一种动态逃生指引方法及系统技术方案

本发明专利技术属于安全疏散技术领域，涉及一种动态逃生指引方法及系统。该方法包括离线训练阶段和在线动态逃生指引阶段；所述离线训练阶段基于图像识别得到路径安全状态识别模型；所述在线动态逃生指引阶段实时获取通行区的图片，输入所述路径安全状态识别模型，判断路径是否安全，如某路径不安全，实时将由所处场景抽象成的无向图中，对应的不安全路径的权值改为无穷大；基于最短路径算法实时对修改后的无向图进行避开不安全路径的最短路径规划，并按照规划出的最短路径，实时动态地进行逃生指引。本发明专利技术能够实现最短逃生路径的实时动态求解，并据此进行逃生指引，由此解决现有技术难以实时动态进行逃生指引的技术问题。

A dynamic escape guidance method and system

【技术实现步骤摘要】
一种动态逃生指引方法及系统
本专利技术属于安全疏散
，更具体地，涉及一种动态逃生指引方法及系统，其既能适用于大型交通枢纽中的实时、动态逃生指引，也能适用于一般场景下的实时、动态逃生指引。
技术介绍
近年来，各大城市均建设了许多地下综合体一类的大型交通枢纽场所，这些场所具有内部空间大、结构复杂、人员密度大等特点。随着交通枢纽数量的急剧增长、规模的逐步扩张和愈加复杂的内部结构，直接导致了疏散路径长、疏散路线复杂的弊端，进而造成人员疏散行动混乱，疏散时间长、疏散效率低。面对火灾、恐怖袭击、踩踏和地震等突发事件，人们对逃生指引系统提出了新的更高的要求。为了解决上述问题，有学者提出了利用蚁群算法，直接将人数作为因变量进行逃生路径模拟计算，从而直接根据人数不同规划不同的逃生路径。该方法对于小范围内人数固定的场所进行事前规划的效果较好。但是，由于蚁群算法收敛速度慢、易陷入局部最优，一般需要较长的搜索时间，而且该方法容易出现停滞现象，即搜索进行到一定程度后，所有个体发现的解完全一致，不能对解空间进一步进行搜索，不利于发现更好的解，因此对于大型交通枢纽场所的实时逃生路线，存在如下问题：(1)由于大型交通枢纽场所的人数是实时动态变化的，无法实时统计，且高峰期和低峰期人数差异巨大，而蚁群算法训练过程中的起始蚂蚁数量是固定的，且需要遍历所有蚂蚁，因此蚂蚁数量直接决定算法求解效率，数量越多求解越慢，实时性越差，采用蚁群算法实时基于人数进行路径规划难以适应大型交通枢纽场所的实际场景需求；(2)由于大型交通枢纽场所通道众多，人数分布也不可控，当危险来临之际，特别是在逃生路径出现突发事故时，部分的通道和空间很大可能上将因某些问题不可使用，例如大火阻隔、倒塌物堵塞、人群骚乱拥堵或者发生了踩踏等等。而蚁群算法的本质就在于模仿蚂蚁习性，以最多蚂蚁选择的路径作为最优路径，反而更容易引导人群聚集于同一逃生路径上导致拥堵，发生危险。(3)此外，由于目前基于蚁群算法的全局最优路径规划均属于事前规划，采用的应急疏散标志灯具大部分按照预先规划好的路径，以静态的、不可变的单体形式存在，在紧急疏散时，常常会出现逃生盲区，甚至造成误导现象。上述原因均使得大型交通枢纽场所的逃生路径，难以实时动态地进行规划和调整。为此，亟需能够实时、动态进行疏散逃生指引的方法及系统，以实现“安全、准确、迅速”地引导人员逃生。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种动态逃生指引方法及系统，其目的在于，基于深度学习的图像识别技术实时监控和识别交通枢纽中的空间及通道的可用状态，并据此实时动态修正场景无向图中对应路径的权值，然后直接利用最短路径算法快速求解出最短逃生路径，实现最短逃生路径的实时动态求解，并据此进行逃生指引，由此解决现有技术难以实时动态进行逃生指引的技术问题。为实现上述目的，按照本专利技术的一个方面，提供了一种动态逃生指引方法，包括离线训练阶段和在线动态逃生指引阶段：所述离线训练阶段，采用火焰图片与无火图片、有人图片与无人图片、人员摔倒、拥堵图片与人员正常通行图片，以及塌陷、塌堵图片与正常场景图片中的至少一种组合，对神经网络进行训练，得到路径安全状态识别模型；所述在线动态逃生指引阶段包括如下步骤：步骤1：实时获取通行区的图片，输入所述路径安全状态识别模型，判断路径是否安全，如某路径不安全，转步骤2；步骤2：实时将由所处场景抽象成的无向图中，对应的不安全路径的权值改为无穷大；步骤3：基于最短路径算法实时对步骤2修改后的无向图进行避开不安全路径的最短路径规划，并按照规划出的最短路径，实时动态地进行逃生指引。进一步地，所述神经网络采用既有底层网络进行迁移训练，从而快速获得路径安全状态识别模型。进一步地，将底层网络的学习率调小，同时将上层网络的学习率调大。进一步地，步骤1中，人员拥堵造成路径不安全的识别方式采用如下至少一种：(1)若在离线训练阶段采用有人图片与无人图片进行训练，则在步骤1中记录某一通行区在单位时间内所述路径安全状态识别模型识别出的通行人员的数量，与对应通行区设计的最大通行容量进行比较，超出最大通行容量则视为该通行区的路径不安全；(2)若在离线训练阶段采用人员摔倒图片与人员正常通行图片进行训练，则在步骤1中，识别出有人员摔倒时即视为对应的路径不安全；(3)若在离线训练阶段采用人员拥堵图片与人员正常通行图片进行训练，则在步骤1中，直接识别出是否存在人员拥堵。进一步地，步骤2中所述无向图按照如下方式抽象获得：将所有需要进行路径选择的路口抽象成点，相邻的点与点之间按照正常情况下可通行的路径进行连线构成一幅无向图，连线的权值设为相邻两路口之间的距离，因此，无向图包含从起点到终点的所有路口节点编号，路口之间的距离，以及路口之间的可通行路径。进一步地，将无向图中的逃生起点位置用十进制矩阵s进行表示，终点位置用十进制矩阵t进行表示，起点与终点之间的距离采用十进制矩阵weights进行表示，采用的最短路径算法为dijkstra算法；通过实时更新十进制矩阵weights，利用dijkstra算法快速计算出绕过不安全路径的最短安全路径。进一步地，步骤1中还包括从场景中的温度和/或烟雾传感器收取火焰、烟雾信息，从而更为准确、全面地判断路径安全状态。为了实现上述目的，本专利技术还提供了一种动态逃生指引方法，在未发生险情时，以各个路口为起点，预先为各个路口规划多条通往同一或不同出口的全局最优逃生路线；紧急疏散时，预先规划的多条逃生路线全部或者多路开放以分散逃生人员，同时采用如前任意一项所述的动态逃生指引方法，实时监控每条逃生路线上各个路口节点之间路径的安全性，以在预先规划的全局最优逃生路线基础上，根据路况变化实时动态地进行逃生路径的二次规划及指引，从而绕过不安全路径。为了实现上述目的，本专利技术还提供了一种动态逃生指引系统，包括处理器、路径安全状态识别模型以及动态逃生指引程序模块；所述路径安全状态识别模型是通过如前任意一项所述的动态逃生指引方法中的离线训练阶段进行离线训练获得；所述动态逃生指引程序模块在被所述处理器调用时，执行如前任意一项所述的动态逃生指引方法中的步骤1～3。进一步地，包括：摄像头、指示灯以及无线连接模块；多个所述摄像头分布于逃生路径对应的监控区域，用于拍摄监控范围内的图像，并通过无线连接模块上传至所述处理器；多个所述指示灯分布于逃生通道中，通过无线连接模块接收处理器的指向指令；所述处理器实时根据路径规划结果向各个所述指示灯发布指向指令，实现逃生路径的动态规划与指引。总体而言，本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：(1)本专利技术的方法基于离线训练的路径安全状态识别模型进行路径安全性的判断，并针对不安全路径实时修改场景无向图，从而可以配合最短路径算法，实时避开危险路径而选择新的安全路径，实现逃生路径的实时动态规划本文档来自技高网...

【技术保护点】
1.一种动态逃生指引方法，其特征在于，包括离线训练阶段和在线动态逃生指引阶段：/n所述离线训练阶段，采用火焰图片与无火图片、有人图片与无人图片、人员摔倒、拥堵图片与人员正常通行图片，以及塌陷、塌堵图片与正常场景图片中的至少一种组合，对神经网络进行训练，得到路径安全状态识别模型；/n所述在线动态逃生指引阶段包括如下步骤：/n步骤1：实时获取通行区的图片，输入所述路径安全状态识别模型，判断路径是否安全，如某路径不安全，转步骤2；/n步骤2：实时将由所处场景抽象成的无向图中，对应的不安全路径的权值改为无穷大；/n步骤3：基于最短路径算法实时对步骤2修改后的无向图进行避开不安全路径的最短路径规划，并按照规划出的最短路径，实时动态地进行逃生指引。/n

【技术特征摘要】
1.一种动态逃生指引方法，其特征在于，包括离线训练阶段和在线动态逃生指引阶段：
所述离线训练阶段，采用火焰图片与无火图片、有人图片与无人图片、人员摔倒、拥堵图片与人员正常通行图片，以及塌陷、塌堵图片与正常场景图片中的至少一种组合，对神经网络进行训练，得到路径安全状态识别模型；
所述在线动态逃生指引阶段包括如下步骤：
步骤1：实时获取通行区的图片，输入所述路径安全状态识别模型，判断路径是否安全，如某路径不安全，转步骤2；
步骤2：实时将由所处场景抽象成的无向图中，对应的不安全路径的权值改为无穷大；
步骤3：基于最短路径算法实时对步骤2修改后的无向图进行避开不安全路径的最短路径规划，并按照规划出的最短路径，实时动态地进行逃生指引。


2.如权利要求1所述的一种动态逃生指引方法，其特征在于，所述神经网络采用既有底层网络进行迁移训练，从而快速获得路径安全状态识别模型。


3.如权利要求2所述的一种动态逃生指引方法，其特征在于，将底层网络的学习率调小，同时将上层网络的学习率调大。


4.如权利要求1～3任意一项所述的一种动态逃生指引方法，其特征在于，步骤1中，人员拥堵造成路径不安全的识别方式采用如下至少一种：
(1)若在离线训练阶段采用有人图片与无人图片进行训练，则在步骤1中记录某一通行区在单位时间内所述路径安全状态识别模型识别出的通行人员的数量，与对应通行区设计的最大通行容量进行比较，超出最大通行容量则视为该通行区的路径不安全；
(2)若在离线训练阶段采用人员摔倒图片与人员正常通行图片进行训练，则在步骤1中，识别出有人员摔倒时即视为对应的路径不安全；
(3)若在离线训练阶段采用人员拥堵图片与人员正常通行图片进行训练，则在步骤1中，直接识别出是否存在人员拥堵。


5.如权利要求1～3任意一项所述的一种动态逃生指引方法，其特征在于，步骤2中所述无向图按照如下方式抽象获得：将所有需要进行路径选择的路口抽象成点，相邻的点与点之间按照正常情况下可通行的路径进行连线构成一幅无向图，连线的权值设为相邻两路口之间的距离，因此，无向...

【专利技术属性】
技术研发人员：卢叶涛，关堂浩，刘诗怡，李玥，刘雨涵，刘有军，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42