[发明专利]极化高密度人群线性波动仿真方法、系统及可读存储介质

说明书

本发明涉及一种极化高密度人群线性波动仿真方法、系统及可读存储介质，所述方法包括：基于拉格朗日流体力学原理，模拟高密度人群的流体特征，以建立流体模拟仿真模型；基于光滑粒子流体力学算法，采用光滑核函数插值的方法计算得到每个智能体在预定位置处对应的密度、压力以及黏性力，并输入至流体模拟仿真模型中以计算得到每个智能体对应的加速度；根据智能体对应的加速度计算得到连续体人群的局部速度以及全局速度，根据局部速度以及全局速度计算得到对应的实际速度，并基于线性动量触发模型对实际速度进行最大速度约束，以实现人群线性波动。本发明提出的仿真方法，可模拟高度自对齐密集人群的线性波动，真实性强。

技术领域

本发明涉及计算机仿真处理技术领域，特别涉及一种极化高密度人群线性波动仿真方法、系统及可读存储介质。

背景技术

大规模虚拟人群仿真是娱乐和社会治理的一个重要研究课题，相应的仿真技术在影视、游戏、体育和疏散模拟等领域有着广泛的应用前景。通常在密集的人群中，个体仅有很小的旋转或停止自由度，往往只能跟随着前面的人行走或停止。特别是当人群进行单向运动时，人们聚集在疏散口时，此时危险系数会大大增加。为了避免潜在的危险，研究人员进行了各种人群模拟，以分析造成拥堵的关键原因。

经研究，一种观点认为人群的非走即停波动行为可能是导致灾难的主要原因。在马拉松赛事中，成千上万的跑步者跟随工作人员走向起跑线时，往往会产生一波又一波的人浪。但是，在现实世界中马拉松赛事很少发生会拥堵。对于此，一种理论假设认为：人流的运动可由流体力学方程控制。基于马拉松赛事视频，从流体力学角度来分析人流的密度和速度的波动，得出最新结论为：人流的密度场和速度场是一种线性的波动模式。

现有的模拟方法，一般只适合一维的人群运动模拟，例如排队以及有固定车道的车辆的情况。然而，现有的模型无法模拟二维高度自对齐密集人群的线性波动，因此需要提出一种全新的计算方法进行模拟仿真。

发明内容

基于此，本发明的目的是为了解决现有的人群仿真技术中，无法模拟二维高度自对齐密集人群的线性波动的问题。

本发明提出一种极化高密度人群线性波动仿真方法，其中，所述方法包括如下步骤：

步骤一：基于拉格朗日流体力学原理，模拟高密度人群的流体特征，以建立流体模拟仿真模型；

步骤二：基于光滑粒子流体力学算法，采用光滑核函数插值的方法计算得到每个智能体在预定位置处对应的密度、压力以及黏性力，并将所述密度、所述压力以及所述黏性力输入至所述流体模拟仿真模型中以计算得到每个所述智能体对应的加速度；

步骤三：根据所述智能体对应的加速度计算得到连续体人群的局部速度以及全局速度，根据所述局部速度以及所述全局速度计算得到对应的实际速度，并基于线性动量触发模型对所述实际速度进行最大速度约束，以实现人群线性波动。

本发明提出的极化高密度人群线性波动仿真方法，首先基于拉格朗日流体力学原理以模拟高密度人群的流体特征，以建立流体模拟仿真模型，再采用光滑核函数插值方法计算得到每个智能体对应的密度、压力以及黏性力，输入至流体模拟仿真模型中计算得到每个智能体对应的加速度，根据加速度计算得到实际速度，然后再基于线性动量触发模型对实际速度进行最大速度约束，从而实现人群线性波动，提高仿真的真实性。

在本发明中，在微观层面上，基于拉格朗日流体力学方法模拟极化的高密度人群流体动力学特征，也即使用核函数插值获得每个智能体的密度、压力和黏性力，并将地面离散为网格，以便加速搜索邻居智能体；从宏观层面上，通过自驱动力来解决人群整体运动，即每个智能体通过全局规划获得对应的全局速度，然后将全局速度作为外力集成到光滑例子流体力学算法中；最后，本发明集成人群流体动量以及边界触发模型，使得人群产生的线性波动，即人群的动量从队伍的最前端线性传播到队尾，从而实现了极化高密度人群模拟。