[發明專利]基于RNN的室內人群疏散自動引導仿真方法及系統

有效

• 申請號: 202010448404.2
• 申請日: 2020-05-25
• 公開（公告）號: CN111611749B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 韓延彬;劉弘;李梁
• 申請（專利權）人: 山東師范大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/0464;G06N3/08;G06F111/10
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

本公開提出一種基于RNN的室內人群疏散自動引導仿真方法及系統，其中方法包括利用差分算法，以減少疏散時間為優化準則，優化RNN網絡參數，建立實時疏散狀態、引導策略和人群疏散時間之間的聯系；在疏散過程中，通過獲取疏散過程中的各區域人群分布密度信息作為RNN網絡的輸入和前λ時刻網絡中間狀態，得到當前時刻各個導航點之間的引導概率，進而利用基于輪盤賭的偽隨機選擇策略為當前時刻的行人創建下一時刻的臨時運動目標，進而引導行人疏散運動，達到降低人群疏散時間的目的；本公開從影響疏散效率的關鍵因素之一“擁堵”入手，利用RNN建立疏散人群分布概率和疏散策略之間的映射關系，可以有效地為不熟悉場景和不能獲取完整疏散信息的行人提供有效的疏散幫助，實現對突發事件室內人群安全疏散計劃的科學指導。

技術領域

本公開涉及人群疏散計算仿真技術領域，特別是涉及一種基于RNN的室內人群疏散自動引導仿真方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

近年來，隨著各種聚集大量人群的社會公共活動不斷增多，由此引發的公共安全問題引起了諸多專家學者的關注。處于相對封閉空間的密集人群往往處于高度不穩定狀態，微小的異動極易引發大規模的騷亂。當發生各種緊急突發事件，人員需要緊急撤離時，容易造成嚴重的人員踩踏事故，導致生命和財產的損失。尤其是在人們對建筑場所結構不熟悉，以及應急管理方面不到位的情況下，行人在疏散過程中由于心理緊張而不知所措，往往進行沒有目標的盲目從眾跟隨運動，導致疏散資源不能夠被充分地利用，容易造成一些通道和出口擁擠，而另一些卻閑置。由于人群疏散實驗過程通常被認為存在一定的隨機性，即實驗過程無法再現，且參與演戲人員的安全無法得到有效的保障，因此計算機仿真技術逐漸成為研究突發事件下人群疏散的最有效方法之一。

利用計算機仿真人群疏散除了真實地模擬個體在疏散過程中的行為動作外，更重要的是能夠有效地評估外在引導對于提升疏散效率的影響。一般來講，制定合理的人群疏散引導策略除了要實時把握和分析疏散狀態外，以往的疏散經驗往往也具有極其重要的借鑒意義。根據實時的疏散人群分布制定相對應的引導策略，引導人群朝著正確的疏散通道運動，分流疏散人群，平衡各個通道和出口的擁擠度，加快行人的疏散速度，促進環境資源的充分利用，提高人群的整體疏散效率。

依據現有的疏散視頻，發明人發現，在危機情況下，每個人都是根據獲取的實時疏散信息及時調整自己運動速度和運動目標，從而盡快脫離危險環境。但如果在疏散過程中受到視野、情緒等影響，人們往往不能獲取完整的疏散信息，因此不能理智的規劃其運動路徑，導致了行人運動的盲目性，這是造成疏散資源不能充分利用的根本原因之一。如果把行人疏散路徑規劃過程看成一個決策函數，則其輸入為實時的疏散狀態，而其輸出則為選擇下一時刻的臨時運動目標的策略。一個良好的決策函數能夠依據不同的疏散狀態而產生優化的決策。綜上所述，構造一個基于實時疏散狀態的決策函數為行人實時提供疏散決策是解決行人運動盲目性的較好的辦法。

神經網絡是一種模仿生物神經網絡結構和功能的數學模型或計算模型，是一門重要的機器學習技術，是目前最為火熱的研究方向——深度學習的基礎，常用語用于函數的估計或近似。一個標準的神經網絡是由：輸入層，隱藏層，輸出層等構成。如果將輸入層的輸入特征分量看成是函數參變量，輸出層的數據看作某一函數的輸出值，則神經網絡的學習過程就是依據輸出層的教師信號建立輸入和輸出隱式表達式的過程。與其他機器學習方法相比較，神經網絡的一個重要特性是它能夠從環境中學習，通過調整內部大量節點之間相互連接的關系(權值)深入挖掘和分析輸入信號與輸出信號之間的內在聯系。