消防灭火救援最优路径算法研究

崔傲

摘要：消防救援最优路径算法是一种提高救援资源分配效率的方法。新时代科学技术飞速发展，使得消防队在开展消防和救援工作中获得了技术支持。然而根据目前的情况，尚未实现在消防队中使用信息技术进行实际演练，因此信息技术在消防队的实战过程中的作用尚未得到充分发挥。此外收集的可用信息和统计信息并不多。文章研究讨论基于消防RoboCup仿真系统路径规划系统中的蚁群算法，简要讨论竞争算法的过程。最后，寻求一种最优的火灾救援路径算法。为提高灭火救援工作的效率以及最优算路径算法应用提供参考。

关键词：消防;灭火救援;最优路径;模型建设

火灾是常见的灾难，《中国火灾年鉴》表明，进入新世纪以来的十年中，中国大火的发生率一直很高，严重威胁社会公共安全和国家人民财产安全。消防是公共安全和社会安全的重中之重。火灾初期和火灾发展期是灭火的黄金时期。进入猛烈燃烧阶段后，扑灭火焰的难度成倍增加。消防救援是一场与时间的竞赛。现阶段，我国的城市消防建设并不完善，消防车道乱占乱停，应急通道乱摆乱放等现象普遍存在。再加上城市交通不断发展，车辆增多，都为消防救援人员快速调动造成一定苦难[1]。灭火救援最重要的是人员快速出动，携带消防装备第一时间赶到灭后救援现场。消防灭火救援最优路径的研究，从小的方面讲可以提高消防人员和车辆第一时间赶往现场参与灭火救援行动的效率;从大的方面来看，可以优化城市消防建设以及消防资源。文章基于消防RoboCup仿真系统，研究消防灭火救援的最优路径算法。

一、消防RoboCup仿真系统与消防灭火救援路径规划

（一）消防RoboCup仿真系统概述

消防RoboCup仿真系统是一种多主体灭火系统，用计算机对真实的城市灾难情况进行模拟，可以模拟火灾中的动态和复杂信息。它由内核、监视器、地形信息、模拟器和智能体组成[2]。模拟器包括火灾模拟器、交通模拟器、拥塞模拟器等。情报事项包括消防员、救援人员和执法人员。通过人工收集信息，传感器自动提取信息，再来由仿真器、智能体完成信息交互。

（二）最优指标的选取

消防灭火救援最优路径算法首先要解决的问题是选择最优目标。

1.救援距离最短

直接将出行距离最短选为最优目标，则可选取路段长度作为道路权重，这样最为简单直观。但是该方案只适用于畅通度极佳的路网，一旦路网不够畅通，节点与可选择路线较少、绕行路线远的路网，实用性较差[3]。随着时代发展，交通复杂，路网密度大，道路拥堵，路网中里程近似路线较多，相比之下，救援距离最短参考价值与实际意义相对较小[3]。

2.救援时间最短

根据前人研究，对于运行于道路上的车辆来说，交通行程时间是主要阻抗因素。因此在紧急情况下，救援时间最短的路线对于灭火救援来说是最优的一种路线，相应的道路权重标定也是一个非常重要的问题，确定以出行时间度量的道路权重主要有以下三种方案。

方案一：选取车辆通过某一路段的平均行程时间作为第一要素，该方案较为简单，不能较好地反映现实实际情况，但具有一定参考价值。平均行程时间可根据如下方式计算：路段的平均行程时间=路段长度/设计车速

方案二：完全以实时的路段行程时间为第一要素，对于实际效果而言，是最理想的方案，但无法大范围实施。

方案三：引进表征路段行程时间与交通流量之间关系的路阻函数为第一要素，计算当前时段路程时间与交叉口延误。

所以方案三为目前最可取的方案。

3.受约束条件

当前，路线规划中使用的主要算法是蚁群算法。对于一个城市来说，它的地理信息是已知的，因此应注意，路線图信息中的紧急情况可能会引起信息变化，例如地震灾害/山体滑坡等。在进行具体分析时，也应考虑到这一因素，尤其是在地震和山体滑坡频繁的地区或国家，例如日本，那里的地震往往与火灾密切相关[4]。

（三）消防灭火救援路径规划

目前蚁群算法广泛应用于路径规划。某一地点地理信息可以查询到，但是路线图信息中的紧急情况可能会引起信息变化，如地震、泥石流等。具体分析时应考虑到这方面因素，并且灾害的发生可能会引发火灾。

蚁群算法是通过个体之间的信息传递，探索从蚁巢到食物间最短路径的一般优化策略。在灭火救援中，蚁群算法通过获取火灾的信息来规划到达火场的最佳路径[5]。蚁群算法中每个蚂蚁都是规划路径的可行方案，根据实际情况有必要通过转移概率，以及及时更新信息素及算法关键词来计算出最优路线。

可采用转移状态概率公式表示：

，其它=0。     （1）

当β=0时，蚂蚁AK的下一个路径选择不受启发式信息素影响，依赖信息素弄孤独，因此蚁群就能更快地聚集。一段时间后，蚁群完成了从起点到路径的收缩，在到达目标点时更新了每条路径上的信息素浓度。ρ表示蚁群在路径上留下的信息素浓度蒸发的恢复程度。为防止局部收敛过早，每次收缩都需要N来完成，每条路径的信息素浓度在T+N处为[6]：

Tij（t+n）=（1-ρ）×Tij（t）+ΔTij            （2）

ΔTij==1Δ                           （3）

在消防路线规划方法中，每个地图都具有建筑物、道路、路障和庇护所等元素。在制图中，每个元素都具有ID和其他属性，在可通过道路的起始点和交叉点构建节点。如节点没有相互连接说明道路阻塞，并且道路必须经过清理才能通过。从起点到目标节点，代理程序路由计划成为上文中方案三的路由。

初始化参数α，β，ρQ→游戏图节点的连接图，代理起始点和目标点→蚂蚁开始释放量米，马克K=1→antK计算其状态转移概率j根据公式（1），选择下一个移动路径节点→antK修改自己的路径表K=K>mK+1→所有蚂蚁吗？如果是，向下一步→计算总距离Sk，根据路径表记录方案并保存在P中→根据式（2）更新信息集中度→结束;如果没有，则到起点标记antK重新选择路径;是=〉下一步→输出最优方案→结束。根据消防RoboCup仿真系统，随机选5个游戏图，模拟训练用蚁群算法模拟14条路径，74min为最短路径所需时间，106min为最长路径所需时间。

二、GIS环境下消防灭火救援最优路径搜索的实现

在上一部分中，我们研究了最优路线算法，建立电子地图。在本章中，第一部分将通过计算机进行组合和模拟。算法仿真的目的是在收到火灾警报后在地图上选择一个单元的位置，然后自动生成从消防队到火灾事故现场的最佳路线并将其显示在地图上[7]。

（一）最优路径搜索实现平台

最佳消防救援路线查找模块是“基于GIS的城市消防指挥与决策系统”的重要组成部分。算法过程使用MapBasic语言编译，运行平台为MaplinfoV12。系统启动后的主界面如图1所示，运行设置如图2所示。

（二）最优路径搜索的实现

1.实现算法的基本思路

用优化算法求解消防人员的最优调度方案，基本思想是通过选择不同的菜单命令来调用不同的函数或程序。确定火灾地点后，从数据分析菜单中选择最佳路径分析，并将事故点值传输到特定功能以计算最佳路径[8]。计算出的路线结果显示在地图上，最后生成到达查询单元的最佳路线。

该算法实施例包括三个模块，即初始化模块、计算模块和显示模块。

初始化模块：该模块执行程序的初始工作，在工作范围内打开图形，设置图形菜单命令，并计算节点表中的节点号。一旦用户选择了火灾事故点，则从数据表中检索火灾小队点作为起点，并从数据表中检索火灾事故点作为终点。

最佳路线计算模块：由于该小队位于道路网的顶部，因此无需进行判断，只需确定火灾事故现场的位置即可。然后，根据文章提出的分层空间推理方法，使用基于二进制堆栈优先级队列的最短路径算法来计算两点之间的最短路径。

显示模块：一旦计算出最佳路线，工作人员只能通过显示器知道如何对最佳路线进行编程，因此需要显示模块在地图上显示计算出的路线[8-9]。

2.最優路径求解的模拟实例

以北京海淀区五棵松消防中队辖区为例，到4个地点计算模拟最优路线。如图3示，分别是到目的地终点站、火灾点以及两个模拟火灾现场红色线条即为灭火救援的最佳路径。

三、结论

计算寻找灭火救援最优路径是提高消防灭火救援效率的科学管理策略。相关消防人员必须掌握相关的理论知识，努力提高自身的业务水平，并运用国内外先进的公共安全管理策略进行实践和积累经验。同时，应该指出的是，关于火灾最优轨迹算法的研究不仅是一个纯粹的数学问题，而且是城市市政管理、公共资源社会管理、消防资源管理领域的综合性工作。消防工作人员研究算法时，必须考虑好科学性与可行性，合理运用建立的数学模型并用计算机软件进行运算，为灭火救援提供合理有效依据。

四、展望

前文提到在消防RoboCup仿真系统运用蚁群算法的路线规划，仅讨论了游戏地图的简单仿真结果。实际上，路径优化算法很少用于指导实践。在屏幕上，有许多因素会影响路线选择，并且可以提供给消防相关工作人员的信息有限。交通状况信息也在不断更新，消防灭火救援现场情况不断变化等一些因素限制算法应用。例如，高层建筑和居民区的灭火计划的改变，起始点的设置很容易受到主观因素的影响。随着航空设备的增加，消防救援的优化必须考虑空中交通状况，这使得优化算法更加复杂。除了蚁群算法，还可以使用BFS、Dijkstar和MST等算法来优化路线。近年来，神经网络也已被用于路径规划研究中[9]。然而，在规划灭火救援路线时，要考虑地理信息以及相关指标。灭火救援最优路径的规划需要非常高的效率，若效率低，即便是规划出最优路径，可能无法满足消防救援的需求，救援时间争分夺秒，一分一秒都可能影响到灭火救援战斗。此外，交通信息也会随时变化，例如形成新的交通拥堵，使计算出的路线直接不可用。

参考文献：

[1]龙威栋.基于网络层次拓扑结构的公路网多目标最优路径算法[J].西部交通科技，2019（10）：174-178.

[2]胡正华，王尚媛.基于多细节路网Voronoi层次模型的最优路径算法[J].华南师范大学学报（自然科学版），2019，51（03）：88-93.

[3]魏新宇.消防灭火救援最优路径算法研究[D].西安：西安科技大学，2006.

[4]梁青格.基于SDN多粒度光交换体系的负载均衡最优路径算法研究[D].秦皇岛：燕山大学，2019.

[5]李波.消防灭火救援最优路径算法研究[J].科技展望，2016，26（36）：276.

[6]张宏利.基于Dijkstra算法的矿井突水应急救援人员疏散路径选择[J].内蒙古煤炭经济，2019（03）：102-103+109.

[7]马慧慧，卢昱，陈兴凯.兼顾带宽和开销的网络最优路径算法[J].计算机与数字工程，2018，46（11）：2201-2205+2248.

[8]臧超，孙晴晴.基于路径状态的可动态调节A～*路径优化算法[J].工业控制计算机，2018，31（07）：101-102.

[9]刘雷.概率弧Petri网及其在路径寻优中的应用[D].青岛：山东科技大学，2019.