一种基于拥挤因子的地面场人群疏散模型的制作方法

文档序号:9579476阅读:1038来源:国知局
一种基于拥挤因子的地面场人群疏散模型的制作方法
【技术领域】
[0001] 本发明涉及计算机仿真技术领域,特别涉及一种基于拥挤因子的地面场人群疏散 模型,用于仿真人群疏散情况。
【背景技术】
[0002] 门口和通道处经常出现人群阻塞的现象,有可能发生踩踏事故,严重影响人们的 生命安全。人群疏散模型可以辅助研究人员从微观的角度分析出口、通道处的疏散瓶颈,模 拟一些有趣的人群动态,如堵塞、自动渠化、"快即是慢"等现象,并能够揭示人群动态的一 些本质原因。因此,对人群疏散模型的研究在近年来受到了越来越多的关注。
[0003] 人群疏散建模方法可以分为两类:社会力模型和元胞自动机模型(CA),前者在空 间和时间上是连续的,后者是离散而计算高效的。正是由于元胞自动机模型的高效性和易 用性,一些学者开始考虑使用基于元胞自动机的地面场模型研究出口和障碍物对人群动态 的影响。但是这些研究很多把焦点置于路径规划,忽略的行人间复杂的交互,如"冲突"(两 个或更多的行人同时向同一位置移动)。最近,一些其他的学者开始深入研究如何解决这些 "冲突"而在地面场模型中引入了可能性、摩擦效应和博弈论。前两种解决方式仅仅考虑了 不同的行人会有不同的概率移动到不同的位置,而没有考虑行人的体质、情绪和冲突中的 交互。换句话说,这两种方式很大程度上仅仅复现了现实中的人群冲突行为,而忽略了冲突 的形成过程和原因。第三种基于博弈论的方法在分析冲突方面则弥补了上述两种方法的不 足。但是,当出口的宽度增大时,传统的地面场模型不再能很好的反应真实的情况,因为在 传统的模型中,所有的行人都趋向于向着远离墙壁的方向,而向出口中间移动,这一人群疏 散的现象可以称为"人群收缩"。

【发明内容】

[0004] 本发明为了解决传统的基于元胞自动机的地面场模型中存在的"人群收缩"、仿真 功能简单(忽略了人群冲突的形成过程和原因)的缺点,提供了一种基于拥挤因子的地面 场人群疏散模型,在建模过程中,基于博弈论模拟行人在疏散过程中的合作竞争行为,并基 于离散事件仿真设计了仿真实验,可以模拟更真实的人群动态。
[0005] 本发明中首先给出如下基本概念:
[0006] (1) "人群收缩",当出口的宽度增大时,传统的地面场模型不再能很好的反应真实 的情况,因为在传统的地面场模型中,所有的行人都趋向于向着远离墙壁的方向,而向出口 中间移动。本发明定义这一人群疏散的现象为"人群收缩"。
[0007] (2)目标选择,每个行人将根据目标选择模型以不同的可能性选择一阶摩尔邻域 中的一个邻居作为移动目标。
[0008] (3) "冲突",行人在目标选择(规划路径)后,可能存在多个行人同时选择了相同 的位置作为目标的情况,把这种情况叫做"冲突"。
[0009] (4)邻域,基于元胞自动机的人群疏散模型邻域的选择通常使用一阶摩尔邻域或 者一阶冯诺依曼邻域,前者包含行人当前位置周围的八个邻居,后者包含行人当前位置上 下左右的四个邻居。
[0010] (5)地面场值s,具有越大地面场值s的位置对行人具有更大的吸引力。在传统的 地面场模型中,距离出口越近地面场值s越大,对行人更有吸引力。
[0011] 本发明提供的基于拥挤因子的地面场人群疏散模型,包括仿真场景模型、目标选 择(路径规划)模型和冲突解决模型。所述的仿真场景是带有一个门的房间,房间由L*W 个网格组成,同时每个网格只能被一个行人占据,门位于右侧中间,门的宽度是D_W,在同一 时间最多有D_W个行人同时穿过门到达房间外;定义二维坐标系x-o-y,原点〇在房间左下 角,X-坐标范围从0到W-l,y-坐标范围从0到L-1。
[0012] 在整个仿真过程中,每个仿真周期包括三个阶段,在第一阶段,所有行人根据目 标选择模型从邻域中选择目标位置;在第二阶段,由于行人选择相同的目标位置会出现"冲 突",所有的冲突由冲突解决模型解决;在第三阶段,在"冲突"中获胜的行人成功的移动到 目标位置,同时移除逃出房间的行人,最终,在所有行人逃出房间后仿真结束。
【附图说明】
[0013] 图1为行人行走方向示意图;
[0014] 图2为摩尔邻域算法地面场值分布示意图;
[0015] 图3为(a)欧式算法、(b)曼哈顿算法和(c)Moore邻域算法模型下地面场的分布;
[0016] 图4为(a)欧式算法、(b)曼哈顿算法和(c)Moore邻域算法模型下人群"阻塞和 拱形"的自组织现象(窄出口);
[0017] 图5为(a)欧式算法、(b)曼哈顿算法和(c)Moore邻域算法模型下人群"阻塞和 拱形"的自组织现象(宽出口);
[0018] 图6为本发明中基于拥挤因子的地面场人群疏散模型的人群动态,出现"阻塞和 拱形"的自组织现象,"收缩"消失示意图。
【具体实施方式】
[0019] 下面结合附图和实施例对本发明进行详细说明。
[0020] 本发明提供一种基于拥挤因子的地面场人群疏散模型,包括:仿真场景模型、目 标选择(路径规划)模型和冲突解决模型。
[0021] 1、仿真场景模型;
[0022] 所述的仿真场景是带有一个门的房间,如图1所示,基于元胞自动机的设计,房间 由L*W个网格组成,同时每个网格只能被一个行人占据。门位于右侧中间,门的宽度是D_ W,这意味着在同一时间最多有D_W个行人可以同时穿过门到达房间外。本发明在仿真场 景模型中定义了二维坐标系,原点在房间左下角,X-坐标范围从〇到w-l,y-坐标范围从0 到L-1。在仿真初始化阶段,随机在房间的各个位置初始化Ν(Ν>0,行人的密度P=N/ (W*L),0<P< 1)个行人。本发明基于离散事件仿真思想设计人群疏散系统,行人在每一 个仿真周期中可以移动到八个邻域中的一个位置(网格),当超过一个人尝试移动到相同 位置时,"冲突"就产生了。参与冲突的行人按照冲突解决模型相互进行博弈,从而赢得移 动到目标位置的机会。在整个仿真过程中,每个仿真周期包括三个阶段。在第一阶段,所有 行人根据路径选择模型从邻域中选择希望移动到的目标位置;在第二阶段,由于行人选择 相同的目标位置会出现"冲突",所有的冲突由基于博弈的冲突解决模型解决;在第三阶段, 在"冲突"中获胜的行人成功的移动到目标位置,同时仿真系统会移除逃出房间的行人。最 终,在所有行人逃出房间后仿真结束。
[0023] 2、冲突解决模型;
[0024] 行人在目标选择(规划路径)后,可能存在多个行人同时选择了相同的位置作为 目标的情况,把这种情况叫做"冲突"。为了保证有且仅有一个行人能够行走到目标位置,仿 真中所有的这些冲突都必须要通过某种算法来解决。这些"冲突"以及冲突的解决方式反 映了行人之间的交互,同时也影响着疏散的动态。
[0025] 为了反映行人之间复杂的交互以及行人自身的特质,本发明采用了一种典型的博 弈模型一一囚徒困境,用于解决"冲突"。在囚徒困境中,行人可以采取两种策略,即合作(C) 和竞争(D)。首先以两人博弈为例,解释基于博弈的碰撞检测的基本原理,然后将其扩展到 多人博弈的情况。
[0026] 对于两人博弈的情况,根据不同的策略组合的收益矩阵如下所示:
[0027] 表1收益矩阵
[0028]
[0029] 在表1中,每个元素代表着参与博弈的行人的收益值。其中的R、P、S、T分别代表 着两人博弈不同策略组合下的收益值。R:在两人博弈中,如果两人同时采用合作的策略,他 们得到的收益称之为R。P:在两人博弈中,如果两人同时采用竞争的策略,他们得到的收益 称之为P。S&T:在两人博弈中,如果一人采取合作另一人采取竞争的策略,则采取合作的人 得到的收益称之为S,采取竞争的人得到的收益称之为T。在囚徒困境模型中,上述四个收 益值遵循如下关系:T>R>P>S,在疏散模型中这说明了 :(1)当一个竞争者遇到一个合作者, 由于合作者的礼让,竞争者将获得最大的收益T; (II)相反,合作者遇到竞争者会带给合作 者最低的收益S; (III)当两个合作者相遇时,由于相互的礼让和合作促使他们能更快的逃 生,合作者将获得相对比较高的收益R; (IV)当两个竞争者相互博弈时,由于互不忍让,容 易发生拥堵、成拱等现象,从而难以移动,因此,竞争者竟会获得相对较低的收益P。
[0030] 基于对上述囚徒困境模型的分析,本发明将上述的收益矩阵转换成了移动概率矩 阵用于表示冲突发生时,两人分别可以移动到目标位置的概率。移动概率矩阵如下表2。
[0031] 表2移动概率矩阵
[0032]

[0033] 当冲突发生时,有三种情形:(1)如果两人都采取合作的策略,则两人各自有1/2 的概率移动到目标位置;(II)如果一人采取合作一人采取竞争,则竞争者必然会移动到目 标位置,合作者保持原位置不动;(III)如果两人都采取竞争的策略,则两人都以1/4的概 率移动到目标位置,即由于拥挤两人都没有能移动到目标位置。
[0034] 在本发明的地面场人群疏散模型中,每一个行人都有可能会和一阶Moore邻域 (摩尔邻域)中的行人之间发生"冲突"。因此,一次冲突中的行人数不只是两人,最大有可 能是八人。将上述两人博弈的规则扩展到多人博弈,当"冲突"发生时,总结出了两种情形: (I)如果参与博弈的η个行人都采取合作的策略,则每个行人都以1/n的概率移动到目标位 置,最终有且仅有一个在博弈中获胜;(II)如果参与博弈的η个行人中,有m个行人采取合 作的策略,则这m个行人保持原位,剩下的n-m个竞争者每人以1/ (n-m) 2的概率移动到目 标位置,由于拥挤有可能没人能够移动到目标位置,并且越多的行人采取竞争的策略,这种 拥挤现象越是明显。
当前第1页1 2 
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