1.一种人群疏散仿真方法，其特征是，包括：

场景网格离散化：将大场景细化成由多个小网格组成；

初始化行人粒子：将人群视为可带电粒子；

赋予每个网格电荷：根据行人粒子距离出口的远近由大到小赋予网格电荷；

移动的行人粒子所携带的电荷发生变化从而映射为时变密度场，利用时变密度场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

改进的社会力模型是在原始社会力模型的基础上引入出口吸引力和同伴吸引力，分别描述出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散；

赋予每个网格电荷：根据行人粒子距离出口的远近由大到小赋予网格电荷，具体为：每个出口为固定点，出口处电荷设置为0；

出口外部电荷设置为负数；

与出口相邻的网格电荷依次+1或‑1；

存在多出口的情况时，会存在电荷交叉点，电荷交叉点的设置规则为电荷统一化处理；

赋予每个网格电荷时，针对场景中的障碍物：

障碍物的设定是已知的静态的障碍物；

障碍物的电荷设置为无限大；

障碍物周边的电荷只与出口的距离有关，与障碍物无关；

增加障碍物斥力对粒子选择移动目标位置的影响；

改进的社会力模型描述人群个体动态及周围环境，包括：对于场景内的个体行人，通过社会力受力公式计算行人自身的驱动力、行人之间的排斥力、行人受墙或障碍物的力、出口对行人的吸引力和同伴对行人的吸引力的所受合力；

场景内的个体行人按照计算的所受合力进行行为运动；

出口吸引力与同伴吸引力的公式为：

fis＝Ciexp[(ri‑dis)/Di]nis其中s代表出口，Ci为负常数，表示出口对行人是吸引的；ri为行人i的半径，dis为行人i与出口s之间的距离，Di为恒量，nis是由行人i指向出口s的单位向量；

fiq＝Eiexp[(riq‑diq)/Fi]niq其中q代表行人i的朋友，Ei为负常数，riq为行人i和朋友q的半径和，diq为行人i与朋友q之间的距离，Fi为恒量，niq是由行人i指向朋友q的单位向量；

利用时变密度场结合改进的社会力模型控制行人粒子移动具体包括：(1)结合改进的社会力模型指导个体运动，将改进的社会力模型中引入的接触力对人群疏散的影响应用到粒子移动中；

首先设置疏散场景参数信息，创建疏散场景模型和人物模型，所述疏散场景模型作为人群疏散的环境空间，所述人物模型即可带电粒子作为疏散人群；

其次提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据已划分好细网络的场景信息以及疏散人群参数信息进行人群初始化；

根据场景信息及障碍物信息以及其映射出的电势场，采用改进社会力模型进行微观人群运动指导；

(2)利用时变密度场的实时变化来指导人群进行最佳路径选择；行人按照改进社会力模型做跟随运动，保存各组最佳疏散路径，作为疏散演练的推荐路径，进行人群疏散仿真；

根据使用改进的社会力模型，充分考虑到行人个体特性以及周围环境对行人的影响，结合宏观上等电位线疏密程度的变化，指导人群移动，包括：电荷分布的疏密程度用电荷密度来量度：

其中，r是检验位置，qi是位置为ri的第i个点电荷的电量；

起初行人是随机分布在场景内且携带初始电荷数qi，规定如果粒子位于网格线上则采取低电荷优先原则；

行人的移动分为纵向移动和横向移动；同一水平线上的移动行人携带电荷数不发生变化；移动时，根据相邻网格是否为空闲即是否存在等电位线来决定移动方向和速度；当该行人周围存在多个空闲网格时，则移动方向采用随机原则：其中，Pα为行人在方向α上移动的概率；α和β为1‑8范围内的整数，代表疏散方向；Occα和Occβ分别表示方向α和β上相邻网格是否被占用；规定0表示已占用，1表示为空闲；Mβ是一个布尔变量，如果相邻网格在方向β上的移动电位小于当前网格的移动电位，Mβ为1，否则为0；

由于社会力模型中行人的最终期望速度由自我期望速度和周围行人平均速度结合而成，而人群密度极大的影响了行人行走速度，因此融合时变密度场后的改进社会力模型中期望速度公式为：其中，γ为密度导向因子；

如果行人所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格；

行人移动受全局目标和局部目标的双重制约，全局目标即为出口，局部目标即为由行人粒子附近等电位线密度和障碍物共同决定的移动方向。

2.如权利要求1所述的一种人群疏散仿真方法，其特征是，将大场景细化成由多个小网格组成，具体步骤为：对给定场景内部进行均匀的细网络划分；

找出每个场景的出口，增加对出口外围部分的网络划分，选择以出口为圆心，半径为R的辐射半圆为外部需划分网格的区域。

3.一种人群疏散仿真系统，其特征是，

包括：

场景网格离散化模块，被配置为：将大场景细化成由多个小网格组成；

行人粒子初始化模块，被配置为：将人群视为可带电粒子；

网格电荷赋予模块，被配置为：根据行人粒子距离出口的远近由大到小赋予网格电荷；

疏散模块，被配置为：将移动的行人粒子所携带的电荷发生变化映射为时变密度场，利用时变密度场中等电位线疏密程度体现行人粒子位置的变化而发生不同程度的疏密改变；

改进的社会力模型是在原始社会力模型的基础上引入出口吸引力和同伴吸引力，分别描述出口对行人的吸引作用及行人的成群结队现象；

利用时变密度场结合改进的社会力模型控制行人粒子以最优的路径向出口移动，通过等电位线疏密程度的变化，不断更新场景内人群密度情况，直至场景内及出口外人群密度为0，完成疏散；

根据行人粒子距离出口的远近由大到小赋予网格电荷，具体为：每个出口为固定点，出口处电荷设置为0；

出口外部电荷设置为负数；

与出口相邻的网格电荷依次+1或‑1；

存在多出口的情况时，会存在电荷交叉点，电荷交叉点的设置规则为电荷统一化处理；

赋予每个网格电荷时，针对场景中的障碍物：

障碍物的设定是已知的静态的障碍物；

障碍物的电荷设置为无限大；

障碍物周边的电荷只与出口的距离有关，与障碍物无关；

增加障碍物斥力对粒子选择移动目标位置的影响；

改进的社会力模型描述人群个体动态及周围环境，包括：对于场景内的个体行人，通过社会力受力公式计算行人自身的驱动力、行人之间的排斥力、行人受墙或障碍物的力、出口对行人的吸引力和同伴对行人的吸引力的所受合力；

场景内的个体行人按照计算的所受合力进行行为运动；

出口吸引力与同伴吸引力的公式为：

fis＝Ciexp[(ri‑dis)/Di]nis其中s代表出口，Ci为负常数，表示出口对行人是吸引的；ri为行人i的半径，dis为行人i与出口s之间的距离，Di为恒量，nis是由行人i指向出口s的单位向量；

fiq＝Eiexp[(riq‑diq)/Fi]niq其中q代表行人i的朋友，Ei为负常数，riq为行人i和朋友q的半径和，diq为行人i与朋友q之间的距离，Fi为恒量，niq是由行人i指向朋友q的单位向量；

利用时变密度场结合改进的社会力模型控制行人粒子移动具体包括：(1)结合改进的社会力模型指导个体运动，将改进的社会力模型中引入的接触力对人群疏散的影响应用到粒子移动中；

首先设置疏散场景参数信息，创建疏散场景模型和人物模型，所述疏散场景模型作为人群疏散的环境空间，所述人物模型即可带电粒子作为疏散人群；

其次提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据已划分好细网络的场景信息以及疏散人群参数信息进行人群初始化；

根据场景信息及障碍物信息以及其映射出的电势场，采用改进社会力模型进行微观人群运动指导；

(2)利用时变密度场的实时变化来指导人群进行最佳路径选择；行人按照改进社会力模型做跟随运动，保存各组最佳疏散路径，作为疏散演练的推荐路径，进行人群疏散仿真；

根据使用改进的社会力模型，充分考虑到行人个体特性以及周围环境对行人的影响，结合宏观上等电位线疏密程度的变化，指导人群移动，包括：电荷分布的疏密程度用电荷密度来量度：

其中，r是检验位置，qi是位置为ri的第i个点电荷的电量；

起初行人是随机分布在场景内且携带初始电荷数qi，规定如果粒子位于网格线上则采取低电荷优先原则；

行人的移动分为纵向移动和横向移动；同一水平线上的移动行人携带电荷数不发生变化；移动时，根据相邻网格是否为空闲即是否存在等电位线来决定移动方向和速度；当该行人周围存在多个空闲网格时，则移动方向采用随机原则：其中，Pα为行人在方向α上移动的概率；α和β为1‑8范围内的整数，代表疏散方向；Occα和Occβ分别表示方向α和β上相邻网格是否被占用；规定0表示已占用，1表示为空闲；Mβ是一个布尔变量，如果相邻网格在方向β上的移动电位小于当前网格的移动电位，Mβ为1，否则为0；

由于社会力模型中行人的最终期望速度由自我期望速度和周围行人平均速度结合而成，而人群密度极大的影响了行人行走速度，因此融合时变密度场后的改进社会力模型中期望速度公式为：其中，γ为密度导向因子；

如果行人所在网格的相邻网格全部被占用，则行人将保持在原始位置或移向具有较大移动电位的网格；

行人移动受全局目标和局部目标的双重制约，全局目标即为出口，局部目标即为由行人粒子附近等电位线密度和障碍物共同决定的移动方向。

4.一种计算机设备，其特征是，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，所述处理器执行所述程序时实现权利要求1‑2任一所述的一种人群疏散仿真方法的步骤。

5.一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权利要求1‑2任一所述的一种人群疏散仿真方法的步骤。