一种基于视频的协同疏散仿真方法和装置制造方法及图纸

本申请提供了一种基于视频的协同疏散仿真方法和装置，该方法包括：获取目标区域的视频数据；将视频数据输入视频数据处理模型，获取行人数据处理结果和车辆数据处理结果；基于行人疏散模型，得到行人疏散过程预测结果；基于车辆运动模型，得到车辆行驶过程预测结果；基于人车交互疏散规则，整合行人疏散预测结果和车辆行驶预测结果，得到人

【技术实现步骤摘要】
一种基于视频的协同疏散仿真方法和装置


[0001]本申请涉及数据处理
，特别是一种基于视频的协同疏散仿真方法和装置。

技术介绍

[0002]随着社会发展，城市密度不断增大，各种场所的人车密集程度增加，而高密度的人车聚集现象容易导致出行效率大大降低，并且容易发生踩踏等安全事故。针对此类情况，有学者对人群疏散行为和车辆交通行为进行了建模研究，实现对人、车宏观和微观运动的模拟。并且，随着信息技术的发展成熟，通过大数据手段分析人车运动规律逐渐成为新兴研究方向。
[0003]目前，在高密度人、车疏散研究方面，主要单独对人群运动或车辆运动进行了研究，通常分别针对行人区域和车辆区域进行分析，没有考虑到人
‑
车
‑
路疏散场景中，人车之间的协同作用对整体疏散效果的影响。并且，上述研究对区域内行人的异质性考虑不足，没有考虑到行人的心理因素对人群疏散的影响。因此，有必要开发一种基于视频的协同疏散仿真方法和装置，以实现对人
‑
车
‑
路协同疏散场景中的人群运动和车辆运动的分析和疏散模拟。

技术实现思路

[0004]鉴于上述问题，本申请实施例提供了一种基于视频的协同疏散仿真方法和装置，以便克服上述问题或者至少部分地解决上述问题。
[0005]本申请实施例的第一方面，提供了一种基于视频的协同疏散仿真方法，包括：
[0006]获取目标区域的视频数据，所述目标区域为行人步行区域、机动车通行区域、公交车等待区域和人行横道区域中的一种或多种；
[0007]将所述视频数据中的行人数据输入行人数据处理模型，得到行人数据处理结果，将所述视频数据中的车辆数据输入车辆数据处理模型，得到所述车辆数据处理结果；
[0008]将所述行人数据处理结果输入基于心理系数修正后的行人疏散预测模型，得到行人疏散过程预测结果；
[0009]将所述车辆数据处理结果输入车辆运动模型，得到车辆行驶过程预测结果；
[0010]基于人车交互疏散规则，整合所述行人疏散过程预测结果和所述车辆行驶过程预测结果，得到人
‑
车
‑
路协同的疏散预测结果；
[0011]根据所述人
‑
车
‑
路协同的疏散预测结果，显示仿真疏散视频。
[0012]本实施例第二方面提供了一种基于视频的协同疏散仿真装置，包括：
[0013]获取模块，用于获取目标区域的视频数据，所述目标区域为行人步行区域、机动车通行区域、公交车等待区域和人行横道区域中的一种或多种；
[0014]数据处理模块，用于将所述视频数据中的行人数据输入行人数据处理模型，得到行人数据处理结果，还用于将所述视频数据中的车辆数据输入车辆数据处理模型，得到所
述车辆数据处理结果；
[0015]行人疏散预测模块，用于将所述行人数据处理结果输入基于心理系数修正后的行人疏散预测模型，得到行人疏散过程预测结果；
[0016]车辆运动预测模块，用于将所述车辆数据处理结果输入车辆运动模型，得到车辆行驶过程预测结果；
[0017]整合模块，用于基于人车交互疏散规则，整合所述行人疏散过程预测结果和所述车辆行驶过程预测结果，得到人
‑
车
‑
路协同的疏散预测结果；
[0018]显示模块，用于根据所述人
‑
车
‑
路协同的疏散预测结果，显示仿真疏散视频。
[0019]本申请实施例提供的一种基于视频的协同疏散仿真方法和装置，该方法包括：获取目标区域的视频数据，所述目标区域为行人步行区域、机动车通行区域、公交车等待区域和人行横道区域中的一种或多种；将视频数据输入视频数据处理模型，获取行人数据处理结果和车辆数据处理结果；基于行人疏散模型，得到行人疏散过程预测结果；基于车辆运动模型，得到车辆行驶过程预测结果；基于人车交互疏散规则，整合行人疏散预测结果和车辆行驶预测结果，得到人
‑
车
‑
路协同的疏散预测结果，并显示仿真疏散视频。本申请基于真实的视频数据，利用行人疏散预测模型、车辆运动模型和人车交互疏散规则，实现了对行人步行区域和/或机动车通行区域等人
‑
车
‑
路疏散场景的协同疏散预测，模拟和可视化区域人流特征，提供交通疏导与协同管控方案，提高核心区域人群的疏散与管控效率。
[0020]具体有益效果如下：
[0021]1)实现了对人
‑
车
‑
路协同疏散场景的协同疏散预测。现有技术主要单独针对行人区域或车辆区域进行疏散行为预测，本申请考虑了公交车等待区域和人行横道区域的人车交互区域，基于人车交互疏散规则，同时进行了行人和车辆的行为预测，充分考虑到了行人和车辆之间的相互影响，从而实现了对人
‑
车
‑
路协同疏散场景的协同疏散预测，在真实疏散应用场景中能实现更好的预测效果。
[0022]2)疏散预测更加准确。本申请利用心理系数对行人疏散预测模型进行了修正，使得在进行人群运动模拟时，能够充分考虑到行人的心理因素对疏散过程的影响，从而得到更加准确的疏散预测结果。
[0023]3)基于真实的目标区域的视频数据进行疏散预测。相比于现有技术通过将各项人群参数或车辆参数输入模型进行疏散预测，本申请是通过获取到的真实的目标区域的视频数据进行分析和计算，从而得到最终的仿真疏散视频和疏散预测结果的。本申请基于真实的视频数据进行分析的技术方案可以实现对现场监控视频的直接利用，提高技术方案的实用性和便捷性。
附图说明
[0024]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0025]图1是本申请实施例提供的一种基于视频的协同疏散仿真方法的步骤流程图；
[0026]图2是本申请实施例提供的一种协同疏散的仿真视频生成过程示意图；
[0027]图3是本申请实施例提供的一种元胞自动机的转移规则示意图；
[0028]图4是本申请实施例提供的一种冲突解决机制的示例图；
[0029]图5是本申请实施例提供的一种公交车等待区域疏散规则的流程示意图；
[0030]图6是本申请实施例提供的一种公交车等待区域的位置分布示意图；
[0031]图7是本申请实施例提供的一种人行横道区域疏散规则的流程示意图；
[0032]图8是本申请实施例提供的一种人行横道区域的位置分布示意图；
[0033]图9是本实施例提供的一种基于视频的协同疏散仿真装置的结构示意图。
具体实施方式
[0034]下面将结合本申请实施例中的附图更详细地描述本申请的示例性实施例。虽然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频的协同疏散仿真方法，其特征在于，包括：获取目标区域的视频数据，所述目标区域为行人步行区域、机动车通行区域、公交车等待区域和人行横道区域中的一种或多种；将所述视频数据中的行人数据输入行人数据处理模型，得到行人数据处理结果，将所述视频数据中的车辆数据输入车辆数据处理模型，得到所述车辆数据处理结果；将所述行人数据处理结果输入基于心理系数修正后的行人疏散预测模型，得到行人疏散过程预测结果；将所述车辆数据处理结果输入车辆运动模型，得到车辆行驶过程预测结果；基于人车交互疏散规则，整合所述行人疏散过程预测结果和所述车辆行驶过程预测结果，得到人
‑
车
‑
路协同的疏散预测结果；根据所述人
‑
车
‑
路协同的疏散预测结果，显示仿真疏散视频。2.根据权利要求1所述的基于视频的协同疏散仿真方法，其特征在于，所述行人数据处理模型按照如下步骤对所述视频数据中的行人数据进行处理，得到行人数据处理结果：对所述视频数据进行视频数据畸变校正，得到校正后视频数据；对所述校正后视频数据进行目标识别与跟踪，获得目标轨迹数据；对所述目标轨迹数据进行整合处理，得到所述行人数据处理结果；其中，对所述视频数据进行视频数据畸变校正，得到校正后视频数据，包括：获取所述目标区域的真实地理参数，和，拍摄所述视频数据的摄像机的相机参数；根据所述真实地理参数和所述相机参数，确定所述视频数据中的二维图像坐标到所述目标区域的三维空间坐标的平面映射关系；根据所述平面映射关系，得到校正后视频数据，所述校正后视频数据为行人和车辆在所述目标区域的真实场景中的平面坐标数据；其中，对所述目标轨迹数据进行整合处理，得到行人数据处理结果，包括：从所述目标轨迹数据中，按照发生时刻的顺序，每间隔预设时长，获取一次所述目标的位置数据；在存在相邻两个所述位置数据的距离，超出预设最长距离的情况下，将所述目标轨迹数据确定为错误数据，并删除；在存在N个相邻两个所述位置数据的距离的和，小于预设最短距离的情况下，将所述目标轨迹数据确定为静止目标数据，并删除。3.根据权利要求1所述的基于视频的协同疏散仿真方法，其特征在于，将所述行人数据处理结果输入所述行人疏散预测模型之前，所述方法还包括：根据所述行人数据处理结果，获取目标行人的速度；根据环境风险参数和所述速度，确定所述目标行人的生理系数；根据所述环境风险参数、所述目标行人的紧张程度和所述速度，确定所述目标行人的心理系数；结合所述生理系数和所述心理系数，得到异质性系数；利用所述异质性系数，对所述目标行人的速度进行异质性赋值。4.根据权利要求3所述的基于视频的协同疏散仿真方法，其特征在于，所述根据所述环境风险参数、所述目标行人的紧张程度和所述速度，确定所述目标行人的心理系数的计算
公式为：其中，λ为所述环境风险参数，s
c
(t)＝1
‑
v
c
(t)/k
Θ
Θ
c
(t)表示随时间变化的参数，v
c
(t)表示行人c在t时刻的速度，k
Θ
为调整心理系数影响和平衡维度参数，ΔΘ
c
为心理系数的变换范围；所述结合所述生理系数和所述心理系数，得到异质性系数的计算公式为：B
c
(t)＝Φ
c
(t)
×
(1+k
B
Θ
c
(t))其中，Φ
c
(t)为行人c在t时刻的所述生理系数，k
B
为生理属性和心理属性的调节系数；所述利用所述异质性系数，对所述目标行人的速度进行异质性赋值，的计算公式为：v
c
(t)＝B
c
(t)
·
v
u
其中，v
c
(t)表示行人c在t时刻的速度，v
u
为行人单位速度。5.根据权利要求1所述的基于视频的协同疏散仿真方法，其特征在于，所述车辆运动模型为车辆NS模型；其中，所述车辆NS模型包括车辆换道规则，所述车辆换道规则包括：换道动机规则，目标车辆与所在车道的前车间距不能满足所述车辆n的车辆加速倾向时，确定所述目标车辆存在换道动机；相邻车道换道规则，换道后所述目标车辆的前车间距大于换道前所述目标车辆的前车间距；安全规则，换道后所述目标车辆与后车的距离大于预设最短安全距离。6.根据权利要求1所述的基于视频的协同疏散仿真方法，其特征在于，所述行人疏散预测模型为元胞自动机模型，利用所述心理系数对所述元胞自动机模型进行修正的步骤如下：获取所述心理系数；根据所述心理系数对元胞概率计算公式进行修正，得到修正后的元胞概率计算公式；将所述修正后的元胞概率计算公式作为所述元胞自动机模型的状态转移概率计算公式，用于确定行人单步决策结果；其中，所述修正后的元胞概率计算公式为：P
i,j
＝Nexp(V
i,j
)(1
‑
n
i,j
)ξ
i,j
σ
i,...

【专利技术属性】
技术研发人员：郑小平，孙荣阳，陈茂银，武文瀚，
申请(专利权)人：清华大学，
类型：发明
国别省市：