一种基于机器学习的疏散路径推荐方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111445054A(43)申请公布日2020.07.24(21)申请号201911072786.7(22)申请日2019.11.05(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人黄元琪毕重科侯敏王佳敏傅宝锋(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人韩帅(51)Int.Cl.G06Q10/04(2012.01)G06Q50/26(2012.01)G06N3/08(2006.01)G06N3/04(2006.01)G06N7/00(2006.01)权利要求书1页说明书7页附图6页(54)发明名称一种基于机器学习的疏散路径推荐方法(57)摘要本发明公开了设计一种基于机器学习的疏散路径推荐方法，包括如下步骤：步骤一，使用自动编码器的增量训练获取数据中不同因子的权重；步骤二，使用反向传播优化数据简约过程，分配不同维度的权重，将重要特征保留在低维数据中；步骤三，在完成数据简约之后使用2D散点图对数据进行可视化，并与其他降维方法共同评估性能；步骤四，设计疏散路径推荐马尔可夫奖励函数与折扣因子；步骤五，设计实现避难路径预测并进行可视化；本发明通过数据简约与机器学习的合作，扩大了马尔可夫过程应用与路径设计的范围，使不同来源的高维数据都可以在处理后进行路径预测，同时使用的增量式自编码器模型简化输入数据也为机器学习过程提升了效率与精度。CN111445054ACN111445054A权利要求书1/1页1.一种基于机器学习的疏散路径推荐方法，其特征在于，包括如下步骤：步骤一，使用自动编码器配合增量训练模型从气象数据中得到不同因子的权重系数；步骤二，用反向传播优化数据简约过程，分配不同维度的权重，将重要特征保留在低维数据中；步骤三，完成数据简约之后使用2D散点图对数据进行可视化，并与降维方法共同评估性能；步骤四，设计马尔可夫过程的奖励函数Reward(s,a)与折扣因子(γ)；步骤五，设计对数据进行分析，得到结论并对分析结果进行可视化处理。2.根据权利要求1所述一种基于机器学习的疏散路径推荐方法，其特征在于，所述步骤二中使用的反向传播梯度优化过程，使数据符合分布：使用激活函数SoftPlus优化梯度问题：σ(x)＝log(1+ex)使每一个全连接层的训练数据可以从上一层得到：σX[i]＝W*Zi-1+bZ[j]＝σ(X[j])。3.根据权利要求1所述一种基于机器学习的疏散路径推荐方法，其特征在于，所述步骤三中对本发明方法中自动编码器与其它数据降维降维结果的可视化与比较。4.根据权利要求1所述一种基于机器学习的疏散路径推荐方法，其特征在于，所述步骤四中马尔可夫过程中奖励函数Reward(s,a)与折扣因子(γ)的设计，即：2CN111445054A说明书1/7页一种基于机器学习的疏散路径推荐方法技术领域[0001]本发明涉及地震避难路径方法技术领域，具体涉及一种基于机器学习的地震避难路径推荐方法。背景技术[0002]疏散路线对于大规模的应急安全管理具有重要意义。在一条良好的疏散路线的引导下，我们可以拯救许多生命和财产，特别是在我们无法依靠直觉找到出路的灾害中，例如浓烟、地震、核污染等。一个良好的疏散路线方案应该是一个全局最优的方案，可以在灾害环境中很快的被得到。然而，在灾害中有相当多的因素需要考虑。如果每个因素都是灾害数据的一维，那么灾难数据就是高维的。涉及避难路径时，需要考虑很多数据指标，比如在地震中，我们不能只把地震级数作为唯一指标考虑，应当综合多种指标共同得到结果，这就需要高维数据处理技术与机器学习方法共同的作用。[0003]已经存在几项灾害大数据疏散路线设计工作特别是随着近些年来，极端事件的大数据已成为一个重要课题，大量的研究已经开展，这些研究可为应急疏散管理提供帮助。帮助我们逃离危险区域的最有效的方法是在灾难发生时立即设计一个最佳的疏散路线。然而，在一场灾难中有许多影响因素。直接分析这种高维复杂数据的分析是困难的。因此许多研究者提出了不同情况下的最佳疏散路线。比如火灾发生时的体育场，医院，机场，车站等人流密集场所的疏散方案，主要时考虑到人流量与挤压踩踏的风险。还有一些借助智能设备，信息通信进行交通疏散辅助的方法以及一些动态人群疏散案例的研究。对于自然灾害，也有一些基于存在案例的研究，针对一场有充分特征的固定灾害，比如台风。但是上述的方法大多只能在特殊情况下使用，也就是数据并不那么复杂，并且有一定先验规律可循的情况下。因此本发明设想一个地震灾害中的一般疏散路线推荐方法。为此，必须快速处理大数据，数据简化是最有效的方法之一，尤其是在考虑全局数据的情况下，最佳疏散路线设计就是这样一种情况。应急管理的数据简约方法应充分