2024年JBE SCI2区TOP，基于IACO的地铁车站火灾动态疏散路径规划，深度解析+性能实测

1.摘要

针对地铁火灾中传统静态疏散路径难以保障人员安全的问题，本文提出一种融合 PyroSim 火灾模拟的改进蚁群算法（IACO）动态疏散路径规划方法。通过模拟站厅与站台火灾场景，获取温度、CO 浓度和能见度等关键参数，并在此基础上改进蚁群算法的信息素浓度与更新策略，提高路径规划的精度与收敛速度。IACO 先生成最优疏散路径，再根据路径上各监测点达到人体危险阈值的时间动态调整疏散路线，从而在有限条件下延长人员可安全疏散时间。与传统静态路径相比，该方法充分考虑火灾的实时演化，可为地铁火灾应急疏散提供更安全、有效的动态决策支持。

2.火灾模型

地铁火灾人员疏散安全取决于可用安全疏散时间与所需安全疏散时间的关系，在疏散时间基本固定的情况下，延长可用安全疏散时间尤为关键。基于 PyroSim 对站厅层和站台层火灾进行模拟，结果表明火灾对人员安全的影响主要体现在温度、CO 浓度和能见度三个方面，其中能见度下降最为迅速、最先达到人体危险阈值，是限制安全疏散的主导因素。站厅层火灾对站台影响相对有限，而站台层火灾烟气易通过楼梯和扶梯向上扩散，对站厅和站台均造成显著威胁，整体危险性更高。

3.疏散模型

站台层火灾烟气易通过扶梯和楼梯向上扩散，导致站厅层烟气积聚更加严重，能见度下降更快，是影响人员安全疏散的主要因素。针对传统疏散模型难以动态反映群体疏散行为的问题，本文选用并改进蚁群算法进行疏散路径规划。对比 Pathfinder 的 A* 算法结果发现，其路径多集中于最近出口，易造成拥堵，而蚁群算法能够兼顾多出口利用，但存在路径较长、收敛速度慢和易陷入局部最优的不足。本文对蚁群算法进行改进，以提高疏散路径规划的效率和可靠性，启发式函数：
η i j ( t ) = 1 / d i j ( t ) \eta_{ij}(t)=1/d_{ij}(t)ηij​(t)=1/dij​(t)

在时刻t tt，位于节点i ii的第k kk只蚂蚁采用轮盘赌选择策略转移至节点j jj，其转移概率表示为P i j k ( t ) P_{ij}^k(t)Pijk​(t)。

为克服传统蚁群算法信息素主导过强、易陷入局部最优和收敛速度慢的问题，本文通过引入自适应挥发系数和动态信息素强度对算法进行改进，该方法在保证全局搜索能力的同时提升了收敛效率，有效避免算法停滞。

4.结果展示

5.参考文献

[1] Liu Z, Zou R. Dynamic evacuation path planning for subway station fire based on IACO[J]. Journal of Building Engineering, 2024, 86: 108828.

6.代码获取

xx

7.算法辅导·应用定制·读者交流