CN116011361A - 自然灾害中高密度人群的避险评估仿真方法与系统 - Google Patents
自然灾害中高密度人群的避险评估仿真方法与系统 Download PDFInfo
- Publication number
- CN116011361A CN116011361A CN202310294890.0A CN202310294890A CN116011361A CN 116011361 A CN116011361 A CN 116011361A CN 202310294890 A CN202310294890 A CN 202310294890A CN 116011361 A CN116011361 A CN 116011361A
- Authority
- CN
- China
- Prior art keywords
- individual
- particles
- representing
- fluid
- density
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004088 simulation Methods 0.000 title claims abstract description 50
- 238000011156 evaluation Methods 0.000 title claims abstract description 34
- 239000002245 particle Substances 0.000 claims abstract description 120
- 239000012530 fluid Substances 0.000 claims abstract description 67
- 238000009877 rendering Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 239000007787 solid Substances 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000012617 force field calculation Methods 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 2
- 230000008450 motivation Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 239000003795 chemical substances by application Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000386 athletic effect Effects 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种自然灾害中高密度人群的避险评估仿真方法与系统，该方法包括：建立得到框架仿真模型；进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，根据动态力场的变化，确定个体的受力；根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，确定全局路径；在备选目标区域内进行扫描，直至找到没有遮挡的最小角度，以确认局部路径；根据个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到模型渲染场景，基于模型渲染场景进行避险评估。本发明可通过精准定位粒子运动，实现对危险流域准确高效的检测效果。
Description
技术领域
本发明涉及计算机仿真技术领域，特别涉及一种自然灾害中高密度人群的避险评估仿真方法与系统。
背景技术
人类是具有独立思想的社会活动生物，人们在参与社会实践时，也保持着高度的独立性。因此，对流体中人群活动的研究与模拟是困难但又是必要的。对流体中人群活动的研究与模拟，特别是在自然灾害预警预报、抗洪应急指挥、城市设计、村庄规划以及应急点布置等方面都有着迫切的需求和广阔的前景。
目前对于人群行为的研究，可以大致可分为以下几类：基于代理方法、基于流体力学的方法；基于流体力学与代理相结合的方法。具体的：（1）、基于代理的方法，为每个代理单独设计算法。此种方法的好处是：可以定制成员的参数，从而产生复杂的非均匀运动。同样，此种方法的缺点为：很难持续产生真实的运动效果，因为每个代理的全局规划与局部碰撞检测是主要的开销，特别是对大规模人群和大环境变化的时候，该方法性能急剧下滑。（2）、基于连续动力学的方法，该方法将群体运动看作是粒子运动，利用动态势场指导所有个体的运动。该方法的优点是：利用全局规划来省去局部碰撞检测从而提升性能，模拟人群的规模得到大幅度提升。该方法的缺点是：该方法为进行全局规划，需要时刻遍历全场景，这是一笔不小的开销，尤其是在大场景的时候。因此该方法通常会采用分组的方法来进行全局规划和移动人群，这将导致人群的运动表现得机械化和同质化，缺乏个体灵活性。（3）、基于连续动力学和代理相结合的方法。该方法的主要思路是，在人群流体中加入少量的代理。该方法的优势为：在不影响性能的情况下适度提高个体灵活性。人群流体视代理为移动的障碍物，二者之间是完全隔离的，检测也是单向的，可以看成是同时用两种方法做一道题，做一个单向的加法。
基于此，现有技术中缺少一种能够通过精准定位粒子运动，实现对危险流域的准确高效检测的方法。
发明内容
鉴于上述状况，本发明的主要目的是为了提出一种自然灾害中高密度人群的避险评估仿真方法与系统，用于解决上述技术问题。
本发明实施例提出一种自然灾害中高密度人群的避险评估仿真方法，其中，所述方法包括如下步骤：
步骤一，仿真模型建立：
获取现实观测数据，基于连续动力学原理模拟自然灾害中高密度人群的流体特征，以建立得到框架仿真模型；
步骤二，动态力场计算：
基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力；
步骤三：全局路径计算：
利用平面分区方法，将空间内可通行区域划分为多个三维平面，根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，以计算确定全局路径；
步骤四：局部路径计算：
获取所述框架仿真模型中个体的当前位置，以所述当前位置为中心向周围发射射线，将射线所投中的区域作为备选目标区域；
在所述备选目标区域内分别向左向右进行扫描，直至找到没有遮挡的最小角度，以确认局部路径；
步骤五：避险评估：
根据每个时间单位内个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。
本发明提出一种自然灾害中高密度人群的避险评估仿真方法，首先根据所获取到的现实观测数据建立框架仿真模型；然后基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力；再分别进行个体的全局路径与局部路径计算，最后根据个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。本发明可通过精准定位粒子运动，实现对危险流域准确高效的检测效果。
本发明还提出一种自然灾害中高密度人群的避险评估仿真系统，其中，所述系统应用如上所述的自然灾害中高密度人群的避险评估仿真方法，所述系统包括：
仿真模型建立模块，用于：
获取现实观测数据，基于连续动力学原理模拟自然灾害中高密度人群的流体特征，以建立得到框架仿真模型；
动态力场计算模块，用于：
基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力；
全局路径计算模块，用于：
利用平面分区方法，将空间内可通行区域划分为多个三维平面，根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，以计算确定全局路径；
局部路径计算模块，用于：
获取所述框架仿真模型中个体的当前位置，以所述当前位置为中心向周围发射射线，将射线所投中的区域作为备选目标区域；
在所述备选目标区域内分别向左向右进行扫描，直至找到没有遮挡的最小角度，以确认局部路径；
避险评估模块，用于：
根据每个时间单位内个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。
附图说明
图1为本发明提出的自然灾害中高密度人群的避险评估仿真方法的流程图；
图2为本发明中全局路径策略图；
图3为本发明中局部路径策略图；
图4为本发明提出的自然灾害中高密度人群的避险评估仿真系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
请参阅图1，本发明提出一种本发明实施例提出一种自然灾害中高密度人群的避险评估仿真方法，其中，所述方法包括如下步骤：
S101，仿真模型建立。
获取现实观测数据，基于连续动力学原理模拟自然灾害中高密度人群的流体特征，以建立得到框架仿真模型。
在所述步骤一中，对于实测数据而言，至少需要进行如下观测：
观测一：观测在三维空间内任意粒子（包括固态粒子与液态粒子）的坐标，并且获取粒子的当前速度，粒子的受力以及粒子的当前位置。需要补充说明的是，三者皆用向量表示。
观测二：观测个体与个体之间发生的碰撞情况，个体与个体之间可以进行叠加。
观测三：观测个体的静止状态，当外界合力为零时，个体按照一定的衰减速度趋于静止。对应存在如下公式：
；
其中，表示下一时刻的速度，表示当前速度，表示衰减系数常量，表示时间步长，表示第个个体。
观测四：观测个体的位置与流体的位置，且个体的位置与流体的位置不相等，对应有如下公式：
；
其中，表示第个个体的位置，表示第个流体粒子的位置。
观测五：观测多个立方体与平面，利用表示空间的任意立方体，利用表示空间的任意平面，对应有如下表达式：
；
其中，表示整体的立方体空间，表示第个立方体，表示第个立方体，表示第个立方体与第个立方体相交的平面。
观测六：观测人群在逃生过程中代价最小的路径，并选择代价最小的路径进行撤离，对应的公式为：
；
其中，表示路径所经过的平面集合，表示平面集合中的第个元素，表示第个元素的开销，表示路径微分。
S102，动态力场计算。
基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力。
具体的，在本步骤中，动态力场的计算方法包括如下步骤：
将个体作为固态粒子，将流体作为液态粒子，计算单个粒子的受力，对应的公式表示为：
；
其中，表示单个粒子的受力，单个粒子包括固态粒子以及液态粒子，表示密度，表示加速度。
单个粒子的受力由三部分组成，对应的公式表示为：
；
其中，表示外部力，一般表示重力。表示由流体内部的压力差产生的作用力，粒子受此作用力的影响从高压力区向低压力区运动，该作用力等于压力场的梯度，方向由压力高的区域指向压力低的区域。表示由粒子之间的速度差引起的作用力，从速度快的部分到速度慢的部分，该作用力的大小与流体的粘度系数以及速度差有关。
具体的，外部力的表达式为：
；
其中，表示重力加速度。
此外，由流体内部的压力差产生的作用力的表达式为：
；
其中，表示梯度，表示压力。
由粒子之间的速度差引起的作用力的表达式为：
；
其中，表示粒子之间的速度差。
因此，单个粒子的受力表示为：
。
在连续动力学中，存在光滑核的概念。光滑核可以理解为：每一个粒子都受周围一定范围内的其它粒子影响，该粒子的最终属性由周围的所有粒子的属性加权来决定。在光滑核半径内，距离越近所受影响越大。基于这一概念，得到粒子的属性计算公式。
具体的，在动态力场中，单个粒子的属性计算公式表示为：
；
其中，表示所要计算的单个粒子的特定属性，表示所要计算的单个粒子的周围粒子的特定属性，表示所要计算的单个粒子的周围粒子的质量，表示所要计算的单个粒子的周围粒子的密度，表示所要计算的单个粒子的位置，表示所要计算的单个粒子的周围粒子的位置，表示光滑核函数操作，表示光滑核半径，表示所要计算的单个粒子的编号，表示周围粒子的编号。
具体的，当特定属性为密度时，第个粒子的密度对应有如下公式：
；
；
密度项的光滑核函数的公式表示为：
；
其中，表示第个粒子与第个粒子之间的距离向量，表示第个粒子与第个粒子之间的距离长度；
设定所有粒子的质量相同，则对应有：
；
其中，表示单个粒子的质量。
此外，当特定属性为压强时，第个粒子的压强对应有如下公式：
；
其中，表示压强，表示流体性质相关常数，表示流体的静态密度；
计算压强时，选择的压强项的光滑核函数的表达式为：
；
第个粒子的压力的计算公式表示为：
；
在计算中使用双方粒子压强的算术平均值代替单个粒子的压强，则对应的压力计算公式表示为：
；
其中，表示所要计算的单个粒子的压强，表示所要计算的单个粒子的周围粒子的压强，表示所要计算的单个粒子的密度，表示任意粒子质量。
此外，当特定属性为粘度时，选择的粘度项的光滑核函数的表达式为：
；
其中，表示粘度项的光滑核函数；
由粒子之间的速度差引起的作用力的表达式为：
；
其中，表示粘度系数，表示第个粒子的速度，表示第个粒子的速度。
框架仿真模型中的个体除了受到重力、人群压力、人群剪切力的影响，还受到了流体的其它作用力的影响，在本发明中将流体对个体的作用力统称为浮力，同时个体还具有一定的主动力。正常来说，浮力需要计算单位时间内流经个体的流体的体积，在此对其进行简化，在框架仿真模型中仅计算光核半径内流体的速度。
具体的，个体还受到浮力作用，浮力对应的表达式为：
；
其中，表示浮力，表示第个个体的位置，表示第个流体粒子的位置，表示第个个体，表示第个流体粒子。
与此同时，个体还存在主动力，主动力对应的公式表示为：
；
其中，表示主动力，表示个体主动力，表示固定常数；
个体的最终受力表示为：
。
S103，全局路径计算。
利用平面分区方法，将空间内可通行区域划分为多个三维平面，根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，以计算确定全局路径。
请参阅图2，在本发明中，采用最小转动法来确定全局路径，其具体思路是：围绕目标前行转动的角度最小。即，从起点出发，连接出发点和终点作直线，找到前行方向的下一条边；
如果直线和边相交，则交点插入轨迹队列队尾；
如果不相交，则分别计算边的左端点、右端点与直线的夹角，夹角小的端点，则加入轨迹队列队尾；
然后从新加入的点重新开始计算，直到走完所有的边到达终点。
具体步骤如下：
Step 1：
从起点向终点作直线：L_Start To End（起点至终点的直线）；
找到前行方面的第一条边：edge1（第一条边）；
Step 2：
判断：
若起点至终点的直线L_Start To End和前行方面的第一条边edge1相交于cross-point-1（第一交叉点），则cross-point-1（第一交叉点）加入TracePoints（追踪点）队尾；
若直线L_Start To End（起点至终点的直线）和edge1（第一条边）不相交，则从起点Start 往终点 End、第一条边edge1的左端点和第一条边edge1的右端点作三个向量分别得到：V_Start_To_End（起点至终点方向的向量），V_Start_To_edge1_left（起点至第一条边左端点方向的向量），V_Start_To_edge1_right（起点至第一条边右端点方向的向量）；
分别判断夹角V_Start_To_End（起点至终点方向的向量）与V_Start_To_edge1_left（起点至第一条边左端点方向的向量），V_Start_To_End（起点至终点方向的向量）与V_Start_To_edge1_right（起点至第一条边右端点方向的向量）的夹角，选取夹角小的对应的端点，加入TracePoints（追踪点）队尾，返回Step 1；
直至走完成所有的边，结束，以确认得到全局路径。
S104，局部路径计算。
在本发明中，局部路径的计算包括如下步骤：
S1041，获取所述框架仿真模型中个体的当前位置，以所述当前位置为中心向周围发射射线，将射线所投中的区域作为备选目标区域；
S1042，在所述备选目标区域内分别向左向右进行扫描，直至找到没有遮挡的最小角度，以确认局部路径。
其中，在备选目标区域中，存在多个备选目标点。备选目标点的选择基于以下原则：
距离当前位置较近；
目标位置还有承载力；
目标位置可达。
局部路由策略（图3），在行人的视野范围内，当有人群在行人前行的方向上，或移动、或拥挤，行人会选择朝向目标的最小转动角度（转动角1或转动角2）的方向前行。行人会以朝向目标方向开始扫描，向左和向右分别扫描，直到找到没有遮挡的最小角度。
S105，避险评估。
根据每个时间单位内个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。
本发明提出的模型不仅解决了个体与个体之间的相互作用、流体与流体之间的力量，还解决了个体与流体之间的动态影响的问题。在此基础上，该模型对变化环境中的人群进行智能路径规划，不断引导人群避开其它个体以及危险水域等动态因素。每个个体在受群体影响的同时，仍然可以保持独立的主动力，在满足大规模计算的情况下保持个体的多样性。
此外，基于架构上的优势，该模型避免了传统模型为了进行全局路径规划，而依据离散精度对全场景进行的全频率扫描，极大的降低了计算开销。通过动态三维全局路径规划对变化环境中的人群进行智能引导，并提出最小转动法来实现局部范围内的行人局部避让。
本发明中，将个体与流体都看作是粒子运动，通过一个动态力场，将固态粒子与液态粒子的运动相互融合，并在考虑外界环境的情况下指引人群运动。在两类流体之间，人群视流体为粒子，流体视人群为固体，通过统一的动态力场达到融合运动的目的。而在单类流体内部，通过动态力场把全局路径规划和局部碰撞检测统一到一个简洁、高效的框架中，从根本上双向融合了多类流体。
请参阅图4，本发明还提出一种自然灾害中高密度人群的避险评估仿真系统，其中，所述系统应用如上所述的自然灾害中高密度人群的避险评估仿真方法，所述系统包括：
仿真模型建立模块，用于：
获取现实观测数据，基于连续动力学原理模拟自然灾害中高密度人群的流体特征，以建立得到框架仿真模型；
动态力场计算模块，用于：
基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力；
全局路径计算模块，用于：
利用平面分区方法，将空间内可通行区域划分为多个三维平面，根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，以计算确定全局路径；
局部路径计算模块，用于：
获取所述框架仿真模型中个体的当前位置，以所述当前位置为中心向周围发射射线，将射线所投中的区域作为备选目标区域；
在所述备选目标区域内分别向左向右进行扫描，直至找到没有遮挡的最小角度，以确认局部路径；
避险评估模块，用于：
根据每个时间单位内个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”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、材料或者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。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种自然灾害中高密度人群的避险评估仿真方法，其特征在于，所述方法包括如下步骤：
步骤一，仿真模型建立：
获取现实观测数据，基于连续动力学原理模拟自然灾害中高密度人群的流体特征，以建立得到框架仿真模型；
步骤二，动态力场计算：
基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力；
步骤三：全局路径计算：
利用平面分区方法，将空间内可通行区域划分为多个三维平面，根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，以计算确定全局路径；
步骤四：局部路径计算：
获取所述框架仿真模型中个体的当前位置，以所述当前位置为中心向周围发射射线，将射线所投中的区域作为备选目标区域；
在所述备选目标区域内分别向左向右进行扫描，直至找到没有遮挡的最小角度，以确认局部路径；
步骤五：避险评估：
根据每个时间单位内个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。
2.根据权利要求1所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，在所述步骤二中，动态力场的计算方法包括如下步骤：
将个体作为固态粒子，将流体作为液态粒子，计算单个粒子的受力，对应的公式表示为：
；
其中，表示单个粒子的受力，单个粒子包括固态粒子以及液态粒子，表示密度，表示加速度；
单个粒子的受力由三部分组成，对应的公式表示为：
；
其中，表示外部力，表示由流体内部的压力差产生的作用力，表示由粒子之间的速度差引起的作用力。
3.根据权利要求2所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，外部力的表达式为：
；
其中，表示重力加速度；
由流体内部的压力差产生的作用力的表达式为：
；
其中，表示梯度，表示压力；
由粒子之间的速度差引起的作用力的表达式为：
；
其中，表示粒子之间的速度差；
单个粒子的受力表示为：
。
4.根据权利要求3所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，在动态力场中，单个粒子的属性计算公式表示为：
；
其中，表示所要计算的单个粒子的特定属性，表示所要计算的单个粒子的周围粒子的特定属性，表示所要计算的单个粒子的周围粒子的质量，表示所要计算的单个粒子的周围粒子的密度，表示所要计算的单个粒子的位置，表示所要计算的单个粒子的周围粒子的位置，表示光滑核函数操作，表示光滑核半径，表示所要计算的单个粒子的编号，表示周围粒子的编号。
5.根据权利要求4所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，当特定属性为密度时，第个粒子的密度对应有如下公式：
；
；
密度项的光滑核函数的公式表示为：
；
其中，表示第个粒子与第个粒子之间的距离向量，表示第个粒子与第个粒子之间的距离长度；
设定所有粒子的质量相同，则对应有：
；
其中，表示单个粒子的质量。
6.根据权利要求5所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，当特定属性为压强时，第个粒子的压强对应有如下公式：
；
其中，表示压强，表示流体性质相关常数，表示流体的静态密度；
计算压强时，选择的压强项的光滑核函数的表达式为：
；
第个粒子的压力的计算公式表示为：
；
在计算中使用双方粒子压强的算术平均值代替单个粒子的压强，则对应的压力计算公式表示为：
；
其中，表示所要计算的单个粒子的压强，表示所要计算的单个粒子的周围粒子的压强，表示所要计算的单个粒子的密度，表示任意粒子质量。
7.根据权利要求6所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，当特定属性为粘度时，选择的粘度项的光滑核函数的表达式为：
；
其中，表示粘度项的光滑核函数；
由粒子之间的速度差引起的作用力的表达式为：
；
其中，表示粘度系数，表示第个粒子的速度，表示第个粒子的速度。
8.根据权利要求7所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，个体还受到浮力作用，浮力对应的表达式为：
；
其中，表示浮力，表示第个个体的位置，表示第个流体粒子的位置，表示第个个体，表示第个流体粒子。
9.根据权利要求8所述的自然灾害中高密度人群的避险评估仿真方法，其特征在于，个体还存在主动力，主动力对应的公式表示为：
；
其中，表示主动力，表示个体主动力，表示固定常数；
个体的最终受力表示为：
。
10.一种自然灾害中高密度人群的避险评估仿真系统，其特征在于，所述系统应用如上述权利要求1至9任一项所述的自然灾害中高密度人群的避险评估仿真方法，所述系统包括：
仿真模型建立模块，用于：
获取现实观测数据，基于连续动力学原理模拟自然灾害中高密度人群的流体特征，以建立得到框架仿真模型；
动态力场计算模块，用于：
基于连续动力学原理进行动态力场计算，计算同种类粒子内部以及不同种类粒子之间的动态力场，并根据动态力场的变化，确定个体的受力；
全局路径计算模块，用于：
利用平面分区方法，将空间内可通行区域划分为多个三维平面，根据多个三维平面确定个体的最优路径所需要经过的凸多边形集合，以计算确定全局路径；
局部路径计算模块，用于：
获取所述框架仿真模型中个体的当前位置，以所述当前位置为中心向周围发射射线，将射线所投中的区域作为备选目标区域；
在所述备选目标区域内分别向左向右进行扫描，直至找到没有遮挡的最小角度，以确认局部路径；
避险评估模块，用于：
根据每个时间单位内个体的受力、个体的位置、流体的受力、流体的位置、个体的全局路径以及个体的局部路径，结合流体类型得到对应的模型渲染场景，并基于所述模型渲染场景进行避险评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310294890.0A CN116011361B (zh) | 2023-03-24 | 2023-03-24 | 自然灾害中高密度人群的避险评估仿真方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310294890.0A CN116011361B (zh) | 2023-03-24 | 2023-03-24 | 自然灾害中高密度人群的避险评估仿真方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116011361A true CN116011361A (zh) | 2023-04-25 |
| CN116011361B CN116011361B (zh) | 2023-06-20 |
Family
ID=86033915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310294890.0A Active CN116011361B (zh) | 2023-03-24 | 2023-03-24 | 自然灾害中高密度人群的避险评估仿真方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116011361B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101387888A (zh) * | 2008-09-27 | 2009-03-18 | 江南大学 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
| US20140372348A1 (en) * | 2011-12-15 | 2014-12-18 | Northeastern University | Real-time anomaly detection of crowd behavior using multi-sensor information |
| CN112417754A (zh) * | 2020-11-10 | 2021-02-26 | 中山大学 | 复杂室内结构下基于场景语义信息的人群疏散仿真方法 |
| US20210089040A1 (en) * | 2016-02-29 | 2021-03-25 | AI Incorporated | Obstacle recognition method for autonomous robots |
| CN113779903A (zh) * | 2021-09-15 | 2021-12-10 | 成都师范学院 | 一种基于流体力学的人群突发事件检测及疏散方法和系统 |
| WO2022017295A1 (zh) * | 2020-07-20 | 2022-01-27 | 炬星科技（深圳）有限公司 | 一种避障规划方法、系统及设备 |
-
2023
- 2023-03-24 CN CN202310294890.0A patent/CN116011361B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101387888A (zh) * | 2008-09-27 | 2009-03-18 | 江南大学 | 基于二进制量子粒子群算法的移动机器人路径规划方法 |
| US20140372348A1 (en) * | 2011-12-15 | 2014-12-18 | Northeastern University | Real-time anomaly detection of crowd behavior using multi-sensor information |
| US20210089040A1 (en) * | 2016-02-29 | 2021-03-25 | AI Incorporated | Obstacle recognition method for autonomous robots |
| WO2022017295A1 (zh) * | 2020-07-20 | 2022-01-27 | 炬星科技（深圳）有限公司 | 一种避障规划方法、系统及设备 |
| CN112417754A (zh) * | 2020-11-10 | 2021-02-26 | 中山大学 | 复杂室内结构下基于场景语义信息的人群疏散仿真方法 |
| CN113779903A (zh) * | 2021-09-15 | 2021-12-10 | 成都师范学院 | 一种基于流体力学的人群突发事件检测及疏散方法和系统 |
Non-Patent Citations (4)
| Title |
|---|
| MICKY KELAGER: "Lagrangian Fluid Dynamics Using Smoothed Particle Hydrodynamics", 《DEPARTMENT OF COMPUTER SCIENCE • UNIVERSITY OF COPENHAGEN》 * |
| XIAOXI HE,ET AL.: "A Novel Method for Large Crowd Flow", 《TRANSACTIONS ON EDUTAINMENT VI》 * |
| 周清玲: "基于流体仿真的人群运动模拟基础算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 孙立博 等: "基于连续模型和动力学仿真模型的高密度人群仿真算法", 《计算机学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116011361B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chang et al. | Argoverse: 3d tracking and forecasting with rich maps | |
| CN108705532B (zh) | 一种机械臂避障路径规划方法、设备及存储设备 | |
| Jiang et al. | Continuum crowd simulation in complex environments | |
| Mordvintsev et al. | Simulation of city evacuation coupled to flood dynamics | |
| CN108241369B (zh) | 机器人躲避静态障碍的方法及装置 | |
| KR101307232B1 (ko) | 하천홍수 상황인지시스템 및 컴퓨터로 판독 가능한 기록매체 | |
| CN109933067A (zh) | 一种基于遗传算法和粒子群算法的无人艇避碰方法 | |
| CN113405552B (zh) | 一种飞行器路径规划方法及装置 | |
| CN106503837B (zh) | 一种基于改进水平集算法的时间最优航路规划方法 | |
| US20240037844A1 (en) | 3d structure engine-based computation platform | |
| Sarmady et al. | Modeling groups of pedestrians in least effort crowd movements using cellular automata | |
| CN111766783A (zh) | 一种面向集群系统的有限时间内收敛的编队合围跟踪方法 | |
| Li et al. | Three-dimensional path planning for AUVs in ocean currents environment based on an improved compression factor particle swarm optimization algorithm | |
| CN116110025A (zh) | 栅格检测跟踪框架构建环境语义占据与速度场方法及系统 | |
| CN116011361B (zh) | 自然灾害中高密度人群的避险评估仿真方法与系统 | |
| Ge et al. | Multi-robot formations: queues and artificial potential trenches | |
| CN115083134B (zh) | 一种水利工程大坝泄洪溶解气体过饱和预警调控系统 | |
| Yang et al. | Who are my neighbors? a perception model for selecting neighbors of pedestrians in crowds | |
| Randles et al. | On neighbors, derivatives, and viscosity in particle codes | |
| CN105160942A (zh) | 面向船舶可视导航的通航环境可视化表示方法 | |
| Ma et al. | A robust fusion terrain-aided navigation method with a single Beam Echo Sounder | |
| Koh et al. | Modelling and simulation of pedestrian behaviours | |
| Tang et al. | Real-time crowd movement on large scale terrains | |
| Babovic et al. | Sliding Holt algorithm implementation in mobile robots collision detection with dynamic obstacles based on computer vision technologies | |
| Yin et al. | Traffic load simulation on bridges based on improved non-contact machine vision technique and multi-source information fusion |
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 |