疏散策略规划是大型公共建筑日常安全管理的基本任务。如今复杂而庞大的建筑物使这项工作变得更加困难。传统的疏散仿真通常需要对几何数据和属性信息进行单调乏味的建模,而疏散路径规划中不能直接使用设计数据。这会浪费人力和造成不准确的数据。另外,现有的基于图搜索的寻路算法在时间复杂度方面不尽如人意,并且难以处理实时情况。为解决这些问题,本文提出了一种用于大型公共建筑物疏散规划的动态策略规划方法,核心算法基于BIM(Building Information Model)技术和各种机器学习技术。首先给出了一个疏散子模型的定义,该子模型能够表示所有需要的信息,包括疏散实体的定义和拓扑关系。还提出了应用机器学习技术自动评估区域安全等级的方法来完善疏散信息。根据施工阶段交付的BIM数据,本文进一步提出一种空间拓扑算法以自动建立空间拓扑结构。之后,将路径生成算法和局面评估方法相结合,生成了用于策略网络的巨大训练集。当主要策略网络得到充分的训练后,就将进入自学迭代的循环。然后提出一种动态多人策略算法来计算整个建筑物内的多人路径之间的交叉影响。这里策略网络可以将人员分散到更安全的地区,而且能降低平均的紧急度指标。最后提出数据后处理中的信息挖掘技术,并应用至实际项目的疏散模拟结果,以得到更深层次的有用信息。在基于BIM的大型建筑安全管理平台BIM-SMP中编制了一个应用插件,称为基于BIM的动态疏散策略应用平台,作为验证本研究成果的原型系统。BIM可视化编程为功能点提供了形象的展示手段,实现了各种疏散元素的交互显示和路线的多种可视化效果。在案例研究中,生成了大约4000个公共建筑的有关疏散的实体信息。根据算法要求,共有八代策略网络接受了训练。现场BIM应用的两个典型使用案例已经验证了所提出的方法。后处理阶段还应用了混合数据挖掘技术。这些应用案例为大型公共建筑的安全管理提供了合理而有用的切入点,并且证明所提出的动态疏散策略方法可以在复杂、广阔的空间内组织实时紧急疏散,并有助于日常疏散管理以精确模拟各种情景。