一种自然灾害场景下弱网拓扑协同人员避险调度方法与流程

本发明属于应急避险调度，具体涉及一种自然灾害场景下弱网拓扑协同人员避险调度方法。

背景技术：

1、地震、洪涝、台风等自然灾害易造成基站损毁、信号遮挡与信道拥堵，形成高时延、高丢包、强抖动的弱网环境。传统应急调度体系存在通信管控无序、指令识别智能化低、定位误差大、疏散路径同质化、无自适应迭代能力等缺陷，各功能模块相互割裂、协同性差，难以满足复杂灾害场景下精准、高效、分层的人员避险调度需求，具体技术缺陷如下。

2、第一，传统感知与指令识别技术弱网适配性差、智能化不足：现场采集的惯性数据易受设备抖动、人体运动及电磁干扰影响，常规滤波降噪效果有限，噪声数据直接参与解算会降低调度精度。传统指令识别依赖固定关键词匹配，无法适配灾害现场残缺、口语化、非标准化指令，容错性与泛化能力弱；且高度依赖云端算力与稳定网络，弱网、断网场景下无法正常工作。

3、第二，传统弱网拥塞调控与带宽分配策略固化、无差异化：常规应急业务传输资源调控采用固定参数调控，无法适配灾害网络动态波动特征；同时未区分应急业务优先级，指挥调度、伤员转运等高优先级业务易被挤占，导致关键指令延迟、丢包甚至中断，无法保障核心应急业务传输可靠性。

4、第三，传统定位与避险调度精度低、适配性弱、无闭环优化：纯惯性导航长期运行存在严重累积漂移误差，常规滤波参数固定，无法适配人员动态运动与弱网波动场景，定位抗干扰能力差。路径规划采用同质化统一策略，未区分普通群众、医护人员、行动不便人群的差异化需求。同时传统系统为开环固定策略，无法根据现场通行、网络运行反馈迭代优化参数，场景自适应能力不足。

5、综上，现有技术存在智能识别能力弱、弱网调控无序、定位精度不足、调度同质化、无闭环迭代机制等系统性缺陷，无法适配灾害弱网场景下精细化、自适应的人员协同避险调度需求。

技术实现思路

1、针对现有技术的缺陷，本发明提供一种自然灾害场景下弱网拓扑协同人员避险调度方法，本发明融合多源数据预处理、知识蒸馏与lora轻量化语义解析、拓扑约束自适应粒子滤波定位、人员差异化路径规划，实现了弱网通信差异化管控、应急指令智能识别、高精度定位与分层避险调度的联动，可动态适配灾害弱网复杂场景，显著提升应急传输稳定性与人员疏散避险效率。

2、为达到上述目的，本发明采用的技术方案如下：

3、本发明的一种自然灾害场景下弱网拓扑协同人员避险调度方法，步骤如下：

4、步骤1：采集多源感知数据，并进行数据预处理；

5、步骤2：构建轻量化语义解析模型，结合业务指令与网络状态生成避险业务报文；

6、步骤3：构建场地拓扑映射模型，生成拓扑协同约束参数，实现人员定位并完成差异化疏散路径规划；

7、步骤4：输出可视化调度结果；

8、步骤5：采集现场运行反馈数据，结合实际通行状态自适应优化路径约束与人群通行代价权重。

9、进一步地，所述步骤1具体包括：

10、采集网络状态数据、业务指令数据、行人运动时序数据，并完成分类型预处理、分区缓存与时序对齐；具体如下：

11、通过网络采集探针获取包含各通信节点时延、丢包率及信道占用率的链路状态数据，并存入网络时序缓存分区；通过终端接口异步接收现场处置指令、任务等级及管控区域编码，经标准化解析与合规性校验后存入业务指令缓存分区；

12、采集行人佩戴的移动终端的三轴加速度、角速度、姿态角数据，采用固定窗口长度w的滑动窗口均值滤波完成本地降噪，抑制移动终端的抖动与运动干扰，滤波公式如下：

13、；

14、；

15、；

16、；

17、式中，分别为第i时刻x轴、y轴、z轴滤波后平滑加速度；分别为第i时刻x轴、y轴、z轴滤波后平滑角速度；为第i时刻滤波后姿态角；为滑动窗口长度；分别为窗口内第k时刻x轴、y轴、z轴原始加速度；分别为窗口内第k时刻x轴、y轴、z轴原始角速度；为窗口内第k时刻的原始姿态角；滤波后得到平滑连续的行人运动时序数据，存入行人运动时序缓存分区；

18、三类数据独立缓存后统一加注utc时间戳，完成全局时序对齐，形成标准化共享数据底座。

19、进一步地，所述步骤2具体包括：

20、利用避险业务指令样本完成轻量化语义解析模型的构建，并基于步骤 1 中处理后的业务指令数据和网络状态数据，依次完成语义解析、弱网拥堵量化评估、自适应带宽差异化分配，以生成避险业务报文；具体如下：

21、步骤21：选取大语言模型进行结构化剪枝，得到学生模型；具体如下：

22、步骤211：对模型内部注意力头、全连接前馈网络的网络参数权重贡献率进行量化统计，以灾害应急指令语义识别精度作为评价指标，评估所述注意力头、全连接前馈网络对灾害应急指令语义特征的提取贡献能力；

23、步骤212：设置贡献率阈值，将网络参数权重贡献率低于贡献率阈值、语义表征能力弱、对灾害场景推理无正向增益的闲置注意力头、全连接前馈网络内部冗余神经元判定为冗余待裁剪结构；

24、步骤213：采用整体层级结构化剪枝方式，仅剔除判定完成的冗余待裁剪结构，完整保留面向灾害应急指令的语义特征提取主干结构与灾害语义映射关系；

25、步骤214：固化模型主干参数，压缩模型参数量与计算量，得到学生模型；

26、步骤22：以上述学生模型为训练对象，通过师生知识蒸馏迁移自然灾害场景语义知识，知识蒸馏训练采用软标签联合损失函数，公式如下：

27、；

28、式中，为整体蒸馏联合损失函数；为学生模型与真实避险业务标签的硬分类损失，用于保证基础识别精度；为学生模型与教师模型输出软概率分布的蒸馏损失，用于迁移灾害场景语义知识；为权重平衡系数，取值范围(0,1)，用于均衡两类损失的训练占比，通过知识蒸馏补偿剪枝带来的精度损失，提升学生模型对灾害应急指令的语义识别能力；

29、步骤23：采用lora低秩微调对上述训练后的学生模型做自然灾害场景适配，更新模型低秩矩阵、冻结全部主干核心参数；使模型能够识别自然灾害现场非标准化应急指令，区分四类核心应急任务，输出业务优先级的意图标签，从而得到轻量化语义解析模型；

30、步骤24：将步骤 1 中处理后的业务指令数据输入轻量化语义解析模型进行语义解析，输出业务优先级以及避险管控区域编码信息；

31、对避险管控区域编码信息进行解析转换，结合全域防灾电子地图完成区域映射，生成避险管控区域约束数据；

32、步骤25：基于网络状态数据完成弱网拥堵量化评估；

33、读取同步时序的通信时延、丢包率、信道占用率指标，经归一化消除量纲差异，通过加权评分模型量化弱网拥堵程度，公式如下：

34、；

35、式中，为量化后的弱网拥堵评分，数值越大代表网络拥堵、抖动、延迟程度越高；为归一化处理后的通信时延；为归一化处理后的丢包率；为归一化处理后的信道占用率；为预设加权权重系数，满足，用于平衡三类网络指标对拥堵程度的影响权重；

36、步骤26：结合步骤24中输出的业务优先级p、步骤25中得到的弱网拥堵评分s进行自适应带宽差异化分配，并封装生成避险业务报文；具体如下：

37、步骤261：利用业务优先级p与弱网拥堵评分s求解自适应带宽采样周期与单业务链路差异化分配带宽，完成应急业务传输带宽的自适应调控计算；

38、自适应带宽采样周期的求解如下：

39、；

40、式中，为自适应带宽采样周期；为系统预设基础采样周期；

41、单业务链路差异化分配带宽的求解如下：

42、；

43、式中，为单业务链路最终分配带宽；为通信单链路最大可用带宽；

44、步骤262：将业务优先级、避险管控区域约束数据以及步骤261中求解得到的自适应带宽采样周期、单业务链路差异化分配带宽进行统一封装，最终生成避险业务报文。

45、进一步地，所述步骤3具体包括：

46、基于步骤2中避险业务报文中提取的业务优先级、避险管控区域约束数据，步骤1中的行人运动时序数据，结合全域防灾电子地图构建场地拓扑映射模型，生成拓扑协同约束参数，通过自适应粒子滤波实现人员定位，并基于人员分类标签完成差异化路径规划；具体如下：

47、步骤31：构建场地拓扑映射模型，生成拓扑协同约束参数；具体如下：

48、步骤311：基于全域防灾电子地图构建场地拓扑映射模型g(v,e)，其中，模型g(v,e)用于表征现场通行空间结构，g为整体拓扑网络图集合；v为拓扑节点集合，对应场地通道端点、拐点、避险集结点；e为拓扑边集合，对应节点间可正常通行的通道路段；

49、步骤312：利用避险业务报文中的避险管控区域约束数据对场地拓扑映射模型g(v,e)的通行区域进行约束修正，更新模型内部可通行区域与禁行区域的属性标记；

50、步骤313：遍历解析修正后的场地拓扑映射模型g(v,e)，提取拓扑节点集合v、拓扑边集合e以及更新后的可通行区域/禁行区域边界与属性标记，封装得到拓扑协同约束参数；

51、步骤32：基于拓扑约束自适应粒子滤波完成人员定位；具体如下：

52、步骤321：利用粒子状态递推方程生成粒子集，结合拓扑协同约束参数中的拓扑节点、拓扑边所表征的路网空间结构对粒子做约束，完成带路网约束的状态先验估计，并对生成的各个粒子对应的粒子权重进行初始化，粒子状态递推方程如下：

53、；

54、式中，为t时刻第个粒子的位置状态向量；为行人运动状态递推函数，用于根据前一时刻运动状态预测当前位置；为时刻第个粒子位置状态向量；为时刻惯性运动过程噪声，用于模拟人员随机运动扰动误差；

55、步骤322：利用拓扑协同约束参数中的可通行区域/禁行区域边界及属性标记构建拓扑约束观测方程，所述拓扑约束观测方程执行粒子位置判别：当粒子预测位置处于可通行区域，输出有效概率；当粒子预测位置落入禁行区域，输出概率0，实现越界无效粒子的抑制，输出拓扑约束观测似然函数；基于初始化的粒子权重，将该观测似然函数代入粒子滤波基础权重更新公式，完成各粒子权重更新计算，所述粒子滤波基础权重更新计算公式如下：

56、；

57、式中，为时刻第个粒子初始权重；为时刻第个粒子权重；为时刻基于场地拓扑路网得到的通行约束观测值；为拓扑约束观测方程输出的拓扑约束观测似然函数；

58、在基础权重计算结果的基础上，引入多维度动态适配因子对粒子权重进行修正，动态权重自适应更新计算公式如下：

59、；

60、式中，为经多维度因子修正后的时刻第个粒子权重，为运动状态适配因子，取值区间(0,1)，用于适配包含人员启停、行走、转向、滞留的全动态行为，低速/静止状态取值大以强化定位稳定性，高速运动取值适中以保留轨迹连续性；为拓扑贴合因子，取值区间(0,1)，用于筛选合规通行粒子；为弱网状态适配因子，取值区间(0,1)，与弱网拥堵评分s负相关；

61、对全部粒子权重执行归一化处理，输出归一化后的修正粒子权重；

62、步骤323：基于归一化粒子权重重采样，保留高权重有效粒子，完成粒子筛选后，通过加权融合得到当前时刻定位估计结果，公式如下：

63、；

64、式中，为t时刻最优融合位置状态向量；为粒子滤波算法预设总粒子数量；为归一化后的粒子权重；为时刻第个粒子位置状态向量；为粒子序号，取值范围1≤≤；通过加权求和筛选高权重有效粒子，输出精准、平滑的定位结果；

65、步骤324：结合3σ误差判别准则剔除瞬时跳变野值，得到滤波后的人员定位坐标，以此作为时刻位置基准、进行惯性递推，惯性递推公式如下：

66、；

67、式中，为时刻惯性预测坐标；等价于经野值剔除后的定位坐标；为滤波平滑后的水平、垂直方向运动速度；为传感器固定采样时间间隔，依据惯性递推实现轨迹连续推演，结合拓扑粒子滤波完成最终精准校正；

68、通过多维度动态权重自适应修正、拓扑约束越界剔除与野值误差判别校正，抑制弱网环境下的数据抖动与定位偏移，最终得到人员实时位置信息；

69、步骤33：定义三类人员适配标签，配置差异化通行代价权重；

70、定义离散分类标识t用于区分人员属性与避险需求，具体划分为三类差异化人群标签：

71、为行动不便人群；

72、为医护人员/现场疏导人员；

73、为普通群众；

74、针对每一类标签，配置唯一对应的通行代价权重，以通行代价作为路径优劣评判指标，通行代价分为路段通行代价与路径代价，利用权重修正路段通行代价，累加得到路径代价，以此求解不同人群对应的最优避险路径，各类人群对应的权重配置规则如下：

75、行动不便人群匹配高安全容错型通行代价权重，降低平缓、无障碍、低难度路段通行代价，提高楼梯、陡坡、狭窄复杂路段通行代价，以规避高风险地形，优先保障特殊人群通行安全；

76、医护人员/现场疏导人员匹配高效通行型通行代价权重降低应急通道、直达救援路段通行代价，弱化非必要安全约束，优先缩短通行时长，以保障应急作业时效性；

77、普通群众匹配均衡型通行代价权重，兼顾路径通行安全性与整体批量疏散效率，以保障现场有序撤离；

78、步骤34：构建路径代价计算模型，完成差异化疏散路径规划；

79、利用场地拓扑映射模型g(v,e)与拓扑协同约束参数，基于拓扑路网可通行路段，结合路段物理属性、实时通行状态与差异化通行代价权重，构建路径代价计算模型，如下：

80、；

81、式中，为单条避险路径的总通行代价，代价数值越小，对应路径越优；为完整路径拆解后的单段通道路段；为遍历求解的完整避险路径集合；为单段通道的物理长度，属于场地固定常量；为通道实时拥堵系数，由现场通行状态统计得到；

82、以全局通行代价最小为优化目标，结合三类人员差异化通行权重，分别求解适配不同人群属性、匹配应急业务优先级的最优疏散路径，最终完成差异化疏散路径规划。

83、进一步地，所述步骤4具体包括：

84、将步骤2中避险业务报文中的避险管控区域约束数据与步骤3中的拓扑协同约束参数、差异化疏散路径、人员定位信息进行整合，将整合后的多维度数据叠加渲染至防灾电子地图，并输出可视化调度结果。

85、进一步地，所述步骤5具体包括：

86、实时采集人员现场动态运行反馈数据集，加注统一时间戳后作为拓扑协同约束参数生成和差异化路径规划的迭代优化的输入数据，该数据集包含各条避险路径对应的人员现场真实通行耗时，拓扑协同约束参数，、、三类人群各自对应的通行代价权重，实现路径规划约束条件及人群通行代价权重的自适应优化；其中，用于真实反馈路径规划策略的实际适配效果；

87、基于加注统一时间戳后的人员现场动态运行反馈数据，构建全局路径迭代损失函数，以预测通行代价与实际通行耗时的偏差最小化为优化目标，损失函数计算公式如下：

88、；

89、式中，为全局路径迭代损失函数，用于预测通行代价与现场真实通行状态的偏差；为路径规划输出的预测通行代价；为人员现场真实通行耗时；

90、通过最小化全局均方误差，持续定向迭代优化拓扑协同约束参数及、、三类人群各自对应的通行代价权重，基于优化后的参数，进行拓扑修正与差异化疏散路径的求解，动态适配灾害场景下的网络波动、地形约束与人员流动实时变化，完成避险路径、拓扑协同约束参数和通行代价权重的闭环自适应优化。

91、本发明的有益效果：

92、1、本发明构建多源数据标准化预处理与时序对齐机制，有效滤除运动、设备与电磁噪声，形成高保真统一数据底座，为后续智能识别、精准定位与动态调度提供可靠输入。

93、2、本发明通过知识蒸馏、模型剪枝与lora微调实现边缘离线推理，解决传统关键词匹配容错性差、依赖云端的问题；基于实时弱网状态自适应调整采样周期与排空节奏，实现基于业务优先级与网络状态的差异化带宽分配，保障高优先级业务稳定传输，弱网适配性与通信可靠性显著提升。

94、3、本发明提出拓扑约束自适应粒子滤波定位机制，通过多维度动态权重更新与3σ野值剔除，有效抑制惯性导航累积漂移与弱网扰动误差，定位精度、连续性与抗干扰能力大幅提升；构建人员分类与通行代价权重相耦合的差异化路径规划机制，实现多人群分层适配避险调度，克服传统路径同质化缺陷，兼顾特殊人群安全与救援作业时效，疏散合理性与安全性显著提升。

95、4、本发明通过现场通行数据持续迭代拓扑协同约束参数、差异化通行代价权重以及避险路径，可动态适配灾害场景变化，突破传统开环固定策略的局限性，智能化与鲁棒性显著增强。