關(guān)鍵詞：煤礦井下應(yīng)急逃生；路徑動(dòng)態(tài)規(guī)劃；Dijkstra?ACO 混合算法；蟻群優(yōu)化算法

中圖分類(lèi)號(hào)：TD67 文獻(xiàn)標(biāo)志碼：A

0引言

煤礦井下可能發(fā)生瓦斯爆炸、煤塵爆炸、水害、頂板事故、通道堵塞、有毒有害氣體擴(kuò)散等災(zāi)害[1]。傳統(tǒng)的逃生路徑規(guī)劃多基于靜態(tài)的礦井布局，無(wú)法有效應(yīng)對(duì)事故發(fā)生后巷道變形、巷道底鼓、巷道坡度變化、水位變化、障礙物變化等動(dòng)態(tài)變化[2]。因此，快速確定適應(yīng)環(huán)境變化的逃生路徑對(duì)于提高礦工在緊急情況下的逃生效率和生存概率至關(guān)重要。

在路徑動(dòng)態(tài)規(guī)劃研究方面，黃昕等[3]組建了火災(zāi)場(chǎng)景關(guān)鍵指標(biāo)的時(shí)程數(shù)據(jù)庫(kù)，將人體耐受性指標(biāo)限值作為判定依據(jù)，進(jìn)行可逃生區(qū)域識(shí)別和火災(zāi)場(chǎng)景動(dòng)態(tài)重構(gòu)，采用A*算法識(shí)別逃生路徑，完成疏散路徑動(dòng)態(tài)規(guī)劃，但該方法給出的逃生路徑比較復(fù)雜，不利于煤礦井下工作人員的應(yīng)急逃生。曹祥紅等[4]利用A*算法提升初始信息素濃度，通過(guò)改進(jìn)啟發(fā)函數(shù)和路徑平滑處理實(shí)現(xiàn)路徑規(guī)劃，但規(guī)劃的路徑較長(zhǎng)，不利于井下人員在有限時(shí)間內(nèi)及時(shí)到達(dá)安全區(qū)域。于丹等[5]以路徑最短為原則，構(gòu)建了煤礦井下避災(zāi)路徑規(guī)劃模型，采用Dijkstra 算法求解，確定最優(yōu)路徑規(guī)劃方案，但Dijkstra 算法依賴(lài)預(yù)先定義的靜態(tài)網(wǎng)絡(luò)和固定權(quán)重，無(wú)法適應(yīng)井下環(huán)境的動(dòng)態(tài)變化。朱軍等[6]通過(guò)導(dǎo)航網(wǎng)格動(dòng)態(tài)生成算法實(shí)現(xiàn)了室內(nèi)火災(zāi)逃生路徑動(dòng)態(tài)規(guī)劃，但對(duì)環(huán)境中障礙物的避障能力不佳，不利于煤礦井下工作人員的應(yīng)急逃生。

為提升在煤礦井下復(fù)雜多變環(huán)境下的路徑規(guī)劃效果，本文提出一種基于Dijkstra?ACO（Ant ColonyOptimization，蟻群優(yōu)化）混合算法的煤礦井下應(yīng)急逃生路徑動(dòng)態(tài)規(guī)劃方法。根據(jù)煤礦井下巷道內(nèi)實(shí)體關(guān)系，考慮巷道坡度和水位對(duì)逃生行動(dòng)的影響，建立煤礦井下應(yīng)急逃生最優(yōu)路徑動(dòng)態(tài)規(guī)劃模型。采用Dijkstra?ACO 混合算法求解最優(yōu)路徑動(dòng)態(tài)規(guī)劃模型，即先利用Dijkstra 算法的高效性迅速確定1 條初始逃生路徑，再通過(guò)ACO 算法對(duì)初始路徑進(jìn)行優(yōu)化，從而確保礦工在緊急情況下能夠迅速找到安全、可靠的逃生路徑。

1煤礦井下應(yīng)急逃生路徑動(dòng)態(tài)規(guī)劃

1.1煤礦井下應(yīng)急逃生最優(yōu)路徑動(dòng)態(tài)規(guī)劃模型

煤礦井下應(yīng)急逃生路徑動(dòng)態(tài)規(guī)劃主要涉及巷道、人員、設(shè)施等實(shí)體，將巷道中的每一段（即連接各個(gè)節(jié)點(diǎn)的線(xiàn)段）抽象為一個(gè)網(wǎng)絡(luò)邊，網(wǎng)絡(luò)邊權(quán)重反映逃生的難易程度，2 條或多條巷道的交叉口實(shí)體抽象為網(wǎng)絡(luò)節(jié)點(diǎn)。在路徑規(guī)劃過(guò)程中，算法優(yōu)先選擇權(quán)重小的網(wǎng)絡(luò)邊來(lái)確保逃生路徑更安全、快捷。

網(wǎng)絡(luò)邊權(quán)重與應(yīng)急逃生影響因素有關(guān)，如巷道內(nèi)水位高度、巷道的長(zhǎng)度和坡度等。巷道坡度直接關(guān)系到逃生者的行進(jìn)速度和體力消耗，坡度較陡的巷道可能導(dǎo)致逃生速度減慢，增加體力負(fù)擔(dān)，尤其是在緊急情況下，逃生者可能因體力不支而無(wú)法迅速撤離[7-9]。巷道內(nèi)水位的高低直接影響到逃生路徑的通行狀況，高水位可能導(dǎo)致部分巷道被淹沒(méi)，甚至完全阻斷逃生通道，增加逃生難度和風(fēng)險(xiǎn)[10-12]。因此，重點(diǎn)考慮巷道坡度和巷道內(nèi)水位對(duì)逃生的影響，并對(duì)其分配動(dòng)態(tài)綜合權(quán)重。

1） 巷道坡度。將巷道坡度轉(zhuǎn)換為弧度制，利用反正弦函數(shù)將坡度轉(zhuǎn)換為0 到1 之間的數(shù)值，并進(jìn)行歸一化處理，得到巷道坡度權(quán)重：

6） 如果達(dá)到設(shè)定的迭代次數(shù)，則終止操作，同時(shí)輸出模型的最優(yōu)解[19-21]，即最優(yōu)路徑動(dòng)態(tài)規(guī)劃方案，否則返回步驟2）。

2實(shí)驗(yàn)分析

2.1實(shí)驗(yàn)設(shè)置

選取某煤礦作為研究對(duì)象， 設(shè)置螞蟻數(shù)量為10只，信息素?fù)]發(fā)率為0.2，信息素增強(qiáng)因子為1，啟發(fā)式因子為2，探索因子為0.1。為模擬煤礦井下復(fù)雜多變的環(huán)境，設(shè)置煤礦巷道相關(guān)參數(shù)，見(jiàn)表1。

對(duì)于任意一條巷道，包含上下行2 個(gè)方向。在上行方向，行走難度隨坡度增加而增加；在下行方向，坡度低于30°時(shí)，行走難度隨坡度增加而下降，坡度不小于30°時(shí)，行走難度隨坡度增加而增加。

為便于分析，將煤礦巷道分布簡(jiǎn)化，如圖1 所示，其中包含5 個(gè)動(dòng)態(tài)障礙物，分別標(biāo)注為①?⑤，可以模擬井下可能出現(xiàn)的突發(fā)情況，如設(shè)備故障、人員移動(dòng)等。動(dòng)態(tài)障礙物的位置和狀態(tài)可以隨時(shí)間變化，從而增加路徑規(guī)劃的難度和復(fù)雜性。

2.2評(píng)價(jià)指標(biāo)

選取規(guī)劃效果、路徑長(zhǎng)度及避障率作為評(píng)價(jià)指標(biāo)。① 規(guī)劃效果：從起點(diǎn)到安全出口的最佳路線(xiàn)，需要綜合考慮路徑復(fù)雜度、轉(zhuǎn)彎次數(shù)等因素。② 路徑長(zhǎng)度：從起點(diǎn)到安全出口的規(guī)劃逃生路徑的長(zhǎng)度。③ 避障率：在規(guī)劃的逃生路徑上成功避開(kāi)的障礙物數(shù)量與總障礙物數(shù)量的比值。

2.3結(jié)果分析

分別采用Dijkstra?ACO 混合算法、A*算法[3]和改進(jìn)ACO 算法[4]對(duì)煤礦井下應(yīng)急逃生路徑進(jìn)行動(dòng)態(tài)規(guī)劃，結(jié)果如圖2 所示。可看出利用A*算法和改進(jìn)ACO 算法規(guī)劃出的煤礦井下應(yīng)急逃生路徑比較復(fù)雜，轉(zhuǎn)彎次數(shù)較多，不利于煤礦井下工作人員的應(yīng)急逃生，而Dijkstra?ACO 混合算法規(guī)劃出的煤礦井下應(yīng)急逃生路徑簡(jiǎn)單且平滑。

在50 m×100 m， 100 m×200 m 和150 m×250 m3 種不同尺寸的目標(biāo)區(qū)域內(nèi)，計(jì)算不同方法規(guī)劃的逃生路徑長(zhǎng)度，結(jié)果見(jiàn)表2。可看出在不同尺寸的測(cè)試區(qū)域中， Dijkstra?ACO 混合算法在路徑長(zhǎng)度上優(yōu)于A*算法和改進(jìn)ACO 算法。在50 m×100 m 區(qū)域，Dijkstra?ACO 混合算法規(guī)劃的路徑長(zhǎng)度為125 m，分別低于A*算法和改進(jìn)ACO 算法29，52 m；在100 m×200 m 區(qū)域，Dijkstra?ACO 混合算法規(guī)劃的路徑長(zhǎng)度為157 m，分別低于A*算法和改進(jìn)ACO 算法32，53 m；在150 m×250 m 區(qū)域，Dijkstra?ACO 混合算法規(guī)劃的路徑長(zhǎng)度為176 m，分別低于A*算法和改進(jìn)ACO 算法29，58 m。

不同方法的避障率結(jié)果如圖3 所示?？煽闯鯠ijkstra?ACO 混合算法的避障率保持在98% 左右，高于A*算法和改進(jìn)ACO 算法。

3結(jié)論

1）將煤礦井下實(shí)體抽象為網(wǎng)絡(luò)元素，基于巷道坡度和水位對(duì)逃生的影響分析，以網(wǎng)絡(luò)邊動(dòng)態(tài)綜合權(quán)重之和最小為目標(biāo)函數(shù)，建立了煤礦井下應(yīng)急逃生最優(yōu)路徑動(dòng)態(tài)規(guī)劃模型，以求取適應(yīng)環(huán)境變化、逃生難度最低的最優(yōu)路徑。

2） 將Dijkstra算法和ACO算法結(jié)合，以求解煤礦井下應(yīng)急逃生最優(yōu)路徑動(dòng)態(tài)規(guī)劃模型。利用Dijkstra 算法快速確定初始路徑，利用ACO算法尋找距離最短且安全性最高的逃生路徑，兼顧了全局搜索和局部搜索。

3） 搭建模擬煤礦井下巷道、坡度、水位等實(shí)際情況的仿真環(huán)境，開(kāi)展了應(yīng)急逃生路徑動(dòng)態(tài)規(guī)劃實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明， 相較于基于A*算法和改進(jìn)ACO算法的路徑規(guī)劃方法，基于Dijkstra?ACO混合算法的煤礦井下應(yīng)急逃生動(dòng)態(tài)規(guī)劃方法得到的路徑長(zhǎng)度縮短了19% 以上，且路徑更加平滑、轉(zhuǎn)彎更少，同時(shí)避障率提高了5% 以上。