CN111339668A - 基于情绪认知的人群疏散可视化方法 - Google Patents
基于情绪认知的人群疏散可视化方法 Download PDFInfo
- Publication number
- CN111339668A CN111339668A CN202010129850.7A CN202010129850A CN111339668A CN 111339668 A CN111339668 A CN 111339668A CN 202010129850 A CN202010129850 A CN 202010129850A CN 111339668 A CN111339668 A CN 111339668A
- Authority
- CN
- China
- Prior art keywords
- individual
- crowd
- evacuation
- emotion
- area
- 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
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 41
- 238000007794 visualization technique Methods 0.000 title claims abstract description 18
- 230000019771 cognition Effects 0.000 title claims abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000033001 locomotion Effects 0.000 claims abstract description 24
- 238000010845 search algorithm Methods 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 230000002996 emotional effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000002775 capsule Substances 0.000 claims description 11
- 230000036651 mood Effects 0.000 claims description 7
- 230000000149 penetrating effect Effects 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 238000012800 visualization Methods 0.000 abstract description 10
- 230000006399 behavior Effects 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 208000015181 infectious disease Diseases 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010049976 Impatience Diseases 0.000 description 1
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 244000144980 herd Species 0.000 description 1
- 230000009474 immediate action Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于情绪认知的人群疏散可视化方法,包括步骤:构建人群疏散导航网格、初始化人群、紧急事件发生后计算每个个体的情绪和运动速度、根据人群运动信息计算可行走区域的人群密度并对导航网进行更新、根据基于密度信息的导航图搜索算法为每个个体规划最短路径或最快路径、以图形化的方式实现人群疏散可视化。本发明的有益效果在于:区别于传统人群疏散可视化方法,本发明有效地提高了人群疏散可视化的真实性;区别于传统的导航图算法,本发明保证了人群疏散可视化中个体行为的多样性;区别于传统的个体几何表示方法,本发明保证了人群疏散的高效性。
Description
技术领域
本发明涉及计算机仿真技术领域,特别是基于情绪认知的人群疏散可视化方法。
背景技术
研究紧急情况下人群运动涉及心理学、社会学和群体动力学等复杂领域,是一个多学科 交叉的复杂系统课题。近年来,随着城市计算与群体仿真技术的不断发展,人群紧急疏散成 为现阶段计算机仿真领域的研究热点之一。结合群体动画与可视分析技术,可以进一步发掘 人群的运动模式,有助于将人群快速疏散到避难场所,减少疏散时因人群过度拥挤而造成的 踩踏事故,为建筑规划者提供有效的参考。在城市公共安全、虚拟现实、交通、机器人等各 个领域具有十分重要的研究意义。
然而,传统的群体动画模型大多侧重于路径规划和碰撞避免,难以对真实世界人群运动 进行可视化与仿真。此外,群体行为大多受到人格特质和情绪传染的影响。因此,在对面向 城市安全的人群运动进行可视化与仿真的过程中,除了考虑个体路径规划之外,其内在个性 和情绪传染也是一个需要考虑的重要因素。
在心理学领域,情绪感染的本质是情绪的交流和传递,情绪传染对个体在特定情况下的 情绪、行为和决策有很大的影响。例如,在地震或火灾紧急疏散时,情绪传染会加剧恐慌, 促使个人立即采取行动,积累恐惧和压力。过度的恐慌会使个体很难仔细思考和判断当前的 情况,导致Herd行为的增加和疏散时间的增加。此外,与积极情绪如冷静、自信、乐观等相 比,消极情绪如恐慌、焦虑、恐惧、不耐烦、生气等对人群疏散的负面影响更大。
发明内容
为了解决现有人群疏散可视化方法的不足,本发明提供了基于情绪认知的人群疏散可视 化方法,考虑了人群疏散过程中的上躯干运动、情绪传染、人群密度和路径规划,并且对这 些因素进行了量化和分析,对现有常见人群疏散可视化方法进行改进,使可视化效果更准确, 符合真实世界人群疏散情况,为城市公共安全、建筑规划、紧急演练等领域提供灵活可控的 可视化工具。
实现本发明目的的技术方案如下:
基于情绪认知的人群疏散可视化方法,包括:
步骤1:根据三维环境信息Environment、障碍物信息Obstacles以及出口信息Exits构建人群 疏散导航网格Navmesh;
步骤2:初始化人群Crowd,人群Crowd中每个个体包括人格特质Ψ、初始情绪值e0和初始 运动速度v0;其中,个体i的人格特质根据OCEAN模型得到,如下:
其中,O为开放性,C为尽责性,E为外向性,A为亲和性,N为情绪稳定性;公式(1) 表示个体i的人格特质组成,公式(2)表示个体i的每个人格分量的大小,Norm表示正态 分布,均值为μi∈[0,1],标准差为σi∈[-0.1,0.1];
步骤3:紧急事件于t时刻发生,根据每个个体的人格特质Ψ,计算t+1时刻每个个体的情绪 et+1和运动速度vt+1;其中,个体i的计算方法为:
其中,β∈[0,1)表示亲和性所占据的权重;γ∈[0,1)表示外向性所占据的权重;
其中,α∈[0,1)表示情绪衰减的强度,J表示个体i感知范围d内其他个体的总数;
其中,vmax为个体的最大运动速度;
步骤4:根据人群运动信息计算t+1时刻可行走区域的人群密度ρ,并对导航网格Navmesh进 行更新;
步骤5:根据基于密度信息的导航图搜索算法为每个个体规划最短路径pshort或最快路径pfast;
步骤6:以图形化的方式实现人群疏散可视化。
进一步地,所述步骤5,根据基于密度信息的导航图搜索算法为每个个体规划最短路径 pshort或最快路径pfast,具体为:
5.1:根据导航网格Navmesh的信息,确定个体起点位置所在的可行走区域M0和出口位置所 在的可行走区域Mexit;
5.2:搜索个体当前所在区域M0的相邻可行走区域,计算该区域的人群密度ρk,
ρk=nk/ak; (8)
其中,nk表示相邻的第k个可行走区域的个体数,ak表示该可行走区域的面积;
5.3:判断与个体所在区域相邻的可行走区域的人群密度ρk与阈值ρth的大小关系,基于该密度 信息ρk计算导航图搜索算法的成本值F,
其中,G表示当前网格到相邻网格穿入边与穿出边的中点的距离;H表示当前网格中心点 到出口位置的距离;
5.4:从个体当前所在区域M0开始搜索导航图,直至搜索到区域Mexit,回溯索引得到个体从当 前所在区域M0到出Mexit的最短路径pshort或最快路径pfast。
上述技术方案中,进一步地,所述步骤6之前,还包括根据个体胶囊体几何表示半径l+ r,利用人群密度信息计算个体躯干转动的步骤,具体为:
1)将个体i表示为胶囊体的几何结构,由一个长为li宽为ri的矩形及位于矩形两侧半径为ri的 半圆形组成;
2)当个体i所在区域的人群密度大于阈值ρth,t时刻体i的转动角度θi计算公式如下:
其中,c表示个体i沿当前路径方向的可达间隙;ωi=l/2+ri表示胶囊体的半长轴。
与现有技术相比,本发明的有益效果在于:
1.区别于传统人群疏散可视化方法,本发明有效地提高了人群疏散可视化的真实性。
传统的人群疏散可视化方法通过计算个体所受的吸引力、排斥力等实现人群疏散可视化, 这样的方法在模拟人群疏散时不能真实的反映个体的运动变化。由于疏散时个体的运动受到 其心理状态的影响,本发明利用通过计算个体每时刻的情绪值,并引入基于密度的导航图算 法,为个体规划疏散时的最短路径或最快路径,使得可视化结果更加真实。
2.区别于传统的导航图算法,本发明保证了人群疏散可视化中个体行为的多样性。
传统的导航图算法通过导航网格、障碍物信息与起/终点信息,算法计算从起点到终点的 最短路径,随着个体数量的增多,狭窄的区域容易产生拥挤,从而导致个体的路径选择单一。 本发明通过改进的A*算法,基于可行走区域的密度信息为个体规划最短路径或最快路径,保 证了人群疏散可视化中个体行为的多样性。
3.区别于传统的个体几何表示方法,本发明保证了人群疏散的高效性。
传统的个体几何表示采用disc-based方法将个体表示为一个圆盘,浪费了大量的个体可 达空间,个体的几何特征一般是前后占据的空间小于左右占据的空间,因此传统的几何表示 方法降低了疏散效率。本发明基于个体的几何特征利用胶囊体的几何表示方法,并结合密度 信息实现个体的驱赶转动行为,从而使个体根据最快路径高效地到达出口。
附图说明
图1为本发明方法的整体工作流程示意图。
图2为本发明方法的扁平化个体几何表示示意图。
图3为本发明方法的环境输入模块示意图。图中,黑色矩形表示障碍物,灰色多边形 网格表示生成的导航网格。
图4为本发明方法的人群初始化示意图。如图所示,人群中每个个体用图2所示的胶 囊体进行表示;仿真开始在导航网格上随机生成个体。
图5为本发明方法的情绪传染示意图。如图所示,发生紧急事件,恐慌情绪在人群中 进行传播;个体颜色的深度表示当前个体的恐慌程度,恐慌情绪累积越多,颜色越深;反之,颜色越浅。
图6为传统人群疏散可视化方法结果示意图。如图所示,传统方法既没有考虑情绪传染, 也没有考虑人群密度对疏散效率的影响,人群疏散效率较低。
图7现有基于情绪传染的人群疏散可视化方法结果示意图。如图所示,现有的基于情 绪传染的人群疏散可视化方法没有考虑人群密度和个体上躯干转动的影响;个体颜色深度表 示恐慌的程度,虽然恐慌情绪得以传播,但在狭窄区域仍然会产生拥挤。
图8为本发明方法的最短路径示意图。如图所示,阴影部分人群密度值小于0.5人/m2时,个体选择最短路径到达出口,灰色曲线表示个体的最短路径。
图9为本发明方法的最快路径示意图。如图所示,阴影部分人群密度值大于0.5人/m2时,个体选择最快路径到达出口,灰色曲线表示个体的最快路径。
具体实施方式
具体实施步骤如下所示:
步骤1:输入并配置相应三维环境信息Environment、障碍物信息Obstacles以及出口信息 Exits,构建人群疏散导航网格Navmesh,如图3所示。初始化个体i的情绪值与速度情 绪值是指初始时刻设置个体的情绪值为0,即无情绪状态;疏散过程中个体的情绪值介于0 到1之间,情绪值大于0为情绪激活状态;速度是指初始时刻为个体随机分配1.3-1.5m/s 的行走速度;如图4所示。
步骤2:基于OCEAN模型初始化个体i的人格特质Ψi,OCEAN模型将个体的人格特质描述为5个维度的变量,包括开放性-Openness,尽责性-Conscientiousness,外向性-Extroversion,亲和性-Agreeableness和情绪稳定性-Neuroticism;计算公式如下:
其中,公式(1)表示个体i的人格特质组成,公式(2)表示个体i的每个人格分量的大小, Norm表示正态分布,均值为μi∈[0,1],标准差为σi∈[-0.1,0.1]。
其中,β∈[0,1)表示亲和性所占据的权重;γ∈[0,1)表示外向性所占据的权重。
其中,α∈[0,1)表示情绪衰减的强度,J表示个体i感知范围d内其他个体的总数。
步骤4:根据人群运动信息计算t+1时刻可行走区域的人群密度ρ,并对导航网格Navmesh进行更新;
步骤5:根据基于密度信息的导航图搜索算法为每个个体规划最短路径pshort或最快路径 pfast;
步骤6:以图形化的方式实现人群疏散可视化。
作为另一种实现的方式,所述步骤5,根据基于密度信息的导航图搜索算法,利用采用改 进的A*算法为每个个体规划最短路径pshort或最快路径pfast,具体为:
基于个体i所在可行走区域的相邻区域人群运动信息,计算相邻可行走区域的人群密度ρk, 为个体规划到达出口位置Pexit的最短路径pshort或最快路径pfast;所述最短路径pshort是指在 相邻可行走区域人群密度ρk小于阈值ρth时,通过A*算法为个体重新规划到达出口用时最短 的路径,如图6所示;所述最快路径pfast是指在相邻可行走区域人群密度ρk大于阈值ρth时, 通过基于密度A*算法为个体重新规划到达出口用时最短的路径,如图7所示;基于密度的导 航图算法执行步骤如下:
5.1:根据三维环境信息Environment、障碍物信息Obstacles以及出口信息Exits构建人 群疏散导航网格Navmesh;
5.2:搜索个体当前所在区域M0的相邻可行走区域,计算该区域的人群密度ρk,计算公式 如下:
ρk=nk/ak; (8)
其中,nk表示相邻的第k个可行走区域的个体数,ak表示该可行走区域的面积。
5.3:确定个体i起点位置P0所在的网格M0,并将其存入OpenList开放列表;
5.4:遍历网格M0相邻的可达网格M0_neighbor,将其存入OpenList,并设置其父节点为M0;
5.5:从OpenList中删除起点网格M0,将其加入CloseList,其中的网格不需要再一次进 行遍历;
5.6:判断ρk与阈值ρth的大小关系,若ρk小于阈值则利用A*算法为个体规划最短路径 pshort;若ρk大于阈值则利用改进的A*算法为个体规划最快路径pfast;计算OpenList中的网 格到达出口位置Pexit的距离度量F,计算公式如下:
其中,G表示当前网格到相邻网格穿入边与穿出边的中点的距离;H表示当前网格中心点 到出口位置的距离;
5.7:从OpenList中选择F最小的网格Ms,进行如下操作:
5.7.1:将网格Ms从OpenList中删除,加入CloseList;
5.7.2:遍历网格Ms相邻可达网格Ms_neighbor,如果这些网格不在OpenList,则将其加入; 计算这些网格的G值、H值和F值;
5.7.3:若这些网格中存在G值更小的三角形,则将其父节点更新为Ms;
5.8:重复以上步骤,直到遍历到出口位置Pexit;
5.9:从出口位置Pexit索引父节点直至个体的起点位置P0,则可以根据密度信息为个体规 划最短路径pshort或最快路径pfast。
另一种实现的方式,所述步骤6之前,还包括基于胶囊体的个体几何表示方法替代传统 disc-based方法,目的是利用人群密度信息计算个体躯干转动,从而使个体i通过转向的方式 快速穿过拥挤的人群;具体为:
1)将个体i表示为胶囊体的几何结构,由一个长为li宽为ri的矩形及位于矩形两侧半径为 ri的半圆形组成;
2)当个体i所在区域的人群密度大于阈值ρth,t时刻体i的转动角度θi计算公式如下:
其中,c表示个体i沿当前路径方向的可达间隙;ωi=l/2+ri表示胶囊体的半长轴。
为验证本发明的有效性,本发明设计了两个对比试验,试验一为本发明与传统人群疏散 可视化方法的对比实验。试验二为本发明与现有的基于情绪传染的人群疏散可视化方法的对 比实验:
试验一
本试验将本发明的方法与传统人群疏散可视化方法作对比,传统人群疏散方法采用经典 的社会力模型。个体采用disc-based方法进行表示,个体个人空间半径设置为0.5m,速度大 小设置为1.3-1.5m/s之间。根据个体所受到的目标驱动力和排斥力,将个体当前所受合力定 义为:
其中,mi表示个体i的质量;表示t时刻个体i的期望速度;表示个体i的目标方向; 表示t时刻个体i的实际行走速度;τi表示时间步长;以上几项即构成个体的目标驱动力, 表示个体i与其他个体j之间的排斥力;表示个体i与障碍物W之间的排斥力。
图8是基于社会力模型的人群疏散可视化方法结果示意图,该方法既没有考虑情绪传染, 也没有考虑人群密度对疏散效率的影响,人群疏散效率较低,个体难以到达出口区域。
试验二
本试验将本发明的方法与现有的基于情绪传染的人群疏散可视化方法进行对比,个体采 用disc-based方法进行表示,个体个人空间半径设置为0.5m,速度大小设置为1.3-1.5m/s之 间。图9是现有基于情绪传染的人群疏散可视化方法结果示意图,如图所示,颜色深度表示 恐慌情绪的积累,虽然恐慌情绪得以传播,但由于现有的基于情绪传染的人群疏散可视化方 法没有考虑人群密度的影响,在狭窄区域仍然会陷入局部拥塞。
Claims (3)
1.基于情绪认知的人群疏散可视化方法,其特征在于,包括:
步骤1:根据三维环境信息Environment、障碍物信息Obstacles以及出口信息Exits构建人群疏散导航网格Navmesh;
步骤2:初始化人群Crowd,人群Crowd中每个个体包括人格特质Ψ、初始情绪值e0和初始运动速度v0;其中,个体i的人格特质根据OCEAN模型得到,如下:
其中,O为开放性,C为尽责性,E为外向性,A为亲和性,N为情绪稳定性;公式(1)表示个体i的人格特质组成,公式(2)表示个体i的每个人格分量的大小,Norm表示正态分布,均值为μi∈[0,1],标准差为σi∈[-0.1,0.1];
步骤3:紧急事件于t时刻发生,根据每个个体的人格特质Ψ,计算t+1时刻每个个体的情绪et+1和运动速度vt+1;其中,个体i的计算方法为:
其中,β∈[0,1)表示亲和性所占据的权重;γ∈[0,1)表示外向性所占据的权重;
其中,α∈[0,1)表示情绪衰减的强度,J表示个体i感知范围d内其他个体的总数;
其中,vmax为个体的最大运动速度;
步骤4:根据人群运动信息计算t+1时刻可行走区域的人群密度ρ,并对导航网格Navmesh进行更新;
步骤5:根据基于密度信息的导航图搜索算法为每个个体规划最短路径pshort或最快路径pfast;
步骤6:以图形化的方式实现人群疏散可视化。
2.根据权利要求1所述的人群疏散可视化方法,其特征在于,所述步骤5,根据基于密度信息的导航图搜索算法为每个个体规划最短路径pshort或最快路径pfast,具体为:
5.1:根据导航网格Navmesh的信息,确定个体起点位置所在的可行走区域M0和出口位置所在的可行走区域Mexit;
5.2:搜索个体当前所在区域M0的相邻可行走区域,计算该区域的人群密度ρk,
ρk=nk/ak; (8)
其中,nk表示相邻的第k个可行走区域的个体数,ak表示该可行走区域的面积;
5.3:判断与个体所在区域相邻的可行走区域的人群密度ρk与阈值ρth的大小关系,基于该密度信息ρk计算导航图搜索算法的成本值F,
其中,G表示当前网格到相邻网格穿入边与穿出边的中点的距离;H表示当前网格中心点到出口位置的距离;
5.4:从个体当前所在区域M0开始搜索导航图,直至搜索到区域Mexit,回溯索引得到个体从当前所在区域M0到出Mexit的最短路径pshort或最快路径pfast。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129850.7A CN111339668B (zh) | 2020-02-28 | 2020-02-28 | 基于情绪认知的人群疏散可视化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010129850.7A CN111339668B (zh) | 2020-02-28 | 2020-02-28 | 基于情绪认知的人群疏散可视化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339668A true CN111339668A (zh) | 2020-06-26 |
CN111339668B CN111339668B (zh) | 2022-05-10 |
Family
ID=71181011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010129850.7A Active CN111339668B (zh) | 2020-02-28 | 2020-02-28 | 基于情绪认知的人群疏散可视化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339668B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381072A (zh) * | 2021-01-11 | 2021-02-19 | 西南交通大学 | 一种基于时空信息及人、物交互的人体异常行为检测方法 |
CN113221379A (zh) * | 2021-05-28 | 2021-08-06 | 视伴科技(北京)有限公司 | 一种规划赛事活动的观赛席位数量的方法及装置 |
CN114545932A (zh) * | 2022-01-28 | 2022-05-27 | 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)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160110591A1 (en) * | 2014-10-16 | 2016-04-21 | Software Ag Usa, Inc. | Large venue surveillance and reaction systems and methods using dynamically analyzed emotional input |
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 |
CN106096072A (zh) * | 2016-05-17 | 2016-11-09 | 北京交通大学 | 基于智能体的高密度人群仿真方法 |
CN107194030A (zh) * | 2017-04-20 | 2017-09-22 | 山东师范大学 | 一种基于视频数据驱动的人群疏散仿真方法及系统 |
CN107463751A (zh) * | 2017-08-10 | 2017-12-12 | 山东师范大学 | 一种基于折半dbscan聚类算法的人群分组疏散仿真方法及系统 |
CN107665282A (zh) * | 2017-10-11 | 2018-02-06 | 山东师范大学 | 基于异构情绪感染模型的人群疏散仿真方法及系统 |
CN109460591A (zh) * | 2018-10-24 | 2019-03-12 | 山东师范大学 | 基于优化积极情绪感染的人群疏散仿真方法及装置 |
CN109740192A (zh) * | 2018-12-12 | 2019-05-10 | 山东师范大学 | 基于阿诺德情绪模型的人群疏散仿真方法及系统 |
-
2020
- 2020-02-28 CN CN202010129850.7A patent/CN111339668B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160110591A1 (en) * | 2014-10-16 | 2016-04-21 | Software Ag Usa, Inc. | Large venue surveillance and reaction systems and methods using dynamically analyzed emotional input |
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 |
CN106096072A (zh) * | 2016-05-17 | 2016-11-09 | 北京交通大学 | 基于智能体的高密度人群仿真方法 |
CN107194030A (zh) * | 2017-04-20 | 2017-09-22 | 山东师范大学 | 一种基于视频数据驱动的人群疏散仿真方法及系统 |
CN107463751A (zh) * | 2017-08-10 | 2017-12-12 | 山东师范大学 | 一种基于折半dbscan聚类算法的人群分组疏散仿真方法及系统 |
CN107665282A (zh) * | 2017-10-11 | 2018-02-06 | 山东师范大学 | 基于异构情绪感染模型的人群疏散仿真方法及系统 |
CN109460591A (zh) * | 2018-10-24 | 2019-03-12 | 山东师范大学 | 基于优化积极情绪感染的人群疏散仿真方法及装置 |
CN109740192A (zh) * | 2018-12-12 | 2019-05-10 | 山东师范大学 | 基于阿诺德情绪模型的人群疏散仿真方法及系统 |
Non-Patent Citations (3)
Title |
---|
YAN-BIN ZHENG 等: "A Crowd Evacuation Method Integrate into the Emotion Model", 《2016 SIXTH INTERNATIONAL CONFERENCE ON INSTRUMENTATION & MEASUREMENT, COMPUTER, COMMUNICATION AND CONTROL (IMCCC)》 * |
刘翠娟 等: "人群应急疏散中一种多智能体情绪感染仿真模型", 《计算机辅助设计与图形学学报》 * |
赵金龙: "基于Pathfinder的特殊地铁站点人群紧急疏散模拟", 《中国安全生产科学技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381072A (zh) * | 2021-01-11 | 2021-02-19 | 西南交通大学 | 一种基于时空信息及人、物交互的人体异常行为检测方法 |
CN113221379A (zh) * | 2021-05-28 | 2021-08-06 | 视伴科技(北京)有限公司 | 一种规划赛事活动的观赛席位数量的方法及装置 |
CN114545932A (zh) * | 2022-01-28 | 2022-05-27 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN111339668B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111339668B (zh) | 基于情绪认知的人群疏散可视化方法 | |
Sharma et al. | Multi-agent modeling and simulation of human behavior in aircraft evacuations | |
Ha et al. | Cell-based evacuation simulation considering human behavior in a passenger ship | |
CN110795833B (zh) | 基于猫群算法的人群疏散仿真方法、系统、介质及设备 | |
Chu et al. | SAFEgress: a flexible platform to study the effect of human and social behaviors on egress performance | |
Roh et al. | Advanced ship evacuation analysis using a cell-based simulation model | |
CN112231968A (zh) | 基于深度强化学习算法的人群疏散仿真方法及系统 | |
Li et al. | Behaviour based motion simulation for fire evacuation procedures | |
CN112862192A (zh) | 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统 | |
Ni et al. | Agent-based evacuation in passenger ships using a goal-driven decision-making model | |
Kang et al. | A simple and realistic pedestrian model for crowd simulation and application | |
Beyaz et al. | Integration of building information modeling and agent-based modeling for evacuation simulation | |
CN116301027A (zh) | 一种基于安全强化学习的城市空域内无人机路径规划方法 | |
Veeraswamy et al. | Implementation of cognitive mapping, spatial representation and wayfinding behaviours of people within evacuation modelling tools | |
Lacko et al. | Riot simulation in urban areas | |
Benseghir et al. | Survey on pedestrian-dynamics models for evacuation process based on game theory | |
Cassol et al. | An approach to validate crowd simulation software: a case study on crowdsim | |
Al Shamsi | School auditorium evacuation simulation | |
Lyu et al. | Virtual-real Syncretic Crowd Simulation Method Guided by Building Safety Evacuation Sign | |
Hassan | Heuristic search methods and cellular automata modelling for layout design | |
KJAERGAARD et al. | Using Social Force Maps to model idiosyncratic Movement of Crowd Flow Agents | |
Shaoqin et al. | Behavior modeling method and its application in combat simulation | |
Jönsson et al. | Monte-carlo tree search in continuous action spaces for autonomous racing: F1-tenth | |
Othman et al. | Implementing game artificial intelligence to decision making of agents in emergency egress | |
Sharma et al. | Modeling emergency scenarios in virtual evacuation environment |
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 |