.png){kind=icon}
返回
Panic emotion aware path planning for crowd evacuation
.png){kind=icon}
PRE
AI
DOI：10.1007/s10489-026-07154-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人群疏散模拟为公共场所人员紧急情况下的应急响应提供指导。现有的路径规划方法未能考虑人群恐慌的影响，从而降低了实际人群疏散效率。为解决此问题，我们提出了一种针对人群疏散的恐慌情绪感知路径规划方法。首先，带有时空相似性约束的ResNet-RP（残差神经网络-恐慌识别）模型准确识别个体恐慌情绪，并根据个体聚集程度计算人群恐慌等级。其次，基于人群恐慌等级，通过平均场方法预测恐慌人群的比例。最后，将预测的恐慌人群比例引入多智能体深度确定性策略梯度算法（P-MAD）的奖励函数中，以实现情绪感知的疏散路径规划。实验结果表明，我们提出的方法能够有效实现人群疏散的恐慌情绪感知和恐慌规避路径规划。
Keyword:
Panic emotion aware
Crowd evacuation
Spatial-temporal similarity
Path planning
期刊
IF:
3.5
论文数:
7.6K
被引数:
1.7W
机构
引用论文
Passenger Evacuation Path Planning in Subway Station Under Multiple Fires Based on Multiobjective Robust Optimization基于多目标鲁棒优化的多火灾下地铁车站乘客疏散路径规划
PREAI
分享收藏Deep deterministic policy gradient algorithm for crowd-evacuation path planning面向人群疏散路径规划的深度确定性策略梯度算法
PREAI
分享收藏Indoor AR Navigation and Emergency Evacuation System Based on Machine Learning and IoT Technologies基于机器学习和物联网技术的室内AR导航与应急疏散系统
PREAI
分享收藏A Review of Deep Learning Models for Time Series Prediction用于时间序列预测的深度学习模型综述.png)
IEEE SENSORS JOURNAL
IEEE SENSORS JOURNALIF4.5
PREAI
分享收藏SRAI-LSTM: A Social Relation Attention-based Interaction-aware LSTM for human trajectory predictionNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容