[发明专利]基于异构情绪感染模型的人群疏散仿真方法及系统

说明书

本发明公开了基于异构情绪感染模型的人群疏散仿真方法及系统，首先，设计了一种基于Durupinar模型的异构情绪感染计算方法，在该方法中，提出了一种基于分组的情绪感染计算方法，考虑个体间距离和关系两个因素对分组的影响，并利用人群分组算法对人群进行分组，研究分组对情绪感染计算的影响；在此基础上，提出基于特征的恐慌程度计算方法，根据个性、性别、年龄的特征差异将个体特殊化，并利用上述特征进行情绪恐慌程度计算。其次，将上述异构情绪感染模型与人群运动耦合，结合相对速度障碍法，利用情绪驱动人群运动。最后，使用真实感渲染的方法模拟人群疏散效果。本发明能较真实直观的观察人群运动中的情绪感染现象。

技术领域

本发明涉及一种人群疏散仿真方法，尤其涉及基于异构情绪感染模型的人群疏散仿真方法及系统。

背景技术

运用人群运动仿真研究人群在突发情况下人群的运动特征与规律，能够帮助设计者对建筑物或者公共场所的人流疏散通道进行综合分析与评价，辅助建立紧急情况下人员的疏散方案，以及合理的建筑布局，以减少群体事件中拥挤、踩踏等不良事件的发生，有利于紧急情况下的人群疏散工作。在人群疏散过程中，个体往往会聚集成小的分组，而分组内部也存在个体差异，但现有的情绪感染模型大多没有考虑分组和个体差异对情绪的影响，个体之间的感染是同构的，即个体之间的感染速度相同，无法逼真地模拟人群运动过程。

发明内容

本发明的目的就是为了解决上述问题，提出了一种基于异构情绪感染模型的人群疏散仿真方法。该方法通过对情绪感染现象的仿真，实现了情绪感染下的人群运动，能够更好地反映现实情况下个体情绪的异构性，更真实地模拟人群运动过程，为解决公共安全问题提供了新的解决思路。

为了实现上述目的，本发明采用如下技术方案：

基于异构情绪感染模型的人群疏散仿真方法，包括以下步骤：

步骤(1)：输入人群信息、情绪信息和场景信息，分别对人群信息、情绪信息、场景信息初始化；

步骤(2)：基于Durupinar模型计算异构情绪感染程度；

步骤(3)：将步骤(2)得到的结果与相对速度障碍法RVO相耦合；

步骤(4)：结合真实感渲染平台对人群运动仿真结果进行真实感渲染。

所述步骤(2)采用社会比较理论的相似性计算方法，将个体之间的特征进行比较，并计算两者之间的相似度。利用一组有序的特征模拟每个个体，并对所有特征值加权线性求和来度量个体i，j之间的相似性s(i,j)，个体之间的相似性越高，越容易聚集在一起。

考虑个体的两个特征：距离和关系。其中，个体之间的距离越近，越容易聚在一起，而对于关系亲密性高的个体，必然会比无关系或亲密性低的个体更容易聚在一起。

在基于分组的情绪感染计算的基础上，进行基于特征的情绪恐慌程度计算。

在现实生活中，性别会影响个体情绪感染的强度，女性相对于男性更容易受到情绪感染；情绪感染的个体差异也与个性因素有关，有些人在人群中易被主流情绪影响，而有些人不易被影响；个体年龄越大，生活阅历越丰富，人们能够更好地调节情绪反应，更多地关注积极情绪，因此较少受到负面刺激的影响。因此，在人群恐慌情绪传染过程中，考虑个性、性别、年龄三个特征的影响。

所述人群信息，包括：人群的位置；所述情绪信息，包括：人群的情绪状态；所述场景信息，包括：场景的障碍物位置。

场景信息的初始化是输入障碍物信息并画出场景的Roadmap图。所述Roadmap图表示场景语义信息，通过Roadmap图将无障碍区域表示成图结构Graph，图结构Graph表示的是绕过障碍物的拓扑图；Roadmap图的顶点是场景内的随机点，Roadmap图的边是连接顶点的边，将任意两个顶点连接，同时在连接时要保证两个顶点之间的连线不经过任何障碍物；