[发明专利]基于人群疏散的折半聚类方法

摘要

人群疏散折半聚类方法，包括将整个疏散场景面积定义为P＝L*W；将人群疏散个体数据集定义为E＝{ei,i＝1,2,…,num}；个体数据集E到场景P的映射是E→S，被定义为S＝{ei(x,y)}；同组个体属性设定；计算网格密度；核心网格是包含的个体数目大于1的叶子网格且核心网格数目不大于k；对整个场景进行二分的非均匀网格划分；检测非空网格内的个体是否同；按网格密度非递增排序叶子网格；按顺序依次提取叶子网格为核心网格，聚合其周围的同组邻居网格；按距离就近原则，聚合剩余的非核心网格。将现实中的人际关系如家人、朋友等考虑到聚类分组中去，在人群疏散过程中快速识别出人群中有关系的人并准确地聚类成组。使得仿真模拟更加符合实际的人群疏散。

主权项

基于人群疏散的折半聚类方法，包括以下步骤：1)将整个疏散场景面积定义为P＝L*W，其中，L、W分别代表疏散场景的长和宽，用(x,y)来表示疏散场景的坐标；2)将人群疏散个体数据集定义如下：E＝{ei,i＝1,2,…,num}，其中，ei表示在数据集中的第i号个体，num是个体总数，pi和gj分别表示第i号个体和j号网格的小组属性，j＝1,2,…,n，n是非空叶子网格数目；3)个体数据集E到场景P的映射是E→S，被定义为S＝{ei(x,y)}，其中，ei是E中第i号个体，1≤i≤num；(x,y)是场景中的坐标，1≤x≤W，1≤y≤L，ei(x,y)表示i号个体的位置；4)同组个体属性设定，先求得j号网格内的个体序号，再确定网格内个体实际范围左下方及右上方的边界点(xld,yld)和(xru,yru)，算出中心位置，则(xm,ym)可表示为：xm=xld+xru2ym=yld+yru2---(1)]]>同时得到同组个体的邻域半径rj：rj=1nΣi=1n(xi-xm)2+(yi-xm)2---(2)]]>从而确定同组内个体的属性值pi(在实际仿真中，pi是个体间的关系阈值，而个体间的关系值则在初始化时给定的关系矩阵确定)；5)计算网格密度den(cj)：den(cj)=count(cj)s(cj)---(3)]]>其中den(cj)表示网格第j号叶子网格C的密度，(1≤j≤n)，n是叶子网格的总数，count()、s()分别是计算网格内个体数目和个体所占实际面积的函数；实际面积是通过网格内个体实际范围左下方及右上方的边界点(xld,yld)和(xru,yru)计算得到；6)核心网格是包含的个体数目大于1的叶子网格且核心网格数目不大于k；每个核心网格的邻居网格是和它直接相连的网格，最多有八个；7)对整个场景进行二分的非均匀网格划分，比较场景的边长，把长边均分两半，形成两个格子，再检测每个格子，如果格子里是空的或者是同组的个体则停止，否则就把该格子按同样规则二等分，这样继续二等分下去，直到格子为空或者格子里的个体都是同组的为止；8)检测非空网格内的个体是否同；以个体的实际中心为中心位置，即以边界个体的坐标而不是网格顶点坐标来计算中心位置，以个体到中心距离的均值为邻域半径，距离在半径内的个体则同组并设置同组属性，否则是异组；9)按网格密度非递增排序叶子网格；10)按顺序依次提取叶子网格为核心网格，聚合其周围的同组邻居网格，聚合规则是邻居网格中任意一个体的属性与核心网格属性相同则为同组，因为叶子网格内的个体都是同组的；11)按距离就近原则，聚合剩余的非核心网格。