兒童火災逃生教育系統交互路徑研究

黃天昊 ， 姚 君

（1.中國礦業大學 建筑與設計學院，江蘇 徐州 221116；2.徐州市工業與智能裝備創新設計工程技術研究中心，江蘇 徐州 221116）

0 引言

根據近年來的我國火災傷亡數據統計，平均每年都有近千名兒童死于火災[1]。當前對兒童的火災逃生教育仍然局限于單調、單向的視頻和圖像形式，合理的逃生意識無法深入兒童。因此亟需一種更適合兒童的方式進行火災模擬演練，使兒童掌握應急的逃生知識和技巧。采用虛擬現實技術進行災害模擬具有逼真、安全、成本低廉、易于重復等多種優點[2]。通過虛擬現實設備，兒童可以實現身處火災場景的真實感受，能夠很好地實現兒童緊張、慌亂的真實心理。在這樣的“真實”、“安全”的火災現場進行一次次火災逃生模擬，既沒有實地演習操作的復雜性，同時在逃生中還能真實地反映逃生人員的行為特征。蟻群算法所體現的個體之間的獨立和聯系，以及合成統一系統的整體性[3]正滿足以上逃生人員的行為特點。本研究基于以上背景探索現有條件下虛擬現實技術和蟻群算法在火災逃生教育交互系統中的應用，探討基于蟻群算法的虛擬現實技術在兒童火災逃生教育系統中的交互路徑問題。

1 VR技術和蟻群算法的介紹及應用

1.1 虛擬現實交互技術

虛擬現實交互技術是一門新興的綜合信息技術，它通過計算機圖形學構成三維數字模型，產生逼真的虛擬環境，在視覺上給用戶一種立體的虛擬環境。與通常的計算機輔助設計系統所產生的三維模型不同，它不是一個靜態的世界，而是一個互動的環境。虛擬現實交互技術能夠現實徹底地、立體地虛擬化，人們將身在虛擬環境中感受周圍的事物。

隨著虛擬現實交互技術的不斷發展，應用方面也越來越廣，尤其在各類逃生教育系統中的應用。Sharma S等[4]用虛擬現實交互技術建立了地鐵站的模擬逃生系統，通過計算機模擬和逃生人員的控制完成地鐵逃生演習。孟凡興等通過環繞式視覺效果及特殊的虛擬現實設備，以達到模擬真實的火場效果[5]。Kinateder M等[6]通過虛擬現實技術分析各種火災逃生情況，展現出虛擬現實技術在逃生教育系統上寬廣的應用前景。張磊等[7]人利用VR技術建立了高鐵站模型，針對火場中火勢蔓延的研究和對測試人員的問卷調查，綜合分析提出了有限細胞法。

1.2 蟻群算法介紹

人員在逃生過程中的移動特性和自然界中的集群演化過程十分類似。相對于傳統的最優路徑算法來說，演化算法更契合此類問題的解決。因為研究發現其具有良好的啟發機制，能夠適應人員逃生時復雜靈活的路徑選擇特性，并且速度快，容易收斂求得最優解。

1991年意大利米蘭學院Dorigo等[8，9]人提出蟻群算法（Ant System），用于求解TSP等組合優化問題。蟻群在搜索食物的過程中，個體之間的交流及正反饋是通過分泌的信息素實現的。這種特征與火災逃生人群的行為十分相似，所以基于蟻群算法實現虛擬現實逃生模擬及交互路徑選擇時非常合適的。

本文構建的兒童火災逃生教育系統中虛擬交互技術能夠生成逼真的視、聽、觸覺一體化的特定火災場景。兒童借助必要的設備實現人機交互，模擬在火場中的真實環境的感受和體驗。虛擬逃生教育系統會結合該場景下的各種情況，最終選擇一條最優逃生路徑交互給兒童，按照指引的交互路徑逃生，從而減少傷亡。

2 火災逃生教育系統構建及交互路徑選擇

本文主要研究構建的逃生教育系統中的交互路徑的選擇。交互路徑定義為一種針對特定火災場景實時的最優逃生路徑。火場中的火勢蔓延過程是十分復雜的，需要根據每個火災場景來結合分析。所以火災逃生教育系統中虛擬現實交互技術進行模擬的不僅僅只是一個靜態的火災場景，而是要具體分析各種影響因素的動態過程，所以交互路徑也會根據蟻群算法實時更新。尤其在火災場景需要分析具體的建筑結構分布、煙霧擴散規律、逃生人員心理變化等，從而模擬出一個更真實有效的動態火災發展和逃生過程，其中交互路徑也是一種動態最優化的結果。

2.1 構建逃生教育系統的結構模型

用點陣圖構建建筑俯視的二維結構圖，再利用蟻群算法實現兒童逃生交互路徑的選擇。其中二維點陣圖表示建筑結構的細節精度和點陣的維度成正比。逃生教育系統會根據火情，在構建的柵格圖中得出可以疏散的實時交互路徑。點陣圖一般采用以下兩種方法直觀地表示：

（1）坐標系法：把點陣左下角的那個點作為坐標原點（0，0），同直角坐標系X軸水平向右為正方向，Y軸豎直向上為正方向，點陣中的任一點都可以通過具體坐標（x，y）唯一表示。

（2）標序法：以從左到右，從上往下的規律對點陣圖上的點進行標序，給每個點一個唯一的序號n，點陣左上角第一個點記為1開始。

點陣的定義規則：①建筑內部的房間區域為靜態障礙區域，表示路徑無法通過房間周圍的墻壁；②建筑內部的支柱等結構也定義為靜態障礙點，無法跨區域通過，只能繞行；③若某個點四周都無障礙節點，則逃生人員在該點可以向四周相鄰四個方向的點移動；④其中安全逃生出口和逃生人員起始位置在點陣圖中都以特殊顏色把這些點標識出來。

2.2 逃生教育系統對交互路徑選擇的影響因子

本文中蟻群算法涉及到的參數有：信息啟發式因子α≥0，表示對路徑記憶的重要程度、期望啟發式因子β≥0，表示某啟發信息對路徑選擇的影響程度大小、信息素揮發因子0≤ρ＜1，表示路徑記憶停留的消逝程度（同樣的1-ρ代表信息素殘留因子），以上都會隨時間變化、螞蟻數量m以及信息素強度Q，表示全局的信息量大小，每次交互路徑選擇完都會對Q值進行更新，從而保證得到實時的交互路徑。

蟻群算法構建的是一種動態的交互路徑選擇模型[10]，會根據不同的動態環境變化，不同的起始位置和不同的起火點，通過通道節點來選擇最優的通道路徑，即逃生時間和距離綜合考慮最短的路徑。逃生教育系統中的蟻群算法對動態交互路徑的選擇規則如下：

（1）每次分別根據相鄰節點來選擇路徑。

（2）以最快達到出口為目的，當路徑到達出口時便停止算法。

（3）每條路徑都是從起始點開始，連接若干個每個通道節點，最終尋找到一條最優路線。

（4）后續要加入考慮起火點火勢、煙霧、能見度等動態因素對路徑的選擇更合理，優化算法，而不僅僅考慮的是幾何長度。

2.3 逃生教育系統對動態交互路徑的選擇流程

通過對建筑內部具體的結構分析，構建相應的二維點陣圖，分別標識出來建筑中的房間等障礙節點、通道和門等可通行節點。再根據虛擬逃生教育系統所模擬的火災場景，賦予每個節點的靜態和動態參數。進行蟻群算法的不斷迭代，在不斷更新的火災場景參數下，根據交互路徑選擇策略等約束條件下，計算最終逃生到達安全出口的路徑當量長度，從而輸出交互路徑。

3 逃生教育系統中蟻群算法的建立

本文主要采用蟻群算法進行火災現場逃生路徑的模擬。該算法考慮了建筑中火災發生時影響兒童逃生時間的各種因素，將這種火災現場的影響因子轉化為算法中的動態參數，引入建模當中。采用蟻群算法優化了交互路徑的選擇策略和動態因子的更新策略，能夠大大提高對路徑搜索的最優化及搜索效率。能夠在每一次搜索路徑之后，根據火源和人員情況，不斷更新動態因素，從而提高了算法的收斂性。

另外本文以點陣的形式表示建筑的內部結構，可以自由地重繪點陣數據來描繪建筑中各種通道和障礙物的分布，也可通過變化維度來改變空間的大小和一些細節特征，構建一些更為復雜的建筑結構。本文采用40*40的點陣圖來描繪建筑中某層的平面結構圖。

采用MATLAB進行編寫算法，在模型建立的過程中，首先利用點陣圖的形式建立矩陣，代表建筑結構。平面結構圖的細致程度和點陣的維度成正比，但是維度過大，建筑細節過于精確，會占用大量的計算機空間，使算法模擬的搜索路徑數按指數增長。同時過小的維度，會導致模擬的建筑平面結構過于粗糙。如圖1是采用順序定位法建立的點陣。

在點陣圖中，如果某個點的位置周圍沒有障礙物，都是可移動區域，那么人員的逃生方向可以分為四個方向，如圖1所示。

圖1 點陣模型建立Fig.1 Lattice model establishment

建立點陣模型之后，還要對應建立起內部詳細的結構模型，能夠將其內部通道的邏輯對應到圖中點的可移動方向上，舉個簡單的4*4點陣結構圖為例，如圖2所示。圖中矩陣中的點即代表了通道中的節點，用Vi（i=1，2，…，15）來表示。其中V0代表人員的初始位置，V11代表了逃生出口的位置，V2、V3、V9、V14代表建筑中的障礙物，剩余白色的點都代表可移動的通道路徑。圖中已經用箭頭標出了點之間的可移動方向，我們可以根據點的表述方式和結構分布之間建立起一種邏輯對應關系 G=（V，E）中。

圖2 點陣與建筑結構布局邏輯關系Fig.2 Logic relationship between lattice and architectural structure layout

V為圖中點陣的集合：

E為圖中路線的集合：

將建筑的每層平面結構轉化為由點集V和路線集E組成的 G=（V，E） 邏輯結構圖。 其中 V={V1，V2， …，Vn-1，Vn}，是由n個點構成的點陣集合，其中的點可分為三種類型：自由移動點、障礙點、火源點。

點陣結構圖中，“1”代表障礙點，即不可通過的位置，表示現實中的墻體或者其他建筑阻擋物，這里可以假定與其相鄰點之間的當量距離為無窮大，也就代表無法通過。自由移動點顧名思義就是能夠通過的路徑；同樣的，火源點代表起火的位置，或者說火勢已經蔓延到的位置。點的類型不是固定不變的，它會隨著火災的變化和火勢蔓延情況而改變，自由移動點可能變為阻礙或者火源點。

逃生路徑的集合為 E={E12，…，Eij…，Emn}，其中路徑Eij代表從點Vi到點Vj的矢量性逃生路徑，點與點之間能夠形成移動路線的條件是當且僅當該相鄰兩個點之間能夠相互連通[11]。

本文以τij代表信息素的濃度，那么在初始階段各個逃生路徑上的信息素濃度都相同，即τij（0）=C，C是常數。假設τij（t）代表t時刻逃生路線 Eij上的信息素濃度，逃生人員在逃生過程中，會根據每條逃生路線上的信息素濃度 τij（t）和啟發信息 ηij（t），再采用算法的自適應偽隨機比例來尋址確定逃生方向，即逃生人員從點i到點j的概率。

公式中 max{τisα（t）ηβ（t）}代表在與點 i可互相移動的逃生路徑集合中，所含信息素濃度最大的點，其中α和β分別表示信息啟發因子和期望啟發因子。另外ρ0表示逃生人員對信息素察覺的閾值點，ρ0∈（0,1），ρ0值表示了在同等信息素濃度下的初始狀態，逃生人員對路徑選擇的隨機性。式子中r是0到1中的等概率隨機數，當r≥ρ0時，人員會按照 max{τisα（t）ηβ（t）}來選擇信息素濃度最大的路線，反之當r＜ρ0時，人員會根據偽隨機概率選擇路線逃生。

4 蟻群算法對交互路徑選擇實驗分析

由于計算條件限制，采用40×40的點陣圖構建平面結構圖。首先初始化算法參數，定義O點為人員逃生的起始位置，A、B、C為三個逃生出口，星號點為火災起火位置，如圖 3（a）所示。

圖3 40×40點陣仿真模擬逃生路徑Fig.3 40×40 Lattice simulation escape path

經過運算，算法得到圖3中曲線為最優逃生的交互路徑。隨著起火源火勢的增長，首先變為圖3（b）中的逃生路徑，遠離開了火災區域。之后隨著火災的蔓延，C出口已無法逃生，算法自動模擬選擇了B出口為最優路徑。同樣的，當火災蔓延到B出口，就會自動算出A出口為最佳逃生出口，圖中路線為最佳逃生通道。從中看出該算法還是能夠非常合理計算出最優的逃生的交互路徑，保證逃生人員能夠瞬速逃離火災現場，減少人員傷亡。

圖4 算法的收斂性分析Fig.4 40×40 The convergence analysis of the algorithm

同時我們還對該算法進行了收斂性分析，如圖4所示。從圖中可以看出，當算法達到第十次迭代之后，求得的最短路徑長度就趨于穩定了，達到收斂。說明該算法還是能夠較快達到收斂，能夠快速地計算出最優的逃生交互路徑，也能在不同的火災場景中，實時更新出相應的逃生交互路徑，較好的滿足人員能夠快速逃生的目的。

5 結論

近年來隨著科學技術的發展，虛擬現實技術逐漸滲透到人們的生活中，尤其是在火災逃生教育系統方面擁有寬廣的應用前景。同時由于其具備模擬環境真實、逃生演練安全、低成本等優點，在將來可以全面用于兒童逃生教育當中，不僅能減少兒童的火災傷亡率，還能提高兒童面對緊急情況的心理素質。

基于蟻群算法的虛擬現實技術能夠從火災本身的自然、物理屬性出發，結合兒童疏散特征，利用蟻群算法合理規劃最佳設計逃生疏散交互路徑。基于虛擬現實和蟻群算法仿真結果，為兒童火災教育提供相應參考，有利于兒童掌握安全疏散的方法和安全逃生的路徑，實現火災疏散交互路徑的動態優化。