CN105740514B - 一种大规模人群疏散计算机仿真系统及其方法 - Google Patents

一种大规模人群疏散计算机仿真系统及其方法 Download PDF

Info

Publication number
CN105740514B
CN105740514B CN201610045914.9A CN201610045914A CN105740514B CN 105740514 B CN105740514 B CN 105740514B CN 201610045914 A CN201610045914 A CN 201610045914A CN 105740514 B CN105740514 B CN 105740514B
Authority
CN
China
Prior art keywords
group
individual
evacuation
crowd
individuals
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.)
Expired - Fee Related
Application number
CN201610045914.9A
Other languages
English (en)
Other versions
CN105740514A (zh
Inventor
刘弘
郑向伟
陆佃杰
张桂娟
李焱
陈莉
吕蕾
韩延斌
柳广鹏
刘宝玺
张�浩
秦欣
王晓静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Normal University
Original Assignee
Shandong Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Normal University filed Critical Shandong Normal University
Priority to CN201610045914.9A priority Critical patent/CN105740514B/zh
Publication of CN105740514A publication Critical patent/CN105740514A/zh
Application granted granted Critical
Publication of CN105740514B publication Critical patent/CN105740514B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种大规模人群疏散计算机仿真系统及其方法，其中，该系统包括疏散场景模型建立单元，其用于提取疏散场景的特征，得到疏散场景的三维模型；疏散场景全局路径规划单元，其用于根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；人群活动生成单元，其用于根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；人群仿真单元，其用于筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真。

Description

一种大规模人群疏散计算机仿真系统及其方法
技术领域
本发明涉及人群疏散计算机仿真领域，尤其涉及一种大规模人群疏散计算机仿真系统及其方法。
背景技术
随着人们生活水平的提高，人们出行的频率逐渐增多，各类公共场所内的行人规模也逐步增大。特别是在早晚高峰通勤、重大节日的大型集会、体育赛事或其他文化公共活动时，设施内的人群往往处于密集和拥挤的状态。当建筑物内的人员密集程度较高时，行人流相互交织、相互挤压，微小的扰动可能致使人群进入不稳定的状态。如果不能及时和有效的控制，很容易导致人群拥挤践踏事故等事故的发生。
计算机仿真技术能够安全有效的对复杂条件下的运动过程进行可视化、重复性的模拟，因此该技术逐渐运用到行人疏散理论的科学研究。突发事件下的人群疏散是一项复杂的系统工程，在实际应用中通常使用疏散实验的方式获取合适的疏散预案。该方式具有针对性强、信息量丰富等特点。然而，由于存在人员安全无法保障、实验投入大等不可避免的问题，计算机仿真成为研究突发事件下人群疏散的最有效的方法。
利用计算机仿真人群疏散问题需要考虑到众多影响群体运动的因素，根据社会心理学的观点，群体可以分为具有不同特征的小群体。而在一个小群体内部，个体之间具有某些共同的特征形成一个群组。例如，最常见的群组包括家庭关系群组、同学朋友群组、同事群组等。这些群组通过一种或多种社会关系为纽带连接。
从人的社会性角度来说，某些家庭成员或者说一些小团体成员，他们关心每一个小群体成员的安全，总是和他们所在的小群体一起疏散，以亲情和友情或者其他某种关联关系为纽带，将群体中一个个松散的个体变成了若干个紧密联系在一起的小群体。
可观测的事实表明，危急情形下的人群疏散中，同一群组人员的行为总会保持一致。他们相互协商运动的方向，并可能在某一时刻一起离开群体。所以，同一群组中的每个个体都会试图调整自己的运动速度，以保持跟整个群组行进的一致性。
从大规模人群疏散计算机仿真系统的角度来说，采用按群组移动规划路径的方法，可以大大提高运行效率。例如：一千个人员表现出来的群体运动可以看成是由几个几百人组成的相互独立的群体运动的合成。人群疏散仿真时，只需要为每个组的引领者规划路径，组内其他成员跟随引领者移动。这就解决了大规模人群疏散计算机仿真为每个个体计算路径导致的速度过慢的问题。
Dirk Helbing根据人群行为特征，以牛顿力学为基础建立了社会力模型。社会力是指一个人运动时受到所处环境(包括环境中的人和物)对其施加的力，并非是直接作用在他身上的物理概念的力。社会力模型中依据行人不同的动机和在环境中受到的影响，共有三种作用力的影响：驱动力、人和人之间的作用力以及人和障碍物之间作用力。这些力的合力作用于行人，产生一个加速度。在整个个体行走过程中，以及个体和个体之间始终存在一定的力的作用。例如，驱动力会引导个体朝目标方向前进；在个体身体接触之前，人和人之间的作用力使人群中的个体避免相互碰撞；人和环境之间的作用力使人群中的个体避免与障碍物碰撞。这个阶段可以用经典牛顿第二定律来解释。
现有人群疏散仿真方法中均未考虑人群之间的关系以及形成的群组对运动的影响。虽然，Helbing和Molnar提出社会力模型依据牛顿力学公式模拟人群行为，能够很好地重现一些现象，例如“越想快反而越慢”以及出口处的拱形现象。但是它过度简化了行人的行为，没有考虑人群之间的关系以及形成的群组对运动的影响。
因此，为了解决大规模人群疏散计算机仿真系统的真实性及疏散效率问题，需要考虑研究群组移动对疏散效率的影响，不仅可以提供合理的安全疏散方案，并且可以为建筑结构的设计、密集人群的管理、突发事件人群疏散演习以及制定紧急疏散计划提供科学的指导。
发明内容
本发明提供了一种大规模人群疏散计算机仿真系统及其方法。本发明在考虑人群关系的特性对人群进行分组的前提下，每组选出引领者，采用改进型社会力模型来模拟在突发事件人群疏散时群组移动的过程，为建筑结构的设计、密集人群的管理、突发事件人群疏散演习以及制定紧急疏散计划提供科学的指导。
一种大规模人群疏散计算机仿真系统，包括：
疏散场景模型建立单元，其用于提取疏散场景的特征，得到疏散场景的三维模型；
疏散场景全局路径规划单元，其用于根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；
人群活动生成单元，其用于根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；
人群仿真单元，其用于筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真；
其中，改进型社会力模型中社会力为个体驱动力、个体间的作用力、个体与障碍物间作用力、群组吸引力及扰动力的总和。
所述人群仿真单元，包括：
引领者选择模块，其用于根据个体间关系来确定个体间的关系值，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者；
人群疏散仿真模块，其用于根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性。
一种基于大规模人群疏散计算机仿真系统的仿真方法，包括：
步骤(1)：提取疏散场景的特征，得到疏散场景的三维模型；
步骤(2)：根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；
步骤(3)：根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；
步骤(4)：筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真。
所述步骤(4)中筛选每个群组的引领者的过程，包括：
步骤(4.1)：据个体间关系来确定个体间的关系值，分别计算各个群组中每个个体与其他个体的关系值之和；
步骤(4.2)：在每个群组中，将每个个体与其他个体的关系值之和的大小进行排序，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者。
所述步骤(4)中，改进型社会力模型中社会力为个体驱动力、个体间的作用力、个体与障碍物间作用力、群组吸引力及扰动力的总和。
改进型社会力模型中群组吸引力的方向指向群组的中心，群组的中心为相应群组的引领者。
所述步骤(3)中个体间关系包括同事关系、亲属或恋人关系和朋友关系。
所述步骤(3)中个体间关系还包括团队成员与领队关系。
如果两个个体无关系，则关系值为0。
个体间关系值取值范围为：
本发明的有益效果为：
(1)本发明用于大规模人群疏散计算机仿真系统的人群仿真单元，考虑了人群之间的关系以及形成的群组对运动的影响，可以再现人群疏散时成组移动的效果，使人群疏散计算机仿真更真实，为人群疏散安全演练提供重要的依据，还可以检测建筑疏散性能，优化实际疏散过程以及提高疏散效率；
(2)从大规模人群疏散计算机仿真系统的角度来说，采用按群组移动规划路径的方法，可以大大提高运行效率。例如：一千个人员表现出来的群体运动可以看成是由几个几百人组成的相互独立的群体运动的合成。人群疏散仿真时，只需要为每个组的引领者规划路径，组内其他成员跟随引领者移动。这就解决了大规模人群疏散计算机仿真系统为每个个体计算路径导致的速度过慢的问题。
(3)由于人群是按组运动的，采用增加了改进型社会力模型，群组吸引力的方向指向群组的中心，该发明用于提高计算机仿真的真实性和效率，并且为建筑结构的设计、密集人群的管理以及制定紧急疏散计划提供科学的指导
附图说明
图1是本发明的大规模人群疏散计算机仿真系统的结构示意图；
图2是本发明人群仿真单元群组移动流程示意图；
图3是本发明实施例中初始化后的人群示意图；
图4是本发明实施例中人群疏散仿真中人群分组过程示意图；
图5是本发明实施例中分组后向出口移动的状态图；
图6是本发明实施例中分组后向出口移动，接近出口的状态图；
图7是本发明实施例中分组后向出口移动，疏散基本结束的状态图。
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：
在本发明的大规模人群疏散计算机仿真系统中：
(1)人群数据集P＝{pi,i＝1,2,…,N}，pi＝(pi1,pi2,…,pim)表示数据集中第i个个体，pim表示第i个个体的第m个属性。
(2)人群个体间的关系：
对于两个个体pl和pm，关系值表示两个个体之间的紧密程度，取值为0到1，用rel(pl，pm)表示。
如果两个个体无关系，则关系值为0，如果是母子或恋人关系，则关系值趋近于1。为了反映紧急疏散时，查找导游或者一个团体的领导者，把旅游团队中的每个人与导游都建立关系，并且关系为1，同样的道理，每个集体的个体与领队之间，也都建立关系，并且关系值为1。待疏散人群数据集的个体之间的关系取值范围为：
(3)人群个体与疏散场景的人群活动区域的映射关系：
本发明疏散场景的人群活动区域定义为S＝L×W，是一个长为L，宽为W的矩形平面区域，上面的每一个点都可以用由两个数构成的坐标(x,y)来表示。
其中，P→S的映射为M：待疏散人群数据集P到平面区域的映射M＝{pi(x,y)}；
pi是待疏散人群数据集中的第i个个体，1≤i≤N，(x,y)是二维平面上的坐标，1≤x≤W，1≤y≤L，pi(x,y)表示第i个个体在平面区域上的位置是(x,y)。
(4)群组中引领者的选择：
计算每个群组中每个个体与其他个体的关系值之和后，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者。
(5)改进型社会力模型：
Dirk Helbing根据人群行为特征，以牛顿力学为基础建立了社会力模型。社会力是指一个人运动时受到所处环境(包括环境中的人和物)对其施加的力，并非是直接作用在他身上的物理概念的力。社会力模型中依据行人不同的动机和在环境中受到的影响，共有三种作用力的影响：驱动力、人和人之间的作用力以及人和障碍物之间作用力。这些力的合力作用于行人，产生一个加速度。在整个个体行走过程中，以及个体和个体之间始终存在一定的力的作用。例如，驱动力会引导个体朝目标方向前进；在个体身体接触之前，人和人之间的作用力使人群中的个体避免相互碰撞；人和环境之间的作用力使人群中的个体避免与障碍物碰撞。这个阶段可以用经典牛顿第二定律来解释。表达式如下：
公式(1)表示个体i的运动受到自身驱动力个体i与其他个体之间的作用力个体与障碍物之间的作用力以及扰动力这四种力的影响。
在这四种力的共同作用下，个体的位置发生变化。mi为个体i的质量，表示个体i当前的速度，那么个体i的自身驱动力为：
在移动过程中，个体i会不断调整自己当前的实际速度期望以最大速率向着目的地移动。τi是个体i的反应时间，是目的地所在方向。其中
公式(4)表示个体i受到个体j的作用力。这个作用力包括两部分，一是个体i刻意与个体j保持安全距离的心理作用力二是个体i与个体j之间的物理作用力心理作用力为：
公式(5)中，Ai、Bi均为常量，Ai表示相互作用力的强度，Bi为排斥力的浮动范围。ri、rj分别为个体i及个体j的半径，rij为个体i和个体j的半径之和，rij＝ri+rj。dij为个体i与个体j的质心距离， 为由个体i指向个体j的单位向量， 和分别表示个体i与j的位置。
物理作用力为：
公式(6)中，表示个体i受到个体j的物理作用力，k、κ为常量，Δv'ji表示个体i与个体j切线方向的相对速率：
表示个体i与个体j的切线方向，当两个人没有接触时，g(x)为0，反之为x。即，当个体i与个体j有接触时时g(rij-dij)的函数值为rij-dij。
个体和障碍物之间的作用力表示为：
其中，表示个体i刻意与障碍物w保持安全距离的心理作用力；表示个体i受到障碍物w的物理作用力；diw为个体i与障碍物w的质心距离；为由个体i指向障碍物w的单位向量；表示个体i与障碍物w的切线方向。
本发明的改进型社会力模型的表达式为：
其中，mi表示个体i的质量；表示个体i当前的速度；表示个体i的运动受到自身驱动力；表示个体i与其他个体之间的作用力；表示个体与障碍物w之间的作用力；表示扰动力；表示个体i在群体中与个体j的吸引力。
其中，wij＝β×rel(i,j)，β是关系对吸引力的权重；rel(i,j)表示两个个体i和j的关系值，取值为0到1。
是个体i在群体中与个体j的吸引力的合力。该力的方向指向群组的中心，其大小由个体期望在一起的程度决定，主要由个体之间的关系决定。关系越密切，期望在一起的程度越大，群组吸引力就越大；反之越小。例如，由母亲和孩子组成的群组，他们之间的关系更紧密，吸引力大小要比由同事关系为社会纽带形成群组个体之间的吸引力大。因此，在疏散过程中，倾向于逐渐靠近，并步伐比较协调的移动。
如图1所示，本发明的大规模人群疏散计算机仿真系统，包括：
疏散场景模型建立单元，其用于提取疏散场景的特征，得到疏散场景的三维模型；
疏散场景全局路径规划单元，其用于根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；
人群活动生成单元，其用于根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；
人群仿真单元，其用于筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真；
其中，改进型社会力模型中社会力为个体驱动力、个体间的作用力、个体与障碍物间作用力、群组吸引力及扰动力的总和。
进一步地，人群仿真单元，包括：
引领者选择模块，其用于根据个体间关系来确定个体间的关系值，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者；
人群疏散仿真模块，其用于根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性。
如图2所示，本发明的大规模人群疏散计算机仿真系统的仿真方法，包括：
步骤(1)：提取疏散场景的特征，得到疏散场景的三维模型；
步骤(2)：根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；
步骤(3)：根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；
步骤(4)：筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真。
进一步地，步骤(4)中筛选每个群组的引领者的过程，包括：
步骤(4.1)：据个体间关系来确定个体间的关系值，分别计算各个群组中每个个体与其他个体的关系值之和；
步骤(4.2)：在每个群组中，将个体按关系值之和排序，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者。
改进型社会力模型中社会力为个体驱动力、个体间的作用力、个体与障碍物间作用力、群组吸引力及扰动力的总和。
改进型社会力模型中群组吸引力的方向指向群组的中心，群组的中心为相应群组的引领者。
下面提供一个仿真实施例：
由300个人300×250的平面区域上进行计算机人群疏散仿真，如图3～图7所示。在图3中，初始化后的状态，相同灰度的个体表示：个体之间存在关系。在图4中，从人群分组后各组向出口移动的状态可看出，相同灰度的个体分在相同的组中。从图5，6，7中可看出，在向出口移动过程中，有关系的个体基本保持在同一组，并且同组中的每个个体都会试图调整自己的运动速度，以保持跟整个群组行进的一致性。
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)

1.一种大规模人群疏散计算机仿真系统，其特征在于，包括：
疏散场景模型建立单元，其用于提取疏散场景的特征，得到疏散场景的三维模型；
疏散场景全局路径规划单元，其用于根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；
人群活动生成单元，其用于根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；
人群仿真单元，其用于筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真；
其中，改进型社会力模型中社会力为个体驱动力、个体间的作用力、个体与障碍物间作用力、群组吸引力及扰动力的总和；
所述人群仿真单元，包括：
引领者选择模块，其用于根据个体间关系来确定个体间的关系值，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者；
人群疏散仿真模块，其用于根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性。
2.一种基于如权利要求1所述的大规模人群疏散计算机仿真系统的仿真方法，其特征在于，包括：
步骤(1)：提取疏散场景的特征，得到疏散场景的三维模型；
步骤(2)：根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；
步骤(3)：根据疏散场景特征、个体间关系以及个体位置信息进行人群分组，获得若干个群组；
步骤(4)：筛选每个群组的引领者，并根据改进型社会力模型计算个体的实时速度；在仿真过程中，每个群组移动方向由引领者决定，实时调整个体的运动速度，以保持每个群组行进的一致性，实现疏散人群的行为仿真；
所述步骤(4)中筛选每个群组的引领者的过程，包括：
步骤(4.1)：据个体间关系来确定个体间的关系值，分别计算各个群组中每个个体与其他个体的关系值之和；
步骤(4.2)：在每个群组中，将每个个体与其他个体的关系值之和的大小进行排序，筛选出各个群组中与其他个体的关系值之和最大的个体，作为各个群组的引领者。
3.如权利要求2所述的一种大规模人群疏散计算机仿真系统的仿真方法，其特征在于，所述步骤(4)中，改进型社会力模型中社会力为个体驱动力、个体间的作用力、个体与障碍物间作用力、群组吸引力及扰动力的总和。
4.如权利要求3所述的一种大规模人群疏散计算机仿真系统的仿真方法，其特征在于，改进型社会力模型中群组吸引力的方向指向群组的中心，群组的中心为相应群组的引领者。
5.如权利要求2所述的一种大规模人群疏散计算机仿真系统的仿真方法，其特征在于，所述步骤(3)中个体间关系包括同事关系、亲属或恋人关系和朋友关系。
6.如权利要求5所述的一种大规模人群疏散计算机仿真系统的仿真方法，其特征在于，所述步骤(3)中个体间关系还包括团队成员与领队关系。
7.如权利要求6所述的一种大规模人群疏散计算机仿真系统的仿真方法，其特征在于，如果两个个体无关系，则关系值为0。
8.如权利要求7所述的一种大规模人群疏散计算机仿真系统的仿真方法，其特征在于，个体间关系值取值范围为：
CN201610045914.9A 2016-01-22 2016-01-22 一种大规模人群疏散计算机仿真系统及其方法 Expired - Fee Related CN105740514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610045914.9A CN105740514B (zh) 2016-01-22 2016-01-22 一种大规模人群疏散计算机仿真系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610045914.9A CN105740514B (zh) 2016-01-22 2016-01-22 一种大规模人群疏散计算机仿真系统及其方法

Publications (2)

Publication Number Publication Date
CN105740514A CN105740514A (zh) 2016-07-06
CN105740514B true CN105740514B (zh) 2018-08-31

Family

ID=56246451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610045914.9A Expired - Fee Related CN105740514B (zh) 2016-01-22 2016-01-22 一种大规模人群疏散计算机仿真系统及其方法

Country Status (1)

Country Link
CN (1) CN105740514B (zh)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202751B (zh) * 2016-07-15 2019-03-19 山东师范大学 文化算法与微粒群算法结合的人群疏散仿真方法及系统
CN106250677B (zh) * 2016-07-21 2019-03-01 同济大学 基于运动学小球模型的灾害条件下人群恐慌传播建模方法
CN106354978B (zh) * 2016-09-30 2019-08-13 厦门大学嘉庚学院 一种考虑疏散引导的室内多出口行人流仿真方法
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
CN107194030B (zh) * 2017-04-20 2020-05-29 山东师范大学 一种基于视频数据驱动的人群疏散仿真方法及系统
CN107103156B (zh) * 2017-05-19 2020-03-27 山东师范大学 一种考虑从众心理的人群疏散仿真方法及系统
CN107423480A (zh) * 2017-05-19 2017-12-01 山东师范大学 一种人群运动仿真方法及系统
CN107330147B (zh) * 2017-05-26 2020-04-24 北京交通大学 一种地铁车站人员应急疏散仿真方法及系统
CN107220447B (zh) * 2017-06-05 2018-07-10 山东师范大学 基于疏散路径集合的人群疏散仿真方法及系统
CN107256307B (zh) * 2017-06-09 2018-07-24 山东师范大学 基于知识导航的人群疏散仿真方法及系统
CN107480320B (zh) * 2017-06-20 2020-09-29 山东师范大学 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
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
CN107403049B (zh) * 2017-07-31 2019-03-19 山东师范大学 一种基于人工神经网络的Q-Learning行人疏散仿真方法及系统
CN107292064B (zh) * 2017-08-09 2019-01-11 山东师范大学 一种基于多蜂群算法的人群疏散仿真方法及系统
CN107480821B (zh) * 2017-08-14 2020-05-05 山东师范大学 基于实例学习的多Agent协作人群疏散仿真方法及装置
CN108491972A (zh) * 2018-03-21 2018-09-04 山东师范大学 一种基于Sarsa算法的人群疏散仿真方法及装置
CN108595775B (zh) * 2018-03-29 2019-03-19 山东师范大学 人群疏散仿真过程中障碍物几何形状的优化方法及系统
CN110851942A (zh) * 2018-07-31 2020-02-28 中国科学院遥感与数字地球研究所 基于社会力模型的人群群组间避让和群组内协作模型
CN109508657B (zh) * 2018-10-29 2022-04-26 重庆中科云从科技有限公司 人群聚集分析方法、系统、计算机可读存储介质及设备
CN111400963B (zh) * 2020-03-04 2023-04-18 山东师范大学 基于鸡群算法和社会力模型的人群疏散仿真方法及系统
CN111400914A (zh) * 2020-03-17 2020-07-10 山东师范大学 一种基于视域的人群分组及人群疏散仿真系统及方法
CN112257258B (zh) * 2020-10-20 2024-07-09 杭州电子科技大学 基于Boids集群运动模型的人群运动仿真方法
CN117236147B (zh) * 2023-07-20 2024-07-02 中国地质大学（武汉） 一种高密度人群疏散仿真方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101714185A (zh) * 2009-12-22 2010-05-26 中国建筑科学研究院建筑防火研究所 建筑物灾害疏散的自动模拟方法
CN101776460A (zh) * 2010-03-08 2010-07-14 中国建筑科学研究院建筑防火研究所 人员疏散中的导航方法及装置
CN103927591A (zh) * 2014-03-24 2014-07-16 北京交通大学 一种城市轨道交通应急疏散优化方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090306946A1 (en) * 2008-04-08 2009-12-10 Norman I Badler Methods and systems for simulation and representation of agents in a high-density autonomous crowd

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101714185A (zh) * 2009-12-22 2010-05-26 中国建筑科学研究院建筑防火研究所 建筑物灾害疏散的自动模拟方法
CN101776460A (zh) * 2010-03-08 2010-07-14 中国建筑科学研究院建筑防火研究所 人员疏散中的导航方法及装置
CN103927591A (zh) * 2014-03-24 2014-07-16 北京交通大学 一种城市轨道交通应急疏散优化方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Guided crowd dynamics via modified social force;Xiaoxia Yang等;《Physica A: Statistical Mechanics and its Applications》;20140611;第63-73页 *
基于群体智能的人群疏散建模与仿真方法研究;胡春雨;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20150915;第I138-1605页 *

Also Published As

Publication number Publication date
CN105740514A (zh) 2016-07-06

Similar Documents

Publication Publication Date Title
CN105740514B (zh) 一种大规模人群疏散计算机仿真系统及其方法
Qiu et al. Modeling group structures in pedestrian crowd simulation
Torrens Moving agent pedestrians through space and time
Pelechano et al. Modeling crowd and trained leader behavior during building evacuation
Shao et al. Autonomous pedestrians
CN105740510B (zh) 基于网格-密度-关系的疏散人群行为仿真系统及其方法
Sarmady et al. A cellular automata model for circular movements of pedestrians during Tawaf
Jiang et al. Continuum crowd simulation in complex environments
Robin et al. Specification, estimation and validation of a pedestrian walking behavior model
Feurtey Simulating the collision avoidance behavior of pedestrians
Li et al. A grouping method based on grid density and relationship for crowd evacuation simulation
CN107220447B (zh) 基于疏散路径集合的人群疏散仿真方法及系统
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
Cherif et al. Crowd simulation influenced by agent's socio-psychological state
CN111400914A (zh) 一种基于视域的人群分组及人群疏散仿真系统及方法
CN108446469A (zh) 一种基于视频驱动的群组行为疏散仿真方法及装置
Zhang et al. Crowd evacuation simulation using hierarchical deep reinforcement learning
Zsifkovits et al. Modelling and parameterizing pedestrian behaviour in public places: A review
CN112257258B (zh) 基于Boids集群运动模型的人群运动仿真方法
Xin et al. Improved social force model for emergency evacuation scene with limited field of vision
Aschwanden et al. Crowd simulation for urban planning
CN113299068B (zh) 一种交通路网拥堵状态预测方法及系统
Charrier et al. Study of a model of nervousness propagation within virtual crowds
Ilyas et al. Analyzing the impact of social distancing on the stoning ritual of the islamic pilgrimage
Xiaoxi et al. Path planning based on grid-potential fields

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180831

Termination date: 20220122