[发明专利]基于猫群算法的人群疏散仿真方法、系统、介质及设备

权利要求书

1.一种基于猫群算法的人群疏散仿真方法，其特征在于，步骤如下：

设置疏散场景参数信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中；

提取疏散场景模型的语义信息，在相应的疏散场景下设置疏散人群参数信息，并根据疏散人群参数信息进行人群初始化；

采用猫群算法进行宏观路径规划，采用社会力模型进行微观人群运动指导，得到最终人群疏散路径，进行人群疏散仿真；

采用猫群算法进行宏观路径规划，具体为：

根据疏散个体位置到最终疏散出口的距离和拥挤度分别计算适应度，根据结合率来决定猫是处于跟踪模式还是搜寻模式；

当猫进行完搜寻模式和跟踪模式后，根据适应度函数计算它们的适应度并保留当前群体中最好的解，之后对猫群位置进行更新；

根据结合率随机地将猫群分为搜寻部分和跟踪部分的猫，迭代后得到疏散个体的全局路径规划。

2.如权利要求1所述的基于猫群算法的人群疏散仿真方法，其特征在于，根据设置的疏散场景参数信息，采用模型设计软件创建疏散场景模型，并对创建的疏散场景模型进行渲染；

或者，所述疏散场景模型为二维场景模型或三维场景模型；

或者，所述疏散场景模型包括疏散场景的所有房间和出口；

或者，当最终出口的疏散人数等于总人数时疏散过程结束，并实时存储疏散人群总数、疏散时间和人群疏散路径。

3.如权利要求1所述的基于猫群算法的人群疏散仿真方法，其特征在于，在创建的疏散场景模型的每一个疏散出口处设置计数器，用于统计每个出口疏散的人群个体数；

进一步的，根据每个出口疏散的人群个体数，分别计算出口处的拥挤度，所述拥挤度为正常情况下通过出口的预设个数与相应出口疏散的人群个体数总值的比值。

4.如权利要求1所述的基于猫群算法的人群疏散仿真方法，其特征在于，所述适应度的函数为：

F(v_i)＝μN_i+ωρ

其中，N_i表示个体位置到最终疏散出口的距离：ρ表示拥挤度因子；μ和ω表示权重系数，μ+ω＝1。

5.如权利要求1所述的基于猫群算法的人群疏散仿真方法，其特征在于，采用社会力模型进行微观人群运动指导，产生无碰撞的人群运动，具体为：

对于疏散人群中的每个个体行人，计算行人自身的驱动力、行人之间的排斥力和行人受墙或障碍物的作用力的所受合力；

个体行人按照计算的所受合力进行行为运动，社会力模型通过将所受合力作用于行人产生加速度，疏散人群内的个体则按照合理的方向进行移动。

6.如权利要求5所述的基于猫群算法的人群疏散仿真方法，其特征在于，所述驱动力用于引导个体朝目标方向前进；在个体身体接触之前，行人之间的排斥力使人群中的个体避免相互碰撞；行人受墙或障碍物的作用力使人群中的个体避免与障碍物碰撞，从而得到无碰撞的人群运动。

7.一种基于猫群算法的人群疏散仿真系统，其特征在于，包括：

疏散建模模块，被配置为：设置疏散场景参数信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中；提取疏散场景模型的语义信息，在相应的疏散场景下设置疏散人群参数信息，并根据疏散人群参数信息进行人群初始化；

宏观路径规划模块，被配置为：采用猫群算法进行宏观路径规划，搜索初始点到目标点的路径，所述路径由一系列关键点组成；采用猫群算法进行宏观路径规划，具体为：

根据疏散个体位置到最终疏散出口的距离和拥挤度分别计算适应度，根据结合率来决定猫是处于跟踪模式还是搜寻模式；

当猫进行完搜寻模式和跟踪模式后，根据适应度函数计算它们的适应度并保留当前群体中最好的解，之后对猫群位置进行更新；

根据结合率随机地将猫群分为搜寻部分和跟踪部分的猫，迭代后得到疏散个体的全局路径规划；

微观人群运动模块，被配置为：采用社会力模型进行微观人群运动指导，产生无碰撞的人群运动，得到最终人群疏散路径，进行人群疏散仿真。