基于深度卷积神经网络的人员疏散时间快速预测方法

作者：赵思琪; 陈娟; 王巧; 夏钤强; 卢紫嫣; 马剑

来源：系统工程理论与实践, 2023, 1-15.

• 疏散时间
• 卷积神经网络
• 元胞自动机
• 计算效率

预测人员疏散时间是大规模人群管控、建筑平面布局优化的关键. 现有研究关注人员疏散理论模型的建立， 忽视了疏散模型的时间和空间复杂度高难以实现快速预测的这一问题. 复杂建筑空间环境以及人员的空间分布是决定疏散时间长短的决定性因素， 本文提出以建筑空间环境和人位置分布图像为输入的疏散时间快速计算方法. 设计不同空间布局、不同疏散人数、不同出口个数及宽度的疏散场景， 使用人员疏散元胞自动机模型（CA）开展模拟计算构建样本数据库. 构建疏散时间快速预测模型FastEvacNet， 训练标定该深度卷积神经网络模型， 测试模型预测疏散时间的可靠度与效率. 结果表明， 在整个测试集上的MAPE值为8.21%， 模型整体预测精度良好， 泛化能力强. 且对疏散时间的预测用时几乎不依赖于疏散场景的复杂度， 计算效率相较于CA模型提升三个数量级；当以数据流的形式传入网络进行批量预测时， 可提升四个数量级.

• 单位
  西南交通大学; 土木与环境工程系