1.基于视觉数据的人群疏散路径动态推荐方法,其特征在于,所述方法包括:实时采集人群运动视频流并进行预处理得到标准化视频帧,提取每个行人的头部朝向矢量,同时计算形成群体运动速度场,建立人群运动状态数据库;
建立视觉惯性动力学模型,计算头部朝向矢量与运动方向的夹角分布,确定视觉惯性强度参数,预测未来5-10分钟内人群在疏散路径上的分布变化;
基于实时视频流,识别各疏散通道区域,计算各通道的实时人群密度,并结合通道物理参数计算实时承载率;
基于各疏散通道实时承载率,结合通道容量阈值建立路径饱和时间预测模型,计算各疏散通道达到最大饱和度的时间点,生成分级预警信号;
当预测到任一疏散通道到达最佳容量阈值85%时,基于人群在疏散路径上的分布变化和分级预警信号,确定上游路径的分叉节点位置坐标,计算导流启动的最佳时间窗口和导流强度参数,生成控制指令集合,并传递至指示执行端。
2.根据权利要求1所述的方法,其特征在于,所述建立人群运动状态数据库,具体包括:持续实时采集原始人群运动视频流,并对接收到的原始人群运动视频流进行图像预处理,生成标准化视频帧;
将标准化视频帧输入预训练的头部姿态估计神经网络,检测并定位头部在图像中的二维像素坐标,输出每个可见行人头部的俯仰角、偏航角和翻滚角,并转换为三维空间中的头部朝向矢量;
基于标准化视频帧序列,计算相邻帧之间每个像素点的运动矢量,基于所有行人区域像素点的运动矢量,形成表征整体移动方向的群体运动速度场;
建立统一时空坐标系,将头部朝向矢量与群体运动速度场在统一时空坐标系下进行时间戳同步和空间位置对齐,建立包含时间戳、空间位置、头部朝向矢量和局部运动矢量的人群运动状态数据库。
3.根据权利要求2所述的方法,其特征在于,所述预测未来5-10分钟内人群在疏散路径上的分布变化,具体包括:基于头部朝向矢量和群体运动速度场,计算每个行人个体的头部朝向矢量与行人个体对应的局部运动方向之间的夹角;
统计所有行人在当前时刻及过去预设时间窗口内夹角的分布直方图,并计算视觉惯性强度;
将视觉惯性强度、实时人群密度以及环境可见度作为输入,构建视觉惯性动力学模型,以当前时刻的人群运动状态数据库中的参数作为初始条件,进行未来5-10分钟的数值迭代求解,预测人群在疏散路径上的分布变化。
4.根据权利要求3所述的方法,其特征在于,所述计算实时承载率,具体包括:基于实时视频流,结合建筑结构拓扑图识别通道边界、出入口,将场景分割为不同的疏散通道区域,并计算每个疏散通道区域的实时人群密度;
从预设的建筑信息数据库中读取每个疏散通道区域的物理参数,结合实时人群密度,计算每个疏散通道区域的实时承载率。
5.根据权利要求4所述的方法,其特征在于,所述生成分级预警信号,具体包括:基于各疏散通道区域的实时人群密度和实时承载率,形成各疏散通道区域实时承载率的时间序列数据;
读取各疏散通道区域的历史容量阈值,所述历史容量阈值为通道达到完全饱和时的最大承载率,并设定最佳容量阈值为历史容量阈值数据的85%;
将实时承载率时间序列数据与历史容量阈值进行模式匹配,建立路径饱和时间预测模型,以当前实时承载率及预测的人群在疏散路径上的分布变化,模拟推演各疏散通道区域的未来负载增长,并计算各疏散通道区域实时承载率到达最佳容量阈值的时间点;
根据计算出的实时承载率到达最佳容量阈值的时间点与当前时间的差值,生成分级预警信号,预警级别根据差值大小划分。
6.根据权利要求5所述的方法,其特征在于,所述生成控制指令集合,具体包括:当任一疏散通道区域出现分级预警信号,结合人群在疏散路径上的分布变化,基于建筑结构拓扑图,在疏散通道区域上游寻找最近的路径分叉节点,将分叉节点位置坐标确定为上游路径的分叉节点位置坐标;
判断路径分叉节点的分叉节点位置坐标所导向的其他疏散通道区域是否存在有效的分级预警信号,若存在,则以该路径分叉节点为新的起点,继续沿建筑结构拓扑图向上游寻找下一个路径分叉节点,并重复判断过程;若不存在,则将该路径分叉节点确定为用于导流的上游路径的分叉节点位置坐标;
根据分级预警信号中的实时承载率到达最佳容量阈值的时间点,倒推需要启动引导的截止时间,并考虑人群响应延迟,计算导流启动的最佳时间窗口;
根据实时承载率与最佳容量阈值的差距、以及预测的人群密度等级,计算所需的导流强度参数;
将上游路径的分叉节点位置坐标、导流启动的最佳时间窗口和导流强度参数封装为结构化的控制指令集合,并传递至位于分叉节点位置坐标的指示执行端。
7.基于视觉数据的人群疏散路径动态推荐系统,其特征在于,所述系统包括:视频数据提取模块,用于实时采集人群运动视频流并进行预处理得到标准化视频帧,提取每个行人的头部朝向矢量,同时计算形成群体运动速度场,建立人群运动状态数据库;
人群预测模块,用于建立视觉惯性动力学模型,计算头部朝向矢量与运动方向的夹角分布,确定视觉惯性强度参数,预测未来5-10分钟内人群在疏散路径上的分布变化;
承载率计算模块,用于基于实时视频流,识别各疏散通道区域,计算各通道的实时人群密度,并结合通道物理参数计算实时承载率;
预警生成模块,用于基于各疏散通道实时承载率,结合通道容量阈值建立路径饱和时间预测模型,计算各疏散通道达到最大饱和度的时间点,生成分级预警信号;
指示传递模块,用于当预测到任一疏散通道到达最佳容量阈值85%时,基于人群在疏散路径上的分布变化和分级预警信号,确定上游路径的分叉节点位置坐标,计算导流启动的最佳时间窗口和导流强度参数,生成控制指令集合,并传递至指示执行端。
8.根据权利要求7所述的系统,其特征在于,所述人群预测模块包括:
夹角计算模块,用于基于头部朝向矢量和群体运动速度场,计算每个行人个体的头部朝向矢量与行人个体对应的局部运动方向之间的夹角;
夹角分布统计模块,用于统计所有行人在当前时刻及过去预设时间窗口内夹角的分布直方图,并计算视觉惯性强度;
人群疏散流向预测模块,用于将视觉惯性强度、实时人群密度以及环境可见度作为输入,构建视觉惯性动力学模型,以当前时刻的人群运动状态数据库中的参数作为初始条件,进行未来5-10分钟的数值迭代求解,预测人群在疏散路径上的分布变化。
9.根据权利要求8所述的系统,其特征在于,所述预警生成模块包括:
承载率时间序列生成模块,用于基于各疏散通道区域的实时人群密度和实时承载率,形成各疏散通道区域实时承载率的时间序列数据;
容量阈值设定模块,用于读取各疏散通道区域的历史容量阈值,所述历史容量阈值为通道达到完全饱和时的最大承载率,并设定最佳容量阈值为历史容量阈值数据的85%;
阈值达成时间计算模块,用于将实时承载率时间序列数据与历史容量阈值进行模式匹配,建立路径饱和时间预测模型,以当前实时承载率及预测的人群在疏散路径上的分布变化,模拟推演各疏散通道区域的未来负载增长,并计算各疏散通道区域实时承载率到达最佳容量阈值的时间点;
分级预警信号生成模块,用于根据计算出的实时承载率到达最佳容量阈值的时间点与当前时间的差值,生成分级预警信号,预警级别根据差值大小划分。
10.根据权利要求9所述的系统,其特征在于,所述指示传递模块包括:
路径分叉节点识别模块,用于当任一疏散通道区域出现分级预警信号,结合人群在疏散路径上的分布变化,基于建筑结构拓扑图,在疏散通道区域上游寻找最近的路径分叉节点,将分叉节点位置坐标确定为上游路径的分叉节点位置坐标;
有效分级预警信号判断模块,用于判断路径分叉节点的分叉节点位置坐标所导向的其他疏散通道区域是否存在有效的分级预警信号,若存在,则以该路径分叉节点为新的起点,继续沿建筑结构拓扑图向上游寻找下一个路径分叉节点,并重复判断过程;若不存在,则将该路径分叉节点确定为用于导流的上游路径的分叉节点位置坐标;
导流启动时间计算模块,用于根据分级预警信号中的实时承载率到达最佳容量阈值的时间点,倒推需要启动引导的截止时间,并考虑人群响应延迟,计算导流启动的最佳时间窗口;
导流强度参数计算模块,用于根据实时承载率与最佳容量阈值的差距、以及预测的人群密度等级,计算所需的导流强度参数;
控制指令封装与传递模块,用于将上游路径的分叉节点位置坐标、导流启动的最佳时间窗口和导流强度参数封装为结构化的控制指令集合,并传递至位于分叉节点位置坐标的指示执行端。