[发明专利]一种人群疏散中恐慌情绪的最优化干预仿真方法及系统

说明书

本公开提供了一种人群疏散中恐慌情绪的最优化干预的方法，所述方法通过自适应地调整人工干预强度来最大化干预收益，首先，通过建立基于随机事件的情绪感染模型，来分析人群情绪感染的过程，用事件发生强度来量化人群各个时刻的感染趋势和恢复趋势，据此可以投入有针对性的人工干预；其次，为了能准确的量化投入的人工干预，提出了一种基于霍克斯过程的干预模型，该模型可以根据人群事件发生强度的变化自适应地调整干预强度，并实时调控感染率和恢复率控制情绪感染；最后，为了兼顾成本和收益，投入最优的干预强度，本公开将其转化为一个最大收益率问题，并使用人工蜂群优化干预情绪感染情算法求得最优解。

技术领域

本公开涉及人群情绪干预分析技术领域，特别是涉及一种人群疏散中恐慌情绪的最优化干预仿真方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

在面临突发状况时，人群会产生焦虑、恐慌等负面情绪，这些情绪会在人群中蔓延并且会让人行动慌张失去理性，如果不加以控制，将会产生很严重的后果。针对情绪干预的研究也越来越受到研究者们的关注。

发明人发现现有技术中存在以下技术问题：

目前原有的情绪建模方法中，包括微观情绪建模和宏观情绪建模；其中，微观的情绪感染模型是描述情绪传递的细节，它虽然能够清晰地描述个体由无情绪到有情绪的过程，擅长描述人与人情感交互的细节，但是，基于微观的干预措施受到模型的限制无法根据实时的人群感染情况调节情绪干预力度，并保证资源的合理配置；当前情绪的宏观动力学模型都是确定性的模型，即使用了平均场的理论，该理论会忽略上述的影响因素，把人群视作同构个体，该理论通过构建微分方程以平均感染效果替代单个感染效果的加和，感染者是以确定性的公式演化发展，因此这个过程无法描述人群因异构性带来的随机性，并且基于宏观的感染模型也没有考虑直接对感染率和恢复率调控。

发明内容

本公开为了解决上述问题，提供了一种人群疏散中恐慌情绪的最优化干预仿真方法及系统；所述方案通过建立基于随机事件的情绪感染模型，用事件发生强度来量化人群各个时刻的感染趋势和恢复趋势，进而投入有针对性的人工干预进行控制；并且，提出基于霍克斯过程的干预模型，用于根据人群事件发生强度的变化自适应地调整干预强度，并实时调控感染率和恢复率控制情绪感染；最后，基于人工蜂群优化干预情绪感染情算法兼顾了成本和收益，通过优化求解，在人群疏散中投入最优的干预强度，避免了因恐慌情绪造成的严重后果。

根据本公开实施例的第一方面，提供了一种人群疏散中恐慌情绪的最优化干预仿真方法，包括以下步骤：

构建基于随机事件的情绪感染模型，根据事件发生强度对人群情绪感染的过程进行量化；

构建基于霍克斯过程的干预模型，通过所述干预模型根据人群事件发生强度的变化自适应地调整干预强度；

构建恐慌情绪优化的成本目标函数，并使用人工蜂群最优干预情绪感染算法求解最优干预强度，根据当前个体的无碰撞速度，进行人群疏散仿真运动。

进一步的，所述构建基于随机事件的情绪感染模型，包括：

构建所述情绪感染模型的感染事件发生强度和恢复事件发生强度；

由所述的感染事件发生强度和恢复事件发生强度得到状态转移概率；

构建人群状态转移矩阵，计算各个时刻的人群状态；

由此可以根据所述状态转移矩阵得到场景中情绪感染者状态的情绪感染模型，根据所述情绪感染模型可以获取场景中情绪感染者状态的变化情况。

进一步的，所述构建基于霍克斯过程的干预模型，包括：