古沐松 高朝邦 汪海鷹 李立 游磊

(成都大學計算機學院,四川成都 610106)

新冠疫情對中國第三產(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。市民休閑游憩既是拉動經(jīng)濟發(fā)展的重要動力,也是促進社會和諧的重要領域,是文化建設的重要載體,是文化交流的重要紐帶[1]。

然而科學研究表明,新冠病毒極其“狡猾”。在中共中央的堅強領導下,我國抗擊新冠病毒疫情工作取得了舉國贊嘆、舉世矚目的成績,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,國內(nèi)小范圍感染偶有發(fā)生,局部暴發(fā)的危機依然存在。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急疏散存在的問題

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的一個主要難題。類似的例子有：2017年倫敦格倫費爾大樓發(fā)生火災,因為疏散不及時造成81人遇難。與之形成鮮明對比的是2015年迪拜火炬大廈火災,由于疏散工作準備充分,沒有人遇難。建筑或設施內(nèi)的密集人群智能應急疏散系統(tǒng)一直是智能交通領域的研究熱點。目前市場上投入使用的智能疏散系統(tǒng)大都以災害傳感器采集的數(shù)據(jù)作為依據(jù)進行疏散路線指示。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,造成擁堵,不能均衡人群疏散負載,疏散效率低[3]。

針對以上問題,本文提出基于深度神經(jīng)網(wǎng)絡的視頻監(jiān)測算法,對人群密集度等進行自動識別和分析,再結合三維元胞自動機模型構建預測疏散模型[4],利用物聯(lián)網(wǎng)搭建疏散系統(tǒng)。系統(tǒng)將疫情點、緩沖區(qū)和人群流量作為計算人群最佳疏散路線的主要依據(jù),計算結果通過動態(tài)聲光系統(tǒng)反饋給被困人員,最終實現(xiàn)可控狀態(tài)下的高密度人群應急疏散機制。

2 基于深度學習的應急疏散模型

本文以在后疫情時代下,常態(tài)化“疫情防控”背景下市民休閑游憩中心的人員應急疏散(包括供給的有效性、疏散的有效性)為研究對象。游憩中心或設施內(nèi)的高密度人員疏散過程涉及因素非常復雜,為了解決這一問題,本文提出了介觀應急疏散模型,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,為深入研究人員疏散規(guī)律和特征,完善數(shù)學模型,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,獲取相關人員疏散數(shù)據(jù)和特征參數(shù)。對于研究人員疏散過程而言,數(shù)據(jù)和特征參數(shù)是研究的基礎。人員數(shù)據(jù)主要通過對以往建筑或設施內(nèi)災害視頻錄像、文獻調(diào)查以及組織疏散實驗等途徑獲取[5]。

該宏觀尺度多目標優(yōu)化模型分為卷積層、池化層、全連接層、SoftMax分類層等4個層次,用8標簽Soft Max分類層替換掉原有VGG－16網(wǎng)絡中的Soft Max分類器模型的激活函數(shù)為ReLU函數(shù),構建適合該識別模型的VGG網(wǎng)絡。VGG網(wǎng)絡是通過100萬幅圖像的ImageNet數(shù)據(jù)庫中訓練而成,具備較強的深度特征學習能力、其擁有大量已訓練完成的參數(shù)和權重、特別是卷積層關于圖像的曲線、邊緣、輪廓的特征提取具備較強的能力。為減少網(wǎng)絡訓練時間和提高網(wǎng)絡訓練效率,可將已訓練好的VGG網(wǎng)絡作為本模型的預訓練模型。VGG網(wǎng)絡的權重參數(shù)數(shù)量為65×103個,其中3個全連接層參數(shù)集中度較高,VGG網(wǎng)絡的參數(shù)是為1000個分類類別而設計的,而本研究更改為8個分類,以提高模型的識別精度和效率,如圖1所示：

圖1 VGG卷積神經(jīng)網(wǎng)絡示意圖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用案例。為了完成可視化仿真系統(tǒng),首先以公園為場景進行建模,對場景進行初始化。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庫,建模流程簡單。另外SketchUp支持二次開發(fā),Ruby語言作為接口可將數(shù)學模型產(chǎn)生的數(shù)據(jù)轉(zhuǎn)換為SketchUp中能運行的坐標軌跡代碼進行執(zhí)行。

第三步,構建微觀尺度三維元胞自動機模型。針對高密度人員疏散行特征,采用三維元胞自動機進行模擬和刻畫?，F(xiàn)有文獻資料一般將疏散空間處理成二維平面,但這與實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、電梯和自動扶梯因素對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。通過對上述問題進一步的研究,本文將這個二維平面疏散問題擴展到三維空間進行處理,同時結合出口擁擠度、摩擦力和排斥力等建立一種新型三維元胞自動機疏散模型,進而提高模擬的準確度。本文將元胞自動機的二維VonNeumann型擴展為三維形態(tài)。任何一個元胞(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)、或為空。假設某時刻行人處于元胞(i,j,k)位置,在每個時間步長內(nèi)行人根據(jù)公式(1)計算周圍14個相鄰元胞位置以及自身位置的移動收益Q,并在下一時刻將最小移動收益作為目標位置：

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個方向移動以及靜止不動的概率之和等于1；Sijk和ws表示格點(i,j,k)的FF(floorfield)及其影響系數(shù),Dijk和wD表示出口(i,j,k)處擁擠度動態(tài)變化對疏散時間的影響及其影響系數(shù),Fijk和wF表示格點(i,j,k)受到的排斥力和摩擦力對目標移動方向的影響及其影響系數(shù)。

第四步,建立基于無線傳感器網(wǎng)絡的應急疏散網(wǎng)絡。本文提出了將立體數(shù)據(jù)采集、無線飛行器技術和移動終端融合在物聯(lián)網(wǎng)中,最大化發(fā)揮各自優(yōu)勢。該網(wǎng)絡具有成本低,功耗低和利用組網(wǎng)技術可以進行遠距離傳輸?shù)葍?yōu)勢,從而構建宏觀尺度多目標優(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,用來確保建筑或設施內(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)絡算法對人群密集度進行識別和分析。疏散模型將個體屬性、環(huán)境時變參數(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 結語

本文采用基于深度神經(jīng)網(wǎng)絡的視頻監(jiān)測算法,對人群密集度等進行自動識別和分析,再結合三維元胞自動機模型構建預測疏散模型,利用物聯(lián)網(wǎng)搭建疏散系統(tǒng)。通過可視化仿真系統(tǒng)我們能夠抽象和模擬人員疏散過程,深入分析休閑游憩設施內(nèi)人員在應急條件下的行為特征。最后結合無線射頻網(wǎng)絡和無線飛行器技術結合進而構建宏觀尺度多目標優(yōu)化模型,建立最優(yōu)疏散策略,構建大范圍密集人群可控疏散機制。