CN109543000B - 基于算法和手机的商场智能疏散系统 - Google Patents
基于算法和手机的商场智能疏散系统 Download PDFInfo
- Publication number
- CN109543000B CN109543000B CN201811439336.2A CN201811439336A CN109543000B CN 109543000 B CN109543000 B CN 109543000B CN 201811439336 A CN201811439336 A CN 201811439336A CN 109543000 B CN109543000 B CN 109543000B
- Authority
- CN
- China
- Prior art keywords
- user
- evacuation
- algorithm
- information
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 47
- 238000003066 decision tree Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 238000007637 random forest analysis Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000013138 pruning Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 6
- 230000008451 emotion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/259—Fusion by voting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Environmental & Geological Engineering (AREA)
- Economics (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于算法和手机的商场智能疏散系统。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;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;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。本发明可以用最快的速度帮助每一位用户确定最佳的撤离路径,具有极高的效率。
Description
技术领域
本发明涉及一种基于算法和手机的商场智能疏散系统。
背景技术
众所周知,商场是人员流动密集的场所,尤其很多大型的商场结构复杂,商场内人员众多。在这样的大型商场内行走难免会遇到找不到路的情况。如果此时发生紧急事件,人员如何疏散是一个大问题。现有的疏散灯可以在一定程度上对人员疏散起帮助,事实上疏散灯存在许多问题,例如人员管理不当,疏散灯可能会无法正常的工作。即使疏散灯能正常工作,商场内发生了紧急事件,人员也无法得知紧急事件的细节(包括发生了什么事、事件的地点),人员在不了解事情原委的情况就会产生恐慌情绪。最重要的问题是,疏散灯只能保证商场内人员朝着距离他最近的出口撤离,却不能保证这个出口是最理的出口,因为各个出口附近的人数是不同的,如果密集的人群朝着同一个出口跑去,那势必会造成很多不必要的伤亡。
同时在当今社会,手机已经完全普及,甚至家长还会给自己的小孩配备儿童手机,如果我们可以将紧急事件的信息呈现在该商场内的用户的手机上,让用户了解到发生了什么事,这样就可以避免不知道事情的原委而带来的恐慌情绪了,可以很大程度的降低踩踏等事故发生的风险。
商场现有的应急疏散系统往往只是简单的通过疏散灯对室内人员进行紧急出口的路线提示。具有一些弊端,具体如下:
1、在发生紧急事件时,由于疏散灯数量有限,商场内的疏散灯往往是隔一段路才安置一台疏散灯,或者是在拐弯的地方才会安置疏散灯,这就导致部分用户无法在发生紧急事件后很快找到指引安全出口的疏散灯,再加上不熟悉商场的室内构造,此时就只能盲目撤离。
2、想要避绕开紧急事件地点逃生,但疏散灯只能指示距离最近的安全出口的路线,无法避开事件发生地。
3、疏散灯无法让室内人员得知发生事件的具体细节(例如发生的具体事件、发生的时间等),这就导致室内人员的消息闭塞,无法让室内人员判断该事对自身的威胁性。
4、室内人员分布不均匀。发生紧急事件时,密集地区的人群根据疏散灯的指示从最近的安全出口撤离,必定会导致个别出口拥挤,甚至发生踩踏事件。而在人员较少区域的安全出口却没什么人走。因为密集地区的人群肯定会跟随人群一起撤离,这就一定会导致某个出口更加的拥挤,在慌乱并且拥挤的情况下如果有人员摔倒,就极易发生踩踏事件。
现有的其他技术存在的问题如下:
1、现有技术无法在发生紧急事件时实时查看到室内所有用户的状态和位置等情况,无法在用户需要求助时联系到用户并提供精准救援。
2、现有技术无法在发生紧急事件时很快速的规划出适合每一位用户的最佳撤离路线。
3、在一种基于室内定位的火灾疏散系统及方法(申请号:201711045167.X)中,其只是帮助用户寻找最近的出口,却没有考虑到各出口的拥挤程度不同。同时Beacon的在无遮挡时覆盖范围在50米左右,而商场内聚集了大量人员,阻挡物较多,覆盖范围会大打折扣,如果要在商场全覆盖,花费的成本较大。
4、在一种火灾智能疏散系统(申请号:201610616004.1)中,其只是通过显示屏根据不同的情况对人群进行提醒,但是没有考虑到各个人的不同的身体素质等情况,同样无法避免人群扎堆的情况。
发明内容
本发明的目的在于提供一种基于算法和手机的商场智能疏散系统,该系统可以用最快的速度帮助每一位用户确定最佳的撤离路径,具有极高的效率。
为实现上述目的,本发明的技术方案是:一种基于算法和手机的商场智能疏散系统,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。
在本发明一实施例中,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,必要时会根据该用户在商场内的具体位置进行精准救援。
在本发明一实施例中,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。
在本发明一实施例中,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会根据各个商城的不同而不同,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个特征中的其与一个,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)-InfoA(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。
相较于现有技术,本发明具有以下有益效果:
1、在发生紧急事件后,控制端可以在可视化地图界面上查看到所有商场内用户的实时位置,点击某用户时会显示出该用户的具体信息。方便用户在需要救援人员提供救援时,救援人员可以快速找到该用户,可以为撤离节省下宝贵的时间,极大的保护人员的安全。
2、算法系统是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和一个疏散出口以及一条逃生路线。训练完成后,我们将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模型,将计算出的各个人员的疏散出口和疏散线路同正确的结果进行对比。当准确率达到我们的预期后,就可以连入整个控制端,做为控制端的算法处理系统,当真正发生紧急事件时,真实的特征值会传入系统,系统会根据每位用户的特征值信息计算出一个对应的撤离出口和撤离线路。由于该算法系统已经建模完成,因此在发生紧急事件时,系统会自动将各个用户的值传入模型,只需要几秒钟就可以将各个用户对应的出口和路线计算出来,具有高效性,可以为用户留下宝贵的撤离时间。
3、为用户规划疏散线路时充分考虑到了各个出口附近的用户数量、用户的分布情况,以及各个用户的身体素质状况,将聚集人员较多的出口附近人群进行分流,主要表现在将该人群外围的健壮人群引到其他相对通畅的出口进行撤离,保证了出口的合理利用,同时也避免了踩踏事故的发生。
4、本发明系统可以运行在安卓和苹果系统上,利用手机或智能手表可以清楚的查看商场内的构造和所有安全出口的位置,发生紧急事件时不会发生盲目撤离的情况。因为随着现在科技的发展,部分商场内部过于复杂,在慌乱中很容易发生找不到安全出口的情况。
5、本发明系统会清楚的显示出商场内发生紧急事件的地点的具体细节,用户在撤离的时候可以轻松的避开事故地点,同时还可以有效降低用户的恐慌心理。如果用户知道在哪发生了什么事,就可以明白这件事对自身的威胁有多大,当其明白威胁没有那么大时,就不会有恐慌心理。
6、用户在撤离时可以根据手机或智能手表上指示的路线进行撤离,系统的可视性很强,无论看不看得懂地图,都可以根据导航找到相应的出口。
附图说明
图1是该系统总流程图。
图2是算法路线图。
图3是该系统的控制端主程序。
图4为用户端APP登陆界面。
图5为用户端APP主程序。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供了一种基于算法和手机的商场智能疏散系统,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,必要时会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。
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会根据各个商城的不同而不同),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表示此时是计算特征A的信息熵,k表示此时特征A的类别数(例如此时特征值A为用户身体状况,其类别包括强壮、普通、虚弱,所以此时的k为3,j的取值从1到3),|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)-InfoA(D)
同理计算出其他特征值的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值的Gain值,选出最大Gain值的特征值作为下一层节点,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。
以下为本发明的具体实例。
图1是本发明基于算法和手机的商场智能疏散系统的流程图。该系统包括控制端和用户端APP两个部分。
首先用户端APP通过GPS、WiFi、基站对用户进行定位,确定用户位置,并利用手机GPS芯片获取到的精度值来判断用户是否进入了商场,如果精度值持续在一段时间内大于我们设定的阈值,则可以判定用户进入建筑物,如果持续一段时间小于我们设定的阈值,则可判定用户没有进入建筑物,如果用户没有进入建筑物,则继续监听。如果用户进入了建筑物,接着判定是否进入的是商场,如果进入了商场,则将进入商场的用户存入控制端的数据库,并记录下用户进入了哪一幢商场,用户离开商场时要及时将其从数据库中删除。
当某个商场内的某地发生紧急事件时(如火灾),控制端可以通过监控或者烟雾探头等方式获取到发生紧急事件的地点,并在该商场的室内地图上标定出紧急事件发生的地点。同时控制端会将发生紧急事件的商场与数据库进行比对,确定出在该商场内的用户,并对用户进行短信以及软件弹窗提醒,同时获取这些用户在商场内的具体位置,由于用户在商场内的分布是不均匀的,以及各个用户的身体状况不相同,距离紧急事件的地点的远近也不相同,控制端会结合各个因素对该商场内的每位用户进行最合适的疏散路线规划。将用户个人情况、商场内的人员分布以及紧急事件的坐标输入到我们已经建立好的算法处理系统当中,进行每位用户的疏散线路规划,并将其显示到用户手机上,同时进行疏散导航。
如图2是算法路线图,我们利用大量的训练样本集对算法进行训练,训练样本集中的参数包括火灾发生的坐标、人员的分布状况、用户个人情况(用户个人情况包括人员的体制状况与用户在商场内的具体位置),每种参数组合对应一种疏散路线。这样建立出来的模型就可以解决绝大多数的情况。在建模完成后,我们利用测试数据集对模型进行测试和评估,证实模型的可行性,最终建立好模型,当发生紧急事件时,将各个用户所对应参数输入到模型中进行预测,得出一条适合的撤离路线,并将该路线显示到用户设备上,为用户进行导航。
图3是本发明系统的控制端主程序,该控制端主要由紧急事件信息栏、可视化地图界面、需撤离用户信息栏组成。
在紧急事件信息栏中包括了紧急事件指示灯,平时为绿色,检测到异常时会闪烁红色来提醒相关人员。信息栏中还包括发生紧急事件的经纬度坐标、事件的具体地址、事件发生的时间、该商场内的人员数量、需要疏散的人数。下方的载入紧急信息按钮是用来在指示灯变为红色时载入事件信息的,规划撤离线路按钮的功能是在一切都准备好之后将各个用户的信息输入到算法模型中进行规划线路,并在规划完成后将路线显示在用户设备上;可视化地图界面是方便控制端直观的掌握事故商场内的人员分布状况等情况;需撤离用户信息栏是显示尚未成功撤离的用户,如用户未及时撤离,控制端将会打电话进行提醒并提供帮助。
图4为用户端APP登陆界面,新用户需要点击下方的用户注册按钮,且必须用手机号进行注册。因为只有用户使用手机号进行注册,在发生紧急事件时提醒信息才能准确送达。如果在这个过程中用户需要帮助,救援人员才能更加便捷的提供帮助。在注册完成之后,就可以输入手机号和密码点击登陆按钮进行登陆了。如果用户忘记了密码,可以点击忘记密码按钮进行密码找回。
图5为用户端APP主程序,地图的显示有三种模式可以选择:普通地图、卫星地图、全景图。用户可以选择是否在发生紧急事件时自动获取撤离路线,如果关闭了自动获取功能,而又想在需要撤离时获取路线,就可以点击最上方的手动获取撤离路线按钮。当发生紧急事件,需要用户撤离时,软件会进行弹窗与声音提醒。同时从控制端获取疏散路线,获取到疏散线路后,用户APP会将疏散线路标注在用户所在的室内地图上,同时为用户提供导航。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (1)
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)-InfoA(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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811439336.2A CN109543000B (zh) | 2018-11-29 | 2018-11-29 | 基于算法和手机的商场智能疏散系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811439336.2A CN109543000B (zh) | 2018-11-29 | 2018-11-29 | 基于算法和手机的商场智能疏散系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109543000A CN109543000A (zh) | 2019-03-29 |
CN109543000B true CN109543000B (zh) | 2021-07-13 |
Family
ID=65851261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811439336.2A Active CN109543000B (zh) | 2018-11-29 | 2018-11-29 | 基于算法和手机的商场智能疏散系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543000B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114100017A (zh) * | 2021-11-12 | 2022-03-01 | 宁波子规安全科技有限公司 | 一种用于公共场所的应急逃生撤离方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967307A (zh) * | 2012-11-23 | 2013-03-13 | 清华大学 | 基于室内照明的定位导航系统 |
CN104703137A (zh) * | 2015-03-13 | 2015-06-10 | 苏州海博智能系统有限公司 | 一种定位方法、中心服务器及智能移动终端 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8787871B2 (en) * | 2008-12-02 | 2014-07-22 | International Business Machines Corporation | System and method for calculating and disseminating intelligent evacuation routes based on location awareness and integrated analytics |
WO2015084415A1 (en) * | 2013-12-16 | 2015-06-11 | Intel Corporation | Emergency evacuation service |
CN208143252U (zh) * | 2018-03-06 | 2018-11-23 | 武汉理工大学 | 基于智能消防安全疏散标志的c/s架构定位服务装置 |
-
2018
- 2018-11-29 CN CN201811439336.2A patent/CN109543000B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967307A (zh) * | 2012-11-23 | 2013-03-13 | 清华大学 | 基于室内照明的定位导航系统 |
CN104703137A (zh) * | 2015-03-13 | 2015-06-10 | 苏州海博智能系统有限公司 | 一种定位方法、中心服务器及智能移动终端 |
Also Published As
Publication number | Publication date |
---|---|
CN109543000A (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112530119B (zh) | 森林火灾应急演练评估分析系统、方法及计算机设备 | |
CN109800961A (zh) | 一种火灾救援决策方法、装置、存储介质及终端设备 | |
CN111337028B (zh) | 一种在复杂建筑体内的灭火指引及人员疏散的方法及系统 | |
KR102124097B1 (ko) | 실시간 연기 및 화염 감지에 기반한 스마트 피난로 안내 시스템 및 그 방법 | |
WO2017100220A1 (en) | Systems and methods for predicting emergency situations | |
KR102124067B1 (ko) | 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법 | |
CN110110389B (zh) | 一种虚实结合的室内外疏散仿真方法 | |
CN111325437B (zh) | 异常行驶行为的识别方法、装置以及电子设备 | |
CN109819043A (zh) | 三维智能应急消防平台系统及其操作方法 | |
EP3989136A1 (en) | Venue evacuation system | |
US10657448B2 (en) | Devices and methods to navigate in areas using a machine learning model | |
Feese et al. | CoenoFire: monitoring performance indicators of firefighters in real-world missions using smartphones | |
CN115146540B (zh) | 体育场馆的消防风险仿真方法、系统、设备和存储介质 | |
CN109543000B (zh) | 基于算法和手机的商场智能疏散系统 | |
CN109624984A (zh) | 一种移动互联网智能车载系统 | |
CN115545359B (zh) | 一种面向复杂建筑火灾的动态智能疏散方法及装置 | |
CN110766908A (zh) | 报警方法、装置、电子设备及计算机可读存储介质 | |
CN109658651A (zh) | 一种智能小区防盗报警系统 | |
Liu et al. | A survey of crowd evacuation on passenger ships: Recent advances and future challenges | |
CN111757262B (zh) | 基于电子围栏的定位提醒方法、系统及可穿戴设备 | |
CN113420054B (zh) | 信息统计方法、服务器、客户端及存储介质 | |
CN111754209A (zh) | 一种基于大数据共享的旅游综合服务方法及系统 | |
CN113280814B (zh) | 一种园区作业人员的安全监测方法及设备 | |
CN111359132B (zh) | 一种基于人工智能的智慧消防警报方法及系统 | |
CN111539634A (zh) | 一种消防救援辅助决策方案生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |