一种用于复杂场景的层次式人群仿真方法及系统技术方案

本发明专利技术公开一种用于复杂场景的层次式人群仿真方法及系统，该方法包括步骤：对复杂场景进行区域划分，得到复杂场景的拓扑结构图；对复杂场景进行全局路径规划，计算包含复杂场景中场景入口、场景出口和特定感兴趣区域的全局路径；确定人群分组信息和人群中个体在复杂场景中的位置信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真。本发明专利技术所述技术方案改善了势场法人群仿真中的速度控制机制，解决速度变化不自然的问题，使速度的变化更加符合人群运动规律，满足了人群仿真的实际需求。

【技术实现步骤摘要】
一种用于复杂场景的层次式人群仿真方法及系统
本专利技术涉及复杂场景的人群仿真。更具体地，涉及一种用于复杂场景的层次式人群仿真方法及系统。
技术介绍
随着人类社会的进步和科技的发展，利用计算机来实现人类的群体性运动的建模、分析、仿真与模拟成为了目前计算机领域中最热门的课题之一。人群仿真的研究就是人群研究领域的一个重要研究课题。人群仿真就是对于特定的场景和情景信息，给出真实可信的场景中人群的运动情况，其在军事仿真、安全工程、建筑设计、数字娱乐等许多领域内都有着广泛的应用，因此具有重要的使用价值和广阔的发展前景。势场法是一种经典的人群建模方法，由于其简便明确的数学表达，在人群仿真中有着广泛的应用。但是，由于势场法是一种基于物理力学的方法，在实践中难免会与理想物理模型有些许出入，这也就使得势场法的速度控制问题存在缺陷。通常在实践中会对势场建模的个体的速度设置一个阈值来限制个体的运动，防止该个体的速度无限制增加，最终趋向于违反物理常识的无穷大。然而由于速度无法突变，其改变依赖加速度，有一定的滞后性，造成了在实际仿真的过程中，速度的大小绝大多数时间都保持在这个设置的阈值，即最大值，这是十分不真实的。因此，需要提供一种用于复杂场景的层次式人群仿真方法及系统。
技术实现思路
本专利技术的目的在于提供一种用于复杂场景的层次式人群仿真方法及系统，针对复杂场景，进行更加真实有效的人群仿真。为达到上述目的，本专利技术采用下述技术方案：一种用于复杂场景的层次式人群仿真方法，该方法包括如下步骤：S1、根据复杂场景的结构信息对复杂场景进行区域划分，得到复杂场景的拓扑结构图；S2、根据复杂场景的拓扑结构图对复杂场景进行全局路径规划，计算包含复杂场景中场景入口、场景出口和特定感兴趣区域的全局路径；S3、确定人群分组信息和人群中个体在复杂场景中的位置信息，根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；S4、根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真。优选地，步骤S3中“根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力”进一步包括如下子步骤：S3.1、根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据势场计算个体在势场中的吸引势Uatt和排斥势Urep，公式如下：公式中，q为个体在复杂场景中的位置信息；ξq为吸引势系数；m为距离的指数系数；qgoal为个体在复杂场景中的目标位置信息；，η为排斥势系数；D0为排斥势的影响范围；n为距离的指数系数，k为与个体有关联性的分组中个体的数量；qiobs为复杂场景中障碍物的位置信息；S3.2、根据个体在势场中的吸引势Uatt和排斥势Urep计算个体在势场中的势Utotal，公式如下：公式中，a为复杂场景中对个体的吸引源个数，b为复杂场景中对个体的排斥源个数；S3.3、根据个体在势场中的势Utotal，计算个体在复杂场景中受到的作用力F，公式如下：优选地，步骤S4进一步包括如下子步骤：S4.1、根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度；S4.2、根据个体在复杂场景中的位置信息，利用交通流模型基于人群中所有个体的位置信息所表征的密度信息对在人群仿真过程中个体的实时速度大小进行实时修正；S4.3、根据实时速度方向和修正后的实时速度大小得到在人群仿真过程中个体的修正后的实时速度；S4.4、根据在人群仿真过程中个体修正后的实时速度，对在人群仿真过程中个体的位置信息进行实时更新，从而实现人群仿真。优选地，步骤S4.2中“利用交通流模型基于人群中所有个体的位置信息所表征的密度信息对在人群仿真过程中个体的实时速度大小进行实时修正”的公式如下：若个体周围的人群密度适中，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：公式中，vfree为在人群仿真过程中个体的畅通实时速度，ρ为复杂场景中个体周围的人群密度，ρm为复杂场景中人群的最大密度；若个体周围的人群密度高，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：若个体周围的人群密度低，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：一种用于复杂场景的层次式人群仿真系统，该系统包括：复杂场景区域划分单元，用于根据复杂场景的结构信息对复杂场景进行区域划分，得到复杂场景的拓扑结构图；复杂场景全局路径规划单元，根据复杂场景的拓扑结构图对复杂场景进行全局路径规划，计算包含复杂场景中所有区域的场景入口、场景出口和特定感兴趣区域的全局路径；个体势场建立单元，用于确定人群分组信息和人群中个体在复杂场景中的位置信息，根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；人群仿真单元，用于根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真。优选地，势场建立单元根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并计算个体在复杂场景中受到的作用力的公式为：公式中，Utotal为个体在复杂场景中的势场中的势；Uatt和Urep分别为个体在势场中的吸引势和排斥势；F为个体在复杂场景中受到的作用力；q为个体在复杂场景中的位置信息；ξq为吸引势系数；m为距离的指数系数；qgoal为个体在复杂场景中的目标位置信息；，η为排斥势系数；D0为排斥势的影响范围；n为距离的指数系数，k为与个体有关联性的分组中个体的数量；qiobs为复杂场景中障碍物的位置信息，a为复杂场景中对个体的吸引源个数，b为复杂场景中对个体的排斥源个数。优选地，人群仿真单元包括：个体实时速度计算模块，用于根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度；个体实时速度修正模块，用于根据个体在复杂场景中的位置信息，利用交通流模型基于人群中所有个体的位置信息所表征的密度信息对在人群仿真过程中个体的实时速度大小进行实时修正并根据实时速度方向和修正后的实时速度大小得到在人群仿真过程中个体的修正后的实时速度；人群仿真模块，用于根据在人群仿真过程中个体修正后的实时速度，对个体在人群仿真过程中的位置信息进行实时更新，从而实现人群仿真。优选地，个体实时速度修正模块对个体的实时速度大小进行实时修正的公式为：若个体周围的人群密度适中，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：公式中，vfree为在人群仿真过程中个体的畅通实时速度，ρ为复杂场景中个体周围的人群密度，ρm为复杂场景中人群的最大密度；若个体周围的人群密度高，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：若个体周围的人群密度低，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：本专利技术的有益效果如下：本专利技术所述技术方本文档来自技高网...

【技术保护点】
一种用于复杂场景的层次式人群仿真方法，其特征在于，该方法包括如下步骤：S1、根据复杂场景的结构信息对复杂场景进行区域划分，得到复杂场景的拓扑结构图；S2、根据复杂场景的拓扑结构图对复杂场景进行全局路径规划，计算包含复杂场景中场景入口、场景出口和特定感兴趣区域的全局路径；S3、确定人群分组信息和人群中个体在复杂场景中的位置信息，根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；S4、根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真。

【技术特征摘要】
1.一种用于复杂场景的层次式人群仿真方法，其特征在于，该方法包括如下步骤：S1、根据复杂场景的结构信息对复杂场景进行区域划分，得到复杂场景的拓扑结构图；S2、根据复杂场景的拓扑结构图对复杂场景进行全局路径规划，计算包含复杂场景中场景入口、场景出口和特定感兴趣区域的全局路径；S3、确定人群分组信息和人群中个体在复杂场景中的位置信息，根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力；S4、根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度，利用交通流模型对在人群仿真过程中个体的实时速度进行实时修正，实现人群仿真；步骤S3中“根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据个体的势场计算个体在复杂场景中受到的作用力”进一步包括如下子步骤：S3.1、根据人群分组信息、人群中个体在复杂场景中的位置信息和复杂场景结构信息，在复杂场景中建立个体的势场，并根据势场计算个体在势场中的吸引势Uatt和排斥势Urep，公式如下：公式中，q为个体在复杂场景中的位置信息；ξq为吸引势系数；m为距离的指数系数；qgoal为个体在复杂场景中的目标位置信息；η为排斥势系数；D0为排斥势的影响范围；n为距离的指数系数，k为与个体有关联性的分组中个体的数量；qiobs为复杂场景中障碍物的位置信息；S3.2、根据个体在势场中的吸引势Uatt和排斥势Urep计算个体在势场中的势Utotal，公式如下：公式中，a为复杂场景中对个体的吸引源个数，b为复杂场景中对个体的排斥源个数；S3.3、根据个体在势场中的势Utotal，计算个体在复杂场景中受到的作用力F，公式如下：F＝-▽Utotol。2.根据权利要求1所述的用于复杂场景的层次式人群仿真方法，其特征在于，步骤S4进一步包括如下子步骤：S4.1、根据个体在复杂场景中受到的作用力计算在人群仿真过程中个体的实时速度；S4.2、根据个体在复杂场景中的位置信息，利用交通流模型基于人群中所有个体的位置信息所表征的密度信息对在人群仿真过程中个体的实时速度大小进行实时修正；S4.3、根据实时速度方向和修正后的实时速度大小得到在人群仿真过程中个体的修正后的实时速度；S4.4、根据在人群仿真过程中个体修正后的实时速度，对在人群仿真过程中个体的位置信息进行实时更新，从而实现人群仿真。3.根据权利要求2所述的用于复杂场景的层次式人群仿真方法，其特征在于，步骤S4.2中“利用交通流模型基于人群中所有个体的位置信息所表征的密度信息对在人群仿真过程中个体的实时速度大小进行实时修正”的公式如下：若个体周围的人群密度适中，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：公式中，vfree为在人群仿真过程中个体的畅通实时速度，ρ为复杂场景中个体周围的人群密度，ρm为复杂场景中人群的最大密度；若个体周围的人群密度高，则在人群仿真过程中个体修正后的实时速度v(p)的计算公式为：若个体周围的人群密度低，则在人群仿真过程中个体修正后...

【专利技术属性】
技术研发人员：邢薇薇，张健，卢苇，刘渭滨，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11