CN110688749B - 一种人群疏散仿真方法及系统 - Google Patents

Abstract

本公开提出了一种人群疏散仿真方法及系统，场景网格离散化；初始化行人粒子；赋予每个网格电荷；移动的行人粒子所携带的电荷发生变化从而映射为时变场，利用时变场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；改进的社会力模型引入出口吸引力和同伴吸引力，分别描述了出口对行人的吸引作用及行人的成群结队现象；利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散。将密度场与物理学中电磁学相结合，利用等电位线的疏密程度变化体现场景中人群密度的变化，更加直观省时，提高疏散指导的效。

Description

一种人群疏散仿真方法及系统

技术领域

本公开涉及人群疏散仿真技术领域，特别是涉及一种人群疏散仿真方法及系统。

背景技术

随着经济日益发展与科学技术的不断进步，城市化进程不断加快，人群在日常生活中随处可见，尤其是在公共场所，人群密集且结构组成复杂，一旦发生突发事件，由于人群中普遍存在的从众心理和恐慌心理等因素，极易引起如人群拥堵、踩踏等恶性事件，如不能及时指导人群疏散将给生命财产造成严重损失。因此，通过模拟真实的人群疏散情况，为特定场景下的行人制定科学的应急疏散策略，减少疏散时间，对密集人群进行有效的控制和疏导，从而提前规避潜在的人群拥堵踩踏风险，具有重要意义。

人群疏散仿真模型主要分为两种：宏观模型和微观模型。宏观模型从整体出发，将人群的运动比拟为流体或气体的运动，不考虑行人个体行为的局部细节信息。微观模型从个体出发，考虑到了行人个体之间的特性以及周围环境的影响，与宏观模型相比，更注重了行人与环境细节上的研究。微观模型最具代表的是社会力模型，由Helbing等人于1995年提出，在2000年对社会力模型进行了改进。社会力模型中将行人运动描述为力作用的结果，行人运动由自身驱动力、个体间交互力、个体与环境间交互力共同驱动。其中，自身驱动力描述个体向目标运动的期望；个体间交互力反映个体对他人的心理排斥及物理排斥，使个体之间保持一定距离，实现行人运动的碰撞避免；个体与环境间交互力保证个体与障碍物间的安全距离，使行人运动过程中平滑的规避障碍物。

目前的人群疏散仿真所存在的问题是：模型没有综合考虑疏散时的人群拥堵现象，即人群在紧急情况下更倾向于认为人多的地方就是出口所在位置，而忽视了人群少且同为出口的位置，即现有模型不能对真实拥堵情况下的人群疏散仿真作出指导。人群趋向密集程度大的位置不仅会导致疏散效率低下，还极易发生踩踏等恶性事件。

发明内容

本发明的目的是提供一种人群疏散仿真方法，更直观的体现紧急情况下人群的密集情况，能够给人群提供疏散路径指导，提高疏散效率。

为了实现上述目的，本说明书实施方式提供一种人群疏散仿真方法，通过以下技术方案实现：

包括：

场景网格离散化：将大场景细化成由多个小网格组成；

初始化行人粒子：将人群视为可带电粒子；

赋予每个网格电荷：根据行人粒子距离出口的远近由大到小赋予网格电荷；

移动的行人粒子所携带的电荷发生变化从而映射为时变场，利用时变场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

改进的社会力模型引入出口吸引力和同伴吸引力，分别描述了出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散。

进一步的技术方案，将大场景细化成由多个小网格组成，具体步骤为：

对给定场景内部进行均匀的细网络划分；

找出每个场景的出口，增加对出口外围部分的网络划分，选择以出口为圆心，半径为R的辐射半圆为外部需划分网格的区域。

进一步的技术方案，赋予每个网格电荷，具体为：

每个出口为固定点，出口处电荷设置为0；

出口外部电荷设置为负数；

与出口相邻的网格电荷依次+1或-1；

存在多出口的情况时，会存在电荷交叉点，电荷交叉点的设置规则为电荷统一化处理。

进一步的技术方案，场景内粒子的移动规则具体为：

移动分为纵向移动和横向移动；

起初粒子是随机分布在场景内的，每个网格都有电荷所以粒子也带上了相应的电荷；

如果粒子位于网格线上则采取低电荷优先原则，同一水平线上的移动粒子电荷不发生变化；

移动时，根据相邻网格是否为空闲即是否存在等电位线以及低电位处等电位线的密集程度来决定移动方向和速度；

此处粒子受全局目标和局部目标的双重制约，全局目标即为出口，局部目标即为由粒子附近密度和障碍物共同决定的移动方向。

仿真过程中行人目标选择受制于出口的吸引力F₁和周围等电位线密度引力F₂，合力F为F＝μF₁+F₂,其中μ为

其中k为常数参数，pos_goal为已知出口位置，pos_now为行人当前位置，d为场景空间的对角线值。

进一步的技术方案，场景内粒子的移动时，如果行人粒子所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格。

进一步的技术方案，赋予每个网格电荷时，针对场景中的障碍物：

障碍物的设定是已知的静态的障碍物；

障碍物的电荷设置为无限大；

障碍物周边的电荷只与出口的距离有关，与障碍物无关；

增加障碍物斥力对粒子选择移动目标位置的影响。

进一步的技术方案，改进的社会力模型描述人群个体动态及周围环境，包括：

对于场景内的个体行人，通过社会力受力公式计算行人自身的驱动力、行人之间的排斥力、行人受墙或障碍物的力、出口对行人的吸引力和朋友对行人的吸引力的所受合力；

场景内的个体行人按照计算的所受合力进行行为运动。

本说明书实施方式提供一种人群疏散仿真系统，通过以下技术方案实现：

包括：

场景网格离散化模块，被配置为：将大场景细化成由多个小网格组成；

行人粒子初始化模块，被配置为：将人群视为可带电粒子；

网格电荷赋予模块，被配置为：根据行人粒子距离出口的远近由大到小赋予网格电荷；

疏散模块，被配置为：将移动的行人粒子所携带的电荷发生变化映射为时变场，利用时变场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

将改进的社会力模型引入出口吸引力和同伴吸引力，分别描述了出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散。

本说明书实施方式提供一种计算机设备，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，所述处理器执行所述程序时实现一种人群疏散仿真方法的步骤。

本说明书实施方式提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现一种人群疏散仿真方法的步骤。

与现有技术相比，本公开的有益效果是：

本公开的为一种融合时变密度场与改进社会力模型的人群疏散仿真方法，将时变密度场与改进的社会力模型结合，利用时变密度场中等电位线的疏密程度体现人群的密集程度，进行宏观的路径规划并实现真实场景人群疏散过程中拥挤、恐慌心理下趋向人多的地方的现象，利用社会力模型进行微观个体运动指导，共同完成复杂场景下的人群疏散仿真。

本公开的一种融合时变密度场与改进的社会力模型的人群疏散仿真方法，将密度场与物理学中电磁学相结合，利用等电位线的疏密程度变化体现场景中人群密度的变化，更加直观省时，提高疏散指导的效率。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开实施例子的人群疏散仿真方法的流程图；

图2是本公开实施例子的某学校教室内人群疏散录像截图；

图3是本公开实施例子的等电势电位线图；

图4是本公开实施例子的场景离散化100粒子随机分布图；

图5是本公开实施例子的人群初始化后人群的随机分布情况图；

图6是本公开实施例子的时变密度场下行人绕开高密度区域图；

图7是本公开实施例子的存在静态障碍物时单出口人群疏散图；

图8是本公开实施例子的人群疏散仿真的临近疏散结束的图像。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开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公开的示例性实施方式。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。

实施例子一

针对模型没有考虑疏散时的人群结队现象，不能真实的仿真出人群向出口时的拥挤现象。本申请以人群密度的变化作为衡量，规避人群密度大且无法在短时间内通过的区域，选择其他人群较为稀疏的路径作为疏散路径，为人群疏散提供指导。

具体参见附图1所示，该实施例公开了一种人群疏散仿真方法，将时变密度场与改进社会力模型结合，利用时变密度场中等电位线的疏密程度体现人群的密集程度，进行宏观的路径规划并实现真实场景人群疏散过程中拥挤、恐慌心理下趋向人多的地方的现象，利用改进社会力模型进行微观个体运动指导，共同完成复杂场景下的人群疏散仿真。

时变密度场是一种实时的体现场景中人群密集程度变化的抽象场。真实环境中通常用每平方米个体数量来描述人群密度的概念。当人群密度比较低时,个体通常能快速地通过环境，随着密度增加，个体通过环境的速度将会减慢。密度场一般通过导航网格来实现，每个网格中存储着关于该网格此刻人群密度的信息，根据密度信息，导航网格计算通过场景的全局路线。而时变密度场在密度场的基础上增加了物理学中的等电位线的应用，旨在将某一范围内携带同样电荷数的粒子用线连接为一个整体，即由点成线。通过等电位线的疏密程度的变化来体现场景中人群的密度变化。将时变密度场这一抽象场引入人群疏散仿真系统的好处在于：可以在全局目标的指引下，实时地对场景内人群进行局部路径规划，提高疏散效率。

为了能够给人群提供疏散路径指导，提高疏散效率，本公开为了改进传统疏散模型，提出了一种融合时变密度场与改进社会力模型的人群疏散仿真方法。该方法分为上下两层，上层为路径预规划层，首先对已知场景划分网格，标记出口。其次给每个网格设置电荷，初始化人群，记录初始状态人群携带电荷数，其中障碍物携带电荷为无限大。最后结合全局目标，根据人群移动映射的等电位线疏密程度的变化来指导群组内人群的下一步局部移动目标的选择，更新每一个时间步内人群的位置。下层为仿真疏散层，利用上层人群移动映射的等电位线密度的变化，结合改进的社会力模型，不断进行实时的密度更新，直至场景内及出口外部设置范围内人群密度为0，所有行人均疏散至安全位置，完成疏散。由于时变密度场实时地更新人群密度，从而提高了计算速度，因此最终获得的人群疏散路径能够显著提高疏散效率，为疏散演练提供帮助。

改进的社会力模型是在原始社会力模型的基础上引入出口吸引力和同伴吸引力，分别描述了出口对行人的吸引作用及行人的成群结队现象。

场论，是物理学中的概念，主要应用于理论力学和电动力学。在人群疏散模型中密度场即为人群密集程度的抽象体现。真实环境中通常用每平方米个体数量来描述人群密度的概念。当人群密度比较低时，个体通常能快速地通过环境，随着密度增加，个体通过环境的速度将会减慢。时变密度场一般通过导航网格来实现，每个网格中存储着关于该网格此刻人群密度的信息。等电位线旨在将某一范围内携带电荷数相等的行人粒子连接起来，直接映射场景内人群密度的变化情况。通过利用等电位线的疏密变化以及密度信息，计算通过场景的全局路线。

如何将时变密度场与改进社会力模型相结合来进行人群疏散仿真，以及如何提高公共场所中人群疏散的效率和危机情况下的疏散人群的安全性的问题，尚缺乏有效的解决方案。

具体的，本公开包括以下步骤：

(1)对已知场景进行细网络划分；

(2)找出已知场景的出口，对出口外部划分网络；

(3)设置电荷：出口处电荷设置为0，出口外部电荷设置为负数，场景内部电荷设置为正数。与出口相邻的网格电荷依次+1(或-1)。此处存在多出口的情况，在多出口情况下，会存在电荷交叉点，电荷交叉点的设置规则为电荷统一化处理，比如电荷只能由3到4而不能直接由3到5；

(4)障碍物为已知的静态障碍物。将场景内障碍物的电荷设置为无限大。障碍物周边的电荷只与出口的距离有关，与障碍物无关；

(5)底层结合改进的社会力模型指导个体运动，将改进的社会力模型中引入的接触力对人群疏散的影响应用到粒子移动中，包括个体间的反弹力与滑动摩擦力；

(6)最后指导人群移动：将人视为可带电粒子，移动大致分为纵向移动和横向移动。起初粒子是随机分布在场景内且携带初始电荷数，规定如果粒子位于网格线上则采取低电荷优先原则。同一水平线上的移动粒子携带电荷数不发生变化。移动时，根据相邻网格是否为空闲(即是否存在等电位线)以及低电位处等电位线的疏密程度来决定移动方向和速度。此处粒子受全局目标和局部目标的双重吸引，全局目标即为出口，局部目标即为由粒子附近等电位线密度和障碍物共同决定的移动方向。

移动时，根据相邻网格是否为空闲(即是否存在等电位线)来决定移动方向和速度。当该行人周围存在多个空闲网格时，则移动方向采用随机原则；

如果行人所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格。移向具有较大移动电位的网格这一行为很好地描述了真实情境下行人的“挤入”现象。

步骤(5)、(6)具体包括：

步骤(5)中，结合改进的社会力模型指导个体运动具体包括：

首先设置疏散场景参数信息，创建疏散场景模型和人物模型，所述疏散场景模型作为人群疏散的环境空间，所述人物模型(即可带电粒子)作为疏散人群；

其次提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据已划分好细网络的场景信息以及疏散人群参数信息进行人群初始化；

根据场景信息及障碍物信息以及其映射出的电势场，采用改进社会力模型进行微观人群运动指导，利用密度场的实时变化来指导人群进行最佳路径选择。行人按照改进社会力模型做跟随运动。保存各组最佳疏散路径，作为疏散演练的推荐路径，进行人群疏散仿真。

改进社会力模型公式为：

其中行人i的质量为m_i，t为时间，

为期望速度，

为期望方向，v_i为现有速度，τ_i为松弛时间。

为行人自驱力，改进后的自驱动力由行人的质量、最终期望速度、现有速度以及反应时间组成，自驱动力表示了该行人期望以怎样的速度向出口方向运动；

为行人i受到其他行人的排斥力合力；

为行人i受到墙壁的排斥力合力。排斥力合力包括社会力和接触力，表示为：

其中

为行人i受到的社会力，这是一种心理力；

为行人i和j之间的接触力；

为行人i受到的排斥力合力。

其中

为行人i与墙壁之间的社会力；

为行人i与墙壁之间的接触力；

为行人i受到的排斥力合力。

行人j对行人i的社会力为：

其中，半径为r_i的行人i位于

半径为r_j的行人j位于

A_i和B_i为常数，r_ij是行人i和j的半径和，d_ij是两者之间的距离,

是由行人j指向行人i的单位向量。

改进后的人与人之间的作用力代表了行人j对行人i的作用力，由社会力和接触力组成。当i与j未接触时，表示此时两行人间只存在社会力；当i与j接触时，表示此时两行人间不仅存在社会力，还存在接触力，接触力包括行人身体间的反弹力和滑动摩擦力。如下所示：

其中

为行人i和j接触时的身体反弹力；

为行人i和j接触时的滑动摩擦力；

为行人i和j之间的接触力合力，即挤压力。

其中k为人体弹性系数，r_ij是行人i和j的半径和，d_ij是两者之间的距离，

是由行人j指向行人i的单位向量。该式表示来自他人身体的挤压力。

其中κ为滑动摩擦系数，滑动摩擦力垂直于身体的反弹力；r_ij是行人i和j的半径和，d_ij是两者之间的距离，

为切线方向速度的变化，

是与

垂直的切向单位向量。该式表示来自他人身体的滑动摩擦力。

其中，

为切线方向速度的变化，

和

分别为行人i和j的相对速度，

是与

垂直的切向单位向量。

其中g(x)表示，当行人之间有接触，即r_ij>d_ij时，g(x)＝x；当行人之间没有接触，即r_ij≤d_ij时，g(x)＝0。

改进后的人与人之间的作用力公式为：

人与障碍物之间的作用力公式为：

原始的社会力模型中，行人之间的作用力只有单纯的社会力，这与真实情况是不相符的。所以改进社会力模型引入了朋友吸引力，其可以对朋友和陌生人进行区分，从而更真实地模拟成群结队现象，出口吸引力与朋友吸引力的公式为：

f_is＝C_iexp[(r_i-d_is)/D_i]n_is  (14)

其中s代表出口，C_i为负常数，表示出口对行人是吸引的；r_i为行人i的半径，d_is为行人i与出口s之间的距离，D_i为恒量，n_is是由行人i指向出口s的单位向量。

f_iq＝E_iexp[(r_iq-d_iq)/F_i]n_iq  (15)

其中q代表行人i的朋友，E_i为负常数，r_iq为行人i和朋友q的半径和，d_iq为行人i与朋友q之间的距离，F_i为恒量，n_iq是由行人i指向朋友q的单位向量。

根据步骤(5)中使用改进的社会力模型，充分考虑到行人个体特性以及周围环境对行人的影响，进一步的在步骤(6)中，结合宏观上等电位线疏密程度的变化，指导人群移动。具体步骤如下：

在物理学中，电场中某一点的电压表示带正电的单元在电场中的电位，正电荷总是在电场力的作用下从高电位流向低电位。行人的移动有两种制约：局部移动制约和全局移动制约。因此，在此模型中，提出“行人移动的等电位场”的概念。

宏观上，带电体上的电荷可以认为是连续分布的。电荷分布的疏密程度可用电荷密度来量度：

其中，r是检验位置，q_i是位置为r_i的第i个点电荷的电量。

此处将行人视为可带电粒子，因每个网格的电荷数是一定的，因此行人移动时所携带电荷数发生改变仅体现在行人本身。

起初行人是随机分布在场景内且携带初始电荷数q_i，规定如果粒子位于网格线上则采取低电荷优先原则。

行人的移动大致分为纵向移动和横向移动。同一水平线上的移动行人携带电荷数不发生变化。移动时，根据相邻网格是否为空闲(即是否存在等电位线)来决定移动方向和速度。当该行人周围存在多个空闲网格时，则移动方向采用随机原则：

其中，P_α为行人在方向α上移动的概率；α和β为1-8范围内的整数，代表疏散方向；

和

分别表示方向α和β上相邻网格是否被占用。规定0表示已占用，1表示为空闲。M_β是一个布尔变量，如果相邻网格在方向β上的移动电位小于当前网格的移动电位，M_β为1，否则为0。

由于社会力模型中行人的最终期望速度由自我期望速度和周围行人平均速度结合而成，而人群密度极大的影响了行人行走速度。因此融合时变密度场后的改进社会力模型中期望速度公式为：

其中，γ为密度导向因子。

如果行人所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格。移向具有较大移动电位的网格这一行为很好地描述了真实情境下行人的“挤入”现象。

行人移动受全局目标和局部目标的双重制约，全局目标即为出口，局部目标即为由行人粒子附近等电位线密度和障碍物共同决定的移动方向。

通过时变密度场不断更新场景内人群密度情况，结合改进社会力模型中行人粒子移动的碰撞避免及规避障碍物，不断重复上述步骤，突现最优的疏散路径，直至场景内及出口外人群密度为0，为场景内所有行人均疏散至安全位置，完成疏散。

本公开中使用的等电位线有异于物理学中的等电位线的物理意义。本公开使用等电位线旨在将某一范围内携带相同电荷数的粒子通过抽象的线连接为一个整体，类同于等温线，以求更直观的指导人群疏散。

本公开通过利用上层为路径预规划层，下层为仿真疏散层的思路，从实现人群个体的个体行为出发，通过时变密度场不断更新场景内人群密度情况，逐步突现最优的疏散路径，直至场景内及出口外人群密度为0，为场景内所有行人均疏散至安全位置，完成疏散。

在该实施例中，某学校教室内人群疏散录像截图参见附图2所示；真实场景紧急情况下人群疏散的路径选择、出口选择一般情况。

在该实施例中，应用的物理学中等电势电位线图参见附图3所示。

在该实施例中，场景离散化100粒子随机分布图参见附图4所示；是简单实验的第一步，场景离散化时的粒子分布。

在该实施例中，人群初始化后人群的随机分布情况图参见附图5所示；是应用真实办公室场景，初始化人群，人群随机分布在每个办公室或走廊内。

在该实施例中，时变密度场下行人绕开高密度区域图参见附图6所示；是场景中的一小部分，在等电位线疏密程度的指导下，行人绕开高密度区域选择低密度区域的示意图。

在该实施例中，存在静态障碍物时单出口人群疏散图参见附图7所示；是单出口场景中，设置五个静态障碍物，模拟人群疏散时人群动态以及路径选择。

在该实施例中，人群疏散仿真的临近疏散结束的图像参见附图8所示，是单出口场景中人群疏散临近结束时的状态。

实施例子二

本说明书实施方式提供一种人群疏散仿真系统，通过以下技术方案实现：

包括：

场景网格离散化模块，被配置为：将大场景细化成由多个小网格组成；

行人粒子初始化模块，被配置为：将人群视为可带电粒子；

网格电荷赋予模块，被配置为：根据行人粒子距离出口的远近由大到小赋予网格电荷；

疏散模块，被配置为：将移动的行人粒子所携带的电荷发生变化映射为时变场，利用时变场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

将改进的社会力模型引入出口吸引力和同伴吸引力，分别描述了出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散。

具体模块的实现参见施例子一中的具体过程，此处不再进行详细的描述。

实施例子三

本说明书实施方式提供一种计算机设备，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，所述处理器执行所述程序时实现实施例子一中的一种人群疏散仿真方法的步骤。

实施例子四

本说明书实施方式提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现施例子一中的一种人群疏散仿真方法的步骤。

可以理解的是，在本说明书的描述中，参考术语“一实施例”、“另一实施例”、“其他实施例”、或“第一实施例～第N实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料的特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (5)

1.一种人群疏散仿真方法，其特征是，包括：

场景网格离散化：将大场景细化成由多个小网格组成；

初始化行人粒子：将人群视为可带电粒子；

赋予每个网格电荷：根据行人粒子距离出口的远近由大到小赋予网格电荷；

移动的行人粒子所携带的电荷发生变化从而映射为时变密度场，利用时变密度场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

改进的社会力模型是在原始社会力模型的基础上引入出口吸引力和同伴吸引力，分别描述出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散；

赋予每个网格电荷：根据行人粒子距离出口的远近由大到小赋予网格电荷，具体为：

每个出口为固定点，出口处电荷设置为0；

出口外部电荷设置为负数；

与出口相邻的网格电荷依次+1或-1；

存在多出口的情况时，会存在电荷交叉点，电荷交叉点的设置规则为电荷统一化处理；

赋予每个网格电荷时，针对场景中的障碍物：

障碍物的设定是已知的静态的障碍物；

障碍物的电荷设置为无限大；

障碍物周边的电荷只与出口的距离有关，与障碍物无关；

增加障碍物斥力对粒子选择移动目标位置的影响；

改进的社会力模型描述人群个体动态及周围环境，包括：

对于场景内的个体行人，通过社会力受力公式计算行人自身的驱动力、行人之间的排斥力、行人受墙或障碍物的力、出口对行人的吸引力和同伴对行人的吸引力的所受合力；

场景内的个体行人按照计算的所受合力进行行为运动；

出口吸引力与同伴吸引力的公式为：

f_is＝C_iexp[(r_i-d_is)/D_i]n_is

其中s代表出口，C_i为负常数，表示出口对行人是吸引的；r_i为行人i的半径，d_is为行人i与出口s之间的距离，D_i为恒量，n_is是由行人i指向出口s的单位向量；

f_iq＝E_iexp[(r_iq-d_iq)/F_i]n_iq

其中q代表行人i的朋友，E_i为负常数，r_iq为行人i和朋友q的半径和，d_iq为行人i与朋友q之间的距离，F_i为恒量，n_iq是由行人i指向朋友q的单位向量；

利用时变密度场结合改进的社会力模型控制行人粒子移动具体包括：

(1)结合改进的社会力模型指导个体运动，将改进的社会力模型中引入的接触力对人群疏散的影响应用到粒子移动中；

首先设置疏散场景参数信息，创建疏散场景模型和人物模型，所述疏散场景模型作为人群疏散的环境空间，所述人物模型即可带电粒子作为疏散人群；

其次提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据已划分好细网络的场景信息以及疏散人群参数信息进行人群初始化；

根据场景信息及障碍物信息以及其映射出的电势场，采用改进社会力模型进行微观人群运动指导；

(2)利用时变密度场的实时变化来指导人群进行最佳路径选择；行人按照改进社会力模型做跟随运动，保存各组最佳疏散路径，作为疏散演练的推荐路径，进行人群疏散仿真；根据使用改进的社会力模型，充分考虑到行人个体特性以及周围环境对行人的影响，结合宏观上等电位线疏密程度的变化，指导人群移动，包括：

电荷分布的疏密程度用电荷密度来量度：

其中，r是检验位置，q_i是位置为r_i的第i个点电荷的电量；

起初行人是随机分布在场景内且携带初始电荷数q_i，规定如果粒子位于网格线上则采取低电荷优先原则；

行人的移动分为纵向移动和横向移动；同一水平线上的移动行人携带电荷数不发生变化；移动时，根据相邻网格是否为空闲即是否存在等电位线来决定移动方向和速度；当该行人周围存在多个空闲网格时，则移动方向采用随机原则：

其中，P_α为行人在方向α上移动的概率；α和β为1-8范围内的整数，代表疏散方向；O_ccα和O_ccβ分别表示方向α和β上相邻网格是否被占用；规定0表示已占用，1表示为空闲；M_β是一个布尔变量，如果相邻网格在方向β上的移动电位小于当前网格的移动电位，M_β为1，否则为0；

由于社会力模型中行人的最终期望速度由自我期望速度和周围行人平均速度结合而成，而人群密度极大的影响了行人行走速度，因此融合时变密度场后的改进社会力模型中期望速度公式为：

其中，γ为密度导向因子；

如果行人所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格；

行人移动受全局目标和局部目标的双重制约，全局目标即为出口，局部目标即为由行人粒子附近等电位线密度和障碍物共同决定的移动方向。

2.如权利要求1所述的一种人群疏散仿真方法，其特征是，将大场景细化成由多个小网格组成，具体步骤为：

对给定场景内部进行均匀的细网络划分；

找出每个场景的出口，增加对出口外围部分的网络划分，选择以出口为圆心，半径为R的辐射半圆为外部需划分网格的区域。

3.一种人群疏散仿真系统，其特征是，

包括：

场景网格离散化模块，被配置为：将大场景细化成由多个小网格组成；

行人粒子初始化模块，被配置为：将人群视为可带电粒子；

网格电荷赋予模块，被配置为：根据行人粒子距离出口的远近由大到小赋予网格电荷；

疏散模块，被配置为：将移动的行人粒子所携带的电荷发生变化映射为时变密度场，利用时变密度场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

改进的社会力模型是在原始社会力模型的基础上引入出口吸引力和同伴吸引力，分别描述出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散；

根据行人粒子距离出口的远近由大到小赋予网格电荷，具体为：

每个出口为固定点，出口处电荷设置为0；

出口外部电荷设置为负数；

与出口相邻的网格电荷依次+1或-1；

存在多出口的情况时，会存在电荷交叉点，电荷交叉点的设置规则为电荷统一化处理；

赋予每个网格电荷时，针对场景中的障碍物：

障碍物的设定是已知的静态的障碍物；

障碍物的电荷设置为无限大；

障碍物周边的电荷只与出口的距离有关，与障碍物无关；

增加障碍物斥力对粒子选择移动目标位置的影响；

改进的社会力模型描述人群个体动态及周围环境，包括：

对于场景内的个体行人，通过社会力受力公式计算行人自身的驱动力、行人之间的排斥力、行人受墙或障碍物的力、出口对行人的吸引力和同伴对行人的吸引力的所受合力；

场景内的个体行人按照计算的所受合力进行行为运动；

出口吸引力与同伴吸引力的公式为：

f_is＝C_iexp[(r_i-d_is)/D_i]n_is

其中s代表出口，C_i为负常数，表示出口对行人是吸引的；r_i为行人i的半径，d_is为行人i与出口s之间的距离，D_i为恒量，n_is是由行人i指向出口s的单位向量；

f_iq＝E_iexp[(r_iq-d_iq)/F_i]n_iq

其中q代表行人i的朋友，E_i为负常数，r_iq为行人i和朋友q的半径和，d_iq为行人i与朋友q之间的距离，F_i为恒量，n_iq是由行人i指向朋友q的单位向量；

利用时变密度场结合改进的社会力模型控制行人粒子移动具体包括：

(1)结合改进的社会力模型指导个体运动，将改进的社会力模型中引入的接触力对人群疏散的影响应用到粒子移动中；

首先设置疏散场景参数信息，创建疏散场景模型和人物模型，所述疏散场景模型作为人群疏散的环境空间，所述人物模型即可带电粒子作为疏散人群；

其次提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据已划分好细网络的场景信息以及疏散人群参数信息进行人群初始化；

根据场景信息及障碍物信息以及其映射出的电势场，采用改进社会力模型进行微观人群运动指导；

(2)利用时变密度场的实时变化来指导人群进行最佳路径选择；行人按照改进社会力模型做跟随运动，保存各组最佳疏散路径，作为疏散演练的推荐路径，进行人群疏散仿真；根据使用改进的社会力模型，充分考虑到行人个体特性以及周围环境对行人的影响，结合宏观上等电位线疏密程度的变化，指导人群移动，包括：

电荷分布的疏密程度用电荷密度来量度：

其中，r是检验位置，q_i是位置为r_i的第i个点电荷的电量；

起初行人是随机分布在场景内且携带初始电荷数q_i，规定如果粒子位于网格线上则采取低电荷优先原则；

行人的移动分为纵向移动和横向移动；同一水平线上的移动行人携带电荷数不发生变化；移动时，根据相邻网格是否为空闲即是否存在等电位线来决定移动方向和速度；当该行人周围存在多个空闲网格时，则移动方向采用随机原则：

其中，P_α为行人在方向α上移动的概率；α和β为1-8范围内的整数，代表疏散方向；O_ccα和O_ccβ分别表示方向α和β上相邻网格是否被占用；规定0表示已占用，1表示为空闲；M_β是一个布尔变量，如果相邻网格在方向β上的移动电位小于当前网格的移动电位，M_β为1，否则为0；

由于社会力模型中行人的最终期望速度由自我期望速度和周围行人平均速度结合而成，而人群密度极大的影响了行人行走速度，因此融合时变密度场后的改进社会力模型中期望速度公式为：

其中，γ为密度导向因子；

如果行人所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格；

行人移动受全局目标和局部目标的双重制约，全局目标即为出口，局部目标即为由行人粒子附近等电位线密度和障碍物共同决定的移动方向。

4.一种计算机设备，其特征是，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，所述处理器执行所述程序时实现权利要求1-2任一所述的一种人群疏散仿真方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-2任一所述的一种人群疏散仿真方法的步骤。

Images