1.基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，包括：初始化二维的疏散场景模型和人群模型，将疏散场景进行区域划分；

实时计算各区域人群密度，判断各区域的拥挤状态；

根据各区域与出口的距离以及人群密度来计算各区域引力值，利用引力值计算各区域的人群疏散到邻域区域的概率，构建基于概率的区域选择模型；

根据各区域人群密度计算人群聚集速度；

以各出口和区域的相对位置、区域拥挤状态为基础，构建区域拥挤状态知识图谱，实时预测各区域的区域拥挤状态。

2.如权利要求1所述的基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，所述初始化二维的疏散场景模型，包括提取疏散场景特征，设置场景尺寸参数，设置场景中障碍物的位置、场景出口的位置；

所述人群模型包括人群中的个体数、个体在场景中的位置。

3.如权利要求1所述的基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，区域划分的具体步骤为：定义疏散场景模型的二维坐标系x‑o‑y，原点o在疏散场景模型的左下角区域的中心点；

设置边长为指定长度的正方形为一个单位区域，将疏散场景模型划分为多个单位区域。

4.如权利要求1所述的基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，所述区域人群密度为单位面积上的个体数；

根据各区域的人群密度，判定各区域的不同等级的区域拥挤状态，区域拥挤状态分为四个等级：不拥挤、一般拥挤、严重拥挤和障碍物。

5.如权利要求1所述的基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，所述人群聚集速度，是在单位时间内，人群从邻域区域转移过来的个体数，由人群密度所决定，当人群之间越拥挤时，个体对于人群的排斥力就越大，移动的速度就越低。

6.如权利要求1所述的基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，所述区域拥挤状态知识图谱，是将每个区域、疏散出口以及区域拥挤状态作为知识图谱的实体，建立区域、疏散出口和区域拥挤状态之间的实体关系。

7.如权利要求1所述的基于知识图谱与区域人群密度的人群拥堵预测方法，其特征在于，实时预测各区域的区域拥挤状态的具体方法为：根据基于概率的区域选择模型中人群向各邻域区域移动的概率进行疏散，当人群从一个区域转移到邻域区域时，拥堵在区域之间传播，当前区域拥堵逐渐消退，邻域区域拥堵增加，从而使知识图谱中的区域状态实体发生转换,拥堵传播的速度由人群聚集速度决定；

不断迭代上述过程，区域状态知识图谱实时更新各区域拥挤状态，预测各区域状态。

8.基于知识图谱与区域人群密度的人群拥堵预测系统，其特征在于：包括初始化模块、拥挤判断模块、区域选择模块、速度计算模块和拥挤预测模块；

初始化模块，被配置为：初始化二维的疏散场景模型和人群模型，将疏散场景进行区域划分；

拥挤判断模块，被配置为：实时计算各区域人群密度，判断各区域的拥挤状态；

区域选择模块，被配置为：根据各区域与出口的距离以及人群密度来计算各区域引力值，利用引力值计算各区域的人群疏散到邻域区域的概率，构建基于概率的区域选择模型；

速度计算模块，被配置为：根据各区域人群密度计算人群聚集速度；

拥挤预测模块，被配置为：以各出口和区域的相对位置、区域拥挤状态为基础，构建区域拥挤状态知识图谱，实时预测各区域的区域拥挤状态。

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的基于知识图谱与区域人群密度的人群拥堵预测方法中的步骤。

10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的基于知识图谱与区域人群密度的人群拥堵预测方法中的步骤。