CN103679264A - 基于人工鱼群算法的人群疏散路径规划方法 - Google Patents
基于人工鱼群算法的人群疏散路径规划方法 Download PDFInfo
- Publication number
- CN103679264A CN103679264A CN201310717029.7A CN201310717029A CN103679264A CN 103679264 A CN103679264 A CN 103679264A CN 201310717029 A CN201310717029 A CN 201310717029A CN 103679264 A CN103679264 A CN 103679264A
- Authority
- CN
- China
- Prior art keywords
- artificial fish
- crowd evacuation
- planning method
- fish
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工鱼群算法的人群疏散路径规划方法,包括以下步骤:建立人工鱼群模型,初始化相关参数;若为开放式出口疏散,计算每个网格到危险源的距离及每个网格的拥挤程度,更新人工鱼位置;若为固定出口疏散,计算每个网格到出口的距离及每个出口区域的拥挤程度,更新人工鱼位置;生成人工鱼个体模拟人群疏散的最优路径。本发明有益效果:本发明能够实现群体自适应的路径规划,通过可视化的界面,并设计了参数设置面板,模拟不同情境下的疏散行为,使生成的运动更加符合真实世界的群体运动,从而产生不可预测的群体行为,提高了运动的真实性。
Description
技术领域
本发明涉及一种人群疏散路径规划方法,尤其涉及以基于人工鱼群算法的人群疏散路径规划方法。
背景技术
虚拟人群疏散的传统路径规划方法一般分为基于规则的路径规划和非规则的路径规划两类。基于规则的路径规划方法包括元胞自动机模型等方法。元胞自动机模型的显著优点是仅仅通过少量的简单的规则就能近似的模拟出现实中观察到的行人现象,且这些规则在直觉上很容易理解,与那些复杂的行为模型相比,其计算过程简单且高效。但是在这类模型中,个体无法与其他个体交换环境信息,无法逼真的描述人群疏散现象。
基于非规则的路径规划包括A*、人工势能场模型和社会力模型等方法。A*算法通过定义代价评估函数对环境进行启发式搜索。人工势能场模型通过计算环境中势场能量决定下一步的运动方向。社会力模型通过计算虚拟个体驱动力、排斥力与吸引力的合力,实时实现个体间的避碰。但是,上述方法仿真的速度较慢,特别是人群数量较多时,这个现象更加明显。
本发明提出的基于人工鱼群算法的人群疏散路径规划方法能够很好的解决上述问题,既能够逼真的模拟人群疏散现象,又能够提高路径规划仿真的速度。人工鱼群算法作为一种基于仿生学的群体智能算法,还具有对初值与参数选择不敏感、鲁棒性强、简单易实现、收敛速度快和使用灵活等优点,能够很好地对群体的运动行为进行模拟。因此,研究如何利用人工鱼群算法对人群疏散进行路径规划具有很大的应用价值。
发明内容
本发明的目的就是为了解决上述问题,提出了一种基于人工鱼群算法的人群疏散路径规划方法。本方法基于ACIS/HOOPS和VS.NET平台,结合人工鱼群算法的原理和流程设计出来,借助可视化设计系统,支持操作人员手工设置参数,模拟不同情景下的疏散效果,为设计人员提供路径规划设计支撑工具。
为了实现上述目的,本发明采用如下技术方案:
一种基于人工鱼群算法的人群疏散路径规划方法,包括以下步骤:
(1)在ACIS/HOOPS支撑平台上建立人工鱼群模型,将整个实验环境进行网格化划分,初始化人工鱼的相关参数。
(2)判断实验环境种类,若为开放式出口疏散转步骤(3),若为固定出口疏散转步骤(4)。
其中,开放式出口是指场景中不指定固定的出口,人群可以向四周疏散,比如广场;固定出口是指给场景指定固定的出口,人群只能从这些出口的一个疏散,比如电影院。
(3)依据当前人工鱼与目标人工鱼的适应度函数,鱼群个体自适应的选择目标移动位置;更新人工鱼位置,转至步骤(5)。
(4)人工鱼依据优化函数,自适应的选择某一个出口向其移动;更新人工鱼位置,若到达安全区域出口,则停止运动。
(5)若算法满足迭代条件,返回步骤(3)或步骤(4),否则算法结束。
(6)生成人工鱼个体模拟人群疏散的最优路径。
所述步骤(1)中初始化的相关参数为:人工鱼数目n、算法的迭代次数M、安全距离SafeDis、每个人工鱼i到危险源的距离Dis(i)、拥挤因子σ、人工鱼位置location、步长step、当前人工鱼视距范围内相邻人工鱼的数目nf和追尾行为最大尝试次数Trynumber。
所述步骤(3)中鱼群个体自适应选择目标位置的步骤如下:
(a)查找当前人工鱼i视距范围内人工鱼到危险源的距离Dis值最大的人工鱼j,根据适应度函数f(j)=Dis(j)/nf判断,若f(j)>σ*Dis(i),则按照位移移动公式一向人工鱼j所在位置移动至Xnext,否则再次查找;其中,nf为当前人工鱼视距范围内相邻人工鱼的数目,σ为拥挤因子。
(b)若最大尝试次数Trynumber后,仍没有查找到,则在视距范围内随机选择人工鱼j,若人工鱼到危险源的距离Dis(j)>Dis(i),则按照位置移动公式二向j方向前进一步,否则重新选择状态j;所述位置移动公式二为:其中,Xi是人工鱼i当前的位置,Xj是随机选择的人工鱼j的位置;Dis(i),Dis(j)分别为人工鱼i和j到危险源的距离;rand()为随机函数,step为步长。
(c)再次尝试Trynumber次后,若仍不能满足前进条件,则按照位置移动公式三随机移动一步;所述位置移动公式三为:Xnext=Xi+rand()*Step;其中,Xi是人工鱼i当前的位置,rand()为随机函数,step为步长。
所述步骤(3)或者步骤(4)中的更新人工鱼位置需满足限制在限制在区域内部。
所述步骤(4)中优化函数为g(i)=C1*Dism(i)+(1-C1)*nf*σ,其中,nf为每个出口处人工鱼的数目,数目越大,该出口的拥挤程度越高,Dism(i)为人工鱼i距离出口m的距离,σ为拥挤因子,C1为[0~1]之间的常数值。
所述步骤(4)中人工鱼个体根据每个出口处当前人工鱼视距范围内相邻人工鱼的数目nf及该人工鱼距离所有出口的距离Dism(i),计算优化函数g(i),选出函数值最高的出口为Xo,并以Xo作为目标按照位置移动公式四进行移动;通过设置不同的C1值,选择由最近的出口还是最不拥挤的出口进行疏散;所述位置移动公式四为:
所述步骤(4)中安全区域出口指指远离危险源达到安全距离SafeDis的出口。
所述步骤(5)中算法满足的迭代条件为算法达到迭代次数或收到暂停指示。
基于人工鱼群算法的原理和流程,实现了群体自适应路径规划。规划设计人员通过系统提供的接口,在设置面板中设置参数,从而实现环境的搭建及对疏散行为的控制。在疏散行为实现过程中,两种实验环境模拟了现实人群疏散行为中的两种实际场景,适应度函数对开放式出口人群疏散的目标确定进行了有效优化,优化函数对固定出口人群疏散的目标确定进行了有效优化,保证了群体的智能性和精确性。通过上述过程,最终实现了群体疏散行为。
本发明的有益效果是:
本发明提出的基于人工鱼群算法的人群疏散路径规划方法既能够逼真的模拟人群疏散现象,又能够提高路径规划仿真的速度。人工鱼群算法作为一种基于仿生学的群体智能算法,还具有对初值与参数选择不敏感、鲁棒性强、简单易实现、收敛速度快和使用灵活等优点,能够很好地对群体的运动行为进行模拟。通过该方法规划出来的人群疏散路径成果能够有效提高公共场所中通道的利用率以及危机情况下的人员安全性;对大型场馆建设如何在应急情况下产生流畅和稳定的人流,减轻恐慌人群的拥挤压力提供极大的参考价值。
同时,本发明通过可视化的界面设计,以及参数化的面板设置,可以模拟不同情境下的人群疏散行为,实现群体自适应的路径规划,并使生成的运动更加符合真实世界的群体运动,提高了仿真的真实性。
附图说明
图1是本发明人群疏散方法的算法流程图;
图2是程序场景设置面板;
图3(a)是开放式出口人群疏散初始化后效果图;
图3(b)是开放式出口人群疏散运行后效果图;
图4(a)是固定出口人群疏散初始化后效果图;
图4(b)是固定出口人群疏散运行后效果图。
具体实施方式:
下面结合附图与实施例对本发明做进一步说明:
本方法的理论基础取自于生物进化科学、计算机科学及设计方法的交叉学科,其主要算法进化计算领域的群智能算法;其实现依赖于计算机科学的计算模型、算法及可视化技术,其最终服务对象是现实社会中安全生产及人类社会其他各个方面。
基于人工鱼群算法的人群疏散方法主要包括以下几个过程:
过程1:选择要实现的实验效果,设置相应参数。
过程2:人工鱼依据适应度函数及优化函数自适应选择目标移动位置。
过程3:更新人工鱼群参数数值。
过程4:生成人群疏散路径。
通过本方法,借助ACIS/HOOPS为相应的支撑平台,设计人员可以实现两种场景下的疏散行为仿真模型。以下详细介绍本方法的几个过程。
过程1:选择要实现的实验效果,设置相应参数。
在如图2所示的场景设置面板中,选择要执行的实现效果,再设置相应的参数值,需设定步长step、拥挤因子σ、距离权重C1、种群规模n、目标点等,生成场景初始化效果图,如图3(a)和图4(a)所示,图3(a)是开放式出口人群初始化效果图,图4(a)为四出口固定出口人群疏散疏散初始化效果图。
过程2:人工鱼依据适应度函数及优化函数自适应选择目标移动位置。
群体自适应的选择目标移动点,通过改进的人工鱼群算法进行路径规划,生成实现人群疏散的无碰撞最优路径。
步骤1:初始化人工鱼群状态集合X={X1,X2,X3,…,Xn},依据在场景面板中实现效果的设置执行下面的算法。
步骤2:针对两种场景的疏散行为,分别计算每个网格距离危险源或出口的距离Dis(m)及每个网格或出口区域的拥挤程度nf。
步骤3:依据开放式出口和固定出口两种不同场景,运用适应度函数或优化函数进行人群疏散。
(1)在开放式出口人群疏散场景下:
①人工鱼Xi查找当前位置周围离危险源距离最远的人工鱼Yj,依据适应度函数f(m)=Dis(m)/nf,判断是否可以向其方向移动,若f(j)>σ*Dis(i),则向j移动,否则继续查找;
②位置移动公式为:其中,r是[0,1]区间的随机数。
③若尝试Trynumber次数后,仍没有查找到,则在视距范围内随机选择人工鱼j,若Dis(j)>Dis(i),则向j方向前进一步,否则重新选择状态j;位置移动公式为:
④再次尝试Trynumber次后,若不能满足前进条件,则随机移动一步;位置移动公式为:Xnext=Xi+rand()*Step。
(2)在固定出口场景下:
①人工鱼Xi查找其与每个出口之间的距离以及每个出口的拥挤程度,运用优化函数g(m)=C1*Dis(m)+(1-C1)*nf*σ,选出函数值最高的出口为Xo,并以Xo作为目标进行移动;通过设置不同的C1值,选择由最近的出口还是最不拥挤的出口进行疏散。并通过设置不同的C1值选择通过最近的出口还是最不拥挤的出口进行疏散。
②人工鱼移动公式为:
过程3:更新人工鱼群参数数值。
人工鱼位置更新限制在区域内部,若人工鱼到达安全区,则停止运动。
通过上述过程2和过程3的反复迭代运行,最终生成人工鱼个体模拟人群疏散的最优路径。路径规划过程由系统自动完成,不需要设计人员手动调整,提高了运行效率及数据精度。
过程4:生成并导出人群疏散路径。
若算法达到迭代次数或收到暂停指示,算法结束。在支撑平台中显示出人群疏散方法运行效果图,如图3(b)和图4(b)所示,图3(a)是开放式出口疏散运行效果图,图4(a)为四出口固定出口人群疏散运行效果图。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,包括以下步骤:
(1)在ACIS/HOOPS支撑平台上建立人工鱼群模型,初始化相关参数,将整个实验环境进行网格化划分;
(2)判断实验环境种类,若为开放式出口疏散转步骤(3),若为固定出口疏散转步骤(4);
(3)依据当前人工鱼与目标人工鱼的适应度函数f(m),鱼群个体自适应的选择目标移动位置;更新人工鱼位置,转至步骤(5);
(4)人工鱼个体依据优化函数g(i),自适应的选择某一个出口向其移动;更新人工鱼位置,若到达安全区域出口,则停止运动;
(5)若算法满足迭代条件,返回步骤(3)或步骤(4),否则算法结束;
(6)生成人工鱼个体模拟人群疏散的最优路径。
2.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(1)中初始化的相关参数为:人工鱼数目n、算法的迭代次数M、安全距离SafeDis、人工鱼i到危险源的距离Dis(i)、拥挤因子σ、人工鱼位置location、步长step、当前人工鱼视距范围内相邻人工鱼的数目nf和追尾行为最大尝试次数Trynumber。
3.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(3)中鱼群个体自适应选择目标位置的步骤如下:
(a)查找当前人工鱼i视距范围内人工鱼到危险源的距离Dis值最大的人工鱼j,根据适应度函数f(m)=Dis(m)/nf判断,若f(j)>σ*Dis(i),则按照位移移动公式一向人工鱼j所在位置移动,否则再次查找;其中,nf为当前人工鱼视距范围内相邻人工鱼的数目,σ为拥挤因子,Dis(i)为人工鱼i到危险源的距离;
(b)若最大尝试次数Trynumber后,仍没有查找到,则在视距范围内随机选择人工鱼j,若人工鱼到危险源的距离Dis(j)>Dis(i),则按照位置移动公式二向j方向前进一步,否则重新选择状态j;
(c)再次尝试Trynumber次后,若仍不能满足前进条件,则按照位置移动公式三随机移动一步;
所述位置移动公式三为:Xnext=Xi+rand()*Step;其中,Xi是人工鱼i当前的位置,rand()为随机函数,step为步长。
4.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(3)或者步骤(4)中的更新人工鱼位置需限制在区域内部。
5.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(4)中优化函数为g(i)=C1*Dism(i)+(1-C1)*nf*σ,其中,nf为当前人工鱼视距范围内相邻人工鱼的数目,数目越大,则越拥挤;Disj(i)为人工鱼i距离出口m的距离,σ为拥挤因子,C1为[0~1]之间的常数值。
6.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(4)中人工鱼个体根据每个出口处当前人工鱼视距范围内相邻人工鱼的数目nf及人工鱼距离每个出口的距离Dis(m),计算优化函数g(m),选出函数值最高的出口为Xo,并以Xo作为目标按照位置移动公式四进行移动;通过设置不同的C1值,选择由最近的出口还是最不拥挤的出口进行疏散;
所述位置移动公式四为:
7.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(4)中安全区域出口指指远离危险源达到安全距离SafeDis的出口。
8.如权利要求1所述的一种基于人工鱼群算法的人群疏散路径规划方法,其特征是,所述步骤(5)中算法满足的迭代条件为算法达到迭代次数或收到暂停指示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310717029.7A CN103679264B (zh) | 2013-12-23 | 2013-12-23 | 基于人工鱼群算法的人群疏散路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310717029.7A CN103679264B (zh) | 2013-12-23 | 2013-12-23 | 基于人工鱼群算法的人群疏散路径规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103679264A true CN103679264A (zh) | 2014-03-26 |
CN103679264B CN103679264B (zh) | 2016-08-17 |
Family
ID=50316748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310717029.7A Expired - Fee Related CN103679264B (zh) | 2013-12-23 | 2013-12-23 | 基于人工鱼群算法的人群疏散路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679264B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631555A (zh) * | 2016-02-23 | 2016-06-01 | 北京邮电大学 | 一种疏散路径的推送方法及装置 |
CN105740510A (zh) * | 2016-01-22 | 2016-07-06 | 山东师范大学 | 基于网格-密度-关系的疏散人群行为仿真系统及其方法 |
CN106203707A (zh) * | 2016-07-13 | 2016-12-07 | 浪潮电子信息产业股份有限公司 | 一种基于智能学习算法的最佳路径计算方法 |
CN106651021A (zh) * | 2016-12-16 | 2017-05-10 | 新疆疆天航空科技有限公司 | 基于精英人工鱼群的植保无人机编队航迹规划方法 |
CN106682371A (zh) * | 2017-03-06 | 2017-05-17 | 山东师范大学 | 一种突发事件下的人群疏散仿真方法及系统 |
CN107133704A (zh) * | 2017-06-23 | 2017-09-05 | 南京师范大学 | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 |
CN107451332A (zh) * | 2017-06-28 | 2017-12-08 | 山东师范大学 | 一种控制拱效应的出口障碍物设定方法 |
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN108536986A (zh) * | 2018-04-20 | 2018-09-14 | 湖北工业大学 | 一种基于人工鱼群算法的层次化疏散仿真优化方法 |
CN108573517A (zh) * | 2018-04-04 | 2018-09-25 | 浙江大学 | 一种受生物学规则启发的蚁群模拟方法 |
CN109242183A (zh) * | 2018-09-05 | 2019-01-18 | 山东师范大学 | 基于人工鱼群算法与目标检测的人群仿真疏散方法与装置 |
CN109489665A (zh) * | 2018-11-07 | 2019-03-19 | 深圳先进技术研究院 | 一种基于资源分配的人避难行踪的位置预测方法及其系统 |
CN109740455A (zh) * | 2018-12-19 | 2019-05-10 | 山东师范大学 | 一种人群疏散仿真方法和装置 |
CN111066698A (zh) * | 2020-01-14 | 2020-04-28 | 清华大学 | 一种用于斑马鱼模拟人群流动的方形组合复层式实验装置 |
CN111475934A (zh) * | 2020-03-27 | 2020-07-31 | 哈尔滨工业大学 | 一种基于势能场的无靠背座椅阶梯看台人群疏散模拟方法 |
CN113536597A (zh) * | 2021-08-12 | 2021-10-22 | 浙江大学 | 一种通过数据驱动优化的基于速度的动态人群模拟方法 |
CN115474172A (zh) * | 2022-11-14 | 2022-12-13 | 成都大学 | 结合uwb采集的室内密集人流组群行人群体疏散方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030153817A1 (en) * | 2001-12-28 | 2003-08-14 | Petter Knagenhjelm | Pattern analysis system and method |
CN102184338A (zh) * | 2011-06-08 | 2011-09-14 | 南京航空航天大学 | 基于人工鱼群算法的压电作动器方向优化配置方法 |
-
2013
- 2013-12-23 CN CN201310717029.7A patent/CN103679264B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030153817A1 (en) * | 2001-12-28 | 2003-08-14 | Petter Knagenhjelm | Pattern analysis system and method |
CN102184338A (zh) * | 2011-06-08 | 2011-09-14 | 南京航空航天大学 | 基于人工鱼群算法的压电作动器方向优化配置方法 |
Non-Patent Citations (2)
Title |
---|
郑根让: "基于混合人工鱼群算法车辆拥堵调度方案", 《计算机仿真》 * |
马骏驰 等: "计算机仿真方法在人群疏散影响参数研究中的应用", 《自然灾害学报》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740510B (zh) * | 2016-01-22 | 2018-08-31 | 山东师范大学 | 基于网格-密度-关系的疏散人群行为仿真系统及其方法 |
CN105740510A (zh) * | 2016-01-22 | 2016-07-06 | 山东师范大学 | 基于网格-密度-关系的疏散人群行为仿真系统及其方法 |
CN105631555B (zh) * | 2016-02-23 | 2019-04-05 | 北京邮电大学 | 一种疏散路径的推送方法及装置 |
CN105631555A (zh) * | 2016-02-23 | 2016-06-01 | 北京邮电大学 | 一种疏散路径的推送方法及装置 |
CN106203707A (zh) * | 2016-07-13 | 2016-12-07 | 浪潮电子信息产业股份有限公司 | 一种基于智能学习算法的最佳路径计算方法 |
CN106651021A (zh) * | 2016-12-16 | 2017-05-10 | 新疆疆天航空科技有限公司 | 基于精英人工鱼群的植保无人机编队航迹规划方法 |
CN106682371A (zh) * | 2017-03-06 | 2017-05-17 | 山东师范大学 | 一种突发事件下的人群疏散仿真方法及系统 |
CN107133704A (zh) * | 2017-06-23 | 2017-09-05 | 南京师范大学 | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 |
CN107133704B (zh) * | 2017-06-23 | 2020-06-02 | 南京师范大学 | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 |
CN107451332A (zh) * | 2017-06-28 | 2017-12-08 | 山东师范大学 | 一种控制拱效应的出口障碍物设定方法 |
CN107451332B (zh) * | 2017-06-28 | 2018-08-28 | 山东师范大学 | 一种控制拱效应的出口障碍物设定方法 |
CN108444488A (zh) * | 2018-02-05 | 2018-08-24 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN108444488B (zh) * | 2018-02-05 | 2021-09-28 | 天津大学 | 基于等步采样a*算法的无人驾驶局部路径规划方法 |
CN108573517A (zh) * | 2018-04-04 | 2018-09-25 | 浙江大学 | 一种受生物学规则启发的蚁群模拟方法 |
CN108536986A (zh) * | 2018-04-20 | 2018-09-14 | 湖北工业大学 | 一种基于人工鱼群算法的层次化疏散仿真优化方法 |
CN109242183A (zh) * | 2018-09-05 | 2019-01-18 | 山东师范大学 | 基于人工鱼群算法与目标检测的人群仿真疏散方法与装置 |
CN109489665A (zh) * | 2018-11-07 | 2019-03-19 | 深圳先进技术研究院 | 一种基于资源分配的人避难行踪的位置预测方法及其系统 |
CN109740455A (zh) * | 2018-12-19 | 2019-05-10 | 山东师范大学 | 一种人群疏散仿真方法和装置 |
CN109740455B (zh) * | 2018-12-19 | 2020-11-20 | 山东师范大学 | 一种人群疏散仿真方法和装置 |
CN111066698A (zh) * | 2020-01-14 | 2020-04-28 | 清华大学 | 一种用于斑马鱼模拟人群流动的方形组合复层式实验装置 |
CN111475934A (zh) * | 2020-03-27 | 2020-07-31 | 哈尔滨工业大学 | 一种基于势能场的无靠背座椅阶梯看台人群疏散模拟方法 |
CN111475934B (zh) * | 2020-03-27 | 2021-07-20 | 哈尔滨工业大学 | 一种基于势能场的无靠背座椅阶梯看台人群疏散模拟方法 |
CN113536597A (zh) * | 2021-08-12 | 2021-10-22 | 浙江大学 | 一种通过数据驱动优化的基于速度的动态人群模拟方法 |
CN113536597B (zh) * | 2021-08-12 | 2024-02-20 | 浙江大学 | 一种通过数据驱动优化的基于速度的动态人群模拟方法 |
CN115474172A (zh) * | 2022-11-14 | 2022-12-13 | 成都大学 | 结合uwb采集的室内密集人流组群行人群体疏散方法 |
CN115474172B (zh) * | 2022-11-14 | 2023-01-24 | 成都大学 | 结合uwb采集的室内密集人流组群行人群体疏散方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103679264B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679264A (zh) | 基于人工鱼群算法的人群疏散路径规划方法 | |
CN108491598B (zh) | 一种基于路径规划的人群疏散仿真方法及系统 | |
CN107292064B (zh) | 一种基于多蜂群算法的人群疏散仿真方法及系统 | |
Cao et al. | A method of emotion contagion for crowd evacuation | |
CN109974737B (zh) | 基于安全疏散标志和强化学习结合的路径规划方法及系统 | |
CN107480320B (zh) | 一种基于拓扑地图与视觉影响的人群疏散仿真方法及系统 | |
CN101188025B (zh) | 一种高效实时的群体动画系统 | |
CN100524363C (zh) | 一种用于动态实体的分层避障方法 | |
CN109543285B (zh) | 一种融合数据驱动与强化学习的人群疏散仿真方法和系统 | |
CN110795833B (zh) | 基于猫群算法的人群疏散仿真方法、系统、介质及设备 | |
CN105468801A (zh) | 公共场所人群疏散仿真方法及系统 | |
CN104317297A (zh) | 一种未知环境下机器人避障方法 | |
CN105550484A (zh) | 动态数据驱动的突发灾害下群体疏运行为建模仿真方法 | |
CN108388734A (zh) | 基于禁忌搜索蜂群算法的人群疏散仿真方法及系统 | |
CN103294875B (zh) | 基于群体智能和自适应评价的群体编队仿真方法 | |
CN102496177A (zh) | 三维水墨动画的制作方法 | |
CN107220447A (zh) | 基于疏散路径集合的人群疏散仿真方法及系统 | |
CN106202751A (zh) | 文化算法与微粒群算法结合的人群疏散仿真方法及系统 | |
Karmakharm et al. | Agent-based Large Scale Simulation of Pedestrians With Adaptive Realistic Navigation Vector Fields. | |
CN108090939A (zh) | 基于集群协同算法与gpu优化渲染的海底生物集群模拟方法 | |
Nasir et al. | A survey on simulating real-time crowd simulation | |
Gu et al. | A framework to integrate generative design techniques for enhancing design automation | |
CN103927778B (zh) | 一种虚拟人环境感知的仿真方法及系统 | |
CN103793552A (zh) | 一种软组织形变的局部质点弹簧模型的实时动态生成方法 | |
CN107704667A (zh) | 模拟集群性的人群运动仿真方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 Termination date: 20161223 |
|
CF01 | Termination of patent right due to non-payment of annual fee |