摘要
随着社会经济的快速发展，大型公共场所的集会活动也随之日益增多，高密度、不稳定人流在相对封闭空间内引发的人群疏散公共安全问题已引起了越来越多的学者关注。如何制定高效疏散路线方案，建立合理的人群疏散模型及其求解算法，一直以来是人群疏散研究的热点和难点，因此开展对人群疏散的广泛且深入的研究，具有非常重要的科学和现实意义。就此，本文针对人群疏散路径规划问题，从行人检测、路径规划模型设计、深度学习和智能优化角度，建立静态、动态场景下人群疏散路径规划模型，以及模型求解的智能优化算法。取得的成果不仅有助于推动人群疏散路径规划研究向前发展，而且能为人群疏散问题的解决提供可参考的疏散方案。主要工作和取得的成果概括如下： 1、针对密集场景下重叠行人检测问题，综合YOLOv3存在行人检测漏检及检测准确率低的因素，借助梯度下降法、通道注意力机制和空间金字塔模型，探讨改进型YOLOv3。模型设计中，将通道注意力机制嵌入残差网络中，强化关键信息的特征提取；利用能增大感受野的空间金字塔融合多尺度特征图，增强相互遮挡目标的特征提取能力；利用改进型非极大抑制模块消除冗余预测框，避免重叠目标漏检。比较性的实验结果表明，改进型 YOLOv3能有效避免密集场景下行人漏检现象且检测精度与识别准确率高。 2、针对静态环境下人群疏散路径规划问题，以疏散时间为性能指标，建立改进型社会力人群疏散路径规划模型。在模型求解算法研究中，将 Tent 混沌映射机制以及自适应加权非线性惯性权重策略引入到基本蝴蝶优化算法中，增强蝴蝶种群的多样性，防止算法在迭代后期出现陷入局部搜索的现象，获得求解的改进型蝴蝶优化算法。比较性的数值实验表明，建立的改进型社会力人群疏散路径规划模型是合理的；获得的算法在搜索效果的稳定性、收敛速度及获得的人群疏散调度方案的合理性方面均具有明显优势。 3、针对动态环境下人群疏散路径规划问题，在以上改进型社会力人群疏散路径规划模型基础上，建立动态人群疏散路径规划模型。进而，在以上改进型蝴蝶优化算法基础上，引入环境变化检测、自适应动态气味吸收策略以及动态切换概率机制，获得求解该模型的动态优化算法。比较性的数值实验显示，所获动态疏散模型具有一定的合理性，同时获得的算法能有效检测环境的变化，其搜索效果好且能有效获得动态环境下人群疏散调度方案。
NETL