0 引言
应急救援路径优化是煤矿紧急避险系统的重要组成部分，对于灾害发生时遇险人员和救援人员的路径选取具有指导意义[1-2]。目前煤矿使用的应急救援路径一般是在煤矿运转初期确定的，与灾害发生时的实际情况有一定偏差。当实际事故发生时，事先确定的应急救援路径会被各种因素影响，必须综合考虑后规划出最可靠的路径，以减少灾害所造成的损失[3]。
煤矿应急救援路径优化是一个经典问题，常用的路径寻优算法有粒子群算法、蚁群算法[4]、遗传算法[5]等。粒子群算法的学习过程较简单，但粒子数量较少时易陷入局部最优。蚁群算法适用于在图上搜索最优路径，但由于受多种因素影响，计算量较大[6]。遗传算法具有较强的全局搜索能力，适用于离散问题，但对新空间的探索能力不足。现有研究多处于计算机模拟计算阶段[7-9]，要在实际应用中发挥作用，仍需进一步研究。
Dijkstra算法是图论的经典算法，非常适用于图论中的解算，计算负载小，对硬件要求不高，可以部署在轻量级平台[10-11]。本文提出一种跨平台矿井应急救援路径寻优方案，使用综合考虑了巷道实际长度与通行难度的当量值作为路径长度，采用Dijkstra算法求解矿井应急救援路径，并结合Unity引擎的跨平台特性，在计算机、移动端等平台运行应急救援路径寻优算法，为井下避险和救援提供支持。
1 巷道当量值计算
巷道实际长度L是判断巷道最优路径的基础，此外还要分析巷道通行难度[12]。在巷道出现灾情时，不同巷道区段会受到不同程度的影响，其通行难度会发生变化。引起通行阻力的因素有很多，在实际巷道行进过程中，巷道高度、宽度、坡度、风速、局部障碍物(矿用机械设备、风墙、风门等)的数量、实时灾害(如火灾时的高温烟气、水灾时的巷道积水、巷道坍塌等)都会对井下人员的通行速度造成影响。因为实时灾害对巷道能否通行的影响是决定性的，所以在程序中将发生灾害的点或段设置为不可通行。将巷道通行影响因素抽象为方便计算的影响因子，设巷道高度为γ1，巷道坡度为γ2，巷道泥泞度为γ3，机械数量为γ4，风门数量为γ5，则通行难度因子γ为
γ=γ1+γ2+γ3+γ4+γ5
(1)
γi(i=1～5)的计算公式为[13-14]
γi=(Ti-ti)/ti
(2)
式中：Ti为存在某因素时通行需要的时间，s；ti为不存在某因素时通行需要的时间，s。
巷道当量Ls为
Ls=L(1+γ)
(3)
2 Dijkstra算法实现
Dijkstra算法实现步骤如下：
(1) 读取包含巷道当量信息的csv文件并将其处理为二维矩阵R。
(2) 初始化5个集合S，U，D，P，I。其中S存放已计算过的节点的下标，U存放尚未计算的节点的下标，D为某一点到下一位置的最小距离集合，P存放前一个点的下标，I为Bool集合，表示是否已为最短路径。
(3) 设置网络图中的起点m和终点n。
(4) 将起点m加到集合S中，标记I[m]=true。将其他点加到集合U中，遍历集合U，从矩阵R中筛选出m点到其他各点的距离并添加到集合D中。若两点之间不直接连通，则以一个不会对系统造成影响的极大值代替，本文用9 999填充矩阵。
(5) 求出集合D中的最小值，将最小值对应的点x加入集合S中，标记I[x]=true。如果x点到集合U中i点的距离与m点到x点的距离之和小于D[i]的值，则将D[i]值更新为前者，并将P[x]的值更新为m。
(6) 判断集合U中是否还存在元素。若存在，则重复步骤(3)；若不存在，则结束计算，并将结果拼接为字符串，选择终点为点n的结果输出并显示。
3 跨平台实现
Unity是应用非常广泛的实时内容开发平台，利用Unity底层的跨平台机制，可将同一套程序发布到计算机端、移动端等不同平台。将矿井巷道CAD图导入Unity引擎，设置相关参数并计算巷道当量值；利用C#编程实现Dijkstra算法，求解矿井应急救援路径并在用户界面标记和显示。
若选择在计算机端发布，可直接打开Unity, 依次选择File→Build Settings→PC, Mac & Linux Standalone，直接发布即可输出可执行程序。计算机端发布菜单界面如图1所示。
若选择在安卓端发布，首先需要配置Unity的Android环境，在开发机上安装Android软件开发工具包(Android SDK Tools)与Java软件开发工具包JDK。菜单选择：Unity→Preferences (on OSX) or Edit→Preferences(on Windows)；在打开的窗口中导航到外部工具(External Tools);点击“Browse”，找到安装Android SDK Tools的文件夹，注意不要细分进去，选择到SDK文件夹即可。
图1 计算机端发布菜单界面
Fig.1 Computer-side release menu interface
配置好Android环境后，依次选择File→Build Settings→Android，在打开的页面底部选择“Switch Platform”切换平台，切换平台所需时间与项目大小正相关。以上设置完毕，就可将程序发布为移动端使用的APK文件。
对于大型的全矿计算，可将程序部署在高性能计算机端，以加快运行速度。而井下避灾和救援人员可使用移动端发布的软件来选择最优路径。
4 应用实例
4.1 当量值计算
选取河南永煤集团股份有限公司新桥煤矿的部分矿图，共选出37个节点，组成47段巷道，其CAD图如图2所示，巷道当量长度见表1。
图2 新桥煤矿部分巷道CAD图
Fig.2 CAD drawings of some roadways in Xinqiao Coal Mine
4.2 Dijkstra算法计算结果
根据表1中的当量值数据将巷道信息编制为csv文件，并将其处理为二维矩阵R：
(4)
Dijkstra算法程序读取矩阵R中的巷道信息并进行计算，完成后显示最优路径及该路径的当量值。计算得出从掘进巷36到副井0的最优路径为36→23→22→26→27→28→29→30→14→15→0,路径当量值为2 393 m;由掘进巷36到永久避难硐室8的最优路径为36→23→22→21→20→19→18→4→5→6→7→8,路径当量值为3 165 m;由工作面32到达副井0的最优路径为32→31→10→11→12→13→14→15→0,路径当量值为3 524 m；由工作面32到达避难硐室8的最优路径为32→31→10→8,路径当量值为2 499 m。
表1 巷道当量长度
Table1 Roadway equivalent values
巷道编号巷道名称当量值/m巷道编号巷道名称当量值/m巷道编号巷道名称当量值/m0-1井底车场18016-30胶带上山8411-352101煤巷580-2井底水仓39030-29胶带上山426-35轨道运输巷车场1500-16井底车场15029-28胶带上山77035-34联络巷1 8081-2辅运大巷6128-27胶带上山26634-332101煤巷4962-3辅运大巷39027-26胶带上山5633-32工作面2723-1辅运大巷52026-25胶带上山28032-312101煤巷3904-5辅运大巷28625-24绞车房5731-102101煤巷1 4085-6辅运大巷21524-23轨道上山14423-36掘进巷3206-7辅运大巷43323-22轨道上山18319-29联络巷877-8辅运大巷42922-21轨道上山8020-28胶带运输巷车场1508-9避难硐室16921-20轨道上山27321-27轨道运输巷车场1589-10主运大巷53220-19轨道上山71317-30联络巷7710-11主运大巷46219-18轨道上山9814-15主运大巷44211-10主运大巷23818-4轨道上山13515-16主运大巷65012-13主运大巷23818-13变电所15231-34联络巷25213-14主运大巷19622-26变电所128
救援路径与避灾路径相反，如从副井0到掘进巷36的最佳救援路径为0→15→14→30→29→28→27→26→22→23→36。
井下胶带运输巷是矿井主要易发火灾区域，由于其发生突然，发展迅速，极易对井下工作人员造成威胁[15]。假设27—28段胶带上山巷道中的带式输送机故障造成火灾事故，则该段巷道无法通行。计算时需将28—27段胶带上山巷道当量值设为9 999 m，再次运行后得出从掘进巷36到副井0的最优路径为36→23→22→21→20→19→18→17→4→3→2→1→0，从而绕过了因火灾而无法通行的28—27路段，给出了准确有效的井下避灾路径。
5 结语
提出一种跨平台矿井应急救援路径寻优方案，介绍了巷道当量长度的计算方法、Dijkstra算法的实现步骤和基于Unity引擎的跨平台部署方法。该方案可部署于计算机端和各种移动平台，为井下避险和救援路径选择提供支持。实际应用结果表明，该方案能够绕过因事故而无法通行的路段，在发生灾情时及时找到最优路径。
[1] 刘毅.发达国家安全生产发展规律及启示[J].现代职业安全,2018(7):85-89.
LIU Yi.Development laws and enlightenment of safe production in developed countries[J].Modern Occupational Safety,2018(7):85-89.
[2] 郑玮.关于煤矿安全培训工作的几点思考[J].矿业安全与环保,2014,41(3):116-117.
ZHENG Wei.Several thinks about coal mine safety training work[J].Mining Safety & Environmental Protection,2014,41(3):116-117.
[3] 姜媛媛,时美乐.基于多元信息评估的矿井火灾救援路径优化[J].工矿自动化,2019,45(3):5-11.
JIANG Yuanyuan,SHI Meile.Mine fire rescue path optimization based on multi information evaluation [J].Industry and Mine Automation,2019,45(3):5-11.
[4] 樊雯婧,卢才武.用群智能算法确定井下火灾多救护队最优路径[J].金属矿山,2014,43(1):133-136.
FAN Wenjing,LU Caiwu.Determination of underground mine fire optimal path of multi rescue teams by swarm intelligence algorithm[J].Metal Mine,2014,43(1):133-136.
[5] 丁建立,陈增强,袁著祉.遗传算法与蚂蚁算法的融合[J].计算机研究与发展,2003,40(9):1351-1356.
DING Jianli,CHEN Zengqiang,YUAN Zhuzhi.On the combination of genetic algorithm and ant algorithm[J].Journal of Computer Research and Development,2003,40(9):1351-1356.
[6] 龚星宇,常心坦,贾澎涛,等.基于蚁群算法的井下救援路径优化方法[J].工矿自动化,2018,44(3):76-81.
GONG Xingyu,CHANG Xintan,JIA Pengtao,et al.Optimization method for mine rescue path based on ant colony algorithm[J].Industry and Mine Automation,2018,44(3):76-81.
[7] 张亚静,汪金花,白洋,等.井下最优避险路径的数学建模与火灾仿真实验[J].煤炭学报,2015,40(增刊2):413-418.
ZHANG Yajing,WANG Jinhua,BAI Yang,et al.Mathematical model and fire simulation of underground optimal escape path[J].Journal of China Coal Society,2015,40(S2):413-418.
[8] 卢万杰,付华,赵洪瑞.煤矿井下探测搜救机器人地形感知系统及路径规划方法研究[J].传感技术学报,2019,32(7):979-985.
LU Wanjie,FU Hua,ZHAO Hongrui.Research on topographic perception system and path planning method of underground detection and search and rescue robot in coal mine[J].Chinese Journal of Sensors and Actuators,2019,32(7):979-985.
[9] 李晓静,余东满.煤炭勘探及救援机器人最优路径规划研究[J].工矿自动化,2017,43(3):24-29.
LI Xiaojing,YU Dongman.Research on optimal path planning of coal exploration and rescue robot [J].Industry and Mine Automation,2017,43(3):24-29.
[10] 王辉,朱龙彪,王景良,等.基于Dijkstra-蚁群算法的泊车系统路径规划研究[J].工程设计学报,2016,23(5):489-496.
WANG Hui,ZHU Longbiao,WANG Jingliang,et al.Research on path planing of parking system based on Dijkstra-ant colony hybrid algorithm[J].Chinese Journal of Engineering Design,2016,23(5):489-496.
[11] 周玉林.单源最短路径问题的改进算法[J].上饶师范学院学报,2001,21(3):18-22.
ZHOU Yulin.The improved algorithm about the single source shortest path problem[J].Journal of Shangrao Normal University,2001,21(3):18-22.
[12] 丁燕峰,蒋曙光,曹爱虎.避灾硐室选址最优化分析[J].煤矿安全,2011,42(12):149-151.
DING Yanfeng,JIANG Shuguang,CAO Aihu.Optimization analysis of disaster avoidance chamber location [J].Safety in Coal Mines,2011,42(12):149-151.
[13] 赵作鹏,宋国娟,宗元元,等.基于D-K算法的煤矿水灾多最优路径研究[J].煤炭学报,2015,40(2):397-402.
ZHAO Zuopeng,SONG Guojuan,ZONG Yuanyuan,et al.Research on the multi-optimal paths of coal mine floods based on the D-K algorithm[J].Journal of China Coal Society,2015,40(2):397-402.
[14] 陈金国,朱金福.降低矿井灾难程度的危机逃逸路径模型研究[J].人类工效学,2007,13(3):38-40.
CHEN Jinguo,ZHU Jinfu.Study on the model about the escape route optimization algorithm in the environment of mine disaster[J].Chinese Journal of Ergonomics,2007,13(3):38-40.
[15] 索在斌.工作面进风巷下行风流火灾数值模拟及风流控制研究[D].太原:太原理工大学,2019.
SUO Zaibin.Numerical simulation and airflow control of downstream flow fire in working face[D].Taiyuan:Taiyuan University of Technology,2019.