CN109101694B - 一种安全疏散标志引导的人群行为仿真方法及系统 - Google Patents
一种安全疏散标志引导的人群行为仿真方法及系统 Download PDFInfo
- Publication number
- CN109101694B CN109101694B CN201810777871.2A CN201810777871A CN109101694B CN 109101694 B CN109101694 B CN 109101694B CN 201810777871 A CN201810777871 A CN 201810777871A CN 109101694 B CN109101694 B CN 109101694B
- Authority
- CN
- China
- Prior art keywords
- path
- crowd
- evacuation
- points
- road
- 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
- 238000000034 method Methods 0.000 claims abstract description 61
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 44
- 230000008676 import Effects 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 37
- 230000006399 behavior Effects 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 24
- 238000009499 grossing Methods 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005070 sampling Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种安全疏散标志引导的人群行为仿真方法及系统。其中该方法包括:创建待仿真场景的三维建筑物模型;确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;导入初始化疏散人群的特征数据;采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真。
Description
技术领域
本发明属于虚拟现实技术、计算机仿真和公共安全领域,尤其涉及一种安全疏散标志引导的人群行为仿真方法及系统。
背景技术
随着社会经济的持续进步,人们生活水平的不断提高以及社会各项事业的全面发展,随之而来的是各大类型的公共场所朝着超大、超高的方向发展,这给公共场所内的人员疏散埋下隐患。尤其是城市中人群高度集中的办公场所和娱乐场所,一旦遇到火灾、地震等紧急情况,人群情绪极度恐慌,无法迅速合理地找到安全出口,而且容易发生踩踏事故,降低了疏散效率。当出现紧急突发性事故时,如何采取有效措施应对此类事-故,保障民众的生命安全,降低紧急事故造成的人员伤亡,已成为世界各大研究机构亟待解决的一个重要课题。
安全疏散标志作为一种重要的疏散引导及干预手段,是公共场所必不可少的组成部分,其设置的合理性和科学性,将直接影响到疏散的效率:设置合理的安全疏散标志,将帮助疏散者快速选择疏散路径,抵达安全出口,从而达到降低群聚踩踏风险,提高疏散效率的目的;反之,将会误导疏散者,延误逃生时机。因此,关于“安全出口”、“应急通道”等安全疏散标志位置的放置,具有很高的研究价值。
安全疏散标志的主要作用是帮助疏散者进行路径选择,尤其是在多出口选择以及规避危险路段等方面,安全疏散标志发挥着重要作用。国内外研究人员对安全疏散指示标志的设置问题已经进行了长期的研究,并取得了一定的进展。研究人员对人群运动仿真的研究也一直在进行,研究人员认为在群体仿真过程中,需要解决的两个重要问题是有效的路径规划和碰撞避免。路径规划的主要作用是在起点位置和终点位置之间找到一条能够避开所有障碍物的全局最优路径,常用的路径规划方法有基于图的搜索方法如A*算法,基于采样的规划方法如PRM算法、RRT算法,局部规划方法如Potential Field等。碰撞避免的主要作用是避免个体在群体运动过程中与障碍物或其他个体发生碰撞,常用的碰撞避免方法有社会力模型、相互速度障碍物(RVO)模型等。
通过设置安全疏散指示标志,避免将疏散人流指向危险区域虽然已成为研究者的共识,但如何通过设置安全疏散指示标志的位置和个数,将整体疏散效率达到最优化,是亟需解决的课题。
而且现有的人群疏散仿真系统均为考虑安全疏散指标的影响,进而降低了疏散仿真的真实性,且降低了疏散的效率。
发明内容
为了解决现有技术的不足,本发明的第一目的是提供一种安全疏散标志引导的人群行为仿真方法,以实现真实、有效地公共场所的疏散过程进行仿真,分析安全疏散标志的设置对于疏散效率的影响,为安全疏散标志的设置合理性提供一定的科学指导。
本发明的一种安全疏散标志引导的人群行为仿真方法,包括:
创建待仿真场景的三维建筑物模型;
确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;
标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;
根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;
导入初始化疏散人群的特征数据;
采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;
在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真。
进一步的,采用PRM算法生成疏散可用的所有路径的具体过程为:
学习阶段:根据预先设定三维建筑物模型中的路标点,构建路径网络图;
查询阶段:查询路径网络图中从一个起点到一个终点的路径。
PRM算法是一种基于图搜索的方法,它将连续空间转换成离散空间,再利用A*等搜索算法在路线图上寻找路径,以提高搜索效率。这种方法能用相对少的随机采样点来找到一个解,对多数问题而言,相对少的样本足以覆盖大部分可行的空间,并且找到路径的概率为1(随着采样数增加,找到的一条路径P指数的趋向于1)。显然,当采样点太少,或者分布不合理时,PRM算法是不完备的,但是随着采用点的增加,也可以达到完备。所以PRM是概率完备且不最优的。
进一步的,在查询阶段,将确定的起点和终端与路径网络中任意两个点分别连接;
寻找路径网络中上述两个点所连接的路径,这样将起点和终点连接起来,构成全局路径;
得到全局路径后,使用平滑的方法优化路径。
进一步的,预先设定三维建筑物模型中的路标点的规则为:
在安全出口处,加设路标点;
在危险路段或禁止通行路段,不设路标点,但在路段外设多向分散路标点,以将人群路径规划到其他路段;
在人群流量超过阈值的拥挤路段,设置多路路标点,为人员分流做准备;
在拐角路段,设置密集路标点,以保证人群平滑转向,提高真实感。
本发明的第二目的是提供一种安全疏散标志引导的人群行为仿真系统,其以实现真实、有效地公共场所的疏散过程进行仿真,分析安全疏散标志的设置对于疏散效率的影响,为安全疏散标志的设置合理性提供一定的科学指导。
本发明的一种安全疏散标志引导的人群行为仿真系统,包括人群行为仿真服务器,所述人群行为仿真服务器,包括:
三维建筑物模型创建模块,其被配置为创建待仿真场景的三维建筑物模型;
出口确定模块,其被配置为确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;
安全疏散标志标记模块,其被配置为标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;
路径生成及标记模块,其被配置为根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;
疏散人群特征数据导入模块,其被配置为导入初始化疏散人群的特征数据;
最短逃生路径寻找模块,其被配置为采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;
人群疏散仿真运行模块,其被配置为在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真。
进一步的,在所述路径生成及标记模块中,采用PRM算法生成疏散可用的所有路径的具体过程为:
学习阶段:根据预先设定三维建筑物模型中的路标点,构建路径网络图;
查询阶段:查询路径网络图中从一个起点到一个终点的路径。
进一步的,在所述路径生成及标记模块中,在查询阶段,将确定的起点和终端与路径网络中任意两个点分别连接;
寻找路径网络中上述两个点所连接的路径,这样将起点和终点连接起来,构成全局路径;
得到全局路径后,使用平滑的方法优化路径。
进一步的,在所述路径生成及标记模块中,预先设定三维建筑物模型中的路标点的规则为:
在安全出口处,加设路标点;
在危险路段或禁止通行路段,不设路标点,但在路段外设多向分散路标点,以将人群路径规划到其他路段;
在人群流量超过阈值的拥挤路段,设置多路路标点,为人员分流做准备;
在拐角路段,设置密集路标点,以保证人群平滑转向,提高真实感。
与现有技术相比,本发明的有益效果是:
本发明综合考虑公共场所内现有的安全疏散指示标志,采用基于现有安全疏散标志,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;导入初始化疏散人群的特征数据;采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真,分析安全疏散标志对于疏散效率的影响,提高了人群疏散的真实性,为人群疏散提供了科学指导。
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是本发明的一种安全疏散标志引导的人群行为仿真方法流程图;
图2是RVO避障策略原理图;
图3是本发明实例中某公共场所高空俯视图;
图4是本发明实例中公共场所的三维模型图;
图5是本发明实例中添加了安全标志位置区域的三维模型图;
图6(a)是安全疏散标志引导的人群行为仿真初始化图;
图6(b)是安全疏散标志引导的人群行为仿真t1时刻运动过程图;
图6(c)是安全疏散标志引导的人群行为仿真t2时刻运动过程图;
图7是本发明的一种安全疏散标志引导的人群行为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。
(1)Dijkstra算法:Dijkstra(迪杰斯特拉)算法是由荷兰计算机科学家狄克斯特拉于1959年提出的,因此又叫狄克斯特拉算法。是从一个顶点到其余各顶点的最短路径算法,解决的是有向图中最短路径问题。迪杰斯特拉算法主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止
Dijkstra算法问题的描述为:在无向图G=(V,E)中,假设每条边E[i]的长度为w[i],找到由顶点V0到其余各点的最短值。
(2)PRM算法是一种基于图搜索的方法,它将连续空间转换成离散空间,再利用A*等搜索算法在路线图上寻找路径,以提高搜索效率。这种方法能用相对少的随机采样点来找到一个解,对多数问题而言,相对少的样本足以覆盖大部分可行的空间,并且找到路径的概率为1(随着采样数增加,找到的一条路径P指数的趋向于1)。显然,当采样点太少,或者分布不合理时,PRM算法是不完备的,但是随着采用点的增加,也可以达到完备。所以PRM是概率完备且不最优的。
PRM算法用一个随机的网络来表示。
PRM学习阶段的主要任务是构造无向路径网络图R=(N,E),其中N代表随机路标点集,E代表所有可能的两点之间的路径集。PRM学习阶段中,初始化路标点时需要满足初始化的点必须是在自由空间中,并且不存在于障碍物内部。PRM学习阶段中,通过以下规则来选取邻域点:
其中,c、为按照某种概率随机选择的自由点;maxdist为某个给定距离阈值;表示由点到点c之间的距离;Nc表示到规划点c的距离小于max dist的自由点的集合;
即邻域点的距离在一定范围内,而且邻域点的个数有上限。选择距离函数D可定义为:
其中,表示为c、两点之间的高斯距离,x(c)表示点c的矢量坐标,表示点的矢量坐标。
PRM查询阶段是在构造了无向路径网络图R=(N,E),进入查询阶段时只需根据设定的起点s和终点g,选择合适的路径,具体过程如下:
(a)将s和g点与路径网络中的两个点x,y分别连接。
(b)寻找无向路径网络图中x与y连接的路径,这样就可以将起点和终点连接起来,构成全局路径。
(c)得到全局路径后,可以使用平滑的方法寻找捷径,优化路径。
(3)RVO避障策略
如图2所示,个体A、B分别以速度vA、vB运动,它们会在某一时刻τ发生碰撞,因而A需要重新选择一个新速度以避免碰撞的发生,这个新速度是以B的当前位置作为起点的射线,当其终点不在VOτ A|B范围内(其中VOτ A|B表示当个体A和个体B的速度分别为VA和VB时,两个体在τ时间内避免发生碰撞的集合),则A与B在时间τ内不会发生碰撞,在个体运动的每一个时刻,都会重新计算新速度,因而可以最大限度的保证A与B在可预见的时间内不会发生碰撞,从而产生了个体之间的无碰撞避障运动。由此可知RVO避障策略得到速度VA和VB仅是在个体之间避免碰撞的基础上进行运动时的速度。如果不给出个体运动的规划路径,则不能保证个体顺利到达预定出口位置,同时也无法保证在最优时间内到达预定出口。
图1是本发明的一种安全疏散标志引导的人群行为仿真方法流程图。
如图1所示,本发明的一种安全疏散标志引导的人群行为仿真方法,包括:
步骤1:创建待仿真场景的三维建筑物模型;
待仿真场景为本发明实例中某公共场所,如图3所示,为本发明实例中某公共场所的高空俯视图;采用无人机拍摄高空俯视图,通过数据抽象进行场景建模,三维建筑物模型如图4所示。
步骤2:确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;
步骤3:标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;
步骤4:根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;
其中,采用PRM算法生成疏散可用的所有路径的具体过程为:
学习阶段:根据预先设定三维建筑物模型中的路标点,构建路径网络图;
查询阶段:查询路径网络图中从一个起点到一个终点的路径。
在查询阶段,将确定的起点和终端与路径网络中任意两个点分别连接;
寻找路径网络中上述两个点所连接的路径,这样将起点和终点连接起来,构成全局路径;
得到全局路径后,使用平滑的方法优化路径。
PRM算法是一种基于图搜索的方法,它将连续空间转换成离散空间,再利用A*等搜索算法在路线图上寻找路径,以提高搜索效率。这种方法能用相对少的随机采样点来找到一个解,对多数问题而言,相对少的样本足以覆盖大部分可行的空间,并且找到路径的概率为1(随着采样数增加,找到的一条路径P指数的趋向于1)。显然,当采样点太少,或者分布不合理时,PRM算法是不完备的,但是随着采用点的增加,也可以达到完备。所以PRM是概率完备且不最优的。
如图5所示,本发明实例中添加了安全标志位置区域的三维模型图。其中,预先设定三维建筑物模型中的路标点的规则为:
在安全出口处,加设路标点;
在危险路段或禁止通行路段,不设路标点,但在路段外设多向分散路标点,以将人群路径规划到其他路段;
在人群流量超过阈值的拥挤路段,设置多路路标点,为人员分流做准备;
在拐角路段,设置密集路标点,以保证人群平滑转向,提高真实感。
而且,在安全出口处添加标记点后记录路径方向的上下界,将禁止通行路段标记为障碍物,将危险路段也标记为障碍物。
步骤5:导入初始化疏散人群的特征数据;
步骤6:采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;
步骤7:在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真。
本发明的仿真实验场景为较为复杂的公共场所场景;图6(a)是安全疏散标志引导的人群行为仿真初始化图;图6(b)是安全疏散标志引导的人群行为仿真t1时刻运动过程图;图6(c)是安全疏散标志引导的人群行为仿真t2时刻运动过程图;其中,t1小于t2,在t1和t2这两个不同时刻的疏散仿真图显示,所有个体都在向距离自己最近的出口运动,并且在运动过程中个体之间不会发生碰撞;而且仿真效果较为逼真。
本发明综合考虑公共场所内现有的安全疏散指示标志,采用基于现有安全疏散标志,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;导入初始化疏散人群的特征数据;采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真,分析安全疏散标志对于疏散效率的影响,提高了人群疏散的真实性,为人群疏散提供了科学指导。
图7是本发明的一种安全疏散标志引导的人群行为仿真系统结构示意图。
如图7所示,本发明的一种安全疏散标志引导的人群行为仿真系统,包括人群行为仿真服务器,所述人群行为仿真服务器,包括:
(1)三维建筑物模型创建模块,其被配置为创建待仿真场景的三维建筑物模型;
(2)出口确定模块,其被配置为确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;
(3)安全疏散标志标记模块,其被配置为标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;
(4)路径生成及标记模块,其被配置为根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;
在所述路径生成及标记模块中,采用PRM算法生成疏散可用的所有路径的具体过程为:
学习阶段:根据预先设定三维建筑物模型中的路标点,构建路径网络图;
查询阶段:查询路径网络图中从一个起点到一个终点的路径。
其中,在所述路径生成及标记模块中,在查询阶段,将确定的起点和终端与路径网络中任意两个点分别连接;
寻找路径网络中上述两个点所连接的路径,这样将起点和终点连接起来,构成全局路径;
得到全局路径后,使用平滑的方法优化路径。
在所述路径生成及标记模块中,预先设定三维建筑物模型中的路标点的规则为:
在安全出口处,加设路标点;
在危险路段或禁止通行路段,不设路标点,但在路段外设多向分散路标点,以将人群路径规划到其他路段;
在人群流量超过阈值的拥挤路段,设置多路路标点,为人员分流做准备;
在拐角路段,设置密集路标点,以保证人群平滑转向,提高真实感。
(5)疏散人群特征数据导入模块,其被配置为导入初始化疏散人群的特征数据;
(6)最短逃生路径寻找模块,其被配置为采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;
(7)人群疏散仿真运行模块,其被配置为在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真。
本发明综合考虑公共场所内现有的安全疏散指示标志,采用基于现有安全疏散标志,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由外向出口的单向路径;导入初始化疏散人群的特征数据;采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真,分析安全疏散标志对于疏散效率的影响,提高了人群疏散的真实性,为人群疏散提供了科学指导。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
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 (6)
1.一种安全疏散标志引导的人群行为仿真方法,其特征在于,包括:
创建待仿真场景的三维建筑物模型;
确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;
标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;
根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由内向出口的单向路径;
导入初始化疏散人群的特征数据;
采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;
在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真;
预先设定三维建筑物模型中的路标点的规则为:
在安全出口处,加设路标点;
在危险路段或禁止通行路段,不设路标点,但在路段外设多向分散路标点,以将人群路径规划到其他路段;
在人群流量超过阈值的拥挤路段,设置多路路标点,为人员分流做准备;
在拐角路段,设置密集路标点,以保证人群平滑转向,提高真实感。
2.如权利要求1所述的一种安全疏散标志引导的人群行为仿真方法,其特征在于,采用PRM算法生成疏散可用的所有路径的具体过程为:
学习阶段:根据预先设定三维建筑物模型中的路标点,构建路径网络图;
查询阶段:查询路径网络图中从一个起点到一个终点的路径。
3.如权利要求2所述的一种安全疏散标志引导的人群行为仿真方法,其特征在于,在查询阶段,将确定的起点和终端与路径网络中任意两个点分别连接;
寻找路径网络中上述两个点所连接的路径,这样将起点和终点连接起来,构成全局路径;
得到全局路径后,使用平滑的方法优化路径。
4.一种安全疏散标志引导的人群行为仿真系统,其特征在于,包括人群行为仿真服务器,所述人群行为仿真服务器,包括:
三维建筑物模型创建模块,其被配置为创建待仿真场景的三维建筑物模型;
出口确定模块,其被配置为确定三维建筑物模型中与待仿真场景相对应的出口数量及出口位置;
安全疏散标志标记模块,其被配置为标记三维建筑物模型中与待仿真场景相对应的安全疏散标志位置;
路径生成及标记模块,其被配置为根据出口数量、出口位置及安全疏散标志位置,预先设定三维建筑物模型中的路标点,进而采用PRM算法生成疏散可用的所有路径,并将安全出口规划方向内的路径标记为规定单向路径;超出安全出口规划方向的路径,标记为由内向出口的单向路径;
疏散人群特征数据导入模块,其被配置为导入初始化疏散人群的特征数据;
最短逃生路径寻找模块,其被配置为采用Dijkstra算法为疏散人群的个体从规定单向路径中寻找出最短逃生路径;
人群疏散仿真运行模块,其被配置为在疏散人群运动的过程中,采用RVO避障策略对人群疏散进行仿真;
在所述路径生成及标记模块中,预先设定三维建筑物模型中的路标点的规则为:
在安全出口处,加设路标点;
在危险路段或禁止通行路段,不设路标点,但在路段外设多向分散路标点,以将人群路径规划到其他路段;
在人群流量超过阈值的拥挤路段,设置多路路标点,为人员分流做准备;
在拐角路段,设置密集路标点,以保证人群平滑转向,提高真实感。
5.如权利要求4所述的一种安全疏散标志引导的人群行为仿真系统,其特征在于,在所述路径生成及标记模块中,采用PRM算法生成疏散可用的所有路径的具体过程为:
学习阶段:根据预先设定三维建筑物模型中的路标点,构建路径网络图;
查询阶段:查询路径网络图中从一个起点到一个终点的路径。
6.如权利要求5所述的一种安全疏散标志引导的人群行为仿真系统,其特征在于,在所述路径生成及标记模块中,在查询阶段,将确定的起点和终端与路径网络中任意两个点分别连接;
寻找路径网络中上述两个点所连接的路径,这样将起点和终点连接起来,构成全局路径;
得到全局路径后,使用平滑的方法优化路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810777871.2A CN109101694B (zh) | 2018-07-16 | 2018-07-16 | 一种安全疏散标志引导的人群行为仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810777871.2A CN109101694B (zh) | 2018-07-16 | 2018-07-16 | 一种安全疏散标志引导的人群行为仿真方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109101694A CN109101694A (zh) | 2018-12-28 |
CN109101694B true CN109101694B (zh) | 2019-05-28 |
Family
ID=64846326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810777871.2A Active CN109101694B (zh) | 2018-07-16 | 2018-07-16 | 一种安全疏散标志引导的人群行为仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109101694B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109683630B (zh) * | 2019-01-25 | 2021-11-09 | 南京邮电大学 | 基于粒子群和prm算法的无人机航迹规划方法 |
CN109655068A (zh) * | 2019-01-31 | 2019-04-19 | 山东师范大学 | 基于建筑物中突发火灾事件的路径重规划方法及装置、系统 |
CN109978272B (zh) * | 2019-03-30 | 2022-11-18 | 华南理工大学 | 一种基于多个全向移动机器人的路径规划系统及方法 |
CN109974737B (zh) * | 2019-04-11 | 2020-01-31 | 山东师范大学 | 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 |
CN111080027A (zh) * | 2019-12-26 | 2020-04-28 | 华中科技大学 | 一种动态逃生指引方法及系统 |
CN111523731A (zh) * | 2020-04-24 | 2020-08-11 | 山东师范大学 | 一种基于Actor-Critic算法的人群疏散运动路径规划方法及系统 |
CN111476436B (zh) * | 2020-05-12 | 2022-07-19 | 山东师范大学 | 面向疫情防控的虚拟村镇环境路径规划方法及系统 |
CN111767789B (zh) * | 2020-05-13 | 2024-03-26 | 北京交通大学 | 一种基于多载体智能引导的人群疏散方法及系统 |
CN112417754B (zh) * | 2020-11-10 | 2023-10-31 | 中山大学 | 复杂室内结构下基于场景语义信息的人群疏散仿真方法 |
CN112668768A (zh) * | 2020-12-24 | 2021-04-16 | 宁波工程学院 | 基于导航点和rvo模型的人群疏散仿真方法 |
CN113643170B (zh) * | 2021-10-14 | 2022-01-18 | 枫树谷(成都)科技有限责任公司 | 一种大数据驱动的公共场所聚集人群疏散方法及装置 |
CN113963089B (zh) * | 2021-12-23 | 2022-05-03 | 朗坤智慧科技股份有限公司 | 一种基于a*算法的三维空间疏散模拟方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100791365B1 (ko) * | 2006-12-01 | 2008-01-07 | 한국과학기술원 | 홈 네트워크 시스템에서 두 노드 사이의 안전한 최단 경로산출방법 |
CN102509410A (zh) * | 2011-12-07 | 2012-06-20 | 浙江大学 | 智能化消防疏散逃生指示系统及方法 |
CN103035097A (zh) * | 2011-10-10 | 2013-04-10 | 上海日浦信息技术有限公司 | 智能紧急疏散控制系统及其实现方法 |
CN105468801A (zh) * | 2014-09-09 | 2016-04-06 | 中国科学院深圳先进技术研究院 | 公共场所人群疏散仿真方法及系统 |
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 |
CN107679306A (zh) * | 2017-09-26 | 2018-02-09 | 山东师范大学 | 视频驱动的人群疏散行为仿真方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279800B (zh) * | 2013-01-10 | 2016-12-28 | 吉林大学 | 基于博弈论的大规模人群疏散最优逃生路线生成方法 |
CN103344239A (zh) * | 2013-07-03 | 2013-10-09 | 重庆邮电大学 | 一种建筑物内的导航方法 |
CN103838846B (zh) * | 2014-03-06 | 2017-02-01 | 中国科学院软件研究所 | 一种基于大数据的面向个人的应急引导方法及系统 |
CN104008625A (zh) * | 2014-05-21 | 2014-08-27 | 关宏 | 一种图像智能火灾疏散系统 |
-
2018
- 2018-07-16 CN CN201810777871.2A patent/CN109101694B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100791365B1 (ko) * | 2006-12-01 | 2008-01-07 | 한국과학기술원 | 홈 네트워크 시스템에서 두 노드 사이의 안전한 최단 경로산출방법 |
CN103035097A (zh) * | 2011-10-10 | 2013-04-10 | 上海日浦信息技术有限公司 | 智能紧急疏散控制系统及其实现方法 |
CN102509410A (zh) * | 2011-12-07 | 2012-06-20 | 浙江大学 | 智能化消防疏散逃生指示系统及方法 |
CN105468801A (zh) * | 2014-09-09 | 2016-04-06 | 中国科学院深圳先进技术研究院 | 公共场所人群疏散仿真方法及系统 |
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 |
CN107679306A (zh) * | 2017-09-26 | 2018-02-09 | 山东师范大学 | 视频驱动的人群疏散行为仿真方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109101694A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109101694B (zh) | 一种安全疏散标志引导的人群行为仿真方法及系统 | |
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 | |
CN108469822B (zh) | 一种室内导盲机器人在动态环境下的路径规划方法 | |
LU101606B1 (en) | Path planning method and system based on combination of safety evacuation signs and reinforcement learning | |
Feurtey | Simulating the collision avoidance behavior of 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 | |
CN110737989A (zh) | 一种平行智能应急协同方法、系统及电子装备 | |
CN109816686A (zh) | 基于物体实例匹配的机器人语义slam方法、处理器及机器人 | |
US10902263B1 (en) | Image processing system for object identification | |
KR20200108527A (ko) | 심층 강화 학습에 기반한 자율주행 에이전트의 학습 방법 및 시스템 | |
CN113569378B (zh) | 仿真场景的生成方法、装置、电子设备以及存储介质 | |
CN105740514A (zh) | 一种大规模人群疏散计算机仿真系统及其方法 | |
CN110795833B (zh) | 基于猫群算法的人群疏散仿真方法、系统、介质及设备 | |
Sarmady et al. | Modeling groups of pedestrians in least effort crowd movements using cellular automata | |
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 | |
CN106650915B (zh) | 基于网格智能体的人群行为模拟方法 | |
CN108446469B (zh) | 一种基于视频驱动的群组行为疏散仿真方法及装置 | |
CN107480821A (zh) | 基于实例学习的多Agent协作人群疏散仿真方法及装置 | |
CN109783856A (zh) | 基于群体效应的应急人群疏散仿真方法及系统 | |
KR20140137068A (ko) | 피난 시뮬레이션 시스템 및 그 제공방법 | |
Habermann et al. | Artificial neural nets object recognition for 3D point clouds | |
CN116661502B (zh) | 一种智能农业无人机路径规划方法 | |
CN112484726B (zh) | 一种基于三维模型的无人机路径规划方法 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
Sudkhot et al. | A crowd simulation in large space urban |
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 |