CN109522651A - 一种基于静态场和有偏行走的人群疏散模拟方法 - Google Patents

一种基于静态场和有偏行走的人群疏散模拟方法 Download PDF

Info

Publication number
CN109522651A
CN109522651A CN201811366519.6A CN201811366519A CN109522651A CN 109522651 A CN109522651 A CN 109522651A CN 201811366519 A CN201811366519 A CN 201811366519A CN 109522651 A CN109522651 A CN 109522651A
Authority
CN
China
Prior art keywords
static field
pedestrian
lattice point
grid
analogy method
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
CN201811366519.6A
Other languages
English (en)
Other versions
CN109522651B (zh
Inventor
练丽萍
胡金晖
黄虎
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.)
In New Electric Power Research Institute Wisdom City Co Ltd
Original Assignee
In New Electric Power Research Institute Wisdom City Co Ltd
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 In New Electric Power Research Institute Wisdom City Co Ltd filed Critical In New Electric Power Research Institute Wisdom City Co Ltd
Priority to CN201811366519.6A priority Critical patent/CN109522651B/zh
Publication of CN109522651A publication Critical patent/CN109522651A/zh
Application granted granted Critical
Publication of CN109522651B publication Critical patent/CN109522651B/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]
    • G06F30/10—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Abstract

本发明涉及一种基于静态场和有偏行走的人群疏散模拟方法，包括路径规划模型、转移概率计算模型和多格子人员仿真技术。基于疏散场景的静态场进行路径规划，对人员疏散的确定性进行模拟，基于有偏行走规则计算转移概率，对人员运动的随机性进行模拟，结合多格子人员仿真技术，本发明能准确模拟行人的错位分布、高密度下的连续运动以及“拱形分布”自组织现象，兼顾离散模型和连续模型的优点，可以真实、准确地反应人群疏散情况,本发明应用于智慧城市、智慧社区领域，有助于城市应急场景下室内人群疏散时间的预测、路径规划、应急预案制定等。

Description

一种基于静态场和有偏行走的人群疏散模拟方法
技术领域
本发明属于城市管理技术领域，特别是涉及一种基于静态场和有偏行走的人群疏散模拟方法。
背景技术
随着经济的发展，出现了一系列人员密集场所以及复杂建筑，如何在发生紧急事件时，安全快速地疏散人群成为需要迫切解决的问题。通过真实性和准确性的人群疏散模拟，有助于城市应急场景下室内人群疏散时间的预测、路径规划、应急预案制定等。
计算机模拟是评估人员安全疏散的有效手段之一，目前的人员疏散模型主要分为宏观模型和微观模型两类。宏观模型把人群当作一个整体，计算整个人群的演化规律。微观模型考虑人与人之间的相互作用，能够描述人群疏散中的一些典型行为，常见的微观模型主要有以社会力模型为代表的连续性模型和以元胞自动机为代表的离散模型，但这两种微观模型都存在各自的缺点：社会力模型规则过于复杂，计算效率低，而元胞自动机模型则由于规则简单，不能模拟行人的错位分布、高密度下的连续运动以及出现“人群收缩”现象等，导致模拟结果误差较大。
发明内容
本发明所要解决的技术问题是：解决微观疏散模型中存在的计算效率低、离散模型模拟结果误差较大等问题，提出一种基于静态场和有偏行走的人群疏散模拟方法，真实准确模拟行人的错位分布、高密度下的连续运动以及“拱形分布”自组织现象。
本发明采用的技术方案是：包括路径规划模型、转移概率计算模型和多格子人员仿真技术。基于疏散场景的静态场进行路径规划，对人员疏散的确定性进行模拟，基于有偏行走规则计算转移概率，对人员运动的随机性进行模拟，通过计算机编程最终实现所述的人群疏散模拟方法；
所述的一种基于静态场和有偏行走的人群疏散模拟方法，包括如下步骤：
S10：将物理空间离散成0.1m*0.1m的网格，计算静态场；
S20：初始化行人密度与状态；
S30：随机产生行人的更新顺序；
S40：基于静态场从八个邻域格点中选择符合条件的目标位置；
S50：在S40步骤中没有选择到符合条件的目标位置的行人，基于有偏行走模型确定目标位置；
S60：更新行人的位置与状态，移除离开出口的行人；
S70：所有行人疏散完毕，仿真结束。
进一步方案为，所述S10步骤中，静态场的计算过程如下：
S11：位于出口正中间且最外层的格点(定义为第一层格点)静态场值设为0。墙壁的静态场值设置一个较大的数值，在本发明中设置为1000；
S12：对第一层格点周围邻域的非墙壁格点(第二层格点)的静态场进行计算，按照如下原则：如果一个格点的静态场值为M，则其邻域水平或者垂直方向格点的静态场值为M+1，对角线方向格点的静态场值为出现赋值冲突时，取较小值；
S13：按照步骤S12中的方法，对第三层格点进行计算，即第二层格点周围邻域的非墙壁格点且排除第一层格点；
S14：重复以上步骤，直到所有的格点都被遍历。
进一步方案为，所述S40步骤中，基于静态场从八个邻域格点中选择符合条件的目标位置的计算过程如下：
S41：根据体积排斥原则以及每个仿真周期最大可移动格子数确定行人在八个邻域可以移动的格子数，其中体积排斥原则指的是在同一时刻单个格点只能被一个行人占据，行人之间不允许有重叠；
S42：根据静态场值最小原则确定行人在八个邻域对应移动的格子数；
S43：从八个邻域中，选择静态场值最小的格点作为预选的目标位置格点，若其静态场值小于当前位置静态场值且对应的移动方向与原运动方向不相反，则确定其为行人的目标位置，否则转入所述S50步骤。
进一步方案为，所述S50步骤中，基于有偏行走模型确定目标位置的计算过程如下：
S51：根据出口位置，确定行人所在位置的运动优势方向；
S52：根据偏向强度D以及行人的状态，计算八个邻域对应的转移概率；
S53：根据转移概率确定行人的目标位置。
进一步方案为，所述多格子人员仿真技术，即将疏散仿真系统划分为比传统元胞自动机模型更加小的网格，使得每个行人可以占据n*n个格子。
进一步方案为，所述n取4。
进一步方案为，所述多格子人员仿真技术在每个仿真周期，行人可以移动多个格子，定义行人在每个仿真周期最大可以移动的格子数为Stepmax。
进一步方案为，所述Stepmax取4。
本发明实施例提供的技术方案带来的有益效果是：本方法根据疏散场景的静态场进行路径规划，对人员疏散的确定性进行模拟，基于有偏行走规则计算转移概率，对人员运动的随机性进行模拟，结合多格子人员仿真技术，可以准确模拟行人的错位分布、高密度下的连续运动以及“拱形分布”自组织现象，应用于智慧城市、智慧社区领域，有助于城市应急场景下室内人群疏散时间的预测、路径规划、应急预案制定等，具有以下优点：
1、兼顾离散模型和连续模型的优点，不仅运算速度快，而且行人运动连续性较好；
2、可以真实、准确地反应人群疏散情况。
附图说明：
图1为本发明基于静态场和有偏行走的人群疏散模拟方法流程图；
图2为本发明采用多格子人员仿真技术的实施例仿真场景示意图；
图3为本发明静态场的计算结果示意图；
图4(a)为行人的8个邻域都没有被占据；
图4(b)为行人的其中一个邻域被占据；
图5为本发明的实施例仿真结果示意图。
具体实施方式
为了更充分理解本发明的技术内容，下面结合附图和具体实施例对本发明的技术方案进一步介绍和说明，但不局限于此。
参见图1至图5所示，一种基于静态场和有偏行走的人群疏散模拟方法，包括路径规划模型、转移概率计算模型和多格子人员仿真技术。基于疏散场景的静态场进行路径规划，对人员疏散的确定性进行模拟，基于有偏行走规则计算转移概率，对人员运动的随机性进行模拟；
在本发明实施例中，一种基于静态场和有偏行走的人群疏散模拟方法，包括如下步骤：
如图1所示，在本发明实施例中，该人群疏散模拟方法包括如下步骤：
S10，将物理空间离散成0.1m*0.1m的网格，并计算静态场。本发明选用包含一个出口的矩形房间作为仿真场景，空间离散化的结果如图2所示。
静态场具体计算过程如下：
S11：位于出口正中间且最外层的格点(定义为第一层格点)静态场值设为0。墙壁的静态场值设置一个较大的数值，在本发明中设置为1000。
S12：对第一层格点周围邻域的非墙壁格点(第二层格点)的静态场进行计算，按照如下原则：如果一个格点的静态场值为M，则其邻域水平或者垂直方向格点的静态场值为M+1，对角线方向格点的静态场值为出现赋值冲突时，取较小值。
S13：按照步骤S12中的方法，对第三层格点进行计算，即第二层格点周围邻域的非墙壁格点且排除第一层格点。
S14：重复以上步骤，直到所有的格点都被遍历。
静态场的计算结果如图3所示。
S20，初始化行人密度与状态。
在步骤S20中，如图2所示，本发明采用多格子仿真技术，行人占据4*4个格子。采用Moore邻域，即每个行人向八个方向运动或者保持静止。按顺时针方向定义了八个运动方向对应的数值(0、1、2、3、4、5、6、7)，当行人保持静止时，运动方向定义为100。初始化时，随机给定每个行人的位置，设定初始时每个行人的运动方向为100。行人在水平或垂直方向的最大可移动格子数为Stepmax，在对角方向的最大可移动格子数为
S30，随机产生行人的更新顺序。
S40，基于静态场从八个邻域格点中选择符合条件的目标位置。
在步骤S40中，基于静态场从八个邻域格点中选择符合条件的目标位置的计算过程如下：
S41：根据体积排斥原则以及每个仿真周期最大可移动格子数确定行人在八个邻域可以移动的格子数；
S42：根据静态场值最小原则确定行人在八个邻域对应移动的格子数；
S43：从八个邻域中，选择静态场值最小的格点作为预选的目标位置格点，若其静态场值小于当前位置静态场值且对应的移动方向与原运动方向不相反，则确定其为行人的目标位置，否则转入所述的S50步骤。
S50，在S40步骤中没有选择到符合条件的目标位置的行人，基于有偏行走模型确定目标位置。
在本实施例中，基于有偏行走模型确定目标位置的计算过程如下：
S51：以出口两边为界将仿真场景分为左侧、中间和右侧三个区域，左侧区域行人优势运动方向为方向3，中间区域行人优势运动方向为方向2，右侧区域行人优势运动方向为方向1；
S52：分别计算行人在不同区域对应的八个邻域的转移概率；
(1)行人位于房间中间区域
当行人处于图4(a)所示状态时，即8个邻域方向都没有被占据，各个方向转移概率计算公式如下：
当行人处于图4(b)所示状态时，即其中一个邻域方向被占据，各个方向转移概率计算公式如下：
在上述公式中，D表示偏向强度，在本发明中，D取0.99。行人在其他状态下的转移概率计算公式可以类比图4(b)所示情况求出。
(2)行人位于房间左侧区域
当行人处于图4(a)所示状态时，各个方向转移概率计算公式如下：
当行人处于图4(b)所示状态时，各个方向转移概率计算公式如下：
上述公式中，(x，y)为行人的坐标，(x0，y0)为出口中点的坐标。行人在其他状态下的转移概率计算公式可以类比图4(b)所示情况求出。
(3)行人位于房间右侧区域
当行人处于图4(a)所示状态时，各个方向转移概率计算公式如下：
当行人处于图4(b)所示状态时，各个方向转移概率计算公式如下：
行人在其他状态下的转移概率计算公式可以类比图4(b)所示情况求出。
S53：根据转移概率确定行人的目标位置。
S60，更新行人的位置与状态，移除离开出口的行人。
在S60步骤中，根据目标位置更新行人的位置、记录行人的运动方向等，当行人y坐标小于等于2时，移除行人。
S70，当所有行人疏散完毕，仿真结束。
图5为实施例仿真结果图，可以看到模拟结果再现了人群疏散中的典型自组织行为—“拱形分布”。
本发明根据疏散场景的静态场进行路径规划，对人员疏散的确定性进行模拟，基于有偏行走的规则，对人员运动的随机性进行模拟，结合多格子人员仿真技术，准确模拟行人的错位分布、高密度下的连续运动以及“拱形分布”自组织现象，应用于智慧城市、智慧社区领域，有助于城市应急场景下室内人群疏散时间的预测、路径规划、应急预案制定等，具有以下优点：
1、兼顾离散模型和连续模型的优点，不仅运算速度快，而且行人运动连续性较好；
2、可以真实、准确地反应人群疏散情况。
以上所述仅为本专利优选实施方式，并非限制本专利范围，凡是利用说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其它相关的技术领域，均属于本专利保护范围。

Claims (8)

1.一种基于静态场和有偏行走的人群疏散模拟方法，其特征在于：包括路径规划模型、转移概率计算模型和多格子人员仿真技术,基于疏散场景的静态场进行路径规划，对人员疏散的确定性进行模拟，基于有偏行走规则计算转移概率，对人员运动的随机性进行模拟；
所述基于静态场和有偏行走的人群疏散模拟方法，包含如下步骤：
S10：将物理空间离散成0.1m*0.1m的网格，计算静态场；
S20：初始化行人密度与状态；
S30：随机产生行人的更新顺序；
S40：基于静态场从八个邻域格点中选择符合条件的目标位置；
S50：在S40步骤中没有选择到符合条件的目标位置的行人，基于有偏行走模型确定目标位置；
S60：更新行人的位置与状态，移除离开出口的行人；
S70：所有行人疏散完毕，仿真结束。
2.根据权利要求1所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述S10步骤中，静态场的计算过程如下：
S11：位于出口正中间且最外层的格点(定义为第一层格点)静态场值设为0，墙壁的静态场值设置一个较大的数值，在本发明中设置为1000；
S12：对第一层格点周围邻域的非墙壁格点(第二层格点)的静态场进行计算，按照如下原则：如果一个格点的静态场值为M，则其邻域水平或者垂直方向格点的静态场值为M+1，对角线方向格点的静态场值为出现赋值冲突时，取较小值；
S13：按照步骤S12中的方法，对第三层格点进行计算，即第二层格点周围邻域的非墙壁格点且排除第一层格点；
S14：重复以上步骤，直到所有的格点都被遍历。
3.根据权利要求1所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述S40步骤中，基于静态场从八个邻域格点中选择符合条件的目标位置的计算过程如下：
S41：根据体积排斥原则以及每个仿真周期最大可移动格子数确定行人在八个邻域可以移动的格子数，其中体积排斥原则指的是在同一时刻单个格点只能被一个行人占据，行人之间不允许有重叠；
S42：根据静态场值最小原则确定行人在八个邻域对应移动的格子数；
S43：从八个邻域中，选择静态场值最小的格点作为预选的目标位置格点，若其静态场值小于当前位置静态场值且对应的移动方向与原运动方向不相反，则确定其为行人的目标位置，否则转入所述S50步骤。
4.根据权利要求1所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述S50步骤中，基于有偏行走模型确定目标位置的计算过程如下：
S51：根据出口位置，确定行人所在位置的运动优势方向；
S52：根据偏向强度D以及行人的状态，计算八个邻域对应的转移概率；
S53：根据转移概率确定行人的目标位置。
5.根据权利要求1所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述多格子人员仿真技术，即将疏散仿真系统划分为比传统元胞自动机模型更加小的网格，使得每个行人可以占据n*n个格子。
6.根据权利要求5所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述n取4。
7.根据权利要求1所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述多格子人员仿真技术在每个仿真周期，行人可以移动多个格子，定义行人在每个仿真周期最大可以移动的格子数为Stepmax。
8.根据权利要求7所述的基于静态场和有偏行走的人群疏散模拟方法，其特征在于：所述Stepmax取4。
CN201811366519.6A 2018-11-16 2018-11-16 一种基于静态场和有偏行走的人群疏散模拟方法 Active CN109522651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811366519.6A CN109522651B (zh) 2018-11-16 2018-11-16 一种基于静态场和有偏行走的人群疏散模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811366519.6A CN109522651B (zh) 2018-11-16 2018-11-16 一种基于静态场和有偏行走的人群疏散模拟方法

Publications (2)

Publication Number Publication Date
CN109522651A true CN109522651A (zh) 2019-03-26
CN109522651B CN109522651B (zh) 2023-07-04

Family

ID=65778127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811366519.6A Active CN109522651B (zh) 2018-11-16 2018-11-16 一种基于静态场和有偏行走的人群疏散模拟方法

Country Status (1)

Country Link
CN (1) CN109522651B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837702A (zh) * 2019-11-14 2020-02-25 北京京航计算通讯研究所 城市地下综合管廊突发事件应急仿真系统
CN111274688A (zh) * 2020-01-16 2020-06-12 东南大学 一种考虑行人运动统计特性的人群行为仿真方法
CN111460670A (zh) * 2020-04-03 2020-07-28 中国科学技术大学深圳研究院 一种基于cuda平台的大规模人群疏散模拟计算方法
CN111475934A (zh) * 2020-03-27 2020-07-31 哈尔滨工业大学 一种基于势能场的无靠背座椅阶梯看台人群疏散模拟方法
CN111968020A (zh) * 2020-09-03 2020-11-20 福州大学 考虑残障人员运动特征的行人疏散方法
CN113312693A (zh) * 2021-05-25 2021-08-27 北京工业大学 一种t型通道混合行人分流仿真方法
CN113806832A (zh) * 2021-08-31 2021-12-17 河北工业大学 一种基于行为仿真的社区地震应急疏散空间优化设计方法
CN114580308A (zh) * 2022-05-07 2022-06-03 西南交通大学 一种人员疏散时间预测方法、装置、存储介质及终端设备
CN114841084A (zh) * 2022-07-04 2022-08-02 西南交通大学 一种基于航拍图像的人员疏散模拟方法、系统及设备
CN117688792A (zh) * 2024-02-04 2024-03-12 中南民族大学 一种基于自适应网格的介观疏散模型的疏散仿真方法
CN117688792B (zh) * 2024-02-04 2024-05-10 中南民族大学 一种基于自适应网格的介观疏散模型的疏散仿真方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014119882A (ja) * 2012-12-14 2014-06-30 Yokohama National Univ 解析方法、解析装置およびプログラム
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
CN106570811A (zh) * 2016-11-15 2017-04-19 同济大学 一种基于灾害场势变化的人群疏散方法
CN108596368A (zh) * 2018-04-04 2018-09-28 北京航空航天大学 一种基于预测时间的多出口疏散方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014119882A (ja) * 2012-12-14 2014-06-30 Yokohama National Univ 解析方法、解析装置およびプログラム
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
CN106570811A (zh) * 2016-11-15 2017-04-19 同济大学 一种基于灾害场势变化的人群疏散方法
CN108596368A (zh) * 2018-04-04 2018-09-28 北京航空航天大学 一种基于预测时间的多出口疏散方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张维 等: "考虑作用力的人群疏散元胞自动机模型研究", 《电子科技大学学报(社科版)》 *
杨超: "采用多格子模型的火灾场景人群疏散仿真", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837702B (zh) * 2019-11-14 2023-01-10 北京京航计算通讯研究所 城市地下综合管廊突发事件应急仿真系统
CN110837702A (zh) * 2019-11-14 2020-02-25 北京京航计算通讯研究所 城市地下综合管廊突发事件应急仿真系统
CN111274688A (zh) * 2020-01-16 2020-06-12 东南大学 一种考虑行人运动统计特性的人群行为仿真方法
CN111274688B (zh) * 2020-01-16 2023-09-01 东南大学 一种考虑行人运动统计特性的人群行为仿真方法
CN111475934A (zh) * 2020-03-27 2020-07-31 哈尔滨工业大学 一种基于势能场的无靠背座椅阶梯看台人群疏散模拟方法
CN111475934B (zh) * 2020-03-27 2021-07-20 哈尔滨工业大学 一种基于势能场的无靠背座椅阶梯看台人群疏散模拟方法
CN111460670A (zh) * 2020-04-03 2020-07-28 中国科学技术大学深圳研究院 一种基于cuda平台的大规模人群疏散模拟计算方法
CN111968020A (zh) * 2020-09-03 2020-11-20 福州大学 考虑残障人员运动特征的行人疏散方法
CN111968020B (zh) * 2020-09-03 2022-06-14 福州大学 考虑残障人员运动特征的行人疏散方法
CN113312693A (zh) * 2021-05-25 2021-08-27 北京工业大学 一种t型通道混合行人分流仿真方法
CN113312693B (zh) * 2021-05-25 2024-04-12 北京工业大学 一种t型通道混合行人分流仿真方法
CN113806832A (zh) * 2021-08-31 2021-12-17 河北工业大学 一种基于行为仿真的社区地震应急疏散空间优化设计方法
CN113806832B (zh) * 2021-08-31 2024-03-29 河北工业大学 一种基于行为仿真的社区地震应急疏散空间优化设计方法
CN114580308A (zh) * 2022-05-07 2022-06-03 西南交通大学 一种人员疏散时间预测方法、装置、存储介质及终端设备
CN114841084A (zh) * 2022-07-04 2022-08-02 西南交通大学 一种基于航拍图像的人员疏散模拟方法、系统及设备
CN114841084B (zh) * 2022-07-04 2022-09-09 西南交通大学 一种基于航拍图像的人员疏散模拟方法、系统及设备
CN117688792A (zh) * 2024-02-04 2024-03-12 中南民族大学 一种基于自适应网格的介观疏散模型的疏散仿真方法
CN117688792B (zh) * 2024-02-04 2024-05-10 中南民族大学 一种基于自适应网格的介观疏散模型的疏散仿真方法

Also Published As

Publication number Publication date
CN109522651B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN109522651A (zh) 一种基于静态场和有偏行走的人群疏散模拟方法
Tian et al. Simulation of urban expansion and encroachment using cellular automata and multi-agent system model—A case study of Tianjin metropolitan region, China
Sarmady et al. A cellular automata model for circular movements of pedestrians during Tawaf
Ji et al. A cellular automata model for high-density crowd evacuation using triangle grids
CN104933661B (zh) 一种公共建筑物非均称安全通道的人群均衡撤离方法
CN105335588B (zh) 一种基于拥挤因子的地面场人群疏散模型
CN109974737A (zh) 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
CN1987906A (zh) 土地利用变化动态预测的方法
CN102646166A (zh) 一种复杂建筑室内应急疏散模拟的方法
Hua Irregular architectural layout synthesis with graphical inputs
Green et al. Organic building generation in minecraft
Li et al. Simulation of evacuating crowd based on deep learning and social force model
CN104200295A (zh) Rcrss中基于分区的多警察智能体任务分配方法
Silva Cellular Automata and Agent Base Models for Urban Studies: From Pixels to Cells to Hexa‐dpi's
CN106897541A (zh) 一种基于混合空间的室内人员疏散模拟方法
CN108153966A (zh) 基于gpu的多出口势能场模型人群实时疏散仿真方法
Ye et al. An optimization model for evacuation based on cellular automata and ant colony algorithm
Qi et al. A state-equation-based backward approach to a legal firing sequence existence problem in Petri nets
Takai et al. A cellular automaton model of particle motions and its applications
Lv et al. Simulation method of urban evacuation based on mesoscopic cellular automata
Inoue et al. Layout algorithm for an EC-based room layout planning support system
CN103049614B (zh) 一种控制智慧楼宇中声波运动轨迹的方法、装置
Silva et al. Lodus: A multi-level framework for simulating environment and population-a contagion experiment on a pandemic world
Date et al. Modeling space to support use-pattern simulation in buildings
Loukil et al. Parallel hybrid genetic algorithms for solving Q3AP on computational grid

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