近年来,国内发生了一系列因疏散不当造成的群死群伤恶性火灾事故[1]。其中,大部分伤亡并不是火灾直接造成的,而是因火灾现场没有疏散指示标志,应急照明灯也不亮,逃生者不能明确逃生方向,造成了心理上的恐慌,从而导致互相踩踏所致。因此,国内外许多学者对火灾应急疏散系统和人群的疏散行为展开了研究[2-5],这些研究成果体现了人群在惶恐心理作用下的一些行为特征,并用人流密度-速度关系对这些行为特征进行了描述,研究结果表明制约人群安全疏散的关键因素是人群密度。目前,大多数研究者采用试验手段来观测人群疏散行为特征,并用视频或图像处理的方法确定人群密度值[6-8],建立人群疏散模型。本文建立了人流密度-速度模型,采用软测量技术,根据人员的移动速度直接形成智能疏散诱导系统的控制策略,对疏散指示灯进行PWM控制,实现了疏散路径的动态调整与优化。1构建人流密度-速度模型在建筑设计之初的计算中,通常是把疏散路径的人流通过率作为一个常数来确定疏散通道的疏散能力。事实上,影响人流通过率的因素很多,大致可归纳为人群的状态和路径的状况。人群的状态主要与人群密度、运动速度、人群组成(年龄构成、性别、文化差异等)和人群的动机等因素有关;路径的状况主要与路径中的障碍物、瓶颈、平坦度、光滑度、坡度等因素相关[9]。在建筑物结构参数确定的条件下,路径的疏散能力Q主要取决于人群密度:Q=q()w(1)q()=v()(2)式中:q()人流通过率,ps/(ms);w路径宽度,m;()人群的移动速度,m/s;人群密度。消防安全式(2)中()与之间存在着函数关系[10]。PredtechenskiiVM等[11]就此提出了建筑设计标准,TogawaK等[12-16]分别对不同场所的行人进行观察,得出了人群密度-速度的经验函数关系[9]。本文在此基础上,直接形成人流密度-速度模型:v=-0.27+1.5(3)这是因为:研究关注的重点是对建筑火灾中的人群智能疏散或诱导控制,而不需要得到准确的人群特征或人群密度,并且上述给出的结果为经验值。采用软测量技术,即用容易观测的人员运动速度值通过式(3)用软件得到实时难测的人群密度值,便于程序的实现和降低系统的成本,在线理论误差为0。在不改变人员的移动速度随人群密度增加而降低的前提下,可达到简化控制算法的目的,提高系统的鲁棒性。2智能疏散诱导系统的工作原理该系统由计算机、烟气层的烟气浓度、温度探测装置、人群疏散速度探测仪以及动态疏散线路标识(发光型指示灯、声光型指示器、连续型导向光流标志灯等应急疏散指示器)与安全出口标识等组成。其中人的行为参数可采用背景减的方法来判断场景中被人群占据空间的大小;也可用边缘提取的方法,通过边缘周长检测来估计人群密度[8];对于高密度人群则采用基于纹理特征分析的方法来估计人群密度[17]。这些方法需要设备投入成本高,实时性差,不便于工程上直接应用与推广,特别是能见度低时实施效果不理想。为此,本文提出了基于软测量技术的智能疏散诱导系统。软测量技术是指将难以测量或不可测的主导变量,选择另外一些既与主导变量有密切关系又容易测量的变量,通过构造某种数学关系(软测量模型),用计算机软件实现对主导变量的推断和估计,并实现以软件部分代替硬件(传感器)功能的一种技术[18]。通过本文构建的人流密度-速度模型,用测得的人群移动速度可间接得到人群密度值。建筑火灾中人群疏散诱导控制是一个涉及建筑物结构特征、火灾发展过程和人的行为三种基本因素相互作用的复杂系统。