CN107220447B - 基于疏散路径集合的人群疏散仿真方法及系统 - Google Patents

基于疏散路径集合的人群疏散仿真方法及系统 Download PDF

Info

Publication number
CN107220447B
CN107220447B CN201710413666.3A CN201710413666A CN107220447B CN 107220447 B CN107220447 B CN 107220447B CN 201710413666 A CN201710413666 A CN 201710413666A CN 107220447 B CN107220447 B CN 107220447B
Authority
CN
China
Prior art keywords
evacuation
paths
path
crowd
emulation
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
CN201710413666.3A
Other languages
English (en)
Other versions
CN107220447A (zh
Inventor
刘弘
韩延彬
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 CN201710413666.3A priority Critical patent/CN107220447B/zh
Publication of CN107220447A publication Critical patent/CN107220447A/zh
Application granted granted Critical
Publication of CN107220447B publication Critical patent/CN107220447B/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]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于疏散路径集合的人群疏散仿真方法及系统，其中该方法包括提取疏散场景的特征，得到疏散场景的二维模型；基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。本发明仿真个体根据当前疏散环境实时地更改疏散策略，可以实现对突发事件安全疏散计划的科学指导。

Description

基于疏散路径集合的人群疏散仿真方法及系统
技术领域
本发明涉及人群疏散计算机仿真领域，尤其涉及一种基于疏散路径集合的人群疏散仿真方法及系统。
背景技术
由于各类大型集会逐渐增多，此种情况下可能发生的拥挤、踩踏等安全事故给国家和人民带来生命和财产的巨大损失，究其原因主要是因为当人群密度程度较高时，个体流之间出现相互挤压，相互交织，使得人群处于高度不稳定状态，而减少此类安全事故发生的必要手段是提前预警和有效控制。
然而，安全隐患的实际演练过程存在很大的局限性，如：复杂的个体运动导致试验过程无再现性、演习人员的安全无法得到有效的保障等，因此具有安全、重复、易于改变环境等优点的计算机仿真技术近年来逐渐应用到个体疏散理论的科学研究。利用计算机仿真技术可以方便的获取在各个人群规模，各种环境下的疏散参数，便于管理者制定和获取合适的疏散方案。
如何真实的仿真个体在紧急疏散过程中的动作行为，尤其是模拟个体在突发事件下的恐慌性反应，是利用计算机仿真人群疏散的核心问题。虽然根据社会新心理学的观点，人群在运动过程中会形成跟随效应，链式效应等自组织现象，但是充分利用疏散环境的信息，选择尽可能的脱困路线是最本能的动作。疏散过程中，个体是依据实时变换场景信息来决策疏散行为动作的。如何模拟个体从众多的疏散信息中筛选、甄别，进而选择代价较小的、收益较高的出口作为运动目标，是仿真个体在紧急情况疏散行为的关键。
从现有的疏散视频中发现，在危机情况下的人群疏散，个体都是根据获取的实时疏散信息及时调整自己的运动速度和运动目标(疏散策略)，从而尽快脱离危险环境。众多视频中行人所表现出来的不断修改运动方向和速度，充分说明了在疏散过程中，行人运动策略并非一成不变的。而从本质上讲，行人运动策略的改变实际是调整前一时刻所选的疏散路径。所以针对行人对路径选择的模拟仿真是够真实地再现在紧急情况个体在疏散过程中的行动。社会力模型是目前人群疏散仿真常用的物理模型。该模型由Dirk Helbing根据人群行为特征，依据牛顿力学为基础建立的；该模型通过计算个体运动时受到外界的虚拟力，描述个体运动的基本动机和环境对个体运动产生的直接影响。社会力模型中的社会力是三种作用力的合力，包括：目标驱动力、个体之间的斥力、个体和障碍物(墙、障碍物、受伤不能行走的人)之间的斥力。社会力作用于个体产生运动加速度，用于驱动个体朝目标方向前进。Helbing和Molnar提出社会力模型仅仅依据牛顿力学公式模拟人群行为，虽然能够很好的重现一些疏散现象，例如：“快即是慢”、“拱形效应”等，但是该模型过度简化了个体的行为，缺少个体对环境的认知和分析，因此不能真实的模拟个体在紧急疏散过程中的行为动作。
为了能够真实的模拟个体在突发事件下疏散过程中的行为动作，需要添加个体对疏散环境的认知，这种仿真模拟不仅能够为安全疏散提供合理的方案，并且为建筑结构的设计，密集人群管理，突发事件安全疏散计划等提供科学指导。
发明内容
为了解决现有技术的不足，本发明提供了一种基于疏散路径集合的人群疏散仿真方法，其通过引入带有疏散状态信息的可使用疏散路径集合，模拟个体对疏散环境信息的认知，进而通过实时地选择疏散路径，仿真行人在疏散过程中调整疏散策略。本发明主要是通过仿真疏散过程，预演在突发和恐慌状态下，人群疏散过程中个体的移动过程，为建筑结构的设计，密集人群管理，突发事件安全疏散计划等提供科学指导。
本发明的一种基于疏散路径集合的人群疏散仿真方法，包括：
提取疏散场景的特征，得到疏散场景的二维模型；
基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
进一步的，该方法还包括：在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
本发明从碰撞问题的根本上着手解决避障问题，利用相对速度和人群中个体前进方向的夹角对避障区内的障碍物进行筛选，用来在最大程度上避免了不必要的避障，提高避障效率及准确性。
进一步的，在将疏散路径集合内的所有路径进行离散化操作之后，还包括：将离散化的路径进行去圈和路径合并操作，最终获取无冗余的疏散路径集合。
社会力模型获取的路径是连续路径，而且多条路径相互交叠、迂回，不利于路径集合的描述，所以需要将原来的社会力模型形成的疏散路径离散化；而离散化的疏散路径存在圈和路径重叠等情况，所以需要将离散化的路径进行二次处理(去圈、路径合并)，获取没有冗余的路径集合。
进一步的，路径阻塞程度信息计算的过程为：
在疏散场景的二维模型中设置一关键点，以该关键点为中心的设定面积内的人群密度之和作为路径阻塞程度信息。
本发明还提供了一种基于疏散路径集合的人群疏散仿真系统。
本发明的一种基于疏散路径集合的人群疏散仿真系统，包括：
场景分析单元，其用于提取疏散场景的特征，得到疏散场景的二维模型；
路径分析单元，其用于基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
路径评估单元，其用于将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
路径选择单元，其用于根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
进一步的，该系统还包括：运动避障单元，其用于在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
进一步的，在所述路径评估单元中，在将疏散路径集合内的所有路径进行离散化操作之后，还包括：将离散化的路径进行去圈和路径合并操作，最终获取无冗余的疏散路径集合。
进一步的，在所述路径评估单元中，路径阻塞程度信息计算的过程为：
在疏散场景的二维模型中设置一关键点，以该关键点为中心的设定面积内的人群密度之和作为路径阻塞程度信息。
本发明还提供了另一种基于疏散路径集合的人群疏散仿真系统。
本发明的另一种基于疏散路径集合的人群疏散仿真系统，包括仿真服务器，其被配置为：
提取疏散场景的特征，得到疏散场景的二维模型；
基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
进一步的，所述仿真服务器还被配置为：
在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
与现有技术相比，本发明的有益效果是：
(1)本发明用于基于疏散路径集合的人群疏散仿真方法，考虑了实际疏散环境信息，对行人疏散决策的影响，该发明可以再现人群疏散策略修订过程，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)从实际疏散情况来看，行人在疏散过程中，疏散策略的选择，并不是仅仅以最短路径为标准，而是疏散效益最大化(疏散代价最小)。因此本发明更加符合个体认知环境信息的规律，充分体现了人在决策过程中的复杂性。同时由于个体疏散运动路径集合采用社会力模型生成，因此本发明可以用于突发事件下的人群疏散仿真。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本发明基于疏散路径集合的人群疏散仿真方法流程图；
图2是本发明的疏散路径集合；
图3是本发明人群仿真单元群组移动流程示意图；
图4是本发明实施例中初始化后的人群示意图；
图5是本发明实施例中疏散中期出现出口阻塞人群分布图；
图6是本发明实施例中疏散后期不同出口的人群分布图；
图7是本发明实施例中接近完全疏散状态时，不同出口人群分布图；
图8是本发明基于疏散路径集合的人群疏散仿真系统结构示意图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
图1是本发明基于疏散路径集合的人群疏散仿真方法流程图。
如图1所示，本发明的一种基于疏散路径集合的人群疏散仿真方法，包括：
步骤1：提取疏散场景的特征，得到疏散场景的二维模型。
步骤2：基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合。
具体地，基于二维模型的疏散场景，得到疏散场景的出口位置和疏散路径的关键点位置。
利用Helbing和Molnar提出社会力模型获取疏散场景获取可使用的疏散路径，形成可利用路径集合；由于原始的社会力模型不能够有效的避障，所以在本发明中更新了原始社会力模型，使之能够避障。基于避障策略的社会力模型如下所式：
相比于传统的社会力模型所包含的作用力(行人x和行人y之间的斥力)，(行人x和墙w之间的斥力)，本发明中最大的创新来源于针对(出口d吸引力)的修改。其修改后的表达式如下：
其中，ds是行人在运动方向上到第一个障碍物的距离，如果没有障碍物，ds＝0；如果ds＝0则g(ds)＝0，否则g(ds)＝1；表示行人和障碍物表面的切线反向；表示原始社会力中出口对行人的吸引力。
步骤3：将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值。
在将疏散路径集合内的所有路径进行离散化操作之后，还包括：将离散化的路径进行去圈和路径合并操作，最终获取无冗余的疏散路径集合。
由于社会力模型获取的路径是连续路径，而且多条路径相互交叠、迂回，不利于路径集合的描述，所以需要将原来的社会力模型形成的疏散路径离散化；而离散化的疏散路径存在圈和路径重叠等情况，所以需要将离散化的路径进行二次处理(去圈、路径合并)，获取没有冗余的路径集合。
其中，路径阻塞程度信息计算的过程为：
在疏散场景的二维模型中设置一关键点，以该关键点为中心的设定面积内的人群密度之和作为路径阻塞程度信息。
本发明是将人群分布程度以及路径阻塞程度信息这些因素，附加在疏散路径集合中的路径上，作为个体对路径的评估信息，仿真个体对疏散环境的认知；某一疏散个体对第i条疏散路径的评估函数如下所述：
在表达式(1)中，i是路径集合中的路径编号；t是疏散时间，这也表明路径的状态是随时改变的；dsi是行人距离路径i的最短路径；是路径i各个关键点上的阻塞的评估；是出口的阻塞评估值；li是路径i到出口的长度，该长度是从行人选择路径上的关键点开始计算的；a1、a2、a3和a4是权值参数表明行人对各个因素的关注程度。不同ai参数值，将应用于不同情境下的疏散。由于本发明主要是应用突发事件下的人群疏散仿真，因此求生是行人考虑的首要因素，所以参数设置为a1＝0.05,a2＝0.7,a3＝0.2,a4＝0.05。
其中，dsi描述了行人和路径i之间的距离，这个距离可以按照如下的方式计算：
dsi＝min(||P-Kp||)Kp∈route i； (5)
这里，p行人的位置，Kp是路径i上的关键点；dsi实际上是行人距离备选路径的最短距离。
是路径i的阻塞评估，其计算方式如下：
这里，是路径i上的关键点阻塞，其计算阻塞值并不是所有的点，而是从行人选择的点开始的。在这里选择一个均值作为路径的阻塞评估。
出口的密度，其计算方式是利用出口范围内的员工所占的面积和以出口为中心的半圆面积来计算的。
li是路径关键点Kp到出口的距离，并非路径i的总长度。
步骤4：根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
为了真正的描述行人在疏散过程的决策过程(行人不可能准确的估算每一条路径的信息)，在本发明中并不是取评估值最好的，而是采用了前5个评估值最好的路径构建轮盘赌，并利用伪随机策略从中选择一条合适的路径。第i条路径被选择的概率由如下的公式描述：
根据公式(7)所描述的选择概率，可以看出评估较好的路径被选择的概率较大，但不一定被选择，这仿真行人在慌乱行动中的某些盲目性和恐慌性。
为了保持疏散过程的稳定性，在本发明中，加入了稳定性因子，其表达式如下：
是t+1时刻所选路径的评估值，是t+1时刻当前路径i的评估值，如果Fd≤0，则表示新的路径比当前的路径评估值要好，所以才选择新的路径。
该方法还包括：在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
本发明从碰撞问题的根本上着手解决避障问题，利用相对速度和人群中个体前进方向的夹角对避障区内的障碍物进行筛选，用来在最大程度上避免了不必要的避障，提高避障效率及准确性。
在本发明中，行人疏散策略更改最终体现为在疏散路径的选择上。该选择的依据来源于行人对环境充分认知后，且对存在可行的疏散路径评估基础上完成的。随着疏散时间的推移，整个场景中人群的分布，密度，关键路径拥塞程度都实时地变化，由此引发疏散场景中可用疏散路径的状态发生变换
在行人对整个疏散场景状态评估后，重新审视已选择和候选的可行疏散路径的情况(路径选择概率,)，并根据实际情况决定是否更改疏散策略，重新选择疏散路径。基于轮盘赌的伪随机策略体现了行人在疏散过程中的盲目性和恐慌性，而稳定性因子则体现了行人在疏散过程中的惰性。总体来讲，在紧急情况下，行人总是选择距离当前位置最近的(dsi)，拥塞较小的到达出口阻塞较小的长度较小的(li)的路径，作为当前优先选择的路径。当某些因素相当的时候，剩下的因素就起主要作用了。因此，本发明中定义的个体疏散策略是符合实际个体运动规律的。
实施例2：本发明的另一实施例一种突发事件下的人群疏散仿真系统，包括：疏散场景分析单元(出口位置，障碍物位置，墙的位置等)，可用疏散路径的获取单元(利用修改社会力模型计算)，用于实时获取疏散场景中路径的评估信息；基于轮盘赌策略的伪随机策略和稳定性因子的路径选择单元；实现人群在突发事件下的疏散行为仿真。采用计算机编程的方式实现上述功能。
实施例3：
如图2所示，有600个人实际场景25m×20m平面区域上进个体群疏散仿真，如图3至图7所示。场景中包含2个出口，出口的宽度均为2m，一个障碍物，形成一个比较宽松疏散和一个比较狭窄的疏散区域。图3为个体初始位置分布情况，个体相对均匀的分布在场景中。图4为疏散初期人群的分布。图5为疏散中期人群的分布，可以看到，虽然左侧区域相对空旷，但是仍然有行人选择从右侧输出，其主要原因是左侧的出口阻塞程度太大，让行人放弃左侧出口；同样已经在左侧的行人，由于选择右侧出口的路径长度代价过大，所以，不选择右侧出口，仍然选择左侧出口等待疏散，这个显现工时符合实际人群疏散情况的。图6为疏散后期的人群状况，根据估算我们发现左侧和右侧的待疏散人群大致相当，这也体现了人群疏散过程中，两侧出口的利用率均等。图7为疏散接近结束的状态，同样说明了出口的利用率问题。这个疏散过程说明了本发明能够模拟行人评估疏散场景状态，并选择最优的疏散策略,也说明本发明能够真实的仿真个体在疏散过程中的决策行为。
图8是本发明基于疏散路径集合的人群疏散仿真系统结构示意图。
如图8所示，本发明的一种基于疏散路径集合的人群疏散仿真系统，包括：
(1)场景分析单元，其用于提取疏散场景的特征，得到疏散场景的二维模型；
(2)路径分析单元，其用于基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
(3)路径评估单元，其用于将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
在所述路径评估单元中，在将疏散路径集合内的所有路径进行离散化操作之后，还包括：将离散化的路径进行去圈和路径合并操作，最终获取无冗余的疏散路径集合。
在所述路径评估单元中，路径阻塞程度信息计算的过程为：
在疏散场景的二维模型中设置一关键点，以该关键点为中心的设定面积内的人群密度之和作为路径阻塞程度信息。
(4)路径选择单元，其用于根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
其中，该系统还包括：运动避障单元，其用于在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
本发明还提供了另一种基于疏散路径集合的人群疏散仿真系统。
本发明的另一种基于疏散路径集合的人群疏散仿真系统，包括仿真服务器，其被配置为：
提取疏散场景的特征，得到疏散场景的二维模型；
基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
其中，所述仿真服务器还被配置为：
在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
其中，仿真服务器还还与客户端相连。
本发明用于基于疏散路径集合的人群疏散仿真方法，考虑了实际疏散环境信息，对行人疏散决策的影响，该发明可以再现人群疏散策略修订过程，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；
从实际疏散情况来看，行人在疏散过程中，疏散策略的选择，并不是仅仅以最短路径为标准，而是疏散效益最大化(疏散代价最小)。因此本发明更加符合个体认知环境信息的规律，充分体现了人在决策过程中的复杂性。同时由于个体疏散运动路径集合采用社会力模型生成，因此本发明可以用于突发事件下的人群疏散仿真。
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 (10)

1.一种基于疏散路径集合的人群疏散仿真方法，其特征在于，包括：
提取疏散场景的特征，得到疏散场景的二维模型；
基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
将人群分布程度以及路径阻塞程度信息，附加在疏散路径集合中的路径上，作为个体对路径的评估信息，仿真个体对疏散环境的认知；某一疏散个体对第i条疏散路径的评估值
在表达式(4)中，i是路径集合中的路径编号；t是疏散时间；dsi是行人距离路径i的最短路径；是路径i各个关键点上的阻塞的评估；是出口的阻塞评估值；li是路径i到出口的长度；a1、a2、a3和a4是权值参数，表明行人对各个因素的关注程度；
根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
2.如权利要求1所述的基于疏散路径集合的人群疏散仿真方法，其特征在于，该方法还包括：在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
3.如权利要求1所述的基于疏散路径集合的人群疏散仿真方法，其特征在于，在将疏散路径集合内的所有路径进行离散化操作之后，还包括：将离散化的路径进行去圈和路径合并操作，最终获取无冗余的疏散路径集合。
4.如权利要求1所述的基于疏散路径集合的人群疏散仿真方法，其特征在于，路径阻塞程度信息计算的过程为：
在疏散场景的二维模型中设置一关键点，以该关键点为中心的设定面积内的人群密度之和作为路径阻塞程度信息。
5.一种基于疏散路径集合的人群疏散仿真系统，其特征在于，包括：
场景分析单元，其用于提取疏散场景的特征，得到疏散场景的二维模型；
路径分析单元，其用于基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
路径评估单元，其用于将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
将人群分布程度以及路径阻塞程度信息，附加在疏散路径集合中的路径上，作为个体对路径的评估信息，仿真个体对疏散环境的认知；某一疏散个体对第i条疏散路径的评估值
在表达式(4)中，i是路径集合中的路径编号；t是疏散时间；dsi是行人距离路径i的最短路径；是路径i各个关键点上的阻塞的评估；是出口的阻塞评估值；li是路径i到出口的长度；a1、a2、a3和a4是权值参数，表明行人对各个因素的关注程度；
路径选择单元，其用于根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
6.如权利要求5所述的基于疏散路径集合的人群疏散仿真系统，其特征在于，该系统还包括：运动避障单元，其用于在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
7.如权利要求5所述的基于疏散路径集合的人群疏散仿真系统，其特征在于，在所述路径评估单元中，在将疏散路径集合内的所有路径进行离散化操作之后，还包括：将离散化的路径进行去圈和路径合并操作，最终获取无冗余的疏散路径集合。
8.如权利要求5所述的基于疏散路径集合的人群疏散仿真系统，其特征在于，在所述路径评估单元中，路径阻塞程度信息计算的过程为：
在疏散场景的二维模型中设置一关键点，以该关键点为中心的设定面积内的人群密度之和作为路径阻塞程度信息。
9.一种基于疏散路径集合的人群疏散仿真系统，其特征在于，包括仿真服务器，其被配置为：
提取疏散场景的特征，得到疏散场景的二维模型；
基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；
将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及路径阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；
将人群分布程度以及路径阻塞程度信息，附加在疏散路径集合中的路径上，作为个体对路径的评估信息，仿真个体对疏散环境的认知；某一疏散个体对第i条疏散路径的评估值
在表达式(4)中，i是路径集合中的路径编号；t是疏散时间；dsi是行人距离路径i的最短路径；是路径i各个关键点上的阻塞的评估；是出口的阻塞评估值；li是路径i到出口的长度；a1、a2、a3和a4是权值参数，表明行人对各个因素的关注程度；
根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。
10.如权利要求9所述的一种基于疏散路径集合的人群疏散仿真系统，其特征在于，所述仿真服务器还被配置为：
在运行仿真的过程中，采用相对速度障碍运动方法来仿真人群中个体运行的避障行为。
CN201710413666.3A 2017-06-05 2017-06-05 基于疏散路径集合的人群疏散仿真方法及系统 Expired - Fee Related CN107220447B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710413666.3A CN107220447B (zh) 2017-06-05 2017-06-05 基于疏散路径集合的人群疏散仿真方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710413666.3A CN107220447B (zh) 2017-06-05 2017-06-05 基于疏散路径集合的人群疏散仿真方法及系统

Publications (2)

Publication Number Publication Date
CN107220447A CN107220447A (zh) 2017-09-29
CN107220447B true CN107220447B (zh) 2018-07-10

Family

ID=59948796

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710413666.3A Expired - Fee Related CN107220447B (zh) 2017-06-05 2017-06-05 基于疏散路径集合的人群疏散仿真方法及系统

Country Status (1)

Country Link
CN (1) CN107220447B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446469B (zh) * 2018-03-07 2022-02-08 山东师范大学 一种基于视频驱动的群组行为疏散仿真方法及装置
CN109063268B (zh) * 2018-07-05 2021-03-26 同济大学 人群疏散宏观模型迭代式仿真方法
CN109871964A (zh) * 2019-01-11 2019-06-11 深圳中广核工程设计有限公司 核事故应急演练方法、服务端以及客户端
CN110688749B (zh) * 2019-09-19 2023-04-11 山东师范大学 一种人群疏散仿真方法及系统
CN110852490B (zh) * 2019-10-23 2023-07-25 淮阴工学院 基于疏散网络的有轨电车站点人员疏散路径优化方法
CN111125886A (zh) * 2019-12-04 2020-05-08 东南大学 一种基于三种不同行为的人群疏散仿真系统及仿真方法
CN111210523B (zh) * 2019-12-26 2022-04-22 北京邮电大学 一种人群运动仿真方法及装置
CN114818360B (zh) 2022-05-10 2022-11-01 煤炭科学研究总院有限公司 人群应急疏散场景下的疏散出口设置方法及装置

Family Cites Families (4)

* 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
CN105740514B (zh) * 2016-01-22 2018-08-31 山东师范大学 一种大规模人群疏散计算机仿真系统及其方法
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
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

Also Published As

Publication number Publication date
CN107220447A (zh) 2017-09-29

Similar Documents

Publication Publication Date Title
CN107220447B (zh) 基于疏散路径集合的人群疏散仿真方法及系统
CN105740514B (zh) 一种大规模人群疏散计算机仿真系统及其方法
Wang et al. Improved multi-agent reinforcement learning for path planning-based crowd simulation
CN110427682B (zh) 一种基于虚拟现实的交通场景模拟实验平台和方法
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
CN108491598B (zh) 一种基于路径规划的人群疏散仿真方法及系统
Xiao et al. A pedestrian flow model considering the impact of local density: Voronoi diagram based heuristics approach
Izquierdo et al. Forecasting pedestrian evacuation times by using swarm intelligence
CN103679264B (zh) 基于人工鱼群算法的人群疏散路径规划方法
Sun et al. Crowd evacuation simulation method combining the density field and social force model
You et al. The simulation and analysis of small group effect in crowd evacuation
CN108153945A (zh) 一种基于多Agent的人群疏散仿真模型
CN106682371A (zh) 一种突发事件下的人群疏散仿真方法及系统
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
CN101188025A (zh) 一种高效实时的群体动画框架
CN103995915B (zh) 一种基于复合势能场的人群疏散仿真系统
CN106096115B (zh) 一种基于自组织沙堆模型的人群疏散仿真方法
CN108388734A (zh) 基于禁忌搜索蜂群算法的人群疏散仿真方法及系统
Bakar et al. An overview of crowd evacuation simulation
Lizhong et al. Modeling occupant evacuation using cellular automata-effect of human behavior and building characteristics on evacuation
CN107103150B (zh) 一种具有避让机制的双向行人流仿真方法及系统
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
Zhao et al. A continuous floor field cellular automata model with interaction area for crowd evacuation
CN108229078B (zh) 一种城市交通场景中基于规则的群体运动模拟方法
CN106530375A (zh) 一种个性化情绪感染的人群动画生成方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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

Granted publication date: 20180710

CF01 Termination of patent right due to non-payment of annual fee