人群聚集风险预警系统建设与应用

<正>随着城市化水平的不断推进,城市商业街、旅游景区、交通枢纽、周期性的庙会、宗教活动等导致城市人员密集的场所愈发增多,加之社会矛盾问题的不断积累,密集人群已成为城市公共安全重点关注的对象。大量研究结果表明,控制人群聚集风险最有效的方法是预警和提前干预。传统的人员密集场所预警技术大都是视频监控系统,必须依赖管理人员24 h不间断的观看视频监控图像,事实证明这种方式是不可靠的。另     

基于互相关算法的人员密集场所人群运动速度特征研究

研究人群密集场所的人群运动速度特征可以预测人群的运动趋势,在大型活动组织过程中可以对异常人群运动做出预警,避免过度的拥挤及踩踏事件的发生,保证大型群体性活动的安全顺利开展。利用国内某重要城市核心区公共场所人群运动的视频图像,通过互相关算法提取该场所人群的运动速度,并进一步比较通往景区的四条不同路径上人群运动速度的差异性,分析其人群运动特征。分析结果表明单向通道的人群运动速度较大且运动方向基本与通道的两侧边界平行,而双向通道中由于人群中阻尼效应的影响,人群运动速度的大小和方向都发生了不同程度的改变。分析结果可为核心区管理者进行大型群体性活动的组织、人群疏散与引导提供建议,进而为人群拥挤踩踏事故风险防控、拥挤踩踏事故专项应急预案制定及人群聚集活动安全方案编制提供理论支持。     

航站楼旅客群体性事件预警监控系统架构及关键技术

针对航站楼旅客群体性事件的智能化预警问题,在民用机场航站楼内的现有视频监控系统的基础上,提出旅客群体性事件预警监控系统架构和关键技术。针对航站楼内的视频监控系统的视频数据进行预处理;基于空间聚类算法,从图像中提取人群聚集特征;针对目标监控区域的历史视频和突发事件数据进行统计分析,研究正常和非正常两种情况下的人群分布特征,并建立相应的预警规则库;根据预警规则,在人群聚集特征识别的基础上,对非正常目标密集人群进行识别。该系统可根据航站楼旅客群集性事件的时空特性,针对不同事件、不同时间、不同地点采用不同的规则进行预警,提高了预警的可靠性。     

基于行为识别技术的公共安全突发事件预警研究

通过分析当前行为识别技术的技术特点,指出了现有的行为识别技术在突发公共安全事件预警中的不足。针对突发公共安全事件预警的主要需求,基于现有成熟的行为识别技术,设计并提出了服务于突发人群聚集等多种异常目标行为分析的智能化识别与预警解决方案框架。该技术框架有助于提升警用视频监控智能化应用的有效度和精准度。     

城市商业综合体人群聚集踩踏风险及监测预警研究—以西单大悦城为例

城市商业综合体是人群聚集场所,一旦发生拥挤踩踏事故, 可能造成大量人员伤亡和恶劣的社会影响,是目前城市商业综合体管理的重要问题之一。通过对人群聚集踩踏风险影响因素及监测预警原理分析,考虑室内商业综合体和开放型公共场所监测预警系统构建的差异性,建立客流预警与应急指挥系统模型;以西单大悦城为实例进行应用和验证,研究结果表明:建立的客流预警与应急指挥系统能够提升商业综合体的监测预警和应急决策效率,进一步加强重点区域或场所的精细化管理,对预防城市商业综合体人群聚集踩踏事故具有重要意义。     

大规模密集人群流动规划中的虚拟现实技术应用

大型公共设施常常也是大规模人群集散的场所，节假日、大型活动等特定条件下，可能聚集大规模的密集人群。为保障人群的安全，需要对人群流动做出规划，预测人群的运动及可能发生拥挤踩踏事故的道路、台阶、通道等设施和突发事件，制定相应的应急措施。     

城市街巷型公共空间人群聚集安全风险量化评估

为预防城市公共空间安全事故,基于城市空间环境布局与人群行为对城市空间安全的重要影响,从建筑规划与人群活动特征的视角,选取人群密度、人群聚集度、人流冲突度和空间场所危险度等4个评估因子,根据经典风险评估理论,建立城市街巷型公共空间人群聚集安全风险量化评估模型。以厦门市中山路为例,经现场观测统计,获取真实状态下的人群活动数据,评估各路段空间的人群聚集安全风险。结果表明,城市街巷型公共空间人群聚集高风险是人群密度、人群聚集、人流冲突及空间场所布局因素综合作用的结果;其中,空间场所危险度权重系数最高,且人群密度结合人群聚集度才能更准确地反映其对人群聚集安全风险的影响。建议采取规划设计和管理措施降低所研究区域的安全风险。     

大规模密集人群流动规划中的VR技术应用

大型公共设施常常也是大规模人群集散的场所,节假日、大型活动等特定条件下,可能聚集大规模的密集人群。为保障人群的安全,需要对人群流动做出规划,预测人群的运动及可能发生拥挤踩踏事故的道路、台阶、通道等设施和突发事件,制定相应的应急措施。     

国家重点研发计划专项子课题“异常事件视觉感知与识别技术研究”(2017YFC0822204)项目介绍

<正>1研究背景与意义在经济与社会快速发展的背景下，车站、广场、商场、体育场馆及学校等人群密集度较高的场所数量急剧增加，容量规模不断扩大。各类人群聚集活动频繁出现，这些聚集活动通常具有人群高度密集、人员构成多样、流动性强等特点。高密度聚集且流动的人群隐藏着巨大的安全隐患，极易发生拥挤踩踏等突发公共事件，给城市公共安全管理提出了巨大的挑战。《国家中长期科学和技术发展规划纲要(2006-2020年)》中特别强调“加强对突发公共事件快速反应和应急处置的技术支持，以信息化、智能化技术应用为先导，发展国家公共安全多功能、一体化应急保障技术，形成科学预测、有效防控与高效应急的公共安全技术体系”。     

城市重点公共区域人群聚集风险的实时定量技术

城市公共区域人群高度聚集且流动性大,紧急状态时易发生群死群伤的拥挤踩踏事故,造成大量人员伤亡和社会负面影响。在FIST模型的基础上,提出以人员密度（D）、人员特性（C）、人与人的相互作用（I）以及人群聚集环境（E）作为表征公共场所人群聚集风险的基本参数,接下来对四个参数进行了相应的技术分析。第一,利用人群监控技术估计人群密度;第二,通过现场监测网络得到的人群压力值来表征人与人相互作用的强度;第三,忽略了个体差异对人群整体的影响;第四,把公共场所中导致事故发生的影响因子归结为综合扰动强度,并建立了相应的数学模型表征了这种强度的大小。最终建立了描述人群聚集风险的DICE模型。同时,给出了人群密度阈值、人群压力阈值以及人群聚集风险的总阈值及其判断标准,整个工作将人群聚集风险实时定量及管理技术推向了实用化的道路。     

人群聚集拥挤度的量化表征方法*

为有效识别人群聚集区域并量化拥挤人群聚集程度,构建全新的人群聚集拥挤度量化表征方法,归纳总结“人群拥挤度”定义,计算不同条件人群的个人间距并分析其分布特征,基于人群个人间距提出“个体聚集度”和人群“聚集拥挤度”计算方法,并对上海城隍庙豫园内九曲桥的一段入口区域进行实例分析。研究结果表明:人群规模和密度并不能完全真实反映群体拥挤程度,但通过人群个体间距概率分布和累积概率分布可以识别人群的局部聚集现象,基于个人间距的人群聚集度量化方法能够有效地衡量人群局部聚集程度和整体聚集情况,研究结果可为人群风险监测预警提供参考。     

人群密度对人群拥挤事故的影响

为了研究公共场所的人群密度与拥挤事故的发生概率.基于连续人群流动模型,从人群密度角度探讨了人群拥挤事故发生的机理.由于不同民族个体生理尺寸的差异,人群最大忍受密度不同,以此作为判断人群拥挤事故的标准,并结合我国情况提出我国人群最大忍受密度为9人/m2.最后模拟了某个拥挤事故场景,用该模型对其进行拥挤事故分析.结果表明,连续人群流动模型可以用于预测拥挤事故的发生,对预防和控制人群拥挤事故具有一定的指导意义.     

基于动态数据驱动的煤矿瓦斯异常涌出风险预警系统设计*

为解决煤矿瓦斯异常涌出风险预警过程中过度依赖系统模型,不能动态实时修正预测模型,预测、预报精准度和可靠度不高的难题,基于动态数据驱动技术,搭建瓦斯异常涌出风险预警系统架构,探讨动态数据驱动的瓦斯涌出监测曲线拟合、动态预警模型选择和修正、预警系统研发等关键性技术,开发基于动态数据驱动的瓦斯异常涌出风险预警系统软件。结果表明:动态数据驱动技术在煤矿瓦斯异常涌出风险预警方面具有强大的信息处理和问题求解能力,可实现仿真系统与实际系统间的动态响应和控制功能,并实时反馈修正,使预测结果更加精确、可靠,设计研发的预警系统可在矿井受瓦斯异常涌出威胁时发出可靠的预警信号。     

基于大数据的大型活动拥挤踩踏事故预警分析研究

为预防大型活动拥挤踩踏事故发生,以拥挤踩踏事故为研究对象,结合系统安全理论和预警原理,运用大数据技术建立拥挤踩踏事故预警模型。以上海外滩拥挤踩踏事故为实例,通过热力图预警分析、人群流向预警分析和地图搜索量预警分析,在事故发生前进行监测、识别、诊断和评价,得出存在事故早期征兆,属于Ⅱ级预警范围,应启动预警对控措施;并将预控对策与当晚实际事故发生过程中采取的对策进行对比,进一步说明基于大数据技术的拥挤踩踏预警对上海外滩拥挤踩踏事故预防和控制的有效性,相关预警技术和方法可为大型活动科学预防和控制拥挤踩踏事故提供技术支撑。     

基于突变理论的公共场所集群事件预警分级

针对公共场所集群事件,利用突变理论对其预警级别进行研究。选择2005—2008年发生的具有比较典型的集群事件为样本;考虑公共建筑饱和度、人群情绪指标、建筑管理指标和安全事故隐患等因素建立指标体系;运用尖点突变和蝴蝶突变模型进行突变级数的分析和评价,得到预警分级突变级数的大致范围;并运用一个公共场所集群事件发生时预警级别判断的实例进行说明。实例表明,利用突变理论模型,可以为公共场所管理者在人群安全监控决策方面提供初步的预警信息。     

面向实时人群动力学分析的深度基本图网络

当前行人疏散实验中基本图计算方法通常是通过对每个行人进行跟踪实现的。但这种跟踪方法难以实现实时人群动力学分析。针对这一问题,提出了深度基本图网络。实验提出的网络框架由两个模块组成,即多尺度递归卷积神经网络(MSR-Net)和光流模块,分别对行人密度和行人速度进行估计。具体来讲,MSR-Net学习了输入图像与行人密度图之间的映射关系。同时,光流模块实时计算出行人运动速度。基于密度图与速度图的空间对应关系,可以得到基本图。实验表明,我们的方法与传统方法有较好的一致性,而我们的方法可以直接得到行人运动信息,不需要先提取轨迹。同时,基于深度基本图网络还可以实现复杂场景下的异常检测,在人群动力学分析领域具有很好的应用前景。     

考虑熟悉度与恐慌效应的人群引导疏散仿真算法研究*

为研究紧急情况下人群疏散行为特点,结合势场理论和多出口选择模型,建立考虑引导、熟悉度和恐慌效应的PFT-LMES人群疏散算法。通过搭建有障碍和无障碍2种室内场景,研究不同环境熟悉度以及行人密度下引导作用对人群疏散效果的影响。研究结果表明:引导作用能够提高疏散效率,平衡各出口利用率,引导效果随行人密度增加更加显著;总体疏散时间随引导强度的提高表现为先减小后增大;当接受引导的人数占总数的42%时,2出口各自选择人数与出口通行能力比例基本一致,引导效果达到最优;相对于环境熟悉度较高的人群,不熟悉环境行人的引导效果更为显著。研究结果可为大型场所的紧急高效疏散提供参考。