CN111400914A - 一种基于视域的人群分组及人群疏散仿真系统及方法 - Google Patents

Abstract

本发明提供了一种基于视域的人群分组及人群疏散仿真系统，包括：疏散场景模型建立单元，用于提取疏散场景的特征，得到疏散场景的三维模型；疏散场景全局路径规划单元，根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；人群活动生成单元，根据所有出入口数、所有出入口的全局路径、人群中个体的视域以及个体位置信息来进行人群分组，获得分组信息；人群仿真单元，采用增加了视觉因子的社会力模型对分组信息进行处理，将行人划分为引领者和跟随者两种类型，实现疏散人群的行为仿真；实现把疏散人群分为按组移动，提高疏散效率，可以检测建筑疏散性能，优化实际疏散过程以及提高疏散效率。

Description

一种基于视域的人群分组及人群疏散仿真系统及方法

技术领域

本公开涉及人群分组及人群疏散仿真系统，尤其涉及一种基于视域的人群分组及人群疏散仿真系统及方法。

背景技术

大规模的人员聚集是现代城市，乃至现代社会的一个重要特征。人员密集的地方潜藏着很大的安全隐患，容易发生突发事件，一旦导致人群的恐慌，发生拥挤践踏的事故，伤亡往往十分惨重。尤其是随着我国城市化进程的加快发展，大型的人员高度聚集的活动增多，人群拥挤践踏事故更容易发生。

突发事件下的人群疏散是一项复杂的系统工程，在实际应用中通常使用疏散实验的方式获取合适的疏散预案。该方式具有针对性强、信息量丰富等特点。然而，由于存在人员安全无法保障、实验投入大等不可避免的问题，计算机仿真成为研究突发事件下人群疏散的最有效的方法。

利用计算机仿真人群疏散问题需要考虑到众多影响群体运动的因素，根据社会心理学的观点，群体可以分为具有不同特征的小群体。在公共场所内，人群中的行为簇现象会更加明显，而行人的聚集也会造成小群体，这些特征不论在模型搭建还是仿真模拟时都需要加以考虑。小群体可分为两类：第一类小群体从人群进入建筑物时就形成，成员一般由家人、情侣和朋友等组成，这类小群体成员少、内部联系紧密，定义为紧密型小团体；第二类小群体在逃生时形成，成员一般由对附近环境熟悉的人员吸引周围的人聚集成了小群体一起逃生，这类小群体成员多、内部联系不紧密，定义为逃生型小团体。

通过对实验视频观察分析，发现行人在疏散中具有如下典型行为特征：

(1)最近出口选择行为。疏散过程中行人最终的出口选择受到当前出口状态及行人到出口的距离的影响。行人倾向于选择在视野范围巧距离自己最近的出口。即便该出口处发生了轻微的拥堵，行人仍然会在该出口处耐心等待。

(2)跟随行为。在视野受限下行人更容易跟随周围的其他行人，这是因为在视野受限情况下，有些行人无法看清找到出口，通过跟随其他行人可W帮助他们找到出口从而快速疏散。因此视野受限下的跟随行为在一定程度上对整体疏散是有利的。

现有人群疏散仿真方法中均未考虑人群之间的关系以及形成的群组对运动的影响。虽然，Helbing和Molnar提出社会力模型依据牛顿力学公式模拟人群行为，能够很好地重现一些现象，例如“越想快反而越慢”以及出口处的拱形现象。但是它过度简化了行人的行为，没有考虑人群之间的关系以及形成的群组对运动的影响。

因此，为了解决人群疏散仿真的真实性问题，需要真实反映人群分组行为的方法，来达到优化疏散过程以及提高疏散效率的目的。

发明内容

针对现有技术存在的上述不足，本发明针对人群疏散中的小群体现象，对疏散人群分类，根据视域的人群分组方法可以把离散人员划为跟随者，并确定跟随的引领者，从而实现把疏散人群分为按组移动，提高疏散效率。

第一方面，本发明提供了一种基于视域的人群分组及人群疏散仿真系统，包括：

疏散场景模型建立单元，用于提取疏散场景的特征，得到疏散场景的三维模型；

疏散场景全局路径规划单元，根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；

人群活动生成单元，根据所有出入口数、所有出入口的全局路径、人群中个体的视域以及个体位置信息来进行人群分组，获得分组信息；

人群仿真单元，将行人划分为引领者和跟随者两种类型，采用增加了视觉因子的社会力模型对分组信息进行处理，实现各组的跟随者在引领者的带领下向出口移动的行为仿真。

第二方面，本发明还提供了一种基于视域的人群分组及人群疏散仿真系统的仿真方法，步骤包括：

根据疏散场景的结构信息进行提取疏散场景的特征，得到疏散场景的三维模型；

根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；

根据人群中根据疏散场景中所有出入口数量、人群中个体的视域以及个体位置信息来进行人群分组；

根据增加了视觉因子的社会力模型计算在仿真过程中个体的实时速度，在仿真的过程中，实时修正同组中每个个体的运动速度，以保持整个群组行进的一致性，实现疏散人群的行为仿真。

第三方面，本发明提供了一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成如第二方面所述的仿真方法。

第四方面，本发明提供了一种电子设备，包括存储器和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，完成第二方面所述的仿真方法。

与现有技术对比，本公开具备以下有益效果：

1、本发明考虑了在视野受限下行人的最近出口选择行为及跟随行为。在视野受限下行人更容易跟随周围的其他行人，这是因为在视野受限情况下，有些行人无法看清找到出口，通过跟随其他行人可以帮助他们找到出口从而快速疏散，因此视野受限下的跟随行为在一定程度上对整体疏散是有利的。

2、本发明针对人群疏散中的小群体现象，对疏散人群分类，用不同的社会力模型刻画，根据视域的人群分组方法可以把离散人员划为跟随者，并确定跟随的引领者，从而实现把疏散人群分为按组移动，提高疏散效率。

3、本发明把行人划分为引领者和跟随者两种类型，各组在引领者的带领下向出口移动，实现疏散人群的分块行为仿真，为人群疏散安全演练提供重要的依据，还可以检测建筑疏散性能，优化实际疏散过程以及提高疏散效率。

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是本发明的一种基于视域的人群分组及人群疏散仿真系统的结构示意图；

图2是本发明的人群分组及人群疏散仿真系统的仿真方法的流程示意图；

图3是本发明的采用视觉因子改进的社会力模型中行人的心理作用力；

图4(a)是本发明的引领者对应的自驱动力；

图4(b)是本发明的跟随者对应的自驱动力。

具体实施方式：

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是示例性的，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。

在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。

本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体的连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。

实施例1

本发明提供了一种基于视域的人群分组方法及人群疏散仿真系统。本发明针对人群疏散中的小群体现象，对疏散人群分类，用不同的社会力模型刻画。疏散人群可以分为三类：一类是引领者，一类是跟随者，一类是离散人员。应急疏散过程中，由于离散人员缺乏路径及出口的相关信息，如果视野范围内出现能提供有效疏散信息的引领者，通常会选择跟随引领者一同疏散，其动力学行为往往会受到引领者和周围环境的影响。所以，根据视域的人群分组方法可以把离散人员划为跟随者，并确定跟随的引领者，从而实现把疏散人群分为按组移动，提高疏散效率。

一种基于视域的人群分组及人群疏散仿真系统，包括：

疏散场景模型建立单元，用于提取疏散场景的特征，得到疏散场景的三维模型；

疏散场景全局路径规划单元，根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；

人群活动生成单元，根据所有出入口数、所有出入口的全局路径、人群中个体的视域以及个体位置信息来进行人群分组，获得分组信息；

人群仿真单元，将行人划分为引领者和跟随者两种类型，采用增加了视觉因子的社会力模型对分组信息进行处理，实现各组的跟随者在引领者的带领下向出口移动的行为仿真。

人群分组的各组中具有最高适应度值的个体被选择为引领者；选为引领者的个体，持有引领者标记，带领群组成员向出口移动；采用增加了视觉因子的社会力模型，实现疏散人群的行为仿真。

进一步的，所述人群活动生成单元，包括：

人群个体位置信息生成模块，用于建立人群数据集与疏散场景的三维模型中人群活动区域之间的映射关系，根据映射关系生成个体位置信息；

人群分组模块，用于根据出入口数量、所有出入口的全局路径、人群中个体的视域以及个体位置信息来进行人群分组。

进一步的，所述疏散场景模型建立单元根据疏散场景的结构信息进行提取疏散场景的特征。

进一步的，对增加了视觉因子的社会力模型进行改进，将社会力模型中自驱动力对应目标是出口，改进为跟随者对应的目标是本组的引领者。

实施例2

一种基于视域的人群分组及人群疏散仿真系统的仿真方法，步骤包括：

根据疏散场景的结构信息进行提取疏散场景的特征，得到疏散场景的三维模型；

根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；

根据人群中根据疏散场景中所有出入口数量、人群中个体的视域以及个体位置信息来进行人群分组；

根据增加了视觉因子的社会力模型计算在仿真过程中个体的实时速度，在仿真的过程中，实时修正同组中每个个体的运动速度，以保持整个群组行进的一致性，实现疏散人群的行为仿真。

进一步的，所述进行人群分组中确定人群分组信息的过程，包括：

(1.1)疏散场景网格划分模块，根据疏散场景中所有出入口数量来确定人群分组数量，对疏散场景的三维模型中人群活动区域进行划分网格；根据疏散场景的人群活动区域的出口数，确定分组数及待划分的网格单元数；

根据疏散场景的人群活动区域的出口数E，确定分组数T及待划分的网格单元数G，例如疏散场景平面区域有4个出口，分组数T＝E×3，主要是考虑对应一个出口，可以有左，中，右三个方向的组向出口疏散。

(1.2)选择引领者，根据网格内个体的适应度函数值选出各组引领者；适应度函数值定义为：

其中，w₁和w₂分别是个体对环境的熟悉程度的权重和距离出口的位置的权重值,w₁+w₂＝1。不失一般性，设w₁＝0.5，w₂＝0.5。k(x_ij)是个体x_ij对场景的熟悉程度,d(x_ij)是x_ij距离出口的位置,x_ij是组i中的第j个个体。

各组中具有最高适应度值的个体被选择为引领者。选为引领者的个体，持有引领者标记引领牌。

(1.3)行人根据对引领者的视觉程度，选择跟随引领者所带领的群组。

进一步的，在仿真的过程中，实时修正同组中每个个体的运动速度步骤包括：修改跟随者对应的社会力模型，把原模型中自驱动力选择出口作为目标，改为以本群组的引领者作为目标。

Dirk Helbing根据人群行为特征，以牛顿力学为基础建立了社会力模型。社会力是指一个人运动时受到所处环境(包括环境中的人和物)对其施加的力，依据行人不同的动机和在环境中受到的影响，共有四种作用力的影响：自身驱动力、人和人之间的作用力、人和障碍物之间的作用力以及扰动力。这些力的合力作用于行人，产生一个加速度。在整个个体行走过程中，以及个体和个体之间始终存在一定的力的作用。例如，驱动力会引导个体朝目标方向前进；在个体身体接触之前，人和人之间的作用力使人群中的个体避免相互碰撞；人和环境之间的作用力使人群中的个体避免与障碍物碰撞。这个过程可以用经典牛顿第二定律来解释，原始的社会力表达式如下：

式中，m_i为行人i的质量，

表示行人i当前的速度。公式(2)表示行人i的运动受到自身驱动力

行人i与其他行人之间的作用力

行人i与障碍物之间作用力

以及扰动力

这四种力的影响。

公式(3)描述的是行人i的自身驱动力。在移动的过程中，行人i会不断调整自己当前的实际速度

期望以最大速率

向着目的地移动。τ_i是行人i的反应时间，

是目的地所在的方向。

其中：

公式(5)表示个体i受到个体j的作用力。这个作用力包括两部分，一是个体i刻意与个体j保持安全距离的心理作用力

二是个体i与个体j之间的物理作用力

心理作用力

为：

增加的视觉因子为λ：

Vis＝(1-λ)(1+cosθ)/2+λ(1-cosθ)/4 (8)

其中：

和

是个体i和个体j的位置，θ是个体i的移动方向

与个体j的排斥力的夹角。λ表示个体j和个体i之间位置的相对方位。增加了视觉因子后，社会力模型心理作用力的公式为(10)：

如图3所示，对于行人i,

是他的移动方向，行人j和行人k与行人i相邻，是备选的引领者。此时，行人i与行人j之间的斥力和方向

的夹角为θ1，与行人k之间的斥力和方向

的夹角为θ2。根据公式(10)，,由于0<θ1<π/2、π/2<θ2<π，所以行人j位于行人i的视界内，产生的心理斥力较小，而行人k位于行人i的视界外，产生的心理斥力较大，在图中体现为行人i与行人j间的斥力向量比行人i与行人k间的斥力向量短，这就使行人更倾向于在视界范围寻找引领者。

离散的行人在视野范围内根据公式(10)寻找有引领标志的引领者，并选择距离最近的一组跟随，如果在视野范围内找不到引领者，则选择最近的行人跟随。

步骤(4)：根据社会力模型计算在仿真过程中个体的实时速度，行人被划分为引领者和跟随者两种类型，各组的跟随者在引领者的带领下向出口移动，实现疏散人群的行为仿真。

为了保持群组中的个体跟随引领者向出口移动，我们修改跟随者对应的社会力模型，把原模型中自驱动力选择出口作为目标，改为以本群组的引领者作为目标。

引领者执行原始的社会力模型，跟随者执行修改后的社会力模型。

将原始的社会力模型(2)改为跟随者对应的公式(11):

主要的修改是对右边第一项：自驱动力。原始的自驱动力为公式(3)。修改后的自驱动力公式为(12):

图4表示了对原始社会力模型的主要改进。图4(a)是原始的社会力模型中自驱动力中

对应的目标，对应的是出口，图4(b)是改进后跟随者对应的目标，对应的是本组的引领者。从图4我们可以看出，改进前行人是以出口作为目标，改进后组内成员

以本组的引领者作为目标。

在本发明的其他实施例中，还提供了

一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成如实施例2所述的仿真方法。

一种电子设备，包括存储器和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，完成如实施例2所述的仿真方法。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开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公开的保护范围以内。

Claims (10)

1.一种基于视域的人群分组及人群疏散仿真系统，其特征在于，包括：

疏散场景模型建立单元，用于提取疏散场景的特征，得到疏散场景的三维模型；

疏散场景全局路径规划单元，根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；

人群活动生成单元，根据所有出入口数、所有出入口的全局路径、人群中个体的视域以及个体位置信息来进行人群分组，获得分组信息；

人群仿真单元，将行人划分为引领者和跟随者两种类型，采用增加了视觉因子的社会力模型对分组信息进行处理，实现各组的跟随者在引领者的带领下向出口移动的行为仿真。

2.如权利要求1所述的人群疏散仿真系统，其特征在于，所述人群活动生成单元，包括：

人群个体位置信息生成模块，用于建立人群数据集与疏散场景的三维模型中人群活动区域之间的映射关系，根据映射关系生成个体位置信息；

人群分组模块，用于根据出入口数量、所有出入口的全局路径、人群中个体的视域以及个体位置信息来进行人群分组。

3.如权利要求1所述的人群疏散仿真系统，其特征在于，所述人群仿真单元根据增加了视觉因子后的社会力模型计算分组信息中个体的实时速度，人群分组后的各组在引领者的带领下向出口移动，实现疏散人群的行为仿真。

4.如权利要求1所述的人群疏散仿真系统，其特征在于，所述疏散场景模型建立单元根据疏散场景的结构信息进行提取疏散场景的特征。

5.如权利要求1所述的人群疏散仿真系统，其特征在于，对增加了视觉因子的社会力模型进行改进，将社会力模型中自驱动力对应目标是出口，改进为跟随者对应的目标是本组的引领者。

6.一种基于视域的人群分组及人群疏散仿真系统的仿真方法，其特征在于，步骤包括：

根据疏散场景的结构信息进行提取疏散场景的特征，得到疏散场景的三维模型；

根据疏散场景的三维模型对疏散场景进行全局路径规划，计算疏散场景中所有出入口的全局路径；

根据人群中根据疏散场景中所有出入口数量、人群中个体的视域以及个体位置信息来进行人群分组；

根据增加了视觉因子的社会力模型计算在仿真过程中个体的实时速度，在仿真的过程中，实时修正同组中每个个体的运动速度，以保持整个群组行进的一致性，实现疏散人群的行为仿真。

7.如权利要求6所述的仿真方法，其特征在于，所述进行人群分组中确定人群分组信息的过程，包括：

(1.1)疏散场景网格划分模块，根据疏散场景中所有出入口数量来确定人群分组数量，对疏散场景的三维模型中人群活动区域进行划分网格；根据疏散场景的人群活动区域的出口数，确定分组数及待划分的网格单元数；

(1.2)选择引领者，根据网格内个体的适应度函数值选出各组引领者；

(1.3)行人根据对引领者的视觉程度，选择跟随引领者所带领的群组。

8.如权利要求6所述的仿真方法，其特征在于，在仿真的过程中，实时修正同组中每个个体的运动速度步骤包括：修改跟随者对应的社会力模型，把原模型中自驱动力选择出口作为目标，改为以本群组的引领者作为目标。

9.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求6-8所述的仿真方法。

10.一种电子设备，其特征在于，包括存储器和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，完成如权利要求6-8所述的仿真方法。

Images