CN115474172A - 结合uwb采集的室内密集人流组群行人群体疏散方法 - Google Patents
结合uwb采集的室内密集人流组群行人群体疏散方法 Download PDFInfo
- Publication number
- CN115474172A CN115474172A CN202211417416.4A CN202211417416A CN115474172A CN 115474172 A CN115474172 A CN 115474172A CN 202211417416 A CN202211417416 A CN 202211417416A CN 115474172 A CN115474172 A CN 115474172A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- group
- groups
- indoor
- uwb
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
- Emergency Lowering Means (AREA)
Abstract
本发明提供了一种结合UWB采集的室内密集人流组群行人群体疏散方法,包括:构建被测室内的全局环境模型,并与被测室内实际坐标进行对标;将室内行人按照亲疏关系构成不同的组群行人群体;对室内每个行人佩戴UWB终端,并通过UWB基站对室内环境中不同组群行人群体中每个行人的移动轨迹进行实时数据采集;计算得到个体行人的移动收益值,选择最小移动收益值作为目标位置;统计组群行人群体中每一个行人的下一步目标位置,得到该组群行人群体的整体移动趋势,将移动趋势一致的行人群体统计归为一类,按移动趋势将整个人群分成不同区域进行引导。本发明解决了现有行人疏散方法无法准确描述组群行人群体疏散过程的问题。
Description
技术领域
本发明属于人群疏散技术领域,尤其涉及一种结合UWB采集的室内密集人流组群行人群体疏散方法。
背景技术
近年来因密集人流在密闭空间内聚集而造成的事故呈上升趋势,突发性、高密度和高能量是造成这些事故的根本原因。面向密闭空间突发情况下人群疏散过程,分析出密集人群扩散行为特征,揭示密闭空间内人流发生拥挤踩踏现象的生成机理及演变规律是疏散方法研究的重要问题。目前,研究密集行人疏散方法主要依靠数据模拟仿真,构建一个高效适用的疏散方法重要前提条件得到真实可靠的数据源。因为大规模人群疏散实验组织难度大,同时很难准确捕获个体行人的疏散轨迹,视频识别是常用的技术手段,但是它只能进行定性分析,不能进行量化分析。因此,目前研究疏散方法的大部分数据来源只能依靠单纯数据仿真模拟或对已有的视频资料进行宏观上粗略分析,这样的分析结果往往与实际偏差较大,泛化能力弱,影响疏散方法的准确性和可靠性。
前端数据采集对行人运动轨迹捕获的准确性是疏散方法分析的重要前提保证。目前,国内外室内行人流疏散模型采集的行人运动轨迹信息主要由视频监控获取后进行图像识别提取,在对行人运动轨迹采集过程中,视频监控采集具有一定局限性,主要体现在:1、在室内视频监控很难做到对人群进行360度无死角连续跟踪,尤其是遇到室内遮挡物时,视频就会出现盲区。这样在数据分析时,就会造成行人运动轨迹点不连续,为后续个体行人数据分析带来难度;2、利用视频图像处理所获取的行人数据很难进行坐标量化,一般只能进行宏观趋势分析,不能进行微观量化分析;3、目前视频识别处理通常是先将视频转换为图像后,然后在利用图像识别技术对其进行识别,这样处理会造成资源开销成本高,很难做到数据的实时处理。
疏散模型主要分为宏观模型和微观模型,宏观模型结构简单,它主要利用流体力学原理定性的描述行人行为,把人群看作一个整体来研究。微观模型是用于描述行人的个体特性,侧重于研究群体中个体行为的相互影响,分析个体行为随着周围环境的变化而发生动态变化的过程。主流疏散模型大都是微观模型,如元胞自动机、社会力模型等。目前密集人群疏散研究往往更多考虑了行人和行人之间的相互作用,而忽略了人群在疏散移动时大部分是以亲疏关系(例如朋友、同事、家庭等)形式进行聚集组群后形成不同行人群体进行疏散。
发明内容
针对现有技术中的上述不足,本发明提供的一种结合UWB采集的室内密集人流组群行人群体疏散方法,解决了现有行人疏散方法无法准确描述组群行人群体疏散过程的问题。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种结合UWB采集的室内密集人流组群行人群体疏散方法,包括以下步骤:
S1、构建被测室内的全局环境模型,并根据全局环境模型与被测室内实际坐标进行对标;
S2、将室内行人按照亲疏关系构成不同的组群行人群体;
S3、对室内每个行人佩戴UWB终端,通过UWB基站对室内环境中不同组群行人群体中每个行人的移动轨迹进行实时数据采集,并将行人的实时移动轨迹在对标后的全局环境模型中显示;
S4、根据实时采集的数据,获取行人的移动坐标信息,并在元胞自动机上计算得到个体行人的移动收益值,选择最小移动收益值作为目标位置;
S5、统计组群行人群体中每一个行人的下一步目标位置,分析得到该组群行人群体的整体移动趋势,将移动趋势一致的行人群体统计归为一类,按照移动趋势将整个人群分成不同区域进行引导;
S6、判断室内是否有组群行人群体,若是,则返回步骤S4,否则,完成对室内密集人流组群行人群体的疏散。
进一步地,所述步骤S1包括以下步骤:
S101、根据被测室内的图纸,形成全局环境模型;
S102、将被测室内的实际坐标与全局环境模型中的坐标进行对标。
再进一步地,所述步骤S4包括以下步骤:
S401、根据实时采集的数据,利用UWB前端数据采集设备获取室内每个组群行人流中个体的实时位置和时标,并计算得到每个行人的移动速度;
S402、利用元胞自动机将二维疏散空间均匀划分为若干个网格,并利用元胞自动机和每个行人的移动速度,得到相邻9个元胞的移动收益值,将个体行人的移动收益值最小的元胞网格位置作为行人下一步的目标位置,其中,一个网格代表一个行人。
再进一步地,所述移动收益值的表达式如下:
其中,表示个体行人的移动收益值,、、、和均表示每个因子的权重系数,且,为调整每个因子的权重系数,0≤C 1≤1,0≤C 2≤1,0≤C 3≤1,0≤C 4≤1,0≤C 5≤1,表示元胞所处的任意一个网格位置,表示距离收益,其值越小代表A(i, j)距离出口越近,表示以为中心H×H网格范围内与行人(i, j)同属于一个组群行人群体的人数数量与总人数的比值,表示以为中心在H×H网格范围内行人总人数数量与总网格数量的比值,表示距离出口中拥挤度最小的出口位置E m指向收益,表示以为中心H×H网格范围内所有行人的平均移动速度,为了避免极端数据产生的扰动,平均移动速度采用切尾均值计算,表示元胞位置是否被障碍物或行人所占据,是则M ij 为1000,否则M ij 为0,表示到出口En最大网格距离,表示到出口En最短网格距离,表示到距离它直线距离最近出口E r的最短网格距离,H表示可调参数,表示到出口E1最大网格距离,表示到出口E1最短网格距离。
再进一步地,所述步骤S5包括以下步骤:
S501、根据组群行人群体中每个行人的最小移动收益值,统计组群行人群体中每一个行人的下一步目标位置,分析得到该组群行人群体的整体移动趋势;
S502、利用步骤S501的方法,得到其他组群行人群体的移动趋势;
S503、将移动趋势一致的行人群体统计归为一类,按照移动趋势将整个人群分成不同区域进行引导,并利用大屏幕和声音引导。
本发明的有益效果:
(1)本发明采用了UWB技术实现了室内行人的实时精准定位以及构建全局环境模型技术,在此基础上建立了一个专为室内密集人群疏散准备的实验环境,该实验环境能够实时采集到参与实验每一个行人的全部移动轨迹,并且准确计算出行人的移动距离和速度等重要参数,而不是依靠公式推导出这些参数,这样大大提高了原始数据的准确性和可靠性;同时,UWB技术在秒级范围内采集到每一个行人的移动数据,这样对验证和修正疏散方法提供了重要的技术保证手段。
(2)本发明根据行人在疏散过程中会根据亲疏程度组群形成行人群体移动的特点,采用组群思想对密集行人疏散过程进行刻画,结合元胞自动机模型,通过移动收益值的计算得到了行人个体最佳目标位置以及组群行人群体移动趋势轨迹,并以此将移动趋势一致的群体进行归类疏散处理,建立了一种针对行人在疏散过程中根据亲疏关系组群形成行人群体的疏散策略,更为准确地刻画了组群疏散行为。
(3)本发明采用了分区定制式方法对室内密集行人进行疏散引导,在室内出口位置和不同区域安装大屏显示器、喇叭,根据UWB技术和疏散模型计算出每一个组群行人群体移动趋势,将移动趋势一致的组群行人群体的信息和疏散方向显示在所属组群行人群体最近的大屏显示器,同时通过群体就近位置的喇叭进行声音提示,这样不同移动趋势的群体所获取的疏散引导信息是不一样的,针对性更强,大大提高了密集行人的疏散效率。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
本发明提出了利用超宽带技术UWB数据采集技术构建室内疏散实验基地,UWB是一种无线载波通信技术,适合室内无线定位,能实时进行厘米级高精度人员定位,UWB解决了视频图像识别难以量化跟踪和实时处理的问题。然后,本发明结合UWB数据采集技术,通过行人组群行人群体现象对密集人流疏散过程进行了有效刻画,解决了现有行人疏散方法无法准确描述群体疏散过程的问题。同时,所有实验数据都可以保存形成疏散行人特征数据库,这样不仅能够为后续疏散模型的修正及验证提供数据保证,还可以为其他科研学者提供可靠真实的行人疏散特征数据库,以此建立不同的疏散模型及方法,如图1所示,图1中Y代表是,N代表不是,本发明提供了一种结合UWB采集的室内密集人流组群行人群体疏散方法,其实现方法如下:
S1、构建被测室内的全局环境模型,并根据全局环境模型与被测室内实际坐标进行对标,其实现方法如下:
S101、根据被测室内的图纸,形成全局环境模型;
S102、将被测室内的实际坐标与全局环境模型中的坐标进行对。
本实施例中,按照室内实际测绘图纸或者CAD图,导入到计算机中形成全局环境模型。为了使全局环境模型与实际坐标一致,必须进行实际坐标与模拟全局环境模型中的坐标进行对标,对标主要内容有2方面,一是指定统一的坐标原点;二是设定模型坐标的缩放比例。
S2、将室内行人按照亲疏关系构成不同的组群行人群体;
本实施例中,室内行人按照不同亲疏程度关系(例如朋友、同事、家庭等)组群形成规模不同的行人群体,规模为1人属于特殊群体。行人在最初疏散时,会按照一定的亲密关系形成不同的组群行人群体,这种亲密关系包括家庭关系、同事关系和从众关系等,这些群体在疏散过程中形状会发生变换,但是组群规模通常会保持最初状态,直到疏散到出口。
S3、对室内每个行人佩戴UWB终端,通过UWB基站对室内环境中不同组群行人群体中每个行人的移动轨迹进行实时数据采集,并将行人的实时移动轨迹在对标后的全局环境模型中显示;
本实施例中,准确采集到每一个行人的行动轨迹坐标是实现和验证室内人流组群疏散方法的重要前提保证,为了更加准确捕获行人坐标位置,实验基地前端使用了UWB技术对每一个人进行实时轨迹跟踪。目前,UWB是室内定位精度最高的技术,行人将UWB终端设备佩戴在手上,一个UWB终端设备与一个行人都会一一对应,这种对应关系会记录下来,以便步骤S5引导疏散人群使用。UWB基站群会在秒级内完成位置更新,同时,每个UWB基站都会把数据传送到后端交换机上,计算机通过局域网与交换机进行数据交换,得到每个行人的具体坐标位置,并将行人按照坐标显示在全局环境模型。
S4、根据实时采集的数据,获取行人的移动坐标信息,并在元胞自动机上计算得到个体行人的移动收益值,选择最小移动收益值作为目标位置,其实现方法如下:
S401、根据实时采集的数据,利用UWB前端数据采集设备获取室内每个组群行人流中个体的实时位置和时标,并计算得到每个行人的移动速度;
S402、利用元胞自动机将二维疏散空间均匀划分为若干个网格,并利用元胞自动机和每个行人的移动速度,得到相邻9个元胞的移动收益值,将个体行人的移动收益值最小的元胞网格位置作为行人下一步的目标位置,其中,一个网格代表一个行人。
本实施例中,通过UWB前端数据采集设备,能够获取室内每个组群行人流中个体的实时位置和时标,在此基础上计算出相应的移动速度,这样得到的位置和速度信息是直接实时采集而来的,位置信息平均偏差在±20cm范围内,与其他疏散方法通过视频分析公式推导出行人速度相比,更为直接和准确。
本实施例中,通过Moore型元胞自动机将二维疏散空间均匀划分为若干个网格,一个网格代表一个元胞(行人),尺寸大小为0.5m×0.5m。每个行人一次只能移动到相邻9个元胞网格中(包括自身位置)。利用Moore元胞自动机,通过移动收益值计算出相邻9个元胞(包括自身位置)的移动收益值,将移动收益值最小的元胞网格位置作为行人下一步的目标位置。
本实施例中,移动收益值R ij 公式如下:行人将选择移动收益值最小的元胞网格作为下一个移动目标位置。
其中,
其中,表示个体行人的移动收益值,、、、和均表示每个因子的权重系数,且,为调整每个因子的权重系数,0≤C 1≤1,0≤C 2≤1,0≤C 3≤1,0≤C 4≤1,0≤C 5≤1,表示元胞所处的任意一个网格位置,表示距离收益,其值越小代表A(i, j)距离出口越近,表示以为中心H×H网格范围内与行人(i, j)同属于一个组群行人群体的人数数量与总人数的比值,表示以为中心在H×H网格范围内行人总人数数量与总网格数量的比值,表示距离出口中拥挤度最小的出口位置E m指向收益,表示以为中心H×H网格范围内所有行人的平均移动速度,为了避免极端数据产生的扰动,平均移动速度采用切尾均值计算,表示元胞位置是否被障碍物或行人所占据,是则M ij 为1000,否则M ij 为0,表示到出口En最大网格距离, 表示到出口En最短网格距离,表示到距离它直线距离最近出口E r的最短网格距离,H表示可调参数,表示到出口E1最大网格距离,表示到出口E1最短网格距离。
本实施例中,经过以上计算,行人将选择最小移动收益值R ij 作为下一步的目标位置。如果存在多个网格位置的R ij 值相同,则以等概率随机选择其中一个网格位置作为下一步的目标位置,当出现多个行人同时竞争同一目标位置的情况,则需要考虑行人冲撞能力F解决竞争问题,冲撞能力F主要由行人个体身体条件和行人所在群体的规模大小决定,身体条件包括年龄、性别、身高、体重等因素,行人所在群体的规模大小主要指所在群体的总人数,冲撞能力F越大,获取目标位置的机会越大,竞争失败的行人可以选择移动收益值次小的网格作为下一步的目标位置,如果该目标位置已经被其他行人或者障碍物占据,就原地等待。
S5、统计组群行人群体中每一个行人的下一步目标位置,分析得到该组群行人群体的整体移动趋势,将移动趋势一致的行人群体统计归为一类,按照移动趋势将整个人群分成不同区域进行引导,其实现方法如下:
S501、根据组群行人群体中每个行人的最小移动收益值,统计组群行人群体中每一个行人的下一步目标位置,分析得到该组群行人群体的整体移动趋势;
S502、利用步骤S501的方法,得到其他组群行人群体的移动趋势;
S503、将移动趋势一致的行人群体统计归为一类,按照移动趋势将整个人群分成不同区域进行引导,并利用大屏幕和声音引导。
本实施例中,统计组群行人群体中每一个个体的目标位置,分析出该群体的总体最优移动趋势,同时,用类似的方法可以得到其他群体运动趋势。将移动趋势一致(主要根据是否以同一出口为疏散目的地作为判断依据)的行人群体归为一类进行大屏幕提示和声音引导,行人群体人数大的具有优先选择出口的权重,移动趋势不一致的组群行人群体实行分区域引导,选择同一出口的群体进行同区域统一引导。
本实施例中,在室内实验场地的障碍物、墙上分区域安装多个大屏幕提示设备和喇叭,通过获得移动趋势方向一致的行人群体信息,将目前最优疏散方向以醒目的箭头方式显示在这些群体所属区域的大屏上,同时这些行人群体编号以及行人的信息,如姓名等滚动显示在对应区域的大屏上,并且通过喇叭提示他们最优疏散路径,这样可以将密集人群按照移动方向分区域定制式进行引导疏散,不同移动方向的行人群体所看到的疏散引导提示是不一样,针对性更强,疏散效率可以大幅提高。
S6、判断室内是否有组群行人群体,若是,则返回步骤S4,否则,完成对室内密集人流组群行人群体的疏散。
本发明通过以上设计,解决了现有行人疏散方法无法准确描述组群行人群体疏散过程的问题。
Claims (5)
1.一种结合UWB采集的室内密集人流组群行人群体疏散方法,其特征在于,包括以下步骤:
S1、构建被测室内的全局环境模型,并根据全局环境模型与被测室内实际坐标进行对标;
S2、将室内行人按照亲疏关系构成不同的组群行人群体;
S3、对室内每个行人佩戴UWB终端,通过UWB基站对室内环境中不同组群行人群体中每个行人的移动轨迹进行实时数据采集,并将行人的实时移动轨迹在对标后的全局环境模型中显示;
S4、根据实时采集的数据,获取行人的移动坐标信息,并在元胞自动机上计算得到个体行人的移动收益值,选择最小移动收益值作为目标位置;
S5、统计组群行人群体中每一个行人的下一步目标位置,分析得到该组群行人群体的整体移动趋势,将移动趋势一致的行人群体统计归为一类,按照移动趋势将整个人群分成不同区域进行引导;
S6、判断室内是否有组群行人群体,若是,则返回步骤S4,否则,完成对室内密集人流组群行人群体的疏散。
2.根据权利要求1所述的结合UWB采集的室内密集人流组群行人群体疏散方法,其特征在于,所述S1包括以下步骤:
S101、根据被测室内的图纸,形成全局环境模型;
S102、将被测室内的实际坐标与全局环境模型中的坐标进行对标。
3.根据权利要求2所述的结合UWB采集的室内密集人流组群行人群体疏散方法,其特征在于,所述根据实时采集的数据,获取行人的移动坐标信息,并在元胞自动机上计算得到个体行人的移动收益值,选择最小移动收益值作为目标位置,包括以下步骤:
S401、根据实时采集的数据,利用UWB前端数据采集设备获取室内每个组群行人流中个体的实时位置和时标,并计算得到每个行人的移动速度;
S402、利用元胞自动机将二维疏散空间均匀划分为若干个网格,并利用元胞自动机和每个行人的移动速度,得到相邻9个元胞的移动收益值,将个体行人的移动收益值最小的元胞网格位置作为行人下一步的目标位置,其中,一个网格代表一个行人。
4.根据权利要求3所述的结合UWB采集的室内密集人流组群行人群体疏散方法,其特征在于,所述个体行人的移动收益值的表达式如下:
其中,表示个体行人的移动收益值,、、、和均表示每个因子的权重系数,且,为调整每个因子的权重系数,0≤C 1≤1,0≤C 2≤1,0≤C 3≤1,0≤C 4≤1,0≤C 5≤1,表示元胞所处的任意一个网格位置,表示距离收益,其值越小代表A(i, j)距离出口越近,表示以为中心H×H网格范围内与行人(i, j)同属于一个组群行人群体的人数数量与总人数的比值,表示以为中心在H×H网格范围内行人总人数数量与总网格数量的比值,表示距离出口中拥挤度最小的出口位置E m指向收益,表示以为中心H×H网格范围内所有行人的平均移动速度,为了避免极端数据产生的扰动,平均移动速度采用切尾均值计算,表示元胞位置是否被障碍物或行人所占据,是则M ij 为1000,否则M ij 为0,表示到出口En最大网格距离,表示到出口En最短网格距离,表示到距离它直线距离最近出口E r的最短网格距离,H表示可调参数,表示到出口E1最大网格距离,表示到出口E1最短网格距离。
5.根据权利要求4所述的结合UWB采集的室内密集人流组群行人群体疏散方法,其特征在于,所述S5包括以下步骤:
S501、根据组群行人群体中每个行人的最小移动收益值,统计组群行人群体中每一个行人的下一步目标位置,分析得到该组群行人群体的整体移动趋势;
S502、利用步骤S501的方法,得到其他组群行人群体的移动趋势;
S503、将移动趋势一致的行人群体统计归为一类,按照移动趋势将整个人群分成不同区域进行引导,并利用大屏幕和声音引导。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211417416.4A CN115474172B (zh) | 2022-11-14 | 2022-11-14 | 结合uwb采集的室内密集人流组群行人群体疏散方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211417416.4A CN115474172B (zh) | 2022-11-14 | 2022-11-14 | 结合uwb采集的室内密集人流组群行人群体疏散方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115474172A true CN115474172A (zh) | 2022-12-13 |
CN115474172B CN115474172B (zh) | 2023-01-24 |
Family
ID=84338280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211417416.4A Active CN115474172B (zh) | 2022-11-14 | 2022-11-14 | 结合uwb采集的室内密集人流组群行人群体疏散方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115474172B (zh) |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145213A (zh) * | 2007-10-25 | 2008-03-19 | 中山大学 | 基于扩展bdi模型的人群疏散仿真方法 |
CN101776460A (zh) * | 2010-03-08 | 2010-07-14 | 中国建筑科学研究院建筑防火研究所 | 人员疏散中的导航方法及装置 |
EP2388737A1 (en) * | 2010-05-18 | 2011-11-23 | Siemens Aktiengesellschaft | A method for predicting time-evolution of object streams and a corresponding device |
CN103679264A (zh) * | 2013-12-23 | 2014-03-26 | 山东师范大学 | 基于人工鱼群算法的人群疏散路径规划方法 |
CN105335588A (zh) * | 2015-12-14 | 2016-02-17 | 北京航空航天大学 | 一种基于拥挤因子的地面场人群疏散模型 |
CN106897541A (zh) * | 2017-03-31 | 2017-06-27 | 华中师范大学 | 一种基于混合空间的室内人员疏散模拟方法 |
CN107464021A (zh) * | 2017-08-07 | 2017-12-12 | 山东师范大学 | 一种基于强化学习的人群疏散仿真方法、装置 |
CN107463751A (zh) * | 2017-08-10 | 2017-12-12 | 山东师范大学 | 一种基于折半dbscan聚类算法的人群分组疏散仿真方法及*** |
CN107665269A (zh) * | 2017-08-11 | 2018-02-06 | 山东师范大学 | 基于地理信息的快速人群疏散仿真方法和装置 |
CN107909190A (zh) * | 2017-10-27 | 2018-04-13 | 天津理工大学 | 一种毒气泄漏事故下人群疏散行为动态预测模拟装置及其工作方法 |
CN109271650A (zh) * | 2018-07-06 | 2019-01-25 | 沧州子芩信息科技有限公司 | 基于疏散对象社会力演化博弈模型的建筑物灾害疏散模拟方法 |
CN109655068A (zh) * | 2019-01-31 | 2019-04-19 | 山东师范大学 | 基于建筑物中突发火灾事件的路径重规划方法及装置、*** |
CN110569872A (zh) * | 2019-08-01 | 2019-12-13 | 深圳达实智能股份有限公司 | 室内疏散路径优化方法、装置和电子设备 |
CN111046562A (zh) * | 2019-12-16 | 2020-04-21 | 湖北工业大学 | 基于蜂群算法的多目标引导人员疏散仿真方法及仿真*** |
US20200174124A1 (en) * | 2017-12-13 | 2020-06-04 | Soraa Laser Diode, Inc. | Distance detecting systems for use in mobile machines including gallium and nitrogen containing laser diodes |
CN111444786A (zh) * | 2020-03-12 | 2020-07-24 | 五邑大学 | 基于无人机群的人群疏散方法、装置、***及存储介质 |
EP3686857A1 (en) * | 2019-01-25 | 2020-07-29 | Carrier Corporation | Evacuation controller, evacuation control system and mobile communication terminal |
CN111767789A (zh) * | 2020-05-13 | 2020-10-13 | 北京交通大学 | 一种基于多载体智能引导的人群疏散方法及*** |
CN111982113A (zh) * | 2020-07-22 | 2020-11-24 | 湖南大学 | 路径生成方法、装置、设备及存储介质 |
CN112066990A (zh) * | 2020-08-27 | 2020-12-11 | 成都建工装饰装修有限公司 | 基于bim的地铁公共区装修施工的人员疏导方法 |
CN112199747A (zh) * | 2020-09-29 | 2021-01-08 | 西安交通大学 | 基于排队网络的室内人员疏散方法和疏散*** |
CN112231968A (zh) * | 2020-09-09 | 2021-01-15 | 山东师范大学 | 基于深度强化学习算法的人群疏散仿真方法及*** |
CN113779903A (zh) * | 2021-09-15 | 2021-12-10 | 成都师范学院 | 一种基于流体力学的人群突发事件检测及疏散方法和*** |
CN115188456A (zh) * | 2022-07-19 | 2022-10-14 | 广东申安建设科技有限公司 | 基于物联网的医院应急疏散指引方法、装置、设备及介质 |
-
2022
- 2022-11-14 CN CN202211417416.4A patent/CN115474172B/zh active Active
Patent Citations (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101145213A (zh) * | 2007-10-25 | 2008-03-19 | 中山大学 | 基于扩展bdi模型的人群疏散仿真方法 |
CN101776460A (zh) * | 2010-03-08 | 2010-07-14 | 中国建筑科学研究院建筑防火研究所 | 人员疏散中的导航方法及装置 |
EP2388737A1 (en) * | 2010-05-18 | 2011-11-23 | Siemens Aktiengesellschaft | A method for predicting time-evolution of object streams and a corresponding device |
WO2011144424A1 (en) * | 2010-05-18 | 2011-11-24 | Siemens Aktiengesellschaft | A method for predicting time-evolution of object streams and a corresponding device |
CN103679264A (zh) * | 2013-12-23 | 2014-03-26 | 山东师范大学 | 基于人工鱼群算法的人群疏散路径规划方法 |
CN105335588A (zh) * | 2015-12-14 | 2016-02-17 | 北京航空航天大学 | 一种基于拥挤因子的地面场人群疏散模型 |
CN106897541A (zh) * | 2017-03-31 | 2017-06-27 | 华中师范大学 | 一种基于混合空间的室内人员疏散模拟方法 |
CN107464021A (zh) * | 2017-08-07 | 2017-12-12 | 山东师范大学 | 一种基于强化学习的人群疏散仿真方法、装置 |
CN107463751A (zh) * | 2017-08-10 | 2017-12-12 | 山东师范大学 | 一种基于折半dbscan聚类算法的人群分组疏散仿真方法及*** |
CN107665269A (zh) * | 2017-08-11 | 2018-02-06 | 山东师范大学 | 基于地理信息的快速人群疏散仿真方法和装置 |
CN107909190A (zh) * | 2017-10-27 | 2018-04-13 | 天津理工大学 | 一种毒气泄漏事故下人群疏散行为动态预测模拟装置及其工作方法 |
US20200174124A1 (en) * | 2017-12-13 | 2020-06-04 | Soraa Laser Diode, Inc. | Distance detecting systems for use in mobile machines including gallium and nitrogen containing laser diodes |
CN109271650A (zh) * | 2018-07-06 | 2019-01-25 | 沧州子芩信息科技有限公司 | 基于疏散对象社会力演化博弈模型的建筑物灾害疏散模拟方法 |
US20200242901A1 (en) * | 2019-01-25 | 2020-07-30 | Carrier Corporation | Egress controller, egress control system and mobile communication terminal |
EP3686857A1 (en) * | 2019-01-25 | 2020-07-29 | Carrier Corporation | Evacuation controller, evacuation control system and mobile communication terminal |
CN109655068A (zh) * | 2019-01-31 | 2019-04-19 | 山东师范大学 | 基于建筑物中突发火灾事件的路径重规划方法及装置、*** |
CN110569872A (zh) * | 2019-08-01 | 2019-12-13 | 深圳达实智能股份有限公司 | 室内疏散路径优化方法、装置和电子设备 |
CN111046562A (zh) * | 2019-12-16 | 2020-04-21 | 湖北工业大学 | 基于蜂群算法的多目标引导人员疏散仿真方法及仿真*** |
CN111444786A (zh) * | 2020-03-12 | 2020-07-24 | 五邑大学 | 基于无人机群的人群疏散方法、装置、***及存储介质 |
CN111767789A (zh) * | 2020-05-13 | 2020-10-13 | 北京交通大学 | 一种基于多载体智能引导的人群疏散方法及*** |
CN111982113A (zh) * | 2020-07-22 | 2020-11-24 | 湖南大学 | 路径生成方法、装置、设备及存储介质 |
CN112066990A (zh) * | 2020-08-27 | 2020-12-11 | 成都建工装饰装修有限公司 | 基于bim的地铁公共区装修施工的人员疏导方法 |
CN112231968A (zh) * | 2020-09-09 | 2021-01-15 | 山东师范大学 | 基于深度强化学习算法的人群疏散仿真方法及*** |
CN112199747A (zh) * | 2020-09-29 | 2021-01-08 | 西安交通大学 | 基于排队网络的室内人员疏散方法和疏散*** |
CN113779903A (zh) * | 2021-09-15 | 2021-12-10 | 成都师范学院 | 一种基于流体力学的人群突发事件检测及疏散方法和*** |
CN115188456A (zh) * | 2022-07-19 | 2022-10-14 | 广东申安建设科技有限公司 | 基于物联网的医院应急疏散指引方法、装置、设备及介质 |
Non-Patent Citations (3)
Title |
---|
""z_22468-g00"", 《3GPP TSG_SA\WG1_SERV》 * |
ALI YASSIN: "Recent_Advances_in_Indoor_Localization_A_Survey_on_Theoretical_Approaches_and_Applications", 《IEEE XPLORE》 * |
塔娜: "基于空间细化元胞自动机的行人疏散建模与仿真", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115474172B (zh) | 2023-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Learning deep representation from big and heterogeneous data for traffic accident inference | |
Stott et al. | Automatic metro map layout using multicriteria optimization | |
CN105493109B (zh) | 使用多个数据源的空气质量推断 | |
CN108446470B (zh) | 基于车辆轨迹数据和人口分布的医疗设施可达性分析方法 | |
Duives et al. | Exit choice decisions during pedestrian evacuations of buildings | |
WO2022198963A1 (zh) | 基于大数据的商业空间品质评价方法、***、设备及介质 | |
CN113643170B (zh) | 一种大数据驱动的公共场所聚集人群疏散方法及装置 | |
CN110414732A (zh) | 一种出行未来轨迹预测方法、装置、储存介质及电子设备 | |
CN111432417B (zh) | 一种基于手机信令数据的体育中心选址方法 | |
CN110716935A (zh) | 基于网约车出行的轨迹数据分析与可视化方法及*** | |
CN112579922B (zh) | 一种基于用户轨迹的兴趣点推荐方法 | |
CN110503267B (zh) | 基于时空尺度自适应模型的城市侵财案件预测***及预测方法 | |
EP2354940A1 (en) | Calibration of stream models and stream simulation tools | |
CN112954623B (zh) | 一种基于手机信令大数据的居民入住率估算方法 | |
CN111274710B (zh) | 一种基于游戏的核应急疏散出口选择行为模型的构建方法 | |
Zhang et al. | How road network transformation may be associated with reduced carbon emissions: An exploratory analysis of 19 major Chinese cities | |
CN113435769A (zh) | 一种计算城市无障碍设施指数的方法 | |
CN116485239A (zh) | 一种针对城市绿道建设成效的综合评价***和方法 | |
CN111783295A (zh) | 城市社区特定人行为链动态识别与预测评估方法及*** | |
CN108171532A (zh) | 一种用户群分布预测方法及*** | |
CN115474172B (zh) | 结合uwb采集的室内密集人流组群行人群体疏散方法 | |
CN116305956A (zh) | 一种极端降水事件下人群安全疏散仿真方法 | |
CN111428861A (zh) | 一种基于多尺度多维邻近性的制造业企业境外投资选址决策方法 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN113380071B (zh) | 一种面向大型综合体的车位级停车需求状态评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |