公共建筑自校准客流仿真及空间优化方法及设备与流程

本发明涉及一种公共建筑自校准客流仿真及空间优化方法及设备。

背景技术：

1、公共建筑空间布局的合理性越来越受到公共建筑管理者的关注，不合理的空间布局及资源配置使得公共建筑不断面临拥挤通道、迂回流线和交织客流等问题，这些问题不仅给建筑用户带来极大的不便，增加公共建筑日常管理的难度，而且可能会增大人流交织带来的安全风险，严重影响公共建筑的运营效率。

2、近年来，计算机仿真技术得到了发展和广泛应用，对公共建筑内真实的客流行为的预测提供了有利条件。但由于仿真的基础数据是历史数据，客流预测结果缺少实时性，并且针对预测误差的衡量缺少可靠依据，相较于复杂的实时变化的环境，其真实性还有待发掘；同时将客流仿真结果应用于空间优化的系统性方法还有待完善。

技术实现思路

1、本发明的目的在于提供一种公共建筑自校准客流仿真及空间优化方法。

2、为解决上述问题，本发明提供一种公共建筑自校准客流仿真及空间优化方法，包括：

3、step 0：训练gru神经网络客流预测模型；

4、step 1：设置初始可行解，设置初始温度，终止温度，降温系数为，最大迭代次数为，退温函数为；

5、step 2：设置当前解,当前温度；

6、生成初始可行解，将初始可行解和公共建筑内的第二历史环境数据中的到达率、事件概率pk和业务处理时长tk，输入至训练完成的gru神经网络客流预测模型，得到业务环节区域k对应的仿真客流密度计算；基于仿真客流密度计算和已知对应的实际客流密度，计算平均模型误差评估，令，,；

7、step 3：在当前温度下，对进行次邻域搜索，生成新的邻域解即行人步行速度，将行人步行速度及第二历史环境数据中的到达率、事件概率pk和业务处理时长tk，输入至训练完成的gru神经网络客流预测模型，计算第二仿真客流密度，并基于第二仿真客流密度和已知对应的第二实际客流密度，计算平均模型误差；

8、step 4：计算二次差值，，若，则接受新解，令，，；

9、若>=0，以metropolis准则计算概率p，以概率p接受新解，基于概率p若接受，，；

10、基于概率p若不接受，保持原来的、和；

11、step 5：更新温度，将作为新的当前温度，后返回step3，进行循环，直到满足条件时，当前的最优解即为最终解；

12、step 6：若最优解对应的仿真客流密度大于预设阈值，则调整公共建筑内的服务设施和服务人员的空间布置的方案，再循环step3至step 5，计算调整后的最优解对应的性能指标，直至对应的性能指标小于等于预设阈值。

13、进一步的，在上述方法中，gru神经网络客流预测模型包括：输入层、第1层隐藏层、第2层隐藏层、线性全连接层和输出层，训练gru神经网络客流预测模型，包括：

14、step 0.1：将公共建筑内的第一历史环境数据中的到达率、事件概率pk、业务处理时长tk、行人步行速度作为输入向量，进入gru神经网络客流预测模型的输入层，业务环节区域k对应的仿真客流密度作为输出向量进gru神经网络客流预测模型的输出层，j表示建筑中的入口编号，k表示业务环节区域的序号；

15、step 0.2：gru神经网络客流预测模型的第1层隐藏层接受输入层的输入向量，结合所述第1层隐藏层中每个gru神经元的输出，得到第2层隐藏层的输入向量，抽象出到达率、事件概率pk、业务处理时长tk、行人步行速度以及业务环节区域k对应的仿真客流密度之间的关系；

16、step 0.3：gru神经网络客流预测模型的第2层隐藏层接受第2层隐藏层的输入向量，结合所述第2层隐藏层中每个gru神经元的输出得到第2层隐藏层的输出向量；

17、step 0.4：将第2层隐藏层的输出向量，输入到gru神经网络客流预测模型的线性全连接层，最终训练输出网络模型预测的客流密度，并输出给输出层。

18、进一步的，在上述方法中，计算平均模型误差评估中，

19、，n表示业务环节区域的总数。

20、进一步的，在上述方法中，计算平均模型误差，包括：

21、，n表示业务环节区域的总数。

22、进一步的，在上述方法中，计算概率p，包括：

23、。

24、进一步的，在上述方法中，所述性能指标，包括：仿真客流密度、各业务环节区域排队时长和感染风险。

25、进一步的，在上述方法中，业务环节区域排队时长，其中，为模型中建筑用户的排队时长； n为已完成排队的建筑用户数量。

26、进一步的，在上述方法中，感染风险，其中，n是仿真的建筑用户总数，i表示仿真的建筑用户序号；

27、感染概率，其中，r表示初始感染率，与感染风险成正比的倍， t为接触时间。

28、根据本发明的另一方面，还提供一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：执行上述任一项所述的方法。

29、根据本发明的另一方面，还提供一种计算器设备，其中，包括：

30、处理器；以及

31、被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：执行上述任一项所述的方法。

32、与现有技术相比，本发明的融合gru神经网络及模拟退火的公共建筑自校准客流仿真及空间优化方法，充分利用公共建筑出入口实时监控数据，以自校准的仿真模拟方式实时且准确预测公共建筑各区域客流密度，优化公共建筑空间布局，提升公共建筑服务质量。

33、本发明所提出的一种融合gru神经网络及模拟退火的公共建筑自校准客流仿真及空间优化方法，该方法的优点在于：

34、实时性：使用本发明的方法绑定实时监控数据流与实时业务数据流，实现对应仿真参数包括到达率、事件概率以及业务环节时长的实时自校准，确保客流仿真的实时性；

35、准确性：本发明基于gru-模拟退火算法，搜索行人步行速度，据此预测的客流密度与实际比较并计算误差，不断自校准步行速度参数直至误差最小，确保仿真客流密度的准确性；

36、新颖性：本发明首次从建筑用户的便利性、安全性以及布局流线的合理性等方面提出客流密度、排队时长以及呼吸感染风险优化指标，综合评价确定空间布局优化方案。

技术特征：

1.一种公共建筑自校准客流仿真及空间优化方法，其特征在于，包括：

2.如权利要求1所述的公共建筑自校准客流仿真及空间优化方法，其特征在于，gru神经网络客流预测模型包括：输入层、第1层隐藏层、第2层隐藏层、线性全连接层和输出层，训练gru神经网络客流预测模型，包括：

3.如权利要求1所述的公共建筑自校准客流仿真及空间优化方法，其特征在于，计算平均模型误差评估中，

4.如权利要求1所述的公共建筑自校准客流仿真及空间优化方法，其特征在于，计算平均模型误差，包括：

5.如权利要求1所述的公共建筑自校准客流仿真及空间优化方法，其特征在于，计算概率，包括：

6.如权利要求1所述的公共建筑自校准客流仿真及空间优化方法，其特征在于，所述性能指标，包括：仿真客流密度、各业务环节区域排队时长和感染风险。

7.一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：执行如权利要求1至6任一项所述的方法。

8.一种计算器设备，其中，包括：

技术总结本发明提供了一种公共建筑自校准客流仿真及空间优化方法及设备，充分利用公共建筑出入口实时监控数据，以自校准的仿真模拟方式实时且准确预测公共建筑各区域客流密度。使用本发明的方法绑定实时监控数据流与实时业务数据流，实现对应仿真参数包括到达率、事件概率以及业务环节时长的实时自校准，确保客流仿真的实时性；本发明基于GRU‑模拟退火算法，搜索行人步行速度，据此预测的客流密度与实际比较并计算误差，不断自校准步行速度参数直至误差最小，确保仿真客流密度的准确性；本发明首次从建筑用户的便利性、安全性以及布局流线的合理性等方面提出客流密度、排队时长以及呼吸感染风险优化指标，综合评价确定空间布局优化方案。技术研发人员：许璟琳,陈芊茹,叶聪,张铭,黄轶,余芳强,许之恺受保护的技术使用者：上海建工四建集团有限公司技术研发日：技术公布日：2024/7/29