(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210791758.6 (22)申请日 2022.07.07 (65)同一申请的已公布的文献号 申请公布号 CN 114862070 A (43)申请公布日 2022.08.05 (73)专利权人 西南交通大 学 地址 610031 四川省成 都市二环路北一段 111号 (72)发明人 陈娟　马剑　夏钤强　赵思琪　 宋丹丹　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 刘林　陈攀 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06T 7/62(2017.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/52(2022.01) (56)对比文件 CN 111611749 A,2020.09.01 CN 108876124 A,2018.1 1.23 CN 103830855 A,2014.0 6.04 CN 111582252 A,2020.08.25 CN 114580308 A,202 2.06.03 US 2009240352 A1,20 09.09.24 CN 113536613 A,2021.10.2 2 梁永春等.软间 隔最大化在露天矿爆破区域 人员疏散自动巡查中的应用研究. 《华北 科技学 院学报》 .2020,(第01期), 审查员 侯鹏 (54)发明名称 预测人群疏散能力瓶颈的方法、 装置、 设备 及存储介质 (57)摘要 本发明提供了预测人群疏散能力瓶颈的方 法、 装置、 设备及存储介质， 涉及人员疏散技术领 域。 本申请中， 根据每个时刻对应的行人分布图 利用泰森多边形方法构建行人分布的密度图。 将 不同时刻 的行人分布的密度图输入生成对抗网 络进行训练， 经过训练标定好的生成对抗网络输 入当前阶段的行人密度分布图， 能够快速输出下 一时刻预测的行人密度分布图。 基于预测的行人 密度分布图， 对预测结果进行分析与评估， 判断 疏散瓶颈口可能出现的位置， 以及评价每个瓶颈 的拥挤程度， 以便在疏散过程对 行人进行实时的 指导， 提高疏散效率。 权利要求书3页 说明书11页 附图3页 CN 114862070 B 2022.09.23 CN 114862070 B 1.预测人群疏散能力瓶颈的方法， 其特 征在于， 包括： 获取人群在疏散过程中的人群分布图； 基于所述人群分布图利用泰 森多边形法计算， 得到人群密度图； 基于不同时刻的所述人群密度图训练生成对抗网络模型， 得到人群密度预测模型； 将人群疏散过程的实时数据输入所述人群密度预测模型， 并根据输出结果和预设规则 对人群疏散能力瓶颈进行 预测， 所述预设规则为自定义的疏散能力瓶颈等级规则； 其中， 人群密度预测模型的训练方法包括： 基于所有的所述人群密度图， 获取至少十组对应的第一图像和第二图像， 每组对应的 所述第一图像和所述第二图像分别为前一时刻和 后一时刻所对应的二维矩阵灰度图， 所述 二维矩阵灰度图是基于所述人群密度图进行归一 化预处理得到的矩阵； 训练所述生成对抗网络模型时， 将所述第 一图像作为所述生成对抗网络模型中生成器 网络的输入值， 输出生成 图像和第一分数值， 并根据第一预设损失函数进行梯度反传更新 各项参数； 将与所述第一图像对应的所述第二图像和所述生成图像作为所述生成对抗网络 模型中判别器网络的输入值， 输出第二分数值， 并根据第二预设损失函数进行反向传播梯 度更新各项参数； 基于每组对应的所述第 一图像和所述第 二图像分别训练所述生成对抗网络模型， 且对 所述生成器网络和所述判别器网络进行交替训练， 得到所述人群密度预测模型。 2.根据权利要求1所述的预测人群疏散能力瓶颈的方法， 其特征在于， 所述人群分布图 的获取方法包括： 基于元胞自动机模型和场景数据进行建模， 得到元胞空间集合， 所述元胞空间集合包 括障碍空间集合和行走 空间集合， 所述障碍空间集合是基于所述场景数据构建的因障碍物 存在而致使行人不可通过的所有的障碍空间； 所述行走空间集合是基于所述场景数据构建 的所述行人可通过的所有的行走空间， 且每个所述元胞空间均具有对应的场域值标签； 所 述场域值标签是基于所述元 胞空间不同的位置参数而设置的不同数值； 基于所述行 走空间集 合， 随机模拟人群的疏散过程得到人群分布图。 3.根据权利要求2所述的预测人群疏散能力瓶颈的方法， 其特征在于， 基于所述行走空 间集合， 随机模拟人群的疏散过程得到人群分布图， 包括： 获取第一信息和第二信息， 所述第 一信息包括所述行人在 当前所述元胞空间中的 阻碍 参数和所述场域值标签， 所述阻碍参数包括障碍物参数和人群阻碍参数； 所述第二信息为 自定义随机产生的概 率值； 基于所述第一信息计算， 得到转移概率， 所述转移概率为所述行人由当前的所述元胞 空间移动至下一个所述元 胞空间的概 率； 基于所述 转移概率计算， 得到转移累计概 率； 基于所述第二信息和所述 转移累计概 率， 确定运动方向； 基于同一个所述行 人的所有所述 运动方向的累计统计， 形成行 走路线； 基于所有所述行 人的所述行 走路线进行统计， 得到所述人群分布图。 4.预测人群疏散能力瓶颈的装置， 其特 征在于， 包括： 构建模块： 用于获取 人群在疏散过程中的人群分布图； 计算模块： 用于基于所述人群分布图利用泰 森多边形法计算， 得到人群密度图；权　利　要　求　书 1/3 页 2 CN 114862070 B 2训练模块： 用于基于不同时刻的所述人群密度图训练生成对抗网络模型， 得到人群密 度预测模型； 识别模块： 用于将人群疏散过程的实时数据输入所述人群密度预测模型， 并根据输出 结果和预设规则对人群疏散能力瓶颈进行预测， 所述预设规则为自定义的疏散能力瓶颈等 级规则； 其中： 所述训练模块包括： 第三获取单元： 用于基于所有的所述人群密度图， 获取至少十组对应的第一图像和第 二图像， 每组对应的所述第一图像和所述第二图像分别为前一时刻和后一时刻所对应的二 维矩阵灰度图， 所述二维矩阵灰度图是基于所述人群密度图进行归一化预处理得到的矩 阵； 第一训练单元： 用于训练所述生成对抗网络模型时， 将所述第一图像作为所述生成对 抗网络模型中生成器网络的输入值， 输出生成图像和第一分数值， 并根据第一预设损失函 数进行梯度反传更新各项参数； 将与所述第一图像对应的所述第二图像和所述生成图像作 为所述生成对抗网络模型中判别器网络的输入值， 输出第二分数值， 并根据第二预设损失 函数进行反向传播梯度更新各项参数； 第二训练单元： 用于基于每组对应的所述第 一图像和所述第 二图像分别训练所述生成 对抗网络模型， 且对所述生成器网络和所述判别器网络进行交替训练， 得到所述人群密度 预测模型。 5.根据权利要求4所述的预测人群疏散能力瓶颈的装置， 其特征在于， 所述构建模块包 括： 建模单元： 用于基于元胞自动机模型和场景数据进行建模， 得到元胞空间集合， 所述元 胞空间集合包括障碍空间集合和行走 空间集合， 所述障碍空间集合是基于所述场景数据构 建的因障碍物存在而致使 行人不可通过的所有的障碍空间； 所述行走 空间集合是基于所述 场景数据构建的所述行人可通过的所有的行走 空间， 且每个所述元胞 空间均具有对应的场 域值标签； 所述场域 值标签是基于所述元 胞空间不同的位置参数而设置的不同数值； 模拟单元： 用于基于所述行 走空间集 合， 随机模拟人群的疏散过程得到人群分布图。 6.根据权利要求5所述的预测人群疏散能力瓶颈的装置， 其特征在于， 所述模拟单元包 括： 第二获取单元： 用于获取第一信息和第二信息， 所述第一信息包括所述行人在当前所 述元胞空间中的阻碍参数和所述场域值标签， 所述阻碍参数包括障碍物参数和人群阻碍参 数； 所述第二信息为自定义随机产生的概 率值； 第二处理单元： 用于基于所述第 一信息计算， 得到转移概率， 所述转移概率为所述行人 由当前的所述元 胞空间移动至下一个所述元 胞空间的概 率； 第三处理单元： 用于基于所述 转移概率计算， 得到转移累计概 率； 第四处理单元： 用于基于所述第二信息和所述 转移累计概 率， 确定运动方向； 第一统计单元： 用于基于同一个所述行人的所有所述运动方向的累计统计， 形成行走 路线； 第二统计单元： 用于基于所有所述行人的所述行走路线进行统计， 得到所述人群分布 图。权　利　要　求　书 2/3 页 3 CN 114862070 B 3