主管：中华人民共和国应急管理部
主办：应急管理部天津消防研究所
ISSN 1009-0029  CN 12-1311/TU
消防科学与技术

消防科学与技术 ›› 2022, Vol. 41 ›› Issue (2): 210-215.

• • 上一篇    下一篇

综合GAN与CNN的应急疏散快速风险评估方法

李佳旭1,2，胡玉玲1,2，李嘉锋1,2   

  1. （1.北京建筑大学 电气与信息工程学院，北京 100044； 2.北京建筑大学 建筑大数据智能处理方法研究北京市重点实验室，北京 100044）
  • 出版日期:2022-02-15 发布日期:2022-02-15
  • 作者简介:李佳旭（1996-），男，河北唐山人，北京建筑大学电气与信息工程学院硕士研究生，主要从事基于深度学习的应急疏散风险评估方法研究，北京市西城区展览馆路1号，100044。
  • 基金资助:
    国家重点研发项目(2018YFC0807806)；北京建筑大学基本科研业务基金项目(X20109)

Rapid risk assessment method of emergency evacuation based on GAN and CNN

LI Jia-xu1,2, HU Yu-ling1,2, LI Jia-feng1,2   

  1. (1. School of Electrical and Information Engineering, Beijing University of Civil Engineering and Architecture, Beijing 100044, China; 2. Beijing Key Laboratory of Intelligent Processing for Building Big Data, Beijing University of Civil Engineering and Architecture, Beijing 100044, China)
  • Online:2022-02-15 Published:2022-02-15

PDF (PC)

735

摘要： 针对大型公共场馆疏散风险评估问题，提出一种综合生成对抗网络（GAN）与卷积神经网络（CNN）的应急疏散深度学习评估模型，通过WGAN（Wasserstein GAN）进行数据增强，解决疏散数据不足的问题，并基于CNN，分别采用LeNet以及ResNet两种网络结构进行数据训练。以某大型体育馆为例，应用该方法进行疏散风险评估。研究结果表明，该方法能够建立有效的风险评估模型，实现应急疏散的快速风险评估。

关键词: 应急疏散, 生成对抗网络, 卷积神经网络, 风险评估

Abstract: Against the problem of large public venues evacuation risk assessment, a deep learning evaluation model for emergency evacuation that integrates generative adversarial networks (GAN) and convolutional neural networks (CNN) was proposed. The problem of insufficient evacuation data is solved by data enhancement through WGAN (Wasserstein GAN). Based on CNN, two network structures of LeNet and ResNet were used for data training. A large gymnasium was taken as an example, to perform the evacuation risk evaluation by the method. The research results showed that an effective risk assessment model can be established to achieve rapid risk assessment for emergency evacuation.

Key words: emergency evacuation, generative adversarial networks, convolutional neural networks, risk assessment