[发明专利]基于阿诺德情绪模型的人群疏散仿真方法及系统

权利要求书

1.一种基于阿诺德情绪模型的人群疏散仿真方法，其特征在于，包括以下步骤：

步骤1：初始化场景信息、人群信息和人群中个体的情绪信息；

步骤2：基于阿诺德情绪理论模拟个体情绪产生；

步骤3：模拟个体情绪感染过程；

步骤4：结合个体情绪、个体理性程度和事件类型建立个体行为决策模型；

步骤5：将个体情绪和个体行为决策与人群运动计算相耦合；

初始化个体参数：V^pref、V^max和a^max；其中，V^pref表示期望速度；表示个体的速度惩罚因子，的值与个体的活跃度成反比；V^max表示个体的最大速度；a^max表示个体的最大加速度；

在每个时间步t内，计算个体下一时刻的新速度，并根据个体行为决策结果更新个体的运动方向，重复执行该步骤，直至个体到达目标位置；

步骤6：将人群运动计算结果进行渲染得到人群疏散仿真动画；

所述场景信息初始化包括：输入障碍物信息并绘制场景的Roadmap图；其中，所述Roadmap图的顶点是场景内的随机点，边是连接顶点的边，保证任意两个顶点之间的连线不经过任何障碍物；

所述人群信息初始化包括：人群中个体随机初始化在场景范围内并避开所有的障碍物；

所述情绪信息初始化包括：将所有个体的情绪分为已感染和未感染两种状态；

所述模拟个体情绪产生包括：

初始化事件源位置、事件影响半径r_d，及个体感知半径R；

事件发生时，所述事件影响区域内的个体产生个体情绪：

dis_id表示个体i与事件源之间的距离；λ∈[0,1]表示事件调节因子；

模拟个体情绪感染包括：

基于个体与事件源之间的距离和所述个体的感知半径，量化个体对于外界事件刺激信息的情绪值；

根据个体的感知半径和周围其他个体的情绪值，计算个体情绪感染值；

根据个体与事件源之间的距离和疏散人群规模，计算个体情绪衰减值；

结合个体对于外界事件刺激信息的情绪值、个体情绪感染值和个体情绪衰减值，计算个体情绪值；

所述量化个体对于外界事件刺激信息的情绪值计算公式：

其中，dis_id表示个体i与事件源之间的距离，λ∈[0,1]表示事件调节因子，Δt为事件刺激的累积时间，其值与个体情绪强度成正比；

所述个体情绪感染值计算公式：

其中，在个体i感知范围内的个体数量为num_n_i，dis_ij表示个体i与个体j之间的距离；

所述个体情绪衰减值计算公式：

其中，agentnum表示疏散人群规模；

所述个体情绪值计算公式：

所述个体行为决策模型建立过程如下：

计算个体行为阈值Be_i：

其中，E_i(t)表示个体自身情绪值、Re_i表示个体理性程度，λ表示事件调节因子，δ₁、δ₂表示个体行为类型调节因子；α表示事件类型的权重，β表示个体情绪的权重，γ表示个体理性程度的权重，且α+β+γ＝1；

根据所述行为阈值进行行为决策，规则如下：

规则1：若Be_iδ₁，则个体不受事件的影响，按原计划运动；

规则2：若δ₁≤Be_i≤δ₂，则个体向事件源靠近；

规则3：若Be_iδ₂，则个体远离事件源；

所述计算个体下一时刻的新速度包括：

利用个体最大速度V_i^max和个体最大加速度a^max来限制个体的速度，得到在下一时刻的候选速度集合AVⁱ(V_i)：

AVⁱ(V_i)＝{V_i'|||V_i'||V_i^max∩||V_i'-V_i||a^maxΔt}

其中，AVⁱ(V_i)表示下一时刻的候选速度集合；V_i表示个体当前的速度；V_i′表示个体下一时刻的候选速度；a表示个体的加速度；

利用t时刻的情绪值E_i(t)根据更新个体i的期望速度同时保证满足

利用期望速度在候选速度集合AVⁱ(V_i)中选择使速度惩罚值penalty_i(V_i′)最小的候选速度，作为下一时刻个体最佳的速度V_t+1；

其中，penalty_i(V′_i)表示个体的速度惩罚值，是个体的速度惩罚因子，tc_i′(V_i′)是个体i与周围个体的期望碰撞时间，表示期望速度与候选速度V_i′的差值；

所述根据个体行为决策结果更新个体的运动方向包括：

若Be_iδ₁，更新个体i的运动方向d_V_i^pref＝d_i；

若δ₁≤Be_i≤δ₂，更新个体i的运动方向d_V_i^pref＝S_i；若Be_iδ₂，利用情绪值E_i(t)，更新个体i的运动方向

其中，d_i表示个体i当前时刻的期望速度方向，S_i表示个体i指向事件源圆心的方向；和表示个体i与危险区域的两个切线方向；A表示d_i和之间的夹角，B表示d_i和之间的夹角，C表示和之间的夹角，D表示d_i和S_i之间的夹角。