买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国农业银行股份有限公司申请的专利应用于大型室内场景的火灾应急疏散指示方法及相关装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119514829B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411741890.1，技术领域涉及：G06Q10/047；该发明授权应用于大型室内场景的火灾应急疏散指示方法及相关装置是由刘浩设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本应用于大型室内场景的火灾应急疏散指示方法及相关装置在说明书摘要公布了：本申请公开了应用于大型室内场景的火灾应急疏散指示方法及相关装置，涉及人工智能领域，获取人员疏散网络流模型、密度矩阵、速度矩阵、疏散耗时矩阵。将上述参数输入至预构建的疏散路径预测模型，通过疏散路径预测模型获取所有节点分别对应的第一逃生路径。人员可以基于第一逃生路径逃生；随着时间流逝，第一逃生路径中人员未经过的节点的火灾详细信息可能发生变化，导致第一逃生路径不在是最适合的逃生路径，此时需要获得更新后的上述参数并输入至疏散路径预测模型，通过疏散路径预测模型获取第二逃生路径；这样人员可以通过第二逃生路径进行逃生。

本发明授权应用于大型室内场景的火灾应急疏散指示方法及相关装置在权利要求书中公布了：1.一种应用于大型室内场景的火灾应急疏散指示方法，其特征在于，包括： 获取人员疏散网络流模型，所述人员疏散网络流模型包括多个节点以及两两节点之间的边；两两节点之间的边表征两两节点之间用于人员行走的通路；所述多个节点包括逃生出口节点、普通节点、楼梯节点； 获取所述人员疏散网络流模型对应的距离矩阵；所述距离矩阵包括所述人员疏散网络流模型中所有具有边的两两节点之间的距离； 若检测到发生火灾，获取所述人员疏散网络流模型对应的密度矩阵；所述密度矩阵包括所述人员疏散网络流模型中所有节点分别对应的人流量密度以及具有边的两两节点之间通路的人流量密度； 从所述多个节点中确定危险节点和灾害节点；所述危险节点为人员流量密度大于或等于第一预设密度值的节点，所述灾害节点为发生火灾的节点； 若所述两两节点之间的边表征的通路的人流量密度大于或等于第二预设密度值，确定所述两两节点之间的边为拥堵路段； 将所述危险节点、所述灾害节点、所述拥堵路段更新至所述人员疏散网络流模型； 基于所述密度矩阵，获取所述人员疏散网络流模型对应的速度矩阵；所述速度矩阵包括所述人员疏散网络流模型中所有具有边的两两节点之间的通路中人员的移动速度； 基于所述距离矩阵以及所述速度矩阵，获取所述人员疏散网络流模型对应的疏散耗时矩阵； 将所述人员疏散网络流模型、所述距离矩阵、所述密度矩阵、所述速度矩阵以及所述疏散耗时矩阵输入至预构建的疏散路径预测模型，通过所述疏散路径预测模型获取所有节点分别对应的第一逃生路径； 针对每一所述节点，发送所述节点对应的所述第一逃生路径至所述节点对应的用于逃生的终端； 若检测到任意所述节点对应的人流量密度发生变更，或，任意两两节点之间的通路的人流量密度发生变更，或，任意两两节点之间的通路中人员的移动速度发生变更，或，任意所述节点的火灾情况发生变更，获得更新后的人员疏散网络流模型、更新后的密度矩阵、更新后的速度矩阵以及更新后的疏散耗时矩阵； 将更新后的人员疏散网络流模型、所述距离矩阵、更新后的密度矩阵、更新后的速度矩阵以及更新后的疏散耗时矩阵输入至所述疏散路径预测模型，通过所述疏散路径预测模型获取第二逃生路径； 针对每一所述节点，发送所述节点对应的所述第二逃生路径至所述节点对应的用于逃生的终端； 所述疏散路径预测模型为双重深度Q网络模型，训练所述双重深度Q网络的方法包括： 获取所述人员疏散网络流模型对应的样本密度矩阵；所述样本密度矩阵包括所述人员疏散网络流模型中所有节点分别对应的人流量密度以及具有边的两两节点之间通路的人流量密度； 基于所述样本密度矩阵，获取所述人员疏散网络流模型对应的样本速度矩阵；所述样本速度矩阵包括所述人员疏散网络流模型中所有具有边的两两节点之间的通路中人员的移动速度； 基于样本距离矩阵以及所述样本速度矩阵，获取所述人员疏散网络流模型对应的样本疏散耗时矩阵； 从所述多个节点中确定危险节点和灾害节点；所述危险节点为人员流量密度大于或等于第一预设密度值的节点，所述灾害节点为发生火灾的节点； 若所述两两节点之间的边表征的通路的人流量密度大于或等于第二预设密度值，确定所述两两节点之间的边为拥堵路段； 将所述危险节点、所述灾害节点、所述拥堵路段更新至所述人员疏散网络流模型； 获取智能体的状态信息，所述状态信息包括由第一节点分别移动至各个第二节点的耗时； 将所述人员疏散网络流模型、所述距离矩阵、所述样本密度矩阵、所述样本速度矩阵、所述样本疏散耗时矩阵以及所述状态信息输入至所述双重深度Q网络模型，通过所述双重深度Q模型输出多个动作分别对应的预测Q值；所述双重深度Q网络模型包括深度Q网络模型以及目标Q网络模型；所述动作为所述智能体由所述第一节点移动至所述第二节点的动作； 获取随机数； 若所述随机数大于预设阈值，从所述多个动作中随机选择一个目标动作，所述目标动作中的第二节点为目标第二节点； 若所述随机数小于或等于所述预设阈值，从所述多个动作中选择最大所述预测Q值对应的目标动作；所述目标动作中的第二节点为目标第二节点； 基于所述目标第二节点与所述逃生出口节点的最短距离、所述目标第二节点是否为所述灾害节点、所述目标第二节点是否为所述危险节点、所述目标第二节点是否为所述逃生出口节点、所述智能体从初始节点到达所述目标第二节点的目标耗时是否超过预设规定时长，确定所述智能体移动至所述目标第二节点的第一奖励； 将所述第一奖励以及所述目标动作对应的预测Q值输入至所述双重深度Q网络模型，以更新所述双重深度Q网络模型中的所述深度Q网络模型； 若所述目标第二节点不是所述灾害节点且不是所述逃生出口节点，且所述目标耗时未超过所述预设规定时长，返回所述获取智能体的状态信息步骤； 若所述目标第二节点是所述灾害节点或所述目标耗时超过所述预设规定时长，确定所述智能体返回所述初始节点，返回所述获取智能体的状态信息步骤； 若所述目标第二节点是所述逃生出口节点，获取逃生规划路径，所述逃生规划路径为所述智能体由所述初始节点到达所述逃生出口节点的路径； 基于所述逃生规划路径中所述灾害节点的数目、所述逃生规划路径中所述危险节点的数目、所述逃生规划路径中所述拥堵路段的数目、所述逃生规划路径中的长度，确定第二奖励； 将所述第二奖励以及所述目标动作对应的预测Q值输入至所述深度Q网络模型，以更新所述深度Q网络模型； 获取所述逃生规划路径中具有边的两两节点中由前一节点移动至后一节点的动作的目标真实Q值； 若按照逃生顺序所述逃生规划路径中具有边的两两节点对应的所述目标真实Q值依次变大，确定所述逃生规划路径为最优路径； 若按照逃生顺序所述逃生规划路径中具有边的两两节点对应的所述目标真实Q值未依次变大，确定所述智能体返回所述初始节点，返回所述获取智能体的状态信息步骤； 若所述深度Q网络模型的更新次数达到预设更新次数，将所述深度Q网络模型的参数赋值给所述目标Q网络模型； 若已获取所有节点分别对应的所述最优路径，确定所述双重深度Q网络模型训练完毕。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国农业银行股份有限公司，其通讯地址为：100005 北京市东城区建国门内大街69号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。