基于蚁群算法和改进社会力模型的人群疏散辅助决策系统

摘要

本发明提供一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，包括以下方法步骤：S1、通过拍摄装置获取疏散场景参数，在计算机内创建疏散场景模型，基于神经网络人脸识别系统对不同类型行人进行分类；S2、利用蚁群算法规划具有完整疏散信息的行人疏散路线：S3、考虑从众行为、受障碍物和墙壁等影响的个人偏好，规划具有局部疏散信息的行人的疏散路线；S4、基于改进社会力模型驱动行人的运动，仿真模拟人群的疏散运动；S5、预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。本发明在疏散过程中均衡利用设施资源，预测疏散瓶颈，设置引导标志，合理规划动态疏散路径，提高疏散效率。

说明书

技术领域

本发明属于计算机模拟技术领域，涉及一种行人疏散仿真，特别是一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统。

背景技术

随着国家城市化水平的提高，大型公共建筑不断增加。当建筑物内人群密集程度较高时，人群可能处于高度不稳定状态，在安全管理方面存在极大隐患。一旦存在建筑物内设施布局不合理或应急疏散预案不完善等问题，突发事件下高密度不稳定人群的疏散行为会存在极大的运动盲目性，极易出现人群拥挤和恐慌现象，进而诱发踩踏事故。此外，管理人员的应急管理意识薄弱也是加重踩踏事故的重要原因之一。例如，2014年上海外滩及2020年伊朗克尔曼的人群踩踏事故均造成了严重的人员伤亡和财产损失。因此，公共场所人群的应急疏散管理问题已成为公共安全领域研究的一个热点。

突发事件下人群疏散运动是一个非常复杂的过程。如何运用科学手段合理设计疏散预案，避免发生人群安全事故，是关乎国泰民安的重大课题。通常，通过疏散演练活动探究疏散运动演化规律不仅成本高，同时无法保障实验参与人员的安全。随着现代信息技术的发展，计算机仿真模拟技术为建模行人基本运动、研究疏散规律、优化疏散策略提供了一种可行有效的方法，因此需要建立一种模拟精度高且能反映出行人异质性的人群疏散动力学模型。

发明内容

本发明的目的是针对现有的技术存在上述问题，提出了一种通过计算机模拟人群疏散情景，并依据多项科学理论推演出最佳疏散方案的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统。

本发明的目的可通过下列技术方案来实现：基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，包括以下方法步骤：

S1、通过拍摄装置获取疏散场景参数，在计算机内创建疏散场景模型，基于神经网络人脸识别系统对不同类型行人进行分类；

S2、利用蚁群算法规划具有完整疏散信息的行人疏散路线：

S3、考虑从众行为、受障碍物和墙壁等影响的个人偏好，规划具有局部疏散信息的行人的疏散路线；

S4、基于改进社会力模型驱动行人的运动，仿真模拟人群的疏散运动；

S5、预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。

在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S1包括：

S11、根据建筑物内设施属性和布局等信息，初始化障碍物的位置和大小，建立疏散模拟场景；

S12、利用建筑物入口处摄像机获取进入建筑物的行人图像，将所获取图像导入基于神经网络的人脸识别系统，以是否首次进入该建筑物作为衡量行人对疏散信息(对疏散环境的熟悉程度)掌握程度的标准，定义非首次进入建筑物的行人为具备完整疏散信息的I类行人，定义首次进入建筑物的行人为具备局部疏散信息的II类行人，初始化行人的位置、速度等基本属性参数。

在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S2包括：针对具备完整疏散信息的I类行人，根据行人当前位置和出口之间的连接线上是否存在障碍物，路线规划方法分为两种；

S21、若连接线上不存在障碍物并且连接线周围障碍物之间的距离允许行人通过，则行人的期望方向将直接指向出口；

S22、若行人当前位置和出口之间的连接线上存在障碍物，则采用蚁群算法规划其疏散路径；输入建筑物尺寸、障碍物尺寸和位置参数，构建建筑物的格子地图；其中，有障碍物的格子用1表示，否则用0表示；设置初始信息素矩阵；

S23、计算行人

其中，τ

S24、更新路线和路线长度；

S25、重复S23和S24，直到行人到达出口或没有路可走；

S26、重复步骤S23、S24和S25，直到行人完成本轮迭代；

S27、更新信息素矩阵τ

τ

其中，ρ是信息素挥发系数，Q是常数，L

S28、重复步骤S23-S27，直到达到迭代次数；

S29、计算得到最优路线

其中，(x

在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S22中，构建建筑物格子地图的格子大小由计算精度决定。

在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S3包括：

对具备局部疏散信息的II类行人，考虑从众行为、受障碍物和墙壁等影响的个人偏好等因素，规划II类行人的疏散路线，行人的期望方向为

其中，

在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S4包括：

S41、社会力模型中行人受到三种力的作用：驱动力

其中，m

S42、疏散过程中，驱动力

其中，

S43、疏散过程中，人与人之间的相互作用力

其中，A

S44、人与环境之间的相互作用力

其中，w代表障碍物。

在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S5包括：

将I类行人和II类行人的期望运动方向

与现有技术相比，本基于蚁群算法和改进社会力模型的人群疏散辅助决策系统具有以下有益效果：

本发明克服了当前真人疏散演习存在的人力物力成本高、危险性大等问题。本技术方案基于蚁群算法为具备完整疏散信息的行人规划路线，考虑从众行为及个人偏好为具备局部疏散信息的行人规划路线，以改进社会力模型驱动行人运动，可以从微观角度更好得模拟行人的疏散行为，预测突发事件下的行人疏散瓶颈，并合理设置引导标志以诱导行人安全疏散。在疏散过程中均衡利用设施资源，预测疏散瓶颈，设置引导标志，合理规划动态疏散路径，提高疏散效率，保障行人安全。本系统为疏散管理提供辅助决策支持，同时可用于改善建筑物内设施的空间结构设计，在一定程度上提高了社会力模型的适用范围，为多障碍环境的疏散决策提供辅助支持，同时可用于改善建筑物内设施的空间结构设计，具有很强的创新性和实用性。

附图说明

图1是本发明的流程示意图；

图2是本发明中具备完整疏散信息的I类行人的期望方向直指出口示例图；

图3是本发明中以蚁群算法为具备完整疏散信息的I类行人规划路线示例图。

具体实施方式

下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：

如图1所示，本发明公开了一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，该方法包括：

步骤S1、根据建筑物内设施属性和布局等信息，初始化障碍物的位置和大小，建立疏散模拟场景。利用建筑物入口处摄像机获取进入建筑物的行人图像，将所获取图像导入基于神经网络的人脸识别系统。人脸识别系统可将当前人脸图像与历史数据库中存储的图像进行比对，若吻合度超过70％，则判定此人来过此建筑物，否则判定为未来此建筑物。以是否首次进入该建筑物作为衡量行人对疏散信息(对疏散环境的熟悉程度)掌握程度的标准。定义非首次进入建筑物的行人为具备完整疏散信息的I型行人，定义首次进入建筑物的行人为具备局部疏散信息的II型行人。初始化行人的位置、速度等基本属性参数。

步骤S2、对具备完整疏散信息的I类行人，他们可能更愿意以最小的成本及时规划路线，以便快速到达安全区域，而不是仅仅绕过此障碍物。研究结果表明减少总步行距离的意图是行人选择路线的最关键因素。在多障碍物场景中，行人选择绕行哪个障碍物、绕行障碍物的哪一侧，会在一定程度上影响疏散路线的长度，进而影响疏散效率。对于I类行人，根据行人当前位置和出口之间的连接线上是否存在障碍物，路线规划方法有所不同。如果连接线上不存在障碍物并且连接线周围障碍物之间的距离允许行人通过，则行人的期望方向将直接指向出口，如图2所示。

如果行人当前位置和出口之间的连接线上存在障碍物，则行人会选择一种让其更快绕过障碍物顺利到达出口的方式。本发明借助蚁群算法可以得到一条既能避开障碍物又能缩短逃生距离的最优路径，用以规划此I类行人的疏散路径，如图3所示。注意，如果障碍物之间的距离不允许行人通过，则相关障碍物将合并处理。输入房间大小、障碍物位置和大小的参数。用离散格子构建房间地图。其中，有障碍物的格子用1表示，否则用0表示。设置初始信息素矩阵。格子大小由计算精度决定。蚁群算法规划I类行人i′的期望方向步骤为：

(1)计算I类行人i'从当前位置a到达下一节点b的概率

其中，τ

(2)更新路线和路线长度。

(3)重复(1)和(2)，直到行人到达出口或没有路可走。

(4)重复步骤(1)、(2)和(3)，直到行人完成本轮迭代。

(5)更新信息素矩阵τ

τ

其中，ρ是信息素挥发系数，Q是常数，L

(6)重复步骤(1)-(5)，直到达到迭代次数。

(7)计算得到最优路线

其中，(xi',yi')代表行人i'的位置，Δx代表

步骤S3、对具备局部疏散信息的II类行人，他们对建筑物内的全局信息量掌握有限，疏散过程中仅能根据视野中获取的信息做出逃生方向的判断。本发明充分考虑行人的从众行为、受障碍物和墙壁等影响的个人偏好等因素，规划此II类行人的疏散路线，行人的期望方向为

其中，

步骤S4、利用基于牛顿第二定律的社会力模型驱动行人的运动。在社会力模型中，行人受到三种力的作用：驱动力

其中，mi代表行人i的质量，

疏散过程中，驱动力

其中，

疏散过程中，人与人之间的相互作用力

其中，A

与人与人之间的相互作用力

其中，w代表障碍物、墙壁等。

步骤S5、将I类行人和II类行人的期望运动方向

综上所述，本发明公开的一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，以基于神经网络的人脸识别技术将行人划分为具有完整疏散信息的I类行人及具备部分疏散信息的II类行人。以蚁群算法规划I类行人疏散路线，以从众行为及个人偏好属性规划II类行人疏散路线。以改进社会力模型驱动行人运动，能够真实且准确地模拟行人疏散行为，预测突发事件下行人疏散瓶颈并标记，在标记处合理设置引导标志以诱导行人安全到达出口，提高疏散效率，保障行人的生命安全。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所做的举例，而非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引出的显而易见的变化或者变动仍处于本发明的保护范围之列。