法倾向于选择拥塞因子小的出口（先前根据距离最短选择出口），于是减少 了原会发生拥挤堵塞的出口的疏散任务，增加了未充分发挥疏散能力出口的疏散任务，由 此达到调节各通道疏散任务的目的。扩展所述路径选取单元的计算公式为：
[0114]
人n为拥塞因子；
[0115] 将人群疏散仿真模型的路径选取单元修改为扩展后的路径选取单元，即可得到安 全通道均衡撤离调节模型。
[0116] 换言之，人群疏散仿真模型与安全通道均衡撤离调节模型区别在于拥塞因子的引 入，即路径选取单元的计算公式有所不同。
[0117]s3、构建人工神经网络模型
[0118] 应用安全通道均衡撤离调节模型模拟一定数量的拥塞因子确立的撤离方案，得到 BP神经网络训练样本及检验样本，构建3层BP神经网络，具体的，
[0119] 人群疏散仿真模型构建完成后，随机产生20~40组拥塞因子，确立20~40种撤 离方案，应用安全通道均衡撤离调节模型对撤离方案进行仿真模拟，输出相应的撤离完成 总时间，随机选取其中15~30组作为BP神经网络训练样本，其余为检验样本；
[0120] 对于人工神经网络模型单元，首先应确定BP神经网络的层数。层数越多，处理复 杂非线性问题能力越强，训练时间也越长，但若层数过于少，收敛效果越差。对于撤离总时 间求解问题，可选取在闭区间内对任意一个连续函数都可逼近的3层BP神经网络。
[0121] 确定每层节点的个数。第一层为输入层，安全通道的数量决定输入层节点数量，若 此建筑物内部共有N个安全通道，则节点数量为N个。每组输入对应一组拥塞因子h，入2， 入3~An，即每组输入值对应已获取的预选方案安全通道的拥塞因子。最后一层为输出层， 根据撤离总时间求解问题的需求，第三层的输出值为模拟得到的撤离完成总时间，故输出 层节点数量1 = 1，每组对应的输出值为撤离完成总时间T。第二层为隐含层，隐含层节点 数量一般取最大值，故应先确定隐含层节点数量范围，隐含层节点数量范围计算公式为：
[0123] 其中，1表示输出层节点数量，m表示隐函数节点数量。
[0124] 选取各层激发函数。输入层神经元的激发函数，取f(x) =x，即将输入层神经 元的值不加处理地直接加权传送至隐含层神经元。隐含层和输出层神经元的激发函数为 Sigmoid型函数f(x) =l/(l+e-x)。该函数的特点是定义域为实数，取值范围为[0,1]，并 且无限可微。
[0125] 进入BP神经网络模型的训练阶段。首先确定网络初始参数，隐含层和输出层的阈 值取[0, 1]之间的数，可随机生成或取一定值，此处初始权值和阈值均随机生成。因选取的 入"取值范围为[0, 1]，所以无需对xn进行归一化处理。
[0126] 进入网络的训练与检验阶段。通过所述提及的训练样本对网络进行训练，直到精 度符合要求为止，应用matlab语言编译BP神经网格，部分代码如下：
[0127] net=newff(p_train，t_train，[12, 1]，{'tansig'，'tansig'}，'traingd'）；% 初始化网络结构
[0128] net. trainParam.epochs=lel2 ； %迭代次数
[0129]net. trainParam.lr=0.2； %训练速度
[0130] net. trainParam.goal= 0. 00004； %均方误差
[0131] [net,tr] =train(net,p_train,t_train);%调用网络训练函数
[0132] savenet； %保存网络
[0133] 所述提及的net即为训练成熟的BP神经网络。
[0134]s4、建立撤离方案优选模型
[0135] 通过N层嵌套循环对撤离方案优选单元：以0. 1为循环初始值，1. 0为循环终止 值，步长选为〇. 1，完成N次嵌套循环，生成le+N组拥塞因子，确定le+N种撤离方案，应用 训练成熟的BP神经网络net，预测撤离方案对应的撤离完成总时间，然后筛选出撤离完成 总时间最少的一组拥塞因子1";将这组拥塞因子A"输入安全通道均衡撤离调节模型中， 计算该组拥塞因子对应的撤离完成总时间与理想撤离总时间的相对偏差，若相对偏差小于 10%~15%，则认为这组拥塞因子An确立的撤离方案较为理想；若未达到该要求，进行二 次撤离方案优选阶段，即以An_〇. 1为循环初始值，An+〇. 1为循环终止值，步长选为〇. 02， 完成N次嵌套循环，生成le+N组拥塞因子确立的撤离方案，应用训练成熟的BP神经网络 模型net，预测撤离方案撤离完成总时间，然后筛选出撤离完成总时间最少的一组拥塞因子 入";应用mapminmax函数对该组拥塞因子作归一化处理后，输入安全通道均衡撤离调节模 型中，得到人员疏散选择区信息图。
[0136] 人员疏散选择区信息图中示出了建筑物中人员进行撤离的最佳出口，制定撤离方 案的关键在于保证人员按照指定的出口撤离，具体可以通过以下措施实现：
[0137] 1)在人员进入建筑物前，结合人员疏散选择区信息图，告知每个人指定的撤离出 口编号，也可通过将最佳撤离出口编号标记在门票、座位上提醒每个人；
[0138] 2)在建筑物内部可通过夜光标牌的方式指示人员通向每个出口的具体路线，在出 口位置应标明出口编号，方便人群找寻最佳撤离出口位置；
[0139] 3)在紧急情况发生时，每个出口安排1~3名工作人员引导人群按照指定的撤离 出口安全疏散，也可通过语音广播方式引导疏散人群。
[0140] 下面以某体育馆演唱会为例，更为详细的说明本发明中一种公共建筑物非均称安 全通道的人群均衡撤离方法的具体实施步骤：
[0141] 该体育馆总轮廓近似为长宽为44.OOmX31. 00m的椭圆形，容纳人数约为2500人， 安全通道口共12个，编号分别为Ei、E2-E12，分布于体育馆边界周围。
[0142] 由于观众座位并非为均匀分布，特别是有区域为舞台遮挡区，此区域座位为空，显 然安全通道口的位置未根据人群分布位置而安设，因此可推知在该体育馆举办演唱会时， 存在因非均称安全通道产生人群不均衡撤离的问题，下面将本发明中的非均称安全通道人 群均衡撤离方法应用于该体育馆举办的演唱会。
[0143] 以网格大小0.40mX0. 40m对其进行划分，辨别无占用网格、建筑物占用网格、人 员占用网格，完成集合S[i]的赋值，网格划分后如图2所示。
[0144] 通过多次试验测定得到上台阶速度系数为0.63,下台阶速度系数为0.81，平台阶 速度系数为1.0。通过所述人群疏散仿真模型可输出现有撤离完成时间为151. 50s。同时 输出滞留人数与时间的关系曲线图3。
[0145] 由图3可以得到曲线斜率最大段斜率约为-27. 78,则得到线性曲线y =-27. 78x+2506,由线性曲线得出x轴的截距为90. 02,因此可预测出理想的撤离完成总时 间为 90. 02s。
[0146] 随机产生30组拥塞因子确立30种撤离方案，应用安全通道均衡撤离调节模型对 撤离方案进行仿真模拟，输出相应的撤离完成总时间。
[0147] 随机选取其中25组作为BP神经网络训练样本，其余5组为检验样本。
[0148] 对于预测疏散撤离的总时间，选取在闭区间内对任意一个连续函数都可逼近的3 层BP神经网络建立时间求解模型。
[0149] 输入层节点数量为12个。每组对应的输入值分别为A^A2，AAn，即每组输 入值对应已获取的预选方案中安全通道的拥塞因子。输出层为输出撤离的总时间，输出层 节点数量1 = 1，每组对应的输出值为撤离完成总时间T。通过所述计算公式确定隐含层节 点个数的取值范围为[4, 8]间整数，故隐含层节点个数取最大值8。对于输入层神经元的激 发函数，取f(x) =x，隐含层和输出层神经元的激发函数为Sigmoid型函数。通过已选取 25组训练样本对网络进行训练，直到精度符合要求为止。
[0150] 通过12层嵌套循环对撤离方案优选单元：以0. 1为循环初始值，1. 0为循环终止 值，步长选为〇. 1，完成12次嵌套循环。通过12次嵌套循环，生成le+12组拥塞因子确立的 撤离方案，应用训练成熟的BP神经网络net，预测撤离方案撤离完成总时间，然后筛选出撤 离完成总时间最少的一组拥塞因子，出口EpEfE12对应的拥塞因子分别为0. 8、0. 3、0. 6、 0? 8、0. 6、0. 3、0. 8、1. 0、0? 7、0. 7、0. 7、1. 0〇
[0151] 将这组拥塞因子输入安全通道均衡撤离调节模型中，通过仿真模拟得出撤离 完成总时间为110. 50s，计算撤离完成总时间T与理想撤离总时间的相对偏差为18. 53%， 相对偏差在大于5%~10%，于是进行二次撤离方案优选阶段：以分别以0. 7、0. 2、0. 5、 0? 7、0. 5、0. 2、0. 7、0. 9、0. 6、0. 6、0. 6、0. 9 为循环初始值，分别以 0? 9、0. 4、0. 7、0. 9、0. 7、 0. 2、0. 7、1. 1、0. 8、0. 9、0. 8、1. 1为循环终止值，步长选为0. 02,完成12次嵌套循环。
[0152] 通过12次嵌套循环，生成le+12组拥塞因子确立的撤离方案，应用训练成熟的BP 神经网络预测撤离方案撤离完成总时间，然后筛选出撤离完成总时间最少的一组拥塞因 子，应用mapminmax函数对该组拥塞因子作归一化处理，得到拥塞因子为0. 72、0. 70、0. 70、 0. 98、0. 98、0. 78、0. 78、0. 32、0. 32、0. 66、0. 66、0. 80。
[0153] 将这组拥塞因子Xn输入安全通道均衡撤离调节模型