-
题名基于全局引导策略的多智能体火灾疏散研究
被引量：2
- 1
-
-
作者
张子博
黄晓霞
李红旮
倪凌佳
薛晓萌
-
机构
中国科学院空天信息创新研究院
中国科学院大学
-
出处
《现代电子技术》
2022年第14期153-158,共6页
-
基金
国家自然科学基金项目:基于深度强化学习和多智能体的公共场所火灾应急疏散与救援路径优化研究(41971363)
国家高分辨率对地观测系统重大科技专项二期项目:高分城市精细化管理遥感应用示范系统(06-Y30F04-9001-20/22)。
-
文摘
为提高大型建筑火灾环境中人员的疏散效率,解决动态环境中的多智能体路径规划问题,文中提出一种基于全局引导策略的多智能体深度强化学习路径规划EG2RL模型。该模型通过火灾数值仿真技术模拟建筑室内火灾环境,并将深度强化学习与多智能体相结合进行路径规划;同时,对全局引导策略和神经网络结构进行改进,以更加适用于复杂动态且多出口环境时的多人员疏散情况。疏散人员基于全局引导信息的帮助,能够在动态的火灾环境中避免拥挤,躲避障碍物,并向安全出口移动。最后,进行半导体厂房中火灾仿真及火灾环境中人员疏散训练实验。结果表明,文中模型可用于建筑室内火灾环境中的多人员疏散,相比于其他方法,该模型能够优化人员疏散的路径选择,提高人员疏散的效率。
-
关键词
eg2rl模型
火灾疏散
深度强化学习
全局引导策略
路径规划
疏散效率
-
Keywords
eg2rl model
fire evacuation
deep reinforcement learning
global guidance strategy
path planning
evacuation efficiency
-
分类号
TN915-34
[电子电信—通信与信息系统]
TP391.9
[自动化与计算机技术—计算机应用技术]
-
