一种结合导航点的社会力疏散仿真软件研究

社会力模型广泛应用于人群仿真。针对该模型在人群疏散仿真中存在抖动、穿透现象,分析产生该现象的原因,采用多线程优化的方法改进社会力模型。对于多障碍物场景中行人存在停滞和移动缓慢的现象采用增加导航点优化行人的疏散路径。采用优化的社会力模型研制一个人群疏散仿真软件,该软件可以定义多种人群仿真参数,实现人群仿真。通过该仿真软件对地震疏散情景进行仿真实验,对实验数据进行对比分析,验证了该仿真软件可以推演人群的疏散行为,可以为人群的疏散策略制定提供参考数据。     

基于群体行为分析的人群异常聚集预测方法

随着智能通信设备的普及和通信基站定位精度的提升,利用通信基站记录的用户行为数据监测和预测人群密度成为可能。由于人群异常聚集事件具有突发性,利用时间序列分析方法和概率模型进行预测的效果较差。针对该问题,提出一种基于群体行为分析的预测方法。通过分析聚集人群的上网行为和基站间的人群移动行为特征,得到两者之间的相关性,结合基站的人群密度时间序列信息,利用扩张因果卷积神经网络和逻辑回归模型得出预测结果。运营商提供的手机用户上网记录数据集上的实验结果表明,该预测方法的精确率为0.93,召回率为0.97,显著优于ARIMA算法、LSTM算法和XGBoost算法,证明了引入用户群体的上网行为和移动特征能够有效提升人群异常聚集预测的准确性。     

基于卷积神经网络的人群突散异常行为检测

为检测人群突散异常,提出一种基于卷积神经网络的人群突散异常行为检测方法。对于人群中的个体使用改进的多尺度卷积神经网络(MCNN)预测人群中每一个个体头部的坐标位置;根据提取出来的坐标点计算人群平均动能、人群密度值以及人群分布熵这3种人群运动状态特征值,以此减少计算量;将3种运动状态特征值放入基于差分进化粒子群优化的极限学习机(DE-PSO-ELM)中进行训练预测,得到人群运动状态,实现人群突散异常行为的检测。仿真结果表明,该算法对人群突散异常行为检测有较好的效果,检测准确率达到99.75%。     

建筑物火灾中的人群疏散研究

建筑物火灾是我国频发的安全事故,所以应研究建筑物火灾人群安全疏散问题。由于在建筑物火灾中,人群疏散时出现拥堵,存在不安全因素,造成人员伤亡。针对在现有的研究中未考虑人员行为的影响,提出了智能体(Agent)的人群行为建模技术在建筑物火灾中的人群疏散仿真中的应用方法。仿真结果显示基于Agent的行为模型可以仿真出人员特性及决策过程对人群疏散的影响,弥补现有的人群疏散模型的不足。仿真结果证明,Agent的行为建模技术具有仿真火灾全过程中人员疏散行为的功能,适用于建筑物火灾中的人群优化疏散策略。     

基于多尺度卷积神经网络的人群聚集异常预测

已有的公共场所人群聚集异常行为检测方法较少,且大多检测方法都是在人群已经异常聚集后再进行检测,检测准确率不高,时效性不够好。提出一种基于多尺度卷积神经网络（MCNN）的人群聚集异常预测模型。首先,通过多尺度卷积神经网络训练一个人群计数模型,用训练好的模型对人群聚集异常视频进行测试;然后在测试中完成人群人数统计与人群头部坐标点获取,进而计算人群密度、人群距离势能与人群分布熵;最后将得到的3种人群运动状态特征值利用PSO-ELM进行训练,得到预测模型,通过特征数据的变化,完成人群聚集行为的预测。实验结果表明,与现有算法相比,该模型能有效实现人群聚集异常行为的预警与检测,时效性强,为采取相应应急措施提供了更多时间,预测准确率达到了9717%。     

基于密度聚类算法的校园人群聚集和移动规律分析

针对某高校无线网日志数据进行挖掘分析,获取校园人群聚集点分布和人群移动规律。首先利用分布式统计算法统计校园内各建筑物的无线网络连接人次;然后建立校园建筑物的中心点经纬坐标的R树索引,并对R树叶子节点分组,以此将校园分成几个部分;再利用密度聚类算法对校园每一个部分中的建筑物中心点经纬坐标进行聚类得到校园区域划分;最后结合聚类结果和统计结果获取人群聚集区域和区域之间人群移动规律。研究结果可为学校校车路径规划、共享单车部署和校园功能区规划等工作提供参考。     

人群行为分析研究进展

人群行为分析是计算机视觉领域一个新兴的研究方向,在智能视频监控、虚拟现实、视频检索等方面有着广泛的应用前景和巨大的经济价值.主要从数据库和分析方法两个方面对人群行为分析的研究进展进行综述.人群行为数据库主要包括行为数据库和监控数据库两种,对这两类数据库中比较典型的库进行了总结,并从人群行为的分解方法和识别方法两方面对人群行为分析方法进行了详细总结.将分解方法分为3种,分别指出了各种方法的优缺点.将人群行为的识别方法分为基于统计的方法和基于描述的方法两种,对它们进行了详细比较,并指出了识别方法的发展趋势.总结了人群行为分析的潜在问题,并展望了其发展前景.     

基于DI-Guy的校园消防训练仿真

针对高校人口密度大、难以高效组织消防训练、缺乏处理应急事件经验等问题,提出一种基于DI-Guy软件的虚拟仿真训练方法。首先利用MultiGen Creator软件建立校园三维模型并加载到DI-Guy的可视化窗口中进行构建,然后模拟火灾发生场景和消防疏散过程,最后对人群疏散方案效果进行数据分析,同时对仿真模拟过程中的一些关键技术,包括利用自定义模型建立、特效实现、人物的行为控制和碰撞检测等进行研究和应用。仿真结果表明,所提出的仿真模型能够合理地反映人群疏散情况,起到良好的展示作用,为校园应急事件在DI-Guy平台的仿真提供可行性方案。     

基于几何方法的虚拟人群紧急逃生仿真

研究优化人群紧急逃生路径选择问题,在紧急情况下,实时选择最优逃生路径,可减少伤亡。但在运动控制中缺乏行为模型描述的研究中,针对现有技术存在的预处理路径机制不能适应动态情形,导致逃生仿真不符合社会行为规律,提出了一种根据几何方法的虚拟人群逃生运动的算法。将复杂场景抽象为图模型,利用Floyd-Warshall算法解决逃生路径规划的APSP问题;其次,建立自适应的动态路径查询表,个体针对实际情况动态生成路径图,最后,在几何空间中基于RVO算法,建立人群密度制约逃生期望速度的运动模型,真实体现了紧急情形下人群运动的社会群体行为。仿真结果表明,改进算法具有动态获取最优逃生路线的特性,并能体现出紧急情形下的社会行为,更具实际指导意义。     

基于数据挖掘的校园大数据可视化分析系统设计

针对近年来学生异常行为增多问题，以一卡通为基础对校园大数据进行了挖掘与并对挖掘结果进行可视化展示。采用ARIMA时间序列预测模型对校园热点区域人流量分布进行预测，通过基于最小方差和余弦相似度的K-means改进聚类算法归纳了校园消费分布特征，对特征进行聚类，并对每类人群的特点进行了总结分析。实验结果表明，ARIMA时间序列预测模型的预测结果与真实结果的标准误差为23.46,预测结果较为理想；而改进的K-means聚类算法则通过最小方差提高初始质心的代表性，最终模型聚类结果与预期结果基本一致。通过预测和聚类结果，校园管理者可以了解学生群体特征，对学生个性特征、行为规律进行深入分析，预测学生行为，防微杜渐。