[發(fā)明專利]一種基于多載體智能引導(dǎo)的人群疏散方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010401446.0
• 申請(qǐng)日: 2020-05-13
• 公開（公告）號(hào): CN111767789A
• 公開（公告）日: 2020-10-13
• 發(fā)明（設(shè)計(jì)）人: 周敏;董海榮;劉佳麗;袁志明;王飛躍
• 申請(qǐng)（專利權(quán)）人: 北京交通大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06Q10/04;G06Q50/26;G06N20/00
• 代理公司: 北京市商泰律師事務(wù)所 11255
• 代理人: 黃曉軍

本發(fā)明公開了一種基于多載體智能引導(dǎo)的人群疏散方法及其系統(tǒng)，該方法包括：基于強(qiáng)化學(xué)習(xí)的領(lǐng)導(dǎo)者疏散路徑規(guī)劃、基于疏散標(biāo)識(shí)和領(lǐng)導(dǎo)者的協(xié)同引導(dǎo)策略和仿真測(cè)試驗(yàn)證。該系統(tǒng)使用上述多載體智能引導(dǎo)的人群疏散方法，該系統(tǒng)包括：數(shù)據(jù)采集處理模塊，智能引導(dǎo)策略生成模塊和仿真測(cè)試驗(yàn)證模塊。本發(fā)明與現(xiàn)有研究中基于經(jīng)驗(yàn)和試湊的方法設(shè)計(jì)疏散策略相比，可以更有效地提高人群疏散效率。在智能引導(dǎo)策略下，車站各種引導(dǎo)方式配置具有更大靈活性，在保證有效安全疏散的前提下能夠同時(shí)降低車站的運(yùn)營(yíng)成本。

技術(shù)領(lǐng)域

本發(fā)明屬于軌道交通管理運(yùn)營(yíng)技術(shù)領(lǐng)域，涉及一種基于多載體智能引導(dǎo)的人群疏散方法及系統(tǒng)。

背景技術(shù)

軌道交通車站作為乘客集散的場(chǎng)所，通常具有內(nèi)部結(jié)構(gòu)復(fù)雜、空間相對(duì)密閉、與外界連通性較差等特點(diǎn)，一旦發(fā)生大客流、火災(zāi)、恐怖襲擊等突發(fā)事件，乘客應(yīng)急疏散困難且救援難度大，容易造成群死群傷。

乘客引導(dǎo)疏散問(wèn)題一直是行人動(dòng)力學(xué)研究領(lǐng)域的研究重點(diǎn)，尤其在人員密集、結(jié)構(gòu)復(fù)雜的場(chǎng)所，行人安全疏散問(wèn)題已經(jīng)引起了高度重視。以往的研究已經(jīng)證實(shí)了設(shè)置應(yīng)急標(biāo)識(shí)和引導(dǎo)員對(duì)乘客疏散的必要性，但對(duì)于應(yīng)急標(biāo)識(shí)和引導(dǎo)員的分布方案大多基于經(jīng)驗(yàn)或試湊，這種憑經(jīng)驗(yàn)或試湊的分布方案雖然一定程度上可以提高乘客疏散效率，但是無(wú)法保證分布方案的最優(yōu)性。且現(xiàn)有研究多集中在單一引導(dǎo)方式的方案研究，這種單一引導(dǎo)方式的研究未考慮現(xiàn)有車站中多種引導(dǎo)方式協(xié)同的方面。因此一種面向運(yùn)營(yíng)效率和安全的車站乘客協(xié)同引導(dǎo)方法成為當(dāng)前的研究重點(diǎn)，如何合理設(shè)置應(yīng)急標(biāo)識(shí)、引導(dǎo)員等的數(shù)量和位置，提高整體疏散效率的同時(shí)降低運(yùn)營(yíng)成本是亟待解決的問(wèn)題。

在考慮通過(guò)引導(dǎo)員引導(dǎo)人群疏散的研究中，大多假設(shè)引導(dǎo)員對(duì)疏散環(huán)境完全熟悉，按照規(guī)定疏散路線引導(dǎo)人群進(jìn)行疏散。但在實(shí)際疏散環(huán)境中，疏散環(huán)境以及人群狀態(tài)是動(dòng)態(tài)變化的，引導(dǎo)員無(wú)法應(yīng)對(duì)動(dòng)態(tài)變化的環(huán)境狀態(tài)調(diào)整疏散路徑，導(dǎo)致個(gè)別的原定疏散路徑上出現(xiàn)嚴(yán)重?fù)矶卢F(xiàn)象，大大影響了整體的疏散效率。

隨著人工智能技術(shù)的不斷發(fā)展，基于強(qiáng)化學(xué)習(xí)的多智能體路徑規(guī)劃問(wèn)題研究也出現(xiàn)了許多成功的應(yīng)用實(shí)例。相比于其他路徑規(guī)劃算法，強(qiáng)化學(xué)習(xí)算法優(yōu)勢(shì)在于當(dāng)智能體對(duì)環(huán)境不甚熟悉時(shí)，算法的自學(xué)習(xí)能力和自適應(yīng)性可以使得智能體在與環(huán)境的交互過(guò)程中，學(xué)習(xí)得到一條累計(jì)收益最高的達(dá)到目標(biāo)的路徑。無(wú)模型的強(qiáng)化學(xué)習(xí)框架使得路徑規(guī)劃可適用的應(yīng)用場(chǎng)景更加的廣泛。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于多載體智能引導(dǎo)的人群疏散方法及系統(tǒng)，有效地提高人群疏散效率。

本發(fā)明的技術(shù)方案是：

一種基于多載體智能引導(dǎo)的人群疏散方法，包括基于強(qiáng)化學(xué)習(xí)的領(lǐng)導(dǎo)者疏散路徑規(guī)劃、基于疏散標(biāo)識(shí)和領(lǐng)導(dǎo)者的協(xié)同引導(dǎo)策略、仿真測(cè)試驗(yàn)證。

優(yōu)選地，基于強(qiáng)化學(xué)習(xí)的領(lǐng)導(dǎo)者疏散路徑規(guī)劃具體包括以下步驟：

步驟一：行人位置坐標(biāo)提取；將車站真實(shí)視頻以幀為單位進(jìn)行視頻處理，采用視頻檢測(cè)跟蹤算法，提取每一幀行人位置坐標(biāo)，根據(jù)時(shí)間序列，表示出每個(gè)行人到達(dá)出口位置的運(yùn)動(dòng)路徑；

步驟二：行人分組初始化；采用K-Means聚類算法，對(duì)視頻中行人進(jìn)行初始化分組；

步驟三：組內(nèi)運(yùn)動(dòng)路徑歸一化；計(jì)算小組內(nèi)各行人運(yùn)動(dòng)路徑的加權(quán)平均作為小組共同運(yùn)動(dòng)路徑；

步驟四：基于強(qiáng)化學(xué)習(xí)的領(lǐng)導(dǎo)者路徑規(guī)劃；采用Q-learning算法，通過(guò)智能體與環(huán)境的交互，根據(jù)環(huán)境狀態(tài)和上一步學(xué)習(xí)的回報(bào)值，修改狀態(tài)到動(dòng)作的映射策略，使得行為從環(huán)境中獲取最大的累計(jì)回報(bào)值，最終獲得一個(gè)最優(yōu)的運(yùn)動(dòng)策略，即領(lǐng)導(dǎo)者最優(yōu)運(yùn)動(dòng)路徑。

優(yōu)選地，基于疏散標(biāo)識(shí)和領(lǐng)導(dǎo)者的協(xié)同引導(dǎo)策略，以基于強(qiáng)化學(xué)習(xí)的領(lǐng)導(dǎo)者疏散路徑為基礎(chǔ)，具體包括以下步驟：