[发明专利]一种基于时空图神经网络的人群拥堵预测方法及系统

说明书

本发明提出了一种基于时空图神经网络的人群拥堵预测方法及系统，涉及人群疏散计算机仿真领域，建立疏散场景模型，并对疏散场景进行区域划分；对疏散过程进行时段划分，获取各时段各区域的行人速度，判断各时段各区域的拥堵状态；基于疏散场景模型、各时段各区域的行人速度及拥堵状态，建立各时段的疏散场景知识图谱，并根据各时段的疏散场景知识图谱，构造时序时空图；以时序时空图为输入，通过由图卷积网络和门控循环单元构成的时空图神经网络，预测未来时段各区域的行人速度，根据行人速度判断区域拥堵状态；本发明通过获取行人速度判断各时段各区域的拥堵状态，基于构建的时序时空图，预测各个区域的行人速度，进而得到最终的拥堵状态。

技术领域

本发明属于人群疏散计算机仿真领域，尤其涉及一种基于时空图神经网络的人群拥堵预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

在现代社会当中，随着人们生活水平的提高，会有更多的人出行。在很多行人密集的公共场所，比如购物商场、小吃街、商业街等，如果发生紧急的情况，在不进行合理引导的情况下，人们往往会有恐慌的情绪，有可能会造成严重的拥堵事故；这种拥堵事故不仅会造成人员伤亡和财产损失，还可能对公共治安和社会安全产生极大的影响。

人群拥堵会对人群疏散过程产生负面影响，因为它会增加疏散的难度和风险，人群拥堵会增加疏散时间，当人群拥堵时，人员的移动速度会变慢，疏散的时间就会增加。

传统的人群疏散演练的方法需要投入大量的财力和人力，并且存在一定的风险，例如可能会造成人员伤亡、物品损失等问题；通过计算机仿真技术可以大大降低行人疏散演练的成本和风险，提高疏散演练的效率和精度，制定更为科学合理的疏散预案和指导原则，是研究紧急事件下行人疏散的重要方法。

现有的人群拥堵预测方案，存在两个问题：1)拥堵状态采用人群密度等判断方式，没有关注行人的流动性；2)人群拥堵或者疏散是一个过程，在前一个时刻的行人状况，会影响下一个时刻的行人的状况，没有关注时间上的相关性；以上两个问题，导致现有的技术方案预测准确度不高。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于时空图神经网络的人群拥堵预测方法及系统，通过获取行人速度判断各时段各区域的拥堵状态，基于构建的时序时空图，预测各个区域的行人速度，进而得到最终的拥堵状态。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

本发明第一方面提供了一种基于时空图神经网络的人群拥堵预测方法；

一种基于时空图神经网络的人群拥堵预测方法，包括：

建立疏散场景模型，并对疏散场景进行区域划分；

对疏散过程进行时段划分，获取各时段各区域的行人速度，判断各时段各区域的拥堵状态；

基于疏散场景模型、各时段各区域的行人速度及拥堵状态，建立各时段的疏散场景知识图谱，并根据各时段的疏散场景知识图谱，构造时序时空图；

以时序时空图为输入，通过由图卷积网络和门控循环单元构成的时空图神经网络，预测未来时段各区域的行人速度，根据行人速度判断区域拥堵状态。

进一步的，所述建立疏散场景模型，包括提取疏散场景特征、设置场景尺寸参数、设置出口位置和障碍物位置；

所述区域划分，是将疏散场景划分为面积相等的正方形网格。

进一步的，所述对疏散过程进行时段划分，具体为：

将疏散过程根据预设的时间间隔进行时段划分。

进一步的，所述获取各时段各区域的行人速度，具体方法为：