基于双足模型和微观评价方法的行人运动模拟与预测

发布时间：2020-09-11 20:59

　　进入二十一世纪以来,以人为本的发展理念逐渐深入人心。如何为人们提供一个安全、舒适、便捷且丰富多彩的生活环境是科学工作者努力的重要方向之一。对行人运动的研究、模拟和预测广泛应用于安全工程、建筑和交通设施设计、游戏和动画制作、机器人导航、自动驾驶等领域,是构建以人为本社会环境的途径之一。然而在现有的研究当中,关于肢体运动特征和运动决策的研究多是相互独立。例如在模拟行人群体运动或是单人轨迹时,通常不考虑肢体运动的影响,而是将行人视为质点。这种近似在一定程度上对模拟起到了简化的作用,但同时会忽略双足运动的周期性、步长的动态调整、占有体积的变化、关节转角的限制以及迈步间的相互关联等微观迈步特征对宏观运动的影响。在本文中,我们提出了一种考虑迈步特性的行人运动双足模型。通过摄像机和激光雷达采集可控实验中行人在不同速度、不同转向角下的步态,并在步态数据的基础上开发迈步模拟器、迈步控制器和迈步预测器实现对行人运动的模拟和预测。此外,为了对不同行人动力学模型在不同场景下的表现进行评估,我们开发了基于轨迹层面对比的微观评价方法。基于该方法我们对一种社会力模型和双足模型中的迈步控制器和迈步预测器进行了评估和参数优化。首先,我们建立了一种一维双足模型用来模拟行人在单列场景下的群体运动。该模型由两部分组成,分别是行人沿直线运动时根据速度生成下一步脚印位置、朝向和时间的一维迈步模拟器和行人根据前方行人迈步状态规划自己下一步速度的一维迈步控制器。其中迈步模拟器根据不同速度输出下一次迈步的步宽、步长、双脚外张角度和迈步周期。迈步控制器首先根据与前方行人头部距离规划大致速度,然后通过试探迈步确定与前方行人不会发生碰撞的最大速度,最后经过加速度限制输出下一次迈步的速度。模拟结果显示该模型可以模拟极高密度(最高到3 ped/m)下的行人单列运动,模拟得到的密度-速度关系与实验中较为一致,可以复现存在临界密度的走停波,并且首次再迈步层面复现行人运动的“锁步现象”。其次,我们建立了一种二维双足模型,用来对单个行人在连续目标点场景下的足迹进行模拟和预测。该模型由三部分组成,分别是根据转向角计算下一次迈步脚印位置、朝向和时间的二维迈步模拟器,根据当前运动状态和目标点间相互关系生成下一步转向角的迈步控制器,以及根据观测到的当前迈步转向角预测未来三步脚印位置的迈步预测器。二维双足模型建立的依据是单个行人的可控转向实验。基于该实验,我们拟合了单步长、单步时长、脚踝扭转角和转向角的关系,作为驱动迈步模拟器的核心。迈步控制器的核心依据则是不同角度的转向实验中转向角随脚印与目标点间的朝向偏差和位置偏差的变化规律。进一步观察实验中转向角的变化规律,我们提出了“四步假设”:行人的单次转弯过程最多由四步组成,并且四步转向角的变化存在相关性。基于此假设,我们提取了前几步转向角位于不同区间时后几步转向角的频率分布作为驱动迈步预测器的核心。模拟结果显示迈步模拟器可以在已知迈步转向角的情况下准确模拟足迹,迈步控制器可以在已知目标点的情况下较准确输出整个运动过程中转向角的值,迈步预测器则可以根据当前迈步转向角较准确预测未来三步位置。最后,我们提出了一种基于个体运动数据的行人动力学模型微观评价方法。该方法的核心思想是将模型以第一人称带入实验数据中的某个行人,让模型在未来一段时间内驱动该行人的运动,与此同时其他行人仍按实验中记录的数据运动。当这段时间结束时,通过统计并可视化模拟结果和实验相比得到的带方向误差,我们可以得出对改进模型有意义的定性结论。将带方向的误差归一化,同时我们还能得到考虑多个方面误差的定量评价结果。基于该方法,我们分别对一种社会力模型和二维双足模型的模拟和预测部分进行了评价和参数优化。结果显示,该方法得到的定性结论与宏观方法得到的结论一致,并且在该方法中误差结果更小的模型在宏观上往往有更好表现。本文提出的一维双足模型可以为人群管理提供帮助,为模拟跌倒、踩踏提供模型基础。二维双足模型的模拟功能可以为游戏和动画中模拟人类运动提供新方法,预测功能可以为机器人导航和自动驾驶提供新思路。同时,也为开发二维群体运动双足模型奠定基础。最后,微观评价方法为评价不同行人动力学模型在不同场景中的表现提供了一种通用而有效的方法。
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：U491.226
【部分图文】：

示意图,元胞自动机模型,核心,行人

Ｕ逡逑其中＆表示在该方向上，在测量距离内逆向行走行人的数量，ｐｍ是归一化之后逡逑的转移概率。测量距离内的区域如图１．２邋（ｂ）所示，所有与被研究者距离小于等逡逑于５的其他行人都被认为是在该区域内。从上式可以看出，当关注区域内上出逡逑现与被研宄者相向行走的其他行人时，行人向该方向运动的概率会降低，用以逡逑模拟行人避免与相向行走行人发生冲突的心理。而在ｋ最近邻模型（ｋ－Ｎｅａｒｅｓｔ逡逑－Ｎｅｉｇｈｂｏｒｓ）１２７］中，ＳＶ是与该行人距离最近的ｋ个逆向行走行人在前，左和右三逡逑个方向（如图１．２邋（ｂ）所示）上的数量。逡逑除了四边形，也有学者提出了基于六边形［３（）］和三角形［３１］的空间划分方法。逡逑如图１．３所示，当采用六边形和三角形划分运动空间时，行人有更多的可选运动逡逑方向。无论如何划分网格，上述模型中每个行人在所有运动过程中均只占据一个逡逑网格，且所有行人的形状都相同。为了体现高密度下行人相互碰撞、挤压导致的逡逑４逡逑

元胞自动机模型,网格划分,行人

？由环境和其他行人位置计算场域，选取当前位置和可选位置上场域值最小逡逑的点作为下一步行人位置。逡逑根据此假设，行人的可选位置如图１．４邋（ａ）所示。与元胞自动机模型相比，该模逡逑型拥有更灵活的运动方向选择，获得的运动轨迹也更真实。但在这个最基础的优逡逑化迈步模型中，行人的步长（即圆环半径）并不会随着运动速度发生变化，行人逡逑只能选择迈步或是停留在原地。在该模型的后续改进中［３７］，行人可在半径为步逡逑长的圆内寻找场域值最小的点最为下一时间步的行人位置，相当于行人可以动逡逑态调整步长。Ｚｅｎｇ等［３８］人在优化迈步模型的基础上发展了在楼梯疏散模型。如逡逑图１．４邋（ｂ）所示，该模型中行人的可选下一步位置除了受步长的限制，还受到楼逡逑梯台阶的限制。逡逑（２）邋—阶模型逡逑一阶模型中的直接驱动对象是行人的速度，也称为基于速度的模型（ｖｅｌｏｃｉｔｙ－逡逑ｂａｓｅｄ邋（ＶＢ）邋ｍｏｄｅｌ）。邋在该类模型中，行人运?

示意图,中行,模型,位置

从中选取与期望速度最接近的一个作为模型输出。可选速度集合的求解方法是逡逑从满足控制对象运动特性的速度中剔除掉速度障碍（ｖｅｌｏｃｉｔｙ邋ｏｂｓｔａｃｌｅ）之后的集逡逑合。如图１．５邋（ａ）所示，平行四边形区域是行人Ａ受限于加速度的可选速度范围逡逑（ＲＶ），阴影区域是由于行人Ｂ的存在形成的速度障碍区（Ｖ０）。当速度落在该逡逑６逡逑

【相似文献】