CN108388752B - 一种适用于应急撤离的群体仿真方法 - Google Patents
一种适用于应急撤离的群体仿真方法 Download PDFInfo
- Publication number
- CN108388752B CN108388752B CN201810238917.3A CN201810238917A CN108388752B CN 108388752 B CN108388752 B CN 108388752B CN 201810238917 A CN201810238917 A CN 201810238917A CN 108388752 B CN108388752 B CN 108388752B
- Authority
- CN
- China
- Prior art keywords
- information
- path
- probability
- simulation method
- group
- 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.)
- Active
Links
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (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
本发明涉及一种群体仿真方法,包括建立群体之间的信息交流模型并对信息进行标记;利用所述信息标记计算不同路径代价值并获得最小代价路径;根据所述最小代价路径建立个体行为决策模型并选择路径。
Description
技术领域
本发明涉及群体仿真技术领域,特别涉及一种群体仿真方法。
背景技术
随着科技的发展,计算机模拟技术水平也得到了显著提高,如何建立准确有效的仿真模型成为了众多仿真领域的研究热点。例如,运动群体的仿真建模,因其能够广泛用于人群疏散、客流管理、建筑设计、城市规划以及公共场所应急预案等众多场景,成为了近年来虚拟现实技术的研究重点之一。
现有技术中,群体仿真模型可分为宏观模型和微观模型等,目前针对特定应用场景的群体仿真模型,一般采用的方式是在上述基本仿真模型的基础上进行局部修改,比如说添加符合特定应用场景的个体规则,但是这种方式的局限就在于,几乎没有考虑群体中个体之间信息交流对个体行为的影响,以应急撤离过程中的群体为例,群体中个人之间的信息交流直接影响个人对不同事件的反应,如果不考虑这些问题就会使得仿真模型不够准确。
因此,需要一种能够准确反应出群体中的信息交流行为的建模仿真方法。
发明内容
本发明的目的是提供一种群体仿真方法,包括以下步骤:
步骤1)、建立群体之间的信息交流模型并对信息进行标记;
步骤2)、利用所述信息标记计算不同路径代价值并获得最小代价路径;
步骤3)、根据所述最小代价路径建立个体行为决策模型并选择路径。
优选的,所述步骤1)进一步包括:
步骤11)分析影响群体运动的信息类型;
步骤12)利用获得的所述信息类型建立概率选择模型;
步骤13)设置概率阈值,并根据所述阈值对信息进行标记。
优选的,所述信息类型包括事件信息、目标点及其状态信息和关键路径点及其状态信息。
优选的,所述概率选择模型是:
优选的,计算所述最小代价路径的最小代价函数是:
fmin=min(∑(L+P+S))
其中,L表示衡量路径长度的代价值;P表示衡量路径中关键路径点流量的代价值;S表示路径上的特殊状态代价值。
优选的,所述群体仿真方法进一步包括利用A*算法执行路径规划。
根据本发明的一个方面,还提供一种适用于应急撤离的群体仿真方法,包括如上所述的步骤。
优选的,所述信息交流模型包括实时计算场景的动态变化信息。
根据本发明的一个方面,还提供一种计算机系统,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计算机程序,其中,所述处理器运行所述程序时执行如上所述的步骤。
根据本发明的一个方面,还提供一种计算机可读存储介质,包括存储在所述可读存储介质上的计算机程序,其中,所述程序执行如上所述的步骤。
相对于现有技术,本发明取得了如下有益技术效果:本发明提供的群体仿真方法,在建立模型时充分考虑了群体间的信息交流对个体行为决策的影响,利用概率选择模型对信息进行筛选,提高了对场景仿真过程的真实性;同时采用了最小代价函数,充分考虑场景的动态变化特性,使仿真结果更加准确。
附图说明
图1是本发明优选实施例提供的群体仿真方法示意图。
具体实施方式
为了使本发明的目的、技术方案以及优点更加清楚明白,以下结合附图,对根据本发明的实施例中提供的群体仿真方法。
群体仿真在计算机图形学中出现较早,经过多年的发展,群体仿真还结合了许多其它学科的技术内容,从以集聚性为主要特征的宏观仿真模型,到以个人特征为对象的微观仿真模型,群体仿真在众多领域都有广泛的应用,特别是在安全科学领域,群体仿真可以模拟应急撤离,以便用于例如判断建筑物的设计是否合理或者为人群疏散选择最优路径等。
发明人经研究发现,现有模型很少考虑到群体之间的信息交流以及互帮互助行为,导致这些模型无法体现在应急撤离这个特殊场景下的群体的运动特点;但是,在实际应急撤离场景中,群体间信息交流的内容所包括的事件传播到当前范围的时刻以及事件具体类型,很大程度上会影响群体中不同个体的撤离起始时间;另外,群体间交流的内容所包括实时的道路状况以及安全目的地,都可能使得个人决定的撤离路线发生改变。基于以上情况,发明人认为,群体中个体获取的信息内容一定程度上决定了他们的撤离活动进程,为了获得应急撤离的准确仿真模型,需要在建模时充分考虑群体信息的交流情况。
因此,发明人经研究提出了一种群体仿真模型,该模型能够体现群体间信息交流行为对应用场景的影响,从而提升对应用场景的仿真真实性。
本发明提供一种群体仿真方法,图1是本发明优选实施例提供的群体仿真方法示意图,如图1所示,以适用于应急撤离场景为例,该方法具体包括以下步骤:
S10.建立信息交流行为模型
发明人通过分析不同场景下的群体间的交流方式,认为这些信息交流行为可通过建立信息发出者与信息接收者的模型来进行模拟,对于信息发出者来说,以一定的概率发出信息;相应地,对于信息接收者,以一定的概率接受或者抛弃此信息,若接受信息,则接收者会以此信息指导行为,若抛弃信息,则该信息不会对接收者行为造成影响。
由于信息的传播有多种方式,而不同的传播方式会影响信息发送者发送信息和信息接收者接受信息的概率,发明人经研究提出将上述群体间的信息交流行为抽象为概率选择模型,以应急撤离场景为例具体说明如下。
在应急撤离场景下,直接影响到群体运动行为决策的信息主要包括:事件信息,例如,发生的灾害/意外的类型等;撤离目标点及其状态信息,例如,撤离目标点是高层建筑物的一层门口,而当前门口是否有障碍物等;关键路径点及其状态信息,例如,高层建筑物通常包含多个楼梯安全通道,当发生紧急情况时,上述安全通道是否存在障碍物或无法通过的情况。
S20.建立个体行为决策模型并选择路径
群体中的个体在进行行为决策时,通常依赖于其所接受的信息,以应急撤离场景为例,影响到个体进行路径选择决策的信息主要有上述提到的事件信息、撤离目标点及其状态信息以及关键路径点及其状态信息;根据这些信息,个体将会选择一条合理有效的撤离路径。
在建立应急撤离仿真模型时,可将上述信息用于在个体的撤离路线规划之中,利用表示时间耗费的代价值评估不同的撤离路径,从而求取代价最小的路线,但是在实际应急撤离情况下,受制于个体自身的经验知识以及在突发情况时获得的信息以及主观应变能力等,有时个人选取的路径并不是理论最优路径点,甚至出现“盲目撤离”行为,因此,为了使得仿真模型更加符合实际场景,发明人提出了中一种群体仿真方法,以应急撤离的场景为例进行说明。
根据不同路径上的流量、密度、速度以及出口状态等信息参数,求取该路径的代价值并与其它路径的代价值相比较,从而获得代价最小的路径,最小代价函数公式如下:
fmin=min(∑(L+P+S))
其中,L表示衡量路径长度的代价值;P表示衡量路径中关键路径点流量的代价值;S表示路径上的特殊状态代价值,具体可用(0,1)之间的任意数值表示,例如,若目标点关闭或路径上有障碍导致路径封闭,可直接令S=1。。
另,L和P可利用以下公式计算:
其中,e1、e2分别为归一化参数。
在本发明的一个实施例中,可以采用A*算法执行适应上述最小代价函数的启发式路径规划。A*算法是将Dijkstra算法和BFS算法相结合的常用路径规划算法,具体函数公式为:
f(n)=g(n)+h(n)
其中,g(n)表示从初始结点到任意结点n的代价,h(n)表示从结点n到目标点的启发式评估代价(heuristic estimated cost)。
以应急撤离场景为例,可将上述参数g(n)定义如下:
g(n)=dis*c1+pro*c2
其中,dis表示个人所在的初始位置到目标点的欧氏距离长度;pro表示下一个关键路径点的流量值;c1和c2分别为归一化参数。
另外,还可将上述参数h(n)定义如下:
在本发明的一个实施例中,由于实际的撤离场景下,随着时间的推移,场景内的通行区域可能会逐步减少,例如,火宅现场,被大火覆盖的面积会逐步增多;在地震等自然灾害下,房屋某出口或道路某路口可能出现临时中断;或者由于群体在撤离过程中发生冲突挤压等都可能造成撤离范围内某些路径不可达;为了解决上述问题,可通过封装底层RVO运动模型,在每一帧实时计算已知信息和最优的最小代价路线,进而使得在整个撤离仿真过程中,群体之间能够动态的适应场景的变化,再进一步结合上述步骤S10的信息交流模型动态计算当前环境下的最佳路径,再由底层运动模型对最佳路径进行执行,建立群体仿真模型,这种建模方式可以有效体现出场景的动态变化性。
尽管在上述实施例中,以应急撤离场景来说明本发明提供的群体仿真方法,但本领域普通技术人员应理解,本发明提供的群体仿真方法还可以应用于其它包含群体间信息交流的场景中,例如,学生上课与老师的互动;学术研讨会上的学术交流;演唱会上明星与观众的互动;警察与犯罪嫌疑人的对话是否包含破案线索等,只需在特定场景中准确找出影响群体行为决策的信息类型,从而利用本发明提供的概率选择模型以及行为决策建模方法进行群体仿真。
相对于现有技术,本发明提供的利用上述最小代价函数选择最优路径的方式,能够准确模拟群体间的信息交流对个体行为决策的影响,并且不受信息交流方式的影响,无论信息传递是通过口口相传、广播通知或者是短信通知等,都可以利用本发明提供的方法进行仿真。
虽然本发明已经通过优选实施例进行了描述,然而本发明并非局限于这里所描述的实施例,在不脱离本发明范围的情况下还包括所做出的各种改变以及变化。
Claims (5)
1.一种适用于应急撤离的群体仿真方法,包括以下步骤:
步骤1)、建立群体之间的信息交流模型并对信息进行标记;
步骤2)、利用所述信息标记计算不同路径代价值并获得最小代价路径;
步骤3)、根据所述最小代价路径建立个体行为决策模型并选择路径;
其中,所述信息交流模型包括实时计算场景的动态变化信息,以及
所述步骤1)进一步包括:
步骤11)分析影响群体运动的信息类型;
步骤12)利用获得的所述信息类型建立概率选择模型,所述信息类型包括事件信息、目标点及其状态信息和关键路径点及其状态信息,以及
所述概率选择模型是:
步骤13)设置概率阈值,并根据所述阈值对信息进行标记。
2.根据权利要求1所述的群体仿真方法,其特征在于,计算所述最小代价路径的最小代价函数是:
fmin=min(∑(L+P+S))
其中,L表示衡量路径长度的代价值;P表示衡量路径中关键路径点流量的代价值;S表示路径上的特殊状态代价值。
3.根据权利要求1所述的群体仿真方法,其特征在于,所述群体仿真方法进一步包括利用A*算法执行路径规划。
4.一种计算机系统,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计算机程序,其中,所述处理器运行所述程序时执行如权利要求1至3任一项所述的步骤。
5.一种计算机可读存储介质,包括存储在所述可读存储介质上的计算机程序,其中,所述程序执行如权利要求1至3任一项所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810238917.3A CN108388752B (zh) | 2018-03-22 | 2018-03-22 | 一种适用于应急撤离的群体仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810238917.3A CN108388752B (zh) | 2018-03-22 | 2018-03-22 | 一种适用于应急撤离的群体仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108388752A CN108388752A (zh) | 2018-08-10 |
CN108388752B true CN108388752B (zh) | 2020-06-05 |
Family
ID=63067958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810238917.3A Active CN108388752B (zh) | 2018-03-22 | 2018-03-22 | 一种适用于应急撤离的群体仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388752B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109376371A (zh) * | 2018-08-27 | 2019-02-22 | 中国科学院计算技术研究所 | 一种行人运动仿真方法和系统 |
CN110377930B (zh) * | 2019-05-31 | 2023-03-24 | 中国石油大学(华东) | 海洋平台失效路径的鲁棒性评估与加固方法 |
CN111178132B (zh) * | 2019-12-02 | 2023-06-16 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327082A (zh) * | 2013-06-07 | 2013-09-25 | 同济大学 | 一种多蚁群疏散优化交换方法 |
CN104717291A (zh) * | 2015-03-20 | 2015-06-17 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生系统及方法 |
CN105335588A (zh) * | 2015-12-14 | 2016-02-17 | 北京航空航天大学 | 一种基于拥挤因子的地面场人群疏散模型 |
CN107480821A (zh) * | 2017-08-14 | 2017-12-15 | 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 |
CN107665269A (zh) * | 2017-08-11 | 2018-02-06 | 山东师范大学 | 基于地理信息的快速人群疏散仿真方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101482715B1 (ko) * | 2014-07-01 | 2015-01-15 | 김경주 | 이동통신단말기와 연동된 화재 대피 장치 |
-
2018
- 2018-03-22 CN CN201810238917.3A patent/CN108388752B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327082A (zh) * | 2013-06-07 | 2013-09-25 | 同济大学 | 一种多蚁群疏散优化交换方法 |
CN104717291A (zh) * | 2015-03-20 | 2015-06-17 | 武汉大学 | 基于传感器实时监测网络的地铁火灾逃生系统及方法 |
CN105335588A (zh) * | 2015-12-14 | 2016-02-17 | 北京航空航天大学 | 一种基于拥挤因子的地面场人群疏散模型 |
CN107665269A (zh) * | 2017-08-11 | 2018-02-06 | 山东师范大学 | 基于地理信息的快速人群疏散仿真方法和装置 |
CN107480821A (zh) * | 2017-08-14 | 2017-12-15 | 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 |
Non-Patent Citations (2)
Title |
---|
Humans do not always act selfishly: social identity and helping in emergency evacuation simulation;Isabella von Sivers 等;《Transportation Research Procedia》;20141231;全文 * |
面向人群疏散仿真的双层关系机制驱动的社会力模型;秦欣 等;《小型微型计算机系统》;20170430;第38卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108388752A (zh) | 2018-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388752B (zh) | 一种适用于应急撤离的群体仿真方法 | |
KEMLOH WAGOUM et al. | Modeling the dynamic route choice of pedestrians to assess the criticality of building evacuation | |
Bayram | Optimization models for large scale network evacuation planning and management: A literature review | |
Takabatake et al. | Simulated effectiveness of a car evacuation from a tsunami | |
Church et al. | Mapping evacuation risk on transportation networks using a spatial optimization model | |
Joerer et al. | Enabling situation awareness at intersections for IVC congestion control mechanisms | |
Komatsu et al. | Automatic evacuation guiding scheme based on implicit interactions between evacuees and their mobile nodes | |
Madireddy et al. | An agent based model for evacuation traffic management | |
Teo et al. | Agent-based evacuation model considering field effects and government advice | |
Kim et al. | An agent-based model of short-notice tsunami evacuation in Waikiki, Hawaii | |
Nakanishi et al. | Simulating emergencies with transport outcomes Sim (SETOSim): Application of an agent-based decision support tool to community evacuation planning | |
Sachan et al. | SDN control-enabled and time-quantum-driven max-pressure approach for intersection management in smart city | |
Pel et al. | EVAQ: A new analytical model for voluntary and mandatory evacuation strategies on time-varying networks | |
Fang et al. | Sensitivity of evacuation performance estimates to evacuee route choice behavior | |
Santos et al. | Providing real-time message delivery on opportunistic networks | |
Burris et al. | Machine learning for the activation of contraflows during hurricane evacuation | |
Fu et al. | Optimal traffic management to ensure emergency evacuation compliance | |
Handford et al. | Modelling driver interdependent behaviour in agent-based traffic simulations for disaster management | |
Jo et al. | Analysis of crowd flow capacity through a door connected to a crowded corridor. | |
Eggly et al. | Evacuation supporting system based on iot components | |
Zambrano et al. | Time estimation and hotspot detection in the evacuation of a complex of buildings: a mesoscopic approach and case study | |
Rai et al. | Building occupancy simulation and data assimilation using a graph-based agent-oriented model | |
Pomportes et al. | A composite mobility model for ad hoc networks in disaster areas | |
CN110991120A (zh) | 一种排队场景下人群运动建模仿真方法 | |
Adam et al. | MAS architecture and knowledge model for vehicles data communication |
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 |