一种公共建筑物非均称安全通道的人群均衡撤离方法

摘要

本发明公开了一种公共建筑物非均称安全通道的人群均衡撤离方法。本发明方法根据人群、障碍物在建筑物内的分布对其进行网格划分，通过引入拥塞因子扩展的人群疏散仿真模型，构建安全通道均衡撤离调节模型，基于该模型模拟一定组数的拥塞因子确立的撤离方案，获取BP神经网络模型训练样本及检验样本，基于人工神经网络模型及人群疏散仿真模型构建撤离方案优选模型，筛选出一组仿真效果较优的拥塞因子确立的撤离方案，划分人员疏散选择区，指定同一疏散选择区的人群选择同一安全通道撤离，最终针对建筑物制定具体人群撤离方案，确保非均称安全通道的建筑快速、安全地完成撤离。

说明书

技术领域

本发明涉及一种公共建筑物非均称安全通道的人群均衡撤离方法。

背景技术

随着当今社会文体活动的日益增加，大量人群的聚集活动也随之增加，严重踩踏事故的 发生也越发频繁，在遇到火灾等危险时，快速、安全地安排建筑物中的人群撤离出危险区域 是当务之急。人群撤离的第一步便是选择安全通道口，人群一般会以“距离最短”原则选择安 全通道口，由于在很多建筑物中安全通道口未必根据人群的分布位置按需布置，例如体育馆、 演唱会、电影院、学校、大型报告厅、图书馆等，一部分出口周围疏散人群很多，而一部分 出口周围需疏散人群极少，一旦发生紧急情况急需选择安全通道撤离时，难以避免一部分通 道滞留人数过多，至始至终处于拥堵状态，而部分通道仅有极少人数选择，很快撤离完毕， 这种对安全通道不合理的选择致使不能最大程度的发挥出安全通道的疏散能力，短时间内难 以完成撤离任务，大量滞留人群导致部分出口处发生拥挤堵塞，极有可能引发严重的踩踏伤 亡事故，如果长时间不能完成人群安全撤离，也易使滞留人群受到火灾等灾害的威胁。

从个人来看，以最短路径的原则撤离是最优选择，但从整体来看，这种撤离方法往往会 导致人群盲目地选择同一出口，增加了快速疏散的困难性，因此这种撤离方法的目标在于帮 助所处不同位置的人员找到最合适的安全通道撤离，以达到均衡各个通道所承担的疏散任务， 在尽可能短的时间内完成撤离任务的目的。换言之，在非均称安全通道的建筑物中，人员以 最短路径的原则选择撤离出口，并不能快速、安全地撤离出建筑物。通过均衡撤离法可划分 人员疏散选择区，指定同一人员疏散选择区的人群选择同一安全通道进行撤离，即人员根据 所处位置被预先告知具体撤离路线。在发生突发事件后，相同人员选择区的人群按照预先指 定路线撤离，由此均衡了各个安全通道的疏散任务，避免了因部分出口承担的疏散撤离任务 过重，滞留人数过多，导致严重的踩踏伤亡事故；同时保障了整个疏散人群能够快速完成撤 离。然而，目前国内外很多紧急疏散撤离预案是引导人员按照最短路径撤离、帮助人员及时 找到出口位置、通过应急设施保障安全疏散等方面，未涉及到应对非均称建筑物快速、安全 撤离，从整体上均衡各通道的疏散任务，使疏散人群定向撤离的方法。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种公共建筑物非均称安全通道的 人群均衡撤离方法，其采用如下技术方案：

一种公共建筑物非均称安全通道的人群均衡撤离方法，包括如下步骤：

s1、建立人群疏散仿真模型

获取建筑物中的障碍物、人群位置分布及安全通道口位置、大小尺寸信息，通过网格划 分单元、路径选取单元、速度系数单元、冲突处理单元、出口拥塞单元组建人群疏散仿真模 型，通过建立线性曲线预测理想撤离总时间；

s2、建立安全通道均衡撤离调节模型

引入拥塞因子调节各通道对人群的吸引力，将人群疏散仿真模型的路径选取单元修改为 扩展后的路径选取单元，得到安全通道均衡撤离调节模型；

s3、构建人工神经网络模型

应用安全通道均衡撤离调节模型模拟一定数量的拥塞因子确立的撤离方案，得到BP神经 网络训练样本及检验样本，构建3层BP神经网络；

s4、建立撤离方案优选模型

通过N次嵌套循环，应用训练成熟的BP神经网络，预测撤离方案对应的撤离完成总时间， 筛选出撤离完成总时间最少的一组拥塞因子；计算撤离完成总时间与理想撤离总时间的相对 偏差是否满足要求：若相对偏差满足要求，则认为该组拥塞因子符合要求；若相对偏差未满 足要求，进行二次撤离方案优选阶段；最终得到人员疏散选择区信息图。

进一步，对于网格划分单元的划分规则如下：

取人均占地面积0.4m×0.4m作为一个网格大小，以建筑物内角点作为边界进行网格划分， 建立X-Y的二维坐标定义每个网格的位置；

若障碍物部分与某网格区域相交，则定义该网格的属性为安全通道或障碍物；

最后对参数进行初始化，对划分完成的元胞依次赋予属性值，若网格为空闲、人员占用、 障碍物占用则分别赋值对应的元胞状态为“0”、“1”、“2”，设置该集合为S[i]；

对于路径选取单元的选取规则如下：

首先通过计算元胞到各安全通道口的距离，选取距离值最短的安全通道口为目标出口， 即采用欧拉距离的方法获取目标出口，计算公式为：

$D\left[j\right]=\min \left\{\sqrt{{\left(\mathrm{Exit}\right[n\left]\right[x]-\mathrm{Cell}[i\left]\right[x\left]\right)}^2+{\left(\mathrm{Exit}\right[n\left]\right[y]-\mathrm{Cell}[i\left]\right[y\left]\right)}^2}\right\};$

其中，D[j]表示元胞与目标出口距离值，j表示目标出口的编号，Exit[n]表示不同位置 安全通道口，n表示安全通道口编号；

Exit[n][x]、Exit[n][y]分别表示安全通道口对应的横坐标和纵坐标，Cell[i]表示不同编号 的元胞，Cell[i][x]、Cell[i][y]分别表示不同元胞的横坐标及纵坐标；

对于速度系数单元的确定规则如下：

人员在建筑物中的运动速度Speed受到周围环境包括其他人员、障碍物的影响，人员移 动速度经验计算公式为：$\mathrm{Speed}=\sqrt{1/\rho 1-\mathrm{\Delta t}\times \mathrm{Speedc}/0.87};$

其中，Δt表示单位时间步长，取值为0.2～0.4s；ρ1表示该元胞0.4m范围内人员密度； Speedc表示速度系数，取值为0～1.0；

对于冲突处理单元的确定规则为：

当出现两个或多个元胞选择同一网格的情况，随机选择其中任一元胞移动到该网格，其 他元胞选择原地等待；

对于出口拥塞单元的确定规则为：

计算出口处一定范围内的人群密度，由此确定这一时间步长所能疏散的人数。

进一步，所述步骤s1中，人群疏散仿真模型的构建方法为：

s11、根据距离计算公式选取目标出口；

s12、根据相邻元胞的属性及其与目标出口的距离值，选取下一时间步长目标网格；

s13、建立零矩阵Zero，记录元胞下一时间步长移动位置；

s14、检测及处理冲突、更新元胞位置。

进一步，所述步骤s11中，选取最短距离值TEMP为Xmax×Ymax，目标出口的选取方法 如下：

①应用距离计算公式得到元胞位置与出口编号为n的距离值；

②如果元胞自身位置到出口编号为n的距离值Exit[j]小于最短距离值TEMP，将Exit[j] 的数值赋予TEMP；

跳回步骤①直至遍历n个出口，输出目标出口编号j及最短距离值TEMP。

进一步，所述步骤s12中，下一时间步长目标网格的选取方法为：

①应用距离计算公式得到邻域网格与目标出口j的距离值；

②如果邻域网格到j出口的距离值Exit[j]小于最短距离值TEMP，则将Exit[j]数值赋予 TEMP；跳回步骤①直至遍历8个邻域网格，输出下一时间步长的目标网格位置G[i]。

进一步，所述步骤s13中，记录元胞下一时间步长移动位置的方法如下：

①若下一时间步长元胞S[i]所选择的目标网格的位置为G[i]，应用人员移动速度经验计 算公式得到元胞下一时间步长内移动的距离；

②将计算得到的下一时间步长内移动的距离累加到移动余值R[i]中；若移动余值R[i]大 于该元胞移动到目标网格的距离，则认为该元胞下一时间步长里可移动到目标网格G[i]；

③建立Xmax×Ymax的零矩阵Zero，将该元胞编号i存储于Zero中与目标网格G[i]相同编 号的变量中，遍历所有元胞集合S[i]。

进一步，所述步骤s14中，检测及处理冲突、更新元胞位置的方法如下：

①将元胞集合S[i]中所有元素赋值零，删除当前元胞位置信息；

②判别零矩阵Zero中各元素所存储的i数量，若数量超过2，分别记为X₁，X₂…X_j， 即表示元胞间在目标网格的选择上发生了冲突，处理方法为随机选取该变量所存储的任意一 个元胞编号，将属性值S[G[i]]赋值为“1”，未被选中的元胞数量为(j-1)个，令S[X_j]赋值为“1”， 直至遍历未被选中的(j-1)个元胞；

③遍历零矩阵Zero中所有元素，至此完成了元胞的位置更新。

进一步，所述步骤s2中，扩展后的路径选取单元的选取规则如下：

首先通过计算元胞到各安全通道口的距离，选取距离值最短的安全通道口为目标出口， 即采用欧拉距离的方法获取目标出口，计算公式为：

$D\left[j\right]=\min \{\sqrt{{\left(\mathrm{Exit}\right[n\left]\right[x]-\mathrm{Cell}[i\left]\right[x\left]\right)}^2+{\left(\mathrm{Exit}\right[n\left]\right[y]-\mathrm{Cell}[i\left]\right[y\left]\right)}^2}\times \mathrm{\lambda n}\};$

其中，D[j]表示元胞与目标出口距离值，j表示目标出口的编号，Exit[n]表示不同位置 安全通道口，n表示安全通道口编号；λn表示拥塞因子；

Exit[n][x]、Exit[n][y]分别表示安全通道口对应的横坐标和纵坐标，Cell[i]表示不同编号 的元胞，Cell[i][x]、Cell[i][y]分别表示不同元胞的横坐标及纵坐标。

进一步，所述步骤s3中，建立人工神经网络模型的方法如下：

人群疏散仿真模型构建完成后，随机产生20～40组拥塞因子，确立20～40种撤离方案，应 用安全通道均衡撤离调节模型对撤离方案进行仿真模拟，输出相应的撤离完成总时间，随机 选取其中15～30组作为BP神经网络训练样本，其余为检验样本；选取在闭区间内对任意一个 连续函数都可逼近的3层BP神经网络，输入层对应输入已获取的预选方案安全通道的拥塞因 子，隐含层通过计算节点数量范围选取其最大值，输出层为模拟得到的撤离完成总时间。

进一步，所述步骤s4中，建立撤离方案优选模型的方法如下：

以0.1为循环初始值，1.0为循环终止值，步长选为0.1，完成N次嵌套循环，生成1e+N组 拥塞因子，确定1e+N种撤离方案，应用训练成熟的BP神经网络net，预测撤离方案对应的撤 离完成总时间，然后筛选出撤离完成总时间最少的一组拥塞因子λ_n；

将这组拥塞因子λ_n输入安全通道均衡撤离调节模型中，计算该组拥塞因子对应的撤离完 成总时间与理想撤离总时间的相对偏差，若相对偏差小于10％～15％，则认为该组拥塞因子λ_n确立的撤离方案符合要求；若相对偏差未达到该要求，进行二次撤离方案优选阶段，即以λ_n-0.1 为循环初始值，λ_n+0.1为循环终止值，步长选为0.02，完成N次嵌套循环，生成1e+N组拥 塞因子确立的撤离方案，应用训练成熟的BP神经网络模型net，预测撤离方案撤离完成总时 间，然后筛选出撤离完成总时间最少的一组拥塞因子λ_n；应用mapminmax函数对该组拥塞因 子作归一化处理后，输入安全通道均衡撤离调节模型中，得到人员疏散选择区信息图。

本发明具有如下优点：

(1)本发明方法可模拟建筑物内人群疏散过程，得到以“最短路径”原则完成撤离的总时 间及安全通道在撤离过程中的失效情况，同时判断安全通道的布置位置能否满足人群安全撤 离的要求；

(2)本发明方法可划分人员疏散选择区，指定同一人员疏散选择区的人群选择同一安全 通道进行撤离，突破了传统疏散撤离方法中以“最短路径”为原则选择疏散路线，避免因人群 选择不合理，部分安全通道超出疏散能力，另一部分通道未能发挥出全部疏散能力，在出口 处发生拥挤堵塞，减缓撤离速度，克服了已有撤离方法不能快速撤离的不足；

(3)本发明方法可指同一人员疏散选择区的人群选择同一安全通道进行撤离，给定最佳 疏散路线，均衡分配安全通道承担的疏散任务，减少了大量人群选择某一部分安全通道而引 发严重踩踏事故的可能性。

附图说明

图1为本发明中一种公共建筑物非均称安全通道的人群均衡撤离方法的流程图；

图2为本发明中障碍物网格划分方法示意图；

图3为本发明中BP神经网络结构模型图；

图4为本发明实施例中滞留人数与时间的关系曲线图；

图5为本发明实施例中人员疏散选择区信息图。

具体实施方式

下面结合附图以及具体实施方式对本发明作进一步详细说明：

结合图1所示，一种公共建筑物非均称安全通道的人群均衡撤离方法，包括如下步骤：

s1、建立人群疏散仿真模型

获取建筑物中的障碍物、人群位置分布及安全通道口位置、大小尺寸信息，通过网格划 分单元、路径选取单元、速度系数单元、冲突处理单元、出口拥塞单元组建人群疏散仿真模 型，通过建立线性曲线预测理想撤离总时间。具体的，

对于A-b网格划分单元的划分规则如下：

取人均占地面积0.4m×0.4m作为一个网格大小，以建筑物内角点作为边界进行网格划分， 建立X-Y的二维坐标定义每个网格的位置。

对于安全通道口及障碍物网格划分如图2所示，若障碍物部分与某网格区域相交，则定义 该网格的属性为安全通道或障碍物。

最后对参数进行初始化，对划分完成的元胞依次赋予属性值：

若网格为空闲、人员占用、障碍物占用则分别赋值对应的元胞状态为“0”、“1”、“2”，设 置该集合为S[i]。

对于A-c路径选取单元的选取规则如下：

为模拟现场人群疏散情况，首先通过计算元胞到各安全通道口的距离，选取距离值最短 的安全通道口为目标出口，即采用欧拉距离的方法获取目标出口，计算公式为：

$D\left[j\right]=\min \left\{\sqrt{{\left(\mathrm{Exit}\right[n\left]\right[x]-\mathrm{Cell}[i\left]\right[x\left]\right)}^2+{\left(\mathrm{Exit}\right[n\left]\right[y]-\mathrm{Cell}[i\left]\right[y\left]\right)}^2}\right\};$

其中，D[j]表示元胞与目标出口距离值，j表示目标出口的编号，Exit[n]表示不同位置 安全通道口，n表示安全通道口编号；

Exit[n][x]、Exit[n][y]分别表示安全通道口对应的横坐标和纵坐标，Cell[i]表示不同编号 的元胞，Cell[i][x]、Cell[i][y]分别表示不同元胞的横坐标及纵坐标。

路径的选取是由相邻8个元胞的属性及其与目标出口的距离值共同决定的，仅当相邻元胞 的属性值为“0”，且出口的距离值最短时，该网格才可作为元胞下一时间步长的目标网格。

对于A-d速度系数单元的确定规则如下：

人员在建筑物中的运动速度Speed受到周围环境包括其他人员、障碍物的影响，人员移 动速度经验计算公式为

$\mathrm{Speed}=\sqrt{1/\mathrm{density}-\mathrm{\Delta t}}/0.87;$

Δt表示单位时间步长，取0.2～0.4s；density为邻域网格的人或障碍物的密度；考虑到人 群在建筑物中可能以上下台阶运动为主，故将公式扩展为：

$\mathrm{Speed}=\sqrt{1/\rho 1-\mathrm{\Delta t}\times \mathrm{Speedc}/0.87};$

Speedc表示速度系数，取值0～1.0；ρ1表示该元胞0.4m范围内人员密度。

上台阶运动速度经验取值为0.6～0.8，下台阶运动经验取值为0.8～1.0，平台阶运动经验取 值为1.0，具体取值受具体台阶的高度、宽度等因素的影响。

另外，如果条件允许，可通过现场人员多次试验获得，具体实施方法：寻找可代表疏散 人群特征的5～10人作为试验对象，按照1人独行、2人并行、3人并行、5人并行、10人并 行等不同方式，分别测定上台阶、平台阶、下台阶移动相同数量的台阶所需时间，得到各组 试验的运动速度取平均值，作归一化处理后，得到相应的上台阶、平台阶、下台阶运动速度。

对于A-e冲突处理单元的确定规则为：

考虑到可能会出现两个或多个元胞选择同一网格的情况，故对选择结果进行冲突检测。 若出现所述情况，随机选择其中任一元胞移动到该网格，其他元胞选择原地等待。

对于A-f出口拥塞单元的确定规则为：

出口处人群的密度直接影响出口疏散速度，人群密度较小时，人群顺利从出口撤离；人 群密度过大时会发生人群的拥挤堵塞，为了进一步模拟拥挤堵塞现象，需计算出口处一定范 围内的人群密度，据此确定这一时间步长所能疏散的人数。

基于上述各单元，组建人群疏散仿真模型的方法如下：

s11、根据距离计算公式选取目标出口：选取最短距离值TEMP为Xmax×Ymax，

①应用距离计算公式得到元胞位置与出口编号为n的距离值；

②如果元胞自身位置到出口编号为n的距离值Exit[j]小于最短距离值TEMP，将Exit[j]的 数值赋予TEMP；跳回步骤①直至遍历n个出口，输出目标出口编号j及最短距离值TEMP。

s12、根据相邻元胞的属性及其与目标出口的距离值，选取下一时间步长目标网格：

①应用距离计算公式得到邻域网格与目标出口j的距离值；

②如果邻域网格到j出口的距离值Exit[j]小于最短距离值TEMP，则将Exit[j]数值赋予 TEMP。跳回步骤①直至遍历8个邻域网格，输出下一时间步长的目标网格位置G[i]。

s13、建立零矩阵Zero，记录元胞下一时间步长移动位置：

①若下一时间步长元胞S[i]所选择的目标网格的位置为G[i]，应用人员移动速度经验计 算公式得到元胞下一时间步长内移动的距离；

②将计算得到的下一时间步长内移动的距离累加到移动余值R[i]中；若移动余值R[i]大 于该元胞移动到目标网格的距离，则认为该元胞下一时间步长里可移动到目标网格G[i]；

③建立Xmax×Ymax的零矩阵Zero，将该元胞编号i存储于Zero中与目标网格G[i]相同编 号的变量中，遍历所有元胞集合S[i]。

s14、检测及处理冲突、更新元胞位置：

①将元胞集合S[i]中所有元素赋值零，删除当前元胞位置信息；

②判别零矩阵Zero中各元素所存储的i数量，若数量超过2，分别记为X₁，X₂…X_j， 即表示元胞间在目标网格的选择上发生了冲突，处理方法为随机选取该变量所存储的任意一 个元胞编号，将属性值S[G[i]]赋值为“1”，未被选中的元胞数量为(j-1)个，令S[X_j]赋值为“1”， 直至遍历未被选中的(j-1)个元胞；

③遍历零矩阵Zero中所有元素，至此完成了元胞的位置更新。

通过人群疏散仿真模型可输出疏散完成总时间，同时输出滞留人数与时间的关系曲线图。 通过分析发现，曲线斜率最大值可视为建筑物内全部出口均在执行疏散撤离任务时的疏散效 率，若此值为k，则建立线性曲线y＝kx+b，此时b为建筑物内总人数。由线性曲线得出x轴 的截距为-b/k，由此k值得到的撤离总时间最少，由此预测出理想撤离总时间为-b/k。

s2、建立安全通道均衡撤离调节模型

对于安全通道均衡撤离调节模型，引入拥塞因子调节各通道对人群的吸引力，拥塞因子 λn数值越大，表示该安全通道口滞留人数越多，也越易发生拥挤堵塞，为尽快撤离现场，本 发明方法倾向于选择拥塞因子小的出口(先前根据距离最短选择出口)，于是减少了原会发生 拥挤堵塞的出口的疏散任务，增加了未充分发挥疏散能力出口的疏散任务，由此达到调节各 通道疏散任务的目的。扩展所述路径选取单元的计算公式为：

$D_j=\min \{\sqrt{{\left(\mathrm{Exit}\right[n\left]\right[x]-\mathrm{Cell}[i\left]\right[x\left]\right)}^2+{\left(\mathrm{Exit}\right[n\left]\right[y]-\mathrm{Cell}[i\left]\right[y\left]\right)}^2}\times \mathrm{\lambda n}\},$λn为拥塞因子；

将人群疏散仿真模型的路径选取单元修改为扩展后的路径选取单元，即可得到安全通道 均衡撤离调节模型。

换言之，人群疏散仿真模型与安全通道均衡撤离调节模型区别在于拥塞因子的引入，即 路径选取单元的计算公式有所不同。

s3、构建人工神经网络模型

应用安全通道均衡撤离调节模型模拟一定数量的拥塞因子确立的撤离方案，得到BP神经 网络训练样本及检验样本，构建3层BP神经网络，具体的，

人群疏散仿真模型构建完成后，随机产生20～40组拥塞因子，确立20～40种撤离方案， 应用安全通道均衡撤离调节模型对撤离方案进行仿真模拟，输出相应的撤离完成总时间，随 机选取其中15～30组作为BP神经网络训练样本，其余为检验样本；

对于人工神经网络模型单元，首先应确定BP神经网络的层数。层数越多，处理复杂非 线性问题能力越强，训练时间也越长，但若层数过于少，收敛效果越差。对于撤离总时间求 解问题，可选取在闭区间内对任意一个连续函数都可逼近的3层BP神经网络。

确定每层节点的个数。第一层为输入层，安全通道的数量决定输入层节点数量，若此建 筑物内部共有N个安全通道，则节点数量为N个。每组输入对应一组拥塞因子λ₁，λ₂，λ₃…λ_n， 即每组输入值对应已获取的预选方案安全通道的拥塞因子。最后一层为输出层，根据撤离总 时间求解问题的需求，第三层的输出值为模拟得到的撤离完成总时间，故输出层节点数量l＝1， 每组对应的输出值为撤离完成总时间T。第二层为隐含层，隐含层节点数量一般取最大值， 故应先确定隐含层节点数量范围，隐含层节点数量范围计算公式为：

$\sqrt{\mathrm{nl}}\le m\le \sqrt{n(l+3)}+1;$

其中，l表示输出层节点数量，m表示隐函数节点数量。

选取各层激发函数。输入层神经元的激发函数，取f(x)＝x，即将输入层神经元的值不加处 理地直接加权传送至隐含层神经元。隐含层和输出层神经元的激发函数为Sigmoid型函数 f(x)＝1/(1+e-x)。该函数的特点是定义域为实数，取值范围为[0,1]，并且无限可微。

进入BP神经网络模型的训练阶段。首先确定网络初始参数，隐含层和输出层的阈值取[0,1] 之间的数，可随机生成或取一定值，此处初始权值和阈值均随机生成。因选取的λ_n取值范围 为[0,1]，所以无需对λ_n进行归一化处理。

进入网络的训练与检验阶段。通过所述提及的训练样本对网络进行训练，直到精度符合 要求为止，应用matlab语言编译BP神经网格，部分代码如下：

net＝newff(p_train,t_train,[12,1],{'tansig','tansig'},'traingd')；％初始化网络结构

net.trainParam.epochs＝1e12；          ％迭代次数

net.trainParam.lr＝0.2；               ％训练速度

net.trainParam.goal＝0.00004；         ％均方误差

[net,tr]＝train(net,p_train,t_train)； ％调用网络训练函数

save net；                             ％保存网络

所述提及的net即为训练成熟的BP神经网络。

s4、建立撤离方案优选模型

通过N层嵌套循环对撤离方案优选单元：以0.1为循环初始值，1.0为循环终止值，步长选 为0.1，完成N次嵌套循环，生成1e+N组拥塞因子，确定1e+N种撤离方案，应用训练成熟的BP 神经网络net，预测撤离方案对应的撤离完成总时间，然后筛选出撤离完成总时间最少的一组 拥塞因子λ_n；将这组拥塞因子λ_n输入安全通道均衡撤离调节模型中，计算该组拥塞因子对应的 撤离完成总时间与理想撤离总时间的相对偏差，若相对偏差小于10％～15％，则认为这组拥塞 因子λ_n确立的撤离方案较为理想；若未达到该要求，进行二次撤离方案优选阶段，即以λ_n-0.1 为循环初始值，λ_n+0.1为循环终止值，步长选为0.02，完成N次嵌套循环，生成1e+N组拥塞因 子确立的撤离方案，应用训练成熟的BP神经网络模型net，预测撤离方案撤离完成总时间，然 后筛选出撤离完成总时间最少的一组拥塞因子λ_n；应用mapminmax函数对该组拥塞因子作归 一化处理后，输入安全通道均衡撤离调节模型中，得到人员疏散选择区信息图。

人员疏散选择区信息图中示出了建筑物中人员进行撤离的最佳出口，制定撤离方案的关 键在于保证人员按照指定的出口撤离，具体可以通过以下措施实现：

1)在人员进入建筑物前，结合人员疏散选择区信息图，告知每个人指定的撤离出口编号， 也可通过将最佳撤离出口编号标记在门票、座位上提醒每个人；

2)在建筑物内部可通过夜光标牌的方式指示人员通向每个出口的具体路线，在出口位置 应标明出口编号，方便人群找寻最佳撤离出口位置；

3)在紧急情况发生时，每个出口安排1～3名工作人员引导人群按照指定的撤离出口安全 疏散，也可通过语音广播方式引导疏散人群。

下面以某体育馆演唱会为例，更为详细的说明本发明中一种公共建筑物非均称安全通道 的人群均衡撤离方法的具体实施步骤：

该体育馆总轮廓近似为长宽为44.00m×31.00m的椭圆形，容纳人数约为2500人，安全通 道口共12个，编号分别为E₁、E₂…E₁₂，分布于体育馆边界周围。

由于观众座位并非为均匀分布，特别是有区域为舞台遮挡区，此区域座位为空，显然安 全通道口的位置未根据人群分布位置而安设，因此可推知在该体育馆举办演唱会时，存在因 非均称安全通道产生人群不均衡撤离的问题，下面将本发明中的非均称安全通道人群均衡撤 离方法应用于该体育馆举办的演唱会。

以网格大小0.40m×0.40m对其进行划分，辨别无占用网格、建筑物占用网格、人员占用 网格，完成集合S[i]的赋值，网格划分后如图2所示。

通过多次试验测定得到上台阶速度系数为0.63，下台阶速度系数为0.81，平台阶速度系 数为1.0。通过所述人群疏散仿真模型可输出现有撤离完成时间为151.50s。同时输出滞留人 数与时间的关系曲线图3。

由图3可以得到曲线斜率最大段斜率约为-27.78，则得到线性曲线y＝-27.78x+2506，由线 性曲线得出x轴的截距为90.02，因此可预测出理想的撤离完成总时间为90.02s。

随机产生30组拥塞因子确立30种撤离方案，应用安全通道均衡撤离调节模型对撤离方 案进行仿真模拟，输出相应的撤离完成总时间。

随机选取其中25组作为BP神经网络训练样本，其余5组为检验样本。

对于预测疏散撤离的总时间，选取在闭区间内对任意一个连续函数都可逼近的3层BP 神经网络建立时间求解模型。

输入层节点数量为12个。每组对应的输入值分别为λ₁，λ₂，λ₃…λ_n，即每组输入值对应 已获取的预选方案中安全通道的拥塞因子。输出层为输出撤离的总时间，输出层节点数量l＝1， 每组对应的输出值为撤离完成总时间T。通过所述计算公式确定隐含层节点个数的取值范围 为[4,8]间整数，故隐含层节点个数取最大值8。对于输入层神经元的激发函数，取f(x)＝x，隐 含层和输出层神经元的激发函数为Sigmoid型函数。通过已选取25组训练样本对网络进行训 练，直到精度符合要求为止。

通过12层嵌套循环对撤离方案优选单元：以0.1为循环初始值，1.0为循环终止值，步 长选为0.1，完成12次嵌套循环。通过12次嵌套循环，生成1e+12组拥塞因子确立的撤离方 案，应用训练成熟的BP神经网络net，预测撤离方案撤离完成总时间，然后筛选出撤离完成 总时间最少的一组拥塞因子，出口E₁、E₂…E₁₂对应的拥塞因子分别为0.8、0.3、0.6、0.8、 0.6、0.3、0.8、1.0、0.7、0.7、0.7、1.0。

将这组拥塞因子λ_n输入安全通道均衡撤离调节模型中，通过仿真模拟得出撤离完成总时 间为110.50s，计算撤离完成总时间T与理想撤离总时间的相对偏差为18.53％，相对偏差在 大于5％～10％，于是进行二次撤离方案优选阶段：以分别以0.7、0.2、0.5、0.7、0.5、0.2、 0.7、0.9、0.6、0.6、0.6、0.9为循环初始值，分别以0.9、0.4、0.7、0.9、0.7、0.2、0.7、1.1、 0.8、0.9、0.8、1.1为循环终止值，步长选为0.02，完成12次嵌套循环。

通过12次嵌套循环，生成1e+12组拥塞因子确立的撤离方案，应用训练成熟的BP神经 网络预测撤离方案撤离完成总时间，然后筛选出撤离完成总时间最少的一组拥塞因子，应用 mapminmax函数对该组拥塞因子作归一化处理，得到拥塞因子为0.72、0.70、0.70、0.98、0.98、 0.78、0.78、0.32、0.32、0.66、0.66、0.80。

将这组拥塞因子λ_n输入安全通道均衡撤离调节模型中，模拟得出撤离完成总时间为 104.00s，得到人员疏散选择区信息图，如图5所示。

按照所述建议的具体措施，结合现场实际情况，制定相应的人员撤离方案即可。

当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说 明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变 形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。