针对大型公共场所(客运枢纽、商场)紧急疏散标识指引不合理、效率低的问题,探索 AI 与疏散仿真融合的技术路径,开展 “AI 控制疏散标识” 预研,验证技术在动态场景下的适用性,为智慧安全领域提供技术储备。
Python 开发:运用 PyTorch 深度学习框架完成模型搭建,基于深度 Q 网络(DQN)算法的强化学习的算法实验,实现智能体在复杂环境下的决策优化;参与 gym 强化学习环境的搭建与定制化开发。CUDA(高性能计算环境部署,加速深度学习模型训练)。
C++ 应用,负责行人仿真算法实现,完成宏观与微观路径规划,实现行人与行人;行人与障碍物避碰:通过多线程优化、临近行人、障碍物缓冲等技术手段,实现仿真效率提升 。
Socket 通信:通过 Socket 编程技术,成功完成多个跨进程通信验证项目,设计并实现高效可靠的通信协议。