人群應急疏散中一種多智能體情緒感染仿真模型
發(fā)布時間：2021-11-18 03:05
為了從情緒的視角分析緊急情境下人群的疏散行為,梳理了現(xiàn)有情緒感染的研究工作,總結(jié)了人群緊急狀況下行為特點.采用智能體描述人群個體,提出一種多智能體情緒感染模型.其主體框架分為感知層、情緒層、感染層、行為層和行動層.歸納了產(chǎn)生情緒感染現(xiàn)象的3個條件及情緒感染的3個規(guī)則,提出了情緒感染的算法,考慮個體的個性和個體間距離因素,采用情緒強度和人群緊密度來計算個體疏散速度.用C#語言編制了仿真實驗,采用真實的地震疏散案例,驗證了仿真疏散時間和實際觀測的基本一致.通過與以往基于傳染病思路的情緒感染模型對比,所提出的模型可以更好地描述情緒感染從局部到整體的過程.實驗結(jié)果表明,所提出的模型可以推演情緒驅(qū)動下的群體聚集行為,有望為制定應急疏散預案提供一種可視化分析方法.
【文章來源】：計算機輔助設計與圖形學學報. 2020,32(04)北大核心EICSCD
【文章頁數(shù)】：11 頁
【部分圖文】：
疏散時間對比
第4期劉翠娟,等:人群應急疏散中一種多智能體情緒感染仿真模型667圖8疏散場景仿真圖9疏散時間對比致出口人群擁擠的風險加大.(5)實驗5.復雜場景的對比實驗.圖10顯示了智能體的導航點設置.圖中的圓點為導航點,矩形為貨架.如果智能體感知到導航點(在其可視范圍),則選擇距離出口較近的導航點作為移動的目標點.圖10超市環(huán)境中設置的導航點示意圖在圖11中,左邊的紅色圓盤表示火焰在不斷擴散,淺黃色的圓盤表示火災信息向外傳播,紅色的智能體表示處在情緒感染狀態(tài)的智能體,黃色的表示智能體處于警覺狀態(tài).圖12反映了人群迅速涌向出口的情景.圖11情緒開始在人群中擴散圖12人群迅速涌向出口本實驗將本文模型與社會力模型、Durupinar模型和CA-SIRS模型的人群疏散現(xiàn)象進行對比分析.這里考慮左側(cè)距離火災點最近的智能體最早產(chǎn)生情緒強度變化,然后通過不同的情緒感染算法來計算智能體的情緒變化.對于社會力模型,如果假設所有智能體同時啟動疏散,顯然不合理.最合理的假設是處于火災信息傳播范圍內(nèi)的智能體首先啟動疏散.圖13反映了火災過程中,逃出人數(shù)和疏散時間的關系.因為初始位置是相同的,但是開始運動方向有隨機性,因此造成每次運行的疏散時間有一定的波動.圖13是5次實驗的平均值.從圖13中可以看出,社會力模型由于未能考慮智能體的感知和情緒感染,采用社會力模型計算的疏散時圖13各種模型疏散時間的對比
鞲腥鏡乃俁仁遣灰謊??.從圖4可以看出,開始時,2種場景下情緒感染速度差異不大.后來,在動態(tài)情景下,隨著智能體向出口快速移動,縮短了智能體之間的距離,從而促進智能體之間的情緒感染,加速整個感染過程.靜態(tài)感染總時間大約是26s,而動態(tài)感染總時間大約是14s.因此,動態(tài)情景下人群情緒感染現(xiàn)象更加明顯,符合現(xiàn)實人群疏散引起的情緒感染規(guī)律.(2)實驗2.不同個性.為驗證不同個性在情緒感染過程發(fā)揮作用的差異性,本實驗以90人為例來開展實驗.圖5展示的是開放型(O)個性占總?cè)藬?shù)不同比例(20%,40%,60%,80%)情況下的情緒感染情況.圖5開放型O個性對情緒感染的影響對圖5結(jié)果進行分析:開放型個性的人具有很強的情緒感染能力,因此隨著開放型人數(shù)量比例的增加,感染的速度也在加快.例如,當開放型個性占總?cè)藬?shù)的20%時,需要10s以上才能實現(xiàn)大部分人群被感染;當開放型個性占總?cè)藬?shù)的80%時,僅需4s左右即可實現(xiàn)大部分人群被感染.由此可見,不同的個性對情緒感染的影響大不相同.(3)實驗3.不同人數(shù).本實驗將總?cè)藬?shù)分為60人、90人和120人3組,驗證相同環(huán)境下不同的總?cè)藬?shù)對情緒感染的影響,如圖6所示.圖6相同環(huán)境下不同人數(shù)對情緒感染的影響對圖6結(jié)果進行分析:不同的總?cè)藬?shù)對情緒感染的影響大不相同.從圖6中可以看出,隨著總?cè)藬?shù)的增加,感染時間反而降低.當總?cè)藬?shù)為60人時,大致需要20s才能實現(xiàn)整體感染;而當總?cè)藬?shù)為120人時,僅需8s即可實現(xiàn)整體感染.這與現(xiàn)實中人群密度增加
【參考文獻】：
期刊論文
[1]基于個性化情緒感染的人群動畫生成方法[J]. 曹夢曉,張桂娟,黃麗君,劉弘. 計算機科學. 2017(06)
[2]情感影響下的行人動態(tài)聚集過程仿真模型[J]. 向南,朱凌云,張明敏. 系統(tǒng)仿真學報. 2015(10)
[3]融入情緒模型的人群實時路徑規(guī)劃[J]. 吳云鵬,杜沅澤,葉陽東. 中國圖象圖形學報. 2015(09)
[4]突發(fā)事件中恐懼情緒感染概率研究[J]. 王春雪,呂淑然,楊凱. 中國安全科學學報. 2015(09)
[5]Crowd Simulation and Its Applications: Recent Advances[J]. 徐明亮,蔣浩,金小剛,鄧志剛. Journal of Computer Science & Technology. 2014(05)
[6]人群擁擠事件中的一種情緒感染仿真模型研究[J]. 劉箴,金煒,黃鵬,柴艷杰. 計算機研究與發(fā)展. 2013(12)
本文編號：3502076
【文章來源】：計算機輔助設計與圖形學學報. 2020,32(04)北大核心EICSCD
【文章頁數(shù)】：11 頁
【部分圖文】：
疏散時間對比
第4期劉翠娟,等:人群應急疏散中一種多智能體情緒感染仿真模型667圖8疏散場景仿真圖9疏散時間對比致出口人群擁擠的風險加大.(5)實驗5.復雜場景的對比實驗.圖10顯示了智能體的導航點設置.圖中的圓點為導航點,矩形為貨架.如果智能體感知到導航點(在其可視范圍),則選擇距離出口較近的導航點作為移動的目標點.圖10超市環(huán)境中設置的導航點示意圖在圖11中,左邊的紅色圓盤表示火焰在不斷擴散,淺黃色的圓盤表示火災信息向外傳播,紅色的智能體表示處在情緒感染狀態(tài)的智能體,黃色的表示智能體處于警覺狀態(tài).圖12反映了人群迅速涌向出口的情景.圖11情緒開始在人群中擴散圖12人群迅速涌向出口本實驗將本文模型與社會力模型、Durupinar模型和CA-SIRS模型的人群疏散現(xiàn)象進行對比分析.這里考慮左側(cè)距離火災點最近的智能體最早產(chǎn)生情緒強度變化,然后通過不同的情緒感染算法來計算智能體的情緒變化.對于社會力模型,如果假設所有智能體同時啟動疏散,顯然不合理.最合理的假設是處于火災信息傳播范圍內(nèi)的智能體首先啟動疏散.圖13反映了火災過程中,逃出人數(shù)和疏散時間的關系.因為初始位置是相同的,但是開始運動方向有隨機性,因此造成每次運行的疏散時間有一定的波動.圖13是5次實驗的平均值.從圖13中可以看出,社會力模型由于未能考慮智能體的感知和情緒感染,采用社會力模型計算的疏散時圖13各種模型疏散時間的對比
鞲腥鏡乃俁仁遣灰謊??.從圖4可以看出,開始時,2種場景下情緒感染速度差異不大.后來,在動態(tài)情景下,隨著智能體向出口快速移動,縮短了智能體之間的距離,從而促進智能體之間的情緒感染,加速整個感染過程.靜態(tài)感染總時間大約是26s,而動態(tài)感染總時間大約是14s.因此,動態(tài)情景下人群情緒感染現(xiàn)象更加明顯,符合現(xiàn)實人群疏散引起的情緒感染規(guī)律.(2)實驗2.不同個性.為驗證不同個性在情緒感染過程發(fā)揮作用的差異性,本實驗以90人為例來開展實驗.圖5展示的是開放型(O)個性占總?cè)藬?shù)不同比例(20%,40%,60%,80%)情況下的情緒感染情況.圖5開放型O個性對情緒感染的影響對圖5結(jié)果進行分析:開放型個性的人具有很強的情緒感染能力,因此隨著開放型人數(shù)量比例的增加,感染的速度也在加快.例如,當開放型個性占總?cè)藬?shù)的20%時,需要10s以上才能實現(xiàn)大部分人群被感染;當開放型個性占總?cè)藬?shù)的80%時,僅需4s左右即可實現(xiàn)大部分人群被感染.由此可見,不同的個性對情緒感染的影響大不相同.(3)實驗3.不同人數(shù).本實驗將總?cè)藬?shù)分為60人、90人和120人3組,驗證相同環(huán)境下不同的總?cè)藬?shù)對情緒感染的影響,如圖6所示.圖6相同環(huán)境下不同人數(shù)對情緒感染的影響對圖6結(jié)果進行分析:不同的總?cè)藬?shù)對情緒感染的影響大不相同.從圖6中可以看出,隨著總?cè)藬?shù)的增加,感染時間反而降低.當總?cè)藬?shù)為60人時,大致需要20s才能實現(xiàn)整體感染;而當總?cè)藬?shù)為120人時,僅需8s即可實現(xiàn)整體感染.這與現(xiàn)實中人群密度增加
【參考文獻】：
期刊論文
[1]基于個性化情緒感染的人群動畫生成方法[J]. 曹夢曉,張桂娟,黃麗君,劉弘. 計算機科學. 2017(06)
[2]情感影響下的行人動態(tài)聚集過程仿真模型[J]. 向南,朱凌云,張明敏. 系統(tǒng)仿真學報. 2015(10)
[3]融入情緒模型的人群實時路徑規(guī)劃[J]. 吳云鵬,杜沅澤,葉陽東. 中國圖象圖形學報. 2015(09)
[4]突發(fā)事件中恐懼情緒感染概率研究[J]. 王春雪,呂淑然,楊凱. 中國安全科學學報. 2015(09)
[5]Crowd Simulation and Its Applications: Recent Advances[J]. 徐明亮,蔣浩,金小剛,鄧志剛. Journal of Computer Science & Technology. 2014(05)
[6]人群擁擠事件中的一種情緒感染仿真模型研究[J]. 劉箴,金煒,黃鵬,柴艷杰. 計算機研究與發(fā)展. 2013(12)
本文編號：3502076
本文鏈接：http://www.sikaile.net/falvlunwen/fanzuizhian/3502076.html
