后疫情視域下基于深度學(xué)習(xí)的市民休閑游憩中心應(yīng)急疏散模型研究*

古沐松 高朝邦 汪海鷹 李立 游磊

(成都大學(xué)計(jì)算機(jī)學(xué)院,四川成都 610106)

新冠疫情對(duì)中國(guó)第三產(chǎn)業(yè)的沖擊是前所未有的,但是疫情得到控制之后市民的休閑需求即刻走向恢復(fù)。市民休閑游憩既是拉動(dòng)經(jīng)濟(jì)發(fā)展的重要?jiǎng)恿?也是促進(jìn)社會(huì)和諧的重要領(lǐng)域,是文化建設(shè)的重要載體,是文化交流的重要紐帶[1]。

然而科學(xué)研究表明,新冠病毒極其“狡猾”。在中共中央的堅(jiān)強(qiáng)領(lǐng)導(dǎo)下,我國(guó)抗擊新冠病毒疫情工作取得了舉國(guó)贊嘆、舉世矚目的成績(jī),大規(guī)模爆發(fā)的可能性基本不存在。但是全球疫情不斷加劇,境外輸入壓力始終居高不下,國(guó)內(nèi)小范圍感染偶有發(fā)生,局部暴發(fā)的危機(jī)依然存在。在后疫情視域下,常態(tài)化“疫情防控”存在幾成定局[2]。

1 后疫情視域下市民休閑游憩中心應(yīng)急疏散存在的問(wèn)題

在常態(tài)化“疫情防控”背景下,市民休閑游憩中心作為人群較為密集的場(chǎng)所,在面臨突發(fā)疫情的背景下,如何將休閑游憩中心游客疏散到指定監(jiān)控區(qū)域?qū)⑹敲媾R的一個(gè)主要難題。類似的例子有：2017年倫敦格倫費(fèi)爾大樓發(fā)生火災(zāi),因?yàn)槭枭⒉患皶r(shí)造成81人遇難。與之形成鮮明對(duì)比的是2015年迪拜火炬大廈火災(zāi),由于疏散工作準(zhǔn)備充分,沒(méi)有人遇難。建筑或設(shè)施內(nèi)的密集人群智能應(yīng)急疏散系統(tǒng)一直是智能交通領(lǐng)域的研究熱點(diǎn)。目前市場(chǎng)上投入使用的智能疏散系統(tǒng)大都以災(zāi)害傳感器采集的數(shù)據(jù)作為依據(jù)進(jìn)行疏散路線指示。它們所規(guī)劃的疏散路線容易造成人群都向同一方向移動(dòng),造成擁堵,不能均衡人群疏散負(fù)載,疏散效率低[3]。

針對(duì)以上問(wèn)題,本文提出基于深度神經(jīng)網(wǎng)絡(luò)的視頻監(jiān)測(cè)算法,對(duì)人群密集度等進(jìn)行自動(dòng)識(shí)別和分析,再結(jié)合三維元胞自動(dòng)機(jī)模型構(gòu)建預(yù)測(cè)疏散模型[4],利用物聯(lián)網(wǎng)搭建疏散系統(tǒng)。系統(tǒng)將疫情點(diǎn)、緩沖區(qū)和人群流量作為計(jì)算人群最佳疏散路線的主要依據(jù),計(jì)算結(jié)果通過(guò)動(dòng)態(tài)聲光系統(tǒng)反饋給被困人員,最終實(shí)現(xiàn)可控狀態(tài)下的高密度人群應(yīng)急疏散機(jī)制。

2 基于深度學(xué)習(xí)的應(yīng)急疏散模型

本文以在后疫情時(shí)代下,常態(tài)化“疫情防控”背景下市民休閑游憩中心的人員應(yīng)急疏散(包括供給的有效性、疏散的有效性)為研究對(duì)象。游憩中心或設(shè)施內(nèi)的高密度人員疏散過(guò)程涉及因素非常復(fù)雜,為了解決這一問(wèn)題,本文提出了介觀應(yīng)急疏散模型,它將宏觀模型和微觀模型相互融合,大大提高了模型的有效性和適用性。同時(shí),為深入研究人員疏散規(guī)律和特征,完善數(shù)學(xué)模型,本文建立了高密度人員疏散可視化仿真系統(tǒng)。具體研究方案如下所述：

第一步,獲取相關(guān)人員疏散數(shù)據(jù)和特征參數(shù)。對(duì)于研究人員疏散過(guò)程而言,數(shù)據(jù)和特征參數(shù)是研究的基礎(chǔ)。人員數(shù)據(jù)主要通過(guò)對(duì)以往建筑或設(shè)施內(nèi)災(zāi)害視頻錄像、文獻(xiàn)調(diào)查以及組織疏散實(shí)驗(yàn)等途徑獲取[5]。

該宏觀尺度多目標(biāo)優(yōu)化模型分為卷積層、池化層、全連接層、SoftMax分類層等4個(gè)層次,用8標(biāo)簽Soft Max分類層替換掉原有VGG－16網(wǎng)絡(luò)中的Soft Max分類器模型的激活函數(shù)為ReLU函數(shù),構(gòu)建適合該識(shí)別模型的VGG網(wǎng)絡(luò)。VGG網(wǎng)絡(luò)是通過(guò)100萬(wàn)幅圖像的ImageNet數(shù)據(jù)庫(kù)中訓(xùn)練而成,具備較強(qiáng)的深度特征學(xué)習(xí)能力、其擁有大量已訓(xùn)練完成的參數(shù)和權(quán)重、特別是卷積層關(guān)于圖像的曲線、邊緣、輪廓的特征提取具備較強(qiáng)的能力。為減少網(wǎng)絡(luò)訓(xùn)練時(shí)間和提高網(wǎng)絡(luò)訓(xùn)練效率,可將已訓(xùn)練好的VGG網(wǎng)絡(luò)作為本模型的預(yù)訓(xùn)練模型。VGG網(wǎng)絡(luò)的權(quán)重參數(shù)數(shù)量為65×103個(gè),其中3個(gè)全連接層參數(shù)集中度較高,VGG網(wǎng)絡(luò)的參數(shù)是為1000個(gè)分類類別而設(shè)計(jì)的,而本研究更改為8個(gè)分類,以提高模型的識(shí)別精度和效率,如圖1所示：

圖1 VGG卷積神經(jīng)網(wǎng)絡(luò)示意圖Fig.1 Diagram of VGG-16 convolutional neural network

第二步,本文以青龍湖濕地公園作為應(yīng)用案例。為了完成可視化仿真系統(tǒng),首先以公園為場(chǎng)景進(jìn)行建模,對(duì)場(chǎng)景進(jìn)行初始化。建模工具采用Google SketchUp三維建模開發(fā)工具,它具有豐富的紋理和符號(hào)庫(kù),建模流程簡(jiǎn)單。另外SketchUp支持二次開發(fā),Ruby語(yǔ)言作為接口可將數(shù)學(xué)模型產(chǎn)生的數(shù)據(jù)轉(zhuǎn)換為SketchUp中能運(yùn)行的坐標(biāo)軌跡代碼進(jìn)行執(zhí)行。

第三步,構(gòu)建微觀尺度三維元胞自動(dòng)機(jī)模型。針對(duì)高密度人員疏散行特征,采用三維元胞自動(dòng)機(jī)進(jìn)行模擬和刻畫。現(xiàn)有文獻(xiàn)資料一般將疏散空間處理成二維平面,但這與實(shí)際疏散情況相差較大,分析其主要原因在于：三維空間中的階梯、電梯和自動(dòng)扶梯因素對(duì)疏散速度和疏散效率產(chǎn)生了較大影響,從而使得疏散模型存在偏差。通過(guò)對(duì)上述問(wèn)題進(jìn)一步的研究,本文將這個(gè)二維平面疏散問(wèn)題擴(kuò)展到三維空間進(jìn)行處理,同時(shí)結(jié)合出口擁擠度、摩擦力和排斥力等建立一種新型三維元胞自動(dòng)機(jī)疏散模型,進(jìn)而提高模擬的準(zhǔn)確度。本文將元胞自動(dòng)機(jī)的二維VonNeumann型擴(kuò)展為三維形態(tài)。任何一個(gè)元胞(i,j,k)都只存在三種狀態(tài)：被行人占據(jù)、或被障礙物占據(jù)、或?yàn)榭?。假設(shè)某時(shí)刻行人處于元胞(i,j,k)位置,在每個(gè)時(shí)間步長(zhǎng)內(nèi)行人根據(jù)公式(1)計(jì)算周圍14個(gè)相鄰元胞位置以及自身位置的移動(dòng)收益Q,并在下一時(shí)刻將最小移動(dòng)收益作為目標(biāo)位置：

其中,i、j和k表示元胞位置,pijk為行人選擇元胞(i,j,k)的移動(dòng)概率；nijk為元胞的空閑系數(shù),若元胞(i,j,k)已被其他行人占據(jù),則nijk=1,否則nijk=0；ξijk為障礙物系數(shù),若元胞(i,j,k)為障礙物,則ξijk=0,否則ξijk=1；nijk為歸一化參數(shù),使得行人朝14個(gè)方向移動(dòng)以及靜止不動(dòng)的概率之和等于1；Sijk和ws表示格點(diǎn)(i,j,k)的FF(floorfield)及其影響系數(shù),Dijk和wD表示出口(i,j,k)處擁擠度動(dòng)態(tài)變化對(duì)疏散時(shí)間的影響及其影響系數(shù),Fijk和wF表示格點(diǎn)(i,j,k)受到的排斥力和摩擦力對(duì)目標(biāo)移動(dòng)方向的影響及其影響系數(shù)。

第四步,建立基于無(wú)線傳感器網(wǎng)絡(luò)的應(yīng)急疏散網(wǎng)絡(luò)。本文提出了將立體數(shù)據(jù)采集、無(wú)線飛行器技術(shù)和移動(dòng)終端融合在物聯(lián)網(wǎng)中,最大化發(fā)揮各自優(yōu)勢(shì)。該網(wǎng)絡(luò)具有成本低,功耗低和利用組網(wǎng)技術(shù)可以進(jìn)行遠(yuǎn)距離傳輸?shù)葍?yōu)勢(shì),從而構(gòu)建宏觀尺度多目標(biāo)優(yōu)化模型,建立最優(yōu)疏散策略。

大范圍密集人群的最優(yōu)疏散策略要從全局角度優(yōu)化疏散路徑,用來(lái)確保建筑或設(shè)施內(nèi)疏散人群能夠以最有效率且最安全的方式疏散。本文利用深度神經(jīng)網(wǎng)絡(luò)算法對(duì)人群密集度進(jìn)行識(shí)別和分析。疏散模型將個(gè)體屬性、環(huán)境時(shí)變參數(shù)等諸多信息作為輸入?yún)?shù),充分利用建筑內(nèi)每條疏散路徑和出口,合理有效分配疏散人員和疏散路徑。

3 結(jié)語(yǔ)

本文采用基于深度神經(jīng)網(wǎng)絡(luò)的視頻監(jiān)測(cè)算法,對(duì)人群密集度等進(jìn)行自動(dòng)識(shí)別和分析,再結(jié)合三維元胞自動(dòng)機(jī)模型構(gòu)建預(yù)測(cè)疏散模型,利用物聯(lián)網(wǎng)搭建疏散系統(tǒng)。通過(guò)可視化仿真系統(tǒng)我們能夠抽象和模擬人員疏散過(guò)程,深入分析休閑游憩設(shè)施內(nèi)人員在應(yīng)急條件下的行為特征。最后結(jié)合無(wú)線射頻網(wǎng)絡(luò)和無(wú)線飛行器技術(shù)結(jié)合進(jìn)而構(gòu)建宏觀尺度多目標(biāo)優(yōu)化模型,建立最優(yōu)疏散策略,構(gòu)建大范圍密集人群可控疏散機(jī)制。