CN111651877A - 一种基于目标点偏好的人群行为仿真方法 - Google Patents

Abstract

本发明涉及一种基于目标点偏好的人群行为仿真方法，包含以下步骤：搭建包含多个目标点的人群建模虚拟场景；在虚拟场景中添加虚拟行人构成的人群，虚拟行人个体特征包括影响个体路径选择的目标点偏好，所述目标点偏好包括兴趣偏好P_i，个体环境属性包括对各目标点的兴趣；在虚拟行人的行为过程中，根据个体目标点偏好实时计算个体选择各目标点的概率，选择概率最大的目标点作为个体的当前目标；根据每个个体的当前目标实时更新其行为路径，从而实现对人群行为的虚拟仿真。本发明在个体选择目标点时将自身因素、人群交互以及物理环境因素进行融合，能够更真实更可靠的反应真实情况，并且能够可视化呈现影响路径选择的各个要素对人群分布的影响。

Description

一种基于目标点偏好的人群行为仿真方法

技术领域

本发明涉及一种人群行为仿真方法，特别涉及一种基于目标点偏好的人群行为仿真方法，属于虚拟仿真技术领域。

背景技术

大型公共场所的人群聚集一直是受到广泛关注的公众安全问题。为了对人群聚集行为进行预先防备和控制，人群行为仿真技术已经广泛应用于人群分流、应急疏散等领域。

在进行人群行为仿真的时候，为了使仿真结果更加趋向实际，需要加入人群个体的差异，加入个体性格特征就是一种引入个体差异的手段。这些年来，在性格刻画研究上，科学家们达成了相对统一的结论，得到了性格的大五模型，大五模型可以称之为性格心理学中的一场革命，科学家们借鉴形容词表示法，得出存在五种性格特点能够包含性格刻画的任何角度。

Big FiveModel(大五性格)，是当下性格研究的典范。性格特征OCEAN模型是由如下5个因素组成的：开放性(Openness)，公正性(Conscientiousness)，外向性(Extroversion)，和悦性(Agreeableness)和情绪性(Neuroticism)。

开放性(Openness)：勇于探索对实际，追求改变对中规中矩，张扬个性对踏实当下。具有探索、改变、个性、情感丰富、敢想敢做等特质。

公正性(Conscientiousness)：有章有法对随心所欲，细致小心对三心二意，刚正不阿对动摇薄弱。具有公正、有条不紊、自律、意志、谨慎等特质。

外向性(Extroversion)：乐于交朋友对孤僻，喜欢玩笑对冷漠，情感丰富对低沉。具有开朗、乐观、向上、洋溢、活泼等特质。

和悦性(Agreeableness)：热心肠对无情义，奉献对自私，谦虚对傲慢。具有援助、无私、热心、谦卑等特质。

情绪性(Neuroticism)：压抑对活泼，担惊受怕对稳如泰山，自卑对自信。包括抑郁，焦灼，烦心，郁闷，薄弱等特质。

OCEAN性格特征模型，可以通过五维向量π表示，向量中的各维

代表一个性格特质。其中

服从正态分布N，且不同因素间的分布相互独立，如公式所示：

whereμ∈[0,1],σ∈[-0.1,0.1]

五种因素分别都涵盖正向(+)和反向(-)两个不同的角度，可以拿来作为不一样的内心反应以及活动方案的权衡标准。其中，五种因素中正向因素在[0.5，1]之间取值，反向因素在[0，0.5)之间取值，如下表1所示。例如，Extroversion属性可以体现个体的外向程度，则E+属性表示个体的自信精神，对待周围人群积极主导；E-属性表示个体孤僻内敛，不具有结交朋友，思想活跃的特质。

表1 OCEAN性格模型之词汇描述法

OCEAN	形容词
		O+	探索，追寻，机灵，消息灵通，活跃
O-	保守，规矩，墨守成规，中规中矩，单纯
		C+	公平、刚正不阿、有章有法、踏实，可靠
C-	随心的，混乱的，不可依托的
		E+	活泼，开朗，自信，阳光，交际，乐于交朋友
E-	内敛，害羞，沉闷，闹心，孤僻
		A+	热心，顺从，乐于助人，真诚，协作
A-	自私，蛮横，无理，严苛
		N+	压抑的，伤神的，崩溃的，恐惧的
N-	果敢，冷静，权势，自信

建立人群中个体的性格模型可以表现出人群个体的差异，因此在人群仿真中得到广泛应用。但是在类似公园、展馆等包含多个游览目标点的公共场所中，人群中每个个体最终会选择哪个目标点，怎样规划自己的路径，单纯依靠大五性格模型就很难得到合理的仿真结果。在这样的应用场景中，应该引入新的模型，针对个体寻路考虑更有针对性的导致个体差异的因素，以获得人群个体最终选择各个目标点的概率。但是在现有技术中未见有相关报道。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于目标点偏好的人群行为仿真方法，包含以下步骤：

搭建包含多个目标点的人群建模虚拟场景；

在虚拟场景中添加虚拟行人构成的人群，虚拟行人个体特征包括影响个体路径选择的目标点偏好，所述目标点偏好包括兴趣偏好P_i，个体环境属性包括对各目标点的兴趣；

在虚拟行人的行为过程中，根据个体目标点偏好实时计算个体选择各目标点的概率，选择概率最大的目标点作为个体的当前目标；

根据每个个体的当前目标实时更新其行为路径，从而实现对人群行为的虚拟仿真。

根据本发明实施例所述的一种具体实施方式，所述虚拟行人个体目标点偏好还包括人群规模偏好P_s。

根据本发明实施例所述的一种具体实施方式，所述虚拟行人个体目标点偏好还包括距离偏好P_d。

根据本发明实施例所述的一种具体实施方式，所述个体目标点偏好由正态分布随机生成获得，或者是根据事先做的问卷调查的结果获得。

根据本发明实施例所述的一种具体实施方式，所述个体目标点偏好与性格特征有关，所述性格特征包括开放性

公正性

外向性

和悦性

情绪性

根据本发明实施例所述的一种具体实施方式，所述个体兴趣偏好P_i与个体性格特征的关系为：个体的外向性、开放性和公正性越高，个体的兴趣偏好程度越大。

根据本发明实施例所述的一种具体实施方式，所述个体人群规模偏好P_s与个体性格特征的关系为：个体的外向性、情绪性和和悦性愈高，个体对人群规模的偏好程度愈大。

根据本发明实施例所述的一种具体实施方式，所述个体距离偏好P_d与个体性格特征的关系为：个体和悦性愈高，外向性与开放性愈低，个体对于距离的偏好程度愈大。

另一方面，本发明还提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的一种基于目标点偏好的人群行为仿真方法。

另一方面，本发明还提供了一种计算机程序产品，包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述的一种基于目标点偏好的人群行为仿真方法。

有益效果

本发明提出的基于目标点偏好的人群行为仿真方法，在个体选择目标点时将自身因素、人群交互以及物理环境因素进行融合，能够更真实更可靠的反应真实情况，并且能够可视化呈现影响路径选择的各个要素对人群分布的影响，有助于对目标点的种类和位置进行合理的规划。

附图说明

图1为本发明所述方法的流程图。

具体实施方式

下面结合附图，具体说明本发明的优选实施方式。

如图1所示，本发明实施例提供了一种基于目标点偏好的人群行为仿真方法，包含以下步骤：

S1：搭建包含多个目标点的人群建模虚拟场景；

S2：在虚拟场景中添加虚拟行人构成的人群，虚拟行人个体特征包括影响个体路径选择的目标点偏好特征，所述目标点偏好包括兴趣偏好P_i，个体环境属性包括对各目标点的兴趣；

S3：在虚拟行人的行为过程中，根据个体目标点偏好实时计算个体选择各目标点的概率，选择概率最大的目标点作为个体的当前目标；

S4：根据每个个体的当前目标实时更新其行为路径，从而实现对人群行为的虚拟仿真。

本发明实施例提供的人群行为仿真方法与传统人群行为仿真方法的区别在于：本实施例通过为虚拟人群个体建立目标点偏好特征，可以可视化的呈现个体心理特征、人群规模以及环境因素对个体寻路和整体人群分布的影响。

影响个体选择目标点的最重要的个体心理特征是对目标点的兴趣，因此在生成每个虚拟人群个体特征的时候，需要包括个体的兴趣偏好P_i，同时在个体环境属性中包括对各目标点的兴趣。兴趣偏好(_i表示个体倾向于自身有兴趣、有爱好的目标点，其形容词描述为：热爱的，开心的，积极的，主动的，活力的。如果无所谓即并不倾向于有兴趣的目标点，其形容词描述为：厌恶的，疲倦的，走神的，被动的。一般越是阳光向上、乐于交朋友的个体，越容易根据兴趣爱好去选择要前往的目标点，即越倾向于对兴趣爱好的偏好。因此个体的兴趣偏好P_i值越高，选择前往最感兴趣目标点的概率就越大。个体环境属性中个体对各目标点的兴趣可以随机生成，或者根据具体应用场景进行设置，例如针对来自于某一个专业团体的人群，对和该专业相关的目标点兴趣会普遍高于常人，来自于同一个地区的人群对和该地区相关的目标点会普遍高于常人。又如与热播电视剧或热炒人物相关的目标点会让大部分人产生更高的兴趣。结合个体的兴趣偏好P_i，以及个体对各目标点的兴趣，会对个体选择不同目标点的概率产生影响。

根据本发明实施例所述的一种具体实现方式，所述虚拟行人个体目标点偏好还包括人群规模偏好P_s。人群规模偏好P_s表示个体倾向于人群规模较大还是较小的目标点。如果倾向于人群规模较大的目标点，其形容词描述为：拥挤的，无奈的，烦躁的，压抑的，随大流的。如果倾向于人群规模较小的目标点，其形容词描述为：自由的，随性的，高傲的，个性的。一般越崇尚自由主义的个体，越不会去人群规模大的目标点，而相比较而言，那些无主见的、懒散无所谓的个体则会去人群规模较大的目标点。从虚拟场景中可以得到个体所能感受到的各条路径上的人群规模，结合个体的人群规模偏好P_s，会影响个体选择不同目标点的概率。

根据本发明实施例所述的一种具体实现方式，所述虚拟行人个体目标点偏好还包括距离偏好P_d。距离偏好P_d表明个体在前往目标点的时候，是否会更趋向于采用最短的距离作为路径。如果趋向于采用最短的距离，其形容词描述为：缺乏耐心的，聪明的，快节奏的，不甘现状的。如果不趋向于采用最短的距离，其形容词描述为：简单的，耐心的，既定的，死气沉沉的，默守陈规的。从虚拟场景中可以得到个体与各个目标点的距离，结合个体的距离偏好P_d，会影响个体选择不同目标点的概率。

人群在参与社会活动时，往往会依据自己的性格感知、自身的兴趣、距离的远近以及周围的环境进行有选择性的参观游览。人群中每个人的兴趣都会有一定的差异，同时还会有环境、距离、人群规模等的影响，因此每个个体在选择要参观的事物时，会由于以上种种因素的叠加产生较大的差异。本发明实施例生成的虚拟行人个体在选择目标点时结合了自身心理因素(兴趣偏好)，并且融入人群环境因素(人群规模)以及物理环境因素(目标点距离)，也就是在进行路径选择的时候，将自身因素以及周边人群和环境交互的影响进行融合，因此更能正确仿真个体在面临选择时候所做出的举动，能够更真实更可靠的反应真实情况。

除了兴趣偏好之外，还可以根据人群行为仿真的具体应用场景包括其他个体心理特征：

根据本发明实施例所述的一种具体实现方式，所述虚拟行人个体目标点偏好还包括领导力偏好P_l。领导力偏好P_l表示个体自身具有个人领导力，更喜欢按照自己的方式走，还是倾向于跟随有领导力的人前往目标点。如果倾向于具有个人领导力，其形容词描述为：自信的，生机的，主心骨的，有思想的，服众的。如果倾向于跟随其他人，其形容词描述为：孤僻的，昏昏欲睡的，没有活力的，害羞的。一般越是有主见的个体，越容易成为人群当中的引领者，即具有更高的领导力偏好特征值。

根据本发明实施例所述的一种具体实现方式，所述虚拟行人个体目标点偏好还包括环境熟悉程度偏好P_e，所述个体环境属性包括个体对各目标点环境的熟悉程度。环境熟悉程度偏好P_e表示个体倾向于自己所熟悉的环境当中的目标点，其形容词描述为：轻车熟路的，安心的，保守的，收敛的，按照常理的。如果趋向于未知的环境，其形容词描述为：探险的，好奇的，随心的，张扬的，偏执的。一般越害羞内向的个体，越会趋向于前往自己所熟知的环境中，即越倾向于对环境熟悉程度的偏好，而越是外向的个体相比较而言更会趋向于前往自己所未知的环境中。与个体对各目标点的兴趣类似，个体对各目标点环境的熟悉程度可以随机生成，或者根据具体应用场景进行设置，例如针对来自于某一个专业团体的人群，对和该专业相关的目标点熟悉程度会普遍高于常人。又如大部分人会对一些景区的知名景点有更高的熟悉程度。

本发明实施例提出的目标点偏好如下表2所示：

表2 目标点偏好的形容词描述

根据本发明实施例所述的一种具体实现方式，所述个体目标点偏好由正态分布随机生成获得，或者是根据事先做的问卷调查的结果获得。

与大五性格模型类似，本发明实施例提出的几种目标点偏好也服从正态分布，并且包含正向和反向两个不同的角度。为与大五性格模型相一致，可以规定每种目标点偏好的正向因素在[0.5，1]之间取值，反向因素在[0，0.5)之间取值。在生成虚拟人群个体的相应目标点偏好特征时，具体的特征值可以由正态分布随机生成获得，或者是根据事先做的问卷调查的结果获得。

根据本发明实施例所述的一种具体实现方式，所述个体目标点偏好与性格特征有关，所述性格特征包括开放性

公正性

外向性

和悦性

情绪性

如果个体目标点偏好由正态分布随机生成获得，或者是根据事先做的问卷调查的结果获得，则本发明实施例建立的个体目标点偏好特征可以看做是一种独立于大五模型的个体心理行为特征。由于大五性格模型是当下性格研究的典范，针对大五性格模型存在着很多的研究成果以及统计数据可资利用，因此本发明实施例提出了一种将个体目标点偏好与大五性格特征相关联的实现方式，从而可以在人群行为仿真的过程中，使用现有研究成果及统计数据生成个体目标点偏好特征值。

根据本发明实施例所述的一种具体实现方式，所述个体目标点偏好与个体性格特征的关系为：个体的外向性、情绪性和和悦性愈高，个体对人群规模的偏好程度愈大；个体的情绪性、和悦性越高，外向性越低，个体对环境熟悉程度的偏好程度越大；个体的外向性和公正性越高，情绪性越低，个体对领导力的偏好程度越大；个体的外向性、开放性和公正性越高，个体的兴趣偏好程度越大；个体和悦性愈高，外向性与开放性愈低，个体对于距离的偏好程度愈大。

人群规模偏好P_s所对应的OCEAN因素为：个体的外向性、情绪性和和悦性愈高(E+，N+，A+)，个体对人群规模的偏好程度愈大。可以根据人群规模偏好P_s与OCEAN性格因素的关系对人群规模偏好P_s进行定义，如以下公式所示：

其中P_s∝A+,N+,E+，并且f_s∈[0,1]，λ是权重。

需要说明的是，此处给出的公式定义并非唯一的定义方式，只要能够体现出人群规模偏好P_s与OCEAN性格因素的关系即可。

环境熟悉程度偏好P_e对应的OCEAN要素为个体的情绪性、和悦性越高(N+，A+)，外向性越低(E-)，个体对周边环境熟悉程度的偏好程度越大。可以对个体对周边环境熟悉程度的偏好进行以下定义：

其中P_e∝N+,A+，P_e∝^-1E-并且f_e∈[0,1]，λ是权重。

需要说明的是，此处给出的公式定义并非唯一的定义方式，只要能够体现出环境熟悉程度偏好P_e与OCEAN性格因素的关系即可。

领导力偏好P_l对应的OCEAN要素为个体的外向性和公正性越高(E+，C+)，情绪性越低(N-)，个体对领导力的偏好程度越大。可以对个体的领导力偏好进行如下定义：

其中P_l∝E+,C+，P_l∝^-1N-，并且f_l∈[0,1]，λ是权重。

需要说明的是，此处给出的公式定义并非唯一的定义方式，只要能够体现出领导力偏好P_l与OCEAN性格因素的关系即可。

兴趣偏好P_i对应的OCEAN要素为个体的外向性、开放性和和公正性越高(E+，O+，C+)，个体对兴趣爱好的偏好程度越大。可以对个体兴趣偏好进行如下定义：

其中P_i∝E+,O+,C+，并且f_i∈[0,1]，λ是权重。

需要说明的是，此处给出的公式定义并非唯一的定义方式，只要能够体现出兴趣偏好P_i与OCEAN性格因素的关系即可。

在OCEAN要素中，与距离偏好P_d相对应的是行人和悦性愈高(A+)，外向性与开放性愈低(O-，E-)，个体对于距离的偏好程度愈大。可以对个体的距离偏好进行如下定义：

其中P_d∝A+，P_d∝^-1O-,E-，并且f_d∈[0,1]，ω是权重。

需要说明的是，此处给出的公式定义并非唯一的定义方式，只要能够体现出距离偏好P_d与OCEAN性格因素的关系即可。

在本发明实施例进行人群行为仿真的过程中，为每个虚拟行人个体建立目标点偏好五元组<P_s,P_e,P_l,P_i,P_d>。例如，一个个体的五元组π₁＝<0.6,0.8,0.1,0.7,0.3>的因素定义为(S+，E+，L-，I+，D-)，即行人更趋向于的目标点的特征是：人群规模小、兴趣喜好佳、距离目标短的点；而另一个目标点偏好的五元组π₂＝<0.6,0.6,0.2,0.4,0.0>的因素定义为(S+，E+，L-，I-，D+)，通过分析可知，该个体更倾向于选择距离短，即使人群规模较大且不太感兴趣的目标点。

在步骤S3中，在虚拟行人的行为过程中，根据个体目标点偏好实时计算个体选择各目标点的概率，选择概率最大的目标点作为个体的当前目标。例如，一个实施例按照以下公式来计算各目标点路径选择概率：

其中，p_chioce表示个体选择该目标点的概率，w_e、w_l、w_s、w_i、w_d分别表示对应目标点偏好的权重，n表示人群规模，d表示目标点距离，V_e、V_i分别表示个体对该目标点的熟悉程度和兴趣。

以下公式是计算目标点路径选择概率的另一个实例：

其中，p_self表示个体性格多变概率，w_self表示个体因素影响权重。

需要说明的是，以上给出的公式定义只是概率计算方法的实例，并非仅有的定义方式。用户可以根据具体应用场景和统计数据建立概率计算公式，并且可以调整公式中的各个参数，使得计算得到的目标选择概率更加贴合实际情况。

人群在参与社会活动时，往往会依据自己的性格感知、自身的兴趣、距离的远近以及周围的环境进行有选择性的参观游览。人群中每个人的兴趣都会有一定的差异，同时还会有环境、距离、规模等的影响，因此每个个体在选择要参观的事物时，会由于以上种种因素的叠加产生较大的差异。本发明实施例生成的虚拟行人个体在选择目标点时结合了OCEAN大五性格模型，并且融入人群环境因素(人群规模)以及物理环境因素(目标点距离)，也就是在进行路径选择的时候，将自身因素以及周边人群和环境交互的影响进行融合，因此更能正确仿真个体在面临选择时候所做出的举动，能够更真实更可靠的反应真实情况。

在步骤S4中，根据每个个体的当前目标实时更新其行为路径，从而实现对人群行为的虚拟仿真。本发明能够可视化呈现影响路径选择的各个要素对人群分布的影响，通过调整仿真过程中的各个参数，直观的看到人群分流和分布情况。因此，本方法可用来对目标点的种类和位置进行合理的规划。

另一方面，本发明还提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的一种基于目标点偏好的人群行为仿真方法。

另一方面，本发明还提供了一种计算机程序产品，包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述的一种基于目标点偏好的人群行为仿真方法。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称并不构成对该单元本身的限定。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于目标点偏好的人群行为仿真方法，其特征在于，包含以下步骤：

搭建包含多个目标点的人群建模虚拟场景；

在虚拟场景中添加虚拟行人构成的人群，虚拟行人个体特征包括影响个体路径选择的目标点偏好，所述目标点偏好包括兴趣偏好P_i，个体环境属性包括对各目标点的兴趣；

在虚拟行人的行为过程中，根据个体目标点偏好实时计算个体选择各目标点的概率，选择概率最大的目标点作为个体的当前目标；

根据每个个体的当前目标实时更新其行为路径，从而实现对人群行为的虚拟仿真。

2.如权利要求1所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述虚拟行人个体目标点偏好还包括人群规模偏好P_s。

3.如权利要求2所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述虚拟行人个体目标点偏好还包括距离偏好P_d。

4.如权利要求3所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述个体目标点偏好由正态分布随机生成获得，或者是根据事先做的问卷调查的结果获得。

5.如权利要求3所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述个体目标点偏好与性格特征有关，所述性格特征包括开放性

公正性

外向性

和悦性

情绪性

6.如权利要求5所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述个体目标点偏好与个体性格特征的关系为：个体的外向性、开放性和公正性越高，个体的兴趣偏好P_i程度越大；个体的外向性、情绪性和和悦性愈高，个体的人群规模偏好P_s程度愈大；个体和悦性愈高，外向性与开放性愈低，个体距离偏好P_d程度愈大。

7.如权利要求6所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述虚拟行人个体目标点偏好还包括领导力偏好P_l，个体的外向性和公正性越高，情绪性越低，个体领导力偏好P_l程度越大。

8.如权利要求6所述的基于目标点偏好的人群行为仿真方法，其特征在于，所述虚拟行人个体目标点偏好还包括环境熟悉程度偏好P_e，所述个体环境属性包括个体对各目标点环境的熟悉程度，个体的情绪性、和悦性越高，外向性越低，个体环境熟悉程度偏好P_e越大。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一权利要求1-8所述的一种基于目标点偏好的人群行为仿真方法。

10.一种计算机程序产品，其特征在于，包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述任一权利要求1-8所述的一种基于目标点偏好的人群行为仿真方法。

Images