[发明专利]人群行为模拟模型训练方法、人群模拟方法、装置和设备

说明书

本发明提供一种人群行为模拟模型训练方法、人群模拟方法、装置和设备，涉及人工智能技术领域，训练方法包括：获取行人轨迹数据集和行人仿真数据集，行人仿真数据集是将行人轨迹数据集输入初始人群行为模拟模型中的初始行人交互模拟模型得到的；基于行人轨迹数据集和行人仿真数据集，对初始人群行为模拟模型中的初始行为预测模型进行师生协同驱动训练，得到行为预测模型；基于符号集对行为预测模型进行符号回归，确定更新后的行人交互模拟模型，以得到人群行为模拟模型，符号集包括至少一种操作符及操作符的组合方式。本发明可实现对人群精确且真实的模拟，提高人群模拟的鲁棒性和可泛化性。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人群行为模拟模型训练方法、人群模拟方法、装置和设备。

背景技术

人群模拟(Crowd Simulation)是模拟大量行人的运动和互动动态的过程，在交通管理、城市规划、应急管理等领域内均有广泛应用。

现有技术中，人群模拟器大多使用微观模型，主要包括基于物理的方法和深度学习方法两大类，其中：

(1)基于物理的方法主要包括：校准后的社会力模型(Social Force Model)和细胞自动机(Cellular Automaton)，社会力模型为物理模型，细胞自动机为离散模型，用于模拟个体之间的交互作用，上述模型泛化性能较强，但在模拟结果的真实性方面存在不足，往往不能反映行人的异质性，且对于行人间避让的模拟不够自然，无法实现对人群真实且准确的模拟；

(2)深度学习方法主要包括：生成式对抗网络(Generative AdversarialNetworks,GANs)和图卷积网络(Graph Convolutional Networks,GCNs)等机器学习模型，用于模拟人群运动行为，但上述机器学习模型在模拟结果的可泛化性上存在不足，在仿真时长超过训练时长时预测误差较大，无法实现对人群真实且准确的模拟。

发明内容

本发明提供一种人群行为模拟模型训练方法、人群模拟方法、装置和设备，用以解决现有技术中无法同时满足人群模拟真实性和准确性的缺陷，实现对人群精确且真实的模拟，提高人群模拟的鲁棒性和可泛化性。

本发明提供一种人群行为模拟模型训练方法，包括：

获取行人轨迹数据集和行人仿真数据集，所述行人仿真数据集是将所述行人轨迹数据集输入初始人群行为模拟模型中的初始行人交互模拟模型得到的；

基于所述行人轨迹数据集和所述行人仿真数据集，对所述初始人群行为模拟模型中的初始行为预测模型进行师生协同驱动训练，得到行为预测模型，其中，所述行为预测模型用于预测人群运动行为，且所述行为预测模型是采用师生协同损失函数、碰撞焦点损失函数和碰撞预测损失函数进行训练得到的；

基于符号集对所述行为预测模型进行符号回归，确定更新后的行人交互模拟模型，以得到人群行为模拟模型，所述行人交互模拟模型用于模拟行人个体之间的交互作用，所述符号集包括至少一种操作符及所述操作符的组合方式。

根据本发明提供的人群行为模拟模型训练方法，所述基于所述行人轨迹数据集和所述行人仿真数据集，对所述人群行为模拟模型中的初始行为预测模型进行师生协同驱动训练，得到行为预测模型，包括：

将所述行人仿真数据集输入所述人群行为模拟模型中的初始行为预测模型进行训练，得到过拟合的初始行为预测模型，其中，所述过拟合的初始行为预测模型是采用教师损失函数进行训练得到的，所述教师损失函数为所述师生协同损失函数中的教师训练损失函数、碰撞焦点损失函数和碰撞预测损失函数之和；

将所述行人轨迹数据集输入所述过拟合的初始行为预测模型进行训练，得到所述行为预测模型，其中，所述行为预测模型用于预测人群运动行为，且所述行为预测模型是采用学生损失函数进行训练得到的，所述学生损失函数为所述师生协同损失函数中的学生训练损失函数、碰撞焦点损失函数和碰撞预测损失函数之和。