1.一种基于RNN的室内人群疏散自动引导仿真方法，其特征在于，包括：

将疏散场景进行区域划分，获取场景中的出口位置信息、障碍物信息、导航点信息以及各区域的行人密度；

构建RNN神经网络模型，并对其进行训练，建立实时的人群疏散状态与引导策略之间的映射关系；

基于训练好的网络模型进行人群疏散仿真，在疏散过程中实时获取人群分布密度，并通过训练好的模型获得导航点之间的引导概率；

采用基于轮盘赌的伪随机策略为当前时刻的行人生成下一时刻的临时运动目标，并引导行人运动，直至完成人员疏散；

所述RNN神经网络的输入层节点个数为疏散场景可行区域划分的数量，其输入层的输入为当前时刻的人群疏散状态和前λ时刻中间层的输出，其输出层表示当前时刻导航点之间的引导概率，具体的，λ的计算公式如下：其中x为截止到当前时刻的疏散时间；

当行人到达某一导航点邻域后，依据当前时刻导航点之间的引导概率，利用轮盘赌伪随机策略为行人选择下一时刻的运动目标，具体的，行人选择下一时刻的临时运动目标的计算公式如下：其中，srd为[0,1]之间的随机数， 表示导航点k到达其他导航点的引导概率中不为0的概率。

2.如权利要求1所述的一种基于RNN的室内人群疏散自动引导仿真方法，其特征在于，所述疏散场景进行区域划分的规则为，将疏散场景划分为若干不包含障碍物且互不重叠的区域，所述区域构成疏散场景的可行区域，行人在可行区域内移动。

3.如权利要求1所述的一种基于RNN的室内人群疏散自动引导仿真方法，其特征在于，所述导航点设置在拐角、交叉路口及出口附近，用于指示和引导行人疏散。

4.如权利要求1所述的一种基于RNN的室内人群疏散自动引导仿真方法，其特征在于，所述导航点之间的引导概率体现了导航点之间引导行人疏散的可能性,定义导航点之间某一时刻的引导概率用以引导行人选择下一时刻的临时运动目标。

5.如权利要求1所述的一种基于RNN的室内人群疏散自动引导仿真方法，其特征在于，所述导航点之间的引导概率定义准则为：当两个导航点之间的连线经过障碍物，则引导概率为0；当两个导航点之间连线存在第三个导航点，则引导概率为0；上述两种条件以外的导航点，其在t时刻引导概率由t时刻的疏散状态确定，即利用训练好的RNN神经网络获得的导航点之间的引导概率。

6.如权利要求1所述的一种基于RNN的室内人群疏散自动引导仿真方法，其特征在于，所述人群分布密度通过计算疏散场景各区域的人群密度来获得，各个区域的人群密度表示当前时刻的人群疏散状态。

7.一种基于RNN的室内人群疏散自动引导仿真系统，执行时实现权利要求1‑6任一项所述的一种基于RNN神经网络的室内人群疏散自动引导仿真方法，其特征在于，包括：信息获取单元：用于实时获取疏散场景中行人的位置信息以及各个区域人群密度信息；

策略网络学习单元：以各区域密度信息作为输入，以行人疏散引导策略为输出，而网络的学习过程以降低疏散时间为优化目标；

引导疏散单元：利用信息单元获取的区域密度信息，利用策略网络计算个导航点的引导概率，进一步利用轮盘赌策略选择导航点，作为到达当前导航点行人下一时刻的运动目标；

人群运动单元：行人根据引导疏散单元所确定的下一时刻的运动目标，采用相对速度障碍RVO技术驱动行人运动，实现人群疏散行为的仿真。

8.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1‑6任一项所述的一种基于RNN神经网络的室内人群疏散自动引导仿真方法。