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。