CN109783856B - 基于群体效应的应急人群疏散仿真方法及系统 - Google Patents

基于群体效应的应急人群疏散仿真方法及系统 Download PDF

Info

Publication number
CN109783856B
CN109783856B CN201811517305.4A CN201811517305A CN109783856B CN 109783856 B CN109783856 B CN 109783856B CN 201811517305 A CN201811517305 A CN 201811517305A CN 109783856 B CN109783856 B CN 109783856B
Authority
CN
China
Prior art keywords
individual
scene
collision
model
representing
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
Application number
CN201811517305.4A
Other languages
English (en)
Other versions
CN109783856A (zh
Inventor
吕蕾
王凡
吕晨
张桂娟
刘弘
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 CN201811517305.4A priority Critical patent/CN109783856B/zh
Publication of CN109783856A publication Critical patent/CN109783856A/zh
Application granted granted Critical
Publication of CN109783856B publication Critical patent/CN109783856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Processing Or Creating Images (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了基于群体效应的应急人群疏散仿真方法及系统，包括：步骤(1)：在Unity3D场景下搭建场景模型和个体模型；步骤(2)：创建场景与个体之间的交互关系，创建个体与个体之间的交互关系，生成应急场景；步骤(3)：在应急场景中，实现基于群体效应的应急人群疏散仿真。利用unity3D的软件优势，更加便捷的搭建场景，利用基于位置的多个体动力学人群仿真，凝聚力模型、避免模型和社会模型来建模，以及自带的角色动画控制器，使人群疏散仿真的过程更加流畅、稳定、高效。

Description

基于群体效应的应急人群疏散仿真方法及系统
技术领域
本发明属于虚拟现实仿真技术领域，尤其涉及一种基于群体效应的应急人群疏散仿真方法及系统。
背景技术
人群仿真已被广泛应用于模拟紧急场景，在仿真模拟中了解人类的行为，处理群体间的多样性，更快的从公共建筑物撤离，挽救更多的生命。而紧急情况是一种无法预见的，当紧急情况出现时，人们往往是缓慢的响应疏散报警，走熟悉的路线，而不是从最近的出口逃离。这些危险行为都是因为对环境的不熟悉，没有立刻意识到危险情况，遵循他人的不安全行为。并且在人群疏散过程中还会出现拱现象、障碍物的影响、干扰、羊群行为、流体行为等。从安全模拟角度，人群仿真可以改善紧急疏散中人群的移动的安全路线，识别建筑物中更安全的行为，也可以总结如何建造更安全的建筑物。
在人群疏散模拟中个体需要朝向目标导航，避免碰撞并展示其他人类行为。现已经开发出许多人群转向算法来逼真地模拟人群移动到他们的目标。人群涉及两个或更多对象，具有不同的特征。他们在同一地点，同一时间段内为了同一目的而互相交流和互动。但环境的建模以及个体建模都相当的复杂，工作量很大，对于大量的人群疏散仿真还是具有一定的局限性的。科技的迅速发展，应相应新的需求，需要有更加真实，高效的方法来实现大规模的人群疏散仿真。
发明内容
针对现有技术中的不足，本发明提出一种基于群体效应的应急人群疏散仿真方法及系统。利用Unity3D的软件优势，更加便捷的搭建场景，利用基于位置的动力学框架，碰撞预测模型、避免模型和社会模型来建模，以及自带的动画控制器，使人群疏散仿真的过程更加流畅、稳定、高效。
作为本发明的第一方面，提供了基于群体效应的应急人群疏散仿真方法；
基于群体效应的应急人群疏散仿真方法，包括：
步骤(1)：在Unity3D场景下搭建场景模型和个体模型；
步骤(2)：创建场景与个体之间的交互关系，创建个体与个体之间的交互关系，生成应急场景；
步骤(3)：在应急场景中，实现基于群体效应的应急人群疏散仿真；
作为本发明的进一步改进，所述步骤(1)包括：
步骤(11)：利用Maya建模软件，根据获取的场景参数，按照设定比例生成一个场景模型；将场景模型导入到Unity3D场景中，在场景模型中设置光源的位置和摄像机的位置，对场景进行绘制和渲染；
所述场景参数，包括：场景尺寸、建筑物或道路；
所述场景模型，是指根据现实场景模拟的虚拟场景模型，包括场景尺寸、建筑物、道路、障碍物和环境出口；
所述对场景进行绘制和渲染，包括：种植花草树木，加入水潭、喷泉、天空、光照、雾效、风等，对路面、建筑物进行美化；
步骤(12)：对场景进行划分，划分出可行走区域和不可行走区域，对地面进行导航网格烘培，标识出所有出口；
步骤(13)：利用Maya建模软件，依据采集的个体尺寸搭建个体模型，将个体模型导入到Unity3D场景中，在Unity3D场景中使用动画控制器为个体模型添加AnimatorController动画控制组件，并为个体模型添加动画控制脚本；
所述个体尺寸，包括：个体模型的身高、体重、身体半径；
所述动画控制脚本，记载走、跑、前进、后退、侧移、弯腰或坐下的基本动作；
步骤(14)：创建个体模型预设体Prefab，对个体模型进行实例化：在Unity3D场景中为个体模型添加NavMeshAgent自动寻路组件，并添加寻路控制脚本，寻路控制脚本用于在事件发生时，获取个体模型自身位置与出口的距离，搜索个体模型到达最近安全出口的最短路径。
作为本发明的进一步改进，所述步骤(2)的步骤为：
步骤(21)：在Unity3D场景中，创建空对象GameObject，将空对象GameObject更名为Manager，创建危险事件，并添加危险事件发生的控制脚本；
所述危险事件发生的控制脚本，包括：控制火灾或爆炸发生的脚本，事件发生后的音效以及视觉效果；
步骤(22)：控制危险事件的发生或结束，危险事件发生三分钟后报警打开，报警一分钟后广播打开，通知人群危险事件发生的类型和地点，指导群众撤离；
步骤(23)：假设环境中有N个人，每个个体模型i用固定大小的粒子表示，i＝1,2,3,…,N；个体的位置
Figure BDA0001902325900000021
速度/>
Figure BDA0001902325900000022
把个体视为半径为ri，质量为mi的圆；
为每个个体添加混合速度、碰撞约束、碰撞预测、避免碰撞模型、最大速度或加速度限制；
步骤(24)：设时间间隔Δt＝1/48秒，个体的视野范围为3米，出口处的人群最大流量设置为1.37p/m/s；
所述混合速度是指：
Figure BDA0001902325900000031
其中，设α＝0.0385；
Figure BDA0001902325900000032
表示个体i的混合速度，/>
Figure BDA0001902325900000033
表示个体i的当前速度，/>
Figure BDA0001902325900000034
表示个体i的首选速度，α表示基于密度的常数因子；
所述碰撞约束，是指：
C(xi,xj)＝||xi-xj||-(ri+rj), (2)
其中，C(xi,xj)表示个体间的距离，xi表示个体i的位置，xj表示个体j的位置，ri表示个体i的体积半径，rj表示个体j的体积半径。如果C(xi,xj)大于等于零，则表示两个个体之间不能相互碰撞；
所述碰撞预测，是指：
Figure BDA0001902325900000035
Figure BDA0001902325900000036
Figure BDA0001902325900000037
c＝||xi-xj||2-(ri+rj)2， (6)
其中，τ表示碰撞时间，a表示速率的平方，b表示速率与个体距离的乘积，c表示个体间的相隔距离，
Figure BDA0001902325900000038
表示下一时间间隔个体i的位置，/>
Figure BDA0001902325900000039
表示下一时间间隔个体j的位置，xi表示个体i的位置，xj表示个体j的位置，ri表示个体i的体积半径，rj表示个体j的体积半径，Δt表示时间间隔；
所述避免碰撞模型，是指：
Figure BDA00019023259000000310
将d分解为接触法线和切向分量如下：
dt＝(d·e)e， (11)
ds＝d-dt， (12)
其中
Figure BDA0001902325900000041
其中，d表示相对总位移，
Figure BDA0001902325900000042
表示个体i碰撞处的位置，/>
Figure BDA0001902325900000043
表示个体i上一时间间隔的位置，/>
Figure BDA0001902325900000044
表示个体j碰撞处的位置，/>
Figure BDA0001902325900000045
表示个体j上一时间间隔的位置，dt表示接触法线分量，ds表示接触切向分量；
作为本发明的进一步改进，所述步骤(3)的步骤为：
步骤(31)：在Unity3D环境下启动控制危险事件对象；
步骤(32)：危险发生后，每个个体获得危险信号，利用寻路控制脚本搜索去往最近出口的最短路径，同时把危险信号传递给设定距离范围内的周围个体，周围每个个体接收信息，获取自身位置，规划疏散路径；
步骤(321)：假设从时刻n到时刻n+1；利用时间间隔Δt将时刻n到时刻n+1划分为若干个时间段；
定义个体i的位置为
Figure BDA0001902325900000046
和个体j的位置为/>
Figure BDA0001902325900000047
假设个体i的初始速度/>
Figure BDA0001902325900000048
个体j的初始速度/>
Figure BDA0001902325900000049
根据/>
Figure BDA00019023259000000410
和/>
Figure BDA00019023259000000411
计算混合速度/>
Figure BDA00019023259000000412
根据/>
Figure BDA00019023259000000413
和/>
Figure BDA00019023259000000414
计算混合速度/>
Figure BDA00019023259000000415
Figure BDA00019023259000000416
Figure BDA00019023259000000417
在n+Δt时间点，个体i的预测位置
Figure BDA00019023259000000418
为：
Figure BDA00019023259000000419
在n+Δt时间点，个体j的预测位置
Figure BDA00019023259000000420
为：
Figure BDA00019023259000000421
/>
计算确切的碰撞时间τ：
Figure BDA00019023259000000422
Figure BDA00019023259000000423
Figure BDA00019023259000000424
Figure BDA00019023259000000425
其中τ0是设置的固定常数。
估计碰撞时间
Figure BDA0001902325900000051
因此，
得到个体i在碰撞前倒数第一个时间间隔点的位置
Figure BDA0001902325900000052
为：
Figure BDA0001902325900000053
得到个体j在碰撞前倒数第一个时间间隔点的位置
Figure BDA0001902325900000054
为：
Figure BDA0001902325900000055
在下一时间间隔Δt，个体i和个体j在
Figure BDA0001902325900000056
和/>
Figure BDA0001902325900000057
处碰撞，定义/>
Figure BDA0001902325900000058
因此，个体碰撞之后的位置为：
Figure BDA0001902325900000059
Figure BDA00019023259000000510
步骤(322)：给个体i和个体j使用碰撞约束：
C(xi,xj)＝||xi-xj||-(ri+rj), (2)
解决个体i和个体j在位置
Figure BDA00019023259000000511
和/>
Figure BDA00019023259000000512
处的碰撞；
步骤(323)：计算从时间
Figure BDA00019023259000000513
到/>
Figure BDA00019023259000000514
的个体间的相对位移d；
Figure BDA00019023259000000515
步骤(324)：将相对位移d分解为接触法线分量dt和接触切向分量ds；
dt＝(d·e)e， (11)
ds＝d-dt， (12)
其中，
Figure BDA00019023259000000516
步骤(325)：接触切向分量ds被分配给
Figure BDA00019023259000000517
和/>
Figure BDA00019023259000000518
根据得到的接触切向分量ds，计算n+1时刻的个体位置x′i,j；
n+1时刻的个体位置x′i,j为：
Figure BDA00019023259000000519
步骤(326)：计算个体i的n+1时刻的速度
Figure BDA00019023259000000520
Figure BDA00019023259000000521
/>
当速度
Figure BDA0001902325900000061
大于最大设定阈值时，令/>
Figure BDA0001902325900000062
等于最大设定阈值，更新n+1时刻个体i的位置，/>
Figure BDA0001902325900000063
当速度/>
Figure BDA0001902325900000064
小于等于最大设定阈值时，保持速度/>
Figure BDA0001902325900000065
不变；
计算个体j的n+1时刻的速度
Figure BDA0001902325900000066
Figure BDA0001902325900000067
当速度
Figure BDA0001902325900000068
大于最大设定阈值时，令/>
Figure BDA0001902325900000069
等于最大设定阈值，更新n+1时刻个体j的位置，/>
Figure BDA00019023259000000610
当速度/>
Figure BDA00019023259000000611
小于等于最大设定阈值时，保持速度/>
Figure BDA00019023259000000612
不变；
重复步骤(321)到步骤(326)，直到人群离开危险区域，到达安全出口；
步骤(33)：在摄像机下观察场景中个体的移动情况，均到达指定安全位置后，结束应急人群疏散仿真。
所述步骤(33)在场景中设置多个摄像机，从场景的各个方向观察，一个主摄像机设在场景的上方，俯视整个场景，观察人群的移动情况，再设置若干个分摄像机，分别位于场景的东西南北，观察各个位置的人群疏散。
作为本发明的第二方面，提供了基于群体效应的应急人群疏散仿真系统；
基于群体效应的应急人群疏散仿真系统，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述任一方法所述的步骤。
作为本发明的第三方面，提供了一种计算机可读存储介质；
一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时，完成上述任一方法所述的步骤。
与现有技术相比，本发明的有益效果是：
第一，Unity3D本身具有很强大的现实场景创建功能，能很好地模拟现实场景中的任何效果，场景的可视化，以及三维动画的应用程序开发工具和大量的数据包可以更加便捷的为开发者提供高效的开发平台。
第二，将基于位置的动力学作为模拟多个体动力学的替代离散算法。群体无缝地相互传递，以及以最小干扰。使用不同密度的基于位置的动力学约束混合物，对不同密度的个体组进行了新颖的基于位置的动力学方法论证。
提出了具有自适应刚度的新型碰撞约束，它作为摩擦接触实际碰撞的现实预处理器，具有足够的刚度来强制非穿透。方案的灵活性，有趣的模式和紧急行为。
与现有方法相比，基于位置的动力学的优点是时间步长大，稳定性好，易于控制。强大的并行框架可以以最小的运行时间成本轻松地融入更复杂的人群行为。
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是本发明的流程图；
图2是步骤(321)碰撞预测图；
图3是步骤(322)碰撞约束图；
图4是步骤(323)总相对位移图；
图5是步骤(324)位移分量图；
图6是步骤(325)避免碰撞图；
图7是本发明的逻辑关系示意图。
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。
作为本发明的第一个实施例，如图1和图7所示，基于群体效应的应急人群疏散仿真方法，包括：
步骤(1)：在Unity3D环境下搭建场景模型和个体模型；
步骤(2)：创建场景与个体之间和个体与个体之间的交互关系，生成应急场景；
步骤(3)：在应急场景中，实现基于群体效应的应急人群疏散仿真。
步骤(1)的步骤为：在Unity3D环境下搭建场景模型和个体模型：
步骤(11)：利用Maya建模软件，根据获取的场景参数，按照设定比例生成一个场景模型。将场景模型导入到Unity3D中，在场景中设置光源的位置和摄像机的位置，对场景进行绘制和渲染；
所述场景参数，包括：场景尺寸、建筑物或道路；
所述场景模型，是指根据现实场景模拟的虚拟场景模型，包括场景大小，建筑物，道路，障碍物，环境出口；
所述对场景进行绘制和渲染，包括：种植花草树木，加入水潭、喷泉、天空、光照、雾效、风等，对路面、建筑物进行美化；
步骤(12)：对场景进行划分，划分出可行走区域和不可行走区域，对地面进行导航网格烘培，标识出所有出口；
步骤(13)：利用Maya建模软件，依据采集的个体尺寸建模。将个体模型导入到Unity3D场景中，使用Unity3D软件中的动画控制器为个体模型添加Animator Controller动画控制组件，并为个体模型添加动画控制脚本；
所述个体尺寸，包括：个体模型的身高、体重、身体半径；
所述动画控制脚本，记载走、跑、前进、后退、侧移、弯腰、坐下等基本动作；
步骤(14)：创建个体模型预设体Prefab，对个体模型进行实例化；在Unity3D场景中为个体模型添加NavMeshAgent自动寻路组件，并添加寻路控制脚本，寻路控制脚本用于在事件发生时，获取个体模型自身位置与出口的距离，搜索个体模型到达最近安全出口的最短路径；
所述步骤(2)的步骤为：创建场景与个体之间和个体与个体之间的交互关系，生成应急场景：
(21)在Unity3D场景中，创建空对象GameObject，更名为Manager，建立UI控制个体模型和危险事件，并添加控制脚本；
(22)控制危险事件的发生或结束，危险事件发生三分钟后报警打开，报警一分钟后广播打开，通知人群危险事件发生的类型和地点，指导群众撤离；
(23)采用基于位置的动力学框架，碰撞预测模型和避免模型来建模。利用基于位置的动力学的效率和稳定性，以数十万个个体的交互速率运行。对拉格朗日公式中的每个个体的行为进行详细建模。模拟短程和远程避碰，以模拟稀疏和密集的人群。用计划速度来增加试验性粒子运动，以确定个体的优选速度，并将这些位置投影到约束流形上以消除碰撞配置。局部短程相互作用表现为个体之间的碰撞和摩擦接触，如粒状材料的离散模拟。结合了一个碰撞约束来建模集体行为，并提出了一个处理潜在未来碰撞的新约束；
(241)速度混合。用
Figure BDA0001902325900000081
表示给定个体的首选速度，将个体速度/>
Figure BDA0001902325900000082
计算为/>
Figure BDA0001902325900000083
与当前速度/>
Figure BDA0001902325900000084
之间的线性混合，如下所示：
Figure BDA0001902325900000091
α∈[0,1],在所有的模拟中，设置α＝0.0385；
(242)碰撞约束。使用标准的基于位置的方法对具有不均等距离约束的局部粒子接触进行建模：
C(xi,xj)＝||xi-xj||-(ri+rj), (2)
其中ri和rj是个体模型i和j的体积半径，以模拟相邻个体之间的摩擦行为，C(xi,xj)≥0约束个体不能互相碰撞；
(243)碰撞预测。设计一个基于位置的约束。像幂定律一样，主要术语是碰撞时间τ，定义为两个个体i和j在将来接触彼此的时间。表示为
Figure BDA0001902325900000092
Figure BDA0001902325900000093
Figure BDA0001902325900000094
c＝||xi-xj||2-(ri+rj)2. (6)
个体i和j在下一个时间步长的预测位置是
Figure BDA0001902325900000095
使用τ来估计i和j之间的未来碰撞状态。首先使用(3)计算确切的碰撞时间。有效情况为0<τ<τ0，其中τ0是固定常数。删除无效案例后，处理剩余的碰撞对。定义
Figure BDA0001902325900000096
其中/>
Figure BDA00019023259000000917
表示运算符。我们可以得到个体i和个体j在碰撞前一时间的位置为
Figure BDA0001902325900000097
在下一Δt时间，个体向前迈进会在
Figure BDA0001902325900000098
和/>
Figure BDA0001902325900000099
处碰撞，定义/>
Figure BDA00019023259000000910
因此，个体相互碰撞之后的位置为：/>
Figure BDA00019023259000000911
在
Figure BDA00019023259000000912
和/>
Figure BDA00019023259000000913
上执行无碰撞约束。/>
Figure BDA00019023259000000914
是/>
Figure BDA00019023259000000915
的函数，因此，本质上仍然是对/>
Figure BDA00019023259000000916
的约束；
(244)避免模型。进一步提出一种用于人群碰撞的回避模型。上一步骤中的碰撞预测约束将导致个体减速，因为碰撞时沿着接触法线的运动，这在密集场景中是不可取的。而该碰撞响应的切向分量是需要的，这有效地使个体仅响应于预测的碰撞而滑动。因此，我们只保留这种碰撞中的切向运动。计算总相对位移为
Figure BDA0001902325900000101
它可以分解为接触法线和切向分量如下：
dt＝(d·e)e， (11)
ds＝d-dt， (12)
其中
Figure BDA0001902325900000102
只为/>
Figure BDA0001902325900000103
保留位置修正后的切向分量。形成回避行为并防止个体被推回到密集流中；
(245)基于研究设定个体的初始速度范围，v＝0.9+rand(0，0.5)；
(246)最大速度限制。约束解决后，进一步限制个体的最大速度，以更好地逼近真实的人类行为；
(247)墙壁和障碍物。个体可以与环境中的墙壁和其他静态障碍物相互作用。防止个体在墙壁和其他静态障碍物上运动，为墙壁和静态障碍物添加碰撞体，并设置质量无限大。
(248)每一步预测的时间间隔Δt＝1/48秒。个体的视野范围为3米，出口处的人群最大流量设置为1.37p/m/s。
所述步骤(3)的步骤为：在应急场景中，实现基于群体效应的应急人群疏散仿真：
步骤(31)：在Unity3D环境下启动控制危险事件对象；
步骤(32)：危险发生后，每个个体获得危险信号，利用寻路功能搜索去往最近出口的最短路径，同时把危险信号传递给设定距离范围内的周围个体，周围每个个体接收信息，获取自身位置，规划疏散路径。例图3决策影响模型。
步骤(321)：假设从时刻n到时刻n+1；利用时间间隔Δt将时刻n到时刻n+1划分为若干个时间段；如图2所示；
定义个体i的位置为
Figure BDA0001902325900000104
和个体j的位置为/>
Figure BDA0001902325900000105
假设个体i的初始速度/>
Figure BDA0001902325900000106
个体j的初始速度/>
Figure BDA0001902325900000107
根据/>
Figure BDA0001902325900000108
和/>
Figure BDA0001902325900000109
计算混合速度/>
Figure BDA00019023259000001010
根据/>
Figure BDA00019023259000001011
和/>
Figure BDA00019023259000001012
计算混合速度/>
Figure BDA00019023259000001013
Figure BDA00019023259000001014
Figure BDA00019023259000001015
在n+Δt时间点，个体i的预测位置
Figure BDA00019023259000001016
为：
Figure BDA00019023259000001017
在n+Δt时间点，个体j的预测位置
Figure BDA00019023259000001018
为：/>
Figure BDA0001902325900000111
计算确切的碰撞时间τ：
Figure BDA0001902325900000112
Figure BDA0001902325900000113
Figure BDA0001902325900000114
Figure BDA0001902325900000115
其中τ0是设置的固定常数。
估计碰撞时间
Figure BDA0001902325900000116
因此，
得到个体i在碰撞前倒数第一个时间间隔点的位置
Figure BDA0001902325900000117
为：
Figure BDA0001902325900000118
得到个体j在碰撞前倒数第一个时间间隔点的位置
Figure BDA0001902325900000119
为：
Figure BDA00019023259000001110
在下一时间间隔Δt，个体i和个体j在
Figure BDA00019023259000001111
和/>
Figure BDA00019023259000001112
处碰撞，定义/>
Figure BDA00019023259000001113
因此，个体碰撞之后的位置为：
Figure BDA00019023259000001114
Figure BDA00019023259000001115
步骤(322)：给个体i和个体j使用碰撞约束，如图3所示；
Figure BDA00019023259000001116
解决个体i和个体j在位置
Figure BDA00019023259000001117
和/>
Figure BDA00019023259000001118
处的碰撞；
步骤(323)：计算从时间
Figure BDA00019023259000001119
到/>
Figure BDA00019023259000001120
的个体间的相对位移d；如图4所示；
Figure BDA00019023259000001121
步骤(324)：将相对位移d分解为接触法线分量dt和接触切向分量ds；如图5所示；
dt＝(d·e)e， (11)
ds＝d-dt， (12)
其中，
Figure BDA00019023259000001122
步骤(325)：接触切向分量ds被分配给
Figure BDA0001902325900000121
和/>
Figure BDA0001902325900000122
根据得到的接触切向分量ds，计算n+1时刻的个体位置x′i,j；如图6所示；
n+1时刻的个体位置x′i,j为：
Figure BDA0001902325900000123
步骤(326)：计算个体i的n+1时刻的速度
Figure BDA0001902325900000124
/>
Figure BDA0001902325900000125
当速度
Figure BDA0001902325900000126
大于最大设定阈值时，令/>
Figure BDA0001902325900000127
等于最大设定阈值，更新n+1时刻个体i的位置，/>
Figure BDA0001902325900000128
当速度/>
Figure BDA0001902325900000129
小于等于最大设定阈值时，保持速度/>
Figure BDA00019023259000001210
不变；
计算个体j的n+1时刻的速度
Figure BDA00019023259000001211
Figure BDA00019023259000001212
当速度
Figure BDA00019023259000001213
大于最大设定阈值时，令/>
Figure BDA00019023259000001214
等于最大设定阈值，更新n+1时刻个体j的位置，/>
Figure BDA00019023259000001215
当速度/>
Figure BDA00019023259000001216
小于等于最大设定阈值时，保持速度/>
Figure BDA00019023259000001217
不变；
重复步骤(321)到步骤(326)，直到人群离开危险区域，到达安全出口；
步骤(33)：在摄像机下观察场景中个体的移动情况，均到达指定安全位置后，结束应急人群疏散仿真。
作为本发明的第二个实施例，提供了基于群体效应的应急人群疏散仿真系统；
基于群体效应的应急人群疏散仿真系统，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述任一方法所述的步骤。
作为本发明的第三个实施例，提供了一种计算机可读存储介质；
一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令被处理器运行时，完成上述任一方法所述的步骤。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.基于群体效应的应急人群疏散仿真方法，其特征是，包括：
步骤(1)：在Unity3D场景下搭建场景模型和个体模型；
步骤(2)：创建场景与个体之间的交互关系，创建个体与个体之间的交互关系，生成应急场景，具体为：
在Unity3D场景中，创建空对象GameObject，将空对象GameObject更名为Manager，创建危险事件，并添加危险事件发生的控制脚本；
控制危险事件的发生或结束，危险事件发生三分钟后报警打开，报警一分钟后广播打开，通知人群危险事件发生的类型和地点，指导群众撤离；
假设环境中有N个人，每个个体模型i用固定大小的粒子表示，i＝1,2,3,…,N；个体的位置xi∈R2，速度vi∈R2，把个体视为半径为ri，质量为mi的圆；
为每个个体添加混合速度、碰撞约束、碰撞预测、避免碰撞模型以及最大速度或加速度限制；
所述混合速度是指：
Figure QLYQS_1
其中，设α＝0.0385；
Figure QLYQS_2
表示个体i的混合速度，/>
Figure QLYQS_3
表示个体i的当前速度，/>
Figure QLYQS_4
表示个体i的初始速度，α表示基于密度的常数因子；
所述碰撞约束，是指：
C(xi,xj)＝||xi-xj||-(ri+rj) (2)，
其中，C(xi,xj)表示个体间的距离，xi表示个体i的位置，xj表示个体j的位置，ri表示个体i的体积半径，rj表示个体j的体积半径；如果C(xi,xj)大于等于零，则表示两个个体之间不能相互碰撞；
所述碰撞预测，是指：
Figure QLYQS_5
Figure QLYQS_6
Figure QLYQS_7
c＝||xi-xj||2-(ri+rj)2 (6)，
其中，τ表示碰撞时间，a表示速率的平方，b表示速率与个体距离的乘积，c表示个体间的相隔距离，
Figure QLYQS_8
表示下一时间间隔个体i的位置，/>
Figure QLYQS_9
表示下一时间间隔个体j的位置，xi表示个体i的位置，xj表示个体j的位置，ri表示个体i的体积半径，rj表示个体j的体积半径，Δt表示时间间隔；
所述避免碰撞模型，是指：
Figure QLYQS_10
将d分解为接触法线和切向分量如下：
dt＝(d·e)e (11)，
ds＝d-dt (12)，
其中
Figure QLYQS_11
/>
其中，d表示相对总位移，
Figure QLYQS_12
表示个体i碰撞处的位置，/>
Figure QLYQS_13
表示个体i在碰撞前倒数第一个时间间隔点的位置，/>
Figure QLYQS_14
表示个体j碰撞处的位置，/>
Figure QLYQS_15
表示个体j在碰撞前倒数第一个时间间隔点的位置，dt表示接触法线分量，ds表示接触切向分量；
设时间间隔Δt＝1/48秒，个体的视野范围为3米，出口处的人群最大流量设置为1.37p/m/s；
步骤(3)：在应急场景中，实现基于群体效应的应急人群疏散仿真，具体为：步骤(31)：在Unity3D环境下启动控制危险事件对象；
步骤(32)：危险发生后，每个个体获得危险信号，利用寻路控制脚本搜索去往最近出口的最短路径，同时把危险信号传递给设定距离范围内的周围个体，周围每个个体接收信息，获取自身位置，规划疏散路径；
具体包括：步骤(321)：假设从时刻n到时刻n+1；利用时间间隔Δt将时刻n到时刻n+1划分为若干个时间段；
定义个体i的位置为
Figure QLYQS_18
和个体j的位置为/>
Figure QLYQS_19
假设个体i的初始速度/>
Figure QLYQS_23
个体j的初始速度
Figure QLYQS_17
根据/>
Figure QLYQS_20
和/>
Figure QLYQS_22
计算混合速度/>
Figure QLYQS_25
根据/>
Figure QLYQS_16
和/>
Figure QLYQS_21
计算混合速度/>
Figure QLYQS_24
Figure QLYQS_26
Figure QLYQS_27
α表示基于密度的常数因子；
在n+Δt时间点，个体i的预测位置
Figure QLYQS_28
为：
Figure QLYQS_29
在n+Δt时间点，个体j的预测位置
Figure QLYQS_30
为：
Figure QLYQS_31
计算确切的碰撞时间τ：
Figure QLYQS_32
Figure QLYQS_33
Figure QLYQS_34
Figure QLYQS_35
估计碰撞时间
Figure QLYQS_36
因此，
得到个体i在碰撞前倒数第一个时间间隔点的位置
Figure QLYQS_37
为：
Figure QLYQS_38
得到个体j在碰撞前倒数第一个时间间隔点的位置
Figure QLYQS_39
为：
Figure QLYQS_40
在下一时间间隔Δt，个体i和个体j在
Figure QLYQS_41
和/>
Figure QLYQS_42
处碰撞，定义/>
Figure QLYQS_43
因此，个体碰撞之后的位置为：/>
Figure QLYQS_44
Figure QLYQS_45
步骤(322)：给个体i和个体j使用碰撞约束：
C(xi,xj)＝||xi-xj||-(ri+rj) (2)，
C(xi,yi)表示个体i和个体j使用碰撞约束；
解决个体i和个体j在位置
Figure QLYQS_46
和/>
Figure QLYQS_47
处的碰撞；
步骤(323)：计算从时间
Figure QLYQS_48
到/>
Figure QLYQS_49
的个体间的相对位移d；
Figure QLYQS_50
步骤(324)：将相对位移d分解为接触法线分量dt和接触切向分量ds；
dt＝(d·e)e (11)，
ds＝d-dt (12)，
其中，
Figure QLYQS_51
步骤(325)：接触切向分量ds被分配给
Figure QLYQS_52
和/>
Figure QLYQS_53
根据得到的接触切向分量ds，计算n+1时刻的个体位置x'i和x'j；
n+1时刻的个体位置x'i和x'j为：
Figure QLYQS_54
Figure QLYQS_55
步骤(326)：计算个体i的n+1时刻的速度
Figure QLYQS_56
Figure QLYQS_57
当速度
Figure QLYQS_58
大于最大设定阈值时，令/>
Figure QLYQS_59
等于最大设定阈值，更新n+1时刻个体i的位置，/>
Figure QLYQS_60
当速度/>
Figure QLYQS_61
小于等于最大设定阈值时，保持速度/>
Figure QLYQS_62
不变；
计算个体j的n+1时刻的速度
Figure QLYQS_63
Figure QLYQS_64
当速度
Figure QLYQS_65
大于最大设定阈值时，令/>
Figure QLYQS_66
等于最大设定阈值，更新n+1时刻个体j的位置，/>
Figure QLYQS_67
当速度/>
Figure QLYQS_68
小于等于最大设定阈值时，保持速度/>
Figure QLYQS_69
不变；
重复步骤(321)到步骤(326)，直到人群离开危险区域，到达安全出口；
步骤(33)：在摄像机下观察场景中个体的移动情况，均到达指定安全位置后，结束应急人群疏散仿真。
2.如权利要求1所述的方法，其特征是，所述步骤(1)包括：
步骤(11)：利用Maya建模软件，根据获取的场景参数，按照设定比例生成一个场景模型；将场景模型导入到Unity3D场景中，在场景模型中设置光源的位置和摄像机的位置，对场景进行绘制和渲染；
步骤(12)：对场景进行划分，划分出可行走区域和不可行走区域，对地面进行导航网格烘焙，标识出所有出口；
步骤(13)：利用Maya建模软件，依据采集的个体尺寸搭建个体模型，将个体模型导入到Unity3D场景中，在Unity3D场景中使用动画控制器为个体模型添加Animator Controller动画控制组件，并为个体模型添加动画控制脚本；
步骤(14)：创建个体模型预设体Prefab，对个体模型进行实例化：在Unity3D场景中为个体模型添加NavMeshAgent自动寻路组件，并添加寻路控制脚本，寻路控制脚本用于在事件发生时，获取个体模型自身位置与出口的距离，搜索个体模型到达最近安全出口的最短路径。
3.如权利要求1所述的方法，其特征是，
所述步骤(33)在场景中设置多个摄像机，从场景的各个方向观察，一个主摄像机设在场景的上方，俯视整个场景，观察人群的移动情况，再设置若干个分摄像机，分别位于场景的东西南北，观察各个位置的人群疏散。
4.基于群体效应的应急人群疏散仿真系统，其特征是，包括：存储器、处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述权利要求1-3任一项方法所述的步骤。
5.一种计算机可读存储介质，其特征是，其上存储有计算机指令，所述计算机指令被处理器运行时，完成上述权利要求1-3任一项方法所述的步骤。
CN201811517305.4A 2018-12-12 2018-12-12 基于群体效应的应急人群疏散仿真方法及系统 Active CN109783856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811517305.4A CN109783856B (zh) 2018-12-12 2018-12-12 基于群体效应的应急人群疏散仿真方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811517305.4A CN109783856B (zh) 2018-12-12 2018-12-12 基于群体效应的应急人群疏散仿真方法及系统

Publications (2)

Publication Number Publication Date
CN109783856A CN109783856A (zh) 2019-05-21
CN109783856B true CN109783856B (zh) 2023-05-26

Family

ID=66496728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811517305.4A Active CN109783856B (zh) 2018-12-12 2018-12-12 基于群体效应的应急人群疏散仿真方法及系统

Country Status (1)

Country Link
CN (1) CN109783856B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110044360B (zh) * 2019-05-29 2021-04-23 中国科学技术大学 一种人员疏散路径的导航方法及装置
CN111091626B (zh) * 2019-12-02 2024-06-07 江苏伟岸纵横科技股份有限公司 灾害仿真方法、计算机存储介质及电子设备
CN112446605A (zh) * 2020-11-20 2021-03-05 航天精一(广东)信息科技有限公司 一种基于知识推理和仿真演练的应急预案管理方法及系统
CN112966363B (zh) * 2021-02-02 2022-07-05 同济大学 面向随机扰动的交通枢纽候车厅人群流动仿真方法及装置
CN112989614B (zh) * 2021-03-18 2022-08-05 武汉大学 一种基于时空交互过程的突发事件人群应急疏散模拟方法
CN114545932B (zh) * 2022-01-28 2023-06-06 北京交通大学 一种路径修正方法、装置、设备及可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216951A (zh) * 2007-12-27 2008-07-09 电子科技大学 虚拟场景中的智能群体运动模拟方法
WO2013082779A1 (en) * 2011-12-08 2013-06-13 Thomson Licensing System and method for crowd simulation
CN103927591A (zh) * 2014-03-24 2014-07-16 北京交通大学 一种城市轨道交通应急疏散优化方法及系统
CN104239636A (zh) * 2014-09-16 2014-12-24 北京航空航天大学 一种火灾应急疏散模拟方法
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
CN107358333A (zh) * 2017-05-24 2017-11-17 湖北工业大学 基于熵的多蚁群人车竞争‑协作疏散优化方法
CN107480320A (zh) * 2017-06-20 2017-12-15 山东师范大学 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
CN108153966A (zh) * 2017-12-22 2018-06-12 中山大学 基于gpu的多出口势能场模型人群实时疏散仿真方法

Family Cites Families (1)

* 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

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101216951A (zh) * 2007-12-27 2008-07-09 电子科技大学 虚拟场景中的智能群体运动模拟方法
WO2013082779A1 (en) * 2011-12-08 2013-06-13 Thomson Licensing System and method for crowd simulation
CN103927591A (zh) * 2014-03-24 2014-07-16 北京交通大学 一种城市轨道交通应急疏散优化方法及系统
CN104239636A (zh) * 2014-09-16 2014-12-24 北京航空航天大学 一种火灾应急疏散模拟方法
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
CN107358333A (zh) * 2017-05-24 2017-11-17 湖北工业大学 基于熵的多蚁群人车竞争‑协作疏散优化方法
CN107480320A (zh) * 2017-06-20 2017-12-15 山东师范大学 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
CN108153966A (zh) * 2017-12-22 2018-06-12 中山大学 基于gpu的多出口势能场模型人群实时疏散仿真方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
A grouping method based on grid density and relationship for crowd evacuation simulation;Li，Y等;《PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS》;20170501;319-336 *
A modified social force model considering relative velocity of pedestrians;Yuan Gao等;《2013 IEEE International Conference on Automation Science and Engineering (CASE)》;20131107;747-751 *
Modeling and simulation of group formation and crowd dynamics with smoke effect;Wei，J等;《International Journal of Modern Physics C》;20171231;第28卷(第12期);全文 *
人群密集公共场所疏散算法设计研究;李智成;《微处理机》;20171015;第38卷(第05期);57-60 *
基于多因素集成的疏散场模型研究;郭玮;《中国博士学位论文全文数据库 (工程科技Ⅰ辑)》;20160315(第03期);B026-1 *
基于社会力量模型的人群疏散算法的改进和系统实现;陈辉;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20090215(第02期);I138-733 *
基于连续模型和动力学仿真模型的高密度人群仿真算法;孙立博等;《计算机学报》;20160803;第39卷(第7期);1375-1392 *
考虑人员行为特征的行人与疏散动力学研究;傅丽碧;《万方数据》;20170828;全文 *

Also Published As

Publication number Publication date
CN109783856A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
CN109783856B (zh) 基于群体效应的应急人群疏散仿真方法及系统
CN110427682B (zh) 一种基于虚拟现实的交通场景模拟实验平台和方法
CN104239636B (zh) 一种火灾应急疏散模拟方法
EP3754467A1 (en) Merged reality system and method
US20210209370A1 (en) Semantic Segmentation of Three-Dimensional Data
Shao et al. Autonomous pedestrians
Pelechano et al. Modeling crowd and trained leader behavior during building evacuation
Yu et al. Multi-agent based modeling and simulation of microscopic traffic in virtual reality system
That et al. An integrated framework combining a traffic simulator and a driving simulator
Lu et al. Real-time crowd simulation integrating potential fields and agent method
Wang et al. Agent-based modeling and simulation of connected and automated vehicles using game engine: A cooperative on-ramp merging study
WO2021244955A1 (en) Systems for testing and training autonomous vehicles
JP4841903B2 (ja) ドライビングシミュレータ
US6616454B2 (en) Method of simulating nozzle spray interaction with fire, smoke and other aerosols and gases
CN113918615A (zh) 一种基于仿真的驾驶经验数据挖掘模型构建方法及系统
Khadim et al. A non-cooperative rear-end collision avoidance scheme for non-connected and heterogeneous environment
Tianwu et al. Virtual reality based independent travel training system for children with intellectual disability
JP2021068423A (ja) 将来行動推定装置、車両制御装置、将来行動推定方法、およびプログラム
WO2016075954A1 (ja) 表示装置及び表示方法
Echeverría-Huarte et al. Anticipating Collisions, Navigating in Complex Environments, Elbowing, Pushing, and Smartphone-Walking: A Versatile Agent-Based Model for Pedestrian Dynamics
Kormanová Combining Social forces and Cellular automata models in pedestrians’ movement simulation
Boissé et al. Cybernetic transportation systems design and development: Simulation software cybercars
Chu et al. Modeling social groups and roles in egress simulation
Fernandes et al. Exploring a plugin-based system for crowd and pathogen simulation in unity
Kantale et al. An Overview of Artificial Intelligence based Autonomous Vehicle Robotics Simulators

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