[发明专利]基于数字孪生技术的灾情最优逃生路径规划算法

说明书

本发明涉及基于数字孪生技术的灾情最优逃生路径规划算法，包括步骤一：利用数字孪生技术获取建筑物相关出入口信息，包括出入口位置信息，出入口人流量信息，建筑楼层高度，步骤二，设定相关入口信息为状态S，设定在该状态S下做出的相应动作为A，步骤三，设定由S状态下做出相应的A动作所带来的收益为r，步骤四，建立收益矩阵R，从收益矩阵中分析最优路线。

技术领域

本发明涉及数字孪生技术，尤其是一种利用该技术实现最优路径逃生的规划算法。

背景技术

随着我国城镇化的快速推进，带来城市人口、产业、物流、能量的高度集中，进而带来城市安全风险的日益加大。近年来在城市发生了多起重特大事故，给人民群众生命财产安全造成重大损失，在灾情发生时，很多人民群众安全意识较差，安全知识较为淡薄，在逃生过程中产生了许多不明智的行为，所以，如何在政府相关单位的引导下，合理安排群众一个正确的逃生路线以及逃生措施，成为了一项急需解决的问题。

发明内容

本发明为了解决上述技术的不足，提供了一种基于数字孪生的灾情最优逃生路径规划算法。

为了解决上述技术问题，包括步骤一：利用数字孪生技术获取建筑物相关出入口信息，包括出入口位置信息，出入口人流量信息，建筑楼层高度，步骤二，设定相关入口信息为状态S，设定在该状态S下做出的相应动作为A，步骤三，设定由S状态下做出相应的A动作所带来的收益为r，步骤四，选取各个步骤的收益最大值形成最优逃生路径。

采用了上述方法后，用数字孪生技术，能够获取环境的实时环境信息，在灾害发生时，通过相关的智能算法，能够智能规划处一条最合理的逃生路径。通过数字孪生技术中的物联网系统，能够获取每个建筑的出入口信息，以及每个出口的人流量，以及所在建筑楼层的高度等等信息，而将路线规划通过状态以及动作的集合形成一套完整的路线，并且从每个动作的收益来分析最优逃生路线。

作为本发明的进一步改进，所述步骤二中还包括以S状态和A动作为参数设定的动作函数Q，并引入SARSA算法建立学习模型，实时更新动作函数值Q，可得到Q(S_t,a_t)＝Q(S_t,a_t)+α[r_t+1+λmaxQ(S_t+1,a_t+1)-Q(S_t,a_t)],其中α是学习速率，λ是衰减系数，取值范围为0-1之间，越接近收益取值范围就会越大，更新幅度也会越大。

采用了上述方法后，利用SARSA算法建立起逃生路径的规划模型，SARSA算法是一种具有深度学习机制的动态规划算法，主要分析当前状态下某一动作的收益值以及未来收益值，具体在程序中执行过程如下：1、随机初始化每一个状态和动作，2、针对每一个片段都执行以下操作：(1)初始化任意状态，对于一个片段的每一个状态都重复以下操作：在状态S选择每一个动作计算动作收益函数，计算动作的收益矩阵R和下一个状态点S’更新状态动作函数，将状态S’转变为S重新循环直到S为终点节点。这样就可以在一个状态点S上分析某一个动作的即时收益以及未来收益，一直重复操作，可以最终得到一个收敛的动作状态函数Q(S,A)。接下来可以将这个训练好的模型放入数字孪生的物联网系统中，去实时监控，当发生灾害时，这个模型的状态函数能帮助逃难群众规划一条最佳的线路。α的值由人工进行监控调整，以适配出拟合度较高的动作函数。

作为本发明的进一步改进，所述r值由专家根据历史逃生数据对相应的动作指令评估打分。

采用了上述方法后，所述r值由专家根据历史逃生数据对相应的动作指令评估打分。r值的设定是本模型中最为关键的一环，他需要大量的人力以及数据进行支撑，通过大量的专家对不同的基础环境以及不同的逃生事件进行综合判定以及打分，建立出相应的动作收益数据库，使样本量足够大便可训练出健壮的学习模型。

作为本发明的进一步改进，λ取值为1。