开云优惠体育网页版入口

专利名称：一种基于洪水漫延的人员疏散方法、装置、设备及介质

专利类型：发明专利

专利申请号：CN202410249786.4

专利申请（专利权）人：西南交通大学,广州地铁集团有限公司
权利人地址：四川省成都市二环路北一段111号

专利发明（设计）人：马剑,葛鑫茹,施冬冬,黄然,邱云飞,朱士友,陶涛,杨学武,鄢可非,陈娟,王巧

专利摘要：本发明提供了一种基于洪水漫延的人员疏散方法、装置、设备及介质，涉及安全疏散技术领域，包括获取目标建筑的水流静压力云图；得到目标时刻的水流静压力矩阵；计算得到目标建筑内各位置上的水深高度；获取目标建筑内所有目标人员所处目标位置；确定出每个目标人员的移动速度；确定出目标人员的目标疏散出口；引导目标人员进行疏散操作。本发明通过有限元仿真软件，模拟出各类工况下地下空间的水流静压力云图，并构建一一对应的数据集，基于所构建的数据集对改进后的pix2pix模型进行训练标定，训练后的pix2pix模型能够对于水侵后地下空间流场分布进行准确预测，并依据预测结果建立行人疏散场景，最终实现水侵状态下提前对行人疏散出口的快速分配及指导目标。

主权利要求：
1.一种基于洪水漫延的人员疏散方法，其特征在于，包括：获取初始时刻目标建筑的水流静压力云图，所述水流静压力云图用于表征所述目标建筑内部各位置上的水流压力；
将所述水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵；
基于所述水流静压力矩阵计算得到所述目标建筑内各位置上的水深高度；
获取所述目标建筑内所有目标人员所处目标位置；
基于所述目标位置和各位置上的水深高度，确定出每个目标人员的移动速度；
基于所述移动速度、所述目标位置和寻路算法，确定出每个目标人员的目标疏散出口；
基于所述目标疏散出口引导所述目标人员进行对应疏散操作；
其中，将所述水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵，包括：获取多个预设水流高度、多个预设流速和多个预设出入水口；
随机选取任一预设水流高度、任一预设流速和任一预设出入水口进行组合，得到多个目标集合；
基于有限元仿真对所述目标集合进行模拟，得到对应的水流静压力数据图像；
基于预设的时间间隔将所述水流静压力数据图像进行一一对应，得到多个数据图像对；
将所有目标集合模拟得到的数据图像对，分别划分为多个训练图像对、多个验证图像对和多个测试图像对；
将多个训练图像对带入Pix2pix模型中进行训练，得到训练后的初始预测模型；
将多个验证图像对带入所述初始预测模型进行验证，基于输出的预测结果进行可行性计算；
当所述初始预测模型的可行性大于第一设定阈值时，将多个测试图像对中的第一图像带入所述初始预测模型进行测试，得到输出的多个预测图像；
将所述预测图像与对应的所述测试图像对中的第二图像进行相似度评价指标的计算，得到目标指标；
当所述目标指标小于第二设定阈值时，所述初始预测模型为所述水位变化预测模型；
将所述水流静压力云图输入所述水位变化预测模型中，得到目标时刻的水流静压力矩阵；
其中，基于所述目标位置和各位置上的水深高度，确定出每个目标人员的移动速度，包括：计算所述目标位置对应的水深高度的二次方，得到第一结果；
计算所述第一结果与第三设定阈值的比值，得到第二结果；
获取预设的临界比洪水力；
比较所述临界比洪水力与所述第二结果的大。彼龅诙结果小于所述临界比洪水力时，所述目标人员的移动速度为第四设定阈值；
当所述第二结果大于所述临界比洪水力时，计算所述第二结果的第五设定阈值次方，得到第三结果；
计算所述第三结果与第六设定阈值的乘积得到所述目标人员的移动速度；
其中，人员移动速度的计算公式为：
*
其中，V为目标人员移动速度；M为单位宽度的比洪水力；M为临界比洪水力；
单位宽度的比洪水力计算公式为：
其中，M为单位宽度的比洪水力；h为水位深度。
2.根据权利要求1所述的基于洪水漫延的人员疏散方法，其特征在于,所述Pix2pix模型包括生成器和判别器，所述生成器包括编码器和解码器；将多个训练图像对带入Pix2pix模型中进行训练，得到训练后的初始预测模型，包括：将所述训练图像对中的第一图像输入所述编码器中进行逐层提取特征操作，生成多个特征图像，所述特征图像基于生成顺序逐渐减少宽度和高度，逐渐增加通道数；
将最后生成的特征图像输入所述解码器中进行扩大尺寸操作，得到尺寸图像；
拼接操作：基于跳跃连接将所述尺寸图像与相同宽度、高度和通道数的特征图像进行拼接，得到拼接图像；
扩大操作：将所述拼接图像输入所述解码器中进行扩大尺寸操作，得到更新后的尺寸图像；
重复所述拼接操作和所述扩大操作，直到更新后的尺寸图像与所述第一图像拥有相同的宽度、高度和通道数，将更新后的尺寸图像作为生成图像；
将所有生成图像、所有训练图像对中的第一图像、所有训练图像对中的第二图像分别组成第一集合、第二集合和第三集合；
从所述第一集合和所述第二集合中分别抽取一张图像，作为第一样本对；
从所述第二集合和所述第三集合中分别抽取一张图像，作为第二样本对；
将多个第一样本对和多个第二样本对输入所述判别器中，得到目标矩阵；
基于所述目标矩阵调整Pix2pix模型中各参数，得到所述初始预测模型。
3.一种基于洪水漫延的人员疏散装置，其特征在于，包括：第一获取单元，用于获取初始时刻目标建筑的水流静压力云图，所述水流静压力云图用于表征所述目标建筑内部各位置上的水流压力；
第一输入单元，用于将所述水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵；
第一计算单元，用于基于所述水流静压力矩阵计算得到所述目标建筑内各位置上的水深高度；
第二获取单元，用于获取所述目标建筑内所有目标人员所处目标位置；
第一确定单元，用于基于所述目标位置和各位置上的水深高度，确定出每个目标人员的移动速度；
第二确定单元，用于基于所述移动速度、所述目标位置和寻路算法，确定出每个目标人员的目标疏散出口；
疏散单元，用于基于所述目标疏散出口引导所述目标人员进行对应疏散操作；
其中，所述第一输入单元包括：
第三获取单元，用于获取多个预设水流高度、多个预设流速和多个预设出入水口；
选取单元，用于随机选取任一预设水流高度、任一预设流速和任一预设出入水口进行组合，得到多个目标集合；
模拟单元，用于基于有限元仿真对所述目标集合进行模拟，得到对应的水流静压力数据图像；
对应单元，用于基于预设的时间间隔将所述水流静压力数据图像进行一一对应，得到多个数据图像对；
划分单元，用于将所有目标集合模拟得到的数据图像对，分别划分为多个训练图像对、多个验证图像对和多个测试图像对；
带入单元，用于将多个训练图像对带入Pix2pix模型中进行训练，得到训练后的初始预测模型；
验证单元，用于将多个验证图像对带入所述初始预测模型进行验证，基于输出的预测结果进行可行性计算；
测试单元，用于当所述初始预测模型的可行性大于第一设定阈值时，将多个测试图像对中的第一图像带入所述初始预测模型进行测试，得到输出的多个预测图像；
第二计算单元，用于将所述预测图像与对应的所述测试图像对中的第二图像进行相似度评价指标的计算，得到目标指标；
处理单元，用于当所述目标指标小于第二设定阈值时，所述初始预测模型为所述水位变化预测模型；
第二输入单元，用于将所述水流静压力云图输入所述水位变化预测模型中，得到目标时刻的水流静压力矩阵；
其中，所述第一确定单元包括：
第三计算单元，用于计算所述目标位置对应的水深高度的二次方，得到第一结果；
第四计算单元，用于计算所述第一结果与第三设定阈值的比值，得到第二结果；
第四获取单元，用于获取预设的临界比洪水力；
比较单元，用于比较所述临界比洪水力与所述第二结果的大。彼龅诙结果小于所述临界比洪水力时，所述目标人员的移动速度为第四设定阈值；
第五计算单元，用于当所述第二结果大于所述临界比洪水力时，计算所述第二结果的第五设定阈值次方，得到第三结果；
第六计算单元，用于计算所述第三结果与第六设定阈值的乘积得到所述目标人员的移动速度；
其中，人员移动速度的计算公式为：
*
其中，V为目标人员移动速度；M为单位宽度的比洪水力；M为临界比洪水力；
单位宽度的比洪水力计算公式为：
其中，M为单位宽度的比洪水力；h为水位深度。
4.根据权利要求3所述的基于洪水漫延的人员疏散装置，其特征在于，所述Pix2pix模型包括生成器和判别器，所述生成器包括编码器和解码器，所述带入单元包括：第三输入单元，用于将所述训练图像对中的第一图像输入所述编码器中进行逐层提取特征操作，生成多个特征图像，所述特征图像基于生成顺序逐渐减少宽度和高度，逐渐增加通道数；
第一扩大单元，用于将最后生成的特征图像输入所述解码器中进行扩大尺寸操作，得到尺寸图像；
拼接单元，用于拼接操作：基于跳跃连接将所述尺寸图像与相同宽度、高度和通道数的特征图像进行拼接，得到拼接图像；
第二扩大单元，用于扩大操作：将所述拼接图像输入所述解码器中进行扩大尺寸操作，得到更新后的尺寸图像；
第一重复单元，用于重复所述拼接操作和所述扩大操作，直到更新后的尺寸图像与所述第一图像拥有相同的宽度、高度和通道数，将更新后的尺寸图像作为生成图像；
组成单元，用于将所有生成图像、所有训练图像对中的第一图像、所有训练图像对中的第二图像分别组成第一集合、第二集合和第三集合；
第一抽取单元，用于从所述第一集合和所述第二集合中分别抽取一张图像，作为第一样本对；
第二抽取单元，用于从所述第二集合和所述第三集合中分别抽取一张图像，作为第二样本对；
第四输入单元，用于将多个第一样本对和多个第二样本对输入所述判别器中，得到目标矩阵；
调整单元，用于基于所述目标矩阵调整Pix2pix模型中各参数，得到所述初始预测模型。
5.一种基于洪水漫延的人员疏散设备，其特征在于，包括：存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至2任一项所述基于洪水漫延的人员疏散方法的步骤。
6.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述基于洪水漫延的人员疏散方法的步骤。 说明书 : 一种基于洪水漫延的人员疏散方法、装置、设备及介质技术领域[0001] 本发明涉及安全疏散技术领域，具体而言，涉及基于洪水漫延的人员疏散方法、装置、设备及介质。背景技术[0002] 提前对地下空间积聚的洪水态势做出预测，并根据预测结果提前制定人员疏散策略，指导行人疏散，对挽救行人的生命财产安全具有重要意义。发明内容[0003] 本发明的目的在于提供一种基于洪水漫延的人员疏散方法、装置、设备及介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：[0004] 第一方面，本申请提供了一种基于洪水漫延的人员疏散方法，包括：[0005] 获取初始时刻目标建筑的水流静压力云图，所述水流静压力云图用于表征所述目标建筑内部各位置上的水流压力；[0006] 将所述水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵；[0007] 基于所述水流静压力矩阵计算得到所述目标建筑内各位置上的水深高度；[0008] 获取所述目标建筑内所有目标人员所处目标位置；[0009] 基于所述目标位置和各位置上的水深高度，确定出每个目标人员的移动速度；[0010] 基于所述移动速度、所述目标位置和寻路算法，确定出每个目标人员的目标疏散出口；[0011] 基于所述目标疏散出口引导所述目标人员进行对应疏散操作。[0012] 第二方面，本申请还提供了一种基于洪水漫延的人员疏散装置，包括：[0013] 第一获取单元，用于获取初始时刻目标建筑的水流静压力云图，所述水流静压力云图用于表征所述目标建筑内部各位置上的水流压力；[0014] 第一输入单元，用于将所述水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵；[0015] 第一计算单元，用于基于所述水流静压力矩阵计算得到所述目标建筑内各位置上的水深高度；[0016] 第二获取单元，用于获取所述目标建筑内所有目标人员所处目标位置；[0017] 第一确定单元，用于基于所述目标位置和各位置上的水深高度，确定出每个目标人员的移动速度；[0018] 第二确定单元，用于基于所述移动速度、所述目标位置和寻路算法，确定出每个目标人员的目标疏散出口；[0019] 疏散单元，用于基于所述目标疏散出口引导所述目标人员进行对应疏散操作。[0020] 第三方面，本申请还提供了一种基于洪水漫延的人员疏散设备，包括：[0021] 存储器，用于存储计算机程序；[0022] 处理器，用于执行所述计算机程序时实现所述基于洪水漫延的人员疏散方法的步骤。[0023] 第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于洪水漫延的人员疏散方法的步骤。[0024] 本发明的有益效果为：[0025] 本发明通过有限元仿真软件，模拟出各类工况下地下空间的水流静压力云图，并构建一一对应的数据集，基于所构建的数据集对改进后的pix2pix模型进行训练标定，训练后的pix2pix模型能够对于水侵后地下空间流场分布进行准确预测，并依据预测结果建立行人疏散场景，最终实现水侵状态下提前对行人疏散出口的快速分配及指导目标。[0026] 本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明[0027] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。[0028] 图1为本发明实施例中所述的基于洪水漫延的人员疏散方法流程示意图；[0029] 图2为本发明实施例中所述的某一地下空间的地面静压力分布云图；[0030] 图3为本发明实施例中所述的某一地下空间的地面静压力分布灰度云图；[0031] 图4为本发明实施例中所述的生成器整体的网络架构示意图；[0032] 图5为本发明实施例中所述的判别器的模型架构示意图；[0033] 图6为本发明实施例中所述的基于A*寻路算法的疏散距离生成示意图；[0034] 图7为本发明实施例中所述的基于洪水漫延的人员疏散装置结构示意图；[0035] 图8为本发明实施例中所述的基于洪水漫延的人员疏散设备结构示意图。[0036] 图中标记：[0037] 10、第一获取单元；20、第一输入单元；30、第一计算单元；40、第二获取单元；50、第一确定单元；60、第二确定单元；70、疏散单元；201、第三获取单元；202、选取单元；203、模拟单元；204、对应单元；205、划分单元；206、带入单元；207、验证单元；208、测试单元；209、第二计算单元；210、处理单元；211、第二输入单元；2061、第三输入单元；2062、第一扩大单元；2063、拼接单元；2064、第二扩大单元；2065、第一重复单元；2066、组成单元；2067、第一抽取单元；2068、第二抽取单元；2069、第四输入单元；20610、调整单元；2091、第一反处理单元；2092、第二反处理单元；2093、第十一计算单元；2094、第十二计算单元；2095、第十三计算单元；2096、第五获取单元；2097、第十四计算单元；2098、第十五计算单元；501、第三计算单元；502、第四计算单元；503、第四获取单元；504、比较单元；505、第五计算单元；506、第六计算单元；601、第三确定单元；602、第四确定单元；603、第五确定单元；604、第六确定单元；605、第七确定单元；606、第八确定单元；607、第七计算单元；608、第八计算单元；609、第九计算单元；610、第十计算单元；611、第二重复单元；[0038] 800、基于洪水漫延的人员疏散设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。具体实施方式[0039] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0040] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。[0041] 实施例1：[0042] 本实施例提供了一种基于洪水漫延的人员疏散方法。[0043] 参见图1，图中示出了本方法包括步骤S10、步骤S20、步骤S30、步骤S40、步骤S50、步骤S60和步骤S70。[0044] 步骤S10.获取初始时刻目标建筑的水流静压力云图，水流静压力云图用于表征目标建筑内部各位置上的水流压力；[0045] 具体的，当某目标建筑内开始遭受洪水漫延时，由于目标建筑内部的多元化结构导致建筑内部地面各位置上的水深高度并不相同，从而导致各位置上遭受的水流静压力并不相同，为了较为准确的知晓目标建筑内部地面当前各位置上的水流静压力，可以通过在建筑内部地面安装多个压力传感器来测量得到，如图2所示，为某一地下空间地面静压力分布云图，在静压力分布云图中，不同的颜色深度代表不同的压力值，据此可以准确反映出地下空间水位高度的变化情况，从而指导行人进行疏散路径的选择。[0046] 考虑到灰度云图相较于RGB三通道彩色云图可大幅度减少模型识别运算时间，因此，为了减少计算时间，将获取的静压力数据经过归一化后绘制成256*256的灰度图，如图3所示。[0047] 步骤S20.将水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵；[0048] 具体的，所获取到的水流静压力云图所反映的是当前时刻的洪水漫延情况，以此作为参考制定出的疏散方案并未能考虑到后续洪水漫延的情况，导致所制订的疏散方案不完善，故可以根据当前时刻的洪水漫延情况合理推测在一定时间后的洪水漫延情况，并以此作为参考，能够优先考虑到危险系数较高的人群，保证人员的安全。[0049] 具体的，步骤S20具体包括步骤S201、步骤S202、步骤S203、步骤S204、步骤S205、步骤S206、步骤S207、步骤S208、步骤S209、步骤S2010和步骤S2011：[0050] 步骤S201.获取多个预设水流高度、多个预设流速和多个预设出入水口；[0051] 步骤S202.随机选取任一预设水流高度、任一预设流速和任一预设出入水口进行组合，得到多个目标集合；[0052] 步骤S203.基于有限元仿真对目标集合进行模拟，得到对应的水流静压力数据图像；[0053] 步骤S204.基于预设的时间间隔将水流静压力数据图像进行一一对应，得到多个数据图像对；[0054] 具体的，本申请中采用仿真模型来进行各种工况模拟，其中工况参数包括初始水流高度、初始流速和出入水口，本申请中采用初始水流高度分别为10cm、12cm、15cm、18cm、20cm共5种工况，初始流速分别为1m/s、1.2m/s、1.5m/s、1.8m/s、2m/s共5个工况，再对A、B、C三个地下空间进出口进行排列组合，得到7种出入水口配置，每个工况共计算600秒，每一秒对应一张静压力云图，并基于时间间隔300秒折合成一一对应的数据集，即每个工况共得300对数据图，总共有5*5*7*300张图片，例如初始水流高度10cm，初始流速1m/s，入口A、B处发生水侵，C处作为出口为一组数据，且每组数据中包含目标建筑内部地面在0秒到600秒内的静压力流场分布云图，如第125s时地下空间对应的静压力流场分布云图，流场分布云图中包含了该工况下在第125秒时地下空间在不同位置的静压力值分布，具体所模拟的工况数量以及工况内各参数的具体数值可以根据实际情况进行选。舜鲎魇疽，不做特别限制，仿真模型包括但不限于Fluent，CFX和COMSOL。[0055] 步骤S205.将所有目标集合模拟得到的数据图像对，分别划分为多个训练图像对、多个验证图像对和多个测试图像对；[0056] 步骤S206.将多个训练图像对带入Pix2pix模型中进行训练，得到训练后的初始预测模型；[0057] 具体的，在本申请中预测间隔设置为300秒，即1秒到300秒之间的图像作为条件图像，301秒到600秒的图像作为目标图像，条件图像与目标图像根据预测间隔一一对应，组成图像对，即1秒的图像与301秒的图像相对应，100秒的图像与400秒的图像相对应，将所有图像对按比例随机分为训练集，验证集以及测试集，将训练集中的图像对输入Pix2pix模型中进行训练，从而得到训练好的预测模型。[0058] 具体的，步骤S206具体包括步骤S2061、步骤S2062、步骤S2063、步骤S2064、步骤S2065、步骤S2066、步骤S2067、步骤S2068、步骤S2069和步骤S20610：[0059] 步骤S2061.将训练图像对中的第一图像输入编码器中进行逐层提取特征操作，生成多个特征图像，特征图像基于生成顺序逐渐减少宽度和高度，逐渐增加通道数；[0060] 步骤S2062.将最后生成的特征图像输入解码器中进行扩大尺寸操作，得到尺寸图像；[0061] 步骤S2063.拼接操作：基于跳跃连接将尺寸图像与相同宽度、高度和通道数的特征图像进行拼接，得到拼接图像；[0062] 步骤S2064.扩大操作：将拼接图像输入解码器中进行扩大尺寸操作，得到更新后的尺寸图像；[0063] 步骤S2065.重复拼接操作和扩大操作，直到更新后的尺寸图像与第一图像拥有相同的宽度、高度和通道数，将更新后的尺寸图像作为生成图像；[0064] 具体的，Pix2pix网络的生成器采用的是U?net网络框架，U?Net应用了图像增强的方法，在图像对数量有限的情况下依旧能够获得相对较好的精度，U?Net结构主要包括编码器、解码器与跳跃连接，生成器整体的网络架构如图4所示，左边为下采样操作，即编码器部分，经过卷积层、批量归一化层(BatchNormalization，BN)与激活函数的共同作用，逐层提取特征，特征图尺寸缩减，深度增加，最终将输入图片尺寸的宽度*高度*通道数由256*256*1变为1*1*512，右边为上采样操作，即解码器部分，每一次上采样会将图像的高和宽扩大两倍，上采样经由转置卷积操作，将特征图尺寸放大，深度减。玖硬慵次屑浼返牟糠，表示将左边上采样对应部分的特征图进行中心裁剪，得到一块与右边大小相同的特征图，再与右边进行拼接，得到2*2*1024的特征图(上采样第一层)，最终这一层的上采样得到大小为4*4*512的特征图，不断的进行上采样操作，最终得到的输出图的尺寸大小为256*256*1，与输入图的尺寸保存一致，这样会减少图像在压缩过程中的信息损失，保证更好的生成效果。[0065] 步骤S2066.将所有生成图像、所有训练图像对中的第一图像、所有训练图像对中的第二图像分别组成第一集合、第二集合和第三集合；[0066] 步骤S2067.从第一集合和第二集合中分别抽取一张图像，作为第一样本对；[0067] 步骤S2068.从第二集合和第三集合中分别抽取一张图像，作为第二样本对；[0068] 步骤S2069.将多个第一样本对和多个第二样本对输入判别器中，得到目标矩阵；[0069] 具体的，本申请中判别器采用的是PatchGAN网络框架，不同于传统GAN的判别模型仅判断输出图片为真的单一概率值，PatchGAN的输出为尺寸N*N的矩阵，输出矩阵中的每个元素实质是对图片不同位置的特征判别为真的概率，从图片不同位置的特征判别真伪而非对整张图片做出整体评价,判别模型更“苛责”的要求可以使得生成模型生成的图像在局部纹理细节上得到一定程度的增强，判别器的模型架构如图5所示。[0070] 步骤S20610.基于目标矩阵调整Pix2pix模型中各参数，得到初始预测模型；[0071] 具体的，生成器的输入为测试图像对中的条件图像，输出为生成图像，而判别器的输入为训练图像对或是条件图像与生成图像组成的图像对，输出一个NXN大小的矩阵，从而使得生成器与判别器进行对抗训练，共同优化，最终达到纳什均衡状态，即当判别器无法判断图片真假时，则完成了Pix2pix模型的训练标定。[0072] 步骤S207.将多个验证图像对带入初始预测模型进行验证，基于输出的预测结果进行可行性计算；[0073] 步骤S208.当初始预测模型的可行性大于第一设定阈值时，将多个测试图像对中的第一图像带入初始预测模型进行测试，得到输出的多个预测图像；[0074] 步骤S209.将预测图像与对应的测试图像对中的第二图像进行相似度评价指标的计算，得到目标指标；[0075] 具体的，基于划分的验证图像对进行模型预测功能的可行性验证，并使用测试图像对通过可行性验证的模型进行测试，并将生成的预测图片与测试数据对中的目标图片进行对比，基于比对结果来判定模型的预测准确度。[0076] 具体的，步骤S209具体包括步骤S2091、步骤S2092、步骤S2093、步骤S2094、步骤S2095、步骤S2096、步骤S2097和步骤S2098：[0077] 步骤S2091.将测试图像对中的第二图像进行数据反处理，得到第一静压力数值；[0078] 步骤S2092.将预测图像进行数据反处理，得到第二静压力数值；[0079] 步骤S2093.计算第二静压力数值与第一静压力数值的差值，得到目标差值；[0080] 步骤S2094.计算目标差值与第一静压力数值的比值的绝对值，得到目标比值；[0081] 步骤S2095.将所有测试图像对中的第二图像和对应的预测图像间的目标比值进行求和计算，得到求和结果；[0082] 步骤S2096.获取测试样本对数量，作为测试数量；[0083] 步骤S2097.计算测试数量的倒数，得到目标结果；[0084] 步骤S2098.计算求和结果与目标结果的乘积，得到目标指标；[0085] 具体的，为了方便进行图像的比对，可将生成图片经由数据反处理得到静压力值的数据形式，然后采用平均绝对百分比MAPE作为生成图像与目标图像之间的数据评价指标，平均绝对百分比MAPE计算公式为：[0086][0087] 其中，yi为目标图像的实际值， 为生成图像的预测值，n为测试图像对数量；MAPE为平均绝对百分比。[0088] 步骤S2010.当目标指标小于第二设定阈值时，初始预测模型为水位变化预测模型；[0089] 具体的，该目标指标为一个百分比数，当其数值小于10时表明该模型能够很好的预测地下空间水位变化趋势。[0090] 步骤S2011.将水流静压力云图输入水位变化预测模型中，得到目标时刻的水流静压力矩阵；[0091] 具体的，水位变化预测模型会基于当前时刻的水流静压力云图预测输出目标时刻的水流静压力云图，同时对预测的水流静压力云图进行数据反处理，得到与该预测云图对应的水流静压力矩阵。[0092] 步骤S30.基于水流静压力矩阵计算得到目标建筑内各位置上的水深高度；[0093] 具体的，根据压力与水位之间的关系，可以将该静压力矩阵转换为水位高度矩阵,从而知晓地下空间具体位置的水位高度情况，水位计算公式为：[0094][0095] 其中，P为水流静压力；h为水位深度；g为重力加速度；ρ为水的密度；[0096] 同时，参考仿真模型的几何结构尺寸，使用元胞自动机模型构建水侵状态下二维地下空间疏散场景，该场景的网格划分参考仿真模型网格划分结果，与其保持一致，此时可以得到与水位高度矩阵的网格数量和网格尺寸均匹配的地面疏散场景，将水位高度矩阵中的数据，与疏散场景中的网格一一配对，得到具有水位高度场属性的行人疏散场景。[0097] 步骤S40.获取目标建筑内所有目标人员所处目标位置；[0098] 步骤S50.基于目标位置和各位置上的水深高度，确定出每个目标人员的移动速度；[0099] 具体的，通过场所内无线局域网络与已接入的移动设备获得人员的数量与人员的位置信息，将该分布信息与具有水位高度场属性的疏散场景结合，从而知晓人员所在位置上的水深高度，人员的移动速度会受到水深高度的影响。[0100] 具体的，步骤S50具体包括步骤S501、步骤S502、步骤S503、步骤S504、步骤S505和步骤S506：[0101] 步骤S501.计算目标位置对应的水深高度的二次方，得到第一结果；[0102] 步骤S502.计算第一结果与第三设定阈值的比值，得到第二结果；[0103] 步骤S503.获取预设的临界比洪水力；[0104] 步骤S504.比较临界比洪水力与第二结果的大。钡诙结果小于临界比洪水力时，目标人员的移动速度为第四设定阈值；[0105] 步骤S505.当第二结果大于临界比洪水力时，计算第二结果的第五设定阈值次方，得到第三结果；[0106] 步骤S506.计算第三结果与第六设定阈值的乘积得到目标人员的移动速度；[0107] 具体的，人员移动速度的计算公式为：[0108][0109] 其中，V为目标人员移动速度；M为单位宽度的比洪水力；M*为临界比洪水力；[0110] 单位宽度的比洪水力计算公式为：[0111][0112] 其中，M为单位宽度的比洪水力；h为水位深度。[0113] 步骤S60.基于移动速度、目标位置和寻路算法，确定出每个目标人员的目标疏散出口；[0114] 具体的，计算每个人到每个安全出口的最短路径，考虑到由于最短路分配方法在计算最短路径时，通常计算的是行人所在位置到安全出口的直线距离，但在现实情况中，疏散路径上会存在障碍物阻碍行人运动的现象，因此该方法不符合客观实际，因此本申请中采用A*寻路算法确定行人到安全出口的最短疏散距离，其原理如图6所示，在寻找最短疏散路径时，会自动绕过障碍物。[0115] 考虑到，当疏散人员均选择最近出口进行疏散时，易造成出口利用不均，使得整体的疏散时间增加，为了保证疏散人员自当前位置行进至安全出口的过程中力求疏散时间最短，在利用A*寻路算法找到了行人到每个出口的最短疏散路径后，需要再根据改进的Togawa疏散时间经验公式来计算该行人到每个安全出口的时间。[0116] 具体的，步骤S60具体包括步骤S601、步骤S602、步骤S603、步骤S604、步骤S605、步骤S606、步骤S607、步骤S608、步骤S609和步骤S6010：[0117] 步骤S601.从所有目标人员中确定出任一目标人员作为待疏散人员；[0118] 步骤S602.第一确定操作：从所有出口中确定出任一出口作为目标出口，并获取目标出口的宽度，作为目标宽度；[0119] 步骤S603.第二确定操作：基于寻路算法确定出待疏散人员距离目标出口的最短疏散距离，作为目标距离；[0120] 步骤S604.第三确定操作：基于寻路算法确定其余目标人员距离目标出口的最短疏散距离，得到多个比较距离；[0121] 步骤S605.第四确定操作：从多个比较距离中确定出小于目标距离的距离数量，得到目标数量；[0122] 步骤S606.第五确定操作：基于待疏散人员的移动速度确定出目标出口的流量；[0123] 步骤S607.第一计算操作：计算目标距离与移动速度的比值，得到第四结果；[0124] 步骤S60.第二计算操作：计算出口流量与目标宽度的乘积，得到第五结果；[0125] 步骤S608.第三计算操作：计算目标数量与第五结果的比值，得到第六结果；[0126] 步骤S609.第四计算操作：计算第四结果与第六结果之和，得到待疏散人员到目标出口所需的疏散时间；[0127] 步骤S6010.重复第一确定操作、第二确定操作、第三确定操作、第四确定操作、第五确定操作、第一计算操作、第二计算操作、第三计算操作、第四计算操作，直到待疏散人员最短的疏散时间不再变化，最短的疏散时间所对应的目标出口为目标对象的目标疏散出口；[0128] 具体的，本申请中对于Togawa疏散时间经验公式的改进主要在于考虑了不同水位高度对行人疏散时间的影响，改进后Togawa疏散时间计算公式为：[0129][0130] 其中，Tn为目标人员到出口n所需的疏散时间；V为目标人员的移动速度；Dn为基于A*寻路算法计算得到的目标人员距离出口n的最短疏散距离；Nn为比目标人员距离第n出口更近的其余人员数量；C为出口流率；Wn为出口n的宽度；[0131] 出口流率的计算公式为：[0132][0133] 其中，V为目标人员的移动速度；[0134] 通过对每个行人到不同安全出口所需要的疏散时间进行比较，时间最短的出口视为该行人所选择的安全出口，且不断重复上述步骤，直到每个行人都不再更改出口选择结果，即所对应的安全出口为目标疏散出口。[0135] 步骤S70.基于目标疏散出口引导目标人员进行对应疏散操作；[0136] 具体的，场所内不同的出口需提前标定不同的编号，通过无线局域网与移动设备的信息传递，将每个行人被分配的对应出口编号发送至个人移动设备上，供行人参考并进行自主的疏散，以此达到提高疏散学效率，提前规避风险的目的，最大限度的降低人员财产损失。[0137] 实施例2：[0138] 如图7所示，本实施例提供了一种基于洪水漫延的人员疏散装置，装置包括：[0139] 第一获取单元10，用于获取初始时刻目标建筑的水流静压力云图，水流静压力云图用于表征目标建筑内部各位置上的水流压力；[0140] 第一输入单元20，用于将水流静压力云图输入预设的水位变化预测模型中，得到目标时刻的水流静压力矩阵；[0141] 第一计算单元30，用于基于水流静压力矩阵计算得到目标建筑内各位置上的水深高度；[0142] 第二获取单元40，用于获取目标建筑内所有目标人员所处目标位置；[0143] 第一确定单元50，用于基于目标位置和各位置上的水深高度，确定出每个目标人员的移动速度；[0144] 第二确定单元60，用于基于移动速度、目标位置和寻路算法，确定出每个目标人员的目标疏散出口；[0145] 疏散单元70，用于基于目标疏散出口引导目标人员进行对应疏散操作。[0146] 在本申请公开的一种具体实施方式中，第一输入单元20包括：[0147] 第三获取单元201，用于获取多个预设水流高度、多个预设流速和多个预设出入水口；[0148] 选取单元202，用于随机选取任一预设水流高度、任一预设流速和任一预设出入水口进行组合，得到多个目标集合；[0149] 模拟单元203，用于基于有限元仿真对目标集合进行模拟，得到对应的水流静压力数据图像；[0150] 对应单元204，用于基于预设的时间间隔将水流静压力数据图像进行一一对应，得到多个数据图像对；[0151] 划分单元205，用于将所有目标集合模拟得到的数据图像对，分别划分为多个训练图像对、多个验证图像对和多个测试图像对；[0152] 带入单元206，用于将多个训练图像对带入Pix2pix模型中进行训练，得到训练后的初始预测模型；[0153] 验证单元207，用于将多个验证图像对带入初始预测模型进行验证，基于输出的预测结果进行可行性计算；[0154] 测试单元208，用于当初始预测模型的可行性大于第一设定阈值时，将多个测试图像对中的第一图像带入初始预测模型进行测试，得到输出的多个预测图像；[0155] 第二计算单元209，用于将预测图像与对应的测试图像对中的第二图像进行相似度评价指标的计算，得到目标指标；[0156] 处理单元210，用于当目标指标小于第二设定阈值时，初始预测模型为水位变化预测模型；[0157] 第二输入单元211，用于将水流静压力云图输入水位变化预测模型中，得到目标时刻的水流静压力矩阵。[0158] 在本申请公开的一种具体实施方式中，带入单元206包括：[0159] 第三输入单元2061，用于将训练图像对中的第一图像输入编码器中进行逐层提取特征操作，生成多个特征图像，特征图像基于生成顺序逐渐减少宽度和高度，逐渐增加通道数；[0160] 第一扩大单元2062，用于将最后生成的特征图像输入解码器中进行扩大尺寸操作，得到尺寸图像；[0161] 拼接单元2063，用于拼接操作：基于跳跃连接将尺寸图像与相同宽度、高度和通道数的特征图像进行拼接，得到拼接图像；[0162] 第二扩大单元2064，用于扩大操作：将拼接图像输入解码器中进行扩大尺寸操作，得到更新后的尺寸图像；[0163] 第一重复单元2065，用于重复拼接操作和扩大操作，直到更新后的尺寸图像与第一图像拥有相同的宽度、高度和通道数，将更新后的尺寸图像作为生成图像；[0164] 组成单元2066，用于将所有生成图像、所有训练图像对中的第一图像、所有训练图像对中的第二图像分别组成第一集合、第二集合和第三集合；[0165] 第一抽取单元2067，用于从第一集合和第二集合中分别抽取一张图像，作为第一样本对；[0166] 第二抽取单元2068，用于从第二集合和第三集合中分别抽取一张图像，作为第二样本对；[0167] 第四输入单元2069，用于将多个第一样本对和多个第二样本对输入判别器中，得到目标矩阵；[0168] 调整单元20610，用于基于目标矩阵调整Pix2pix模型中各参数，得到初始预测模型。[0169] 在本申请公开的一种具体实施方式中，第一确定单元50包括：[0170] 第三计算单元501，用于计算目标位置对应的水深高度的二次方，得到第一结果；[0171] 第四计算单元502，用于计算第一结果与第三设定阈值的比值，得到第二结果；[0172] 第四获取单元503，用于获取预设的临界比洪水力；[0173] 比较单元504，用于比较临界比洪水力与第二结果的大。钡诙结果小于临界比洪水力时，目标人员的移动速度为第四设定阈值；[0174] 第五计算单元505，用于当第二结果大于临界比洪水力时，计算第二结果的第五设定阈值次方，得到第三结果；[0175] 第六计算单元506，用于计算第三结果与第六设定阈值的乘积得到目标人员的移动速度。[0176] 在本申请公开的一种具体实施方式中，第二确定单元60包括：[0177] 第三确定单元601，用于从所有目标人员中确定出任一目标人员作为待疏散人员；[0178] 第四确定单元602，用于第一确定操作：从所有出口中确定出任一出口作为目标出口，并获取目标出口的宽度，作为目标宽度；[0179] 第五确定单元603，用于第二确定操作：基于寻路算法确定出待疏散人员距离目标出口的最短疏散距离，作为目标距离；[0180] 第六确定单元604，用于第三确定操作：基于寻路算法确定其余目标人员距离目标出口的最短疏散距离，得到多个比较距离；[0181] 第七确定单元605，用于第四确定操作：从多个比较距离中确定出小于目标距离的距离数量，得到目标数量；[0182] 第八确定单元606，用于第五确定操作：基于待疏散人员的移动速度确定出目标出口的流量；[0183] 第七计算单元607，用于第一计算操作：计算目标距离与移动速度的比值，得到第四结果；[0184] 第八计算单元608，用于第二计算操作：计算出口流量与目标宽度的乘积，得到第五结果；[0185] 第九计算单元609，用于第三计算操作：计算目标数量与第五结果的比值，得到第六结果；[0186] 第十计算单元610，用于第四计算操作：计算第四结果与第六结果之和，得到待疏散人员到目标出口所需的疏散时间；[0187] 第二重复单元611，用于重复第一确定操作、第二确定操作、第三确定操作、第四确定操作、第五确定操作、第一计算操作、第二计算操作、第三计算操作、第四计算操作，直到待疏散人员最短的疏散时间不再变化，最短的疏散时间所对应的目标出口为目标对象的目标疏散出口。[0188] 在本申请公开的一种具体实施方式中，第二计算单元209包括：[0189] 第一反处理单元2091，用于将测试图像对中的第二图像进行数据反处理，得到第一静压力数值；[0190] 第二反处理单元2092，用于将预测图像进行数据反处理，得到第二静压力数值；[0191] 第十一计算单元2093，用于计算第二静压力数值与第一静压力数值的差值，得到目标差值；[0192] 第十二计算单元2094，用于计算目标差值与第一静压力数值的比值的绝对值，得到目标比值；[0193] 第十三计算单元2095，用于将所有测试图像对中的第二图像和对应的预测图像间的目标比值进行求和计算，得到求和结果；[0194] 第五获取单元2096，用于获取测试样本对数量，作为测试数量；[0195] 第十四计算单元2097，用于计算测试数量的倒数，得到目标结果；[0196] 第十五计算单元2098，用于计算求和结果与目标结果的乘积，得到目标指标。[0197] 需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。[0198] 实施例3：[0199] 相应于上面的方法实施例，本实施例中还提供了一种基于洪水漫延的人员疏散设备，下文描述的一种基于洪水漫延的人员疏散设备与上文描述的一种基于洪水漫延的人员疏散方法可相互对应参照。[0200] 图8是根据示例性实施例示出的一种基于洪水漫延的人员疏散设备800的框图。如图8所示，该基于洪水漫延的人员疏散设备800可以包括：处理器801，存储器802。该基于洪水漫延的人员疏散设备800还可以包括多媒体组件803，I/O接口804，以及通信组件805中的一者或多者。[0201] 其中，处理器801用于控制该基于洪水漫延的人员疏散设备800的整体操作，以完成上述的基于洪水漫延的人员疏散方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该基于洪水漫延的人员疏散设备800的操作，这些数据例如可以包括用于在该基于洪水漫延的人员疏散设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(StaticRandomAccessMemory，简称SRAM)，电可擦除可编程只读存储器(ElectricallyErasableProgrammableRead?OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(ErasableProgrammableRead?OnlyMemory，简称EPROM)，可编程只读存储器(ProgrammableRead?OnlyMemory，简称PROM)，只读存储器(Read?OnlyMemory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该基于洪水漫延的人员疏散设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi?Fi，蓝牙，近场通信(NearFieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi?Fi模块，蓝牙模块，NFC模块。[0202] 在一示例性实施例中，基于洪水漫延的人员疏散设备800可以被一个或多个应用专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、数字信号处理器(DigitalSignalProcessor，简称DSP)、数字信号处理设备(DigitalSignalProcessingDevice，简称DSPD)、可编程逻辑器件(ProgrammableLogicDevice，简称PLD)、现场可编程门阵列(FieldProgrammableGateArray，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于洪水漫延的人员疏散方法。[0203] 在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的基于洪水漫延的人员疏散方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由基于洪水漫延的人员疏散设备800的处理器801执行以完成上述的基于洪水漫延的人员疏散方法。[0204] 实施例4：[0205] 相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种基于洪水漫延的人员疏散方法可相互对应参照。[0206] 一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的基于洪水漫延的人员疏散方法的步骤。[0207] 该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read?OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。[0208] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。[0209] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

专利地区：四川

专利申请日期：2024-03-05

专利公开日期：2024-11-29

专利公告号：CN118278588B