【技术实现步骤摘要】
本专利技术属于计算机，涉及基于人群密度影响下的最优疏散路线生成方法。
技术介绍
1、寻路算法在疏散路线中起着至关重要的作用。疏散路线需要考虑建筑物的结构、人员流动、安全出口位置等因素，而寻路算法可以帮助确定最佳的逃生路径，以确保人员在紧急情况下能够快速、安全地离开建筑物或现场。现有的常见寻路算法，如dijkstra算法、二分搜索算法等，可以根据建筑物的地图、障碍物、安全出口位置等信息，计算出最短的逃生路径。但这些方法得到的是理想状态下的最短路径，并未涉及现实中存在的各种因素。
2、在实际的疏散过程中，人群拥挤是最为关键的因素。人群拥挤会导致逃生通道被堵塞，使得人们无法快速、顺利地逃离现场，增加逃生的困难和风险。在挤压和推搡的情况下，容易导致踩踏事件的发生，造成额外的伤亡。且拥挤的人群容易引起混乱和恐慌，加重心理压力与恐惧感，增加疏散过程中的不确定性和危险性。
技术实现思路
1、本专利技术的目的是提供基于人群密度影响下的最优疏散路线生成方法，通过监测人群密度变化来动态调整疏散路线，以确保人们能够快速撤离拥挤路段。
2、本专利技术所采用的技术方案是，基于人群密度影响下的最优疏散路线生成方法，包括以下步骤：
3、步骤1，将整个道路区域网格化，以每个道路相交的路口作为结点；
4、步骤2，采集道路区域视频图像，通过目标检测模型检测道路区域中人员位置和数量，计算道路区域的人群密度；
5、步骤3，使用人群流动模型，建立人群密度与人群移动
6、步骤4，根据a-star搜算算法，将人群密度与人群移动速度之间的关系作为影响寻路的参数，比较不同疏散方式的疏散时间，得到在人群密度低、疏散不拥挤情况下的最短路径。
7、步骤1中，使用二维坐标系表示整个道路区域g：
8、g＝{(vij，eij)| i＝0,1,2,...,n, j＝1,2,...,m} (1)
9、其中，i表示横坐标，横坐标为东西方向，向东递增，j表示纵坐标，纵坐标为南北方向，向北递增，二维坐标系原点位于道路区域的起始点，eij表示道路，vij表示道路交叉口结点。
10、步骤2中，目标检测模型为卷积神经网络cnn，结合道路区域地理信息，检测每个人所在位置并输出，对于每个检测到的人，根据所在道路区域面积，计算道路内人群密度ρij：
11、
12、式中，nij表示检测到的道路人员数量，aij表示道路区域面积。
13、卷积神经网络cnn包括输入层、卷积层、池化层、全连接层和输出层，复合多个卷积层和池化层对输入数据进行加工，并通过连接层进行与输出目标之间的映射。
14、步骤3包括使用非线性函数来描述人群密度ρij与人群移动速度v(ρij)之间的关系，具体如下：
15、
16、式中，v0为人群初始移动速度，k为人群密度对人群移动速度造成的影响参数，k∈[0,1]，ρc为人群速度开始降低时的临界人群密度，ρmax为人群速度降至0时的临界人群密度。
17、步骤3中，ρc＝0.5382，ρmax＝3.5，人群移动速度以米/秒表示，人群密度以人/平方米表示，则
18、
19、式中，α为常数，α＝0.266。
20、步骤4具体过程如下：
21、步骤4.1，根据人群密度的大小，将逃生的道路划分为四个阶级：
22、当认为速度不受密度的影响；
23、当k＝0.8568；
24、当ρc≤ρij<ρmax时，k＝(1-α*ρij)；
25、当ρmax≤ρij，将该条道路视为最低优先级，将其道路长度视为∞，不再考虑该道路上的疏散。
26、步骤4.2，使用a-star搜算算法计算每个阶段的最短路径f(n)：
27、f(n)＝g(n)+h(n) (5)
28、
29、
30、其中，g(n)为当前结点到下一个结点的最短路径，h(n)为所选的下一个结点到出口的最短路径；xni为所选的结点在东西方向到原点的距离，xnj为所选的结点在南北方向到原点的距离，x0i，x0j为当前位置；xgi为所选的出口在东西方向到原点的距离，xgj为所选的出口在南北方向到原点的距离；
31、步骤4.3，根据人群疏散过程中所经过的每条道路长度lij及每段人群密度下的人群移动速度v(ρij)计算每条道路疏散所用的时间t(ρij)：
32、
33、lij为所选最短路径中的每条道路长度,则总疏散长度即为：
34、f(n)＝∑lij (9)
35、整个疏散过程所用的时间为tij：
36、tij＝∑t(ρij) (10)
37、最终得出耗时最少的路线，即为最优疏散路线。
38、本专利技术的有益效果是，通过监测人群密度确定人群移动速度，动态调整逃生路径，以应对不同人群密度的变化，在最短路径的基础上考虑人群密度分布，以选择更为安全、流畅的路径，以确保人们在紧急情况下能够快速、流畅地撤离拥堵路段，高密度人群情况下，容易发生踩踏事件，导致伤亡，通过监测人群密度来确定疏散路径，可以减少拥挤和踩踏的风险，提高逃生过程的安全性，本专利技术方法结合了人群密度造成的影响，更具备真实性和有效性。
本文档来自技高网...【技术保护点】
1.基于人群密度影响下的最优疏散路线生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步骤1中，使用二维坐标系表示整个道路区域G：
3.根据权利要求2所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步骤2中，目标检测模型为卷积神经网络CNN，结合道路区域地理信息，检测每个人所在位置并输出，对于每个检测到的人，根据所在道路区域面积，计算道路内人群密度ρij：
4.根据权利要求3所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述卷积神经网络CNN包括输入层、卷积层、池化层、全连接层和输出层，复合多个卷积层和池化层对输入数据进行加工，并通过连接层进行与输出目标之间的映射。
5.根据权利要求4所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步骤3包括使用非线性函数来描述人群密度ρij与人群移动速度V(ρij)之间的关系，具体如下：
6.根据权利要求5所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步
7.根据权利要求6所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步骤4具体过程如下：
...【技术特征摘要】
1.基于人群密度影响下的最优疏散路线生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步骤1中，使用二维坐标系表示整个道路区域g：
3.根据权利要求2所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述步骤2中，目标检测模型为卷积神经网络cnn，结合道路区域地理信息，检测每个人所在位置并输出，对于每个检测到的人，根据所在道路区域面积，计算道路内人群密度ρij：
4.根据权利要求3所述的基于人群密度影响下的最优疏散路线生成方法，其特征在于，所述卷积神经网络cnn包括输入层、卷积层、池化...
【专利技术属性】
技术研发人员：张威，
申请(专利权)人：陕西英华电子科技有限公司，
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。