人群应急疏散场景下的疏散出口设置方法及装置

技术领域

本公开涉及疏散仿真技术领域，尤其涉及一种人群应急疏散场景下的疏散出口设置方法及装置。

背景技术

相关技术中，随着社会、经济的高速发展，各种聚集了大量人群的大型公共活动不断增多，在一些人员密集的公共建筑场所内，由于在建筑设计上的不合理，以及应急管理方面的不到位，当发生各种紧急突发事件，人员需要紧急撤离时，容易造成疏散人群的拥挤和阻塞，甚至发生严重的人员踩踏事故。

在现有的人群疏散仿真技术中，如何优化疏散出口的设置，提高疏散效率，尚缺乏有效的解决方案。

发明内容

本公开提供一种人群应急疏散场景下的疏散出口设置方法及装置，以至少解决相关技术中疏散效率较低的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种人群应急疏散场景下的疏散出口设置方法，包括：

构建基于社会力模型的仿真模型，以特定应急疏散场景下疏散人群中个体的实际轨迹数据为参照，通过数值逼近的方法获取应急疏散场景中疏散人群的行为参数；

设置疏散出口集合，构建疏散出口决策整数规划方案，并根据所述仿真模型获取所述应急疏散场景下疏散出口的总疏散成本；

以降低所述总疏散成本为优化目标，根据约束条件构建应急疏散优化模型，求解所述应急疏散优化模型，以获取推荐疏散出口决策整数规划方案。

可选的，所述轨迹数据包括所述疏散人群中个体在各个时间点的坐标数据，所述以特定应急疏散场景和疏散人群中个体的实际轨迹数据为参照，通过数值逼近的方法获取应急疏散场景疏散人群的行为参数，包括：

设置所述仿真模型中疏散人群的初始行为参数，并获取仿真轨迹数据；

以所述实际轨迹数据和仿真轨迹数据对应的接近度函数值最小为目标优化所述初始行为参数，以获取推荐行为参数。

可选的，所述初始行为参数包括第一参数α和第二参数β，所述初始行为参数φ＝(α，β)，所述以所述实际轨迹数据和仿真轨迹数据对应的接近度函数值最小为目标优化所述初始行为参数，以获取推荐行为参数，包括：

设置3组初始行为参数φ＝(α，β)，并根据φ获取所述仿真轨迹数据；

计算所述仿真轨迹数据与所述实际轨迹数据的接近度函数值E(φ)，根据所述接近度函数值优化所述初始行为参数，以获取推荐行为参数，其中，所述推荐行为参数中包括第一参数推荐值α′和第二推荐参数推荐值β′。

可选的，根据所述接近度函数值优化所述初始行为参数，包括：

设置逼近算法参数，所述逼近算法参数包括a、b、c、d；

计算所述初始行为参数对应的接近度函数值，根据所述接近度函数值由小到大的顺序设置第一初始行为参数φ

对所述初始行为参数进行迭代直到

可选的，所述方法还包括：

设置φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

如果E(φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

否则，确定φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

否则，确定φ

可选的，所述方法还包括：

设置迭代次数阈值，如果所述迭代的次数大于所述迭代次数阈值，则确定所述第一初始行为参数φ

可选的，所述设置疏散出口集合，构建疏散出口决策整数规划方案，并根据所述仿真模型获取所述应急疏散场景下疏散出口的总疏散成本，包括：

设置疏散出口集合I，所述I中包含至少一个疏散出口i的坐标，所述疏散出口决策整数规划方案中包括疏散出口i对应的决策变量Y

其中，N为所述总疏散成本，A

可选的，所述根据约束条件包括：

第一约束条件：∑

第二约束条件：

第三约束条件：

第四约束条件：

第五约束条件：C

可选的，所述以降低所述总疏散成本为优化目标，根据约束条件构建应急疏散优化模型，求解所述应急疏散优化模型，以获取推荐疏散出口决策整数规划方案后，还包括：

在所述推荐疏散出口决策整数规划方案中Y

根据本公开实施例的第二方面，提供一种人群应急疏散场景下的疏散出口设置装置，其特征在于，包括：

场景创建模块，用于构建基于社会力模型的仿真模型，以特定应急疏散场景下疏散人群中个体的实际轨迹数据为参照，通过数值逼近的方法获取应急疏散场景中疏散人群的行为参数；

出口设置模块，用于设置疏散出口集合，构建疏散出口决策整数规划模型，并根据所述仿真模型获取所述应急疏散场景下疏散出口的总疏散成本；

优化模块，用于以降低所述总疏散成本为优化目标，根据约束条件构建应急疏散优化模型，求解所述应急疏散优化模型，以获取推荐疏散出口决策整数规划方案。

本公开的实施例提供的技术方案至少带来以下有益效果：

根据实际轨迹数据获取所述行为参数，得到的应急疏散场景更接近实际情景，提高仿真模型的真实性，根据约束条件，以降低总疏散成本为目标调整疏散出口决策整数规划模型，提高疏散效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。

图1是根据一示例性实施例示出的一种人群应急疏散场景下的疏散出口设置方法的流程图。

图2是根据一示例性实施例示出的一种人群应急疏散场景下的疏散出口设置方法的流程图。

图3是根据一示例性实施例示出的一种数值逼近算法的流程图。

图4是根据一示例性实施例示出的一种人群应急疏散场景下的疏散出口设置装置的框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的本公开的一些方面相一致的装置和方法的例子。

相关技术中，随着社会经济的高速发展，各种聚集了大量人群的大型公共活动不断增多，在一些人员密集的公共建筑场所内，由于在建筑设计上的不合理，以及应急管理方面的不到位，当发生各种紧急突发事件，人员需要紧急撤离时，容易造成疏散人群的拥挤和阻塞，甚至发生严重的人员踩踏事故。在现有技术的人群疏散仿真中，在人群疏散仿真的真实性问题上，如何更真实地反映人群的行为，以优化疏散出口的设置，提高疏散效率，尚缺乏有效的解决方案。

图1是根据一示例性实施例示出的一种人群应急疏散场景下的疏散出口设置方法的流程图，如图1所示，所述方法包括以下步骤。

在步骤101中，构建基于社会力模型的仿真模型，以特定应急疏散场景和疏散人群中个体的实际轨迹数据为参照，通过数值逼近的方法获取应急疏散场景疏散人群的行为参数。

本申请实施例中，通过基于社会力模型的仿真模型来模拟人群应急疏散场景下人群的行为，所述社会力模型以牛顿力学为基础，将特定场景下个体对周围环境的反应描述为一系列作用力的集体结果。所述社会力模型中当前个体受到的力可表示为

在一种可能的实施例里，所述疏散人群为4岁到6岁的儿童，其思维能力、认知能力与身体物理特征类似，在应急疏散场景下的行为特征相似，所以可以用该疏散人群的行为参数表示疏散人群中所有个体的行为参数。

可选的，α为α

在一种可能的实施例里，所有分力对应第一参数和第二参数的权重值都为0.25。

在一种可能的实施例里，所述v

在一种可能的实施例里，τ的取值为0.5。

在特定的应急疏散场景中，通过摄像头等传感器获取疏散人群中的个体在各个时间点对应的坐标数据，以生成所述实际轨迹数据。为了使仿真模型获取的人群轨迹和实际轨迹数据接近，需要调整所述仿真模型中的第一参数α和第二参数β，使仿真模型获取的人群轨迹和实际轨迹数据的接近度函数值较小。

在步骤102中，设置疏散出口集合，构建疏散出口决策整数规划方案，并根据所述仿真模型获取所述应急疏散场景下疏散出口的总疏散成本。

本申请实施例中，获取所述仿真模型后，为了在人群疏散的复杂场景下提高疏散效率，提出疏散出口集合，所述疏散出口集合中包括多个疏散出口的坐标。所述疏散出口决策整数规划方案用于决定是否在所述疏散出口集合中的疏散出口位置上设置疏散出口。根据所述仿真模型计算根据所述疏散出口进行疏散时的总疏散成本。

在步骤103中，以降低所述总疏散成本为优化目标，根据约束条件构建应急疏散优化模型，求解所述应急疏散优化模型，以获取推荐疏散出口决策整数规划方案。

本申请实施例中，为了设置合适的疏散出口，以提高疏散效率，降低疏散成本。构建了所述应急疏散优化模型，所述应急疏散优化模型中包括优化目标和约束条件，在满足约束条件的前提下根据所述优化目标优化所述疏散出口决策整数规划方案，获取最佳的疏散出口设计方案，即所述推荐疏散出口决策整数规划方案。

图2是根据一示例性实施例示出的一种人群应急疏散场景下的疏散出口设置方法的流程图，如图2所示，图1中的步骤101中包括以下步骤。

步骤201，设置所述仿真模型中疏散人群的初始行为参数，并获取仿真轨迹数据。

本申请实施例中，设置疏散人群的初始行为参数后运行社会力模型，即可获取疏散人群中仿真轨迹数据，所述仿真轨迹数据中包括疏散人群中个体在各个时间点的坐标数据。

步骤202，以所述实际轨迹数据和仿真轨迹数据对应的接近度函数值最小为目标优化所述初始行为参数，以获取推荐行为参数。

本申请实施例中，所述实际轨迹数据和仿真轨迹数据的接近度函数值为

其中，φ为所述行为参数，φ中包括第一参数α和第二参数β，E(φ)为所述φ对应的接近度函数值，m为当前个体的编号，M为个体编号集合，t为时间点，T为时间点集合。

可选的，所述初始行为参数包括第一参数a和第二参数β，所述初始行为参数φ＝(α，β)，以所述实际轨迹数据和仿真轨迹数据对应的接近度函数值最小为目标优化所述初始行为参数，以获取推荐行为参数，包括：

设置3组初始行为参数φ＝(α，β)，并根据φ获取所述仿真轨迹数据；

计算所述仿真轨迹数据与所述实际轨迹数据的接近度函数值E(φ)，根据所述接近度函数值优化所述初始行为参数，以获取推荐行为参数，其中，所述推荐行为参数中包括第一参数推荐值α′和第二推荐参数推荐值β′。

本申请实施例中，通过数值逼近的方法确定所述推荐行为参数，设置3组不同的初始行为参数，并根据其对应的接近度函数值大小关系来优化所述初始行为参数。对2元函数，选2+1个顶点构成初始多边形，计算并比较各顶点目标函数值的大小，确定它们当中函数值大的顶点及函数值的下降方向，再设法找到一个函数值较小的新点替换函数值最大的顶点，从而构成新的多边形。其中，在每次迭代过程中将目标函数值最小的顶点标记为最好点，目标函数值最大的顶点标记为最差点随着迭代过程推进，新的多面体向极小值点收缩逼近，最终求得极小值点。

图3是根据一示例性实施例示出的一种数值逼近算法的流程图，如图3所示，根据所述接近度函数值优化所述初始行为参数，包括：

设置(Assign)逼近算法参数，所述逼近算法参数包括a、b、c、d；

初始化(Initialize)所述初始行为参数的数值，计算所述初始行为参数对应的接近度函数值，根据所述接近度函数值由小到大的顺序设置第一初始行为参数φ

迭代所述初始行为参数直到

本申请实施例中，将初始行为参数排序，使初始行为参数的标号越大，对应的接近度函数值E(φ)越大，并对所述初始行为参数进行迭代优化，每次迭代后都需要对初始行为参数重新排位并再次迭代，直到所述接近度函数值的最大值和最小值满足所述容差之后，停止迭代并将最小的接近度函数值对应的第一初始行为参数φ

可选的，所述a＝1、b＝0.5、c＝2、d＝0.5。

可选的，所述ε＝1％。

可选的，所述方法还包括：

进行计算(Compute)以设置φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

如果E(φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

否则，确定φ

可选的，所述方法还包括：

如果E(φ

可选的，所述方法还包括：

如果E(φ

否则，确定φ

在迭代之后，根据E(φ

可选的，所述方法还包括：

设置迭代次数阈值，如果所述迭代的次数大于所述迭代次数阈值，则确定所述第一初始行为参数φ

本申请实施例中，如果迭代的次数较多时，已经难以使所述

可选的，所述迭代次数阈值为100。

可选的，所述设置疏散出口参数，并设置疏散出口集合，构建疏散出口决策整数规划方案，并根据所述仿真模型获取所述应急疏散场景下疏散出口的总疏散成本，包括：

设置疏散出口集合I，所述I中包含至少一个疏散出口i的坐标，所述疏散出口决策整数规划方案中包括疏散出口i对应的决策变量Y

根据所述推荐行为参数获取微分区域x的拥堵程度参数，结合所述推荐行为参数获取社会力模型疏散人群中个体的仿真轨迹数据，以获取总疏散成本，所述总疏散成本的公式化表达为：

其中，N为所述总疏散成本，A

需要说明的是，以上参数在不同的应急疏散场景中可能会存在不同的值，可由实施者根据实施本发明时的实际情况对以上参数的值进行调整。

在一种可能的实施例里，u(x)的值为0.05。

在一种可能的实施例里，α′的值为2.72。

在一种可能的实施例里，w(x)的值为0.315。

在一种可能的实施例里，β′的值为0.20。

在一种可能的实施例里，ρ的值为0.72。

在一种可能的实施例里，v(x)的值为1。

在一种可能的实施例里，|f(x)|的值为1。

本申请实施例中，所述疏散出口集合I中包含多个疏散出口i的坐标，疏散出口i附近的区域为疏散区域。将应急疏散场景中的疏散区域抽象为二维的连续区域S，将S微分为多个x区域。N中v(x)+α′·u(x)|f(x)|

在一种可能的实施例里，v(x)为x区域内局部自由流速度参数。

可选的，所述根据约束条件包括：

第一约束条件：

第二约束条件：

第三约束条件：

第四约束条件：

本申请实施例中，为了使所述疏散出口建设的总成本不高于成本上限，设置所述第一约束条件。决策变量Y

第五约束条件：C

在一种可能的实施例里，τ

可选的，以降低所述总疏散成本为优化目标，根据约束条件构建应急疏散优化模型，求解所述应急疏散优化模型，以获取推荐疏散出口决策整数规划方案后，还包括：

在所述推荐疏散出口决策整数规划方案中Y

本申请实施例中，通过优化算法调整所述疏散出口决策整数规划模型中Y

在一种可能的实施例里，在一台3.30GHz CPU和16GB内存的个人计算机上的GAMS平台中根据Cplex优化求解器构建所述应急疏散优化模型，用于解决优化问题。最大计算时间设置为3600秒。将上述约束条件中各个参数的数据、所述总疏散成本公式内的参数数据和所述优化目标存储在所述个人计算机的存储器中，所述个人计算机的存储器中同时存储着所述处理器可执行指令；其中，所述处理器被配置为执行所述指令，以实现上述人群应急疏散场景下的疏散出口设置方法。将所述推荐行为参数中的第一参数推荐值α′和第二推荐参数推荐值β′输入所述应急疏散优化模型，对所述应急疏散优化模型中各个出口对应的Y

图4是根据一示例性实施例示出的一种人群应急疏散场景下的疏散出口设置装置框图。参照图4，该装置400包括场景创建模块410，出口设置模块420和优化模块430。

场景创建模块410，用于构建基于社会力模型的仿真模型，以特定应急疏散场景下疏散人群中个体的实际轨迹数据为参照，通过数值逼近的方法获取应急疏散场景中疏散人群的行为参数；

出口设置模块420，用于设置疏散出口集合，构建疏散出口决策整数规划模型，并根据所述仿真模型获取所述应急疏散场景下疏散出口的总疏散成本；

优化模块430，用于以降低所述总疏散成本为优化目标，根据约束条件构建应急疏散优化模型，求解所述应急疏散优化模型，以获取推荐疏散出口决策整数规划方案。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。