوتاه ترین مسیر Dijkstra. ماخ Vision Appl. 2011 ، 23 ، 589-601. [ Google Scholar ] [ CrossRef ]
لی، آر. استفاده از استراتژی جهت محدود و فناوری هیپ باینری برای بهینه سازی الگوریتم dijkstra در WebGIS. مهندس کلید ماتر 2010 ، 419-420 ، 557-560. [ Google Scholar ] [ CrossRef ]
کیان، اچ اس. جنرال الکتریک، WF؛ ژونگ، ام. Ge, M. استفاده از الگوریتم بهبود یافته A* بر اساس سلسله مراتب برای برنامه ریزی مسیر. محاسبه کنید. مهندس Appl. 2014 ، 7 ، 225-229. [ Google Scholar ]
ژان، WW; وانگ، دبلیو. چن، NC; وانگ، سی. استراتژی های برنامه ریزی مسیر برای پهپاد بر اساس الگوریتم بهبود یافته A. Geomat. Inf. علمی دانشگاه ووهان 2015 ، 3 ، 315-320. [ Google Scholar ] [ CrossRef ]
جوکنا، س. Schnitger, G. در مورد بهینه بودن الگوریتم کوتاهترین مسیر بلمن-فورد-مور. نظریه. محاسبه کنید. علمی 2016 ، 628 ، 101-109. [ Google Scholar ] [ CrossRef ]
وی، دی سی اجرای تابع انتخاب مسیر بر اساس الگوریتم فلوید بهبود یافته. در مجموعه مقالات کنفرانس بین المللی WASE 2010 در مهندسی اطلاعات، Beidaihe، چین، 14-15 اوت 2010. صص 223-227. [ Google Scholar ]
زو، XF؛ Shen, WJ الگوریتم بهبود یافته در مورد مشکل کوتاه ترین مسیر بر اساس الگوریتم فلوید. محاسبه کنید. علمی 2017 ، 44 ، 232-234. [ Google Scholar ]
Duan، FD یک الگوریتم سریعتر برای کوتاهترین ptath-SPFA. J. جنوب غربی Jiaotong دانشگاه. 1994 ، 2 ، 207-213. [ Google Scholar ]
Xia، ZD; Bu، TM; Zhang، JY تجزیه و تحلیل و بهبود الگوریتم SPFA. محاسبه کنید. علمی 2014 ، 41 ، 180-184. [ Google Scholar ] [ CrossRef ]
هارت، پی. نیلسون، ن. رافائل، ب. تصحیح “مبنای رسمی برای تعیین اکتشافی مسیرهای حداقل هزینه”. ACM SIGART Bull. 1972 ، 37 ، 28-29. [ Google Scholar ] [ CrossRef ]
چابینی، آی. Lan, S. انطباق‌های الگوریتم A* برای محاسبه سریع‌ترین مسیرها در شبکه‌های دینامیکی زمان گسسته قطعی. IEEE Trans. هوشمند ترانسپ سیستم 2002 ، 3 ، 60-74. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]

شکل 1. ساختار معنایی داخلی برای سناریوهای آتش سوزی داخلی.

شکل 2. نمودار زبان مدلسازی یکپارچه (UML) مدل داخلی برای تخلیه آتش.

شکل 3. مثالی از تبدیل دوگانه [ 30 ].

شکل 4. نمودار جریان الگوریتم مسیریابی داخلی با محدودیت های معنایی متعدد.

شکل 5. مدل ساختمان سه بعدی.

شکل 6. نمودار شبکه های ناوبری فضای داخلی تک لایه.

شکل 7. مدل شبکه سه بعدی جاده داخلی.

شکل 8. نتایج شبیه سازی SmokeView برای زمان های مختلف احتراق: ( الف ) 60 ثانیه. ( ب ) 120 ثانیه; ( ج ) 240 ثانیه; ( د ) 600 ثانیه.

شکل 9. تأثیر دسترسی به مسیر بر مسیریابی داخلی. ( الف ) مسیر برنامه ریزی در سناریو 1. ( ب ) مسیر برنامه ریزی در سناریو 2.

شکل 10. تاثیر درجه تشخیص مسیر بر مسیریابی داخل ساختمان. ( الف ) مسیر برنامه ریزی در سناریو 1. ( ب ) مسیر برنامه ریزی در سناریو 2.

شکل 11. تاثیر پارامترهای آتش سوزی در مسیریابی تخلیه اضطراری. ( الف ) مسیر برنامه ریزی در سناریو 1. ( ب ) مسیر برنامه ریزی در سناریو 2.

شکل 12. تاثیر محدودیت های چند معنایی بر مسیریابی سه بعدی داخلی. ( الف ) مسیر برنامه ریزی در سناریو 1. ( ب ) مسیر برنامه ریزی در سناریو 2.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

مسیریابی سه بعدی تخلیه آتش در داخل ساختمان