面向群体疏散仿真的分组算法研究

发布时间：2021-02-26 00:12

　　频发的公共安全事故（如踩踏等）,促使众多学者对群体动力学,尤其是人群疏散的动态特征倍加关注。人群疏散的研究方法主要有两种:疏散实验或演习以及模型的仿真。但是,由于种种原因,疏散实验或演习在现实生活中很难实施且真实性也需要评估。因此,利用计算机建模进行仿真已经逐渐成为主流的研究方法。实际上,对人群疏散的行为特征进行建模和分析,是一项很具有挑战性的复杂任务。近几十年来,虽然研究取得了大量成果,各种仿真模型不断涌现,但是仍有新问题被不断发现。社会力模型（Social Force Model,SFM）是经典的微观连续型模型,该模型数学公式严谨且通用性强、参数经过校准、因素包含全面,不仅能控制每个行人运动,还能对其他个体产生影响,所以能够再现很多群体运动的现象。因此该模型自发布以来就大受欢迎,被广泛应用于群体动力学领域的多个方向;但是也存在着比如没有考虑人群的内在结构等的一些瑕疵。事实上,疏散中的人群不仅存在孤立个体,往往还存在着因各种社会关系而形成的小群体,以及因出口、路径等具体场景因素而促使几个小群体或孤立个体形成的群组;在这方面,该模型缺乏针对人群内部的群组及其运动仿真的关注,具体表现如下... 

【文章来源】：山东师范大学山东省

【文章页数】：119 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 人群疏散仿真模型的研究现状
        1.2.2 小群体的研究现状
        1.2.3 聚类算法的应用现状
        1.2.4 社会力模型及其改进模型的研究现状
    1.3 论文主要研究内容
    1.4 论文组织结构
第2章 基于自顶向下层次聚类的小群体识别方法
    2.1 引言
    2.2 相关研究
    2.3 识别小群体
        2.3.1 表征轨迹点间差异的三项特征
        2.3.2 轨迹描述与轨迹差异的度量
        2.3.3 识别小群体的自顶向下的层次聚类
        2.3.4 自顶向下的层次聚类算法描述与分析
    2.4 仿真实验
        2.4.1 实验环境设置
        2.4.2 实验测试1：基于密度峰值的顶层聚类
        2.4.3 实验测试2：底层聚类算法
        2.4.4 实验对比：自底向上的聚类和基于基本图的聚类
    2.5 本章小结
第3章 基于网格密度和关系的聚类算法
    3.1 引言
    3.2 相关研究
    3.3 基于网格密度和关系的聚类算法
        3.3.1 社会关系的定义
        3.3.2 用于人群疏散的GABGDR
        3.3.3 GABGDR的时间复杂度分析
        3.3.4 仿真实验
    3.4 基于动态网格密度和关系的聚类算法
        3.4.1 算法的基本思想及简要过程
        3.4.2 GABGP算法描述
        3.4.3 动态非均匀地划分网格的示例
        3.4.4 GABGP算法时间复杂度分析
        3.4.5 仿真实验
    3.5 本章小结
第4章 仿真群组运动的改进社会力模型
    4.1 引言
    4.2 相关研究
    4.3 仿真群组运动的改进社会力模型
        4.3.1 社会力模型
        4.3.2 改进的社会力模型
    4.4 仿真实验
        4.4.1 实验设置
        4.4.2 实验结果及分析
    4.5 本章小结
第5章 面向人群疏散的群组运动仿真
    5.1 疏散数据的采集
        5.1.1 定位方式采集疏散数据
        5.1.2 视频方式采集疏散数据
    5.2 疏散场景的三维建模
    5.3 在人群疏散仿真平台验证群组运动的仿真模型
        5.3.1 狭长形场景的疏散仿真对比实验
        5.3.2 方形场景的疏散仿真对比实验
    5.4 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读博士学位期间取得的成果及参与的课题
致谢



本文编号：3051787