[发明专利]一种用于复杂场景的层次式人群仿真方法及系统

说明书

技术领域

本发明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。

背景技术

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。

发明内容

本发明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，本发明采用下述技术方案：

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U_att和排斥势U_rep，公式如下：

公式中，q为个体在复杂场景中的位置信息；ξ_q为吸引势系数；m为距离的指数系数；q_goal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；qⁱ_obs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U_att和排斥势U_rep计算个体在势场中的势U_total，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U_total，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。