【技术实现步骤摘要】
本专利技术涉及一种行人流建模与实时仿真方法、系统、设备和介质，特别是涉及一种多智能体系统(mas)在数字孪生中的行人流建模与实时仿真方法、系统、设备和介质，属于计算机与自动化领域、铁路视频监控领域。
技术介绍
1、目前，铁路视频监控系统广泛部署在人流密集、客流量大的铁路站台及其他关键区域，是确保旅客安全的一项重要措施，能够有效地监测和管理人群，预防潜在风险，确保公共安全。
2、数字孪生技术能够为这一安全保障系统增添一层智能化的保护。它通过高精度建模，创造了一个实际场景的虚拟副本，从而使得我们能够在仿真环境中进行实时监测和分析现实环境中的潜在危险。这种技术允许我们在一个多维度的虚拟空间内进行实际场景的精确映射，并通过这种映射，实现实时危险预警和优化应急逃生路径的决策。这一切都是基于一个精确的数字孪生模型，这个数字孪生模型不仅是功能实现的核心，也是构建交互环境的基础。
3、数字孪生模型的有效性取决于其能否实时、准确地反映现实世界的动态变化。这要求数字孪生模型不断更新和迭代，以保持与实体世界的同步。通过集成先进的传感器数据、实时视频分析和人工智能算法，数字孪生模型可以提供动态的场景分析，实时预测和响应各种情况，从而极大地提高了公共安全的管理效率和响应速度。
4、目前，数字孪生技术在建模方面，主要应用于无生命体，例如场景再现、工业机械设备以及车辆行为仿真等方面。在这些系统中，工作调度和流程管理的复杂性相对简化。然而，对行人流建模涉及到诸多挑战：
5、1、个体行为的多样性：每个人的行为受个人
6、2、环境因素影响：行人流会受到环境因素的影响，包括空间布局、时间、天气条件等等；
7、3、动态变化的适应性：行人流是动态变化的，需要模型能够实时适应或预测这些变化。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种行人流建模与实时仿真方法、系统、设备和介质，针对数字孪生环境而设计行人流管理仿真模型，并结合多智能体系统(mas)和强化学习技术，模拟视频监控系统中的行人移动场景。
2、为实现上述目的，本专利技术采取以下技术方案：
3、第一方面，本专利技术提供一种行人流建模与实时仿真方法，包括以下步骤：
4、基于元胞自动机理论,对铁路站台环境中的行人移动方向进行概率分析并建模；
5、基于行人移动方向的概率模型，根据行人决策流程，采用基于多智能体系统的建模方法，对行人决策流程进行建模；
6、利用迭代矢量量化q-learning算法对行人决策模型进行仿真，得到行人流的整体分布情况，用于数字孪生系统下一步的智能分析。
7、进一步，所述基于元胞自动机理论,对铁路站台环境中的行人移动方向进行概率分析并建模，包括：
8、基于元胞自动机理论对铁路站台环境进行离散化，以规则化网络对铁路站台环境进行模拟；
9、构建用于对行人的运动行为进行模拟的元胞自动机模型，并基于预设移动规则将行人移动方向用概率表示；
10、基于行人移动方向的概率表示，利用预先构建的概率模型，确定行人在行走过程中邻近单元格的期望效用。
11、进一步，所述基于行人移动方向的概率表示，利用预先构建的概率模型，确定行人在行走过程中邻近单元格的期望效用，包括：
12、对行人的行走过程进行分析，将行人在行走过程中邻近单元格的期望效用分为移动效用和舒适度效用；
13、基于贝叶斯纳什均衡理论构建概率模型，用于描述行人对周围其他行人决策的概率分布；
14、基于行人移动方向的概率以及概率模型，对行人在行走过程中各邻近单元格的期望效用进行计算。
15、进一步，所述期望效用表示为：
16、
17、其中，表示行人距离目标点的效用，为移动距离和移动方向的函数；表示舒适度效用，n表示人群密度。
18、进一步，所述概率模型表示为：
19、
20、其中，、、分别为人群密度,,这三种情况下行人进入某一单元格的概率；为受人群密度影响而变化的常数。
21、进一步，所述基于行人移动方向的概率模型，根据行人决策流程，采用基于多智能体系统的建模方法，对行人决策流程进行建模，包括：
22、①在每个决策周期开始前，获取关键参数作为输入；
23、②根据获取的关键参数以及行人的当前位置、预定行进方向等因素，计算出行人周围6个邻近单元格的期望效用值；
24、③将最高期望效用值对应的单元格作为目标单元格，并判断移动至目标单元格是否将导致过高的人流密度或行进受阻，若是则随机选择移动到其他单元格或者保持原位，直至下一个决策周期；
25、④重复步骤①～③，直至行人顺利到达其预定目标位置，完成其行程。
26、进一步，所述利用迭代矢量量化q-learning算法对行人决策模型进行仿真时，奖励函数q定义为：
27、
28、其中，,表示在时刻可观测的多智能体模型的状态和动作，表示学习率，表示奖励重要性，为小于1的常数。
29、第二方面，本专利技术提供一种行人流建模与实时仿真系统，包括：
30、概率分析及建模模块，用于基于元胞自动机理论,对铁路站台环境中的行人移动方向进行概率分析并建模；
31、决策分析及建模模块，用于基于行人移动方向的概率模型，根据行人决策流程，采用基于多智能体系统的建模方法，对行人决策流程进行建模；
32、仿真模块，用于利用迭代矢量量化q-learning算法对行人决策模型进行仿真，得到行人流的整体分布情况，用于数字孪生系统下一步的智能分析。
33、第三方面，本专利技术提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行任一方法。
34、第四方面，本专利技术提供一种计算设备，包括：一个或多个处理器及存储器，所述存储器中存储有一个或多个程序，并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行任一方法的指令。
35、本专利技术由于采取以上技术方案，其具有以下优点：
36、1、本专利技术基于多智能体系统并结合了强化学习算法。通过此方法，我们能够训练多智能体模型以精确并实时地反映物理世界的动态。这一进步解决了当前技术在数字孪生数据利用方面的局限性，特别是在与现实世界的贴合性和实时能力上的不足的问题。
37、2、本专利技术通过与物理世界中的视频监控和传感器等硬件设施的数据互通，本方法能为数字孪生系统提供关键信息以支持决策制定、预警响应等功能。
38、综上所述，本专利技术显著提升了视频监控系统的智能化程度，并为数字孪生技术的发展开辟了新的应用前景。
本文档来自技高网...【技术保护点】
1.一种行人流建模与实时仿真方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种行人流建模与实时仿真方法，其特征在于，所述基于元胞自动机理论,对铁路站台环境中的行人移动方向进行概率分析并建模，包括：
3.如权利要求2所述的一种行人流建模与实时仿真方法，其特征在于，所述基于行人移动方向的概率表示，利用预先构建的概率模型，确定行人在行走过程中邻近单元格的期望效用，包括：
4.如权利要求3所述的一种行人流建模与实时仿真方法，其特征在于，所述期望效用表示为：
5.如权利要求3所述的一种行人流建模与实时仿真方法，其特征在于，所述概率模型表示为：
6.如权利要求1所述的一种行人流建模与实时仿真方法，其特征在于，所述基于行人移动方向的概率模型，根据行人决策流程，采用基于多智能体系统的建模方法，对行人决策流程进行建模，包括：
7.如权利要求1所述的一种行人流建模与实时仿真方法，其特征在于，所述利用迭代矢量量化Q-Learning算法对行人决策模型进行仿真时，奖励函数Q定义为：
8.一种行人流建模与实时仿真
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行如权利要求1至7所述方法中的任一方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器及存储器，所述存储器中存储有一个或多个程序，并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行如权利要求1至7所述方法中的任一方法的指令。
...【技术特征摘要】
1.一种行人流建模与实时仿真方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种行人流建模与实时仿真方法，其特征在于，所述基于元胞自动机理论,对铁路站台环境中的行人移动方向进行概率分析并建模，包括：
3.如权利要求2所述的一种行人流建模与实时仿真方法，其特征在于，所述基于行人移动方向的概率表示，利用预先构建的概率模型，确定行人在行走过程中邻近单元格的期望效用，包括：
4.如权利要求3所述的一种行人流建模与实时仿真方法，其特征在于，所述期望效用表示为：
5.如权利要求3所述的一种行人流建模与实时仿真方法，其特征在于，所述概率模型表示为：
6.如权利要求1所述的一种行人流建模与实时仿真方法，其特征在于，所述基于行人移动方向的概率模型，根据行人...
【专利技术属性】
技术研发人员：罗静，李兰心，李雪琪，唐潇，朱强，
申请(专利权)人：通号通信信息集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。