[发明专利]基于GPU的多出口势能场模型人群实时疏散仿真方法

权利要求书

1.基于GPU的多出口势能场模型人群实时疏散仿真方法，其特征在于，包括以下步骤：

S1：根据实际模型应用场景，计算各个单出口模型的势能场；

S2：计算各个出口的宽度系数和宽度权重系数；

S3：对于M个运动个体，在GPU中开启M个并行独立线程，计算运动个体与各出口的距离系数和距离权重系数；

S4：根据在GPU中开启的M个并行独立线程，计算各出口的人群密度系数和人群密度权重系数；

S5：计算运动个体选择各出口的可能性；

S6：根据在GPU中开启的M个并行独立线程，计算运动个体的多出口势能场；

S7：各运动个体移动与碰撞避免，根据计算得到的每个运动个体自身的多出口势能场，选择相对于当前位置势能减少最快的方向移动，包括左上角、上、右上角、右、右下角、下、左下角、左八个方向，上下左右四个方向的势能值变化为：

四个角落的势能值变化为：

其中：P_now表示当前势能值，P_next表示下一时刻的势能值；

GPU并行计算得到多个运动个体可能同时移动到同一个位置，对比多个碰撞运动个体的最大的运动个体保持移动后的位置，其余运动个体按照以下方法选择向该格子未被占领的邻格子移动或者回到原地，方法如下：

其中D为整个仿真场景的面积，w为静止指数，通过设置静止指数w来修改碰撞冲突时选择原地静止的概率；

S8：判断每一个运动个体是否到达出口区，若到达出口区则执行步骤S9，否则跳回步骤S5继续执行；

S9：多次计算判断该出口区域是否为最佳疏散口，运动个体到达出口区域后，回到步骤S5循环执行，多次计算；

S10：通过步骤S9计算后，若该出口区域的出口仍为选择可能性最高的出口，则等待离开，否则回到步骤S7重新寻找另一个更优的出口。

2.根据权利要求1所述的基于GPU的多出口势能场模型人群实时疏散仿真方法，其特征在于：步骤S2中，各个出口的宽度系数和宽度权重系数的计算方法为：

其中P_s为第i个出口的宽度系数，S_i为第i个出口的宽度，k_s为宽度指数，N为出口个数，可通过设置出口个数N来修改P_s这个因素在多出口选择中作用的强弱；

其中a_i为第i个出口的宽度权重系数，S为所有出口宽度的和。

3.根据权利要求2所述的基于GPU的多出口势能场模型人群实时疏散仿真方法，其特征在于：步骤S3中，运动个体与各出口的距离系数和距离权重系数的计算方法为：

其中P_r为运动个体与第i个出口的距离系数，r_i为运动个体与第i个出口的直线距离，k_r为距离指数，可通过设置距离指数k_r来修改P_r这个因素在多出口选择中作用的强弱；

其中b_i为运动个体与第i个出口的距离权重系数，R为运动个体与所有出口距离的和。

4.根据权利要求3所述的基于GPU的多出口势能场模型人群实时疏散仿真方法，其特征在于：步骤S4中，各出口的人群密度系数和人群密度权重系数的计算方法如下：

其中P_d为第i个出口的人群密度系数，d_i为第i个出口的出口区域内的人群密度，k_d为人群密度指数，可通过设置人群密度指数k_d来修改P_d这个因素在多出口选择中作用的强弱；

其中c_i为第i个出口的人群密度权重系数，D为所有出口区域内的人群密度的和。