1.一种基于阿诺德情绪模型的人群疏散仿真方法，其特征在于，包括以下步骤：步骤1：初始化场景信息、人群信息和人群中个体的情绪信息；

步骤2：基于阿诺德情绪理论模拟个体情绪产生；

步骤3：模拟个体情绪感染过程；

步骤4：结合个体情绪、个体理性程度和事件类型建立个体行为决策模型；

步骤5：将个体情绪和个体行为决策与人群运动计算相耦合；

pref max max pref初始化个体参数：V 、 V 和a ；其中，V 表示期望速度； 表示个体的速度惩max max罚因子， 的值与个体的活跃度成反比；V 表示个体的最大速度；a 表示个体的最大加速度；

在每个时间步t内，计算个体下一时刻的新速度，并根据个体行为决策结果更新个体的运动方向，重复执行该步骤，直至个体到达目标位置；

步骤6：将人群运动计算结果进行渲染得到人群疏散仿真动画；

所述场景信息初始化包括：输入障碍物信息并绘制场景的Roadmap图；其中，所述Roadmap图的顶点是场景内的随机点，边是连接顶点的边，保证任意两个顶点之间的连线不经过任何障碍物；

所述人群信息初始化包括：人群中个体随机初始化在场景范围内并避开所有的障碍物；

所述情绪信息初始化包括：将所有个体的情绪分为已感染和未感染两种状态；

所述模拟个体情绪产生包括：

初始化事件源位置、事件影响半径rd，及个体感知半径R；

事件发生时，所述事件影响区域内的个体产生个体情绪：disid表示个体i与事件源之间的距离；λ∈[0,1]表示事件调节因子；

模拟个体情绪感染包括：

基于个体与事件源之间的距离和所述个体的感知半径，量化个体对于外界事件刺激信息的情绪值；

根据个体的感知半径和周围其他个体的情绪值，计算个体情绪感染值；

根据个体与事件源之间的距离和疏散人群规模，计算个体情绪衰减值；

结合个体对于外界事件刺激信息的情绪值、个体情绪感染值和个体情绪衰减值，计算个体情绪值；

所述量化个体对于外界事件刺激信息的情绪值计算公式：其中，disid表示个体i与事件源之间的距离，λ∈[0,1]表示事件调节因子，Δt为事件刺激的累积时间，其值与个体情绪强度成正比；

所述个体情绪感染值计算公式：

其中，在个体i感知范围内的个体数量为num_ni，disij表示个体i与个体j之间的距离；

所述个体情绪衰减值计算公式：

其中，agentnum表示疏散人群规模；

所述个体情绪值计算公式：

所述个体行为决策模型建立过程如下：计算个体行为阈值Bei：

其中，Ei(t)表示个体自身情绪值、Rei表示个体理性程度，λ表示事件调节因子，δ1、δ2表示个体行为类型调节因子；α表示事件类型的权重，β表示个体情绪的权重，γ表示个体理性程度的权重，且α+β+γ＝1；

根据所述行为阈值进行行为决策，规则如下：规则1：若Bei<δ1，则个体不受事件的影响，按原计划运动；

规则2：若δ1≤Bei≤δ2，则个体向事件源靠近；

规则3：若Bei>δ2，则个体远离事件源；

所述计算个体下一时刻的新速度包括：max max

利用个体最大速度Vi 和个体最大加速度a 来限制个体的速度，得到在下一时刻的候i选速度集合AV(Vi)：

i max max

AV(Vi)＝{Vi'|||Vi'||

其中，AV (Vi)表示下一时刻的候选速度集合；Vi表示个体当前的速度；Vi′表示个体下一时刻的候选速度；a表示个体的加速度；

利用t时刻的情绪值Ei(t)根据 更新个体i的期望速度同时保证 满足

i

利用期望速度 在候选速度集合AV (Vi)中选择使速度惩罚值penaltyi(Vi′)最小的候选速度，作为下一时刻个体最佳的速度Vt+1；

其中，penaltyi(V′i)表示个体的速度惩罚值， 是个体的速度惩罚因子，tci′(Vi′)是个体i与周围个体的期望碰撞时间， 表示期望速度 与候选速度Vi′的差值；

所述根据个体行为决策结果更新个体的运动方向包括：pref

若Bei<δ1，更新个体i的运动方向 d_Vi ＝di；

pref

若δ1≤Bei≤δ2，更新个体i的运动方向 d_Vi ＝Si；若Bei>δ2，利用情绪值Ei(t)，更新个体i的运动方向其中，di表示个体i当前时刻的期望速度方向，Si表示个体i指向事件源圆心的方向；

和 表示个体i与危险区域的两个切线方向；A表示di和 之间的夹角，B表示di和 之间的夹角，C表示 和 之间的夹角，D表示di和Si之间的夹角。

2.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述的基于阿诺德情绪模型的人群疏散仿真方法。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1所述的基于阿诺德情绪模型的人群疏散仿真方法。