[发明专利]基于算法和手机的商场智能疏散系统

权利要求书

1.一种基于算法和手机的商场智能疏散系统，其特征在于，包括控制端、用户端APP；所述控制端包括主控制模块、数据库存储模块、算法处理模块；所述用户端APP运行于用户手机上，所述用户端APP包括：用户登陆部分和主程序部分；所述用户登陆部分需要用户通过手机号进行注册与登陆，方便在紧急情况下通过手机与用户联系；所述主程序部分包括APP可视化地图界面和软件功能设置按钮；所述APP可视化地图界面用于显示包括室内地图、撤离路线、紧急事件地点；所述功能设置按钮具有让用户选择地图显示的模式，以及让用户选择开启自动获取疏散路线的功能或选择手动获取疏散路线的功能；当需要疏散撤离时，用户端APP会以弹窗、短信的形式告知用户，同时会进行包括震动和铃声的报警提示；

所述算法处理模块实现方式如下：

算法处理模块采用监督学习算法-随机森林，并在该算法处理模块中建立多个决策树；利用大量的模拟用户数据对算法进行训练，每位模拟用户对应一组数据、一个疏散出口以及一条撤离线路，将这些模拟数据组建成训练集、测试集，训练集和测试集中对应的每个疏散出口和撤离路线为一种分类结果，算法特征值包括发生紧急事件的坐标、人员的分布状况、用户实时位置、用户体质状况；将模拟数据传入算法进行训练，算法完成训练后，对算法的准确性进行评估，模拟商场内发生紧急事件，同时将模拟的特征值数据集传入算法，将计算出的各个人员的疏散出口、疏散线路与正确的结果进行对比，直至准确率达到预期准确率，完成算法模型；算法训练的具体步骤如下：

(1)从原始训练集中使用Bootstraping方法随机有放回采样选出m个样本，共进行n_tree次采样，生成n_tree个训练集；

(2)对于n_tree个训练集，分别训练n_tree个决策树模型；

(3)对于单个决策树模型，训练样本特征的个数为4，每次分裂时根据信息增益选择最好的特征进行分裂；在计算信息增益之前首先需要计算信息熵，信息熵表示不确定度，均匀分布时，不确定度最大，此时熵最大；当选择某个特征对数据集进行分类时，分类后的数据集信息熵会比分类前小，而前后信息熵的差值表示为信息增益，用来衡量某个特征对分类结果的影响大小；

划分前的信息熵计算公式如下：

其中，D表示训练数据集，c表示数据类别数，在该算法处理模块中类别为各个出口及其对应的撤离路线，因此类别数c会根据各个商场的不同而不同，Pi表示最终分类结果为第i个类别的数量与所有分类结果数量的比值；

划分后的信息熵计算公式如下：

其中，A表示训练样本4个特征中的其中一个，计算特征A的信息熵，k表示此时特征A的类别数，|Dj|表示特征A的第j个类别出现的数量，|D|表示特征A所有类别出现的总数量，因此|Dj|/|D|表示特征A的第j个类别占总类别的比重；Info(Dj)表示特征A的第j个类别对应的信息熵，通过在该类别下对应的各个分类结果的比重带入划分前的信息熵计算公式计算即可；

信息增益表示训练数据集D在特征A的作用后，其信息熵减少的值；公式如下：

Gain(A)＝Info(D)-Info_A(D)

同理计算出其他特征的Gain值，找出Gain值最大的特征值作为根节点，因为Gain值最大，即在该特征下，信息熵下降得最快，重复以上步骤计算出剩下特征的Gain值，选出最大Gain值的特征作为下一层节点，依此类推，构建决策树；

(4)每棵树都一直这样分裂下去，直到该节点的所有训练样例都属于同一类；在决策树的分裂过程中不需要剪枝；

(5)将生成的多棵决策树组成随机森林；按多棵树分类器投票决定最终分类结果进行分类，分类结果包括一条撤离路线和一个对应的疏散出口；

当发生紧急事件时，将各个用户真实的算法特征值传入算法处理模块，算法处理模块根据每位用户的特征值信息计算出对应的疏散出口、撤离线路，并将各个用户的疏散出口、撤离线路发送至对应用户的手机上，并为其进行导航；

所述主控制模块由紧急事件信息栏、主控制模块可视化地图界面、需撤离用户信息栏组成；当发生紧急事件时，紧急事件信息栏会加载出发生事件的详细信息，同时主控制模块上的指示灯由绿色变为红色；所述主控制模块可视化地图界面能够在发生紧急事件后显示出商场内所有用户的实时位置、发生紧急事件的地点，所述需撤离用户信息栏能够显示出商场内部需要疏散的用户，当用户安全离开时，相应用户的信息即从该需撤离用户信息栏删除，若需撤离用户信息栏上显示有用户持续未离开该商场，控制端将会进行电话询问，根据该用户在商场内的具体位置进行精准救援；

所述数据库存储模块利用MySQL数据库进行各类数据的存储，包括用户的注册信息、紧急事件信息具体细节，方便相关部门调查事件的起因、经过。