一种用于复杂布局多出口建筑疏散风险缓解的逆向生成框架

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：An Inverse Generative Framework for Evacuation Risk Mitigation in Multi-exit Buildings with Complex Layout

　　

• •
  提出了一种逆向生成框架，用于从目标信息推断人群分布。
• •
  构建了涵盖多种建筑结构的27,000种场景的疏散数据集。
• •
  开发了一种具有物理约束的cGAN模型，并通过后处理得到可行解。
• •
  相比传统策略，该方法在降低风险方面更具优势。
• •
  可实现端到端的快速生成（约3秒），便于及时进行风险诊断和决策支持。

引言

快速的城市化进程使得人口越来越多地聚集在商业综合体、交通枢纽和体育场等大型公共设施中。在这些场所，高密度的人群聚集往往会导致系统陷入非线性且不稳定的状态。在火灾、地震或恐怖袭击等紧急情况下，若缺乏有效的疏散策略，就有可能引发恐慌、拥堵甚至踩踏事件，从而导致严重的人员伤亡和经济社会损失[[1], [2], [3]]。因此，在复杂的建筑环境中确保安全高效的疏散已成为公共安全管理中的重要问题[4]。

根据安全规范，大多数公共建筑都设计有多个出口以便提供冗余保障。然而在实际的疏散过程中，由于信息有限和恐慌情绪，行人往往会出现非理性及从众行为。人们通常会选择最显眼或最近的出口，而忽视那些不太拥挤的替代路线[[5], [6], [7]]。这些微观层面的出口和路径选择会累积成宏观层面的流量失衡，进而改变疏散过程中的拥堵空间分布。同时，行人的空间分布本身就具有异质性，这受功能分区、时间动态以及建筑结构的影响[[8]]。初始分布不均与有偏的出口选择相结合，往往会导致出口负荷严重失衡，有些出口过于拥挤，而另一些则未被充分利用。这种失衡不仅会降低疏散效率，还会增加整体疏散风险[[9]]。因此，了解行人空间组织模式、出口负荷分布与疏散性能之间的关系，对于识别空间脆弱点以及为多出口建筑中的风险管控提供依据至关重要。

目前关于疏散安全的研究主要集中在正向评估[[10]]或路径规划[[11]]方面。正向模拟是在预设的人群分布条件下评估疏散性能，而路径规划则旨在在出现拥堵后为行人提供指引。这些方法对于情景分析和操作指导很有价值，但本质上属于被动响应，大多遵循“给定行人分布——评估疏散结果”的思路。因此，它们很难回答这样一个反向问题：在特定的建筑布局和人口条件下，何种类型的 Occupancy形态才能实现预期的疏散性能水平。这一局限性使得人们难以快速识别复杂多出口建筑中潜在的占用风险结构和空间脆弱点。

基于上述考虑，本研究旨在系统探究行人空间分布对紧急疏散性能的影响机制。通过打破“行人分布是固定输入”这一传统假设，本研究提出了一种基于深度学习的生成框架，用于研究疏散性能目标与可行的行人空间组织模式之间的反向关系。该框架并非直接将生成的分布应用于实际建筑场景，而是试图找出在特定建筑布局和人口规模下，与较低拥堵风险及更均衡的出口使用率相关的参考性行人分布模式。从这个意义上说，该框架可作为风险识别和决策支持的工具，帮助发现易受攻击的空间结构，诊断潜在的出口负荷失衡问题，并为疏散规划、活动组织、分阶段疏散以及拥挤场所的近实时风险诊断与预警提供量化依据。

本文的主要贡献如下：

• 1.
  大规模疏散数据集的构建。本研究利用仿真方法构建了一个涵盖多种建筑几何形状、出口布局、人群密度以及行人空间组织模式的多场景数据集，为分析行人分布与疏散性能之间的关系提供了数据基础。
• 2.
  用于推断行人空间组织的逆向生成框架。本研究提出了一种具有独立于仿真器的数据接口的条件生成模型，用于寻找与目标疏散性能相匹配的可行行人分布模式。该模型整合了多通道语义编码、结构化密度场生成以及基于物理约束的热图转坐标后处理技术，从而确保生成的分布具有可行性并能够实际应用。
• 3.
  用于多出口疏散管理的风险认知范式。本研究不再局限于对预设场景的评估，而是开始探索疏散目标与行人空间组织之间的反向关系。所生成的分布模式可作为识别脆弱点、诊断出口负荷失衡以及实施基于风险的群体管理措施的参考依据。

本文的其余部分结构如下：第2节回顾了多出口疏散优化的相关研究以及深度学习在疏散研究中的应用；第3节详细介绍了研究方法，包括数据集构建、模型设计以及人群分布的后处理流程；第4节展示了生成模型的训练与评估过程，证明了所提出的逆向生成方法的有效性与实用性；最后，第5节总结了主要研究结论。

章节要点

多出口疏散优化中的传统方法

多出口公共建筑中的疏散优化一直是群体动力学和公共安全研究领域的重点课题。传统的疏散研究大多依赖于基于仿真的方法，比如社会力模型和元胞自动机模型[[12,13]]。这类研究通常从三个主要角度展开，即疏散路径规划、出口选择行为机制以及出口负荷平衡策略。

• (1)
  路径规划
  路径规划是

研究方法

本节详细介绍所提出的用于推断行人分布的逆向生成框架。为便于理解，首先在图1中概述了整个工作流程。首先描述了多维度建筑-行人-时间关联数据集的构建过程，本研究采用Pathfinder作为仿真环境，在一致的建模假设下生成配对样本。接着介绍了数据预处理步骤，重点强调了

模型训练

为了对生成模型进行全面且有效的训练，本研究基于构建的数据集开展了系统性实验。在数据预处理阶段，首先将9,000个基础场景样本按照9:1的比例通过随机分层抽样法划分为训练集和测试集，由此得到8,100个训练场景和900个测试场景。之后，仅在各个独立划分的子集中进行数据增强处理。

结论

本研究提出了一种基于仿真的逆向生成框架，用于理解多出口建筑中目标疏散性能与可行行人空间组织模式之间的关系，实现了从正向评估向生成具备风险意识的行人分布模式的转变。主要结论如下：

• (1)
  所提出的GAN模型能够准确重建不同建筑结构下的人群空间分布，其平均SSIM值达到0.9348。

未引用参考文献

[39]

CRediT作者贡献说明

孙华凯：概念构思、研究方法、初稿撰写、正式分析。

胡鹏：数据整理、正式分析。

朱凯：资源提供。

何启新：数据整理、正式分析。

吴柯：文稿审阅与编辑、正式分析、资金筹集、项目指导。

张天航：文稿审阅与编辑、概念构思、资金筹集、项目指导。

CRediT作者贡献说明

孙华凯：初稿撰写、研究方法、正式分析、概念构思。 胡鹏：正式分析、数据整理。 朱凯：资源提供。 何启新：正式分析、数据整理。 吴柯：文稿审阅与编辑、项目指导、资金筹集、正式分析。 张天航：文稿审阅与编辑、项目指导、资金筹集、概念构思。

Huakai Sun|Pan Hu|Kai Zhu|Qixin He|Ke Wu|Tianhang Zhang