CN117993227B - 人流中的超越行为的仿真方法和装置 - Google Patents
人流中的超越行为的仿真方法和装置 Download PDFInfo
- Publication number
- CN117993227B CN117993227B CN202410396738.8A CN202410396738A CN117993227B CN 117993227 B CN117993227 B CN 117993227B CN 202410396738 A CN202410396738 A CN 202410396738A CN 117993227 B CN117993227 B CN 117993227B
- Authority
- CN
- China
- Prior art keywords
- target
- pedestrian
- model
- obstacle
- ith
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000033001 locomotion Effects 0.000 claims abstract description 65
- 230000004888 barrier function Effects 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 175
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000003993 interaction Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 21
- 238000010276 construction Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 17
- 230000008859 change Effects 0.000 description 16
- 238000002474 experimental method Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 210000003205 muscle Anatomy 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000012191 relaxation of muscle Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000028838 turning behavior Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及人流中的超越行为的仿真方法和装置。该人流中的超越行为的仿真方法包括:构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定目标行人的运动相关信息和目标障碍物的运动相关信息;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件;构建基于侧身行为的扭转社会力模型;在侧身约束条件的约束下,利用扭转社会力模型对目标行人在目标区域的人流中的超越行为进行仿真,得到目标行人的目标行为轨迹。本公开能够基于行人的侧身行为,对目标行人在人流中的超越行为进行仿真,提高了仿真的真实性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及人流中的超越行为的仿真方法和装置。
背景技术
作为交通出行的重要组成部分,行人的舒适性和安全性一直是研究的重点。在过去的几十年中,学者们对行人动力学进行了大量研究,并提出了多种微观模拟模型来模拟行人行为。
相关技术中,这些微观模拟模型在对人流中的超越行为进行仿真时,行人在碰到障碍物如墙壁或其他行人时会选择改变运动方向、停止运动或绕行,可见,这些微观模拟模型均忽略了行人通过侧向行为也就是旋转行为与障碍物保持距离,以避免产生碰撞。
发明内容
有鉴于此,本公开实施例提供了一种人流中的超越行为的仿真方法和装置,以解决相关技术中存在的问题。
本公开实施例的第一方面,提供了一种人流中的超越行为的仿真方法,包括:
构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定所述目标行人的运动相关信息和所述目标障碍物的运动相关信息;
基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件;
构建基于侧身行为的扭转社会力模型;
在所述侧身约束条件的约束下,利用所述扭转社会力模型对所述目标行人在所述目标区域的人流中的超越行为进行仿真,得到所述目标行人的目标行为轨迹。
本公开实施例的第二方面,提供了一种人流中的超越行为的仿真装置,包括:
构建模块,用于构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定所述目标行人的运动相关信息和所述目标障碍物的运动相关信息;
处理模块,用于基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件;
所述构建模块还用于构建基于侧身行为的扭转社会力模型;
仿真模块,用于在所述侧身约束条件的约束下,利用所述扭转社会力模型对所述目标行人在所述目标区域的人流中的超越行为进行仿真,得到所述目标行人的目标行为轨迹。
本公开实施例的第三方面,提供了一种电子设备,包括:至少一个处理器;用于存储至少一个处理器可执行指令的存储器;其中,至少一个处理器用于执行指令,以实现上述方法的步骤。
本公开实施例的第四方面,提供了一种计算机可读存储介质,当计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行上述方法的步骤。
本公开实施例采用的上述至少一个技术方案能够达到以下有益效果:通过构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定目标行人的运动相关信息和目标障碍物的运动相关信息;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件;构建基于侧身行为的扭转社会力模型;在侧身约束条件的约束下,利用扭转社会力模型对目标行人在目标区域的人流中的超越行为进行仿真,得到目标行人的目标行为轨迹,能够基于行人的侧身行为,对目标行人在人流中的超越行为进行仿真,提高了仿真的真实性。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1A示出了本公开示例性实施例提供的一种中等密度人流中的超越行为的旋转时机的示意图;
图1B示出了本公开示例性实施例提供的另一种中等密度人流中的超越行为的旋转时机的示意图;
图2示出了本公开示例性实施例提供的行人之间的净距离的示意图;
图3A示出了本公开示例性实施例提供的一种中等密度人流中的超越行为的旋转时机的简化模型的示意图;
图3B示出了本公开示例性实施例提供的另一种中等密度人流中的超越行为的旋转时机的简化模型的示意图;
图4示出了本公开示例性实施例提供的行人的椭圆模型的旋转示意图;
图5示出了本公开示例性实施例提供的人流中的超越行为的仿真方法的流程示意图;
图6A示出了本公开示例性实施例提供的一种人流中的超越行为的实验装置示意图;
图6B示出了本公开示例性实施例提供的另一种人流中的超越行为的实验装置示意图;
图7示出了本公开示例性实施例提供的人流中的超越行为的仿真装置的结构示意图;
图8示出了本公开示例性实施例提供的电子设备的结构示意图;
图9示出了本公开示例性实施例提供的计算机系统的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
作为交通出行的重要组成部分,行人的舒适性和安全性一直是研究的重点。在过去的几十年中,学者们对行人动力学进行了大量研究,并提出了多种微观模拟模型来模拟行人行为。具体来说,元胞自动机模型(Cellular Automata Model,CAM)和社会力模型(Social Force Model,SFM)分别是离散空间中基于规则的模型和连续空间中基于力的模型的代表。但是,CAM和SFM仍有一些不足之处。
例如,由于网格间的移动取决于概率,CAM的结果是不可预测的。当转换概率相同时,大多数学者采用轮盘赌的方法来确定行人的行为,这就造成了较大的误差和较差的可信度。因此,CAM无法真实模拟异质人群不同出行行为所产生的交互影响。
又例如,SFM的运行速度较慢,且存在粒子盲动、行人重叠、算法复杂度高等明显缺点,因此,很多学者提出了基于智能体的CAM和基于智能体的SFM,并在模型中加入行人生理、心理或出行特征等异质性因素,对微观行人模拟模型进行了改进,以提高仿真的真实性。
然而,很多学者都忽略了行人最常见的出行行为:侧身。在实地研究中,发现人们更喜欢通过身体的小角度旋转来完成超越行为、避让行为和通过狭窄空间的行为,而不是像目前的模拟结果那样选择改变运动方向、停止运动或绕行。与转弯行为不同的是,侧向行为通过身体旋转来改变行人占据的空间和与障碍物或其他行人的距离,而行走方向不会改变。
因此,为了解决上述问题,本公开实施例提供了一种人流中的超越行为的仿真方法,根据生物力学原理,在传统SFM的基础上增加了扭转力,并提出了侧身意愿的概念。这一概念建立了扭转力与排斥力之间的关系,使SFM模拟的理论情况与实际情况更加吻合。同时,鉴于现有模拟方案的局限性,本公开示例性实施例针对人流中的超越行为建立了扭转社会力模型,并进行了大量的实际实验来验证扭转社会力模型的可靠性。
本公开实施例提供的人流中的超越行为的仿真方法,其可以由终端执行,也可以由应用于终端的芯片执行。
示例性的,上述终端可以包括手机、平板电脑、可穿戴设备、车载设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、掌上电脑(Personal Digital Assistant,PDA)、以及基于增强现实(augmented reality,AR)和/或虚拟现实(virtual reality,VR)技术的可穿戴设备等中的一种或多种,本公开示例性实施例对此不作具体限制。
一、确定侧向行为
为了最真实地模拟行人的微观行为,本公开示例性实施例采用椭圆模型表示行人身体,并尝试计算椭圆模型之间的距离,作为行人之间的距离,以便后续修正基于扭转力的社会力模型。在直角坐标系中,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,2a i表示第i个行人的肩宽,2b i表示第i个行人的胸部的厚度,θ i表示第i个行人的旋转角度;其中,a i和b i均为常数,且a i>b i。
基于此,本公开示例性实施例可以适时模拟行人的侧向行为,讨论在人流中的超越行为的侧身约束条件,并给出对应的侧身的发生条件。
需要注意的是,本公开示例性实施例不考虑行人在移动过程中身体轻微晃动造成的旋转角度,将忽略的该角度范围定义为,其中,/>表示行人在移动过程中身体轻微晃动造成的旋转角度。同时,本公开示例性实施例认为临时改变移动方向的智能体旋转是由驱动力控制的,不在本公开示例性实施例的讨论范围之内。
在中等密度人流中的超越行为中,行人的侧身约束条件可以包括侧倾角约束、侧身距离约束和侧身时间约束。
(1)确定侧倾角约束
由于行人的步行速度、出行目的或其他因素的不同,行人超越行为时有发生,尤其是在中低密度人流中。根据相关文献的数据,低密度人流被定义为人均占地面积在1.2到1.4/>(密度(人/平方米)∈[0.71,0.83])之间,用来描述行人在不影响他人的情况下自由行走。而中密度人流是指人均占用面积在0.66/>到0.93/>(密度(人/平方米)∈[1.08,1.51])之间,用来描述行人可以侧身通过他人。而当人流密度小于中密度人流的人均占用面积时,行人很难超越他人,只能减速跟随。
在相关技术中,可以通过描绘变道行为来描述行人的超越行为,这在低密度人流中是合理的。然而,在中密度人流中,行人通常采用侧身超越行为,而不是依靠变道来完成超越。而相关技术则忽略了超越行为中出现的侧身行为。
图1A示出了本公开示例性实施例提供的一种中等密度人流中的超越行为的旋转时机的示意图。如图1A所示,第i个行人即超越行人或目标行人,要超越第p个行人和第q个行人即被超越行人或非目标行人,且第i个行人的期望速度()快于第p个行人的期望速度(/>)和第q个行人的期望速度(/>),即/>,/>),p(x p,y p)表示第p个行人的坐标,q(x q,y q)表示第q个行人的坐标,D pq表示第p个行人和第q个行人之间的初始距离。
当第i个行人的身体旋转长度小于第p个行人和第q个行人之间的净距离时,定义超越行为可以通过侧身完成。本公开示例性实施例可以提取行人的椭圆模型来计算行人之间的净距离。图2示出了本公开示例性实施例提供的行人之间的净距离的示意图。如图2所示,d ij表示第i个行人和第j个行人之间的净距离,A 1表示第i个行人的位置,A 2表示第j个行人的位置,表示第i个行人的旋转角度,/>表示第j个行人的旋转角度,/>表示第i个行人旋转后的半径,/>表示第j个行人旋转后的半径。
但是,两个行人的旋转角度不同,因此和/>难以计算。因此,本公开示例性实施例可以将第i个行人的椭圆模型的方程、第j个行人的椭圆模型的方程、以及第i个行人的椭圆模型和第j个行人的椭圆模型的中心连线之间的直线方程结合起来,得到第i个行人的椭圆模型和第j个行人的椭圆模型的中心连线与第i个行人的椭圆模型的交点为/>、第i个行人的椭圆模型和第j个行人的椭圆模型的中心连线与第j个行人的椭圆模型的交点为。然后,通过下述方程组计算/>和/>这两点之间的距离就可以得到第i个行人和第i个行人之间的净距离,其中,第i个行人和第i个行人之间的净距离以进行表示:
(1)
(2)
(3)
(4)
(5)
其中,表示第i个行人的初始位置,/>表示第j个行人的初始位置,表示第i个行人的椭圆模型和第j个行人的椭圆模型的中心连线之间的直线方程。
显然,这种第i个行人和第i个行人之间的净距离的计算方法的计算量较大,会导致仿真速度较慢。因此,在中等密度人流中的超越行为中,定义:
(6)
其中,d i(θ i)表示第i个行人侧身后的身体旋转宽度,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,a p表示第p个行人的椭圆模型的长半轴,b p表示第p个行人的椭圆模型的短半轴,a q表示第q个行人的椭圆模型的长半轴,b q表示第q个行人的椭圆模型的短半轴,D pq表示第p个行人和第q个行人之间的初始距离。
因此,在中等密度人流中的超越行为中,行人的旋转角度约束,也即侧倾角约束为:
(7)
同样,为了便于仿真,假设第p个行人和第q个行人的中心在一条直线上,第p个行人的初始位置为,第q个行人的初始位置为/>,即/>和。此外,在这种情况下,第i个行人主动侧身完成超越行为,因此第p个行人和第q个行人将被视为障碍物。因此,可以假设第i个行人与第p个行人和第q个行人之间的心理距离可以无限接近行人和障碍物之间的心理距离,即/>。
基于此,本公开示例性实施例作出第一个假设:当行人从其他行人后面完成超越行为时,被超越者无法感知后面发生的情况,会被视为障碍物。
因此,可以得到:
(8)
其中,θ imin表示第i个行人的最小旋转角度,表示第p个行人的初始位置,表示第q个行人的初始位置。
行人完成超越行为后,现有研究都认为行人从旋转姿势立即恢复到原始行走姿势。然而,行人在完成侧向行为后恢复原来身体姿态的过程需要时间,尽管这个时间很短。因此,为了保证仿真结果的真实性,将θ i=0设置在T p内,T p表示第i个行人的旋转姿势恢复到原始行走姿势所需要的时间,其中,T p为常数。
基于此,本公开示例性实施例作出第二个假设:从旋转姿势恢复到原始行走姿势需要时间,这个时间不应该被忽略。
此外,图1B示出了本公开示例性实施例提供的另一种中等密度人流中的超越行为的旋转时机的示意图。如图1B所示,第i个行人与第p个障碍物之间还存在另一种超越行为,此时,第p个障碍物相当于被超越行人,第i个行人的这种超越行为不受行人密度的影响。此处,障碍物可以是墙壁。
因此,在中等密度人流中的超越行为中,行人的旋转角度约束,也即侧倾角约束为:
(9)
其中,d表示第i个行人侧身后的身体旋转宽度,L表示目标区域的宽度。
以表示第p个障碍物的“中心点”在X轴方向上的投影线与第p个障碍物的交点,则:
(10)
其中,d max表示第i个行人侧身后的最大身体旋转宽度。
基于此,可以得到:
(11)
(2)确定侧身距离约束和侧身时间约束
中等密度人流中的超越行为涉及同时与两个以上的行人互动。然而,行人会忽略后方的障碍物或其他行人,如前所述,被超越行人可视为超越行为中的障碍物。
图3A示出了本公开示例性实施例提供的一种中等密度人流中的超越行为的旋转时机的简化模型的示意图,图3B示出了本公开示例性实施例提供的另一种中等密度人流中的超越行为的旋转时机的简化模型的示意图。如图3A所示,最难完成超越行为的情况是行人与行人即两个被超越行人并排行走,只要在这种情况下可以完成超越行为,在其他情况下即行人与行人错开(如图3B所示)也可以完成超越行为。
此时,只需分别求出两个被超越行人即第p个行人和第q个行人,与超越行人即第i个行人的交点坐标即可,其中,第i个行人的初始位置为,第p个行人与第i个行人的交点坐标为/>,第q个行人与第i个行人的交点坐标为。
此外,为了保证扭转社会力模型的严谨性,还考虑了第p个行人和第q个行人的期望速度。因此,可以得到在中等密度人流中的超越行为中,若超越行为发生在行人与行人之间,行人的侧身时间约束分别为:
(12)
其中,表示第i个行人在旋转开始时刻与目标障碍物之间的距离,/>表示第i个行人的初始位置,/>表示第i个行人的期待速度,/>表示第p个行人的期待速度,表示第q个行人的期待速度,/>表示第i个行人的旋转时间,/>,/>表示实验测得的常数,用于表示第i个行人的旋转角速度。
还可以得到在中等密度人流中的超越行为中,若超越行为发生在行人与行人之间,行人的侧身时间约束为:
(13)
其中,表示第i个行人的旋转开始时刻,也即侧身时间。
此外,可以得到在中等密度人流中的超越行为中,若超越行为发生在行人与障碍物之间,行人的侧身距离约束和侧身时间约束分别为:
(14)
(15)
二、扭转社会力模型
根据传统的社会力模型(Social Force Model,SFM),第i个行人在复杂环境中的运动模型由第i个行人的驱动力、第i个行人与其他行人如第j个行人之间的相互作用力和第i个行人和障碍物如墙壁之间的相互作用力进行表示。其中,社会力模型可以通过下述公式进行表示:
(16)
(17)
(18)
(19)
其中,m i表示第i个行人的质量,v i表示第i个行人的实际速度,v j表示第j个行人的实际速度,Fi表示第i个行人的驱动力,Fij表示第i个行人与第j个行人之间的相互作用力,J表示除第i个行人之外的行人的总数量,Fiw表示第i个行人和障碍物之间的相互作用力,W表示障碍物的总数量,表示第i个行人的初始速度,/>表示第i个行人在t时刻指向期望目标的单位矢量,/>表示第i个行人在t时刻的期望速度,/>表示一定的特征时间,A i表示社会作用力的强度,B i表示社会作用力的范围,A i和B i均为常数,r ij表示第i个行人和第j个行人的半径和,d ij表示第i个行人和第j个行人的质心间距,d iw表示第i个行人和障碍物的质心间距,n ij表示第j个行人指向第i个行人的归一化矢量,n iw表示第j个行人指向障碍物的归一化矢量,k n表示身体压缩系数,k t表示滑动摩擦系数,t ij表示第i个行人和第j个行人的切线方向,t iw表示第i个行人和障碍物的切线方向,/>表示第i个行人和第j个行人或障碍物互不接触。
原有的社会力模型显然无法真实有效地模拟行人的旋转行为。因此,为了更好地模拟行人的旋转行为,本公开示例性实施例提出了一个扭转社会力模型(T-SFM),其中增加了两个元素:扭转力和旋转意愿。
(1)扭转力
根据观察到的结果,本公开示例性实施例认为只有行人的肩部和核心部位发力使上半身旋转,并形成自身的扭矩来完成侧向行为。而原有的行走速度和行走方向均不会改变。根据生物力学原理,人体的姿势调节是通过肌肉的收缩和放松来实现的。当身体要旋转时,肌肉会调整身体的重心,从而影响旋转惯性。具体来说,当行人想要快速旋转时,肌肉会收缩并将身体重心向内移动,从而减小旋转惯性,进而提高旋转速度,快速完成侧向行为。相反,当人体试图减慢旋转速度时,其肌肉会放松,导致人体重心外移,从而增加旋转惯性,减慢旋转速度。此外,人体还可以通过调整肌肉力量来改变旋转速度。随着肌肉力量的增加,身体能够产生更大的扭矩,从而提高旋转速度和侧身速度。
因此,扭转力与转动惯量和扭矩有关。图4示出了本公开示例性实施例提供的行人的椭圆模型的旋转示意图。如图4所示,根据生物动力学的描述,由椭圆模型表示的行人将围绕垂直于椭圆中心点的虚拟轴OM完成旋转。假设行人的椭圆模型为质量均匀分布的椭圆,椭圆的方程为:
,/>(20)
转动惯量可以通过如下公式进行表示:
(21)
其中,I表示椭圆模型的转动惯量,D表示平面积分区域,m表示椭圆模型的质量,表示椭圆模型的密度。
根据广义极坐标变换,则,
(22)
(23)
其中,r表示极径,,/>表示极坐标的极角,/>。
此时,则有,
(24)
此外,根据扭矩与转动惯量的关系,以及扭矩与扭力的关系,可以得到如下公式:
(25)
其中,FT表示扭力,l表示力臂,且,/>表示角加速度,/>,w表示角速度,,/>表示旋转角度,/>,/>表示旋转时间。
因此,可以得到:
(26)
基于此,可以得到第i个行人的扭力为:
(27)
(2)旋转意愿
在传统的社会力模型中,行人之间的碰撞是通过心理排斥力来避免的。但是,当行人侧身避让或超越时,心理排斥力会发生变化。因此,本公开示例性实施例根据行人的动态密度对社会力模型的心理排斥力进行修正,并在扭转社会力模型中增加了避撞力和侧身意愿,以改进传统的社会力模型。
其中,在社会力模型中,心理排斥力可以表示为:。
在扭转社会力模型中,首先计算行人周围的人群密度与行人面积的无量纲乘积:
,
其中,表示行人的动态密度,/>。
然后,将社会作用力的强度调整为,将社会作用力的范围调整为/>,其中,表示调整系数,/>。这样,行人就可以根据环境调整心理排斥力,完成更多的行为。
同时,为了限制行人在超越行为或避让行为中发生不必要的接触和碰撞,本公开示例性实施例还在扭转社会力模型中增加避撞力作为约束条件。其中,避撞力可以表示为:
(28)
(29)
其中,表示第i个行人与第j个行人之间的碰撞力,/>表示第i个行人与和障碍物之间的碰撞力,/>表示碰撞力的强度,/>表示碰撞力的范围,/>和/>均为常数。
为了避免排斥力干扰侧向行为,本公开示例性实施例还在扭转社会力模型中增加侧身意愿作为约束条件。其中,侧身意愿可以表示为:
(30)
基于此,扭转社会力模型可以表示为:
(31)
(32)
(33)
(34)
(35)
(36)
(37)
(38)
(39)
其中,表示第i个行人在t时刻的加速度,/>表示第i个行人在t时刻的位置,表示第i个行人在初始时刻的初始位置。
基于此,本公开示例性实施例提出了一种人流中的超越行为的仿真方法,其可以由终端执行,也可以由应用于终端的芯片执行。终端的相关内容可以参见前文,此处不再赘述。
图5示出了本公开示例性实施例提供的人流中的超越行为的仿真方法的流程示意图。如图5所示,该人流中的超越行为的仿真方法包括:
S501,构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定目标行人的运动相关信息和目标障碍物的运动相关信息;
S502,基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件;
S503,构建基于侧身行为的扭转社会力模型;
S504,在侧身约束条件的约束下,利用扭转社会力模型对目标行人在目标区域的人流中的超越行为进行仿真,得到目标行人的目标行为轨迹。
具体地,上述目标模型和非目标模型均可以为前文中的椭圆模型,椭圆模型的长半轴的2倍用于表征行人的肩宽,椭圆模型的短半轴的2倍用于表征行人的胸厚。此处,目标障碍物可以为非目标行人,也就是说,本公开示例性实施例可以将非目标行人作为目标障碍物,也可以将障碍物如墙壁等作为目标障碍物。此时,可以以椭圆模型对障碍物进行建模。
上述目标区域的人流密度为前文中的中密度,中密度人流是指人均占用面积在0.66到0.93/>(密度(人/平方米)∈[1.08,1.51])之间,用来描述行人可以侧身通过他人。此时,目标行人需要侧身改变姿势才能在目标区域的人流中的超越目标障碍物,以免产生碰撞。
上述运动相关信息与目标行人和目标障碍物的位置信息、侧身行为或旋转行为相关。本公开示例性实施例可以基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件。
同时,本公开示例性实施例可以构建基于侧身行为的扭转社会力模型,并在侧身约束条件的约束下,利用扭转社会力模型对目标行人在目标区域的人流中的超越行为进行仿真,得到目标行人的目标行为轨迹。该扭转社会力模型可以能够对目标行人在人流中的超越行为中出现的侧身行为进行仿真,提高仿真结果的真实性。
根据本公开示例实施例的技术方案,通过构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定目标行人的运动相关信息和目标障碍物的运动相关信息;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件;构建基于侧身行为的扭转社会力模型;在侧身约束条件的约束下,利用扭转社会力模型对目标行人在目标区域的人流中的超越行为进行仿真,得到目标行人的目标行为轨迹,能够基于行人的侧身行为,对目标行人在人流中的超越行为进行仿真,提高了仿真的真实性。
在一些实施例中,运动相关信息可以包括身体旋转宽度和初始位置,侧身约束条件可以包括侧倾角约束;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件,可以包括:
基于目标模型、非目标模型、目标行人的身体旋转宽度和目标障碍物的初始位置,计算侧倾角约束。
示例性的,若目标障碍物的数量为两个,定义:
(6)
其中,d i(θ i)表示第i个行人即目标行人侧身后的身体旋转宽度,θ i表示第i个行人的旋转角度,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,a p表示第p个目标障碍物的椭圆模型的长半轴,b p表示第p个目标障碍物的椭圆模型的短半轴,a q表示第q个目标障碍物的椭圆模型的长半轴,b q表示第q个目标障碍物的椭圆模型的短半轴,D pq表示第p个目标障碍物和第q个目标障碍物之间的初始距离;
侧倾角约束的计算公式为:
(7)
假设,/>,且第i个行人与第p个目标障碍物和第q个目标障碍物之间的心理距离可以无限接近行人和障碍物之间的心理距离,即/>,则:
(8)
其中,θ imin表示第i个行人的最小旋转角度,表示第p个目标障碍物的初始位置,/>表示第q个目标障碍物的初始位置。
若目标障碍物的数量为一个,侧倾角约束的计算公式为:
(9)
其中,d表示第i个行人侧身后的身体旋转宽度,L表示目标区域的宽度;
以表示第p个目标障碍物的“中心点”在X轴方向上的投影线与第p个目标障碍物的交点,则:
(10)
其中,d max表示第i个行人侧身后的最大身体旋转宽度;
基于此,得到:
(11)
从前文可知,此处的目标障碍物可以为非目标行人,也可以为障碍物如墙壁。
在一些实施例中,运动相关信息还可以包括期望速度和旋转角速度,侧身约束条件还可以包括侧身距离约束;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件,还可以包括:
基于目标行人的旋转角速度和侧倾角约束,计算目标行人的旋转时间;
基于目标模型、非目标模型、目标行人的初始位置、期望速度和旋转时间,以及目标障碍物的初始位置和期望速度,计算侧身距离约束;
示例性的,目标行人的旋转时间的计算公式为:,其中,/>表示第i个行人的旋转时间,/>表示实验测得的常数,用于表示第i个行人的旋转角速度。
若目标障碍物的数量为两个,侧身距离约束的计算公式为:
(12)
其中,表示第i个行人在旋转开始时刻与目标障碍物之间的距离,/>表示第i个行人的初始位置,/>表示第i个行人的期待速度,/>表示第p个目标障碍物的期待速度,/>表示第q个目标障碍物的期待速度;
若目标障碍物的数量为一个,侧倾角约束的计算公式为:
(14)
在一些实施例中,侧身约束条件还可以包括侧身时间约束;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件,还可以包括:
基于目标模型、非目标模型、目标行人的初始位置、期望速度和旋转时间,以及目标障碍物的初始位置和期望速度,计算侧身时间约束;
示例性的,若目标障碍物的数量为两个,侧身距离约束的计算公式为:
(13)/>
其中,表示第i个行人的旋转开始时刻,也即侧身时间;
若目标障碍物的数量为一个,侧倾角约束的计算公式为:
(15)
在一些实施例中,目标障碍物可以包括非目标行人和障碍物,构建基于侧身行为的扭转社会力模型,可以包括:
获取与目标行人的侧向行为有关的侧向行为作用力,侧向行为作用力包括目标行人的驱动力、目标行人与非目标行人之间的相互作用力、目标行人与障碍物之间的相互作用力、目标行人与非目标行人之间的碰撞力、目标行人与障碍物之间的碰撞力和目标行人的侧身意愿;
基于目标行人的驱动力、目标行人与非目标行人之间的相互作用力、目标行人与障碍物之间的相互作用力、目标行人与非目标行人之间的碰撞力、目标行人与障碍物之间的碰撞力和目标行人的侧身意愿,构建基于侧身行为的扭转社会力模型。
具体地,结合前文的描述可知,与目标行人的侧向行为有关的侧向行为作用力可以包括:目标行人的驱动力、目标行人与非目标行人之间的相互作用力、目标行人与障碍物之间的相互作用力、目标行人与非目标行人之间的碰撞力、目标行人与障碍物之间的碰撞力和目标行人的侧身意愿。
示例性的,扭转社会力模型通过下述公式进行表示:
(31)
(32)
(33)
(34)
(35)
(36)
(37)
(30)/>
(27)
(38)
(39)
其中,表示第i个行人的质量,/>表示第i个行人的实际速度,v j表示第j个行人即非目标行人的实际速度,/>表示第i个行人的驱动力,/>表示第i个行人与第j个行人之间的相互作用力,/>表示第i个行人和障碍物之间的相互作用力,/>表示第i个行人与第j个行人之间的碰撞力,/>表示目标行人与障碍物之间的碰撞力,J表示除第i个行人之外的行人的总数量,W表示障碍物的总数量,/>表示第i个行人的侧身意愿,/>表示第i个行人的扭力,/>表示第i个行人的初始速度,/>表示第i个行人在t时刻指向期望目标的单位矢量,/>表示第i个行人在t时刻的期望速度,/>表示一定的特征时间,A i表示社会作用力的强度,B i表示社会作用力的范围,A i和B i均为常数,/>表示调整系数,r i表示第i个行人的半径,r ij表示第i个行人和第j个行人的半径和,d ij表示第i个行人和第j个行人的质心间距,d iw表示第i个行人和障碍物的质心间距,n ij表示第i个行人指向第j个行人的归一化矢量,n iw表示第i个行人指向障碍物的归一化矢量,k n表示身体压缩系数,k t表示滑动摩擦系数,t ij表示第i个行人和第j个行人的切线方向,t iw表示第i个行人和障碍物的切线方向,表示第i个行人和第j个行人或障碍物互不接触,/>表示碰撞力的强度,/>表示碰撞力的范围,/>和/>均为常数,/>表示第i个行人在t时刻的加速度,t ir表示第i个行人的旋转时间,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,/>表示第i个行人在t时刻的位置,/>表示第i个行人在初始时刻的初始位置。
本公开实施例采用的上述至少一个技术方案能够达到以下有益效果:通过构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定目标行人的运动相关信息和目标障碍物的运动相关信息;基于目标模型、非目标模型、目标行人的运动相关信息和目标障碍物的运动相关信息,确定目标行人在目标区域的人流中的超越行为的侧身约束条件;构建基于侧身行为的扭转社会力模型;在侧身约束条件的约束下,利用扭转社会力模型对目标行人在目标区域的人流中的超越行为进行仿真,得到目标行人的目标行为轨迹,能够基于行人的侧身行为,对目标行人在人流中的超越行为进行仿真,提高了仿真的真实性。
基于此,本公开示例性实施例进行了模拟实验和仿真实验,以验证扭转社会力模型的真实性和普遍性。
一、模拟实验:验证真实性
1、实际实验的设置和数据收集
从前文中可以得出,行人的侧向行为与旋转角度(倾侧角)、侧身距离和侧身时间有关。为了验证模型的准确性并校准模型参数,本公开示例性实施例进行了大量实际实验。
本公开示例性实施例用0.8m*0.5m*0.6m最大倾侧角的纸箱搭建了相应的实验场景,并分别绘制了实验装置示意图,图6A示出了本公开示例性实施例提供的一种人流中的超越行为的实验装置示意图,图6B示出了本公开示例性实施例提供的另一种人流中的超越行为的实验装置示意图。需要注意的是,图中每个方格代表三个堆叠的纸箱(0.8m*0.5m*1.8m),这就保证了行人的肩膀必须受到墙壁的约束。而这正是之前的研究所忽略的。肩部是行人身体模型中最宽的部分,如果不对肩部进行约束,行人的侧向行为可能会超出设定的边界。因此,与之前的研究相比,本公开示例性实施例从设置的角度提高了真实性。
实验共招募了12名男性志愿者和5名女性志愿者,编号分别为1至17。此外,本公开示例性实施例还为每位成员准备了一些彩色帽子和肩贴,志愿者的具体信息如表1所示,表1示出了本公开示例性实施例提供的志愿者的具体信息。此外,本公开示例性实施例使用佳能最大倾侧角G7 X Mark III最大倾侧角摄像机垂直于地面进行拍摄,视频范围可以覆盖实验区域;并在每个情况的通道正前方设置一个最大倾侧角GoPro HERO11 Black Mini,用于提取行人与障碍物(或其他行人)之间的距离。本公开示例性实施例使用视频处理平台Ulead Video Studio(UVS)和轨迹分析软件 PeTrack(PT)来处理视频数据。
表1 志愿者的具体信息
此外,表1中的行走速度和角速度分别是小数点后保留三位数和小数点后保留两位数。在计算中,本公开示例性实施例使用的是不带小数储备的原始数据。
人流中的超越行为的实验的详细设置:分为两种情况:超越行人-行人和超越行人-障碍物。第一种情况下,通道宽度L分别为1.3m、1.4m、1.5m、1.6m、1.7m和1.8m,选择步行速度最慢的两名行人作为超越对象(编号为6和8),其他15名行人在不改变前进方向的情况下完成超越行为。
在第二种情况下,通道宽度L分别为0.9m、1.0m、1.1m、1.2m、1.3m和1.4m。由于第一个场景中的超越对象都是女性,因此在这个场景中,本公开示例性实施例选择步行速度最慢的男性行人作为超越对象(编号为10)。根据相关文献和常识认知,行人在完成超越行为时一般会比正常情况下走得更快,因此本公开示例性实施例要求两个场景中的志愿者改变自己的行走速度。
本公开示例性实施例分别对两种情况进行初步实验。首先重新记录了每个场景下有超越行为的行人在实验前的行走速度,并将结果显示在表2中,表2示出了本公开示例性实施例提供的人流中的超越行为的行走速度。
表2 人流中的超越行为的行走速度
随后,本公开示例性实施例进行了初步实验,对于第一种情况,实验结果表明,最瘦的行人在L=1.3m的情况下无法在不接触他人的情况下侧身超越,而最强壮的行人在L=1.8m的情况下可以在不侧身的情况下完成超越行为。因此,本公开示例性实施例选择1.4m、1.5m、1.6m和1.7m作为第一种情况的设置条件,共获得60个数据集。
另一方面,第二种情况的初步实验结果表明,在L=0.9m的情况下,最瘦的行人无法进行超越行为,而在L=1.4m的情况下,最强壮的行人可以不侧身通过。因此,L=1.8m选择1.0m、1.1m、1.2m和1.3m作为第二种情况的设置条件,共可获得64个数据集。
2、实际实验的数据处理和分析
在实验中,倾侧角(旋转角度)、侧身前行人与障碍物(行人)之间的距离(即侧身距离)/>和侧身时间/>是以25Hz(25帧=1秒)的频率从PT获取的。
(1)倾侧角(旋转角度)
本公开示例性实施例将实验分为两种不同的场景:第一种场景(超越行人-行人的场景)和第二种场景(超越行人-障碍物的场景),两种场景的倾侧角结果可以合并在一起分析。本公开示例性实施例对通道宽度L分别为1.4m、1.5m、1.6m和.7m下行人的超越行为进行实验。结果显示,行人的旋转方向并不一致,同一个行人在不同的情况下旋转方向可能会发生改变。在这两种情况下,旋转角度随着通道宽度的增加而变小,逐渐出现行人不侧身直接完成超越行为的现象。这个结果直观上是符合实际情况的,是一个非常正常的结论。
(2)侧身距离和侧身时间
对于超越行人-行人的场景,当行人以侧身方式完成超越行为时,在前三个L条件下,行人对旋转时机的选择呈现出稳定的变化,但当L=1.7m时,行人对侧身距离和侧身时间的选择呈现出一边增加一边减少的情况。
结果显示,只要行人判断自己可以通过侧身完成超越行为,侧身距离和侧身时间就会变得大致相近,在不同的L下,D T和T b的平均差值分别为9.76cm和4.8帧(0.192s),几乎可以忽略不计。而当L值越大,不侧身的行人越多时,侧身距离和侧身时间就越不规律。这也证明了第七个假设的可靠性,即超越行人会将被超行人视为障碍物,其状态或位置的变化不会影响超越行人的行为。
另一方面,对于超越行人-障碍物的场景,当所有行人都侧身时,侧身距离和侧身时间是有规律的:侧身距离和L呈负相关,而侧身时间和L呈正相关。只有当大多数行人不侧身时,这一规律才会被打破,不管是横穿、避让还是超越。
3、设置模拟环境
本公开示例性实施例将改变行人的身体模型并添加侧向行为模型。而基于SFM的传统扭转社会力模型有很多可以满足本公开示例性实施例的要求,但在比较了底层逻辑修改的可操作性后,本公开示例性实施例选择了带有JAVA2.0的Anylogic Professional8.7.0作为基本扭转社会力模型进行修改,仿真将在Intel(R) Core(TM) i5-10210U1.60GHZ PC和4GB内存下运行。
首先,本公开示例性实施例需要改变身体模型。通过Anylogic的agent模块,本公开示例性实施例将行人的二维模型从原来的圆形改为椭圆形,并根据表1中记录的行人身体参数(包括行人的质量、肩宽、胸围和性别),建立了17个椭圆模型,行人编号为1至17。
然后,本公开示例性实施例使用state diagram模块为每个椭圆模型添加侧身状态和旋转条件。根据身体模型,本公开示例性实施例设定了倾侧角约束,并将该角度与身体姿势联系起来。同时,本公开示例性实施例通过添加过渡条件来构建侧身距离约束和侧身时间约束,当上述侧身约束条件满足条件时,椭圆模型将发生姿势变化。在完成侧向行为时,行人的姿态仍会受到过渡条件的影响而发生变化,即当行人与障碍物或其他行人的距离大于最大心理距离时,将触发重置旋转条件。重置时间结束后,行为体的姿势将恢复到原来的行走状态,从而完成侧向行为。
此外,本公开示例性实施例使用软件的social force setting模块,根据提出的改进的SFM来改变传统的SFM,该模块改变了行人处于侧身姿势时的排斥力大小,增加了侧身意愿和扭转力。此外,为了确保模拟结果的准确性,本公开示例性实施例还根据实验结果设置了不同条件下的心理距离范围。
最后,本公开示例性实施例构建了仿真环境和行人行走逻辑。并根据实际实验结果,设定行人的行走速度、角速度和重置时间等仿真参数,完成了三种情况下行人侧向行为扭转社会力模型的建立。需要注意的是,在模拟超越行为时,准备超越的行人的预期速度会有所改变,如表2所示,其他条件不会改变。
4、仿真实验的定性结果
本公开示例性实施例的模型可以有效地模拟行人的侧身行为。行人可以通过旋转来改变身体姿势,完成更合理的出行行为。因此,从定性的角度来看,本公开示例性实施例认为本公开示例性实施例提出的模型是有效的。
5、仿真实验的定量结果
为了进一步验证扭转社会力模型的效果,本公开示例性实施例选择了倾侧角、侧身距离和侧身时间这些指标进行定量评估。本公开示例性实施例分别提取了不同通道宽度下行人的倾侧角、侧身距离和侧身时间的绝对值。由于扭转社会力模型中的行人不会产生类似于真实行人行走时的身体晃动,所以比较各帧下的旋转角毫无意义。因此,本公开示例性实施例仅使用倾侧角的比较结果来验证本公开示例性实施例提出的扭转社会力模型的有效性。
(1)倾侧角
本公开示例性实施例提取了行人的仿真最大倾侧角,并在本公开示例性实施例中将其与实际结果进行比较。本公开示例性实施例的模拟是在理想条件下进行的,因此模拟的最大倾侧角就是实际实验的理论最小值。因此,本公开示例性实施例认为,只要实际值在可接受范围内(模拟值与90°之间),结论就是合理的。
通过对比所有数据可以发现,所有实际实验值都在模拟值与90°之间的可接受范围内,两种情况都可以用所提出的扭转社会力模型进行模拟。
(2)侧身距离和侧身时间
针对超越行人-行人的场景,从的仿真结果来看,D T的平均误差为6.522厘米,只有三组的误差大于15厘米。即使加上异常值,平均误差也为8.155厘米,在可接受范围内。这个误差是由个体差异造成的,早期侧倾并不影响后续行为,因为本公开示例性实施例设定侧倾后的速度保持不变,改变的只是身体姿态。因此,可以认为它不会影响模拟结果。
另一方面,T b的误差更能直接反映模型的有效性。包括上述异常值在内,T b的最大误差为30.78帧(1.23s),平均误差为7.955帧(0.32s)。该值小于模拟中设定的行人反应时间0.5s,因此可以认为模拟结果未受影响。
综上所述,超越行人-行人的场景的仿真结果与实验结果的对比表明,本公开示例性实施例提出的扭转社会力模型公式设计合理,该扭转社会力模型具有良好的普适性。
而针对超越行人-障碍物的场景,当L=1.3m时,模拟结果与实际情况几乎完全吻合,并且没有行人侧身。因此,本公开示例性实施例只选择L=1.0m、1.1m和1.2m时的结果进行计算和比较,可以看出,D T和T b的仿真结果合理可靠,D T和T b的平均误差分别为7.144cm和9.741帧(0.39秒)。
二、仿真实验:验证普遍性
本公开示例性实施例通过实际实验和仿真结果的对比,证明了本公开示例性实施例提出的模型的可靠性和有效性,但目前所有的对比都是特例(所有参数都是根据17名志愿者的数据输入的)。为了进一步证明本公开示例性实施例所提模型的普适性,本公开示例性实施例将模型参数改为一般输入参数,并运行扭转社会力模型。结果用于验证扭转社会力模型能否真实有效地模拟行人的侧向行为。
1、参数校准
根据上述实际实验的结果,本公开示例性实施例可以分别得到表3中的参数设置并进行校准。表3示出了本公开示例性实施例提供的扭转社会力模型的参数设置。
表3 扭转社会力模型的参数设置
2、设置和模拟
为了验证扭转社会力模型的有效性,本公开示例性实施例在建立仿真环境时特意将三种情况的通道宽度分别选为L=0.3m、0.8m、1.4m和1.0m。
同时,本公开示例性实施例构建了相同的四个仿真环境,原始模型没有改变身体模型的底层属性,只是将身体模型改成了椭圆形,即身体参数按照表3设置,而原始模型中的所有行人都没有旋转行为。
原始模型和扭转社会力模型的具体设置如下:首先在速度为1m/s的两个场景中设置大量正常行人(原始模型的身体模型),用醒目的颜色标定两个被超越的行人(超越行人-行人的场景)或一个被超越的行人(超越行人-障碍物的场景)的二维身体模型,以便直观地观察仿真结果。然后,本公开示例性实施例在每个模拟场景中生成一男一女作为超越行人,并对每个性别的身体模型进行10次模拟。
因此,本公开示例性实施例选择了典型快照进行比较分析。
3、验证
根据扭转社会力模型的独立模拟结果,本公开示例性实施例可以看到,在将参数改为分布形式后,所有情况下的侧向行为都能得到有效模拟,并且没有出现死锁和不规则碰撞等异常情况。因此,本公开示例性实施例可以认为扭转社会力模型可以有效地模拟不同情况下的侧向行为。
在原始模型中,行人追上前方行人后,会出现跟随、反复碰撞和挤压的情况,最后陷入僵局。在扭转社会力模型中,当行人到达超越位置时,通过旋转行为合理实现超越行为。
另一方面,对比两个模型的仿真结果可以发现,原始模型的仿真结果存在很多问题,如不合理碰撞、重叠和死锁等,而本公开示例性实施例提出的扭转社会力模型都避免了这些问题。同时,两种模型的计算时间差异出现在模型构建过程中。具体来说,扭转社会力模型需要更长的时间来完成模型构建,但当仿真开始时,两种模型的计算时间基本相同。
总之,对比结果表明,本公开示例性实施例提出的扭转社会力模型具有通用性,可以有效模拟各种条件下的侧向行为。此外,结果还证明,在扭转社会力模型中加入侧向行为是必要且可行的。
上述主要对本公开实施例提供的方案进行了介绍。可以理解的是,为了实现上述功能,电子设备包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本公开能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
本公开实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本公开实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,本公开示例性实施例提供一种人流中的超越行为的仿真装置,该人流中的超越行为的仿真装置可以为电子设备或应用于电子设备的芯片。图7示出了本公开示例性实施例提供的人流中的超越行为的仿真装置的结构示意图。如图7所示,该装置700包括:
构建模块701,用于构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定所述目标行人的运动相关信息和所述目标障碍物的运动相关信息;
处理模块702,用于基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件;
所述构建模块701还用于构建基于侧身行为的扭转社会力模型;
仿真模块703,用于在所述侧身约束条件的约束下,利用所述扭转社会力模型对所述目标行人在所述目标区域的人流中的超越行为进行仿真,得到所述目标行人的目标行为轨迹。
在一些实施例中,所述运动相关信息包括身体旋转宽度和初始位置,所述侧身约束条件包括侧倾角约束;处理模块702还用于基于所述目标模型、所述非目标模型、所述目标行人的身体旋转宽度和所述目标障碍物的初始位置,计算所述侧倾角约束。
在一些实施例中,若所述目标障碍物的数量为两个,定义:
,
其中,d i(θ i)表示第i个行人即目标行人侧身后的身体旋转宽度,θ i表示第i个行人的旋转角度,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,a p表示第p个目标障碍物的椭圆模型的长半轴,b p表示第p个目标障碍物的椭圆模型的短半轴,a q表示第q个目标障碍物的椭圆模型的长半轴,b q表示第q个目标障碍物的椭圆模型的短半轴,D pq表示第p个目标障碍物和第q个目标障碍物之间的初始距离;
所述侧倾角约束的计算公式为:
,
假设,/>,且第i个行人与第p个目标障碍物和第q个目标障碍物之间的心理距离可以无限接近行人和障碍物之间的心理距离,即/>,则:
,
其中,θ imin表示第i个行人的最小旋转角度,表示第p个行人的初始位置,表示第q个行人的初始位置;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
,
其中,d表示第i个行人侧身后的身体旋转宽度,L表示目标区域的宽度;
以表示第p个目标障碍物的“中心点”在X轴方向上的投影线与第p个目标障碍物的交点,则:
,
其中,d max表示第i个行人侧身后的最大身体旋转宽度;
基于此,得到:
。
在一些实施例中,所述运动相关信息还包括期望速度和旋转角速度,所述侧身约束条件还包括侧身距离约束;处理模块702还用于基于所述目标行人的旋转角速度和所述侧倾角约束,计算所述目标行人的旋转时间;基于所述目标模型、所述非目标模型、所述目标行人的初始位置、期望速度和旋转时间,以及所述目标障碍物的初始位置和期望速度,计算所述侧身距离约束;
其中,若所述目标障碍物的数量为两个,所述侧身距离约束的计算公式为:
,
其中,表示第i个行人在旋转开始时刻与目标障碍物之间的距离,/>表示第i个行人的初始位置,/>表示第i个行人的期待速度,/>表示第p个目标障碍物的期待速度,/>表示第q个目标障碍物的期待速度,/>表示第i个行人的旋转时间,/>,/>表示实验测得的常数,用于表示第i个行人的旋转角速度;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
。
在一些实施例中,所述侧身约束条件还包括侧身时间约束;处理模块702还用于基于所述目标模型、所述非目标模型、所述目标行人的初始位置、期望速度和旋转时间,以及所述目标障碍物的初始位置和期望速度,计算所述侧身时间约束;
其中,若所述目标障碍物的数量为两个,所述侧身距离约束的计算公式为:
,
其中,表示第i个行人的旋转开始时刻,也即侧身时间;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
。
在一些实施例中,所述目标障碍物包括非目标行人和障碍物,构建模块701还用于获取与所述目标行人的侧向行为有关的侧向行为作用力,所述侧向行为作用力包括所述目标行人的驱动力、所述目标行人与非目标行人之间的相互作用力、所述目标行人与障碍物之间的相互作用力、所述目标行人与非目标行人之间的碰撞力、所述目标行人与障碍物之间的碰撞力和所述目标行人的侧身意愿;基于所述目标行人的驱动力、所述目标行人与非目标行人之间的相互作用力、所述目标行人与障碍物之间的相互作用力、所述目标行人与非目标行人之间的碰撞力、所述目标行人与障碍物之间的碰撞力和所述目标行人的侧身意愿,构建基于侧身行为的扭转社会力模型。
在一些实施例中,所述扭转社会力模型通过下述公式进行表示:
,
,
,
,
,
,
,
,
,
,
,
其中,表示第i个行人的质量,/>表示第i个行人的实际速度,v j表示第j个行人即非目标行人的实际速度,/>表示第i个行人的驱动力,/>表示第i个行人与第j个行人之间的相互作用力,/>表示第i个行人和障碍物之间的相互作用力,/>表示第i个行人与第j个行人之间的碰撞力,/>表示目标行人与障碍物之间的碰撞力,J表示除第i个行人之外的行人的总数量,W表示障碍物的总数量,/>表示第i个行人的侧身意愿,/>表示第i个行人的扭力,/>表示第i个行人的初始速度,/>表示第i个行人在t时刻指向期望目标的单位矢量,/>表示第i个行人在t时刻的期望速度,/>表示一定的特征时间,A i表示社会作用力的强度,B i表示社会作用力的范围,A i和B i均为常数,/>表示调整系数,r i表示第i个行人的半径,r ij表示第i个行人和第j个行人的半径和,d ij表示第i个行人和第j个行人的质心间距,d iw表示第i个行人和障碍物的质心间距,n ij表示第i个行人指向第j个行人的归一化矢量,n iw表示第i个行人指向障碍物的归一化矢量,k n表示身体压缩系数,k t表示滑动摩擦系数,t ij表示第i个行人和第j个行人的切线方向,t iw表示第i个行人和障碍物的切线方向,表示第i个行人和第j个行人或障碍物互不接触,/>表示碰撞力的强度,/>表示碰撞力的范围,/>和/>均为常数,/>表示第i个行人在t时刻的加速度,t ir表示第i个行人的旋转时间,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,/>表示第i个行人在t时刻的位置,/>表示第i个行人在初始时刻的初始位置。
本公开实施例还提供一种电子设备,包括:至少一个处理器;用于存储至少一个处理器可执行指令的存储器;其中,至少一个处理器用于执行指令,以实现本公开实施例公开的上述方法的步骤。
图8示出了本公开示例性实施例提供的电子设备的结构示意图。如图8所示,该电子设备800包括至少一个处理器801以及耦接至处理器801的存储器802,该处理器801可以执行本公开实施例公开的上述方法中的相应步骤。
上述处理器801还可以称为中央处理单元(Central Processing Unit,CPU),其可以是一种集成电路芯片,具有信号的处理能力。本公开实施例公开的上述方法中的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(Digital Signal Processing,DSP)、ASIC、现成可编程门阵列(Field-programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储器802中,例如随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。处理器801读取存储器802中的信息,结合其硬件完成上述方法的步骤。
另外,根据本公开的各种操作/处理在通过软件和/或固件实现的情况下,可从存储介质或网络向具有专用硬件结构的计算机系统,例如,图9所示的计算机系统900安装构成该软件的程序,该计算机系统在安装有各种程序时,能够执行各种功能,包括诸如前文所述的功能等等。图9示出了本公开示例性实施例提供的计算机系统的结构示意图。
计算机系统900旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,计算机系统900包括计算单元901,该计算单元901可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机存取存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储计算机系统900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
计算机系统900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向计算机系统900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许计算机系统900通过网络诸如因特网的与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如,蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理。例如,在一些实施例中,本公开实施例公开的上述方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如,存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备上。在一些实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行本公开实施例公开的上述方法。
本公开实施例还提供一种计算机可读存储介质,其中,当计算机可读存储介质中的指令由电子设备的处理器执行时,使得该电子设备能够执行本公开实施例公开的上述方法。
本公开实施例中的计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。上述计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。更具体的,上述计算机可读存储介质可以包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
本公开实施例还提供一种计算机程序产品,包括计算机程序,其中,该计算机程序被处理器执行时实现本公开实施例公开的上述方法。
在本公开的实施例中,可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络(包括局域网(LAN)或广域网(WAN))连接到用户计算机,或者,可以连接到外部计算机。
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模块、部件或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,模块、部件或单元的名称在某种情况下并不构成对该模块、部件或单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示例性的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (6)
1.一种人流中的超越行为的仿真方法,其特征在于,包括:
构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定所述目标行人的运动相关信息和所述目标障碍物的运动相关信息;
基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件;
构建基于侧身行为的扭转社会力模型;
在所述侧身约束条件的约束下,利用所述扭转社会力模型对所述目标行人在所述目标区域的人流中的超越行为进行仿真,得到所述目标行人的目标行为轨迹;
所述运动相关信息包括身体旋转宽度和初始位置,所述侧身约束条件包括侧倾角约束;所述基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件,包括:
基于所述目标模型、所述非目标模型、所述目标行人的身体旋转宽度和所述目标障碍物的初始位置,计算所述侧倾角约束;
若所述目标障碍物的数量为两个,定义:
,
其中,d i(θ i)表示第i个行人即目标行人侧身后的身体旋转宽度,θ i表示第i个行人的旋转角度,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,a p表示第p个目标障碍物的椭圆模型的长半轴,b p表示第p个目标障碍物的椭圆模型的短半轴,a q表示第q个目标障碍物的椭圆模型的长半轴,b q表示第q个目标障碍物的椭圆模型的短半轴,D pq表示第p个目标障碍物和第q个目标障碍物之间的初始距离;
所述侧倾角约束的计算公式为:
,
假设,/>,且第i个行人与第p个目标障碍物和第q个目标障碍物之间的心理距离无限接近行人和障碍物之间的心理距离,即/>,则:
,
其中,θ imin表示第i个行人的最小旋转角度,表示第p个目标障碍物的初始位置,表示第q个目标障碍物的初始位置;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
,
其中,d表示第i个行人侧身后的身体旋转宽度,L表示目标区域的宽度;
以表示第p个目标障碍物的“中心点”在X轴方向上的投影线与第p个目标障碍物的交点,则:
,
其中,d max表示第i个行人侧身后的最大身体旋转宽度;
基于此,得到:
;
所述运动相关信息还包括期望速度和旋转角速度,所述侧身约束条件还包括侧身距离约束;所述基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件,还包括:
基于所述目标行人的旋转角速度和所述侧倾角约束,计算所述目标行人的旋转时间;
基于所述目标模型、所述非目标模型、所述目标行人的初始位置、期望速度和旋转时间,以及所述目标障碍物的初始位置和期望速度,计算所述侧身距离约束;
其中,若所述目标障碍物的数量为两个,所述侧身距离约束的计算公式为:
,
其中,表示第i个行人在旋转开始时刻与目标障碍物之间的距离,/>表示第i个行人的初始位置,/>表示第i个行人的期待速度,/>表示第p个目标障碍物的期待速度,表示第q个目标障碍物的期待速度,/>表示第i个行人的旋转时间,/>,/>表示实验测得的常数,用于表示第i个行人的旋转角速度;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
;
所述侧身约束条件还包括侧身时间约束;所述基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件,还包括:
基于所述目标模型、所述非目标模型、所述目标行人的初始位置、期望速度和旋转时间,以及所述目标障碍物的初始位置和期望速度,计算所述侧身时间约束;
其中,若所述目标障碍物的数量为两个,所述侧身距离约束的计算公式为:
,
其中,表示第i个行人的旋转开始时刻,也即侧身时间;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
。
2.根据权利要求1所述的方法,其特征在于,所述目标障碍物包括非目标行人和障碍物,所述构建基于侧身行为的扭转社会力模型,包括:
获取与所述目标行人的侧向行为有关的侧向行为作用力,所述侧向行为作用力包括所述目标行人的驱动力、所述目标行人与非目标行人之间的相互作用力、所述目标行人与障碍物之间的相互作用力、所述目标行人与非目标行人之间的碰撞力、所述目标行人与障碍物之间的碰撞力和所述目标行人的侧身意愿;
基于所述目标行人的驱动力、所述目标行人与非目标行人之间的相互作用力、所述目标行人与障碍物之间的相互作用力、所述目标行人与非目标行人之间的碰撞力、所述目标行人与障碍物之间的碰撞力和所述目标行人的侧身意愿,构建基于侧身行为的扭转社会力模型。
3.根据权利要求2所述的方法,其特征在于,所述扭转社会力模型通过下述公式进行表示:
,
,
,
,
,
,
,
,
,
,
,
其中,表示第i个行人的质量,/>表示第i个行人的实际速度,v j表示第j个行人即非目标行人的实际速度,/>表示第i个行人的驱动力,/>表示第i个行人与第j个行人之间的相互作用力,/>表示第i个行人和障碍物之间的相互作用力,/>表示第i个行人与第j个行人之间的碰撞力,/>表示目标行人与障碍物之间的碰撞力,J表示除第i个行人之外的行人的总数量,W表示障碍物的总数量,/>表示第i个行人的侧身意愿,/>表示第i个行人的扭力,表示第i个行人的初始速度,/>表示第i个行人在t时刻指向期望目标的单位矢量,表示第i个行人在t时刻的期望速度,/>表示一定的特征时间,A i表示社会作用力的强度,B i表示社会作用力的范围,A i和B i均为常数,/>表示调整系数,r i表示第i个行人的半径,r ij表示第i个行人和第j个行人的半径和,d ij表示第i个行人和第j个行人的质心间距,d iw表示第i个行人和障碍物的质心间距,n ij表示第i个行人指向第j个行人的归一化矢量,n iw表示第i个行人指向障碍物的归一化矢量,k n表示身体压缩系数,k t表示滑动摩擦系数,t ij表示第i个行人和第j个行人的切线方向,t iw表示第i个行人和障碍物的切线方向,表示第i个行人和第j个行人或障碍物互不接触,/>表示碰撞力的强度,/>表示碰撞力的范围,/>和/>均为常数,/>表示第i个行人在t时刻的加速度,t ir表示第i个行人的旋转时间,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,/>表示第i个行人在t时刻的位置,/>表示第i个行人在初始时刻的初始位置。
4.一种人流中的超越行为的仿真装置,其特征在于,包括:
构建模块,用于构建目标区域内目标行人的目标模型和目标障碍物的非目标模型,并分别确定所述目标行人的运动相关信息和所述目标障碍物的运动相关信息;
处理模块,用于基于所述目标模型、所述非目标模型、所述目标行人的运动相关信息和所述目标障碍物的运动相关信息,确定所述目标行人在所述目标区域的人流中的超越行为的侧身约束条件;
所述构建模块还用于构建基于侧身行为的扭转社会力模型;
仿真模块,用于在所述侧身约束条件的约束下,利用所述扭转社会力模型对所述目标行人在所述目标区域的人流中的超越行为进行仿真,得到所述目标行人的目标行为轨迹;
所述运动相关信息包括身体旋转宽度和初始位置,所述侧身约束条件包括侧倾角约束;所述处理模块还用于基于所述目标模型、所述非目标模型、所述目标行人的身体旋转宽度和所述目标障碍物的初始位置,计算所述侧倾角约束;
若所述目标障碍物的数量为两个,定义:
,
其中,d i(θ i)表示第i个行人即目标行人侧身后的身体旋转宽度,θ i表示第i个行人的旋转角度,a i表示第i个行人的椭圆模型的长半轴,b i表示第i个行人的椭圆模型的短半轴,a p表示第p个目标障碍物的椭圆模型的长半轴,b p表示第p个目标障碍物的椭圆模型的短半轴,a q表示第q个目标障碍物的椭圆模型的长半轴,b q表示第q个目标障碍物的椭圆模型的短半轴,D pq表示第p个目标障碍物和第q个目标障碍物之间的初始距离;
所述侧倾角约束的计算公式为:
,
假设,/>,且第i个行人与第p个目标障碍物和第q个目标障碍物之间的心理距离无限接近行人和障碍物之间的心理距离,即/>,则:
,
其中,θ imin表示第i个行人的最小旋转角度,表示第p个目标障碍物的初始位置,表示第q个目标障碍物的初始位置;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
,
其中,d表示第i个行人侧身后的身体旋转宽度,L表示目标区域的宽度;
以表示第p个目标障碍物的“中心点”在X轴方向上的投影线与第p个目标障碍物的交点,则:
,
其中,d max表示第i个行人侧身后的最大身体旋转宽度;
基于此,得到:
;
所述运动相关信息还包括期望速度和旋转角速度,所述侧身约束条件还包括侧身距离约束;所述处理模块还用于基于所述目标行人的旋转角速度和所述侧倾角约束,计算所述目标行人的旋转时间;基于所述目标模型、所述非目标模型、所述目标行人的初始位置、期望速度和旋转时间,以及所述目标障碍物的初始位置和期望速度,计算所述侧身距离约束;
其中,若所述目标障碍物的数量为两个,所述侧身距离约束的计算公式为:
,
其中,表示第i个行人在旋转开始时刻与目标障碍物之间的距离,/>表示第i个行人的初始位置,/>表示第i个行人的期待速度,/>表示第p个目标障碍物的期待速度,表示第q个目标障碍物的期待速度,/>表示第i个行人的旋转时间,/>,/>表示实验测得的常数,用于表示第i个行人的旋转角速度;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
;
所述侧身约束条件还包括侧身时间约束;所述处理模块还用于基于所述目标模型、所述非目标模型、所述目标行人的初始位置、期望速度和旋转时间,以及所述目标障碍物的初始位置和期望速度,计算所述侧身时间约束;
其中,若所述目标障碍物的数量为两个,所述侧身距离约束的计算公式为:
,
其中,表示第i个行人的旋转开始时刻,也即侧身时间;
若所述目标障碍物的数量为一个,所述侧倾角约束的计算公式为:
。
5.一种电子设备,其特征在于,包括:
至少一个处理器;
用于存储所述至少一个处理器可执行指令的存储器;
其中,所述至少一个处理器用于执行所述指令,以实现如权利要求1~3中任一项所述的方法的步骤。
6.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1~3中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396738.8A CN117993227B (zh) | 2024-04-03 | 2024-04-03 | 人流中的超越行为的仿真方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410396738.8A CN117993227B (zh) | 2024-04-03 | 2024-04-03 | 人流中的超越行为的仿真方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117993227A CN117993227A (zh) | 2024-05-07 |
CN117993227B true CN117993227B (zh) | 2024-06-18 |
Family
ID=90887746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410396738.8A Active CN117993227B (zh) | 2024-04-03 | 2024-04-03 | 人流中的超越行为的仿真方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117993227B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480320B (zh) * | 2017-06-20 | 2020-09-29 | 山东师范大学 | 一种基于拓扑地图与视觉影响的人群疏散仿真方法及系统 |
CN111694287B (zh) * | 2020-05-14 | 2023-06-23 | 阿波罗智能技术(北京)有限公司 | 无人驾驶仿真场景中的障碍物模拟方法和装置 |
CN113618742B (zh) * | 2021-08-24 | 2022-07-29 | 深圳市优必选科技股份有限公司 | 一种机器人避障方法、装置和机器人 |
CN114812564B (zh) * | 2022-06-22 | 2022-09-20 | 北京航空航天大学杭州创新研究院 | 基于城市动态时空风险分析的多目标无人机路径规划方法 |
-
2024
- 2024-04-03 CN CN202410396738.8A patent/CN117993227B/zh active Active
Non-Patent Citations (2)
Title |
---|
多障碍物场景中的行人运动模型;张发等;系统工程理论与实践;20180625;第38卷(第06期);第1599-1608页 * |
考虑视域影响的疏散行为建模及双向行人流仿真;何大治等;浙江大学学报(工学版);20201231;第54卷(第06期);第1185-1193页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117993227A (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102292277B1 (ko) | 자율 주행 차량에서 3d cnn 네트워크를 사용하여 솔루션을 추론하는 lidar 위치 추정 | |
KR102335389B1 (ko) | 자율 주행 차량의 lidar 위치 추정을 위한 심층 학습 기반 특징 추출 | |
JP6689972B2 (ja) | 深層学習に基づくナンバープレート分類方法、システム、電子装置及び記憶媒体 | |
JP7256758B2 (ja) | 自動運転車両においてrnnとlstmを用いて時間平滑化を行うlidar測位 | |
Lee et al. | Crowd simulation by deep reinforcement learning | |
JP6159489B2 (ja) | 顔認証方法およびシステム | |
WO2022022274A1 (zh) | 一种模型训练方法及装置 | |
US20210148727A1 (en) | Simulating diverse long-term future trajectories in road scenes | |
EP4075324A1 (en) | Face recognition method and face recognition device | |
CN112805730A (zh) | 一种轨迹预测方法及相关设备 | |
Zhao et al. | Recognition of driving postures by multiwavelet transform and multilayer perceptron classifier | |
US10909842B2 (en) | Use of self-driving vehicles and mapping for pedestrian defined crosswalks | |
WO2022179581A1 (zh) | 一种图像处理方法及相关设备 | |
Yang et al. | Smart traffic navigation system for fault-tolerant edge computing of internet of vehicle in intelligent transportation gateway | |
WO2021164751A1 (zh) | 一种感知网络结构搜索方法及其装置 | |
WO2022078077A1 (zh) | 驾驶风险的预警方法、装置、计算设备及存储介质 | |
CN111731326A (zh) | 避障策略确定方法、装置及存储介质 | |
CN107423480A (zh) | 一种人群运动仿真方法及系统 | |
Yu et al. | Hybrid attention-oriented experience replay for deep reinforcement learning and its application to a multi-robot cooperative hunting problem | |
Kremer et al. | Modelling distracted agents in crowd simulations | |
CN117993227B (zh) | 人流中的超越行为的仿真方法和装置 | |
Yu et al. | Towards lifelong federated learning in autonomous mobile robots with continuous sim-to-real transfer | |
CN117993225B (zh) | 狭窄区域的穿越行为的仿真方法和装置 | |
CN114140841A (zh) | 点云数据的处理方法、神经网络的训练方法以及相关设备 | |
CN117993226B (zh) | 逆流中的避让行为的仿真方法和装置 |
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 |