Home / 대피 경로 최적화

대피 경로 최적화 Evacuation Route Optimization

A* Pathfinding, Multi-Agent Path Finding (MAPF), 건강상태 반영 경로 설계를 통한 최적 대피 경로 계산. 승객별 맞춤 경로를 실시간으로 시각화합니다.

⚙️ 최적화 제어판 Optimization Controls

🔥 화재 설정 모드 - 노드를 클릭하세요

표준 경로 (Standard Route) - 거리 기반 최단 경로. Dijkstra/A* 알고리즘으로 계산. 건강상태 무관, 순수 거리 + 위험도 패널티만 반영.

건강상태 반영 경로 (Health-Aware Route) - 이동속도 = vbase × μ (이동능력계수). 휠체어/노약자/부상자의 이동속도 감소를 반영하여 계단 회피, 넓은 통로 우선 경로 계산.

AI 최적화 경로 (RL-Optimized Route) - 강화학습 정책 기반 경로. 혼잡도 예측, 연기 확산 예측, 다중 에이전트 충돌 회피를 동시에 고려한 최적 경로.

🚶 승객 프로필 Passengers

🛳️ 선박 갑판 그래프 Deck 2 - Passenger Deck
객실 Cabin
복도 Corridor
계단 Stairway
출구/집결지 Exit
화재 구역 Fire
간선 위험도

📊 경로 상세 정보 Route Details

승객을 선택하면 경로 상세 정보가 표시됩니다.

📊 대피 통계 대시보드 Evacuation Statistics

--
평균 대피 시간 (FireNavi)
--
평균 대피 시간 (표준)
--
최대 대피 시간 (최악)
--
경로 충돌 횟수
--
병목 구간 수

경로 유형별 비교 Route Comparison

📏 표준 경로

평균 거리--
평균 시간--
평균 위험도--
충돌 수--

❤️ 건강 반영

평균 거리--
평균 시간--
평균 위험도--
충돌 수--

🤖 AI 최적화

평균 거리--
평균 시간--
평균 위험도--
충돌 수--

경로 유형별 평균 대피 시간 비교 (초)

🧠 알고리즘 상세 Algorithm Explanation

🔍 A* Pathfinding with Dynamic Risk Heuristic

A* 알고리즘은 시작 노드에서 목표까지의 최적 경로를 f(n) = g(n) + h(n) 비용 함수로 탐색합니다. FireNavi에서는 동적 위험 요소를 h(n) 휴리스틱에 반영합니다.

A* Cost
f(n) = g(n) + h(n) + λrisk · R(n) + λcong · C(n)
  • g(n): 시작 노드 ~ 현재 노드 실 이동 비용
  • h(n): 유클리드 거리 기반 목표까지 추정 비용
  • R(n): 노드 n의 실시간 위험도 (화재, 연기)
  • C(n): 노드 n의 예측 혼잡도

👫 Multi-Agent Path Finding (MAPF) with CBS

Conflict-Based Search (CBS)는 다중 에이전트 경로 탐색에서 충돌을 해결하는 two-level 알고리즘입니다.

  • High-level: 충돌 트리(CT) 탐색. 각 노드 = 에이전트별 제약 조건 집합
  • Low-level: 제약 조건 하에서 개별 A* 경로 탐색
  • 충돌 감지: 두 에이전트가 동일 시간에 동일 노드/간선 사용 시 충돌
  • 분기: 충돌 발견 시 각 에이전트에 제약을 추가하여 분기

🎯 강화학습 정책 (RL Policy)

PPO (Proximal Policy Optimization) 기반 대피 경로 정책:

  • State: s = [위치, 화재맵, 연기맵, 밀집도맵, 건강상태]
  • Action: a = {상, 하, 좌, 우, 계단상, 계단하, 대기}
  • Reward: r = -α·t - β·R(s) + γ·출구도달
Reward
R = -0.1·Δt - 5.0·Rrisk(s) + 100·𝟙exit

🚶 건강상태 반영 속도 보정 (Health-Aware Speed)

개인별 이동능력계수 μ (0.3 ~ 1.0)를 반영하여 간선 이동 시간을 보정합니다.

Speed Adjustment
vi = vbase × μi × φ(density)
  • μ = 1.0: 건강한 성인 (1.2 m/s)
  • μ = 0.7: 노약자 (0.84 m/s)
  • μ = 0.5: 부상자 (0.6 m/s)
  • μ = 0.3: 휠체어 사용자 (0.36 m/s)
  • φ(d): 밀집도 감소 함수, φ = max(0.4, 1 - 0.15d)