基于群体智能的虚拟人群路径规划方法研究

发布时间：2017-03-22 21:02

  本文关键词：基于群体智能的虚拟人群路径规划方法研究，由笔耕文化传播整理发布。

【摘要】：伴随着我国经济、社会、文化等领域的不断发展,城市化进程不断加快,随之而来的优势与问题日益凸显。无论是展现国家综合实力的大型文体活动的节目编排,或是应对突发紧急事件的安全应急演练,均受到演练代价高、组织困难大等方面问题的约束。计算机仿真技术的出现能够充分克服传统方法的不足,以快速、安全的方式对人群行为进行模拟,为该问题的解决提供了有效的高科技工具手段。虚拟场景下的人群运动仿真主要包括场景建模、路径规划以及人群运动仿真这三方面的内容。针对传统建模方法存在的信息存储量大、建模成本高等问题,本文提出基于元胞空间的以及基于拓扑图的场景建模方法,该方法能够根据场景的不同类型有针对性的提取并存储路径规划过程中所需的信息,实现了高精度、高准确性的要求。此外,目前研究较为广泛的路径规划方法存在收敛速度慢、不能够支持较大规模人群、忽略群体内部成员之间关系对人群运动的影响等方面的问题。因此,本文针对上述问题,提出基于群智能算法的全局路径规划算法和基于社会力量模型的局部路径规划算法,并将其应用于虚拟场景下的团体操节目编排和安全应急演练中。本文的主要工作及创新点概况如下:1.提出一种基于元胞自动机的MOPSO算法(Multi-objective Particle Swarm Optimization Algorithm based on Cellular Automata,MOPSO-CA)进行全局路径规划。MOPSO-CA算法将简单规则场景划分为精度一定的元胞空间,定义元胞空间状态属性标记个体及障碍物当前所处位置情况,能够大大降低场景信息的存储量,并能够避免个体之间及个体与障碍物之间发生碰撞。在路径规划过程中采用PSO算法,降低了计算复杂度,提高了路径规划的性能。2.提出一种基于拓扑图的人工蜂群路径规划算法(Path Planning Method based on Topology and Artificial Bee Colony Algorithm,TP-ABC)进行全局路径规划。TP-ABC算法将复杂不规则场景根据场景内部结构划分为相互关联的子区域,并构建子区域关联关系拓扑图,极大地简化了场景存储结构,实现复杂场景全局信息的获取与存储。在路径规划过程中采用改进的人工蜂群算法,改进了引领选择机制及多因素适应度评价机制,同时兼顾路径代价及人群拥挤度等因素,提高了人群对场景实时状态的感知能力,使虚拟人群的模拟效果更加贴近现实。3.提出基于关系群组引领机制的社会力局部路径规划算法,对原社会力量模型的引领速度调整机制、个体运动趋向进行改进,添加关系亲密个体之间的吸引力,模拟了具有亲密社会关系的个体在运动过程中相互聚集、相互协调,共同向目标运动的效果,为解决大规模人群在运动过程中个体与个体之间相互制约、相互影响的问题提供了参考思路。结合相应的科研项目,将上述理论研究成果应用于人群运动建模与仿真及真实感渲染系统的场景建模与人群运动过程中。该系统实现了场景建模、语义提取、路径规划和真实感渲染四个模块的功能。通过在该系统中,对团体操节目排演和突发事件下人群疏散运动进行仿真和分析研究,总结出人群规模、群内关系、出口数量等因素对人群运动时间的影响。实验表明,本文提出的方法能够快速有效地实现人群运动建模与仿真,提高了仿真的真实性和个体对周围环境及人群感知能力,具有较高的实用性。
【关键词】：群体智能 路径规划 人群疏散仿真 人工蜂群算法 社会力量模型
【学位授予单位】：山东师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要5-7
• Abstract7-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-12
• 1.2.1 群体智能10-11
• 1.2.2 路径规划11-12
• 1.3 人群运动建模与仿真中存在的问题12-13
• 1.4 本文主要研究内容和创新点13-15
• 1.5 论文组织结构15-17
• 第二章 基于元胞空间或拓扑图的场景建模方法17-22
• 2.1 引言17
• 2.2 虚拟场景建模概述17
• 2.3 基于元胞空间的场景建模方法17-19
• 2.3.1 元胞空间数据结构17-18
• 2.3.2 元胞空间建模过程18-19
• 2.4 基于拓扑图的场景建模方法19-21
• 2.5 本章小结21-22
• 第三章 基于群智能算法的全局路径规划方法22-31
• 3.1 引言22
• 3.2 基于粒子群（PSO）算法的路径规划方法22-25
• 3.2.1 粒子群（PSO）算法的基本思想22-23
• 3.2.2 基于元胞自动机的MOPSO（MOPSO-CA）算法23-24
• 3.2.3 算法初始化24
• 3.2.4 动态路径规划24
• 3.2.5 群体行为控制24-25
• 3.3 基于人工蜂群（ABC）算法的路径规划方法25-29
• 3.3.1 人工蜂群（ABC）算法的基本思想25-26
• 3.3.2 基于拓扑图的人工蜂群路径规划（TP-ABC）算法26-27
• 3.3.3 算法初始化27
• 3.3.4 多因素适应度评价27-28
• 3.3.5 基于可达性和多种群的引领选择策略28
• 3.3.6 位置更新28-29
• 3.4 基于拓扑图的人工蜂群路径规划（TP-ABC）算法应用实例29-30
• 3.5 本章小结30-31
• 第四章 基于社会力量模型的局部路径规划方法31-40
• 4.1 引言31
• 4.2 社会力量模型基本原理31-33
• 4.3 社会力量模型的局限性及改进33-35
• 4.3.1 社会力量模型的局限性33
• 4.3.2 社会力量模型的改进33-35
• 4.4 基于关系群组引领机制的社会力局部路径规划模型35-37
• 4.4.1 模型框架35-36
• 4.4.2 模型执行过程分析36-37
• 4.5 基于关系群组引领机制的社会力局部路径规划模型应用实例37-39
• 4.6 本章小结39-40
• 第五章 人群运动建模与仿真系统设计与实现40-50
• 5.1 引言40
• 5.2 系统设计与结构40-41
• 5.3 系统界面与功能41-43
• 5.4 人群运动建模与仿真设计实例43-49
• 5.4.1 简单规则场景下路径规划算法应用实例43-44
• 5.4.2 复杂不规则场景下路径规划算法应用实例44-46
• 5.4.3 障碍物场景下路径规划算法应用实例46-48
• 5.4.4 出口宽度及数量对不同规模人群疏散时间的影响48-49
• 5.5 本章小结49-50
• 第六章 总结与展望50-52
• 6.1 总结50-51
• 6.2 展望51-52
• 参考文献52-55
• 攻读硕士学位期间的主要成果55-56
• 致谢56

【相似文献】

中国期刊全文数据库 前10条

1 孟正大,王小忠;机器人无碰撞路径规划方法研究及实现[J];华中科技大学学报(自然科学版);2004年S1期

2 何利,赵臣,臧军旗,桂许军,崔炜;基于几何学的路径规划方法[J];哈尔滨工业大学学报;2005年07期

3 吴峰光,奚宏生;一种新的基于切线的路径规划方法[J];机器人;2004年03期

4 谢贝贝;;移动机器人智能路径规划方法研究[J];福建电脑;2007年10期

5 岳明;邓宗全;刘荣强;;球形机器人准静态学分析及其路径规划方法[J];南京理工大学学报(自然科学版);2007年05期

6 徐晓翔;李卫国;王利利;陈莹菲;;路径规划方法在高校创新实验室的应用[J];现代商贸工业;2013年03期

7 庄晓东,孟庆春,熊建设,殷波,王汉萍;动态环境中基于增强式学习的路径规划方法[J];机器人;2001年S1期

8 赵苍荣;郑淼淼;;煤矿救援机器人的无线传感定位和路径规划方法研究[J];矿山机械;2012年12期

9 唐良;方廷健;;基于改进蚁群算法的路径规划方法[J];中国科学技术大学学报;2009年09期

10 杜宇上;;一种基于模糊逻辑的滚动窗口路径规划方法[J];现代电子技术;2010年13期

中国重要会议论文全文数据库 前4条

1 邱雪娜;刘士荣;俞金寿;;完全遍历路径规划方法及其在清洁机器人中的应用[A];第二十三届中国控制会议论文集（下册）[C];2004年

2 乌萌;李艳;贺鹏;;基于北斗导航定位仪的路径规划方法研究[A];2008年船舶通信导航学术年会论文集[C];2008年

3 邱广宏;潘伟;程晓春;;基于多Agent资源配送的动态路径规划方法研究[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

4 朱磊;费敏锐;李佳骏;;Fira仿真足球机器人运动路径规划方法研究[A];2004中国机器人足球比赛暨学术研讨会论文集[C];2004年

中国硕士学位论文全文数据库 前10条

1 叶林铨;基于伪谱法的自主泊车路径规划方法研究[D];中国科学技术大学;2016年

2 张筱;牙齿正畸路径规划方法研究及可视化开发[D];山东大学;2016年

3 吕远阳;基于群体智能的虚拟人群路径规划方法研究[D];山东师范大学;2016年

4 戴军强;基于评分的路径规划[D];苏州大学;2015年

5 邢惠丽;帆船绕标航行最优行驶路径规划方法研究[D];中国海洋大学;2006年

6 丛岩峰;基于滚动优化原理的路径规划方法研究[D];吉林大学;2007年

7 魏唯;不确定环境下多目标路径规划方法研究[D];吉林大学;2010年

8 黄鹤;部分环境信息已知的智能机器人路径规划方法研究[D];南京理工大学;2005年

9 肖娜;路径识别与路径规划方法的研究[D];吉林大学;2011年

10 宋雨;不确定环境下的移动机器人遗传路径规划方法研究[D];南京理工大学;2004年

  本文关键词：基于群体智能的虚拟人群路径规划方法研究，由笔耕文化传播整理发布。

，

本文编号：262183