(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210982696.7 (22)申请日 2022.08.16 (71)申请人 青岛理工大 学 地址 266520 山东省青岛市黄岛区嘉陵江 东路777号 (72)发明人 杨晓霞　杨毅　康元磊　潘福全　 陈健　曲大义　王杰　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 于凤洋 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种人群沿楼梯上行的通行时间预测方法 及系统 (57)摘要 本发明提出了一种人群沿楼梯上行的通行 时间预测方法及系统， 属于通行时间预测领域, 构建楼梯场景的三维仿真模型； 将模拟个体放入 三维仿真模型中， 构建BP神经网络模型的训练 集； 用训练集对原子轨道搜索算法优化的BP神经 网络模型进行训练； 向训练好的模 型中输入待预 测的楼梯坡度、 高度、 宽度、 个体期望速度与半径 和人群数量， 得到对应人群沿楼梯上行的通行时 间； 本发明利用原子轨道搜索算法优化的BP神经 网络以预测人群沿楼梯上行的通行时间， 预测精 度高， 且充分考虑了楼梯坡度、 高度、 宽度、 个体 期望速度与半径以及人群数量对人群沿楼梯上 行的通行时间的影 响， 既有助于客流高峰时期的 个体管控， 又可提高紧急情况下公共场所内个体 的逃生效率。 权利要求书2页 说明书7页 附图2页 CN 115270506 A 2022.11.01 CN 115270506 A 1.一种人群沿楼梯上 行的通行时间预测方法， 其特 征在于， 包括： 构建楼梯场景的三维仿真模型； 将模拟个 体放入三维仿真模型中， 模拟多种场景， 构建BP神经网络模型的训练集； 用训练集对原子轨道搜索算法优化的BP神经网络模型进行训练， 得到训练完成的模 型； 向训练完成的模型中输入待预测的楼梯坡度、 高度、 宽度、 个体期望速度与半径和人群 数量， 得到对应人群沿楼梯上 行的通行时间。 2.如权利要求1所述的一种人群沿楼梯上行的通行时间预测方法， 其特征在于， 采用基 于社会力模型的个 体运动仿真软件， 构建楼梯场景的三维仿真模型。 3.如权利要求1所述的一种人群沿楼梯上行的通行时间预测方法， 其特征在于， 所述模 拟多种场景， 是在仿 真中多次更改楼梯 坡度、 高度、 宽度、 个体期 望速度与半径和人群数量， 得到对应的通行时间。 4.如权利要求1所述的一种人群沿楼梯上行的通行时间预测方法， 其特征在于， 所述原 子轨道搜索算法基于原子轨道原理， 模仿原子轨道中电子之间的作用进行解的迭代， 将由 传统BP神经网络得到的神经网络权值、 阈值作为原子轨道中电子的属性， 误差作为对应电 子的概率密度函数值。 5.如权利要求4所述的一种人群沿楼梯上行的通行时间预测方法， 其特征在于， 对原子 轨道搜索算法优化的BP神经网络模型进行训练， 具体为： (1)根据输入特征的数量与预测特征的数量确定BP神经网络的输入层神经元数量与输 出层神经元数量， 根据Kolmogorov定理定义隐藏层层数为1， 确定隐藏层中神经元数量， 即 共有三层神经网络； (2)设置神经网络的初始权值与阈值； (3)将训练集带入BP神经网络进行训练， 得到训练完成的权值、 阈值与对应的误差， 即 完成一次BP神经网络的训练， 将此 结果作为原子 轨道某层的一个电子； (4)重复训练o次BP神经网络得到o组完成训练的权值、 阈值与对应误差， 即得到o个电 子， 组成原子 轨道各层中的所有候选解； (5)取其中v个候选解作为原子轨道某层中的候选解， 通过计算， 得到最高概率密度函 数值(目标函数最小值)对应的候选解， 即模型最优的权值、 阈值， 完成模型的训练。 6.如权利要求5所述的一种人群沿楼梯上行的通行时间预测方法， 其特征在于， 所述输 入特征的数量为楼梯坡度、 高度、 宽度、 行人期望速度与半径以及人群数量的种类数， 所述 预测特征的数量 为1， 即仅预测人群沿楼梯上 行的通行时间。 7.如权利要求5所述的一种人群沿楼梯上行的通行时间预测方法， 其特征在于， 所述 Kolmogorov定理指出三层神经网络可以任意精度映射非线性 函数。 8.一种人群沿楼梯上行的通行时间预测系统， 其特征在于， 包括模型构建模块、 训练集 构建模块、 模型训练模块和预测结果模块； 模型构建模块， 被 配置为： 构建楼梯场景的三维仿真模型； 训练集构建模块， 被配置为： 将模拟个体放入三维仿真模型中， 模拟多种场景， 构建BP 神经网络模型的训练集； 模型训练模块， 被配置为： 用训练集对原子轨道搜索算法优化的BP神经网络模型进行权　利　要　求　书 1/2 页 2 CN 115270506 A 2训练， 得到训练完成的模型； 预测结果模块， 被配置为： 向训练完成的模型中输入待预测的楼梯坡度、 高度、 宽度、 个 体期望速度与半径和人群数量， 得到对应人群沿楼梯上 行的通行时间。 9.计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实现如 权利要求1 ‑7任一项所述的一种人群沿楼梯上 行的通行时间预测方法中的步骤。 10.电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程序， 其 特征在于， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的一种人群沿楼梯 上行的通行时间预测方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115270506 A 3