[发明专利]基于蚁群算法和改进社会力模型的人群疏散辅助决策系统

权利要求书

1.基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，包括以下方法步骤：

S1、通过拍摄装置获取疏散场景参数，在计算机内创建疏散场景模型，基于神经网络人脸识别系统对不同类型行人进行分类；

S2、利用蚁群算法规划具有完整疏散信息的行人疏散路线：

S3、考虑从众行为、受障碍物和墙壁等影响的个人偏好，规划具有局部疏散信息的行人的疏散路线；

S4、基于改进社会力模型驱动行人的运动，仿真模拟人群的疏散运动；

S5、预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。

2.如权利要求1所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S1包括：

S11、根据建筑物内设施属性和布局等信息，初始化障碍物的位置和大小，建立疏散模拟场景；

S12、利用建筑物入口处摄像机获取进入建筑物的行人图像，将所获取图像导入基于神经网络的人脸识别系统，以是否首次进入该建筑物作为衡量行人对疏散信息掌握程度的标准，定义非首次进入建筑物的行人为具备完整疏散信息的I类行人，定义首次进入建筑物的行人为具备局部疏散信息的II类行人，初始化行人的位置、速度等基本属性参数。

3.如权利要求2所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S2包括：针对具备完整疏散信息的I类行人，根据行人当前位置和出口之间的连接线上是否存在障碍物，路线规划方法分为两种；

S21、若连接线上不存在障碍物并且连接线周围障碍物之间的距离允许行人通过，则行人的期望方向将直接指向出口；

S22、若行人当前位置和出口之间的连接线上存在障碍物，则采用蚁群算法规划其疏散路径；输入建筑物尺寸、障碍物尺寸和位置参数，构建建筑物的格子地图；其中，有障碍物的格子用1表示，否则用0表示；设置初始信息素矩阵；

S23、计算行人i'从当前位置a到达下一节点b的概率

其中，τ_ab(t)代表路径ab上的信息素，η_ab(t)代表启发式信息，α和β是权重参数；集合a'代表行人i'可访问的位置集合；

S24、更新路线和路线长度；

S25、重复S23和S24，直到行人到达出口或没有路可走；

S26、重复步骤S23、S24和S25，直到行人完成本轮迭代；

S27、更新信息素矩阵τ_ab；

τ_ab(t+1)＝(1-ρ)·τ_ab(t+1)+Δτ_ab(t)，

其中，ρ是信息素挥发系数，Q是常数，L_i'(t)是已通过的路线长度；

S28、重复步骤S23-S27，直到达到迭代次数；

S29、计算得到最优路线θ；对具备完整疏散信息的I类行人且该行人当前位置和出口之间的连接线上存在障碍物的情况，该行人的期望方向为

其中，(x_i',y_i')代表行人i'的位置，Δx代表θ上目标点的横坐标与x_i'的差值。

4.如权利要求3所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S22中，构建建筑物格子地图的格子大小由计算精度决定。

5.如权利要求2所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S3包括：

对具备局部疏散信息的II类行人，考虑从众行为、受障碍物和墙壁等影响的个人偏好等因素，规划II类行人的疏散路线，行人的期望方向为

其中，p_i”是权重值，代表行人个体偏好的方向，代表行人i″视野域内其他行人的平均移动方向。