内容提供者
一种基于折半DBSCAN聚类算法的人群分组疏散仿真方法及系统.pdf
2023-06-06
10金币
2.2MB
25页
一条****杉淑
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共25页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于折半DBSCAN聚类算法的人群分组疏散仿真方法及系统.pdf
本发明涉及一种基于折半DBSCAN聚类算法的人群分组疏散仿真方法及系统,该方法包括:创建疏散场景模型和人群个体模型,分别对疏散场景信息及人群个体信息进行初始化,得到初始化参数;根据初始化参数利用折半DBSCAN算法将人群分为若干群组,得到人群分组结果;将人群分组结果作为人群运动的初始化状态,采用社会力模型进行局部路径规划,得到疏散场景内每个个体的运动路径,进行人群疏散仿真。本发明将折半DBSCAN聚类算法和社会力模型进行结合,完成复杂场景下的人群疏散仿真,真实有效地实现复杂场景下的人群疏散仿真,提高了人群
2023-06-06
10
2.2MB
一种基于多蜂群算法的人群疏散仿真方法及系统.pdf
本发明涉及一种基于多蜂群算法的人群疏散仿真方法及系统，该方法包括：设置疏散场景参数信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中，所述疏散场景模型作为人群疏散的环境空间，所述人物模型作为疏散人群；提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据疏散人群参数信息进行人群初始化；将疏散人群划分群组，在每个群组中筛选出引领蜂，采用多蜂群算法并增设辅助种群进行宏观路径规划，采用社会力模型进行微观人群运动指导，得到最终人群疏散路径，进行人群疏散仿真。该方法能够真实有效地实现复
2023-06-21
10
1.1MB
DBSCAN基于密度的聚类算法.ppt
基于密度的聚类算法DBSCAN聚类算法DBSCAN密度的定义传统基于中心的密度定义为：数据集中特定点的密度通过该点Eps半径之内的点计数(包括本身)来估计。显然，密度依赖于半径。基于密度定义，我们将点分为：稠密区域内部的点(核心点)稠密区域边缘上的点(边界点)稀疏区域中的点(噪声或背景点).核心点(corepoint):在半径Eps内含有超过MinPts数目的点，则该点为核心点这些点都是在簇内的边界点(borderpoint):在半径Eps内点的数量小于MinPts，但是在核心点的邻居噪音点(noisep
2024-08-15
10
438KB
基于禁忌搜索蜂群算法的人群疏散仿真方法及系统.pdf
本发明公开了基于禁忌搜索蜂群算法的人群疏散仿真方法及系统，设置疏散场景参数信息和人物模型信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中；设置基于禁忌搜索的蜂群算法的初始参数；宏观疏散仿真：初始化初始参数，采用基于禁忌搜索的蜂群算法进行宏观路径规划，搜索初始点到目标点的初始路径，路径由若干个点组成；微观疏散仿真：在初始路径的基础上，当疏散人群数量大于设定阈值时，个体之间不可避免地会发生碰撞，采用社会力模型进行微观人群运动指导，产生无碰撞的疏散运动，得到最终人群疏散路径，进行人群疏散仿真；将
2023-06-21
10
796KB
基于疏散路径集合的人群疏散仿真方法及系统.pdf
本发明公开了一种基于疏散路径集合的人群疏散仿真方法及系统，其中该方法包括提取疏散场景的特征，得到疏散场景的二维模型；基于疏散场景的二维模型以及融合避障策略的社会力模型，获取所有可利用的疏散路径，形成疏散路径集合；将疏散路径集合内的所有路径进行离散化操作，实时计算人群分布程度以及阻塞程度信息，得到人群中每个个体对疏散路径集合中所有路径的评估值；根据人群中每个个体对疏散路径集合中所有路径的评估值来构建轮盘赌，采用基于轮盘赌的伪随机选择策略和稳定因子来选择最佳疏散路径，从而实现人群疏散过程的仿真。本发明仿真个体
2023-09-02
10
766KB