一种基于自适应智能体模型的复杂人群疏散行为仿真方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105701314A(43)申请公布日2016.06.22(21)申请号201610105531.6(22)申请日2016.02.25(71)申请人武汉大学地址430072湖北省武汉市武昌区珞珈山武汉大学(72)发明人陈丹窦明罡陈靓影王力哲(74)专利代理机构武汉科皓知识产权代理事务所(特殊普通合伙)42222代理人魏波(51)Int.Cl.G06F17/50(2006.01)G06Q50/26(2012.01)权利要求书4页说明书12页附图3页(54)发明名称一种基于自适应智能体模型的复杂人群疏散行为仿真方法(57)摘要本发明公开了一种基于自适应智能体模型的复杂人群疏散行为仿真方法，采用自适应的智能体模型，给每个智能体定义了四种不同类型的属性，并且能够根据环境的变化自适应的制定每个智能体的逃离线路，因而具有更好的抗环境变化能力。但是普通的基于CPU平台的自适应智能体模型没办法处理复杂人群疏散问题，本发明采用基于CUDA的GPGPU多线程方法开发并行仿真算法，将并行计算思想融入到算法中去，在保留其算法效果的同时大大提高自适应智能体模型执行效率。实验证明，本方法在实际的大规模复杂人群疏散问题中具有更好的效率和可用性。CN105701314ACN105701314A权利要求书1/4页1.一种基于自适应智能体模型的复杂人群疏散行为仿真方法，其特征在于，包括以下步骤：步骤1：环境建模；环境模型为一种包含静态地图信息和相关的宏观场信息的多层地图；所述静态地图信息描述环境的物理属性；所述宏观场信息包括一个描述位置信息的位置势能场和一个描述人群密度信息的密度场；所述位置势能场是静态的，密度场是随着个体的行为会发生改变，是动态场；步骤2：自适应智能体建模；智能体模型主要定义决定智能体运动方式的原理；智能体的运动方式主要包括速度方向和速度大小；步骤3：自适应智能体模型的并行化；自适应智能体模型的并行化通过将一个智能体队列的所有元素根据GPU平台的CUDA核分成多个智能体组，然后并行处理智能体组中的每个元素。2.根据权利要求1所述的基于自适应智能体模型的复杂人群疏散行为仿真方法，其特征在于：步骤1中所述描述环境的物理属性，是通过地图来进行抽象化的描述；所述地图是一个由方格组成的网格组成，在这个网格中有四种类型的方格：可通过区域方格、出口方格、障碍物方格以及引导标记方格；所述智能体只能在可通过区域方格或者出口方格上移动，而且每个方格之间只能容纳一个智能体；当一个智能体移动到出口方格上之后，就被认为从环境中成功撤离，并且会被从仿真场景中删除；对于智能体来说障碍物方格或者引导标记方格都是不可通过的；所述引导标记方格的作用是为智能体提供附近出口的位置信息；步骤1中所述位置势能场是一个与方格一一对应的矩阵，矩阵中每个值对应一个特定的方格，这个值被称为这个方格的位置势能值；所有的位置势能值利用公式一进行标准化，转化为标准位置势能值，这个值是0到1之间的一个小数：(一)其中pc是当前方格到最近的出口方格的距离，pmin和pmax分别是位置势能场中的最小值和最大值；pmax的值是距离任何出口都最远的方格的位置势能值；步骤1中所述密度场描述了特定位置附近的当前人群密度；密度场是一个与方格一一对应的矩阵；矩阵中每个值对应一个特定的方格，这个值被称为这个方格的密度值；对于特定的方格k，对应的密度值ρk由公式二决定：(二)其中，N是方格k周围指定区域内方格的总数，指定区域是半径确定的近似圆形区域，Nk是这些方格内的智能体总数，a是方格的边长。3.根据权利要求2所述的基于自适应智能体模型的复杂人群疏散行为仿真方法，其特征在于：步骤2中所述智能体模型，智能体包括四类基础属性：位置属性、速度属性、健康度属性、权重属性；所述位置属性是一组包含x和y两个值的坐标信息，表示智能体当前占据的方格在地图2CN105701314A权利要求书2/4页网格中的位置；所述速度属性定义智能体的运动方式：包括速度方向、速度大小v和速度上限vmax；所述速度方向表示智能体上一次运动的方向，所述速度大小v为智能体在当前时刻的瞬时速度，所述速度上限vmax为智能体所能达到的最大速度；所述健康度属性描述智能体的健康状况，并且在发生碰撞时，不同的健康状况对智能体的行为具有不同的影响；每个智能体都有一组权值，包括位置势能的权值Wpos、密度的权值Wden、从众性的权值Wdir和惯性的权值Whis，这些权值决定了智能体的行为和变化发展趋势。4.根据权利要求3所述的基于自适应智能体模型的复杂人群疏散行为仿真方法，其特征在于：步骤2中所述速度大小v满足公式三：(三)其中ρ代表智能体附近人群的密度，ρt和ρc是与密度有关的两个阈值，ρmax