基于深度卷积神经网络的人员疏散时间快速预测方法

发布时间:2022-11-21        浏览量:10

报告题目:基于深度卷积神经网络的人员疏散时间快速预测方法

报告人:马剑 教授

工作单位:西南交通大学

会议主持: 房志明 教授

会议时间:2022112210:00-11:00

会议地点:腾讯会议 505-351-128

报告摘要

预测人员疏散时间是大规模人群管控、建筑平面布局优化的关键。现有研究关注人员疏散理论模型的建立,忽视了疏散模型的时间和空间复杂度高难以实现快速预测的这一问题。复杂建筑空间环境以及人员的空间分布是决定疏散时间长短的决定性因素,本文提出以建筑空间环境和人位置分布图像为输入的疏散时间快速计算方法。设计不同疏散人数、不同出口个数、不同疏散出口宽度以及不同空间布局形式的疏散场景,使用人员疏散元胞自动机模型(CA)开展模拟计算构建样本数据库,构建疏散时间快速预测模型FastEvacNet,训练并标定该深度卷积神经网络模型,测试并评价模型预测疏散时间的可靠度与效率。结果表明,在整个测试集上的MAE8.68sMAPE值为7.33%,模型整体预测精度良好,泛化能力强,且对疏散时间的预测用时几乎不依赖于疏散场景的复杂度,计算效率相较于CA模型提升3个数量级,当以数据流的形式传入网络进行批量预测时,可提升4个数量级。

个人简介

马剑,教授,博导,西南交通大学交通运输与物流学院安全工程系主任,公共安全科学技术学会人员安全专业工作委员会委员、中国建筑学会建筑防火综合技术分会火灾风险评估专业委员、四川省普通本科高等学校教学指导委员会委员。2010年获得中国科学技术大学火灾科学国家重点实验室工学博士学位、香港城市大学建筑系哲学博士学位,2012年晋升副教授,2016年破格晋升教授,2018年入选四川省学术和技术带头人后备人选。主持国家自然科学基金项目3项、国家重点研发计划子课题1项,发表高水平期刊论文80余篇,累计H-index22,担任国际期刊“Collective Dynamics”、“Current Chinese Science” 编委,入选“Physica A”顾问编委(Advisory Editorial Board),《安全与环境学报》青年编委,是人员疏散领域著名国际会议Pedestrian and Evacuation Dynamics的程序委员,担任IEEE Transactions on ITS20多本国际著名期刊的审稿人,先后在Workshop on Railway Operation for Safety and Reliability等国际学术会议做邀请报告5次。获2010年华夏建设科学技术奖一等奖、2012年第9届亚澳火灾学会最佳论文奖、2013年第四届安徽省优秀博士学位论文奖、2021年中国消防协会优秀博士论文指导教师、2022年四川省科技进步三等奖。研究方向包括城市轨道交通客流规划与管理、突发事件下人员疏散动力学。