• 沒有找到結果。

中 華 大 學

N/A
N/A
Protected

Academic year: 2022

Share "中 華 大 學"

Copied!
80
0
0

加載中.... (立即查看全文)

全文

(1)

中 華 大 學 碩 士 論 文

一個具人群分流能力之個人化逃生導引演 算法暨系統之建置

Development of a Personalized Crowd Guidance Algorithm for Emergency Fire Evacuation with Crowd Streaming Capability

中 華 民 國 102 年 8 月

系 所 別 : 資訊工程學系碩士班

學號姓名 : M10002045 吳崇碩

指導教授 : 游 坤 明 博 士

(2)

ii

摘要

近年來隨著建築物越趨向高層化及複雜化,一旦發生緊急事件時避難者可能 因於環境狀態掌握度不足,以及缺乏明確的逃生指引而延誤了災害發生初期第一 時間的反應,導致錯過逃生黃金時間。為了彌補固定式逃生指引不足之處並提高 避難時的逃生速率及效果,本論文提出一套可應用於建築物內部之緊急避難逃生 導引演算法,考慮到了火災現場環境狀態、人員心理狀態、逃生路徑容易程度、

以及火源擴散可能等因素,計算出適合的避難路線以導引避難者順利逃生。並且 本論文所提出之緊急避難逃生導引演算法會將環境中的人群以適當方式劃分為 不同逃生群體,給予每一群體不同的逃生路徑指引,以分散人群的方式減輕逃生 過程中通道及出口的負擔,並可減輕同一時間區域內避難者的數量,降低發生擁 擠的可能。本論文同時也利用模擬測試方式驗證我們所提出的具人群分流能力之 逃生導引演算法(Density Balance Evacuation Guidance base on Crowd Scatter Guidance Algorithm,DBCS)於避難者導引時與其他演算方式的改良之處,驗證 了演算法確實能有效利用避難者分群導引方式減輕路徑、出口負擔;實驗結果指 出 DBCS 演算法與先前研究相比最高可緩解 51%的擁擠發生率並提高 33%左右 的疏散效率,降低了可能造成的區域擁擠情況,並且提高整體逃生速率,快速導 引避難者成功避難。

同時,本論文中也提出了一套可於現實境中實際使用之緊急避難人群導引系 統,並將理論的演算法與實際的應用面結合,以實做的方式整合環境感知、人員 定位、中央監控、使用者導引模組實現了本論文提出之 DBCS 演算法以及緊急 避難人群導引系統,驗證了實務應用上的可行性,確保本文所提出之演算法及系 統架構可於現實環境中實際使用。

關鍵字:緊急逃生避難導引演算法、無線感測網路、環境狀態感知、室內人員定 位、無線射頻辨識技術

(3)

iii

Abstract

Because of building become higher and more complicated, people may not know the environment states and have not enough information for evacuation, that cause people lost the prime time of emergency evacuation.

In this thesis, we propose a Density Balance Evacuation Guidance base on Crowd Scatter Guidance (DBCS) algorithm for emergency evacuation to make up for fire escape equipment can improve the speed and evacuation effect. The DBCS algorithm has consider the environment states, the people states of mind, the state of evacuation path, and the diffusivity of fire, to calculate the appropriate evacuation path for each user. In the proposed algorithm, people will be divided into different groups and give different evacuation routes for balancing the load of evacuation paths and exits. We also conduct the simulation experiment of the DBCS algorithm in the thesis, the simulation results showed that DBCS algorithm is more effective for distributing the load of evacuation paths, reducing the crowded situation, and has better evacuation performance. Compared with previous methods, DBCS algorithm has reduced at least 51% crowded probability and can improve the evacuation speed by 33%.

Moreover, we have implemented an emergency evacuation system what could accomplish in real conditions and combined with theory and real applications as well.

In the system, we integrated context awareness, personnel positioning technique, central control, handheld devices, user navigation and DBCS algorithm to construct an emergency evacuation system that can operate in the real life.

Keywords:Emergency Evacuation Guidance Algorithm, Wireless Sensor Network,

Environment Sensing, Indoor Location, RFID

(4)

iv

誌謝

感謝指導教授 游坤明博士在我研究所兩年時光內的諄諄教誨,無論是在研 究的路程或是計畫的歷練上都讓我學到了許多以前不曾接觸的事物,並且總是不 厭其煩地提點我思考上的盲點並指引我學習的方向。自從大學時期於老師指導下 進行專題製作至今已四年半的時間,這段時間老師不只傳授了我許多專業知識,

也常提醒我們做人處事的道理。老師的教導將是我一生受用無窮的寶藏,謝謝老 師。

另外要感謝 歐陽雯教授,歐陽老師不但在共同 meeting 中給予我許多意見 及指導,並且也慷慨地教導我國際研討會發表的技巧,歐陽老師獨到的引導方式 不但精進了我報告內容,也於學習的路程上給予我許多建議,謝謝老師。

還要感謝我的家人,於學習的路程上一直不遺餘力的支持我、關心我,讓我 不需擔心生活上的問題,並且總是不斷給我加油打氣。也要感謝實驗室的同袍 們,不論是書豪學長的觀念分享、建元學長的報告指導、哲瑜學長及雋元學長的 帶領、同儕元劭於平日研究上的討論、嘉奕學長的經驗分享及知識教導、以及逸 豪、寅鐘、志鴻、彥廷、權峰、政諺、世川所給我的鼓勵以及歡樂,充實了我這 兩年的研究生涯,謝謝你們。

感謝所有曾經給予我幫助的家人、老師、同學們,有你們的支持與鼓勵才讓 我可以順利的完成研究。接下來的旅程雖然充滿了未知數,但我將帶著滿心的謝 意與祝福繼續前進,謹以此文獻給我的親人、老師、朋友、及實驗室的大家。

(5)

v

目錄

摘要... ii

Abstract ... iii

誌謝... iv

目錄... v

表目錄... vii

圖目錄... viii

第一章 緒論... 1

1.1 研究背景... 1

1.2 研究動機... 2

1.3 研究目標... 2

1.4 論文架構... 3

第二章 相關研究... 4

2.1 室內人員定位... 4

2.2 無線感測網路... 8

2.3 Android 應用程式 ... 12

2.4 人群避難行為探討... 13

2.5 人群避難導引演算法... 16

2.6 數位看板... 18

第三章 研究方法... 20

3.1 初始化階段... 21

3.2 導引階段... 23

3.3 DBCS 演算法演示 ... 31

3.4 系統設計... 38

(6)

vi

第四章 系統實做... 48

4.1 中央監控模組及系統資料庫... 48

4.2 人員定位模組... 50

4.3 環境感知模組... 51

4.4 使用者導引模組... 52

4.5 實做測試結果... 54

第五章 實驗結果與分析... 56

5.1 實驗平台與環境... 56

5.2 實驗結果與數據分析... 58

第六章 結論與未來展望... 65

參考文獻... 67

(7)

vii

表目錄

表 2 - 1、幾種常見的室內定位技術比較 ... 5

表 2 - 2、不同種類 RFID 標籤的比較 ... 7

表 2 - 3、五大媒體比較[3]... 19

表 4 - 1、中央監控模組及資料庫實做環境 ... 48

表 4 - 2、人員定位模組實做環境 ... 50

表 4 - 3、環境感知模組實做環境 ... 52

表 4 - 4、手持應用程式開發環境及硬體裝置 ... 53

表 4 - 5、數位看板開發環境及硬體裝置 ... 54

表 5 - 1、軟、硬體規格 ... 57

表 5 - 2、模擬實驗環境 ... 57

(8)

viii

圖目錄

圖 2 - 1、卡片式(左)與手環式(右)RFID 標籤[31] ... 6

圖 2 - 2、VSLS 環境佈署方式[19] ... 8

圖 2 - 3、ZigBee 通訊架構圖 ... 9

圖 2 - 4、星狀(左)、網狀(中)、及樹狀(右)拓樸結構 ... 10

圖 2 - 5、ZigBee 應用範圍[6] ... 11

圖 2 - 6、ZigBee 網路應用於智慧住宅中[33] ... 11

圖 2 - 7、澎湖水質感應浮標[4]... 12

圖 2 - 8、照度感測裝置[28]... 12

圖 2 - 9、以 LED 實做逃生導引指示[24] ... 17

圖 2 - 10、數位看板使用於訊息傳遞[7][8] ... 19

圖 3 - 1、路徑規劃概念 ... 21

圖 3 - 2、一般的平面切割方式(左)及本論文所使用的切割方式(右) ... 22

圖 3 - 3、一般切割方式(左)及本論文所使用切割方式(右)所造成的不同節點圖 22 圖 3 - 4、轉換前的環境平面圖(左)及轉換後的節點圖(右) ... 22

圖 3 - 5、各個區域與出口之距離(hop)... 23

圖 3 - 6、死巷情況 ... 24

圖 3 - 7、避難者分群方式流程圖 ... 28

圖 3 - 8、DBCS 演算法虛擬碼 ... 31

圖 3 - 9、可對應整體環境之區域節點圖 ... 32

圖 3 - 10、各區域與出口間的距離 ... 32

圖 3 - 11、各區域人群擁擠度(CR) ... 33

圖 3 - 12、各區域的 FE 數值... 34

圖 3 - 13、計算後各區域的基本 DV 數值 ... 34

(9)

ix

圖 3 - 14、檢查各區域照度並提升 DV 數值 ... 35

圖 3 - 15、發生死巷問題的區域(雙線條節點)... 35

圖 3 - 16、解決死巷問題後各區域 DV 數值 ... 36

圖 3 - 17、各區域可導引路線 ... 36

圖 3 - 18、避難者分群導引 ... 37

圖 3 - 19、發生滯留問題區域及對於周圍的影響 ... 38

圖 3 - 20、緊急避難人群導引系統架構圖 ... 39

圖 3 - 21、人員位置資訊傳遞流程 ... 40

圖 3 - 22、環境感知模組運作流程 ... 41

圖 3 - 23、中央監控模組運作流程 ... 42

圖 3 - 24、一般狀態流程圖 ... 43

圖 3 - 25、手持行動裝置導引流程圖 ... 46

圖 3 - 26、數位看板導引流程圖 ... 47

圖 4 - 1、管理者介面 ... 49

圖 4 - 2、管理者監控特定區域狀態 ... 49

圖 4 - 3、異常區域警示 ... 50

圖 4 - 4、人員定位環境部署方式 ... 51

圖 4 - 5、環境感測器部屬位置 ... 52

圖 4 - 6、數位看板導引畫面 ... 54

圖 4 - 7、正常狀態下不同位置所顯示的使用者周遭資訊 ... 55

圖 4 - 8、系統主動通知使用者進行避難 ... 55

圖 4 - 9、依照使用者距離火源及出口位置給予不同指示箭頭顏色 ... 55

圖 5 - 1、實驗環境節點圖 ... 57

圖 5 - 2、不同人數下所需的運行時間(毫秒/人) ... 58

圖 5 - 3、避難過程中所造成的最高區域密度 ... 59

(10)

x

圖 5 - 4、避難過程中所造成的平均最高密度 ... 60

圖 5 - 5、最後一人逃生成功時間 ... 61

圖 5 - 6、環境中 50%避難者逃生成功所需時間 ... 61

圖 5 - 7、環境中 80%避難者逃生成功所需時間 ... 62

圖 5 - 8、環境中 90%避難者逃生成功所需時間 ... 62

(11)

1

第一章 緒論

1.1 研究背景

近年來全球人口總數不斷上升,根據美國人口調查局(United States Census Bureau)估計,截至 2013 年 5 月為止全球人口總數已達 70.85 億人。全球人口不 斷上升及都市化的影響造成都市人口不斷增加,建築物也越趨向高層化及複雜化 發展。

有鑒於都市人口的數量不斷增加的情況,導致意外事故的發生率也隨著提 高,政府也不斷對於建築物防火防災安全意識進行宣導,並持續增修建築物消防 法規希望可以保障更多民眾安全。根據內政部消防署統計,民國 97 年發生了 2886 場火災及造成 405 人傷亡,在政府不斷宣導及法規的修訂下,國人防火防災意識 逐漸完備,民國 101 年火災發生場次已減少至 1574 場,但令人遺憾的是依舊造 成 428 人傷亡。當大型建築物、空間發生緊急危難事件時,內部人員通常不能在 第一時間即時反應,也有可能因為對於環境資訊掌握的不夠齊全而朝向錯誤的方 向進行逃生,因而延誤了黃金逃生時間,造成更多傷害。

民國 100 年台中市哈克飲料店(招牌名稱:ALA PUB,傑克丹尼 PUB)於表演 時發生意外不慎引燃舞台上方附近隔音泡棉,導致迅速起火燃燒且火勢猛烈、蔓 延迅速,導致 9 人死亡 12 人輕重傷。根據事後調查指出,火災發生初期許多人 並沒有意識到發生火災,且加上店內逃生指示不明確、逃生口阻塞等原因使民眾 無法即時往正確逃生路線移動,因而延誤了黃金的逃生時間造成嚴重死傷。民國 101 年雪山隧道內因車輛追撞導致火燒車,事件發生時隧道內濃煙密佈,導致數 百人一度受困,根據民眾回想當時情況表示火災發生當時許多人不了解實際狀 況,當徒步逃生時又因煙霧瀰漫一度導致寸步難行,無法掌握環境狀態導致緊張 惶恐造成極大心理壓力。

(12)

2

1.2 研究動機

目前建築物消防法雖然已明確規定建築物內部必須設置有明顯的逃生指示 牌,但固定式逃生指示牌僅能指出逃生門所在方向,真正發生火災時並無法依據 環境狀態提供避難者即時環境動態,且若起火點位於逃生門附近也無有效方式警 告避難者改往其他逃生出口進行避難,缺乏對於災難現場的即時反應能力。而人 群於避難時容易產生緊張情緒,若此時又缺乏明確的環境指引,容易產生不恰當 心理反應,如:向光性、歸巢性、從眾性、保護本能…等,並且因為情緒緊張而 失去對於複雜情況的正確判斷能力。

觀察近幾年來政府對於防災意識的強力宣導,以及消防法規越趨完備,火災 發生場次已逐年減少,但並非所有人都可以在緊急時刻保持理性、以平靜的心情 有效避難。如民國 100 年所發生的哈克飲料店大火及 101 年所發生的雪山隧道火 災,皆因環境中無有效裝置於第一時間提醒避難者進行避難並適時給予逃生方向 指引,避難者無法在第一時間快速逃生,致使災害現場多人不幸傷亡。表示雖建 築物內部消防設備已趨完善,但是當發生急難狀況時因民眾無法在第一時間反應 或是對於環境掌握程度不足,依舊可能造成許多傷亡。

1.3 研究目標

有鑒於近年來建築物火災逃生問題,我們希望提出一個應用於大型建築物之

個人化導引演算法,演算法目的在於當發生緊急危難事件時可以在第一時間有效 通知避難者進行避難逃生,把握黃金逃生時間,並且於逃生過程中給予避難者有 效、安全的避難路線指引,使避難者有實際、可靠的逃生依據,減少慌亂程度同 時提高避難效率。並且規畫一套可實際運作之建築物逃生指引系統,將本論文所 提出之逃生導引演算法實際於智慧型手機、電子數位看板上進行測試以及系統的 規劃,證實本文所提出之逃生演算法及系統架構可行性及測驗實際運作時的可靠 性。

(13)

3

1.4 論文架構

本論文總共分為六個章節。第一章為緒論;第二章介紹本論文所提出之緊急 避難人群導引系統於實際應用時所需搭配的室內人員定位、無線感測網路、

Android 應用程式、數位看板,以及本論文所提出之演算法於設計時所參考的人 群避難行為與避難導引演算法的相關技術與研究文獻;第三章則詳盡細說本論文 提出的「一個具人群分流能力之個人化逃生導引演算法」主要概念、演算法內容 及流程,並提出一套可與演算法實際搭配應用之避難人群導引系統;第四章則是 將本論文所提出之演算法及避難人群導引系統以實際建置方式於現實環境中測 試,以確保本論文內容之可行性與可靠性;第五章將本論文所提出之演算法與先 前學者所研究內容進行實驗比較,驗證本文所提出之演算法於避難導引時確實能 減緩疏散時間,並有效減少避難者擁擠發生的可能;最後,第六章為本論文的結 論與未來展望。

(14)

4

第二章 相關研究

現今許多學者開始重視並投入人群避難導引之研究,主要因為現有的避難引

導硬體設備不足以滿足避難者於避難過程中所有需求外,更因為避難過程中人群 恐慌而自然產生的下意識保護行為及錯誤的避難模式容易使避難者做出錯誤判 斷而降低了避難的成功率。有鑑於此,部分學者針對動態的避難路線演算方式做 了相當的研究,由一開始提出的最短路徑逃生方式,至後來的危險區域避走方 式,以及宏觀、微觀的不同演算方式,皆是為了提升避難成功率、保護人類生命 安全所共同努力的研究成果。

本論文除了提出一個具人群分流能力可使區域擁擠度平衡的個人化逃生指 引演算法外,也依據演算法及使用環境的需求提出了適用於多種不同環境的系統 架構。系統架構內包含偵測環境狀態以判斷是否需要進行疏散並給予演算法相關 疏散資訊的環境感知模組,以及判斷人員位置以進行個人化逃生方向判定的人員 定位模組,與一個用以控制整套系統的中央監控模組。而避難導引過程中除了必 須考慮到環境狀態對於逃生影響外,因為主要對象為使用逃生導引系統的避難人 群,所以人群於避難過程中所容易產生的特殊避難行為也是我們必須探討的問 題,導引系統必須避開避難者可能產生的錯誤避難行為並給予簡單、易了解的逃 生路線指示,才能達到迅速避難和增加逃生成功率的目的。

本章節將針對避難導引演算法、室內人員定位、用以進行環境感知的無線感 測網路、人群避難行為之研究、以及可用於提供避難者導引資訊的 Android 應用 程式分別進行介紹。

2.1 室內人員定位

定位技術對於大多數民眾而言已不再是陌生的名詞,談到定位技術多數人第 一時間想到的便是全球衛星定位系統(Global Positioning System,簡稱 GPS),GPS 定位技術可以有效的應用於多數室外環境且誤差值最小可到 5 公尺內,目前已有

(15)

5

相當多的應用包括軍事定位、行車導航系統、個人攜帶型定位裝置…等。

但是衛星訊號在受到牆壁、屋頂之類的遮蔽後訊號強度會受到大幅的影響,

使訊號強度衰弱甚至無可能法完成定位。有鑑於此,許多學者不斷嘗試使用多種 不同技術實現室內定位,目前已被提出的方法包括紅外線、超音波、RFID、藍 芽、Wi-Fi…等技術[10,12,16,22,29],每一種定位技術皆有其優點及缺點,目前並 沒有一種公認最佳的室內定位方式。大部分室內定位方式都需要使用者在身上配 戴額外的感應器並配合環境中所架設的定位系統才可正常運作,考慮到本論文所 提出的逃生指引系統必須與使用者的日常生活結合,要求使用者無時無刻都配戴 一個感應裝置於身邊或許不被大多數人所接受,所以我們針對幾目前廣為討論的 種室內定位技術比較(如表 2 - 1)後選用 RFID 室內定位方式進行人員位置的判 定。

表 2 - 1、幾種常見的室內定位技術比較 RFID

(主動式) ZigBee Wi-Fi 藍芽 距離 100m 以上 75m 100m 10m 精準度 1~2m 1~2m 2~7m 2~8m

頻率 2.45GHz

868MHz、

915MHz、

2.45GHz

2.4GHz 2.4GHz

RFID 的好處在於電子標籤體積較小,目前市面上可見的有手環式、卡片式 等(如圖 2 - 1),以卡片式的主動 RFID 標籤而言長與寬有如一張名片大小,唯獨 厚度因為必須容納電池所以大約在 6 毫米(millimeter)左右,於實務應用上相較於 其他方法所需攜帶的定位標籤較小,且可以結合目前辦公大樓內已廣泛使用的進 出管理門禁系統,以身分識別卡片型式實現。

(16)

6

圖 2 - 1、卡片式(左)與手環式(右)RFID 標籤[31]

無線射頻辨識系統(Radio Frequency Identification, RFID)是一種非接觸式的

無線通訊識別技術,透過無線電訊號識別特定目標並讀取與寫入資料數據,並 且識別系統與目標物之間不需進行機械或光學的直接接觸。RFID 技術最早可追 溯至二次大戰時英國軍方發展的非接觸技術(Contact less Technology)系統,以針 對返國之飛機身分進行識別;此敵我辨識系統(Identify Friend or Foe, IFF)是以飛 機上裝設的詢答機(Transponder)與英國本島所架設的辨識系統組合而成,利用詢 答機所發出的識別訊號判斷返國之飛機為敵機或友機,成為了首次使用的 RFID 系統。而近年來 RFID 技術已被廣泛應用於各種不同領域上,甚至被認為是影 響全球產業未來發展的重要技術之一,其操作原理是利用讀取器(RFID Reader) 所發出的無線電波訊號至物件所配戴的電子標籤(RFID Tag)中,標籤中擁有一個 微型的無線電波收發器,可用來接收與回應讀取器所發出之詢問訊息,並依據 詢問訊息的不同答覆相應的編號、日期、狀態等資訊。

無線射頻辨識系統應用上共分為三種不同型態的電子標籤,分別是被動 式、半被動式、與主動式(如表 2 - 2)。被動式標籤體積較小,其內部並無配備電 源裝置,而是利用取讀取器所發出無線電波訊號內所蘊含之能量轉換為電力,

推動自身對於讀取器所發出訊號做出回應。因此,被動式標籤必須與讀取器有 足夠接近的距離,才能得到足夠的無線電場強度以推動內部設備。主動式標籤 則是自身配備有一電源裝置,一般多是以電池做為電源的供應;主動式標籤因

(17)

7

有電池供給電源關係,可不需等待讀取器所發送無線電波訊號觸動反應,而可 以自身電源不斷發送訊號給周遭讀取器接收,而讀取器亦可利用所收到的訊號 強度、訊號品質等資訊判斷標籤所在位置。目前對於 RFID 定位相關研究大多 使用此種標籤進行位置的判斷。半被動式標籤則是不同於主動式與被動式標 籤,其內部裝備有一電池供應自身電源,但卻不同於主動式標籤會主動發出訊 號給周圍的讀取器,而是如同被動式標籤一樣等待讀取器喚醒後才回覆相對應 訊息。其優點在於可使用內部電源進行周圍環境狀態的監測,且傳輸距離較被 動式標籤更長、也有較佳的抗干擾能力。

表 2 - 2、不同種類 RFID 標籤的比較

主動式標籤 被動式標籤

電力來源 內部電源 電磁感應

通訊距離 100 公尺以上 約 0.3 至 5 公尺 平均重量 約 50 至 200 公克 約 0.5 至 5 公克

平均價格 高 低

平均壽命 短 長

若想要成功的運行一套 RFID 系統,架構上應包含三大部分:讀取器、感應 器(或稱電子標籤)、與中介軟體系統。讀取器與感應器分別用以傳遞通訊訊號、

交換資料等,而中介軟體則是一個介於使用者與 RFID 設備之間用以控制讀取器 的資訊收發、辨識、與管理的軟體系統,可在資料通訊過程中利用加密技術確保 資料的保密性,也可結合資料庫、網路通訊、自行開發的應用程式等,進行自動 化的資料整合應用,也可發展成用以監控環境狀態的即時監測系統。

在 2010 年 Ming-Gong Lee 等人[19]發表一篇以虛擬訊號源為基礎的 RFID 定 位 系 統 (Virtual Signal Location System, VSLS) , 該 研 究 修 改 了 著 名 的 LANDMARC[20]定位演算方式,將原本需要使用於環境中的大量定位標籤減少 並以虛擬標籤的形式取代,以自走車搭載移動式虛擬定位點方式,利用將虛擬定

(18)

8

位點與待定位目標之間訊號強度及位置資訊的關係,並運用訊號強度呈現常態分 佈的特性,以分析採樣數據與樣本均化的方式減少訊號強度波動所造成的誤差,

改善了 LANDMARC 方法容易因採樣訊號不穩定以及指引標籤之間擺設的距離 而影響精準度的問題,並且採用實體標籤與虛擬標籤平均分佈方式,將建置環境 內的指引標籤以一公尺內距離建置,不但提高了大區域的定位精準度,同時還降 低了環境佈署時所需花費的硬體成本。VSLS 的環境佈署方式如圖 2 - 2 所示。

圖 2 - 2、VSLS 環境佈署方式[19]

2.2 無線感測網路

無線感測網路(Wireless Sensor Network, WSN),是由許多散佈於空間中且自 主運作的節點所形成的一種無線計算機網路,可分為兩大核心:感測器、以及無 線通訊傳輸,依照感測節點所搭配不同功能之感測器可用來偵測環境中多種不同 的物理及環境狀況,如:溫度、濕度、照度、CO2、CO、震動…等。無線感測 網路最初起源於軍事方面的戰場監測等應用,但現今已被普遍使用於一般民生領 域,包括:環境及生態監測、居家照護、安全監控、智慧住宅…等。

目前所使用的無線感測網路通訊協定中,ZigBee 是常見且被廣泛應用的一

(19)

9

種。主要特色有低速率、低耗電、低成本、支援大量網路節點、支援多種網路拓 撲、低複雜度、快速、可靠、安全。ZigBee 底層是採用 IEEE 802.15.4 標準規 範的媒體存取層與實體層,從下到上分別為實體層(PHY Layer)、媒體存取層

(MAC Layer)、網路層(Network Layer)、與應用層(Application Layer),架構 如圖 2 - 3。網路設備的則可分為 Coordinator、Router、 End Device 三種。

圖 2 - 3、ZigBee 通訊架構圖

ZigBee 的命名源自於蜜蜂在發現花粉時,展現如同 ZigZag 飛舞形狀用 以傳達訊息之舞蹈。源於 1998 年因對於自動化、低功耗、低成本、及支援多個 網路節點的無線技術需求促成 ZigBee 因應而生。於 2001 年國際電機電子工程師 學會(IEEE)提案納入 IEEE 802.15.4 標準規範之中。並在 2002 年成立了 ZigBee 聯盟(ZigBee Alliance),聯盟自成立以來就將無線感測與無線控制做為應用發展 之方向,定義出簡單、低成本、實做門檻低、支援多種網路架構的無線通訊標準。

而在 2004 年 ZigBee Alliance 推出以低速率之無線個人區域網路(Low-Rate WPAN)IEEE 802.15.4 為基礎之第一個 ZigBee 版本 ZigBee1.0 後,被許多廠商支 持並遵循此一標準研發,視為適用於無線感測網路的標準之一。

ZigBee 為一種低速率(250Kbps)、短距離(約 50 至 100 公尺,依功率的不同 最高可提升至 300 公尺)、低功耗、並且架構簡單的傳輸技術。目前制訂的頻段 為全球的 2.4GHz ISM 頻率段,擁有 16 個可用的頻道、歐洲的 868MHz 頻率段,

擁有一個可用頻道、以及美國的 915MHz 頻率段,擁有 10 個可用的頻道數量。

(20)

10

網路支援主從式以及點對點方式運作,具有高擴充性及靈活的網路架構。主要應 用的方向在於家庭裝置自動化、環境安全與控制、以及個人醫療照護等功能,目 前已逐漸成為產業共通的短距離無線通訊技術之一。

一般而言常見的感測器網路結構是由分散式感測器節點、路由器節點、網際 網路(Internet)和用戶介面等組成。在網路中,感測器節點以多跳中繼的方式將數 據傳到路由器上,最後由路由器將整個網路所蒐集到的資料透過網際網路或其他 傳輸方式傳送至控制中心進行集中處理。以下介紹幾個常見的 ZigBee 拓樸架構 (如圖 2 - 4):

A. 星 狀 (Star) : 由 一 個 網 路 中 心 協 調 器 (Coordinator) 連 接 多 個 終 端 裝 置 (End Device)所組成,其優點為結構簡單、維護容易、低延遲;但是由於單一網 路中心協調器所能服務的終端裝置數量有限,所以不易進行網路的擴充。

B. 樹狀(Tree):樹狀結構由多個路由器(Router)以及多個終端裝置(End Device)所 組成,從結構的本質看來可說是網狀結構與星狀結構的綜合體,但與網狀結 構不同的地方在於樹狀結構的網路型態有如樹木一樣以網路中心協調器 (Coordinator)為中心延伸出許多不同組的枝葉,而且每一枝葉之間並不互相 溝通,樹狀結構的路由成本較低、在資料傳輸上允許多點跳躍;但其延遲時 間較長,且路由重建成本較大。

C. 網狀(Mesh):網狀結構是由一個網路中心協調器(Coordinator)、多個路由器 (Router)以及多個終端裝置(End Device)所組成,路由器之間可彼此互相溝通 與傳遞資訊。網狀結構可提供較高程度的可靠性,資訊也可通過不同的傳輸 路徑進行傳遞,擁有多點跳躍、網路形成彈性、低延遲等優點,但是路由成 本較高且必需搭配節點中路由表的儲存。

圖 2 - 4、星狀(左)、網狀(中)、及樹狀(右)拓樸結構

( :網路中心協調器(Coordinator) :路由器(Router)

:終端裝置(End device))

(21)

11

ZigBee 網路可以輕鬆擴充,進而使單一網路可容納多達六萬五千個裝置。

目前已有許多學者針對無線感測網路特性以及實務上的應用做了相當的研究 [15,17,25],並且產業界也應用於多種不同領域(如圖 2 - 5),如工業監控、室內、

外環境偵測、智慧住宅控制(如圖 2 - 6)等。

圖 2 - 5、ZigBee 應用範圍[6]

圖 2 - 6、ZigBee 網路應用於智慧住宅中[33]

(22)

12

目前國內外皆有許多應用 ZigBee 無線感測網路於室內、外不同環境進行偵

測及控制的案例,不論是用於戶外的環境、生態、水質偵測(如圖 2 - 7),或是室 內的環境感知,如照度、溫度、濕度、二氧化碳、一氧化碳等有毒氣體,皆可使 用 ZigBee 為傳輸方式搭載不同功能之感測器達到目的。如 Kun-Ming Yu 等學者 [28]便利用搭載不同感測器之 ZigBee 無線感測網路進行辦公大樓內環境的偵 測,並可利用所得之資訊對相應的電器設備進行控制,形成一套完整的環境感知 系統,圖 2 - 8 為 ZigBee 照度感測節點。

圖 2 - 7、澎湖水質感應浮標[4]

圖 2 - 8、照度感測裝置[28]

2.3 Android 應用程式

科技日新月異,手機已是一般民眾日常生活中不可或缺的必需品,台灣平均

2270 萬人中將近 1870 萬擁有手機,幾乎是人手壹機,而且目前所使用的門號總 數還超越台灣總人口,手機已然成為人們生活必需品。而智慧型手機的崛起也造 成了手機業界的革命,使用者不再以單純的通話功能為滿足,手機同時還要帶來

(23)

13

娛樂性、方便性和實用性,能夠含括生活中的食、衣、住、行、育樂等各個面向。

目前市面上有非常多種不同公司所各別推出的智慧型手機、平板電腦與非常多種 的作業系統,除了硬體設備上不斷精進且各有其獨特設計外,行動作業系統大致 上可分為 Android、iOS、Black OS、Windows Phone、Symbian OS、以及最近所 推出的 Firefox OS 及 Tizen 等多種各有特色的行動作業系統,其中目前市佔率最 高為 2003 年所成立的 Andriod 科技公司(Android Inc.)所研發的 Andriod 作業系 統。然而 Andriod 科技公司在 2005 年被 Google 所收購成為旗下一部份,並持續 在 Google 旗下進行移動設備作業系統的開發,Google 也藉此機會進行著移動設 備領域的發展,直到 2007 年 Google 領軍成立了開放手持設備聯盟(Open Handset Alliance)並同時推出一部搭載 Android 2.6 作業系統的智慧型手機。Android 作業 系統是一種以 Linux 為基礎所開發之半開放源碼的作業系統,而 Google 為了使 其可以於行動裝置上擁有更好的效能及更順暢的使用,對其作業系統內容進行了 修改及擴充,使其更符合行動裝置上使用的需求。Google 所推出的 Android 作 業系統手機以多樣化的功能及造型多變的外觀吸引了不少消費者購買,並且擁有 越來越多的使用者,軟體數量也在短時間內迅速的增加,根據國際數據資訊公司 (International Data Corporation, IDC)研究指出,2012 年使用 Android 作業系統手 機已佔智慧型手機總市場的 68.3%。

在 Google 推出的 Google Play(前身為 Android Market) 中,擁有相當多的應 用程式軟體可供使用者付費或免費下載使用,也造就了 Android 現今不可動搖 的地位,其豐富的多樣性以及便利性也讓 Android 手機擁有相當多的使用者;不 只於此,相對於其他作業系統的應用程式開發,Android 系統是以半開放原始碼 方式存在,且應用程式開發者只需向 Google 進行一些簡單的申請步驟後便可進 行應用程式的開發,相對於其他需要繁複手續甚至付費購買開發環境的作業系 統,Android 系統顯得平易近人且門檻較低,也是造就了廣大使用者以及眾多應 用程式不斷被開發的原因。

2.4 人群避難行為探討

人群避難行為是指當一般人忽然遭遇緊急危難狀況需要憑藉自身能力以求 自身安全時所表現的行為反應,其中包括對於災害點的自然反應以及進行避難時

(24)

14

的本能行為,本節將對於災害反應行為、避難行為、以及避難路徑規劃重點進行 分別討論。

2.4.1 災害反應行為

人類在緊急時常因情緒緊張、心理狀態不穩定而造成資訊處理能力下降,進 而影響生理做出異於平常的行動。根據日本學者室崎益輝[5]所提出的災害反應 行為中較常見的有下列幾項:

1. 迴避性:人類天生具有迴避危險的本能。例如躲避墜落物品、逃避煙霧、

遠離災害發生地等特性。

2. 習慣性:於日常生活中所養成之習慣。以強記或藉由短期訓練所學習之動 作在心理恐慌的狀態下,皆不如經年累月所養成的習慣動作會於下意識展 現。

3. 追隨性:遵從周圍避難者行動的依附性。如附和順從、附和群眾行動等行 為,因此避難現場避難者多以團體行動為主,較少有個別逃生者。

4. 激動性:當避難者心理充滿恐懼的情況下,所採取之行動往往欠缺審慎、

理性的判斷。如逃生時暴躁、衝動或短視行動等行為皆屬於激動性之影響。

5. 僵直性:因心情激動無法依大腦指示正常施力。一般容易出現用力過猛、

操作使力過重或身體因緊張而僵直、不受控制等現象。

2.4.2 避難行為

避難行為旨在保障自身生命安全,為一種尋求安全場所的移動行為,為避難 者在心理與生理雙重壓力下,以有限時間與資訊受限的情況下移動的行為。避難 時,常因個人特性、對災害的預知能力或可視性等狀態特性、場所環境特性、避 難指示導引之資訊特性、以及引導之群體特性等,成為影響避難之要素。

火災時人類避難行為的本能,國內學者丁育群[1]也提出以人類動向的本能 行為,歸納出五項類型:

1. 回巢本能:當人們遇到意外災害時,為求保護身體,會本能地以原途徑折 返,或依日常慣用之途徑以求逃脫。因常用的走廊、樓梯或電梯附近大多 靠近避難逃生途徑,為求安全避難者會經由熟悉且確定的路徑以逃到安全 梯或出口。

(25)

15

2. 躲避本能:當人們察覺到環境中發生異常狀況時會直覺地進行閃避動作。

例如建築物發生火災時,若煙霧及火焰於建築物的中心部位上昇,避難者 會傾向往外圍方向疏散;反之若煙霧與火焰於建築物之外圍部位上昇,避 難者則會退避到中央地區。

3. 向光本能:火災發生後濃煙四處流竄,且多半會影響電力系統導致停電。

此時避難者為求逃生時有較良好視線,會趨向四周有光線之地區逃生。因 此依規定及實際需要設置避難方向指示燈及出口標示燈,可確保避難過程 中視線,並可以正確引導避難方向。

4. 左轉本能:大多數人較於慣用右手、右腳,所以右手、右腳較為發達。而 在黑暗中步行時會本能保護自身身體,所以會採取較能保護身體的左旋方 式。避難者若能於行動前預先想好路徑,並以左轉型態往下的方法避難逃 生,將會減少混亂機會而有更高的存活希望。

5. 追隨本能:當建築物發生緊急狀況時,群眾會追隨一位領導人以求生存,

而這位領導人之避難行動是否正確,充份影響眾人性命之安危。因此,對 於不特定對象多數人使用之旅館、百貨公司、商業大樓、超級市場、醫院 等建築物,適當的引導是很必要的。所以,引導者平時就應該有一定時間 的養成確實做好訓練的工作。

2.4.3 避難路徑規劃

綜合以上特性及行為,於建築物避難路徑規劃時必須考慮如何避免造成人群 恐慌以及混亂,並使環境中所有人員可以有秩序且平均的分散於各條逃生路徑上 而不造成擁擠的情況。以百貨公司為例,當顧客處於不熟悉之環境,容易以回巢 本能進行避難,而工作人員較容易以日常習慣之動線進行避難。

為避免避難逃生時因混亂而延誤避難時間,甚至造成傷亡,若能在火災發生 初期儘早探知且及時導引人員進行避難逃生,可有效增加逃生時間且減少可能造 成的災害;若能再加上初期滅火及良好區劃防阻延燒,並有良好的避難路徑及適 時的避難誘導,則可縮短人員避難行動所需時間,儘早到達安全地點[2]。

我們希望藉由本論文所提出的緊急避難逃生導引演算法及人群導引系統,提 供最即時的火災警報資訊與正確的導引方向,借助行動裝置與數位看板的應用,

由系統提供避難需求者即時且正確的避難方向等資訊,改善前述的避難行為及特

(26)

16

性,提升避難者之安全。

2.5 人群避難導引演算法

當環境中發生緊急危難情況(如火災)需要進行人群疏散時,大多是仰賴建築 物內部的固定式逃生指示看板或是以廣播方式告知進行避難行為,此方式雖可以 確實通知進行避難行為,但固定式的逃生指示看板僅能固定的指出逃生出口所在 方向,即使使用廣播方式也只能告知進行避難的大方向,無法明確指出確切行進 方位也無法依照環境狀態做出即時的路線修改。容易造成民眾對於環境資訊掌握 不夠充足而做出錯誤的逃生判斷,延誤逃生時機甚至釀成不幸。

有鑑於此,如何在人員疏散時規劃出適當的逃生路徑並即時通知避難者便成 為很重要的研究項目。許多學者也針對如何以適當路徑規劃出因應環境狀態的逃 生方向予避難者做了相當的研究。

逃生導引演算法[9,11,18,21,23,26,27]的設計可分為兩大類別,分別是宏觀 (Macro-phase)逃生演算法以及微觀(Micro-phase)逃生演算法。宏觀的演算法設計 並不會考慮人群的心理因素以及人與人之間於逃生時可能衍生出的任何狀態,包 括可能因環境擁擠造成的推擠、甚至是相互踩踏等可能,宏觀的演算法設計將人 群看做是水流一般的流動,忽略人群在逃生時可能因為心情的緊繃,或是朋友、

親戚之間的關聯性而在逃生時產生不可預期的行為,並且假定人群會完美的依循 給予的逃生路徑指示經由安排好的路徑往規定的出口移動;微觀演算法則是從人 群的角度出發做逃生路線的安排,先考慮人群的心理狀態、人與人之間的相互關 係,以及人群與路徑的負荷能力等,例如:距離火源的遠近所造成心理的慌亂、

路徑上光源是否充足對人員心裡的影響、相同的一群朋友或是親戚會想要一同逃 生導致路徑的擁擠、以及路徑是否有足夠的負荷能力容納人群的通過等。從這些 避難者的角度出發判斷路徑是否適合人群逃生,再推算到整個平面路徑上分配出 適合所有人的逃生路線。

在 2003 年 Qun Li 等學者[18]以吸引力及排斥力概念提出了一套逃生導引演 算法。該演算法設置起火點周圍擁有一排斥力將避難者往外推擠以遠離火源,而 逃生出口則有一吸引力將避難者往該處吸引,前往逃生出口。但該演算法缺點在

(27)

17

於以最短路徑方式進行避難者的導引,若是逃生出口正好位於起火點周圍,演算 法並不會判斷該出口有極高可能危害避難者生命安全而改以其他出口導引,易造 成避難者於逃生時的二次傷害。有鑑於此,Yu-Chee Tseng 等學者[24]於 2006 年 針對該方法進行了相當的改良,於演算法中加入了「危險區域」的概念。該危險 區域概念將環境劃分為起火點與其周邊有延燒可能的危險區域,以及其它遠離火 源地區的相對較安全區域。將 2 種區域分開演算,於導引過程中會分成危險區域 內及危險區域外 2 種不同逃生引導路線,於危險區域內人群以最短路徑導引往出 口並盡可能遠離火源;而危險區域外人群則以不進入危險區域為優先考量,非不 得已不穿越危險區域進行逃生,以確保避難者的安全,避免於逃生過程中產生更 多傷害。且 Yu-Chee Tseng 等學者將該方法最後成果實做於模擬的無線感測網路 (Wireless Sensor Networks)硬體上,並以不同顏色 LED 燈號做為方向指引代表,

指出避難者應遵循的逃生路徑方向,如圖 2 - 9 所示。

圖 2 - 9、以 LED 實做逃生導引指示[24]

而在 2011 年 Po-Yu Chen 等學者[13]提出了一個應用逃生走廊及出口附載流 量平衡的逃生導引演算法。該篇論文中提到舊有避難導引演算法進行負載平衡運 算時大多只針對區域中避難者的人數是否平衡進行處理,這樣雖然可以將避難者 人數平均分散於區域中,但若是各個區域大小、人群容納能力不一時,容易造成 各個區域人數飽和程度不一,進而影響整體逃生速率。該方法針對此點改進,於 演算時考慮環境中不同人群密度對於整體移動速率的影響,以環境中各個區域內 的避難者可在平衡的時間下完成逃生疏散為主要目標。該避難導引演算法於路徑 演算過程中針對各區域人群密度及逃生所需時間進行評估,將整體逃生時間盡可

(28)

18

能縮短,並避免於逃生過程中造成區域的擁擠情況,以免使人群移動速度下降並 造成回堵現象。

以上逃生指引方法皆以區域中的人群做為同一群體進行導引,但實際環境中 為了要達到確切的平衡及確實的指引效果,某些時候以群體為單位還是會造成不 可避免的擁擠、附載過量等問題。意識到此方面的問題,Jiayi Zhou 等學者[30]

於 2012 年提出了一個包含人員分群導引概念的逃生導引方法。該方法中除了依 據環境、人員分佈情形、環境容納程度等進行逃生路徑演算外,更將各區域內的 避難者以分群的方式往不同逃生方向進行引導,以使避難者能更均勻的分佈於整 體環境中,以更全面的方式避免壅塞情況的發生。

2.6 數位看板

數位看板(Digital Signage,又名:數位電子看板、多媒體電子看板、電子佈 告欄、液晶電子看板等),為目前一種新興的媒體傳播方式。是利用 LED、LCD 等數位顯示器做為媒介,藉由圖像、動畫、文字等做為與觀看者之間的互動,有 些數位看板甚至能附加聲音播放,傳遞多元化訊息。因為受到架設位置與螢幕播 放的限制,無法如電視廣告一般廣泛的將訊息傳遞給大眾,目前主要應用於特定 區域族群的小眾傳播,如:特定公共場合的廣告、宣導、訊息通知等,如圖 2 - 10。

有別於一般的傳統媒體傳播方式,數位看板結合了文字、影像、聲音、並且 以即時的傳播方式快速將欲傳達之資訊給予看板附近之民眾,且因為數位看板結 合了影像以及聲音,較能吸引民眾之目光,於五大媒體之中屬於較能強制民眾接 收資訊之媒體(如表 2 - 3);但由於數位看板並非大範圍的傳播方式,且一旦建置 之後無法隨時移動,所以資訊所能傳達範圍侷限於數位看板周邊區域,不如其他 類別媒體擁有較廣闊的傳播範圍。但此一範圍限制正好符合本論文所提出之應用 需求,因本論文是以即時避難路徑規劃並導引逃生為主要目的,且由於逃生導引 時只需給予避難者所需要資訊,過多的資訊反而會造成避難者困擾,我們利用數 位看板傳播範圍侷限此一特點,有效的將避難資訊以電子看板傳達至看板周遭避

(29)

19

難者,達到即時避難路線指引之目的。

圖 2 - 10、數位看板使用於訊息傳遞[7][8]

表 2 - 3、五大媒體比較[3]

第一類 第二類 第三類 第四類 第五類

型式 平面刊物 電視 廣播 網際網路 電子看板

傳播方式 報章雜誌

無線、有線 衛星

收音機

入口網站 電子郵件

LED、LCD

、電視牆

傳播內容 圖片/文字 影片 聲音

圖片/文字/

多媒體

圖片/文字/

影片/多媒體

強制性 低 低 低 中 高

適用特性

形象廣告 產品資訊

形象廣告 產品資訊

形象廣告 產品資訊

產品資訊 即時促銷

(30)

20

第三章 研究方法

本論文主要以多人、大型環境中發生急難狀況時的避難者導引演算為主軸,

提出一個有別於一般導引演算方式之緊急避難逃生導引演算法。有鑑於一般以區 域為單位進行疏散引導之方式於避難時可能發生不可避免的擁擠、附載過量等問 題;本論文以個人化導引為目標,提出一個具人群分流能力之個人化逃生導引演 算 法 (Density Balance Evacuation Guidance base on Crowd Scatter Guidance Algorithm,DBCS),將區域中人群以適當方式分割並給予不同逃生方向指引,

以每位避難者為一單位進行統整及指引,達到減輕逃生時路徑、出口負擔,並且 確保逃生路徑通暢,不因區域中同時湧入過多避難者而使區域壅塞,造成逃生困 難。

本論文所提出的 DBCS 逃生路徑演算法分為兩大階段:初始化階段及導引 階段,在初始化階段為了使計算機能夠以簡單的方式處理複雜且廣闊的建築物內 部環境,我們先將環境平面圖以適當的方式切割成多個不同的區域以進行逃生路 線的演算,並且依據切割後的結果計算各個區域與出口之間的距離(hop)得出基 本的區域逃生方向,並以此做為逃生路徑演算的基礎;一旦環境中偵測到危險事 件需要進行疏散,此時演算法會進入導引階段進行疏散路線的演算,此階段會依 據各區域中不同的人群密度、火源位置、與出口距離、環境照度等計算並給予各 區域不同高度,接著統整各區域的高度狀態由距離火源遠近及出口、環境狀態的 不同將整體環境設置為高低不同起伏之坡型,以水流由高處往低處流之概念往出 口進行導引(如圖 3 - 1),且於在疏散的過程中將人群以不同的疏散路線分群進行 引導以減少逃生時路徑及出口負擔。並且在 DBCS 演算法的設計中,為避免使 用者於逃生時穿越起火點周圍區域,我們利用 2006 年 Yu-Chee Teseng 等學者所 提出之危險區域概念[24],將起火點及其周遭設置為「危險區域」,以提升該區 域高度的方式避免將人群往該處引導;另外,在路徑規劃過程中有可能造成某些

(31)

21

區域會被包圍成為區域最低者,此時我們以提升區域高度方法來處理區域最低問 題。最後當逃生路徑演算完成並進行逃生引導時,系統會持續針對環境進行監 視,檢查是否有不正常的人群滯留事件,以應映環境中可能發生的意外狀況,並 做出相對應處理以避免影響擴大。以下將介紹本論文所提出之 DBCS 演算法及 整體運算流程。

圖 3 - 1、路徑規劃概念

3.1 初始化階段

初始化階段目的在於將整體環境切割為利於演算法運算之小區域,並計算各 區域與出口之間的最短距離(hop),設置一個基礎的逃生路徑。

在區域切割方面必須考慮區域出口、房間出口因不同切割方式對整體環境所 造成的影響。因不同切割方式對於演算法運算時會造成不同的影響,其中最關鍵 的便是會對室內人員定位的結果造成影響,因 DBCS 演算法運算時必須依據環 境中人數的多寡進而得到區域中人群擁擠程度做為環境考量之一,若是定位結果 出現誤差便會影響整體導引路線的演算結果。為了減少定位上的誤差,我們將區 域切割方式由一般直覺的門與門之間為一單位的劃分方式改為以門口遠離區域 邊界做為環境切割的依據,如圖 3 - 2,此方式雖然會造成大小不一的區塊切割,

但是在於人群定位上卻可避免避難者離開房門口後游移不定造成定位誤判的問 題進而影響逃生路徑演算的結果。在區域切割之後,我們將各個區域、走廊、出 口由平面圖改以方便運算之互相連通之節點圖代替,如圖 3 - 3。以圖 3 - 4 為例,

其中結點代表各個區域、不同節點之間相互連接之線條則代表避難者可於區域間 互相移動之出入口。

在切割完區域並形成節點圖後,依據各個區域與出口之間的距離設置不同的 距離數值(hop),以出口為 0 依序每經過一個區域數值加 1 往內增加;但若是位

(32)

22

於多出口環境中,可能同一區域會因不同出口皆往內計算而有多個不同的距離數 值,此情況下以數值較低者為優先選擇做為該區域與出口之距離數值,完成此步 驟後便可依據數值由高往低得出整體環境之基本逃生路線(如圖 3 - 5),後續導引 階段中之演算也會依據此距離進行區域數值高低的運算。

圖 3 - 2、一般的平面切割方式(左)及本論文所使用的切割方式(右)

圖 3 - 3、一般切割方式(左)及本論文所使用切割方式(右)所造成的不同節點圖

圖 3 - 4、轉換前的環境平面圖(左)及轉換後的節點圖(右)

(33)

23

圖 3 - 5、各個區域與出口之距離(hop)

3.2 導引階段

當環境中發生火災等急難事件時,演算法便會進入導引階段。此階段演算法 會依據環境中火源位置、人群位置、區域密度、環境照度、與出口距離等進行各 個區域數值高低之演算,並將演算結果依據高往低之方式導引人群從各個區域以 不同路徑之方式進行避難。於導引時共分為 4 個不同的運算階段,首先針對環境 中各個區域的人群密度做計算並給予火源發生區域及周邊給予一個較高的數值 以劃分出危險區域,再依據人群擁擠度以及危險區域計算出環境中各個區域的基 本逃生方向,然後以即時感知的環境狀態進行各個區域高度數值的調整,並進行 死巷情況的排除,最後依照各個區域可行進方向以及行進方向擁擠度的判斷進行 避難者分群,給予不同方向導引以減輕避難時逃生路徑所需承受的負擔,並且持 續運行檢查是否發生意外狀況,直到所有避難者皆成功逃離建築物為止。於導引 階段開始前我們先介紹幾個演算參數的基本定義:

HCi,j:區域 i 至區域 j 之間的距離(hop)。

CRi:區域 i 人群擁擠度,以百分比表示。若該區域可容納人數為 10 人,且區域 中已有 7 位民眾,則 CRi數值為 70。

FEi:代表區域 i 的危急事件指數,共有 5 種不同數值。我們將發生火災的區域

(34)

24

設置為 110,鄰近火災區域為 95,再者為 85、75、以及 0。

DVi:區域 i 的高度值,由起火點至出口呈現由高至低的數值曲線,路徑導引時 依據此數值進行引導。

Li:區域 i 的照度數值。於系統中設置人群逃生時所需要的基本照度,並依據此 照度檢查各個區域是否符合標準。

DL(Dead Lock):死巷情況。代表某一區域並非出口,且鄰近區域 DV 數值皆不 比該區域低,造成區域人群逃生困難。如圖 3 - 6 橘色區域人群無法順利往外引 導造成逃生困難。

STi:區域 i 人群停留時間。系統於逃生避難過程中持續進行環境監控,若某一 區域同一人群於中停留超過一定時間,系統判定為該區域發生不可預期之意外狀 況。

Luxmin:演算法內所設置可依環境需求更改之避難所需最低環境照度,以勒克斯 (lx)為單位。

STmin:演算法所設置之可依環境需求更改的最長可停留時間,以秒為單位。

α:大於 0 且小於 1 之實數。

β:大於 0 之常數。

γ:介於 0 至 105 之間用來進行滯留區域數值提升之正整數。

:大於 0 之正整數。

圖 3 - 6、死巷情況

當感測到環境發生危急事件時,演算法會依照當下所感測到的環境狀態進行 各個區域及人群逃生路線的運算,以下將介紹逃生路線運算方式。

1. 計算各區域危險指數(DV)

演算法中依據區域的危險指數區分出各個區域不同高低狀態並且做為逃生

(35)

25

路線計算依據,危險指數計算方式共分為 4 個步驟,分別是區域擁擠度計算、事 件數值計算、危險指數整合、以及照度檢查。以下將針對 4 個步驟分別進行介紹。

(1)將各區域中人群數量與該區域容納能力進行運算,求出各個區域之人群負載 程度百分比,如方程式 3.1 所示。

區域人群數量

區域可容納最多人數 (3.1) (2)以發生火災之區域為中心,將其周圍 HC 數值 3 以內之節點由近至遠分別給予

95、85、75 之 FE 數值,而發生火災的節點則給予 110 的數值,其他節點則給 派 0 做為 FE 值。數值給派方式如方程式 3.2 所示,其中 j 為起火區域。

(3.2)

(3)將上述所得之兩種數值以相對應的比重相互結合便可得到各個區域的基本高 度值 DV。此處 DV 是由人群密度以及火源周圍的數值所組合而成,代表了各 個區域對於避難者要逃生的困難程度,數值越高代表區域的人群密度越高並 且離起火點較近,容易造成逃生困難。此處我們設置出口恆定為最低值-5,而 起火區域恆定為最高值 110,其餘區域數值皆浮動於 0 至 105 之間。計算方式 如方程式 3.3 所示。

區域 為出口且非起火區域

(3.3)

(4)因為人類天生有趨向光亮而恐懼黑暗的天性,對於黑暗環境容易加重心理的 惶恐程度因而不自覺加快逃生速度、易怒、缺乏耐心等,甚至有可能衍生出 不理智行為而影響自己或他人,造成整體逃生效率減緩甚至發生意外。為了 避免避難者在逃生過程中誤入失去照明區域而衍生出不必要的意外,演算法 之中設置了人群逃生時所需要的最低基礎照度 Luxmin,若是區域照度低於

(36)

26

Luxmin 表示該區域亮度過低容易引發避難者心理的恐慌甚至衍生出更多意外 事件;為避免將避難者往照度不足區域做引導,我們使用方程式 3.4 進行各區 域照度檢查及高度值的提升。

(3.4) 2. 死巷狀況排除

完成各區域基本 DV 值及照度計算後,此時環境中各區域數值呈現一種高低 不一情況,有可能出現如圖 3 - 6 所描述的死巷情況,此情況會造成區域內人群 無法順利往出口進行避難導引。為了解決此問題我們利用初始化階段所計算出各 個區域與出口之 hop 數,由 hop 數值高至低依序進行死巷情況的檢查及區域高度 的提升,提升方式如方程式 3.5 所示。

(3.5) 其中 為發生死巷情況的區域 i 周圍 HCi,j = 1 區域之標準差,計算方式如方 程式 3.6。

(3.6) 此時各區域皆擁有一代表自身高度之 DVi數值,演算法可利用此數值計算出 由各個區域通往出口之避難路徑,若是遇到一區域擁有多條逃生路徑必須擇一進 行優先導引時,依據 DV 數值高低以及 HCi,exit之數值大小優先選擇 DV 較低及

HCi,exit較小者為下一移動區域。如此便可得出各個區域的逃生路線。

3. 避難者分群導引

在指派逃生路線給避難者之前,為了減輕逃生路徑及出口於同一時間所承受 的人群數量,若區域擁有一個以上的可行進逃生方向且區域中人數超過 1 人時便 啟動演算法中的人員分群處理機制,將原本同一逃生路徑上的人群平均分配給周 遭鄰居,減輕可能造成的擁擠問題。

人員分群機制主要是用來解決當區域中人群數量過多時可能發生的擁擠問

(37)

27

題,根據 2008 年 Z. Fang 等學者[14]所做關於人群移動速率的研究,當每平方公 尺人數到達 2.75 人時,人群移動速度便會下降到近乎靜止的 0.1m/s 左右。區域 人群到達飽和並進入擁擠狀態時不只會使區域中人群移動速度大幅下降,並且可 能發生推擠、踩踏等意外。為減少意外發生可能,DBCS 演算法之人員分群步驟 如下 a 至 i 步驟,流程如圖 3 - 7:

a. 計算人群不分群直接往下一區域移動可能產生的下一階人群擁擠度 CRnext

b. 若區域 i+1CRnext有可能造成避難者的擁擠,則區域 i 必須進行人員分群 以減輕下一階段 i+1 區域擁擠度。

c. 比較區域 i 各個可移動鄰居(HCi,j=1)的人群擁擠度( 。 d. 尋找鄰居中數值最低者。

e. 將人群由最低的鄰居開始引導,直至該區域人群擁擠度上升為次低區域。

f. 計算空間中所有人與欲導引前往區域的距離,以最接近的避難者開始進 行分配。

g. 重新進行鄰居區域的人群擁擠度計算,並重複 c 至 f 步驟。

h. 將人員分群後所改變的區域人數擁擠度更新。

i. 依照新的 CR 數值判斷下個區域是否需要分群。

(38)

28

圖 3 - 7、避難者分群方式流程圖 4. 環境持續監控

當逃生指引路線指派給各個避難者後,演算法會持續不斷的進行環境監控直 至所有避難者皆成功逃生為止。若是於過程中發生某區域同一人群逗留超過 STmin 則判斷該區域發生了演算法預期外的意外狀況,可能逃生路徑發生坍塌、

或是出口阻塞使人無法順利逃生等,此時為了避免避難者再往該處避難導致更多 人受困於該處,我們設計演算法自動將該區域高度值提升成為環境中較高區域,

以避免更多人群往該區域移動。判斷及數值提升方式如方程式 3.7 所示。

(3.7) 以上本論文所提出之具人群分流能力之個人化逃生導引演算法,擁有閃避危 險區域、避難者分群導引、減緩擁擠發生等特性,並且以個人化導引為目標,確 實將分群資訊傳達至避難者,落實分群之目的。圖 3 - 8 為 DBCS 演算法之虛擬 碼。

(39)

29

If temperature ≧50°C over 5 seconds, then start the algorithm Do

Get number of people in every areas For (all areas)

Calculate CR value of all areas If (area = on fire)

FE value = 110 Else if (next at 110) FE value = 95 Else if (next at 95) FE value = 85 Else if (next at 85) FE value = 75 Else

FE value = 0

End if

If (FE value ≧ 90 || CR value ≧ 90) If (FE value > CR value)

DV value = FE value Else

DV value = CR value Else if (FE value > CR value)

DV value = FE value * + CR value * Else

DV value = CR value * + FE value *

(40)

30

End if End for

Get L in every areas For (all areas)

If (L < Luxmin)

DV value = DV value +

End if

End for

If (area = exit)

DV value = -5 End if

For (all areas)

while (area is not a exit & ( all of neighbor’s DV value > that area )) DV value of the area = DV value + +

End while End for

For ( all areas)

use shortest path to export the path from area to exit If (DV value < neighbor)

Do not guide to the neighbor

End if

End for

For (all areas)

cluster people and guidance to different path

End for

(41)

31

For (all person)

Depending on the results of clustering to assigned the escape path of area

End for

While (people remain in the room without exiting < STmin) If (all of the people out of building)

Break

End if End while

If(people remain in the room without exiting ≧ STmin) Let DV value of the area improve to

End if

圖 3 - 8、DBCS 演算法虛擬碼

3.3 DBCS 演算法演示

本節將以 7 7 區域大小並帶有 3 個不同位置逃生出口之環境,展示前兩節 所提之演算方式及各區域高度值變化過程,依據前兩節所提之內容將演示內容分 為初始化階段以及導引階段,並將各階段之演算流程以節點圖方式呈現,以下首 先演示初始化階段部分。

(42)

32

3.3.1 初始化階段

1. 繪製代表整體環境之節點圖(實線節點為區域、虛線節點為出口)

圖 3 - 9、可對應整體環境之區域節點圖 2. 計算各區域與出口之間的距離(hop)

圖 3 - 10、各區域與出口間的距離

(43)

33

3.3.2 導引階段

在導引階段部分,依據 3.2 節所提的各種參數運算方式進行展示,總共分為 9 個步驟,以下將從各區域人群擁擠度為第一步驟開始進行演示。

1. 計算各區域人群擁擠度(CR)。本模擬採用亂數擺放方式於環境中隨機放置 100 人。

圖 3 - 11、各區域人群擁擠度(CR)

(44)

34

2. 以火災發生區域為中心,計算 FE 數值。

圖 3 - 12、各區域的 FE 數值

3. 依據 CR 及 FE 數值計算出各區域基本 DV 值。本次 DV 數值模擬計算時所採 用的α 為 0.8。

圖 3 - 13、計算後各區域的基本 DV 數值

(45)

35

4. 檢查各區域中照度是否符合標準值 Luxmin。本擬隨機選出 3 個區域(圖 3 - 14 雙線條節點)設置為照度不足區域,依據方程式 3.4 進行 DV 數值的提升。本 次模擬設置β = 10。

圖 3 - 14、檢查各區域照度並提升 DV 數值

5. 解決死巷(DL)問題。依據方程式 3.5 由 hop 數值高至低檢查所有區域(圖 3 - 15) 並解決死巷問題(圖 3 - 16),本次模擬設置 = 5。

圖 3 - 15、發生死巷問題的區域(雙線條節點)

(46)

36

圖 3 - 16、解決死巷問題後各區域 DV 數值

6. 依據各區域 DV 數值高低不同,由高至低計算出各區域的導引路徑。

圖 3 - 17、各區域可導引路線

(47)

37

7. 各個區域避難者的分群移動。檢查各個區域是否可能造成壅塞狀況,將有可能 造成壅塞狀況區域的避難者分群導引,圖 3 - 18 雙線條節點為必須進行分群 區域。

圖 3 - 18、避難者分群導引

8. 當進行避難導引時,DBCS 演算法會不斷偵測環境狀態以掌握最新資訊,若是 檢測到區域中人群不自然停留超過 STmin(如圖 3 - 19 雙線條節點),判定該區 域發生意外狀況,此時將該區域 DV 數值提高,並重新計算避難引導路徑。

圖 3 - 19 為發生滯留問題區域及周圍所影響的區域及路徑

(48)

38

圖 3 - 19、發生滯留問題區域及對於周圍的影響

9. 於導引過程中,會不斷重複 1~8 步驟,直至所有避難者皆成功逃出發生災害建 築物為止。

3.4 系統設計

本 論 文 所 提 出 之 具 人 群 分 流 能 力 之 逃 生 導 引 演 算 法 (Density Balance Evacuation Guidance base on Crowd Scatter Guidance Algorithm,DBCS)於實際應 用時可搭配環境感知、室內人員定位、中央監控、及使用者導引,四種不同功能 之技術成為一套完整的緊急避難人群導引系統。系統架構圖如圖 3 - 20 所示。

(49)

39

圖 3 - 20、緊急避難人群導引系統架構圖

我們所提出的緊急避難人群導引系統架構,可分為後端服務模組以及使用者 導引模組兩大部分,系統大部分運算以及對於環境及使用者的持續監控都於後端 服務模組內運行,而運算完避難路線後則利用逃生導引模組將避難行進方向傳達 至使用者手中。以下將針對兩大模組做詳盡的介紹。

3.4.1 後端服務模組

後端服務模組主要用於蒐集環境資訊、感測人員位置、統整環境狀態、判斷 危險情況、以及控制系統狀態。內部分為人員定位、環境感知、中央監控 3 個不 同功能的子模組,不同模組各有其負責範圍及必要性,以下將針對各個模組進行 介紹。

A. 人員定位模組

人員定位模組以持續不斷偵測環境中所有人所在位置為主要任務,在定位出

(50)

40

人員位置後將所得到的資訊透過中控模組將資料儲存於資料庫中,使用者可透過 儲存於資料庫中的定位結果了解目前自己所在位置,管理者也可透過監控系統掌 握環境中所有人員所在位置,達到控管的目的。

若環境中發生緊急危難事件時,演算法會透過中控模組與資料庫要求所有人 員位置的資訊,以進行各區域人群密度的計算,並且在進行路徑導引時持續檢查 所有人員位置及停留時間,偵測滯留狀況並即時修改逃生導引路線。人員位置資 訊的傳遞流程如圖 3 - 21 所示。

圖 3 - 21、人員位置資訊傳遞流程

B. 環境感知模組

環境感知模組會持續不斷的針對環境中所有區域進行狀態的感知,可感知的 環境數值包括溫度、照度、濕度、有害氣體…等,將感知得到的環境資訊透過控 制中心傳遞至資料庫儲存,並且中央監控模組經由感知得到資訊可判斷是否發生 緊急事件需要進行疏散引導。

若偵測到環境中發生疑似災害事件但卻未達到災害標準時,可利用環境感知 模組內的控制中心針對環境數值異常區域進行特別監控,以較密集的資料蒐集速 率針對異常區域做重點監控,以確切掌握環境狀態的變化並在急難事件發生的第 一時間做出反應,把握危機處理的黃金時間。環境感知模組運作流程如圖 3 - 22 所示。

(51)

41

圖 3 - 22、環境感知模組運作流程

C. 中央監控模組

中央監控模組內分為逃生導引演算法以及控制中心兩個子模組,逃生導引演 算法用來進行環境中所有人員逃生路徑的演算,當災害發生時,演算法會經由控 制中心所發出的訊號啟動演算機制,並將人員定位模組及環境感知模組所蒐集到 的資料做為參數輸入進行逃生路徑的演算;待逃生路徑運算完成後中央監控系統 會將運算結果輸出至使用者導引模組,對每一位使用者進行逃生路徑的導引。

控制中心則負責統整所有不同功能模組之間的資料並依照環境情況控制系 統整體狀態。除了蒐集環境感知及人員定位結果並將資料儲存至資料庫外,控制 中心也負責依照環境狀態判斷並切換系統於正常安全的"一般狀態",以及需要進 行疏散引導的"導引狀態",並依照狀態模式的不同將資訊發送給使用者導引模組 以進行狀態的相對應改變。中央監控模組流程圖如圖 3 - 23 所示。

參考文獻

相關文件

In this thesis, we present a Threshold Jumping (TJ) and a Warp-Around Scan (WAS) techniques aim to coordinate simultaneous communications in high density RFID

In order to detect each individual target in the crowded scenes and analyze the crowd moving trajectories, we propose two methods to detect and track the individual target in

In this thesis, we propose a novel image-based facial expression recognition method called “expression transition” to identify six kinds of facial expressions (anger, fear,

This study then generalizes key factors of tourist hotels fire safety assessment application items: Whether fire evacuation facilities are blocked or not and major

implementation of public safety for the buildings under comprehensive reviews on fire prevention and evacuation and compares with related literature to establish the check items

The purpose of this thesis is to propose a model of routes design for the intra-network of fixed-route trucking carriers, named as the Mixed Hub-and-Spoke

The purpose of this study was to investigate if providing consumers with a general dietary guidance or impose a cash punishment policy on customers for not finishing their food on

In this study the GPS and WiFi are used to construct Space Guidance System for visitors to easily navigate to target.. This study will use 3D technology to