[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

说明书

本发明提供了一种基于GPU的多出口势能场模型人群实时疏散仿真方法，所述方法根据实际模型应用场景，提供相关的计算方法计算各个单出口模型的势能场、各个出口的宽度系数、宽度权重系数、运动个体与各出口的距离系数、距离权重系数、各出口的人群密度系数、人群密度权重系数，运动个体选择各出口的可能性、运动个体的多出口势能场。通过模拟各运动个体移动与碰撞避免，多次计算选择最佳疏散口。本发明方法应用到现实人群疏散中，有效解决现实疏散演练的弊端，并为疏散每个运动个体选择最优的疏散出口，提高疏散率，切合实际需求。

技术领域

本发明涉及人群安全疏散领域，更具体地，涉及一种基于GPU的多出口势能场模型人群实时疏散仿真方法。

背景技术

人群仿真是计算机图形学学科中一个研究的方向，其利用计算机仿真技术对人群群体进行建模与仿真。不仅仅限于计算机动画与模拟，还广泛应用于建筑规划设计、安全科学、机器人学、城市规划、交通工程等领域。计算机人群仿真技术综合了应用心理学、人体动力学、人工智能、物理学、社会学等学科。总体来说，人群仿真可以分为两个主要的方向：专注于模拟的真实性和专注于高质量的可视化。第一个方向主要关注于如何更准确的模拟出群体和个体的真实性，即对个体描述的真实感，使模型更符合与贴近现实生活中的人群流动与个体行走的场景，其可视化可用来更好的帮助用户理解仿真过程。第二个方向主要聚焦于高质量的渲染和动画技术，多用于电影制作，游戏制作等领域。

按照模型研究对象粒度的不同，人群仿真主要可分为两种仿真方法：宏观研究方法和微观研究方法。宏观研究方法是将人群的运动作为一个整体，从整体方面研究虚拟行人的运动特性，忽略个体行为和个体间的差异，主要包括流体力学模型、排队网络模型以及势能场模型。微观研究方法的主要代表模型为细胞自动机模型、社会力模型、格子气自动机模型等。

势能场模型中的势能被认为是每个物体潜在的释放出来的一种自然属性。它描述了在场景中物体所受到的吸引力和排斥力，并以函数的方式表示，这个函数决定了势能的性质以及群体的宏观行为模式。势能场中每一点的总势能为吸引力势能和排斥力势能的和。

拥挤人群的安全疏散问题一直是人们面对的一个公共安全问题，人群疏散过程中，在有多个出口的复杂场景中选择一个合理的出口是影响疏散效率的一个很重要的因素。现实中疏散演练繁琐不便，而紧急情况的疏散往往出现有些出口过于拥挤，有些出口利用不足的问题，疏散效率较低。

发明内容

本发明为克服上述现有技术所述的疏散效率较低的问题，提供基于GPU的多出口势能场模型人群实时疏散仿真方法。

为解决上述技术问题，本发明的技术方案如下：

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；