[发明专利]基于RNN的室内人群疏散自动引导仿真方法及系统

说明书

本公开提出一种基于RNN的室内人群疏散自动引导仿真方法及系统，其中方法包括利用差分算法，以减少疏散时间为优化准则，优化RNN网络参数，建立实时疏散状态、引导策略和人群疏散时间之间的联系；在疏散过程中，通过获取疏散过程中的各区域人群分布密度信息作为RNN网络的输入和前λ时刻网络中间状态，得到当前时刻各个导航点之间的引导概率，进而利用基于轮盘赌的伪随机选择策略为当前时刻的行人创建下一时刻的临时运动目标，进而引导行人疏散运动，达到降低人群疏散时间的目的；本公开从影响疏散效率的关键因素之一“拥堵”入手，利用RNN建立疏散人群分布概率和疏散策略之间的映射关系，可以有效地为不熟悉场景和不能获取完整疏散信息的行人提供有效的疏散帮助，实现对突发事件室内人群安全疏散计划的科学指导。

技术领域

本公开涉及人群疏散计算仿真技术领域，特别是涉及一种基于RNN的室内人群疏散自动引导仿真方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

近年来，随着各种聚集大量人群的社会公共活动不断增多，由此引发的公共安全问题引起了诸多专家学者的关注。处于相对封闭空间的密集人群往往处于高度不稳定状态，微小的异动极易引发大规模的骚乱。当发生各种紧急突发事件，人员需要紧急撤离时，容易造成严重的人员踩踏事故，导致生命和财产的损失。尤其是在人们对建筑场所结构不熟悉，以及应急管理方面不到位的情况下，行人在疏散过程中由于心理紧张而不知所措，往往进行没有目标的盲目从众跟随运动，导致疏散资源不能够被充分地利用，容易造成一些通道和出口拥挤，而另一些却闲置。由于人群疏散实验过程通常被认为存在一定的随机性，即实验过程无法再现，且参与演戏人员的安全无法得到有效的保障，因此计算机仿真技术逐渐成为研究突发事件下人群疏散的最有效方法之一。

利用计算机仿真人群疏散除了真实地模拟个体在疏散过程中的行为动作外，更重要的是能够有效地评估外在引导对于提升疏散效率的影响。一般来讲，制定合理的人群疏散引导策略除了要实时把握和分析疏散状态外，以往的疏散经验往往也具有极其重要的借鉴意义。根据实时的疏散人群分布制定相对应的引导策略，引导人群朝着正确的疏散通道运动，分流疏散人群，平衡各个通道和出口的拥挤度，加快行人的疏散速度，促进环境资源的充分利用，提高人群的整体疏散效率。

依据现有的疏散视频，发明人发现，在危机情况下，每个人都是根据获取的实时疏散信息及时调整自己运动速度和运动目标，从而尽快脱离危险环境。但如果在疏散过程中受到视野、情绪等影响，人们往往不能获取完整的疏散信息，因此不能理智的规划其运动路径，导致了行人运动的盲目性，这是造成疏散资源不能充分利用的根本原因之一。如果把行人疏散路径规划过程看成一个决策函数，则其输入为实时的疏散状态，而其输出则为选择下一时刻的临时运动目标的策略。一个良好的决策函数能够依据不同的疏散状态而产生优化的决策。综上所述，构造一个基于实时疏散状态的决策函数为行人实时提供疏散决策是解决行人运动盲目性的较好的办法。

神经网络是一种模仿生物神经网络结构和功能的数学模型或计算模型，是一门重要的机器学习技术，是目前最为火热的研究方向——深度学习的基础，常用语用于函数的估计或近似。一个标准的神经网络是由：输入层，隐藏层，输出层等构成。如果将输入层的输入特征分量看成是函数参变量，输出层的数据看作某一函数的输出值，则神经网络的学习过程就是依据输出层的教师信号建立输入和输出隐式表达式的过程。与其他机器学习方法相比较，神经网络的一个重要特性是它能够从环境中学习，通过调整内部大量节点之间相互连接的关系(权值)深入挖掘和分析输入信号与输出信号之间的内在联系。