【技术实现步骤摘要】
一种室内行人流疏散控制方法、系统、电子设备及介质
[0001]本专利技术涉及行人疏散
,特别是涉及一种室内行人流疏散控制方法、系统、电子设备及介质。
技术介绍
[0002]随着社会的不断发展,城市各地的娱乐设施、大型商场等公共场所急剧增加。而上述公共场所往往存在人群高度聚集的情况,发生诸如火灾、地震等灾害后,极易产生踩踏事件。而在发生突发情况下,如果引导人员能够进行有效疏散将会极大减少伤亡。因此人群疏散已经成为热门的研究课题。
[0003]对比当前中国国内外的研究现状,路径查找算法、元胞自动机模型和强化学习控制策略等广泛应用于行人疏散的研究课题中。然而,上述算法在人群疏散过程中性能优良的前提是传感器(比如摄像头)的精确测量。如果此时传感器周围有烟雾等不可控因素的影响,可能会导致传感器对行人分布的测量不准确,从而影响到疏散算法的工作效率。而在实际应用中,疏散算法效率降低可能造成的是生命财产无法挽回的损失。
技术实现思路
[0004]本专利技术的目的是提供一种室内行人流疏散控制方法、系统、电子设备及介质,以提高在传感器性能下降或者损坏条件下的行人流疏散效率。
[0005]为实现上述目的,本专利技术提供了如下方案:
[0006]一方面,本专利技术提供一种室内行人流疏散控制方法,包括:
[0007]对室内疏散场景下的行人密度演化规则进行建模,构建出口行人密度的状态方程和测量方程;
[0008]构建用于辨识所述状态方程和测量方程中的状态函数和观测函数的BP神经网络; ...
【技术保护点】
【技术特征摘要】
1.一种室内行人流疏散控制方法,其特征在于,包括:对室内疏散场景下的行人密度演化规则进行建模,构建出口行人密度的状态方程和测量方程;构建用于辨识所述状态方程和测量方程中的状态函数和观测函数的BP神经网络;所述BP神经网络包括输入层、隐藏层和输出层;对所述BP神经网络进行离线迭代训练,训练结束得到BP神经网络中各层权值;根据所述BP神经网络中各层权值求解出所述状态方程和测量方程中的状态函数和观测函数;根据求解出的状态函数以及观测函数进行行人流疏散密度的预测,得到行人流疏散密度预测值;构建用于对所述行人流疏散密度预测值进行纠正的误差在线神经网络;根据所述室内疏散场景中的传感器状态判断是否存在数据状态异常;若不存在数据状态异常,直接根据所述行人流疏散密度预测值进行室内行人流疏散控制,并持续训练所述误差在线神经网络;若存在数据状态异常,则根据当前训练好的误差在线神经网络计算预测误差值,并计算所述行人流疏散密度预测值与所述预测误差值之和作为行人流疏散密度预测改进值;根据所述行人流疏散密度预测改进值进行室内行人流疏散控制。2.根据权利要求1所述的室内行人流疏散控制方法,其特征在于,所述对室内疏散场景下的行人密度演化规则进行建模,构建出口行人密度的状态方程和测量方程,具体包括:对室内疏散场景下的行人密度演化规则进行建模,构建出口行人密度的状态方程X(k)=f(X(k
‑
1))+q(k
‑
1)和测量方程Z(k)=h(X(k))+r(k);其中所述室内疏散场景具有多个出口,且每个出口配备有疏散引导人员和传感器;X(k)∈R
n
×
n
和X(k
‑
1)分别表示k时刻和k
‑
1时刻的状态变量;Z(k)∈R
m
×
n
表示k时刻的观测变量;f(
·
)表示非线性状态函数;h(
·
)表示非线性观测函数;q(k
‑
1)∈R
n
×
n
表示过程噪声;r(k)∈R
m
×
n
表示测量噪声。3.根据权利要求2所述的室内行人流疏散控制方法,其特征在于,所述构建用于辨识所述状态方程和测量方程中的状态函数和观测函数的BP神经网络,具体包括:构建用于辨识所述状态方程中的非线性状态函数f(
·
)的BP神经网络,所述BP神经网络以X(k)作为输入,Z(k)作为输出,Sigmoid函数作为激活函数,函数表达式为Z(k)=h(X(k))=W
2T
sigmoid(W
1T
X(k));其中W1为输入层到隐藏层的权值,W2为隐藏层到输出层的权值;构建用于辨识所述测量方程中的非线性观测函数h(
·
)的BP神经网络,所述BP神经网络以X(k
‑
1)作为输入,X(k)作为输出,Sigmoid函数作为激活函数,函数表达式为X(k)=f(X(k
‑
1))=W
2T
sigmoid(W
1T
X(k
‑
1))。4.根据权利要求3所述的室内行人流疏散控制方法,其特征在于,所述对所述BP神经网络进行离线迭代训练,训练结束得...
【专利技术属性】
技术研发人员:刘暾东,高凤强,周伟鸿,颜逾越,邵桂芳,
申请(专利权)人:厦门大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。