摘要
随着经济和社会的发展，大型仓储式超市的数量迅速增长。大型仓储式超市集商品销售与商品储存于一体，具有规模大、货物集中、人员流动量大等特点。火灾是大型仓储式超市主要的危险因素之一，分析大型仓储式超市的火灾特性，较普通超市发生火灾的概率大、危险程度高，人员疏散的疏散条件差、难度大。因此，本文在充分分析现有研究成果的基础上，结合蚁群算法的优势，对大型仓储式超市发生火灾时的人员疏散路径进行了优化研究。 本文基于蚁群算法对大型仓储式超市火灾人员疏散路径进行优化。首先，从两方面对传统蚁群算法进行改进:（1）分析大型仓储式超市火灾特性，对火灾时影响人员疏散的因素（烟气层高度、CO浓度、温度、能见度）进行特性分析、影响程度分级和量化，构建新的启发函数，使蚁群算法适用于火灾疏散路径搜索;（2）采取自适应的信息素挥发规则，解决蚁群算法易过早陷入局部最优的问题;借助改进的蚁群算法，针对大型仓储式超市火灾特点，实现在保证人员安全的前提下，根据火灾发展变化进行最优路线的确定。其次，设置三组仿真模拟验证改进蚁群算法的可行性及优越性:（1）对改进蚁群算法与传统蚁群算法在未发生火灾的情况下进行仿真模拟;（2）在发生火灾6min时，对改进蚁群算法与传统蚁群算法的路径搜索进行仿真模拟;（3）对火灾发展的不同阶段进行仿真模拟，得到发生火灾10s、100s、200s时改进蚁群算法的路径搜索结果。通过对三组仿真模拟的结果进行对比分析，得出改进蚁群算法不易陷入局部最优，可以在保证疏散人员安全的前提下搜索出较优的路径，能够根据火灾发展变化调整疏散路径。最后，对某大型仓储式超市进行实地调研，设置不同的工况并利用PyroSim进行火灾仿真模拟,将模拟结果代入改进蚁群算法;利用Pathfinder建立人员疏散模型,将算法搜索出的路径对模型中人员疏散的参数进行设置，得到以距离最短疏散的结果为31.4s,优化路径疏散结果为54.5s、55.3s和30.8s,疏散时间在安全疏散时间的允许范围内。优化后的路径虽时间变长，但选择了更安全的疏散路径，且疏散到未优化路径的疏散时间31.4s时，安全疏散了约总人数的四分之三，疏散效果较好;同时分析明确大型仓储式超市动态疏散系统的实现流程。 本文建立的可用于大型仓储式超市火灾人员疏散的蚁群算法，通过模型仿真和实例分析，验证了改进蚁群算法能够在火灾发生时躲避火灾危险区域进行路径搜索，并能够克服算法本身易陷入局部最优的缺点，具有可行性、优越性及应用的现实意义。
NETL