次，再根據(jù)路徑中是否有十 字路口或其他道路節(jié)點(diǎn)（Adjacent Node)以及分區(qū)節(jié)點(diǎn)等因素來進(jìn)行再一次細(xì)分道路，最 后每種類型的道路都會被賦予權(quán)值，便于智能體識別道路的重要程度。
[0051] 根據(jù)RoboCup組委會提供的地圖形狀，大小，以及智能體數(shù)量，地圖中建筑物的數(shù) 量，利用Rescue的分區(qū)算法，將地圖劃分為一定數(shù)量的任務(wù)分區(qū)。
[0052] 步驟3. 1，根據(jù)地圖形狀、大小、以及智能體數(shù)量和地圖中建筑物的數(shù)量，利用 Rescue的分區(qū)算法完成地圖的初始化分區(qū)，具體計(jì)算如下：
[0053] D = MIN (P, B/C)
[0054] N = MAX(D-(D mod 2), I)
[0055] 其中，P是指在地圖中警察智能體的個數(shù)，B是建筑物的個數(shù)，C是每個警察智能體 在所在區(qū)域能夠涉及到的建筑物數(shù)量，D是指最小所需分區(qū)數(shù)，N是指最大所需分區(qū)數(shù)；
[0056] 步驟3. 2,在獲得初始化分區(qū)數(shù)目后，Rescue分區(qū)算法會根據(jù)初始化分區(qū)數(shù)目，利 用仿真環(huán)境中的地圖長度和寬度，對整個救援環(huán)境進(jìn)行區(qū)域劃分，劃分初始化分區(qū)后，綜合 道路和分區(qū)模型的特點(diǎn)，在分區(qū)的交接處設(shè)置集合點(diǎn)；
[0057] 步驟3. 3,完成世界模型的動態(tài)分區(qū)。
[0058] 在獲得初始化分區(qū)數(shù)目后，Rescue分區(qū)算法會根據(jù)初始化分區(qū)數(shù)目，利用仿真環(huán) 境中的地圖長度和寬度，對整個救援環(huán)境進(jìn)行區(qū)域劃分，劃分初始化分區(qū)后，綜合道路和分 區(qū)模型的特點(diǎn)，在某些分區(qū)的交接處設(shè)置了集合點(diǎn)（Assembly Point)，集合點(diǎn)的數(shù)目是由 分區(qū)邊界數(shù)目確定的，紅色點(diǎn)就是集合點(diǎn)，圖上的道路都利用了道路模型進(jìn)行了加權(quán)處理， 集合點(diǎn)一般設(shè)立在主干道或者權(quán)重較大的道路與幾個分區(qū)的交接處。
[0059] 在初始化分區(qū)完成后，Rescue分區(qū)算法，會設(shè)立分區(qū)融合時間參數(shù)T，以及分區(qū) 融合參數(shù)0，可以選取從建立分區(qū)到分區(qū)之間的主干道（Mainroad)障礙物被警察智能體 (PoliceForce)清理完畢的時間作為T。0 =E/S±0.05，E是智能體已經(jīng)探索過的區(qū)域面 積，S是智能體所在分區(qū)的分區(qū)面積，0. 05是誤差值，如果T>60或者P >0. 8,分區(qū)開始融合， 融合的方向指向上文所說的集合點(diǎn)（Assembly Point)方向。
[0060] 在動態(tài)分區(qū)建立初期，各智能體基本遍歷了各自分區(qū)，從而獲得了整個世界模型 較為完備的環(huán)境信息，Rescue將地圖上的建筑物和道路等實(shí)體抽象成節(jié)點(diǎn)，利用地圖信息 自帶的坐標(biāo)系，將這些抽象節(jié)點(diǎn)進(jìn)行標(biāo)注，形成一個個坐標(biāo)位置，可以直觀的看出這些實(shí)體 節(jié)點(diǎn)的位置和距離情況，基于K-means聚類算法，把各坐標(biāo)點(diǎn)用距離來迭代更新從而形成 多個簇。
[0061] 所述步驟4具體如下：
[0062] 步驟4. 1設(shè)坐標(biāo)集合X =XiIxiG R2，其中，i = 1，2, ...，N;可以聚集成為k個簇
/茫彳】".…々q都成立，則完成計(jì)算；
[0065] 步驟4. 5,根據(jù)凸多邊形的頂點(diǎn)必須在該多邊形的任何一個邊的同一側(cè)的原理，刪 除不屬于凸包邊界的點(diǎn)。
[0066] 在救援仿真環(huán)境中使用K-means算法需要注意兩個問題：不同救援環(huán)境中聚類數(shù) 目k的選擇；初始簇中心點(diǎn)的選取。針對第一個問題，Rescue根據(jù)地圖的面積大小確定k 值大小，對于第二問題通過Canopy和"距離最遠(yuǎn)原則"確定：首先確定兩個距離值DJP D 2， D1 =D+AJ, D2 = D-AJ, ￡>是地圖上各坐標(biāo)點(diǎn)間平均距離，從所有節(jié)點(diǎn)集合S中隨機(jī)移 除一個點(diǎn)P，計(jì)算P點(diǎn)和其余點(diǎn)間距離，若距離小于D1,則加入到P代表的Canopy簇中，若小 于D2，也加入Canopy簇中，并從原集合中刪除，迭代選擇，重復(fù)該步驟，最后生成M個Canopy 簇，每個點(diǎn)可能屬于多個M簇，隨機(jī)選取某Canopy簇中心點(diǎn)C 1，然后選擇離C1最遠(yuǎn)的Canopy 簇中心點(diǎn)C2，依次類推得剩余中心點(diǎn)。
[0067] 建立火勢凸包：消防智能體滅火有三種方式：1.直接滅火2.建筑群外圍火勢控制 3.建筑物預(yù)澆水，凸包便是針對建筑群外圍火勢控制，Rescue將各建筑物轉(zhuǎn)為坐標(biāo)節(jié)點(diǎn)， 著火建筑的坐標(biāo)集合設(shè)立火點(diǎn)信息，定義為S = (P1, P2. ... PJ，選擇其中坐標(biāo)最外圍點(diǎn)，如 果橫坐標(biāo)相同，那么選取其中縱坐標(biāo)最大的點(diǎn)，簡單地將外圍點(diǎn)篩選出來。
[0068] 選取P1點(diǎn)作為基準(zhǔn)點(diǎn)，將此點(diǎn)與其他店用線段連接，將這些線段和橫坐標(biāo)的之間 的角度保存。將所有角度按照從大到小的順序排列，如果角度相同，則比較點(diǎn)與點(diǎn)之間的長 度。
[0069]假設(shè)點(diǎn)的排序?yàn)镻1, P2. ... Pn，我們依次連接所有點(diǎn)從而獲得多邊形，顯然點(diǎn)集P1, P2....匕是凸包邊界的點(diǎn)。根據(jù)"凸多邊形的頂點(diǎn)必須在該多邊形的任何一個邊的同一 偵『這一原理，刪除不屬于凸包邊界的點(diǎn)。
[0070] 在凸包建立完畢后，Rescue利用火勢仿真模擬器提供的信息進(jìn)行任務(wù)分區(qū)的融 合，RCRSS提供了 RoboRescue-Vl. 1火勢仿真服務(wù)器來獲得火勢蔓延的速度?；饎莸穆?速度和建筑物燃燒速度都會對消防隊(duì)智能體（Fire Bridge)的滅火策略產(chǎn)生影響，根據(jù)分 區(qū)模型，分析各個分區(qū)火勢間的相互影響。
[0072]Aunb_(s)是所在區(qū)域沒有被燒毀的建筑物面積，Atotal(S)是所在分區(qū)的總面積大 小，Aunb_ (s)是相鄰分區(qū)的未被燒毀的建筑物面積，通過V (s)獲得消防隊(duì)優(yōu)先清理的分區(qū)。
[0074] 同上，Aunb_ (B)是所有建筑面積，Cl1是該建筑物離相鄰建筑物的距離，在仿真初始 階段，分區(qū)和聚類都會被建立，火勢信息會在每周期都進(jìn)行一次更新一次。Rescue選擇優(yōu)先 撲滅的建筑物和分區(qū)，V(B)和V(S)得分越高的建筑物和實(shí)體，優(yōu)先級越高。
[0075] 綜上所述，本發(fā)明設(shè)計(jì)一種基于道路分區(qū)模型的智能體協(xié)作方法，此方法利用道 路的幾何和周邊環(huán)境特性，建立道路分區(qū)模型，對地圖中的信息進(jìn)行細(xì)化處理，首先將整個 世界模型進(jìn)行動態(tài)分區(qū)，然后利用凸包算法將各分區(qū)著火建筑物進(jìn)行外圍火點(diǎn)的構(gòu)建，為 消防智能體提供消防策略，最后通過聚類等算法將著火點(diǎn)集中處理，在靜態(tài)分區(qū)的基礎(chǔ)上， 建立動態(tài)的道路模型，從而讓智能體更好的了解環(huán)境信息，展開救援協(xié)作。同時本發(fā)明詳細(xì) 介紹建筑物定義，道路區(qū)分，地圖建筑物按距離建立聚類，著火點(diǎn)建立聚類，使得智能體對 救援環(huán)境信息有了更好的估計(jì)和預(yù)測，從而使得智能體能夠準(zhǔn)確地把握救援關(guān)鍵區(qū)域，提 高救援效率，并通過多次對比試驗(yàn)，驗(yàn)證了道路分區(qū)模型對整個Rescue全局救援效率有著 較大的提升。
【主權(quán)項(xiàng)】
1. 一種基于道路動態(tài)分區(qū)模型的城市救援仿真方法，其特征在于，具體包括如下步 驟： 步驟1，以道路和建筑物的物理特征建立底層世界模型； 步驟2,利用道路的幾何和周邊環(huán)境特性建立道路分區(qū)模型； 步驟3,引入步驟2建立的道路分區(qū)模型將底層世界模型進(jìn)行動態(tài)分區(qū)； 步驟4,在步驟3將底層世界模型進(jìn)行動態(tài)分區(qū)的基礎(chǔ)上，引入凸包和聚類算法對消防 智能體進(jìn)行信息整合分類，優(yōu)化救援效率。2. 根據(jù)權(quán)利要求1所述的一種基于道路動態(tài)分區(qū)模型的城市救援仿真方法，其特征在 于：在步驟1中，所述底層世界模型包含底層的標(biāo)準(zhǔn)實(shí)體層、中間的抽象實(shí)體層和最高層的 動態(tài)實(shí)體層。3. 根據(jù)權(quán)利要求1所述的一種基于道路動態(tài)分區(qū)模型的城市救援仿真方法，其特征在 于：在步驟2的道路分區(qū)模型中，以阻塞系數(shù)來對道路的優(yōu)先級進(jìn)行分類，所述阻塞系數(shù)具 體計(jì)算如下：其中，passrate表示阻塞系數(shù)，nodewidth表示道路的寬度，blockadewidth表示路障 的寬度，agentwidth表示智能體自身的寬度。4. 根據(jù)權(quán)利要求1所述的一種基于道路動態(tài)分區(qū)模型的城市救援仿真方法，其特征在 于：所述步驟3具體包含如下步驟， 步驟3. 1根據(jù)地圖形狀、大小、以及智能體數(shù)量和地圖中建筑物的數(shù)量，利用Rescue的 分區(qū)算法完成地圖的初始化分區(qū)，具體計(jì)算如下： D = MIN (P, B/C) N = MAX(D-(D mod2), I) 其中，P是指在地圖中警察智能體的個數(shù)，B是建筑物的個數(shù)，C是每個警察智能體在所 在區(qū)域能夠涉及到的建筑物數(shù)量，D是指最小所需分區(qū)數(shù)，N是指最大所需分區(qū)數(shù)； 步驟3. 2,在獲得初始化分區(qū)數(shù)目后，采用Rescue分區(qū)算法根據(jù)初始化分區(qū)數(shù)目，利用 仿真環(huán)境中的地圖長度和寬度，對整個救援環(huán)境進(jìn)行區(qū)域劃分，劃分初始化分區(qū)后，綜合道 路和分區(qū)模型的特點(diǎn)，在分區(qū)的交接處設(shè)置集合點(diǎn)； 步驟3. 3,完成世界模型的動態(tài)分區(qū)。5. 根據(jù)權(quán)利要求1所述的一種基于道路動態(tài)分區(qū)模型的城市救援仿真方法，其特征在 于：所述步驟4具體如下： 步驟4. 1設(shè)坐標(biāo)集合X = Xi I XiG R 2，其中，i = 1，2，...，N;可以聚集成為k個簇 W1, W2,…，wk，它們中心依次為C1, C2,…，Ck，其4* η;是簇w ;中所有點(diǎn)集； 步驟4. 2,，從X中隨機(jī)選取k個初始簇中心點(diǎn)Cl，c2, ...，Ck，然后按照最小歐式距離原 貝1J分配數(shù)據(jù) X 至Ij最近簇中：Clij (Xi, Cj)〈dimUi，Cm)，m = 1，…，k ; j 乒 m ; 步驟4. 3,根據(jù)公￥I重新計(jì)算每個簇的中心彳， 步驟4. 4,若對于任意/ € Π.....M .? = ?都成立，則完成計(jì)算； 步驟4. 5,根據(jù)凸多邊形的頂點(diǎn)必須在該多邊形的任何一個邊的同一側(cè)的原理，刪除不 屬于凸包邊界的點(diǎn)。
【專利摘要】本發(fā)明公開了一種基于道路動態(tài)分區(qū)模型的城市救援仿真方法，具體包括如下步驟：步驟1，以道路和建筑物的物理特征建立底層世界模型；步驟2，利用道路的幾何和周邊環(huán)境特性建立道路分區(qū)模型；步驟3，引入步驟2建立的道路分區(qū)模型將底層世界模型進(jìn)行動態(tài)分區(qū)；步驟4，在步驟3將底層世界模型進(jìn)行動態(tài)分區(qū)的基礎(chǔ)上，引入凸包和聚類算法對消防智能體進(jìn)行信息整合分類，優(yōu)化救援效率。
【IPC分類】G06F17/50
【公開號】CN105069217
【申請?zhí)枴緾N201510466069
【發(fā)明人】高翔, 梁志偉, 汪偉亞
【申請人】南京郵電大學(xué)
【公開日】2015年11月18日
【申請日】2015年7月31日...