一套网络虚拟现实高层建筑火灾避险模拟系统

闫丰亭,张 谦

(上海工程技术大学 电子电气工程学院, 上海 201620)

0 引言

自新冠疫情以来,为应对当前形势下的新挑战,网络虚拟现实教学[1]、网络虚拟人机交互、网络跨空间交流[2]的研究与应用,成为了新的研究方向。在各类型的网络虚拟现实情景中,针对模拟训练类型情景的研究成为了该方向的热点之一。文献[3]进行的基于虚拟现实技术的飞机装配仿真研究,通过对需要多人分工协作完成任务的情况进行分析,配合虚拟仿真训练系统,能够有效地快速提高飞机装配训练效果与效率。文献[4]则将虚拟现实技术推广到临床沟通领域,通过虚拟现实技术模拟分娩情景,让参与实验人员进行临床角色扮演,以此提高参与者在与患者互动时的正确性共情反应。文献[5]通过虚拟现实技术重现了1976年的泰顿大坝灾难情景,通过虚拟现实耳机上的虚拟现实环境管线,使用户能够沉浸式地体验这场灾难性洪水事件,通过情景交互的形式让人们能够体验到水坝失事的危险性,并促使人们在未来的工作中提高危险意识。文献[6]在消防培训中采用虚拟现实技术,为消防员提供技能培训,在虚拟火灾环境中为用户提供沉浸式的培训情境。

2013年,在俄罗斯发生了一起特大型地铁火灾,由于俄罗斯政府积极开展的地铁逃生训练,在这场突发的地铁火灾当中,5 000名乘客均安全撤离,仅11人轻伤[7]。火灾作为日常生活过程中存在且危险的一种突发事件,突发的险情往往造成了人们心理的恐慌,导致人们做出不合理的决策,造成不同程度的损失。虽然火灾避险逃生训练具有一定的必要性,但是在实际生活中,时间和空间条件的严格要求限制了其普及。为解决这一问题,将火灾避险逃生训练与网络虚拟现实技术相结合,研究了一套火灾应急避险训练系统,为虚拟现实训练情景模拟研究提供可行性实例。

火灾应急自救行为的主要目的是使逃生人员能够在面对突发火灾情景时,快速安全地逃离火灾区域,因此,如何准确高效地规划疏散路径成了至关重要的问题。针对火灾应急自救行为的火灾安全评估是以火灾对人类的危害分析作为基础,结合特定方法评估行为的安全等级,通过安全等级与指标描述来解释火灾应急自救行为的安全水平。当前阶段的火灾安全评估研究方向集中于建筑物或特殊环境的安全水平,针对应对火灾情景中的应急自救行为的火灾安全评估方式研究寥寥无几。

与常规路径规划不同,火灾避险路径的规划需要考虑火灾现场的情况。文献[8]利用场模型获取火灾仿真数据,通过构建动态的导航网格,再基于导航网格的拐角点算法使人员能够在室内环境下进行动态的火灾避险路径规划。文献[9]采用引入1个可以连接所有出口的虚拟节点作为源点的方式改变了原始静态网格的结构,以这个虚拟节点为源点采用迪杰斯特拉(Dijkstra)算法来搜索源点到各个出口的最优路径。文献[10]则将分阶段避险算法引入到室内空间范畴之中,在多层多空间的室内空间网格中,通过将避险位置进行分组区分,采用Dijkstra算法来计算最优路径,并且估计避险过程中的平均速度,以此为依据进行避险计划的设计。文献[11]则通过将蚁群算法进行组合优化,实现多起点与多终点的组合式路径规划,解决多出口避险的路径规划问题。

本文以当前的网络虚拟现实(web virtual reality,WebVR)技术以及属性数学理论为基础,以上海工程技术大学行政楼为例,研究高层建筑物室内火灾情景下的应急避险训练系统与评估系统的设计与实现。结合渐进式加载与轻量化模型处理技术,搭建以高层建筑物内部场景为基础的三维情景交互系统。以属性数学为理论基础,结合火灾避险逃生实际情况,设计一套火灾避险逃生训练指标,将其运用在火灾情景模拟系统中以获取评估结果的反馈。探讨火灾情景的仿真模拟方法,着重对火灾情景中的火焰、烟气等进行模拟,考虑用户在火灾中的避险原则,对避险路径模拟进行设计与实现。将上述研究应用于WebVR平台,研究了一个移动平台上的虚拟现实火灾避险逃生模拟训练系统。

1 基于WebVR的高层建筑虚拟环境

WebVR场景构建是火灾避险模拟系统的基础,大规模高层建筑场景数据量大,渲染计算量大。本文在真实源数据获取与处理的基础上,对三维虚拟场景进行搭建与轻量化处理,以物理渲染技术来优化材质贴图,以提升场景的真实性;然后进一步对场景模型进行规则挖掘,并将模型进行打包入库处理,以实现场景的适时动态加载与卸载;最终结合三维引擎对场景可视化渲染做出优化处理。

本系统主要以建筑物室内空间为研究场景,但建筑物外部轮廓决定了建筑物的模型框架,依旧需要对其进行构建。同时,出于对后续系统运行性能的考量,在建模过程的最后阶段,对整个建筑物模型进行减面处理,以减少模型点面数的方式来降低模型的数据量,从而达到轻量化的结果。模型构建过程分为4个步骤：第1步是基于结构数据的构件化模型搭建,诸如门、窗、玻璃幕墙等较复杂的三维模型,同时结合空间位置数据,对楼层进行分割,制作各楼层的墙体结构模型;第2步是将第1步中的构件化模型依据建筑空间几何数据进行装配式拼装,使每一层楼的模型更加完整,能够真实地呈现出每一层楼的空间结构;第3步则是对模型进行轻量化处理,以减少模型的数据量;第4步是将模型导入三维引擎当中,完成三维建筑物的整体结构拼装,通过基于物理的渲染(physically based rendering, PBR)技术为模型添加纹理,以此赋予模型表面光学特性,并结合模拟天空以及光影效果烘焙等方式增强虚拟环境的真实性。

本系统基于对上海工程技术大学行政楼真实数据的分析,依据虚拟场景建模特性与建模技术标准,采用渐变式构建流程,仅在拓扑结构相似的基础上进行差异化改造,再进行减面优化以完成轻量化建模。本系统数据来源于上海工程技术大学行政楼施工图纸的真实数据,提取了全部的真实建筑源数据。图1和图2是部分模型图。

图1 第2层模型图

图2 第3层模型图

2 火灾避险模拟

在以三维虚拟模型为基础的高层建筑虚拟场景构建好后,需要为场景添加相对应的情景交互功能,以满足火灾避险模拟系统的需求。其中包括基于粒子系统的火灾可视化功能与火灾避险路径规划功能。

2.1 火灾可视化

建筑物内部的火灾可视化方法主要有2种,一种是着重于数值模拟的火灾物理真实感模拟,另一种是着重于表现效果的火灾可视化效果真实感模拟。由于火灾避险模拟系统的应用场景更加注重视觉表现力,本文选用第2种火灾可视化方法,这种方法主要是将火灾作为一种表现形式,并不能提供火灾现象中的各种模拟数值,而是注重于火灾的可视化表现效果,并主要基于粒子系统火焰与烟气进行模拟。

粒子系统在建立过程中设定了与过去传统系统差异化的方式来构造与绘制图像,其方式主要是通过将多种不规则、随机分布的粒子进行组合,根据需求为不同粒子设置相对应的生命周期,使其在生命周期内根据设置的特性不断改变自身状态,在完整的生命周期中经过出生、运动、死亡这一循环过程。为使粒子系统构造与绘制的各类粒子图像具有合理的随机性,粒子的基本属性也能在生命周期中受到随机变化的影响[12]。在通常状态下,使用粒子系统对物体进行描述,主要需要以下步骤：首先,分析模拟物体的初始状态,构建初始化的粒子属性;然后,分析模拟物体的后续生命运动状态,设计粒子属性的动态变化规律;其次,设置粒子数量,并对不同种类的粒子进行差异化赋值,使其拥有相对应的粒子属性;接着,设置粒子的生命周期,并在运行中删除已经“死亡”的粒子;再次,根据粒子属性的动态变化规律,对粒子属性进行更新;最后,在系统开始运行后,绘制出粒子的可视化图像[13-15]。

火灾的可视化模拟以火焰和烟气的可视化为主,为使可视化效果在网络(Web)平台上有更好的展示效果,与模型表面材质相似,先制作出火焰与烟气的相关纹理贴图,保存其相关数据,再通过设置后续系统运行过程中粒子属性的动态变化规律,绘制出粒子的可视化效果。然后再使用公告牌技术使纹理图形始终朝向用户摄像机,使用户能够在任意视点的任意角度都有着良好的可视化显示效果。火灾可视化纹理贴图如图3所示。

(a) 火焰表面颜色贴图

图3a为火焰表面颜色贴图,保存了火焰的燃烧形态过程,在粒子系统运行过程中,会按照一定规格被分割成若干图形,并以一定顺序进行显示,实现动态效果;图3b为火焰自发光贴图,保存了火焰在生命周期中的动态自发光信息,可以使火焰在生命周期中向周围散发正常的光照信息,增强火焰的真实感效果;图3c为烟气表面颜色贴图,与图3a种类相同,保存了烟气的扩散形态过程;图3d为烟气法线贴图,可以使烟气粒子产生一定体积效果,使烟气看上去具有物理体积,既可以减少性能效果,又可以提升烟气的真实感效果。火焰与烟气的可视化效果如图4所示。

图4 火焰与烟气的可视化效果图

2.2 火灾避险路径规划

为更好地实现火灾避险路径规划功能,本文采用导航网格(NavMesh)作为智能导航的基础。A*算法在寻径地图上依赖于可遍历的数据结构,需要在平面地图上设置多个路径节点,为更好地满足大规模场景的需求,通常需要散布大量的路径点来实现更加丰富的寻径效果[16]。与传统A*算法相比,基于导航网格的拐角点算法拥有更高的效率,能够真实地模拟实际场景和地形,动态规避障碍,能够更加便捷地进行动态更新,是实现场景中快速路径规划的选择之一[17]。场景内部分导航网格如图5所示,图5中蓝色区域为烘焙生成的导航网格,其余空白部分则是场景中被定为“障碍物”的模型产生的不可通行域。具体步骤如下：首先根据虚拟场景的区域连通性进行划分,构建初始导航网格;然后根据初始导航网格,寻找可通行域,在网格上生成节点,并连接成可通行路线;之后基于火灾情景中各类动态信息,诸如烟雾、火焰等动态障碍物,动态调整导航网格,并重新规划可通行路线;重复上述过程,直到用户到达安全区域。

图5 场景内部分导航网格

本节实现的火灾避险路径规划在导航网格的基础上,将拐角点算法用于路径规划,该算法简单、高效、结果较优,与沃罗诺伊(Voronoi)图、栅格法等同样基于图的搜索算法相比,有着明显的优势。同时,又由于其采用凸多边形来描述空间维度,对于三维空间的描述更加真实与高效,相较于传统需要依赖节点的拓扑模型结构图,其规划的路径具有高可靠、短路径、便捷修正的特点,更加适合处理复杂三维环境下的路径规划问题。基于图的路径规划算法的性能对比如表1所示。

表1 基于图的路径规划算法性能对比

在进行火灾避险路径规划的过程中,除去考虑墙体、门窗等障碍物,还需要考虑火灾中存在的扩散因素与多终点的火灾避险方式结构,多终点的避险路径规划根据用户最终到达的避险终点进行动态更新,在记录训练数据的情况下进行处理,以确保选择的路径是当前避险终点的最优避险路径。与传统的路径规划策略相比,本文方法的创新点在于将预处理的静态信息与实时处理的动态信息相结合,作为最优路径的规划依据,在优先保证避险路径的真实性后,再确保路径的最优化。

3 基于属性数学的安全评估

3.1 属性数学原理

属性数学是程乾生在1994年提出的[18]。属性数学被广泛运用于人工智能,如聚类分析、决策系统、质量评价等方面,为人们提供了全新的、着眼于理论与应用的综合方法。属性数学[19]是通过测量事物属性,研究事物属性间的关系,并进一步度量关系强度的理论方法。事物属性的测量可以划分为可直接测量与可间接测量两种。可直接测量的属性,是通过对客观物理属性的直接测量所获得,例如树的高度、火的温度、人的体质量等,都可以使用仪器或者实验来获取定性的具体属性数据。可间接测量的属性,是针对人们主观思维属性的间接测量,例如学习的好坏、行为的对错、面容的美丑等,这些无法直接用具体数字来进行定量的属性,只能通过间接测量的手段来进行测量。

属性数学中包含属性集合与属性测度集合。首先,将所有的研究对象记作U,将其称之为研究对象空间[20]。在火灾安全评估研究中,U={突发火灾情景下的各种危险因素},U中的元素u表示各个危险因素。针对U中的任意元素进行特定性质的评价,形成火灾安全评估的属性空间,记作P。在突发火灾情景下,通过智能计算规划避险路径,需要对路径的安全程度进行评价,则可以设定P={安全程度}。每个属性元素值都是属性空间中的一种情况,根据规划的路径的安全程度,划分了P的等级,A={非常安全},B={安全},C={一般安全},D={不安全},则A、B、C、D皆为属性空间P={安全程度}的一种等级,即A、B、C、D都是属性集,且都是属性空间P的子集。

根据属性数学的基础计算原理,针对火灾避险训练需求,安全评估系统的评估过程可以划分为3个步骤：

(1)进行单指标属性测度分析。依托火灾评价集与安全指标值的大小构建性能函数,进行属性测度分形,根据火灾安全系统打分或者用户打分得到安全性能函数值。

(2)进行多指标综合属性测度分析。对步骤(1)得到的所有单指标安全性能函数进行处理,得到该对象的整体安全性能函数分析。

(3)进行安全因素属性识别分析。基于步骤(2)得到的运算结果,依照设定好的置信度识别准则,得出两种避险模式的安全等级的评估。

3.2 火灾评估指标设计

火灾安全评估标准是火灾避险模拟系统训练反馈的基础。在用户完成训练之后,需要一定的正负反馈让用户通过训练获得直观的感受,而有标准指标才能够在系统中设计并实现对指标参数的记录,并用于后续的数据分析。本文根据火灾避险模拟系统的情景需求将安全评估标准的着眼点放在了用户上,将用户的训练数据作为客观测量值,将用户的自我评价作为主观测量值,先将各测量值按照属性测度分析法计算出单指标安全等级,再进行多指标综合属性测度,最后依照安全因素属性识别给出最终安全评估等级作为系统评估结果,通过信息窗口让用户在系统中得到数据上的正负反馈,以此提升用户在模拟训练后对自己行为的具体认知,增强用户对模拟训练的反馈效果。

为更好地进行避险训练的安全指标设计,火灾情景将以较为宽敞的虚拟高层建筑第3层进行设计,通过设置可视化的火焰与烟气来模拟火灾情景,并在多个能够逃离当前楼层的地方设置终点作为模拟的结束标记,例如可以作为临时避险点的卫生间、可以安全逃生的防火间楼梯、作为错误范例的电梯等。

首先,考虑到避险的紧急性,路径的最优化选择是必然的,但是人们在面对紧急情况的时候,往往来不及去思考最优解,而是寻找最直观的解,为满足用户在这一情况下的不同反应,避险路径不以固定的最优解路线作为参考标准,而是根据用户最终到达的终点来确定路径参考值,之后将该参考值与用户行进距离差值的绝对值作为指标参数参与评估分析,即路线偏移量。考虑到实际的行进路线与模拟路线必定存在误差,分别以5 m、10 m、15 m、30 m作为等级划分的标准。

其次,考虑用户面对火灾情况所做应对方法的正确性,在系统中使用递减形式记录,先设置基础分,在用户做出某些应对火灾情况的错误行为时进行扣分,例如在通过烟气时没有以低姿态前进、选择乘坐电梯等,该指标参数即行为正确度。其中,以5为基础分,每减1分降低1个等级。

再次,考虑火灾中致人死亡的主要原因有缺氧、吸入有毒气体、吸入热气与烧伤[21]。据统计,在火灾中有80%以上的死亡是由于烟气窒息与有毒热气,避开烟气是在火灾中保证安全的重要事项,但是由于烟气的扩散性与扩散速度,人们往往无法完全避开烟气的影响,考虑到人在烟气中的最佳逃亡时间为30～60 s,以最小值为参考基准,计算用户在烟气范围内的持续停留时间,该指标即烟气内停留时间。标准设定以30 s为限,分别以1 s、3 s、5 s、10 s作为等级划分的标准。

最后,作为对比项目,在测试结束后让用户自我打分,让用户根据自我认知对自己在训练过程中的行为进行评分,即用户自我评估,将该项目具体分为路径最优评分和行为正确评分,前者为用户对自己所选路径的自我评估,后者为用户对自己在训练过程中的行为正确度的评分。作为评分,这两项评分以10分为满分,10～9为第1等级,前4等级分别减1作为等级划分范围,第5等级采取6～0作为等级范围。

5项指标的等级划分表如表2所示,因为属性数学的计算存在数值边界,故在测量数据的过程中若是存在超越边界的数据值,则将按照越界的最大值或者最小值来记录。

表2 用户操作模式指标等级划分表

在完成火灾避险模拟训练后,通过脚本计算分析各项安全评估指标,其主要算法流程如算法1所示。

算法1：火灾安全评估算法流程。

输入：火灾安全评估指标等级划分参数,测定指标参数、置信度;

输出：火灾安全评估等级;

1.begin;

2.for火灾安全评估的各项指标do;

3.根据测定指标参数与火灾安全评估指标等级划分参数计算属性测度;

4.根据属性识别方法与置信度计算单指标的安全评估等级;

5.end for;

6.根据权重对所有指标计算多指标属性测度;

7.根据属性识别方法与置信度计算火灾安全评估等级;

8.End。

4 系统应用分析

本文的火灾避险模拟系统是让用户在火灾情景中以第一视角在场景中进行应急避险训练,在用户完成模拟后将用户在模拟过程中的各项指标记录下来的数据进行分析,根据得出结论给予用户适当的评级,以此使用户获得避险训练的正负反馈,加强训练记忆。本章节对本文系统进行应用测试,测试试验具体流程如下：

(1)主界面选择建筑火灾情景下拉菜单中的用户操作模式,切换场景,进入虚拟建筑物内部场景。

(2)进入火灾模拟情景,可通过鼠标移动旋转观察角度,以及键盘输入W/A/S/D或方向键来实现视角的移动,按住Ctrl键可以以低姿态前进,按住Shift键可以加速运动模拟跑步。

(3)移动到可以离开火灾楼层的安全通道或者避险点之后完成模拟,系统会根据模拟过程中记录的数据开始分析数据。

(4)出现分析信息窗口,窗口标识等级与指标,根据计算结果将指标相对应的等级指示标记为红色,如图6所示。

图6 分析结果

(5)结束测试,测试完毕,用键盘键入Esc键,选择“退回主菜单”按钮,回到模式选择主界面。

对按上述流程进行的测试结果分析,结果如表3所示。表3中,21次测试为随机挑选的20名用户独立进行的,其中20次成功完成测试流程,并获得评分;1次未完成测试流程,在测试过程中,用户与场景产生了物理碰撞模拟错误,摄像机停留在墙壁模型中无法进行运动,系统重启后,用户再次进行并完成了测试。20次成功获得评分的测试,其测试结果与理论计算结果相同,正确率为100%。测试结束后,让用户对系统整体进行评级,其中12人认为系统较为“优秀”,8人认为系统较为“合格”但是还有待改善。根据结果分析,本文系统虽然存在缺陷,但是整体测试有效率较好,结果分析正确,用户评价尚可,说明系统具有一定的可行性和实际性。

表3 测试结果分析

5 结束语

本文开发了一个Web平台上的虚拟现实火灾避险逃生模拟训练系统。该系统研究了通过结合虚拟现实技术、三维场景可视化技术、PBR技术等技术实现的建筑物室内虚拟情景交互系统构建的原理与步骤。以属性数学为理论基础,结合火灾避险逃生实际情况,设计了一套火灾避险逃生训练指标。探讨火灾情景的仿真模拟,对用户在火灾情景中所需应对的突发险情进行仿真与实现。实验测试表明该系统虽然存在一些瑕疵,但依旧为解决高层建筑火灾应急情景下避险模拟提供了一个可行性方案。