乘客行为系统在地铁仿真培训中的研究与应用

• 作 者: 魏玉聪
• 机 构: 西南交通大学
• 出 处: 西南交通大学
• 发表日期: 2017年期
• 关键词: 人群仿真 路径搜索 行为模拟 紧急疏散

人群仿真是利用人工智能、计算机图形处理等技术,建立人群行为模型,在虚拟环境中模拟人群行为,现已广泛用于公共交通仿真、大型场所人流分析、影视游戏作品等领域。乘客智能行为仿真是利用人群仿真技术,模拟乘客正常状况下进出站、乘离车等过程及紧急状况下疏散逃生过程。现有的乘客行为仿真大多集中于应急情况下公共交通场所的通过能力仿真,多采取离线、非实时计算方式进行,并不能很好地应用到对实时性要求很高的地铁仿真培训系统中。本文针地铁仿真培训系统对于乘客行为仿真在真实性、沉浸感、实时计算能力等方面的要求,提出一种基于地铁站台场景下的乘客智能行为模拟方案,建立乘客行为模型,实现单线路多车运行及多线路同时发车状况下小客流、中客流、大客流的乘客行为模拟,并应用到地铁仿真培训系统中。本文首先对人群感知模型进行研究。个体的感知由听觉、视觉、区域感知三个部分组成,为了表现个体在现实环境中的感知过程,本文建立由这三种感知方式共同组成的人群感知模型,对不同的感知信息分级处理,体现人群在不同感知效果下做出反应的差异性,较为真实地反应人类感知的特点。其次,本文研究了全局最优静态路径搜索算法和动态障碍避碰算法。采用基于导航网格的A*算法,实现个体最优静态路径搜索功能。在地铁站台场景中动态障碍物主要是其他乘客,根据该情况,提出一种基于权重因子的RVO避碰算法,实现乘客在运动过程对动态障碍物避碰的功能,以及遇到队列时的穿插和绕行两种行为。第三,本文研究了各种人群行为模型。对于基于全局和基于个体的人群模型,进行分析比较,其中基于全局的模型通过组、群将人群分类,可以模拟大规模的人群,但对个体的差异性表现不足。该模型广泛应用于公共场所大规模人群疏散及影视游戏作品中数万级别的人群效果演示。基于个体的人群模型中,个体具有特定的属性,每个个体的行为都单独计算,着重体现个体在状况处理和行为选择上的差异性,可用于复杂环境及多样化行为模拟。根据需求,提出基于行为特征、运动规律的乘客仿真模型,可以实现在不同目的及不同客流量下的人群行为模拟。第四,为了更真实地反应现实场景中乘客的行为,通过实地调查,对不同站台、不同时段、不同客流量下的乘客行为进行分析研究,总结乘客在行为选择过程中的规律,对影响乘客行为的因子进行量化分析,得到由随机因素、个体特征、环境信息组成的乘客行为选择公式,并提出基于该类规则和行为特征的乘客智能行为模拟方案。最后,本文研究了乘客紧急状况下的疏散行为。根据恐慌状态下的人群疏散特征,进行疏散模型验证,并在避碰计算中添加停止规则,解决了由于人群拥挤导致的模型抖动和身体穿插的问题。