人群疏散平移矩阵算法

建筑物的通行能力研究近年来受到广泛关注,安全高效地流通人群是专家学者研究的重点。首先,通过一组节点和边的定义将建筑物表示为网络,进而利用Dijkstra最短路算法生成最短路径集合,最后在该集合的基础上提出平移矩阵算法,利用0-1矩阵的更新模拟人群在建筑路径上的流动过程。通过设置多组教学楼疏散场景并与Pathfinder软件的对比来验证平移矩阵算法的有效性。对比结果显示,不同密度下两种方法的总疏散时间差都约为50 s,而运算速度平移矩阵算法比Pathfinder软件快10~110倍。该算法为人群疏散的快速模拟提供了新思路,为疏散策略的实时生成提供了可能性。     

移动群智感知中时间窗口相关的参与者选择机制

目前许多移动群智感知应用要求参与者收集一段时间内连续的感知数据,而现有研究在这方面却考虑不足。针对上述应用场景提出了时间窗口相关的参与者选择机制,主要包括基于动态规划算法设计了一种时间窗口相关的参与者选择方法,目标为覆盖任务时间段的同时最大化数据效益;参与者信誉值更新机制,根据参与者参与任务的意愿程度和数据质量更新参与者的信誉值。最后通过仿真实验与两种普遍应用的参与者选择方法作比较,实验证明所提出的参与者选择机制在数据可靠性、数据效益和感知成本等方面具有更好的效果,因此所提出的参与者选择机制在时间窗口相关的任务中有更好的应用前景。     

改进遗传算法在人群行为仿真中的应用

针对目前人群行为仿真中多目标,有约束的组合优化问题,提出了一种改进遗传算法在人群行为仿真的应用方案。通过设定特殊的数据结构、仿真过程中的各种约束规则、遗传算法中的基因编码、适应度评价函数实现了人群行为仿真。仿真实验验证了该算法可以大大减少搜索空间,并能使结果达到最优。     

A stranded-crowd model (SCM) for performance-based design of stadium egress

Stadium disasters statistic analysis indicated that egress congestion is the major cause of crowd stampede trampling and crushing incidents. In this paper a stranded-crowd model (SCM) for stadium egress is put forward with previous works. The empirical relation between density and velocity of crowd movement have been summarized, and then the crowd-flow rate as a function of density deduced. The paper presents experimental results for this model under emergency conditions and discusses the following observations: the data show egress stranded number of crowd for different time ranges and various relations of flow rate and density can be calculated; furthermore, comparing the results of different egress width with the same formula for the movement in a stadium straight passage. This comparison shows an unexpected conformance between the egress width and stranded number of panic crowd. Based on the results, SCM shows great value in dealing with stadium, especially 2008 Beijing Olympic stadium, egress performance design, selecting and optimizing of routes and so on.     

边缘环境下基于移动群智感知计算卸载的数据汇聚

当前“云-端”式移动群智感知（mobile crowd sensing,MCS）系统面临负载过重的问题,导致数据汇聚过程中时延和能耗显著增加,从而降低了数据汇聚的效率。针对该问题,提出了一种基于AP-DQN的“云-边-端”MCS计算卸载算法。首先,考虑时延和能耗的均衡优化建立效用函数,以最大化系统效用作为优化目标。其次,优化P-DQN算法,提出一种联合资源分配的计算卸载算法AP-DQN,结合MCS优势,将空闲用户作为卸载设备之一。最后,使用该方法求解问题。实验结果显示,与已有算法相比,该方法能有效提高数据汇聚效率,并具有很好的稳定性。     

多层次特征融合的人群密度估计

目的 人群数量和密度估计在视频监控、智能交通和公共安全等领域有着极其重要的应用价值。现有技术对人群数量大,复杂环境下人群密度的估计仍存在较大的改进空间。因此,针对密度大、分布不均匀、遮挡严重的人群密度视觉检测,提出一种基于多层次特征融合网络的人群密度估计方法,用来解决人群密度估计难的问题。方法 首先,利用多层次特征融合网络进行人群特征的提取、融合、生成人群密度图;然后,对人群密度图进行积分计算求出对应人群的数量;最后,通过还原密度图上人群空间位置信息并结合估算出的人群数量,对人群拥挤程度做出量化判断。结果 在Mall数据集上本文方法平均绝对误差（MAE）降至2.35,在ShanghaiTech数据集上MAE分别降至20.73和104.86,与现有的方法进行对比估计精度得到较大提升,尤其是在环境复杂、人数较多的场景下提升效果明显。结论 本文提出的多层次特征融合的人群密度估计方法能有效地对不同尺度的特征进行提取,具有受场景约束小,人群数量估计精度高,人群拥挤程度评估简单可靠等优点,实验的对比结果验证了本文方法的有效性。     

基于C3D-GRNN模型的人群异常行为识别算法

针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法。该算法首先采用ViBe算法确定运动目标区域,然后通过改进C3D网络提取目标的HOG时空特征,再加入GRNN层进行分类训练,最后根据训练好的C3D-GRNN模型完成人群异常行为的识别与分类。实验结果表明:所提算法的HOG时空特征能够明显提升对人群行为的表达能力,减少了特征提取工作量,并且该方法的准确度和鲁棒性均高于支持向量机等其他同类方法,为小样本数据集的分类问题提供解决新思路,具有较高的应用价值。     

随机人群运动荷载作用下大跨度连廊的振动响应

基于社会力模型,研究了随机人群运动荷载作用下大跨连廊结构的振动舒适度问题。通过结合交通学领域、生物力学领域对人群运动特性及人体运动参数的统计分析,对随机人群运动进行仿真,得到不同密度工况下,任意行人在任意时刻的步速、落点位置等参数,建立随机人群荷载模型,计算不同工况密度下结构的加速度峰值。研究表明,加速度峰值与行人步速关系很大,随着行人密度增大,行人速度减小,结构加速度响应则先增大后减小。根据得到的结构加速度峰值与行人密度关系曲线,可以找出出现结构振动舒适度问题的行人密度区间。