【技术实现步骤摘要】
本专利技术涉及智能交通及计算机仿真，具体涉及一种基于卷积神经网络(cnn)、长短期记忆网络(lstm)的大规模人群疏散时间快速预测方法。
技术介绍
1、随着城市化进程的快速发展及人们物质生活水平的提升，公共场所如火车站、地铁站、体育场等经常出现大规模、高密度的人群聚集。当发生一些不可控的紧急情况时，在人群当中容易引发恐慌情绪，会使得行人对周围环境的判断能力大幅下降，这会进一步加重在疏散过程中所出现的拥挤、堵塞等状况，严重的情况下甚至会威胁到行人的生命安全。如果能够实现大规模人群疏散时间的快速预测，有助于提前判断人群拥堵的危险程度，对人群疏散过程进行合理的规划，以提升疏散效率，保障行人安全。
2、目前，用于评估和预测人群疏散时间的方法主要有以下两种：一是基于疏散实验与调查的传统方法，这类方法通过实际观测或模拟演练来获取所需数据，如基于疏散视频分析行人的运动速度、路径选择等行为特征，或通过问卷调查了解人群心理特征(如恐慌程度、环境熟悉度)；疏散演习实验则能直接测量疏散时间、拥堵情况，并为建筑设计和模型验证提供基础数据。二是使用计...
【技术保护点】
1.一种基于CNN-LSTM的大规模人群疏散时间快速预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于CNN-LSTM的大规模人群疏散时间快速预测方法，其特征在于，所述卷积神经网络的提取行人分布图序列片段空间特征的方法如下：
3.根据权利要求1所述的一种基于CNN-LSTM的大规模人群疏散时间快速预测方法，其特征在于，所述循环神经网络采用多层堆叠长短期记忆网络LSTM与Dropout处理。
4.根据权利要求3所述的一种基于CNN-LSTM的大规模人群疏散时间快速预测方法，其特征在于，堆叠两层LSTM，记为：>
5.根据权利...
【技术特征摘要】
1.一种基于cnn-lstm的大规模人群疏散时间快速预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于cnn-lstm的大规模人群疏散时间快速预测方法，其特征在于，所述卷积神经网络的提取行人分布图序列片段空间特征的方法如下：
3.根据权利要求1所述的一种基于cnn-lstm的大规模人群疏散时间快速预测方法，其特征在于，所述循环神经网络采用多层堆叠长短期记忆网络lstm与dropout处理。
4.根据权利要求3所述的一种基于cnn-lstm的大规模人群疏散时间快速预测方法，其特征在于，堆叠两层lstm，记为：
5.根据权利要求4所述的一种基于cnn-lstm的大规模人群疏散时间快速预测方法，其特征在于，在两层lstm之间添加dropout，随机屏蔽神经元，防止过拟合，记为：
6.根据权利要求1所述的一种基于cnn-lstm的...
【专利技术属性】
技术研发人员：曹淑超，张康斌，李晓恋，杨晓霞，曾益萍，王鹏，梁槚，
申请(专利权)人：江苏大学，
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。