[发明专利]视频驱动的人群疏散行为仿真方法及系统

说明书

本发明公开了视频驱动的人群疏散行为仿真方法及系统，根据需要对实际建筑物进行抽象建模，得到二维空间模型；初始化障碍物信息、房间的个数、每个房间出口位置和最终安全出口的位置；采用随机路标图PRM法来生成路标点，在每个房间的出口位置设置固定的路标点；依据AStar算法寻找路标点之间的最短路径，得到不同位置路标点的最优疏散路径；初始化个体的数量和个体的位置；采用高斯正态分布方法对不同个体的初速度进行初始化；依据个体运动速度和周围人群运动密度之间的负相关关系对每个个体的速度进行初始化；采用RVO避障策略对仿真人群进行疏散。实现真实、有效地对突发情况下高密度人群疏散行为进行仿真。

技术领域

本发明涉及计算机仿真技术领域，特别是涉及视频驱动的人群疏散行为仿真方法及系统。

背景技术

近些年国内外的一些大型公共场所相继发生了一系列群体踩踏事件，发生这些事件的很大一个原因是因为没有提前做好人群疏散应急预案。当聚集人群的密度较高时，个体之间相互挤压、推搡，人群处于高度不稳定状态，是发生大规模群体踩踏事故的安全隐患。由于公共场所人员众多，一旦发生紧急事故，如何保证人群快速安全疏散是突发事件应急处理的重要环节。由于人数众多，采用真人进行疏散模拟训练不现实，因此目前通用的方法是通过计算机模拟仿真技术进行场景建模、路径规划和人群疏散模拟仿真，可以有效的进行疏散演练，同时可以降低演练的成本。

目前关于仿真模型的研究，主要分为宏观模型和微观模型。宏观模型的研究对象为仿真人群整体，通过力学、数学等宏观统计行人的特征，如行人的密度、速度等，宏观模型能从群体角度研究整个人群疏散的运动过程，但无法区别对待个体之间的差异性，表现出一定的局限性。微观模型主要研究的是个体的差异，首先根据行人个体建立模型，然后通过个体考虑整体从而获取人群的行为特征。微观模型主要有社会力模型、Agent模型等。采用Agent模型思想的有Hoogendoom于2002年提出的多层效果最大化模型，Angomini提出的基于认知启发规则的模型，以及相互速度障碍模型(Reciprocal Velocity Obstacle,RVO)等。其中RVO模型引入了速度障碍模型(Velocity Obstacle,VO)，从而将复杂个体Agent的运动疏散简化为了低维的线性规划问题，另外，该模型还可以在场景中添加动态障碍物，从而在大规模的人群疏散仿真中，体现出了独有的性能优势，因此受到研究人员的重视。

在实际疏散过程中，一方面，由于人与人之间存在个体差异，导致其步长和行走频率会具有一定的差异性，而这种差异性使不同的个体在同一环境下产生了不同的行进速度；另一方面，当人群的拥堵程度不同时，个体的行走速度也会有所不同，这说明人群密度会直接影响到个体的运动速度，即密度与速度之间存在着负相关性。然而大多数的人群疏散仿真模型往往忽略了这种个体的差异性和人群密度与疏散速度的负相关性，从而影响到其模型的真实性。

发明内容

为了解决现有技术的不足，本发明提供了视频驱动的人群疏散行为仿真方法，以实现真实、有效地对突发情况下高密度人群疏散行为进行仿真；该方法考虑了人群运动速度和密度的负相关关系，从真实视频中提取人群运动参数，分析这些参数得出运动速度和人群密度的关系模型，然后结合Roadmap全局路径规划和RVO避障策略进行人群疏散。人群密度相关的疏散仿真模型不仅能够对安全疏散有较强的借鉴意义，还可以为建筑物结构的安全性设计提供一定的科学指导。

视频驱动的人群疏散行为仿真方法，包括以下步骤：

根据需要对实际建筑物进行抽象建模，得到二维空间模型；

在二维空间模型中初始化障碍物信息、房间的个数、每个房间出口位置和最终安全出口的位置；

采用随机路标图PRM法来生成路标点，并对随机生成的路标点进行优化处理，优化方法为在每个房间的出口位置设置固定的路标点；依据AStar算法寻找路标点之间的最短路径，得到不同位置路标点的最优疏散路径；

在二维空间模型中初始化个体的数量和个体的位置；