科创中国

本发明公开了面向疫情防控的虚拟村镇环境路径规划方法及系统，包括：根据待规划村镇实际环境情况，建立3D仿真场景模型；将待规划村镇的所有出口均作为路径规划的出口；路径规划步骤：通过路径规划，得到最优路径；对最优路径对应的出口进行封堵，针对封堵出口后的待规划村镇，重新对路径进行规划，得到下一个最优路径；重复路径规划步骤，直到无法找到最优路径，完成所有最优路径的封堵，即完成待规划村镇的路径规划。

为了解决现有技术的不足，本公开提供了面向疫情防控的虚拟村镇环境路径规划方法及系统；第一方面，本公开提供了面向疫情防控的虚拟村镇环境路径规划方法；面向疫情防控的虚拟村镇环境路径规划方法，包括：根据待规划村镇实际环境情况，建立3D仿真场景模型；将待规划村镇的所有出口均作为路径规划的出口；路径规划步骤：通过路径规划，得到最优路径；对最优路径对应的出口进行封堵，针对封堵出口后的待规划村镇，重新对路径进行规划，得到下一个最优路径；重复路径规划步骤，直到无法找到最优路径，完成所有最优路径的封堵，即完成待规划村镇的路径规划。

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

近年来，随着科学技术的发展和社会的进步，大城市的人口密度越来越大，超市、商场等大型公共场所的的安全压力逐步增加，大型公共场所以及人口聚集较多的区域在发生意外后如何快速找到疏散路径成为当下研究热点，传统的路径规划算法包括：模拟退火算法、人工势场法、模糊逻辑算法、禁忌搜索算法等，也有最近兴起的强化学习算法。

因为农村路径规划的复杂情况，传统的路径规划方法很难完成农村类型的路径规划，故而选择当下较为流行的深度学习方法，结合强化学习actor‑critic框架，将深度学习的感知能力和强化学习的决策能力相结合，提出一种基于DDPG算法的农村路径规划方法，本方法旨在利用DDPG算法找到尽可能多的路径，以便利用这些路径进行农村路径的规划。

此技术是山东师范大学吕蕾研发，山东师范大学，位于山东省济南市，宗旨和业务范围是“面向社会培养高等学历师资人才，进行成人教育，促进教育事业发展”。

与现有技术相比，本公开的有益效果是：

相较于传统的路径规划方法，本公开使用了深度强化学习，采用了DDPG算法，让智能体能够处理农村并没经过规划的复杂地形，利用深度学习的感知能力对环境进行充分探索，使智能体尽可能多的找到可行路径，结合强化学习的决策能力，使智能体的寻路更加有效，为农村特殊情况下的路径规划提出支持，相较于单一的actor‑critic框架，本公开引入了DQN的思想，采用双网络结构，让动作的选择和评估分开进行，在解决过拟合问题的同时，加快了神经网络的收敛速度。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。