模拟疏散中个体及群体运动方法

应用元胞自动机和人工智能原理模拟人员的疏散,研究了"分块划分"情况下个体的智能寻径行为以及当出口人员密度达到一定阀值时群体运动的规律,发现分块划分条件下人员的行为与现实中人的寻径及避障行为更接近;采用"出口处群体运动"与单独采用个体运动算法相比,同等计算机资源条件下,最大疏散人数得到了提高,而在同等人员属性配置下,在一定范围内,疏散时间变化不大。结果表明分块划分与出口"群体运动模拟"能够减少硬件本身对结果的影响,从且保证了结果的有效性,是一种模拟真实场景紧急疏散的可行方法。     

基于GPU粒子系统的大规模场景高效雨雪实时模拟

粒子系统实现的雨雪效果能有效增强三维场景的真实感,传统基于中央处理器（CPU）运算模拟的粒子系统占用了大量CPU运算时间,难以达到实时模拟的要求。为此提出了一种基于图形处理器的（GPU）运算的粒子系统来模拟的雨雪场景。该方法通过在GPU中重复使用消亡粒子在视点坐标系内生成新粒子,并在几何着色器中将粒子的点坐标转换为矩形坐标,将CPU从复杂庞大的几何运算中解放出来,从而大幅增加了场景绘制的微粒数,使雨雪场景模拟的实时性和逼真度得到增强。     

一个面向紧急疏散的大规模人群运动模拟系统

对公共场所大规模虚拟人群疏散过程的模拟研究在理论和现实方面都具有重大的意义.本文介绍了一个面向紧急疏散的大规模人群运动模拟系统,包括系统框架、功能、规模等.其中详细讲解了系统的几个功能模块及其实现技术,主要有人群建模和仿真技术、场景建模技术、灾害现象模拟技术、人群疏散控制策略以及海量数据实时渲染技术.最后对人群疏散系统在未来需要解决的问题做了简单讨论.     

基于人机社会力模型的人群疏散算法

针对公共场合紧急情况下人群疏散困难和效果有限的问题,提出一种基于人机社会力模型的机器人疏散人群的方法。首先,基于原始社会力模型提出了一种新的人机社会力模型,该模型在原始社会力模型的基础上加入了机器人对人作用的人机作用力;然后,基于人机社会力模型提出一种新的利用机器人疏散人群的方法,该方法在人群疏散场景中加入运动机器人,通过机器人自身的运动,利用人机作用力影响周围行人的运动状态,减小行人之间的压力,从而达到加快人群运动速度、提高人群疏散效率的目的。在室内封闭场景人群逃生、两群行人交错这两种典型的疏散场景中分别进行仿真实验,并将实验结果与未加入机器人的人群疏散结果进行对比分析,实验结果表明,基于人机社会力模型的机器人疏散人群的方法能够明显加快人群的运动,提高人群的疏散效率。     

基于深度时空Q网络的机器人疏散人群算法

针对目前人群疏散方法中机器人灵活性低、场景适应性有限与疏散效率低的问题,提出一种基于深度强化学习的机器人疏散人群算法。利用人机社会力模型模拟突发事件发生时的人群疏散状态,设计一种卷积神经网络结构提取人群疏散场景中复杂的空间特征,将传统的深度Q网络与长短期记忆网络相结合,解决机器人在学习中无法记忆长期时间信息的问题。实验结果表明,与现有基于人机社会力模型的机器人疏散人群方法相比,该算法能够提高在不同仿真场景中机器人疏散人群的效率,从而验证了算法的有效性。     

城市应急漫游系统若干关键技术研究

提出一种建立城市应急漫游系统的虚拟现实技术解决方案。重点研究在3DMax中利用粒子系统和蚁群算法实现漫游场景中突发公共事件和人群疏散的模拟方法;提出一种基于节点分散度和伪随机比率路径选择规则,建立自适应蚁群算法模拟突发公共事件时人群疏散行为模型,给出在人群疏散行为模型中用到的节点分散度和伪随机比率的计算方法。     

人群疏散虚拟现实模拟系统——Guarder

人群疏散的虚拟现实模拟就是利用虚拟现实技术,在计算机生成空间中建立公共设施和人群的三维模型,设定各种可能发生的安全危机和相应的疏散预案,模拟并三维地展示人群疏散场景;通过对模拟结果进行统计分析,可以验证人群疏散应急预案的合理性和有效性.介绍了人群疏散模拟虚拟现实系统Guarder设计的核心思想,提出了技术框架,详细阐述了其中的复杂环境语义表示、群体运动仿真等关键技术,并给出了应用实例,最后列举了几个前沿研究问题.     

基于智能体方法的人群疏散三维仿真

研究建筑物在不同出口条件设置下人员的安全疏散问题。针对人群仿真中如何计算疏散路径问题,文中采用导航图技术和agent技术来对个体进行疏散路径的规划。同时为表现人群运动过程当中个体之间的相互碰撞问题,结合碰撞规避规则进行穿透矫正。并且采用三维引擎DeltaSD在Vc＋＋9．0环境下进行仿真并搭建了一套三维人群运动模拟平台。最后分别在三种不同出口条件下的虚拟场景中进行仿真。对比仿真结果表明该平台能直观地展现整个人群疏散的运动过程,并能够对建筑物出口安全设计的合理陛提供有效的数据依据。     

基于信息非对称性的小群组紧急疏散行为模拟

为了更真实地模拟紧急疏散情况下个体、群组及其间的交互行为,提出一种通用的人群模拟方法.首先分析可能影响个体疏散行为的因素;然后引入统一空间量化所有影响疏散行为的因素,统一不同个体的倾向速度的求解过程;最后根据个体所属的群组及其对环境的熟悉程度的差异性等不同情况对倾向速度进行求解.实验结果表明,该方法能够更真实地模拟个体、群组的疏散行为.     

宏观场景指导下的微观agent人员疏散仿真模型*

现有的微观agent模型难以描述人群分布和人群运动对疏散过程的影响,为此建立宏观场景指导下的微观agent人员疏散仿真模型,并考虑疏散过程中“推挤—穿行”行为的影响。该模型重点模拟了宏观场景中人群分布及“推挤—穿行”对人员疏散的影响。仿真实验表明该模型可以帮助agent选择更合适的疏散路线,并验证了疏散过程中发生“推挤—穿行”将会延长疏散时间,结果比较符合实际,证明了该模型的合理性和适用性。     

基于CUDA的大规模群体行为实时仿真并行实现及优化

群体仿真中个体从环境中查找相关对象时会导致较高的时间复杂度。要使大规模群体能够实时仿真,必须降低模型运算的时间复杂度或者提高计算平台的能力。通过对Biods模型为典型案例进行研究,提出一种基于统一计算架构(CUDA)的大规模群体行为实时仿真并行实现及优化的方法。实现中将个体与GPU逻辑线程一一对应,通过将仿真环境离散化来提高相关个体查找的效率,通过并行化基数排序法将个体信息组织成具有空间局部性的数组,提高图形处理器(GPU)内存带宽的利用率。通过实验验证了该方法将仿真个体的数量提升到CPU方法的约7.3倍。     

基于粒子系统的飘雪场景实时绘制

为了实现真实感飘雪场景特效,提出基于GPU加速的飘雪场景实时绘制方法。飘雪场景作为自然环境特效的一部分,一直是虚拟现实领域研究的难点。详细阐述基于GPU加速的飘雪场景实时绘制方法,包括雪粒子的产生、初始化、属性更新、沉积计算、消亡、绘制等过程。给出实验结果与分析,包括飘雪场景、飘雪效果、飘雪沉积等实验。实验证明,该方法是可行有效的。     

基于DI-Guy的校园消防训练仿真

针对高校人口密度大、难以高效组织消防训练、缺乏处理应急事件经验等问题,提出一种基于DI-Guy软件的虚拟仿真训练方法。首先利用MultiGen Creator软件建立校园三维模型并加载到DI-Guy的可视化窗口中进行构建,然后模拟火灾发生场景和消防疏散过程,最后对人群疏散方案效果进行数据分析,同时对仿真模拟过程中的一些关键技术,包括利用自定义模型建立、特效实现、人物的行为控制和碰撞检测等进行研究和应用。仿真结果表明,所提出的仿真模型能够合理地反映人群疏散情况,起到良好的展示作用,为校园应急事件在DI-Guy平台的仿真提供可行性方案。     

基于CPU-GPU混合加速的SPH流体仿真方法

基于光滑粒子流体力学SPH的流体仿真是虚拟现实技术的重要研究内容,但SPH流体仿真需要大量的计算资源,采用一般计算方法难以实现流体仿真的实时性。流体仿真通常由物理计算、碰撞检测和渲染等部分组成,借助GPU并行加速粒子的物理属性计算和碰撞过程使SPH方法的实时流体仿真成为可能。为了满足流体仿真应用中的真实性和实时性需求,提出一种基于CPU GPU混合加速的SPH流体仿真方法,流体计算部分采用GPU并行加速,流体渲染部分采用基于CPU的OpenMP加速。实验结果表明,基于CPU GPU混合加速的SPH流体仿真方法与CPU实现相比,能显著地减少流体仿真单帧计算时间且能更快速地完成渲染任务。     

结合最短路径改进的社会力人群疏散仿真模型

社会力模型广泛应用于人群疏散仿真,针对该模型在仿真过程中存在行人停滞不前、无法通过非凸边形障碍物和疏散路径与行人实际选择的路径不相符等问题,提出了一种社会力改进模型。该模型基于场景中的障碍物生成路径节点,利用这些节点生成无向图,同时考虑了节点的安全系数和拥挤系数对节点通行性的影响生成最短疏散路径。通过改进后的社会力模型进行了多种场景的仿真实验,实验结果显示行人在复杂障碍物场景中能有效绕过障碍物,生成合理的疏散路径,表明该模型有效改善社会力模型,使人群疏散仿真更加真实。     

基于全局路径规划的相互速度障碍物人群疏散方法

针对相互速度障碍物（RVO）模型缺少全局路径规划,只依靠局部碰撞避免不能很好地模拟复杂的疏散场景问题,提出了一种剩余路径代价尽量小的动态全局路径选择方法。该方法包含路径预处理和路径实时更新两部分:第一部分使用快速最短路径算法（SPFA）求取场景最短路径（SSP）;第二部分根据SSP快速动态地计算每个个体的最优疏散路径,并使用KD树优化障碍物阻挡判断过程。最后将方法扩展到多楼层、多障碍物、多通道、多出口的复杂场景实现了近千人的仿真实验。实验结果表明,该方法在多个场景中都取得了良好的路径规划效果。     

人群应急疏散可视仿真研究进展和问题

人群应急疏散可视仿真是用智能体来模拟具有自主感知、情绪和行为能力的人群个体,并采用3维可视的方式来直观呈现人群应急疏散情景,可以为制定人群应急预案提供形象直观的分析方法。本文从人群仿真数据的来源、人群导航模型的构建、人群行为模型、人群情绪感染、人群渲染5个方面概述目前研究的进展,然后从仿真模型的可验证性、人群疏散导航模型的构建、人与环境的物理模型、动物逃生实验与仿真、疏散中的社会行为表现以及人群情绪的可视计算6个角度讨论需要进一步研究的问题。针对需要深入研究的问题,指出借助于紧急事件的视频监控分析和虚拟人群情景的用户调查,有助于完善人群仿真模型。结合物理模型,可以更准确地描述人群应急疏散场景。开展动物逃生实验分析,有助于完善人群运动导航算法。建立人群社会行为模型,可以更详细描述疏散中人群行为的多样性。构建基于多通道感知的人群情绪感染计算方法,可以详尽描述情绪感染的过程。人群应急疏散行为的可视仿真研究在城市的安全管理方面具有重要的应用前景,但其研究仍存在很多亟待解决的问题,综合地运用多学科知识,完善实验手段是进一步推动研究的关键所在。     

基于多重网格法的实时流体模拟

在GPU上实现了多重网格法,并用该方法改进了二维的实时流体模拟,更充分地利用GPU的并行计算能力.使用4层网格,依靠渲染到纹理的计算方式、帧缓存扩展的纹理管理方法,提高了图形硬件的利用率.实验对比表明,在同样的帧数下该方法能提高GPU实时流体模拟的精度.尤其在较大规模的问题上,与同等精度的基于一般迭代方法的GPU实时流体模拟相比,该方法在速度上可有成倍地提高.     

在线光束平差法的高速计算方法研究

光束平差法（bundle adjustment,BA）是同步定位和地图构建（simultaneous localization and mapping,SLAM）后端优化的关键技术。在线使用光束平差时能否满足实时性要求,是将其应用于自动驾驶车端等实时系统的关键因素。首先分析特定场景中SLAM数据特点,提出滑动窗口机制降低计算规模;分析局部BA计算中稀疏矩阵性质提升算法的可并行性;最后基于嵌入式GPU对算法进行并行加速。将其应用于车载SLAM系统并在真实场景下测试,实验结果表明,在AGX Xavier嵌入式GPU上,针对720P道路场景,该方法比同平台CPU上处理性能平均提升4.8倍,可以处理15 fps的相机位姿地图数据,满足了30 fps的视频处理需求,达到了车载系统的实时性要求。     

基于Agent的人员疏散系统设计与实现

通过分析Agent与社会力模型在人员疏散方面的应用及疏散模拟中人和建筑物对象的存储方式,利用Agent技术结合人员疏散的动力学模型、改进的路径规划算法和人员在一般情况下的心理因素以及建筑物的不同特点,建立能够正确反映疏散时人员行为的Agent模型,运用C++语言实现基于Agent的人员疏散模拟系统。疏散结果显示,该系统能够较真实地模拟人员疏散过程。