基于网格智能体的人群行为模拟方法与流程

文档序号:11143502阅读:421来源:国知局
基于网格智能体的人群行为模拟方法与制造工艺
本发明属于人群行为模拟
技术领域
,具体来说涉及一种基于网格智能体的人群行为模拟方法。
背景技术
:人群行为模拟就是研究人群在各种情景中的行为特征与规律,建立人群行为的模拟模型,并在虚拟环境中逼真地展示人群行为模拟过程。随着计算机仿真技术的发展,尤其是数字化人体行为模拟技术迅速发展,虚拟环境中的人群行为模拟技术开始成为虚拟现实技术的一个重要研究热点。人群行为模拟技术不仅在建筑物设计、现代影视娱乐媒体、计算机游戏、国防研究等领域有广泛的应用,同时在紧急情况下的人群疏散模拟、军事训练模拟、体育系统仿真、城市突发社会事件模拟分析、大型公共场所安全设计以及研究虚拟城市等其他复杂社会学问题领域也具有广泛的应用。随着定位技术的发展及地理空间信息应用的深入,人群行为的模拟与分析也已经引发地理信息科学(GIS)的关注。但传统GIS在研究人群行为建模时,常将个体因素进行平均,如采用区域内人口密度或人口构成参与地理计算与分析。此方法消除了考虑个体差异而产生的建模复杂度,在一定程度上是可行的,也是有效的,特别是面向大区域或全球性问题时。但在面向微观或者中观空间层次的人群建模时,如微观城市交通、应急疏散、传染病空间传播等地理事件或应用时,个体差异及行为变化将对计算结果产生重要的影响。在此背景下,如何结合GIS对由微观个体构成的人群行为进行模拟与分析,具有重要研究意义。人群行为模拟计算结果具有可信度的唯一保证是对涉及的“人”、,“地”及二者的相互作用进行真实表达与建模。“人”的行为建模一直是许多社会学、计算机等领域所关注的热点,在众多模型中,元胞自动机(CellularAutomaton,CA)和多智能体(Multi-AgentSystem,MAS)是当前常用的两种方式。基于元胞的空间划分,CA常使用较单一的规则函数对人群行为进行模拟。由于转换规则简单,CA已经广泛应用于人群模拟建模中。基于空间环境中具备环境感知与自主决策的智能体(Agent),MAS可通过地理环境的感知机制、空间推理机制、Agent间协作机制等对人群行为进行模拟。与CA比较,Agent可表达更多和更为复杂的行为,同时还可通过与其他Agent相互作用来表达聚合、分离等复杂人群行为。虽然社会学等领域对“人”的行为建模已有较多研究,但对“人”发生行为的“地”的建模研究相对较少。人群模拟系统,如EXODUS、Simulex、Swarm等,多采用正方形格网(cell)对空间环境进行描述。格网仅能对单一地物属性进行描述,不能表达地物对象(如道路、房间等)的整体语义特征。在应用于人群行为建模时,空间表达与组织方法的简单性,使个体仅能对相邻网格的环境信息进行感知,而难以对地物对象的语义特征(如建筑物出口的宽度、房间的大小、道路的长度等)及地物对象间的空间关系(如拓扑关系、方位关系等)进行感知。在此背景下,本发明将结合GIS空间建模方法构建了基于网格智能体的人群行为模型,以此提高GIS对人群行为模拟与分析能力,同时借助于对“地”的建模来提高人群行为建模的精度,提高人群行为模拟的仿真度和有效性。技术实现要素:发明的目的在于克服现有技术的不足,提供一种基于网格智能体的人群行为模拟方法。发明是通过以下技术方案实现的:一种基于网格智能体的人群行为模拟方法包括以下步骤:步骤一:网格数据处理;网格数据处理的主要功能是为人群模拟提供基于网格的空间信息;网格数据处理的输入数据为三维模型数据(3ds或obj格式)和地物对象拓扑关系,输出数据为网格对象信息。网格数据处理包含3个子步骤:1,网格对象的定义;2,边界网格的搜索与设定;3,定义网格对象的拓扑连接关系;1,网格对象的定义:在输入三维模型数据的基础上,实现网格对象几何信息和属性信息的设置的具体流程为:(1)首先获取地物对象对应的网格单元。首先采用保守体素化(Conservativevoxelization)算法,生成地物对象所对应的体素(Voxel)集合,进而将水平方向占据空间相同且垂直方向相邻的Voxel进行合并后,获取Voxel最高或者最低的几何表面(UpperSurface),即为网格对象的网格几何信息;对于不能通行区域(如室内柱子、室外道路红绿灯等)取voxel最高几何表面,网格几何取Voxel最低几何表面;Voxel集合对应的高度也可作为网格的属性进行存储;(2)通过对话框交互式或者配置文件对网格对象的属性,如名称等进行赋值;2,边界网格的搜索与设定:地物对象的网格化处理完毕后,对基于网格对象的遍历,计算边界网格,并将其临接或者属于的网格对象信息存储于网格内;3,定义网格对象的拓扑连接关系:以网格对象为结点,网格对象的连接关系为弧段,完成网格对象网络的构建,并实现弧段通行状态及距离权重的设置;基于步骤一的计算,可得到网格对象信息的集合,其中每个网格对象将主要包含:每个网格将主要包含:数据内容说明ID网格的标识符,具有唯一性,由GRIDobject[]网格对象数组信息X网格行号Y网格列号Z网格高程值Prop[]网格的其它属性值步骤二:人群行为计算;人群行为计算的主要功能是提供以个体为单位的人群行为计算,其输入数据为人群行为参数以及步骤一得到的网格对象信息,输出数据为人群行为信息。人群行为计算包含两个子步骤:1,设置人群行为参数;2,计算人群行为轨迹;基于步骤二的计算,人群行为计算的数据输出内容为人群行为信息(即人群个体的运动轨迹信息),其内容将主要包含:Pos将包含:数据内容说明T时间X网格IDY网格对象的ID步骤三:人群模拟可视化;本步骤的主要功能是为实现地理间环境及人行为的可视化,其输入数据为步骤二得到的人群行为信息(即人群个体的运动轨迹信息);在三维渲染引擎OpenSceneGraph(OSG)基础上,本步骤主要包含以下子步骤:1,人群模拟数据的加载;2,地理空间环境的可视化,3,人群行为的可视化;1,人群模拟数据的加载加载的数据主要包含两类:地理空间数据和人群行为信息;地理空间数据的格式为OSG可读的.ive,其数据源是与网格数据来源相同,皆为三维模型数据(格式为3dsmax的*.max),并采用数据转换工具OSGExp,实现模型数据纹理、几何等信息的导入;人群行为信息为人群行为计算子系统的结果;2,地理空间环境的可视化以OSG场景管理为基础,结合加载的地理空间数据,实现空间场景的放大,缩小、漫游等功能;3,人群行为的可视化人群行为可视化的重点是个体模型的表达方法。本发明个体模型表达则是通过其年龄、性别属性,通过加载不同的三维模型进渲染。个体的运动形态则通过对不同时刻的人群行为位置信息的调用来实现。发明的优点和有益效果为:本发明的优势在于它与GIS中的空间数据模型相糅合的,具备了对复杂地理环境建模的潜质。因此与常规MAS建模相比,个体具备了对地理空间对象及对象间空间关系的感知能力,提高了人群行为模拟的仿真度和有效性,也为人群模拟与复杂地理空间建模集成奠定了基础。且由于模型基本单元采用了类似CA元胞的网格,与常规的CA模型相比,基于网格智能体人群行为建模在个体运动行为的真实性、个体间的相互作用及个体与空间环境集成分析与表达方面都有了一定的改进和提高。在网格智能体模型基础之上,本发明对人群模拟系统的构建、人群行为模拟案例进行了详细阐述,为其它人群行为模拟提供了参考。附图说明图1是本发明基于网格智能体的人群行为模拟方法的步骤流程图。图2是基于网格对象的空间环境建模。图(a)是有房间(NodeS)、墙(NodeL1和NodeL3)、出口(NodeL2和NodeL4).图上的数值是nodeL4和nodeS的距离权重;图(b)是空间环境对应的网格对象网络图。图3是案例1空间场景及相应的网络图,图(a)是案例1的三维模型;图(b)是案例区场景对应的网络图。其中弧段颜色代表了对象间的连接状态。图4是案例1多层建筑物内(常态环境)人群行为模拟。图5是案例1多层建筑物(突发事件环境)内人群行为模拟。图中上部区域为突发事件的扩散。图6是案例2空间场景及相应的网络图,图(a)是案例2的三维模型;图(b)是案例区场景对应的网络图。其中弧段颜色代表了对象间的连接状态。图7是案例1室外道路场景中人群行为模拟,图(a)和图(b)相差时间为5s。具体实施方式下面结合具体实施例进一步说明发明的技术方案。基于网格智能体的人群行为模拟方法:步骤一:网格数据处理;网格可定义为:与空间位置对应的,可表达语义信息,具有固定规则大小的2.5D栅格单元。从数学表达上,网格Grid可表达为Grid=(Gg,Gp)其中Gg为网格的几何描述,Gp为网格的属性列表。在网格智能体模型中,网格将作为“人”、“地”关联的基本空间单元,即在网格的基础上对空间位置、地物对象及地物对象间关系进行描述;而个体在某时刻所占据的空间区域是单个或者数个网格,个体对地物感知也将基于网格进行定义。基于个体占据的网格及个体身高参数,个体可表达为三维空间内的一个长方体。结合GIS地理空间环境表达及面向对象数据模型的特点,人群行为模拟中“地”的地理实体可在网格基础上进行对象的封装,采用点、线、面的网格对象进行建模。网格对象可认为是具有相同语义,且空间相邻的网格的组合。其中点网格对象是由单个网格构成的二维空间对象。点网格对象可用于表达单个独立地物,也可用于表达个体某时刻的空间位置;线网格对象是三维空间对象,是由空间内多个相互邻接且任一网格邻接其它网格数小于2的网格集合。线网格对象可以表达线性地物对象如建筑物出口,也可表达个体线性运动轨迹等;面网格对象是指三维空间中的面状地物,它是微观环境中人群行为模拟时最为常见的空间形态。如建筑物内的房间、室外的广场都可表达为面网格对象。基于网格对象,空间表达的单元可为具体的空间目标,易于人群行为空间中地理实体的表达、存储、空间关系的计算与分析。在网格对象基础上,可进一步结合对象间的空间关系,以网络图等方式构建网格对象间的拓扑连接关系图。通过此方式,个体对地物的感知单元,可由网格、网格对象跃升至整个空间环境,从而初步具备对空间进行认知的能力。此外,个体行为建模如寻径行为等,其计算单元也可从以网格突破为具有特定空间语义的网格对象,其计算更为方便,计算结果也更为可信。网格数据处理的主要功能是为人群模拟提供基于网格的空间信息。网格数据处理的输入数据为三维模型数据(3ds或obj格式)和地物对象拓扑关系,输出数据为网格对象信息。具体来讲,网格数据处理包含3个子步骤:1,网格对象的定义;2,边界网格的搜索与设定;3,定义网格对象的拓扑连接关系。1,网格对象的定义:在输入三维模型数据的基础上,实现网格对象几何信息和属性信息的设置的具体流程为:(1)首先获取地物对象对应的网格单元。首先采用保守体素化(Conservativevoxelization)算法,生成地物对象所对应的体素(Voxel)集合。进而将水平方向占据空间相同且垂直方向相邻的Voxel进行合并后,获取Voxel最高或者最低的几何表面(UpperSurface),即为网格对象的网格几何信息。对于不能通行区域(如室内柱子、室外道路红绿灯等)取voxel最高几何表面,网格几何取Voxel最低几何表面。Voxel集合对应的高度也可作为网格的属性进行存储;(2)通过对话框交互式或者配置文件对网格对象的属性,如名称等进行赋值。2,边界网格的搜索与设定:边界网格是指下列两类网格:(1)几何空间上属于多个网格对象的网格;(2)属于网格对象M中的网格,但又与网格对象N中的网格空间相邻。边界网格在个体行为计算中非常重要,它是个体从一个网格对象进入另一个网格对象的过渡区,个体进入边界网格后,其行为可能会发生改变。如个体由人行道边界网格进行人行横道时,由于受信号灯的影响,个体行为状态可能由运动变为原地等待。因此,地物对象的网格化处理完毕后,对基于网格对象的遍历,计算边界网格,并将其临接或者属于的网格对象信息存储于网格内。3,定义网格对象的拓扑连接关系:在网格对象基础上,可进一步结合对象间的空间关系,以网络图等方式构建网格对象间的拓扑连接关系图。通过此方式,个体对地物的感知单元,可由网格、网格对象跃升至整个空间环境,从而初步具备对空间进行认知的能力。此外,个体行为建模如寻径行为等,其计算单元也可从以网格突破为具有特定空间语义的网格对象,其计算更为方便,计算结果也更为可信。基于网络图,本发明以网格对象为结点,网格对象的连接关系为弧段,完成网格对象网络的构建,并实现弧段通行状态及距离权重的设置。根据网格对象语义及连接关系,弧段通行状态将分为三类:可通行,即可从一个网格对象直接进行另一个网格对象;禁止通行,即网格对象间禁止跨越;条件通行,即网格对象间通行存在一定的规则。规则可描述为“IF-THEN”语句的组合。如网格对象规则受制于信号灯,则可表述为:IfT.state=Redthenlinkij=”Forbidden”;IfT.state=”Green”thenlinkij=”Allow”;IfT.state=”Yellow”thenlinkij=”Forbidden”;其中T是信号灯,T.state是信号灯的状态,linkij是网格对象间的连接规则,forbidden、allow分别表示禁止通行和可通行。由于网络图结点基于网格进行表达,而经过不同网格所需的距离是不同的。因此网格对象网络的弧段所对应的距离权重是一个区间。为提升个体行为计算的效率。距离权重可在路径搜索前进行预计算,并作为弧段属性进行存储。对可通行的弧段,以网格为单元计算结点间的空间距离,将其作为弧段的距离权重。结点A与结点B空间距离计算为从结点A中任一个网格与B内网格单元的最短距离(图1),计算时设定在水平和垂直方向上相邻网格距离为1,对角线方向上相邻网格距离为1.5。本发明网络对象网络的建模与GIS中常规道路网络建模存在以下不同:(1)结点与弧段的定义不同。本发明网络中每个结点都是一个具有具体语义的网格对象,弧段仅表示网格对象间的连接关系。而GIS常规道路网络图则常以道路路段为弧段,以弧段间的连接为结点;(2)结点与弧段空间表达不同。常规GIS道路网络中,弧段和结点都以矢量的线和点进行表达,而本发明路径网络中结点都是网格对象;(3)弧段的距离权重定义不同。由于采用网格进行结点和弧段的表达,本发明路径网络中弧段距离权重值将是一个集合。基于步骤一的计算,可得到网格对象信息的集合,其中每个网格对象将主要包含:每个网格将主要包含:数据内容说明ID网格的标识符,具有唯一性,由GRIDobject[]网格对象数组信息X网格行号Y网格列号Z网格高程值Prop[]网格的其它属性值步骤二:人群行为计算;人群行为计算的主要功能是提供以个体为单位的人群行为计算,其输入数据为人群行为参数以及步骤一得到的网格对象信息,输出数据为人群行为信息。结合“人”与“地”建模的需求,“人”的建模将以个体为基本单元,并结合多智能体模型,对个体进行封装。在网格智能体模型中,个体的建模将包含三部分:个体属性、环境信息感知方法及个体行为规则。个体属性是封装在智能体内的个体自身特征,它包含了个体的空间位置、物理属性和行为属性。其中个体物理属性是从外观或者物理参数上区别于其它个体的属性集合,包含年龄、性别、体重、尺寸、位置、运动速度等参数;个体行为属性是个体行为状态集合及个体行为参数,通常包含个体在模拟场景内可能的行为集合(如等待、行走、快步走等)、个体的起始位置点、目标位置点及对空间场景内特定事件的响应时间、空间环境的熟悉度等。与一般的智能体模型不同,网格智能体模型中个体属性是基于网格的,即某个时刻个体所在的位置是某个特定的网格,并可通过其位置获取所在空间的非几何属性、所在地物对象的属性及相邻接的地物对象等。网格智能体模型对个体的运动物理参数也进行扩展与限制:个体的运动速度将被限制为最小网格尺寸的倍数值。即离散时间段内个体运动区域只能是整数倍的网格。由于个体属性的网格化,参数的离散化,使模拟时间的划分必须采取同样的方法进行离散化处理。即基于网格智能体模型的人群模拟的时间是离散划分的,而非连续的。环境信息感知是个体对周围环境或物体的观察与语义获取的过程。环境信息感知可分为静态物体感知和动态物体感知两类。静态物体的感知主要是基于个体所在的网格,计算目标物与个体的三维距离,评测其是否可被感知。人群行为模拟中动态物体常包含两类:一类是火灾、生物恐怖袭击等突发事件,它对环境造成的影响,可通过计算不同时刻危险区域所占据的网格及危险参数,基于面网格对象进行表达。当个体感知到危险区域时,将基于个体行为规则,对事件进行响应;另一类是场景中移动的其它个体。由于个体处于不断运动中,且运动速度的大小、方向都不同,因此其它个体的感知计算,需考虑个体的运动物理参数进行计算。网格智能体模型中环境信息的感知,个体可感知的范围是网格数的整数倍。个体行为规则是个体活动的准则。个体行为类型多种多样,有跟随行为、避障行为、聚集行为等。个体行为的多样性,使其需分析模拟的需求及不同场景中不同个体的行为特征,建立个体多样性行为规则,才能为高仿真度的人群行为模拟提供基础。网格智能体模型中“地”的建模采用了网格、网格对象、网格对象网络三个层次进行,相应的,网格智能体模型中个体行为规则的建模也可基于这三个层次制定,即基于网格智能体模型的个体行为规则可有多层次特征,这也与个体行为心理具有一定的对应性。网格智能体模型是“人”、“地”建模的集成,即在网格智能体模型中(1)“地”的模型由网格、网格对象及网格对象网络进行“场-对象-网络”的三个层次建模;(2)“人”是由个体为单元进行表达,并结合智能体进行建模;(3)“人”与“地”之间存在交互。网格智能体模型GA的数学表达式为:GA=f(GeoFeatures,Agents)其中GeoFeatures是对“地”的描述;Agents是对“人”描述;而函数f则是“人”与“地”间的交互感知,它包含两种:“地”对“人”的感知、“人”对“地”的感知。Agen对GeoFeatures感知即可通过主动的环境感知来实现,也可以被动接收“地”的属性改变而触发的消息。主动获取要素属性,即基于当前个体所在空间位置进行所在网格、网格对象属性的查看,也可基于空间分析,如通过缓冲区分析获取其周围的网格或网格对象的信息。被动的信息接收,是通过定义事件触发的属性字段而实现的。当定义的属性字段属性发生改变时,首先对属性改变区域的位置进行计算,然后基于空间位置计算受影响的人群,并对特定的人群发射消息。GeoFeatures对Agents的感知,则主要通过主动的空间分析计算来完成,基于GeoFeatures的空间位置,与某特定时刻或某个时间段内Agents的位置进行空间求交运算,如果二者非空,则GeoFeatures可感知到此Agents。人群行为计算包含两个子步骤:1,设置人群行为参数;2,计算人群行为轨迹。1,设置人群行为参数主要是通过对话框和配置文件实现对个体的性别、年龄及行为状态、环境感知方法进行设置。为简化计算,本发明将个体环境信息感知的范围设置为整个场景,即个体可以感知场景内所有个体及空间地物。2,计算人群行为轨迹人群行为类型多种多样,有跟随行为、避障行为、聚集行为等。人群行为的多样性,使其在基于网格智能体模型进行人群模拟时,需分析不同场景中不同个体的行为状态,建立个体行为规则与行为模型,才能为高仿真度的人群行为模拟提供基础。本发明以人群最为常见的行为-目标驱动性行为(即个体运动目标已经确定且不会随环境而改变)为例,对人群运动所经过的轨迹进行了计算。在行为建模方法上,本发明中对人群行为描述为“IF-THEN”语句的组合。本子系统将个体运动状态分为两种:行走、等待。如个体i行进过程中,面对信号灯T的状态(State)行为(Pi)可以描述为:IfT.state=RedthenPi=”Wait”;IfT.state=”Green”thenPi=”Walk”;IfT.state=”Yellow”thenPi=”Wait”;其中Wait、Walk分别表示等待和运动。对个体目标驱动性行为进行多层次分析,个体活动目标确定后,人群行为建模需解决两个基本问题:一是如何到达活动目标,也就是基于个体的经验或喜好等对其活动的路线进行选取,即个体寻径行为如何建模;二是个体在确定好基本行进路线运动过程中,基于个体环境感知,个体间及个体与环境间如何进行交互,继而确定个体移动方向,即个体运动行为如何建模。即基于网格的人群行为的空间划分,个体目标驱动性行为模型计算可分为两个步骤:首先在网格对象网络层次,基于网格对象间的连接关系对个体行为进行计算,求解结果是个体活动所经过的网格对象集合;进而以网格对象集合为基础,对每个网格对象内个体运动行为进行计算,求解结果是个体所经过的网格集合。设定当前个体所在的网格对象为T,个体寻径行为模型计算结果为网格对象集合N。在网格对象网络基础上,个体寻径行为算法主要步骤为:(1)基于给定的个体空间位置及活动目标坐标值,分别对其所在网格进行计算,并基于路径匹配分别获取其所在的网格对象A和B,令T=A;(2)比较网格对象T和B,如果二者为同一对象,将T加入N,寻径结束;(3)基于路径网络图中结点的连接关系,获取下一个可通行的结点集合C;(4)对集合C中的任一结点Ci,重复步骤(2);(5)对集合C中的任一结点Ci,重复步骤(3),获取集合D。对于D中的任一结点Di,由T、Ci、Di结点构成的个体活动路径中T和Ci弧段的权重为T与网格集合Gi(在结点Ci内且与Di相邻的网格)距离的最小值。基于确定好的弧段权重,可结合Dijkstra算法或者A*对个体路径进行搜索,直至到达结点B,寻径结束。在个体寻径行为模型基础上,本发明分析静态环境和动态环境中地物和其他个体对个体的受力,糅合场模型和社会力模型对个体运动行为进行建模。静态环境中,个体受到的作用力主要有运动目标对个体的驱动力A及障碍物对个体运动的排斥力B。动态环境中,个体所受到的作用力主要有其它个体对个体运动的排斥力C。A、B、C的计算可结合社会力模型的计算方法。基于个体寻径行为模型,可对个体活动经过的网格对象进行计算。因而,A的计算中,本发明将个体运动目标基于活动所经过的网格对象进行子目标的划分,使社会力模型更加适用于复杂的空间环境;B的计算中,障碍物将依据与个体所在网格对象存在不可通行弧段的网格对象进行求解。基于对个体受力A、B、C的计算,依据社会力模型对个体运动的综合作用力及运动方向及速度等参数进行求解后,则可参考场模型将个体的位置更新至其相邻8个网格,或者留在原地不动。基于步骤二的计算,人群行为计算的数据输出内容为人群行为信息(即人群个体的运动轨迹信息),其内容将主要包含:Pos将包含:步骤三:人群模拟可视化。本步骤的主要功能是为实现地理间环境及人行为的可视化,其输入数据为步骤二得到的人群行为信息(即人群个体的运动轨迹信息)。在三维渲染引擎OpenSceneGraph(OSG)基础上,本步骤主要包含以下子步骤:1,人群模拟数据的加载;2,地理空间环境的可视化,3,人群行为的可视化。1,人群模拟数据的加载加载的数据主要包含两类:地理空间数据和人群行为信息。地理空间数据的格式为OSG可读的.ive,其数据源是与网格数据来源相同,皆为三维模型数据(格式为3dsmax的*.max),并采用数据转换工具OSGExp,实现模型数据纹理、几何等信息的导入。人群行为信息为人群行为计算子系统的结果。2,地理空间环境的可视化以OSG场景管理为基础,结合加载的地理空间数据,实现空间场景的放大,缩小、漫游等功能。3,人群行为的可视化人群行为可视化的重点是个体模型的表达方法。本发明个体模型表达则是通过其年龄、性别属性,通过加载不同的三维模型进渲染。个体的运动形态则通过对不同时刻的人群行为位置信息的调用来实现。验证案例1:多层建筑物内人群行为模拟案例1的空间环境为某2层、单出口、双楼梯的建筑物(图3(a))。结合网格数据处理子系统数据输入需求,本发明将网格对象分为楼梯、室内房间、建筑物出口三类,建立的网格对象网络如图3(b)所示,网格参数设定为0.5m(长)×0.5m(宽)×0.2m(高)。本案例将个体初始位置随机设定在2楼房间。将个体行皆设定为从初始位置出发,选取最短距离的路径,到达建筑物出口。即个体基于网格对象网络图(图3(b)),以距离为弧段权重,首先搜索所经过的网格对象,进而结合社会力模型,对网格对象内的网格进行搜索,最终实现个体路径的选取(图4)。根据观察发现,人在松懈的情况下行走速度约0.85m/s左右,正常情况下为1.30m/s左右,而在紧张情况下可达1.80m/s左右。基于正态分布函数设置,本发明将人群中个体对象在常态中的速度设置为0.85m/s-1.30m/s,在突发事件爆发后,逃生时的速度设置为1.30m/s-1.80m/s。既在常态环境下个体的可跨越的最小网格数为3-5个,在应急状态中个体的可跨越的最小网格数为5-7个。在人群模拟过程中,如果某突发事件(如火灾、生物恐怖袭击等)爆发,受突发事件的影响,人群行为也可能发生变化。如果个体可感知到突发事件,为躲避风险,个体可能会改变原来的行走路径。如果个体未感知到突发事件,个体也将可能会因与突发事件接触,而收到伤害。本发明以气溶胶携带的病原体释放作为突发应急事件案例,并以高斯烟团模型作为病原体扩散模型进行了模拟试验(图5)。试验中,人群行为计算方法为:(1)计算病原体动态扩散区域S,并获取所对应的网格集合G;(2)对于可感知灾害事件的个体,将G与距离权重网格进行叠加,重新计算个体运动所需要的网格对象。并在社会力模型中,将G作为障碍物进行处理;(3)对于未感知灾害事件的个体,将原来路径进行行进,并基于个体行进的网格,评断个体的感染情况。验证案例2:室外道路人群行为模拟案例2空间场景如图所示。场景包含两条纵向的人行道,一条纵向的行车道,一条人行横道,人行道两边各有一个指挥行人运动的红绿灯(红灯和绿灯时间间隔为30秒)(图6(a))。结合网格数据处理子系统数据输入需求,本发明将网格对象分为人行道、红绿灯、人行横道、车行道四类。同时结合GIS道路网络中弧段的分段处理方式,将由多个空间不相邻几何构成的空间对象进行子对象划分。处理后,网格对象网络图如图6(b)所示。网格参数设定为0.5m(长)×0.5m(宽)×0.2m(高)。本案例将个体初始位置随机设定在人行横道。将个体行为设定为从当前位置出发至另一人行横道,即通常所说的过马路行为。模拟中,个体可跨越的网格数为3-5个。在人群模拟中,个体行为将受到交通规则的影响。基于是否遵守交通规则,将个体运行行为分为三类(图7):(1)完全遵守交通行为(Rule1)。个体将从当前人行道出发,在信号灯为绿灯时通过人行横道,到达对面人行道;(2)未按照信号灯通行(Rule2)。即个体运动会出现闯红灯的情况;(3)个体选取距离最短路径到达目的地(Rule3)。即个体可能会出现未经人行横道,横过马路的情况。对于Rule1和Rule2,人行横道是个体所必须经过的区域。但在Rule1人群行为计算时,将结合信号灯对象的信息,确定个体到达人行横道前是否需要等待,而Rule2中个体到达人行横道不进行等待。Rule3,则个体直接选取距离最短的路径,直接到达目的地。以上对发明做了示例性的描述,应该说明的是,在不脱离发明的核心的情况下,任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入发明的保护范围。当前第1页1 2 3 
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1