(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 202210542010.2 (22)申请日 2022.05.18 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 张玉玲　刘弘　段佶昊　李信金　 孟祥栋　张桂娟　 (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 李圣梅 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于知识图谱的人群疏散拥塞传播预测方 法及系统 (57)摘要 本申请提供一种基于知识图谱的人群疏散 拥塞传播预测方法及系统， 涉及人群疏散计算机 仿真技术领域， 通过构建人群疏散知识图谱， 提 取各个时刻的路径子图和每个节 点的观测 信息； 路径子图和每个节点的观测信息经过多层图卷 积处理， 得到拥塞传播的空间相关性特征； 以及 利用LSTM网络获取拥塞传播的动态时间特征； 对 空间相关性特征和动态时间特征进行融合， 得到 路段未来时间片的人群密度； 根据路段的人群密 度， 以及各路段在时间和空间上的连接性， 确定 拥塞传播图。 这样， 在考虑到当前人群拥塞状态 的情况下， 能够实时预测未来将有哪些路段受到 影响， 有利于及时地制定出相应的拥塞缓解策 略， 提高人群疏散的效率。 权利要求书2页 说明书9页 附图6页 CN 115114446 A 2022.09.27 CN 115114446 A 1.一种基于知识图谱的人群疏散拥塞传播预测方法， 其特 征在于， 包括： 获取预设时间段指定疏散场景内的人群疏散数据， 构建人群疏散知识图谱； 针对每个时刻， 从所述人群疏散知识图谱中获取语义为路段的多个实体， 以其中的一 个实体为起始节点， 确定出与所述起始节点有路径相连关系的节点的集合， 并提取出所述 起始节点与集 合中其他节点之间的路径子图和每 个节点的观测信息； 每个时刻所提取的路径子图和每个节点的观测信 息经过多层图卷积处理， 得到空间特 征， 将上一时刻的空间特征与当前时刻的空间特征进行融合， 得到拥塞传播的空间相关性 特征； 以及利用LSTM网络获得拥塞传播的动态 时间特征； 对所述空间相关性特征和动态时 间特征进行融合， 得到路段 未来时刻的人群密度； 根据路段的人群密度， 以及各路段在时间和空间上的连接性， 确定拥 塞传播图， 基于所 述拥塞传播图对未来时刻的人群拥塞传播足迹进行 预测。 2.如权利要求1所述的人群疏散拥 塞传播预测方法， 其特征在于， 所述人群疏散数据的 获取方法包括： 获取指定疏散场景的安全疏散指示图， 以路口和出口作为参考点， 对整个疏散场景的 路径进行分段， 得到多个路段， 并将静态基础数据与相应路段匹配到一 起； 根据采集到的各路段人群的视频图像数据， 确定出各路段对应的动态路况信息， 从而 得到包含 大量隐藏信息的人群疏散数据； 其中， 所述动态路况信息包括人群密度、 人流量和 移动速度。 3.如权利要求1所述的人群疏散拥 塞传播预测方法， 其特征在于， 所述人群疏散知识图 谱采用自顶向下 的方式构建， 具体为， 基于所述知识图谱模式层结构将人群疏散数据离散 化、 语义化为三元 组形式； 以划分的路段为疏散知识图谱的组织单位， 将所有三元组相互连 接存储在Neo4j图形数据库中， 实现知识图谱的可视化存 储。 4.如权利要求1所述的人群疏散拥 塞传播预测方法， 其特征在于， 所述在各时刻所提取 的路径子图和每个节点的观测信息经过多层图卷积处理， 得到拥塞传播的空间相关性特 征， 包括： 根据所提取的路径子图确定动态邻 接矩阵， 以及根据每个节点的观测信 息确定节点特 征矩阵； 将所述动态邻 接矩阵和节点特征矩阵作为图卷积神经网络的输入， 经过多层图卷积处 理， 聚合节点的信息， 得到拥塞传播的空间相关性特 征。 5.如权利要求4所述的人群疏散拥 塞传播预测方法， 其特征在于， 采用资源随机游走算 法获取所述动态邻接矩阵； 具体为， 确定路径子图的头节点和尾结点， 在头节 点处放置预定 的初始资源量， 让其沿着路径开始随机游走， 用流动到尾结点的资源量作为衡量节点之间 空间相关性大小的度量， 得到表示路径拓扑信息的动态邻接矩阵。 6.如权利要求1所述的人群疏散拥 塞传播预测方法， 其特征在于， 所述拥 塞传播图的构 建方法包括： 根据各路段所对应的人群拥 塞指数和平均 人群密度， 获取每个时间片下的所有拥 塞路 段的集合； 所述人群拥塞指数用于判别路段在特定时间片内拥塞程度的相对数值； 创建一个设定大小的时间窗口， 将当前时间窗口内重复的拥塞路段进行合并， 并将最 近一个时间片的编号记录下来；权　利　要　求　书 1/2 页 2 CN 115114446 A 2结合时间片编号和空间位置判断两条拥 塞路段在当前时间窗口内是否相连， 将时间窗 口内相邻的拥塞路段 连接起来； 时间窗口向后滑动设定数量的时间片， 并重复上述 步骤， 直至遍历完所有时间片。 7.如权利要求6所述的人群疏散拥 塞传播预测方法， 其特征在于， 通过以下方式确定所 述人群拥塞指数： CCI＝(df‑di)/df； 其中， CCI表示人群拥塞指数； df表示人群自由密度， 即当路段i保持顺畅时， 路段i的人 群平均密度； di表示在给定时间片内， 路段i的人群平均密度。 8.一种基于知识图谱的人群疏散拥塞传播预测系统， 其特 征在于， 包括： 获取模块， 用于获取预设时间段指定疏散场景内的人群疏散数据， 构建人群疏散知识 图谱； 提取模块， 用于针对每个时刻， 从所述人群疏散知识图谱中获取语义为路段的多个实 体， 以其中的一个实体为起始节点， 确定出与所述起始节点有路径相连关系的节点的集合， 并提取出所述起始节点与集 合中其他节点之间的路径子图和每 个节点的观测信息； 融合模块， 用于每个时刻所提取的路径子图和每个节点的观测信 息经过多层图卷积处 理， 得到空间特征， 将上一时刻的空间特征与当前时刻的空间特征进 行融合， 得到拥塞传播 的空间相关性特征； 以及利用LSTM网络获得拥塞传播的动态 时间特征； 对所述空间相关性 特征和动态时间特 征进行融合， 得到路段 未来时刻的人群密度； 预测模块， 用于根据路段的人群密度， 以及各路段在时间和空间上的连接性， 确定拥 塞 传播图， 基于所述拥塞传播图对未来时刻的人群拥塞传播足迹进行 预测。 9.一种计算机设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述 处理器可执行 的机器可读指令， 当计算机设备运行时， 所述处理器与所述存储器之间通过 总线通信， 所述机器可读指 令被所述处理器执行时执行如权利要求 1至7任一所述的人群疏 散拥塞传播预测方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器运行时执行如权利要求 1至7任意一项 所述的人群疏散拥塞 传播预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115114446 A 3