大模型驱动的人员疏散态势推演与管控方法研究

随着城市化进程加快与人口密度上升，大型公共空间中的人员疏散与客流管控问题日益突出。传统方法忽视了设施调控或计算效率不足，难以支撑复杂场景的实时需求。本文提出大模型驱动的疏散态势推演与管控方法。首先，基于行人仿真与元胞自动机生成多类疏散数据集，涵盖疏散时间、人员密度及拥挤度演化规律。其次，利用卷积神经网络、图卷积网络与生成对抗网络构建预测模型，在保持精度的同时，计算效率较传统方法提升三至四个数量级，具备良好的泛化性与实时性。最后，结合模型预测控制提出多场景客流管控策略，有效降低拥挤风险并优化人员时空分布。研究表明，该方法可实现大规模人群的快速推演与动态管控，为公共安全保障、设施布局优化及城市交通管理提供理论支撑。

马剑，男，教授，博导，任西南交通大学智慧城市与交通学院副院长，交通安全技术四川省高校重点实验室主任，公共安全科学技术学会理事、全国公共安全基础标准化技术委员会危机管理标准工作组委员、中国建筑学会火灾风险评估专业委员、四川省普通本科高等学校教学指导委员会委员。担任国际期刊“Physica A”顾问编委（Advisory Editorial Board），“Scientific Reports”、“Future Transportation” 编委，《消防科学与技术》青年编委会主任委员，入选《安全与环境学报》、《西南交通大学学报》青年编委，是历届人员疏散领域著名国际会议Pedestrian and Evacuation Dynamics的程序委员。主持国家自然科学基金3项、国家重点研发计划子课题1项，获授权发明专利13项，发表高水平期刊论文100余篇，获广东省科技进步一等奖等省部级奖励7项。