课题组于6月7日线上线下融合举办了第十九期“李楠研究小组系列学术邀请报告”。西南交通大学交通运输与物流学院安全工程系系主任马剑教授受邀，以“人员疏散态势快速预测方法研究”为主题进行了报告。本次报告由李楠老师主持，来自清华大学、重庆大学、武汉理工大学、北京工业大学、北京交通大学等高校的线上线下30多位师生共同参加此次学术活动。
报告主要分为三部分，第一部分马剑教授介绍了其课题组现阶段在行人行为实验方面的研究成果，第二部分涵盖了其课题组在行人仿真的科研项目成果、以及其自行开发的疏散软件Pedynamics，第三部分介绍了人员疏散态势快速预测方法。
图1 本次报告活动现场
在第一部分，马剑教授详细介绍了其课题组在行人行为方面开展的各项实验研究。通过开展群体行为实验，其探究了建筑结构调整包括安全疏散出口的宽度和位置对行人流量的影响；不同行走高度限制下行人的运动特征；行人行进途中不同形状和大小的障碍物对行人和群体动态的影响；不同楼梯构造对单列行人垂向疏散的影响；以及行人是否携带行李对其在楼梯上移动的影响等。
在第二部分，马剑教授介绍了其课题组在行人行为建模等方面取得的研究成果。马剑教授首先介绍了迈步模型，该模型考虑了行人在上下楼梯及楼梯平台行走时的不同步态特征，并基于该模型进行了行人在楼梯行走时的群体仿真实验。马剑教授接着介绍了基于有限状态机方法的地铁人流建模，考虑了行人是否携带行李及买票对其在地铁站内的行动的影响。最后，马剑教授介绍了其课题组自主开发的用于疏散行为仿真的Pedynamics软件，该软件共有三部分组成模块，分别为：场景预处理模块、人群运动计算模块、及可视化与数据统计模块。其中场景预处理模块用于构建疏散场景及导入疏散行为，人群运动计算模块用于设置疏散模型参数、模拟疏散过程、记录疏散数据，可视化与数据统计模块用于回顾疏散过程、导出行人轨迹及统计疏散数据。马剑教授还介绍了该疏散仿真软件在国家体育馆看台、超高层建筑、地铁站等多个实际疏散场景中的应用。
在第三部分，马剑教授介绍了人员疏散态势预测研究。该研究主要分为三个部分，首先构建了科学的行人运动模型，通过多种疏散场景的模拟构建了人员疏散态势的疏散时间和人员密度数据集。接着构建了基于深度卷积神经网络的疏散时间快速预测模型，实现了由场景到疏散时间的快速预测。最后，建立了基于深度生成对抗网络的人员密度的快速预测模型，实现了疏散人员密度的快速推演。
图2 人员疏散态势预测研究的技术路线
在人员疏散态势预测研究的第一部分，行人运动模型构建考虑了人员出口选择、建立了行人运动规则，并进行了模型敏感性分析与模型验证。对于疏散场景，考虑了建筑平面外部轮廓、建筑布局、出口宽度、障碍物分布等多个因素。在人员疏散态势研究的第二部分，构建了基于卷积神经网络的疏散时间快速预测模型。从疏散场景图像与其相应的疏散时间对应关系中提取人员疏散特征，其中图像采用单通道灰度图，模型以一维变量疏散时间为输出。在人员疏散态势研究的第三部分，建立了基于深度生成对抗网络的人员密度的快速预测模型，人员密度以图像的形式表征。
图3 基于深度卷积神经网络的疏散时间快速预测模型架构
报告的最后，线上线下的师生与马剑教授围绕疏散灾害场景、人员疏散态势预测应用、人员疏散态势预测模型输入等话题进行了热烈的讨论。
