组合动作空间深度强化学习的人群疏散引导方法

薛怡然,吴 锐,刘家锋

(模式识别与智能系统研究中心(哈尔滨工业大学),哈尔滨 150001)

大型商场、写字楼等多功能建筑在满足人们多种需求的同时，建筑复杂程度逐渐提高。在发生地震、火灾等灾害时，建筑内复杂的结构对人群疏散逃生形成阻碍，对生命安全形成新的威胁。灾害发生时，人群由于对建筑物环境不了解、视野受限、心理恐慌等因素，难以准确找到最优逃生路线[1]。在从众心理的影响下，逃生者容易形成拥堵甚至踩踏，造成更大损失[2]。如何引导人群以最有效的路径疏散，对灾害中保护生命安全，减少人员财产损失具有重要意义。

为了在灾害发生时引导人群有效疏散，研究者开发了多种基于动态引导标志的人群疏散引导系统[3-6]。此类系统可以对建筑场景建模，收集灾害位置和人群分布等实时信息，用路径规划算法找出最优逃生路径，通过动态引导标志诱导人群的运动状态，有效地提高了紧急情况下人群逃生效率。但是，现有的人群疏散引导系统都离不开人工设计基于拓扑图或者网格形式的场景模型、根据场景特征手动输入模型参数等工作，人工工作量较大并且容易引入人为因素造成的误差，对后续路径规划等计算步骤造成干扰。

针对此问题，本文提出了基于深度强化学习算法的端对端的人群疏散引导方法。即训练一种仅以建筑平面图为输入，在与环境的交互和反馈中自动探索学习场景模型和路径规划方法，发现最优动作策略，直接输出动态引导标志信息的疏散引导智能体。……