CN107480320A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107480320A
CN107480320A CN201710477769.6A CN201710477769A CN107480320A CN 107480320 A CN107480320 A CN 107480320A CN 201710477769 A CN201710477769 A CN 201710477769A CN 107480320 A CN107480320 A CN 107480320A
Authority
CN
China
Prior art keywords
target
individual
crowd
visual impact
information
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
Application number
CN201710477769.6A
Other languages
English (en)
Other versions
CN107480320B (zh
Inventor
刘弘
徐斌
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 CN201710477769.6A priority Critical patent/CN107480320B/zh
Publication of CN107480320A publication Critical patent/CN107480320A/zh
Application granted granted Critical
Publication of CN107480320B publication Critical patent/CN107480320B/zh
Active 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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

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

Abstract

本发明公开了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，其中该方法在仿真服务器内完成，包括接收人群模型和场景模型并进行初始化，获取场景拓扑结构图；根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递；引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息；采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。

Description

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
技术领域
本发明属于人群疏散的计算机仿真领域，尤其涉及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。
背景技术
伴随经济快速发展、人口数量急剧增加及城市化进程稳步加快，大型公共场所不断兴起，艺术、体育类活动日益增多，场所中人群聚集密度过高存在巨大安全隐患。一旦紧急事件发生，若不能进行有效疏导则会造成严重安全事故。研究人群的疏散行为，总结行人运动规律，从而在紧急情况下提供直观的疏散路径、制定合理应急预案，成为目前亟待解决的重要问题。传统演练方法存在人力物资耗费大、演练用时长等诸多限制，计算机仿真技术的发展应用提供了新的有效思路。使用计算机仿真技术模拟人群的疏散过程，能够降低成本开支、克服传统方法安全性低、效果不真实等问题，不受环境约束的实现逼真、高效的人群运动仿真，为紧急情况下的合理疏散提供有效指导。
社会力模型是Helbing提出的一种基于牛顿力学的连续微观人群疏散模型，模型中每个个体都是独立的粒子，个体行为受个体自身驱动力、个体间排斥力及个体与环境间排斥力共同决定，三种力相互作用使行人产生加速度，从而驱动个体运动。社会力模型在考虑个体间、个体与环境间物理作用力基础上，同时引入了个体的心理作用力，根据自身状态及环境动态实时调整下一步的速度及位置。模型能够实现个体间自然、流畅的碰撞避免，再现真实疏散中出现的“出口拱形”、“快即是慢”等多种现象，但其忽略了视觉因素对个体运动产生的影响，存在无法提前避让视野内障碍物的缺陷。
拓扑地图是kuipers提出的一种简洁环境表示方法，通常以节点与边构成的图结构抽象地表达环境的连接关系。拓扑结构图中的节点通常代表环境中可达区域如房间，不同节点间的边代表区域间的连通关系。拓扑地图简洁直观，占用存储空间小，计算时间及复杂度低，针对大规模场景能够有效保持实时性要求，计算效率高，是目前较为流行的环境模型之一。随着人群仿真研究的深入，不仅需要考虑简单场景内人群的运动行为，还需要针对复杂环境下的人群疏散进行宏观的路径规划与选择。使用拓扑地图表示环境中的可达路径能够实时、高效的满足人群运动的路径规划要求。
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拓扑地图与视觉影响的人群疏散仿真方法。本发明依据人群疏散中个体跟随及不同区域个体可达路径不同的特点，利用环境拓扑地图与社会力模型结合，构建一种基于拓扑地图与视觉影响的人群疏散仿真方法，实现人群的疏散仿真。对疏散人群分组并选取组内引导者，采用基于环境拓扑地图的最小路径代价选择策略确定下一步运动目标，记录目标信息并在组内分享，采用引入视觉因素的动态避障社会力模型指导群组跟随引导者完成疏散。改进后的模型以群组为单位进行路径选择，降低计算开销，实现了个体的视觉影响及障碍物的提前避让，仿真效果更加真实生动。
本发明的一种基于拓扑地图与视觉影响的人群疏散仿真方法，该方法在仿真服务器内完成，该方法具体包括：
接收人群模型和场景模型并进行初始化，获取场景拓扑结构图；
根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递；
引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息；
采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。
本发明将三维人群模型、场景模型经过格式转换后导入平台。
模型初始化信息包括：待疏散人群数量、位置、运动速度以及场景障碍物位置、出口坐标等。
进一步的，该仿真方法还包括：
对整个仿真过程中人群运动数据进行渲染，得到人群疏散仿真过程的动画。
进一步的，该仿真方法还包括：
通过提取场景模型语义信息划分场景区域，得到场景内各房间的连通关系，完成场景拓扑结构图的构建，利用深度优先遍历算法获得每个房间至安全区域的所有可达路径，得到每一步可选候选目标的信息。
本发明采用拓扑地图对人群仿真的环境进行表示。通过遍历场景拓扑结构图，得到所有可达路径的候选目标信息进行人群疏散的路径规划。拓扑地图简洁直观，占用存储空间小，针对大规模复杂环境能够保持较低的计算时间及计算复杂度，计算效率高，能够实时、高效地满足人群疏散的路径规划要求。
进一步的，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标的具体过程包括：
计算候选目标拥塞度：所述候选目标拥塞度为当前时刻该目标前单位面积内人群数量，通过设置出口计数器获取某时刻设定区域内的人群数量；
计算候选目标路径代价：设置拥塞度阈值，以归一化的距目标间距离+目标拥塞度加权数值作为候选目标的路径花费代价，当目标拥塞度大于拥塞度阈值，认为目标发生拥堵，路径代价以引导者到目标间距离判断；
目标选择及信息存储：选取最小路径代价候选目标作为下一步运动目标，存储该目标信息进行组内传递，作为社会力模型的局部运动目标指导个体运动。
进一步的，采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为的具体过程为：
计算个体的视觉影响，其中个体视觉因素体现出个体对相同距离、方位不同物体产生的不同心理压力；
个体视觉下的动态避障：判断个体视觉范围内的运动路径是否存在障碍物，若存在，则设置障碍物包围盒顶点为临时目标，循环判断直至绕开障碍物，还原初始目标，实现个体对可见障碍物的提前避让效果；
将上述视觉影响引入社会力模型，计算个体所受合力，转化得到个体每一时间步的速度及位移，实现个体在环境中的局部运动。
本发明还提供了一种基于拓扑地图与视觉影响的人群疏散仿真系统。
本发明的基于拓扑地图与视觉影响的人群疏散仿真系统，包括仿真服务器，所述仿真服务器包括：
场景拓扑结构图获取模块，其用于接收人群模型和场景模型并进行初始化，获取场景拓扑结构图；
分组及引导者选取模块，其用于根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递；
运动目标选取模块，其用于引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息；
个体运动模块，其用于采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。
进一步的，所述仿真服务器包括：
渲染模块，其用于对整个仿真过程中人群运动数据进行渲染，得到人群疏散仿真过程的动画。
进一步的，所述仿真服务器还包括：
可选候选目标计算模块，其用于通过提取场景模型语义信息划分场景区域，得到场景内各房间的连通关系，完成场景拓扑结构图的构建，利用深度优先遍历算法获得每个房间至安全区域的所有可达路径，得到每一步可选候选目标的信息。
进一步的，所述运动目标选取模块，包括：
候选目标拥塞度计算模块，其用于计算候选目标拥塞度：所述候选目标拥塞度为当前时刻该目标前单位面积内人群数量，通过设置出口计数器获取某时刻设定区域内的人群数量；
候选目标路径代计算模块，其用于计算候选目标路径代价：设置拥塞度阈值，以归一化的距目标间距离+目标拥塞度加权数值作为候选目标的路径花费代价，当目标拥塞度大于拥塞度阈值，认为目标发生拥堵，路径代价以引导者到目标间距离判断；
目标选择及信息存储存储模块，其用于目标选择及信息存储：选取最小路径代价候选目标作为下一步运动目标，存储该目标信息进行组内传递，作为社会力模型的局部运动目标指导个体运动。
进一步的，所述个体运动模块包括：
个体视觉影响计算模块，其用于计算个体的视觉影响，其中个体视觉因素体现出个体对相同距离、方位不同物体产生的不同心理压力；
动态避障模块，其用于个体视觉下的动态避障：判断个体视觉范围内的运动路径是否存在障碍物，若存在，则设置障碍物包围盒顶点为临时目标，循环判断直至绕开障碍物，还原初始目标，实现个体对可见障碍物的提前避让效果；
局部运动模块，其用于将上述视觉影响引入社会力模型，计算个体所受合力，转化得到个体每一时间步的速度及位移，实现个体在环境中的局部运动。
与现有技术相比，本发明的有益效果是：
(1)本发明采用拓扑地图对人群仿真的环境进行表示。通过遍历场景拓扑结构图，得到所有可达路径的候选目标信息进行人群疏散的路径规划。拓扑地图简洁直观，占用存储空间小，针对大规模复杂环境能够保持较低的计算时间及计算复杂度，计算效率高，能够实时、高效地满足人群疏散的路径规划要求。
(2)本发明依据人群疏散特点，对环境中人群进行分组，优化目标选择策略，实现了引领下的群组移动，提高了人群疏散效率。疏散过程中只需为群组的引导者进行路径规划，综合考虑候选目标拥塞度及与目标间距离选取下一步信息，组内成员在引领个体的引导下运动。能够解决大规模人群仿真中所有个体计算路径导致的计算速度慢等问题，动态地完成复杂环境下的路径规划。
(3)本发明针对原始社会力模型的不足，提出了一种引入视觉影响的动态避障社会力模型，指导人群完成场景内的局部路径规划。模型考虑了视觉因素对个体运动的不同影响，在可见障碍物前设置临时目标改变行人运动方向，实现个体对障碍物的提前避让行为。仿真人群运动流畅，效果真实、生动，能够为现实疏散提供有效参考。
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是基于拓扑地图与视觉影响的人群疏散方法的流程图；
图2(a)是包含障碍物的二维场景图；
图2(b)是包含障碍物的拓扑结构图；
图3是个体视觉影响因子示意图；
图4是人群在包含障碍物场景中疏散初始化的示意图；
图5是人群在包含障碍物场景中运动时示意图；
图6是人群在包含障碍物场景中运动时示意图；
图7是人群在包含障碍物场景中接近出口时示意图；
图8是基于拓扑地图与视觉影响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是基于拓扑地图与视觉影响的人群疏散方法的流程图。
如图1所示，本发明的一种基于拓扑地图与视觉影响的人群疏散仿真方法，该方法在仿真服务器内完成，该方法具体包括：
步骤(1)：接收人群模型和场景模型并进行初始化，获取场景拓扑结构图。
其中，本发明将三维人群模型、场景模型经过格式转换后导入平台。
模型初始化信息包括：待疏散人群数量、位置、运动速度以及场景障碍物位置、出口坐标等。以图2(a)中包含障碍物的二维场景图和图2(b)中包含障碍物的拓扑结构图为例。
步骤(2)：根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递。
本发明依据人群疏散特点，对环境中人群进行分组，优化目标选择策略，实现了引领下的群组移动，提高了人群疏散效率。疏散过程中只需为群组的引导者进行路径规划，综合考虑候选目标拥塞度及与目标间距离选取下一步信息，组内成员在引领个体的引导下运动。能够解决大规模人群仿真中所有个体计算路径导致的计算速度慢等问题，动态地完成复杂环境下的路径规划。
步骤(3)：引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息。
该步骤中，引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，主要包括：
步骤(3.1)：设置候选目标序列{1,...,i,...,dn}，设置目标i拥塞面积Si，通过设置出口计数器获取t时刻Si内人群数量Ns(t)，则t时刻该目标拥塞度Pi(t)为：
Pi(t)＝Ns(t)/Si (1)
步骤(3.2)：设置拥塞度阈值Cγ，引导者与目标间距离Dis(i)。以归一化的目标间距离+当前目标拥塞度加权后数值作为候选目标的路径花费代价：
其中，α1、α2为权值，α1+α2＝1，Pnum为人群总数，Disall为候选目标距离之和。当Pi(t)＞Cγ时，认为该目标发生拥堵，此时α2＝0，路径代价为：
步骤(3.3)：选取候选目标路径代价序列{Roadcost(1),...,Roadcost(i),...,Roadcost(dn)}中最小值目标i存储并传递，作为社会力模型下一步目标参数指导个体运动。
步骤(4)：采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。
在步骤(4)中采用引入视觉影响的动态避障社会力模型指导人群依次到达指定目标，实现平滑的碰撞避免，包括：
步骤(4.1)：计算个体的视觉影响，如图3所示。视觉影响因子fvis如式(4)所示：
其中，θ为个体期望方向与个体指向物体的排斥力间夹角，λ反映物体所在位置与行人的相对方位：当θ∈[0,π/2]时，物体在个体180°视角范围内；当θ∈(π/2,π]时，物体处于个体不可见后方。引入视觉影响因子的个体心理作用力如下：
其中，Ai、Bi为常数，为个体间心理排斥力，为个体与障碍物间心理排斥力，rij表示个体i与个体j的半径之和，dij表示个体i与个体j质心之间的距离，是由个体j指向个体i的单位方向向量。
步骤(4.2)：个体视觉下的动态避障。设置个体视距R，个体目标Destination[i]，障碍物包围盒顶点Obstacle[j]，针对每个个体：
步骤(4.3)：采用改进的社会力模型计算个体所受合力，得到个体每一时间步的速度及位移，实现个体在环境中的局部运动。社会力模型中个体受合力为：
其中，mi为个体i的质量，为个体的当前运动速度。为个体自身驱动力，及分别为个体间、个体与环境间作用力，包含个体为避免碰撞的心理作用力及发生接触时的物理作用力
在另一实施例中，该仿真方法还包括：
对整个仿真过程中人群运动数据进行渲染，得到人群疏散仿真过程的动画。
其中，在该仿真方法中，通过提取场景模型语义信息划分场景区域，得到场景内各房间的连通关系，完成场景拓扑结构图的构建，利用深度优先遍历算法获得每个房间至安全区域的所有可达路径，得到每一步可选候选目标的信息。
本发明采用拓扑地图对人群仿真的环境进行表示。通过遍历场景拓扑结构图，得到所有可达路径的候选目标信息进行人群疏散的路径规划。拓扑地图简洁直观，占用存储空间小，针对大规模复杂环境能够保持较低的计算时间及计算复杂度，计算效率高，能够实时、高效地满足人群疏散的路径规划要求。
下面提供一个仿真实施例：
在300*300的包含障碍物的办公室场景进行400人的疏散仿真，如图4-图7所示。图4为人群在包含障碍物场景中疏散初始化的示意图；图5、图6为人群在包含障碍物场景中运动时示意图；图7为人群在包含障碍物场景中接近出口时示意图。由图5、图6可以看出，疏散人群能够流畅、逼真的实现对可见障碍物的提前避让行为。同时，各个群组采用基于拓扑地图的最小路径代价选择策略进行路径规划，较好的避免人群在场景中拥堵，充分利用了办公室场景出口完成疏散，提高了疏散效率，仿真效果逼真。
图8是基于拓扑地图与视觉影响的人群疏散仿真系统结构示意图。
如图8所示，本发明的基于拓扑地图与视觉影响的人群疏散仿真系统，包括仿真服务器，所述仿真服务器包括：
(1)场景拓扑结构图获取模块，其用于接收人群模型和场景模型并进行初始化，获取场景拓扑结构图；
(2)分组及引导者选取模块，其用于根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递；
(3)运动目标选取模块，其用于引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息。
所述运动目标选取模块，包括：
(3.1)候选目标拥塞度计算模块，其用于计算候选目标拥塞度：所述候选目标拥塞度为当前时刻该目标前单位面积内人群数量，通过设置出口计数器获取某时刻设定区域内的人群数量；
(3.2)候选目标路径代计算模块，其用于计算候选目标路径代价：设置拥塞度阈值，以归一化的距目标间距离+目标拥塞度加权数值作为候选目标的路径花费代价，当目标拥塞度大于拥塞度阈值，认为目标发生拥堵，路径代价以引导者到目标间距离判断；
(3.3)目标选择及信息存储存储模块，其用于目标选择及信息存储：选取最小路径代价候选目标作为下一步运动目标，存储该目标信息进行组内传递，作为社会力模型的局部运动目标指导个体运动。
(4)个体运动模块，其用于采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。
其中，所述个体运动模块包括：
(4.1)个体视觉影响计算模块，其用于计算个体的视觉影响，其中个体视觉因素体现出个体对相同距离、方位不同物体产生的不同心理压力；
(4.2)动态避障模块，其用于个体视觉下的动态避障：判断个体视觉范围内的运动路径是否存在障碍物，若存在，则设置障碍物包围盒顶点为临时目标，循环判断直至绕开障碍物，还原初始目标，实现个体对可见障碍物的提前避让效果；
(4.3)局部运动模块，其用于将上述视觉影响引入社会力模型，计算个体所受合力，转化得到个体每一时间步的速度及位移，实现个体在环境中的局部运动。
在另一实施例中，所述仿真服务器包括：
渲染模块，其用于对整个仿真过程中人群运动数据进行渲染，得到人群疏散仿真过程的动画。
所述仿真服务器还包括：
可选候选目标计算模块，其用于通过提取场景模型语义信息划分场景区域，得到场景内各房间的连通关系，完成场景拓扑结构图的构建，利用深度优先遍历算法获得每个房间至安全区域的所有可达路径，得到每一步可选候选目标的信息。
本发明针对原始社会力模型的不足，提出了一种引入视觉影响的动态避障社会力模型，指导人群完成场景内的局部路径规划。模型考虑了视觉因素对个体运动的不同影响，在可见障碍物前设置临时目标改变行人运动方向，实现个体对障碍物的提前避让行为。仿真人群运动流畅，效果真实、生动，能够为现实疏散提供有效参考。
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)

1.一种基于拓扑地图与视觉影响的人群疏散仿真方法，其特征在于，该方法在仿真服务器内完成，该方法具体包括：
接收人群模型和场景模型并进行初始化，获取场景拓扑结构图；
根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递；
引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息；
采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。
2.如权利要求1所述的一种基于拓扑地图与视觉影响的人群疏散仿真方法，其特征在于，该仿真方法还包括：
对整个仿真过程中人群运动数据进行渲染，得到人群疏散仿真过程的动画。
3.如权利要求1所述的一种基于拓扑地图与视觉影响的人群疏散仿真方法，其特征在于，该仿真方法还包括：
通过提取场景模型语义信息划分场景区域，得到场景内各房间的连通关系，完成场景拓扑结构图的构建，利用深度优先遍历算法获得每个房间至安全区域的所有可达路径，得到每一步可选候选目标的信息。
4.如权利要求3所述的一种基于拓扑地图与视觉影响的人群疏散仿真方法，其特征在于，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标的具体过程包括：
计算候选目标拥塞度：所述候选目标拥塞度为当前时刻该目标前单位面积内人群数量，通过设置出口计数器获取某时刻设定区域内的人群数量；
计算候选目标路径代价：设置拥塞度阈值，以归一化的距目标间距离+目标拥塞度加权数值作为候选目标的路径花费代价，当目标拥塞度大于拥塞度阈值，认为目标发生拥堵，路径代价以引导者到目标间距离判断；
目标选择及信息存储：选取最小路径代价候选目标作为下一步运动目标，存储该目标信息进行组内传递，作为社会力模型的局部运动目标指导个体运动。
5.如权利要求1所述的一种基于拓扑地图与视觉影响的人群疏散仿真方法，其特征在于，采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为的具体过程为：
计算个体的视觉影响，其中个体视觉因素体现出个体对相同距离、方位不同物体产生的不同心理压力；
个体视觉下的动态避障：判断个体视觉范围内的运动路径是否存在障碍物，若存在，则设置障碍物包围盒顶点为临时目标，循环判断直至绕开障碍物，还原初始目标，实现个体对可见障碍物的提前避让效果；
将上述视觉影响引入社会力模型，计算个体所受合力，转化得到个体每一时间步的速度及位移，实现个体在环境中的局部运动。
6.一种基于拓扑地图与视觉影响的人群疏散仿真系统，其特征在于，包括仿真服务器，所述仿真服务器包括：
场景拓扑结构图获取模块，其用于接收人群模型和场景模型并进行初始化，获取场景拓扑结构图；
分组及引导者选取模块，其用于根据个体与各出口位置关系进行分组，选取出口关系最小者作为组内引导者，记录引导者信息，同组内个体进行信息传递；
运动目标选取模块，其用于引导者依据当前位置与可达候选目标间距离、各候选目标当前拥塞度，采用基于拓扑地图的最小路径代价选择策略选取下一步运动目标，并存储目标选择的信息；
个体运动模块，其用于采用引入视觉影响的动态避障社会力模型指导组内个体运动，读取引导者目标选择信息完成局部路径的碰撞避免行为；疏散人群到达安全区域，疏散仿真结束。
7.如权利要求6所述的一种基于拓扑地图与视觉影响的人群疏散仿真系统，其特征在于，所述仿真服务器包括：
渲染模块，其用于对整个仿真过程中人群运动数据进行渲染，得到人群疏散仿真过程的动画。
8.如权利要求6所述的一种基于拓扑地图与视觉影响的人群疏散仿真系统，其特征在于，所述仿真服务器还包括：
可选候选目标计算模块，其用于通过提取场景模型语义信息划分场景区域，得到场景内各房间的连通关系，完成场景拓扑结构图的构建，利用深度优先遍历算法获得每个房间至安全区域的所有可达路径，得到每一步可选候选目标的信息。
9.如权利要求8所述的一种基于拓扑地图与视觉影响的人群疏散仿真系统，其特征在于，所述运动目标选取模块，包括：
候选目标拥塞度计算模块，其用于计算候选目标拥塞度：所述候选目标拥塞度为当前时刻该目标前单位面积内人群数量，通过设置出口计数器获取某时刻设定区域内的人群数量；
候选目标路径代计算模块，其用于计算候选目标路径代价：设置拥塞度阈值，以归一化的距目标间距离+目标拥塞度加权数值作为候选目标的路径花费代价，当目标拥塞度大于拥塞度阈值，认为目标发生拥堵，路径代价以引导者到目标间距离判断；
目标选择及信息存储存储模块，其用于目标选择及信息存储：选取最小路径代价候选目标作为下一步运动目标，存储该目标信息进行组内传递，作为社会力模型的局部运动目标指导个体运动。
10.如权利要求6所述的一种基于拓扑地图与视觉影响的人群疏散仿真系统，其特征在于，所述个体运动模块包括：
个体视觉影响计算模块，其用于计算个体的视觉影响，其中个体视觉因素体现出个体对相同距离、方位不同物体产生的不同心理压力；
动态避障模块，其用于个体视觉下的动态避障：判断个体视觉范围内的运动路径是否存在障碍物，若存在，则设置障碍物包围盒顶点为临时目标，循环判断直至绕开障碍物，还原初始目标，实现个体对可见障碍物的提前避让效果；
局部运动模块，其用于将上述视觉影响引入社会力模型，计算个体所受合力，转化得到个体每一时间步的速度及位移，实现个体在环境中的局部运动。
CN201710477769.6A 2017-06-20 2017-06-20 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 Active CN107480320B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710477769.6A CN107480320B (zh) 2017-06-20 2017-06-20 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710477769.6A CN107480320B (zh) 2017-06-20 2017-06-20 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

Publications (2)

Publication Number Publication Date
CN107480320A true CN107480320A (zh) 2017-12-15
CN107480320B CN107480320B (zh) 2020-09-29

Family

ID=60594028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710477769.6A Active CN107480320B (zh) 2017-06-20 2017-06-20 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

Country Status (1)

Country Link
CN (1) CN107480320B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109783856A (zh) * 2018-12-12 2019-05-21 山东师范大学 基于群体效应的应急人群疏散仿真方法及系统
CN109859558A (zh) * 2019-01-21 2019-06-07 北京科技大学 一种考虑人员物理影响的建筑火灾虚拟疏散训练方法
CN110795833A (zh) * 2019-10-15 2020-02-14 山东师范大学 基于猫群算法的人群疏散仿真方法、系统、介质及设备
CN110930384A (zh) * 2019-11-20 2020-03-27 山东师范大学 基于密度信息的人群计数方法、装置、设备以及介质
CN110941893A (zh) * 2019-10-25 2020-03-31 中国科学院遥感与数字地球研究所 一种人群模拟中基于目标线的行进目标到达判定方法
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
CN112506203A (zh) * 2020-12-14 2021-03-16 深圳市普渡科技有限公司 一种机器人运动动态反馈方法及系统
CN112862192A (zh) * 2021-02-08 2021-05-28 青岛理工大学 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统
CN113485338A (zh) * 2021-07-09 2021-10-08 西北工业大学 基于人群交互行为的机器人集群运动控制方法
CN117168466A (zh) * 2023-10-30 2023-12-05 南京深业智能化系统工程有限公司 一种逃生路径规划方法、装置及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740514A (zh) * 2016-01-22 2016-07-06 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
CN106227958A (zh) * 2016-07-27 2016-12-14 山东师范大学 人工蜂群与社会力模型结合的群组疏散仿真系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105740514A (zh) * 2016-01-22 2016-07-06 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
CN106227958A (zh) * 2016-07-27 2016-12-14 山东师范大学 人工蜂群与社会力模型结合的群组疏散仿真系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吕远阳: "基于群体智能的虚拟人群路径规划方法研究", 《中国优秀硕士学位论文全文数据库（电子期刊）<信息科技辑>》 *
徐斌等: "融合社会力与人工蜂群的人群疏散仿真方法", 《小型微型计算机系统》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109783856A (zh) * 2018-12-12 2019-05-21 山东师范大学 基于群体效应的应急人群疏散仿真方法及系统
CN109783856B (zh) * 2018-12-12 2023-05-26 山东师范大学 基于群体效应的应急人群疏散仿真方法及系统
CN109859558A (zh) * 2019-01-21 2019-06-07 北京科技大学 一种考虑人员物理影响的建筑火灾虚拟疏散训练方法
CN110795833B (zh) * 2019-10-15 2023-04-18 山东师范大学 基于猫群算法的人群疏散仿真方法、系统、介质及设备
CN110795833A (zh) * 2019-10-15 2020-02-14 山东师范大学 基于猫群算法的人群疏散仿真方法、系统、介质及设备
CN110941893A (zh) * 2019-10-25 2020-03-31 中国科学院遥感与数字地球研究所 一种人群模拟中基于目标线的行进目标到达判定方法
CN110930384A (zh) * 2019-11-20 2020-03-27 山东师范大学 基于密度信息的人群计数方法、装置、设备以及介质
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
CN112506203A (zh) * 2020-12-14 2021-03-16 深圳市普渡科技有限公司 一种机器人运动动态反馈方法及系统
CN112506203B (zh) * 2020-12-14 2024-05-28 深圳市普渡科技有限公司 一种机器人运动动态反馈方法及系统
CN112862192A (zh) * 2021-02-08 2021-05-28 青岛理工大学 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统
CN113485338A (zh) * 2021-07-09 2021-10-08 西北工业大学 基于人群交互行为的机器人集群运动控制方法
CN113485338B (zh) * 2021-07-09 2022-11-22 西北工业大学 基于人群交互行为的机器人集群运动控制方法
CN117168466A (zh) * 2023-10-30 2023-12-05 南京深业智能化系统工程有限公司 一种逃生路径规划方法、装置及存储介质
CN117168466B (zh) * 2023-10-30 2024-02-02 南京深业智能化系统工程有限公司 一种逃生路径规划方法、装置及存储介质

Also Published As

Publication number Publication date
CN107480320B (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN107480320A (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
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
Guy et al. PLEdestrians: A Least-Effort Approach to Crowd Simulation.
Geraerts Planning short paths with clearance using explicit corridors
CN105740514B (zh) 一种大规模人群疏散计算机仿真系统及其方法
CN107464021B (zh) 一种基于强化学习的人群疏散仿真方法、装置
Loscos et al. Intuitive crowd behavior in dense urban environments using local laws
CN106949893A (zh) 一种三维避障的室内机器人导航方法和系统
CN108491598A (zh) 一种基于路径规划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
Sarmady et al. Modeling groups of pedestrians in least effort crowd movements using cellular automata
Sun et al. Crowd evacuation simulation method combining the density field and social force model
CN102306216A (zh) 月球车多规律仿真测试系统
CN107665269A (zh) 基于地理信息的快速人群疏散仿真方法和装置
CN111639809A (zh) 基于领导者和恐慌情绪的多智能体疏散仿真方法和系统
KR20130133778A (ko) 트레이싱 정보에 기초한 충돌 회피 방식을 사용하여 캐릭터들을 애니메이팅하기 위한 방법
CN108413961A (zh) 基于并行iACO的轻量级Web3D火灾逃生路径规划方法及系统
CN103793552B (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
CN103218489A (zh) 一种基于视频样本的模拟车辆个性化驾驶特性的方法
CN104778072B (zh) 一种用于交通混合流模型的车辆和行人交互模拟方法
Mekni Automated generation of geometrically-precise and semantically-informed virtual geographic environments populated with spatially-reasoning agents
Wang et al. An immersive multi-agent system for interactive applications
Gonzalez et al. A Sketch-based Interface for Real-time Control of Crowd Simulations that Use Navigation Meshes.
CN108090965A (zh) 支持海量空间数据的3d漫游碰撞检测方法
Mekni et al. Hierarchical path planning for multi-agent systems situated in informed virtual geographic environments

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