一种RVO碰撞避免的人群仿真研究

如何模拟具有个性的人群行为是群体动画中具有挑战性的课题。针对异质群体的行为差异,基于OCEAN个性模型,提出了人群中不同个性的群组行为仿真方法。分析了OCEAN模型基本原理,结合群体局部避碰几何算法,给出了带有个性因素的人群行为仿真方法。最后以实验证明了人群在交互状况下的群体个性行为算法的可行性。

RVO-DDPG算法在多UAV集结航路规划的应用

针对传统智能优化算法处理不确定复杂环境下多UAV集结航路规划存在计算量大、耗时长的问题,提出了一种基于互惠速度障碍法(reciprocal velocity obstacle,RVO)的深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法。引入互惠速度障碍法指导UAV对不确定环境内障碍进行避碰,有效提高了目标actor网络的收敛速度,增强了算法的学习效率。设计了一种基于综合代价的奖励函数,将多UAV航路规划中的多目标优化问题转化为DDPG算法的奖励函数设计问题,该设计有效解决了传统DDPG算法易产生局部最优解的问题。基于Pycharm软件平台通过仿真验证了该算法的性能,并与多种算法进行对比。仿真实验表明,RVO-DDPG算法具有更快的决策速度和更好的实用性。

智能指示标志在提高人群疏散效率中的应用研究

为了解决密闭空间内密集人群应急疏散效率低下的问题,构建了基于智能引导标志的人群疏散引导模型,提出了基于均衡拥堵策略的指示标志布局优化方法和基于社交网络搜索的指示标志引导权重优化方法,用以提高疏散效率。仿真实验证明:优化后的智能指示标志布局可以有效缓解疏散过程中的局部拥堵,减少行人由拥堵引起的时间消耗;优化后的智能指示标志引导权重可进一步均衡出口利用率,有利于充分利用环境资源,进一步提升人群疏散效率。

基于改进深度Q网络的多UAV队形变换策略

针对传统多UAV编队队形变换方法存在系统结构复杂,计算量大等问题,提出基于改进DQN算法的多UAV队形变换方法。首先,提出基于DQN的多UAV队形变换方法,将多UAV队形变换问题建模为马尔可夫决策过程;其次,利用动态目标点最优分配算法(DTA)对编队内成员进行目标队形的最优节点分配,从而提高队形变换的效率,加快DQN算法的收敛速度;再次,引入互惠速度障碍法(RVO)导引编队成员在队形变换过程中进行避碰,从而提高DQN算法的学习效率;最后,针对算法规划的航路不平滑导致UAV无法飞行,引入三次均匀B样条插值算法对航路进行平滑处理。在队形变换实验中,相比于基于动态目标分配的DQN算法(DTA-DQN)、基于互惠速度障碍法的DQN算法(RVO-DQN)、传统DQN算法,提出的算法收敛速度分别提升了39.26%、40.31%、50.77%,且平均航程更短。仿真结果表明,提出的算法能够有效提高多UAV队形变换的效率,且算法具有良好的泛化性和实用性。

虚拟人群仿真的路径规划新算法

提出了一种用于虚拟人群仿真的路径规划新算法.该算法由全局路径规划模块和局部避碰模块组成.全局路径规划模块利用具有最短距离约束的Delaunay三角形方法分割虚拟环境,并由具有距离信息的单元入口图进行表示;局部避碰模块利用相互速度障碍物方法,并加入了停止规则.实验结果表明:通过对具有距离信息的单元入口图的遍历可获得并存储具有最短距离值的路径,个体通过查询该图即可获得有效全局疏散路径从而实现全局导航;相互速度障碍物方法实现了虚拟人之间,虚拟人与静态障碍物之间的避碰,而停止规则的运用彻底消除了抖动现象.该路径规划新算法实时模拟了人群疏散的运动过程,较真实地再现了疏散特性.

一种改进的多智能体碰撞避免行为

针对目前碰撞避免行为缺乏真实性和通用性的问题,本文提出一种改进的多智能体碰撞避免行为生成方法。通过引入角色参数和个性参数,使得智能体能够根据自身的属性调整避碰行为。改进的多智能体碰撞避免行为把碰撞避免行为与真实人的属性相联系,可以保持智能体前后运动的一致性和平滑性。因此,更符合真实人的碰撞避免行为特性,具有更强的"类人性"和通用性。仿真结果表明,加入了真实人属性的改进方法产生的避碰行为能有效地应用于具有多样化属性的虚拟人群行为仿真、多机器人系统和多智能体领域中。

复杂环境下多移动机器人控制算法研究

针对相互速度障碍法(RVO)避障速度理论上可选而实际应用中不可达的问题,综合考虑相互速度障碍法和动态窗口法(DWA)的优缺点,将两种算法进行融合,对可选避障速度进行运动学约束。进一步,针对复杂环境下多移动机器人相遇过程中膨胀半径可能导致移动机器人避障失败的问题,又提出了膨胀半径可变的自适应相互速度障碍法(ARVO)。该方法可以通过判断周边环境的复杂度对膨胀半径进行调整,既保障了移动机器人与周边障碍物的安全距离,又适当扩大了可选速度范围。最后,通过机器人操作系统(ROS)中的Gazebo仿真平台验证了算法的良好性能。

社会行为驱动的疏散仿真方法研究

在紧急疏散场景中,个人具有的典型社会属性会对其疏散行为产生影响。将个体对环境的熟悉程度和个体所属团队这2种社会因素引入并应用到人群疏散仿真中,提出一种疏散仿真方法。利用RVO库的实时避碰技术模拟人群的动态运动过程,通过添加局部目标点以及对局部目标点的选择机制来动态模拟人群不同的社会行为。通过对不同熟悉度的人群以及不同团队数量的人群进行仿真实验,实验结果表明环境熟悉程度和团队因素对疏散时间存在一定影响,仿真结果具有较高真实性。

一种基于疏散路径集合的路径选择模型在人群疏散仿真中的应用研究

该文在分析影响人群路径选择因素的基础上,提出了一种基于疏散路径集合的路径选择模型.首先,该文提出了一种基于避障策略的社会力模型构建疏散路径集合,进而采用路径学习算法离散和优化集合中的路径;其次,模型采用影响行人路径选择的四个因素,即行人距候选路径的距离、候选路径的长度、拥挤度和候选路径终点出口的疏散能力来实时评估候选路径的待选概率,模拟疏散过程中行人对环境的认知;再次,根据路径选择概率和轮盘赌策略实时更新行人的疏散路径,进一步模拟行人在紧急疏散过程中依据实时环境来调整疏散策略;最后,利用相互速度障碍物方法构建人群疏散仿真模型验证路径选择模型的有效性.仿真实验表明该文所提出的路径选择模型可以再现紧急情况下人群的疏散行为,有助于制定和优化此类情况下的人群疏散方案.此外,该文依据仿真结果提出了用于提高人群疏散效率的基本定理,且定理的理论证明也验证了模型的有效性.

一种基于动态感知的人群仿真局部避碰方法

针对最优相互避碰方法在人群仿真中对虚拟人感知行为缺乏考虑,以及在人群密度较大时导致的拥塞行为,提出一种改进的局部避碰方法。首先,在已有虚拟人感知模型的基础上,加入虚拟人视觉随周围人群的密度而变化的规则,以及听觉感知对避碰行为的影响;其次,引入了有区别的避碰责任机制,使虚拟人在不同情况下采用不同的避碰行为;然后,加入一种拥塞响应规则缓解人群拥塞现象。最后通过多组实验与原方法进行对比,实验结果表明改进后的方法比原方法具有更真实的局部避碰行为,初步验证了该方法的可行性。

基于Leader-Follower的分队队形控制寻径算法研究

在战场环境中,战术分队的队形在面对复杂静态或动态障碍物时难以较好地保持,针对此问题,提出了基于Leader-Follower算法的改进队形控制方法。在leader寻径阶段,通过在战场导航网格中应用两阶段路径搜索方法,先使用A*算法寻找由三角形通道和可利用地物组成的路径,再使用改进的Funnel算法在考虑队形规模的约束条件下对路径作平滑处理。在follower跟随阶段中,通过采用morphing技术,产生在复杂障碍约束下平滑的中间约束队形序列,并结合提出的队形弹簧模型,局部修正并控制follower每一时刻的速度。为解决面对动态障碍的避碰问题,基于相对速度障碍法,并加入速度协同控制,避免队形在避碰过程中失效。最后通过实验表明了该方法的有效性。

改进互动速度障碍的多机器人协同避障

互动速度障碍法(RVO)是一种普遍应用于多机器人协同避碰的方法。标准的RVO方法将速度空间分为碰撞区域和无碰撞区域,并让机器人各自承担一半的避碰任务,但是由于各机器人本身半径大小不同,因此转动快慢也不一样。为此该文提出一种比例互动速度障碍(PRVO),保证各机器人按照自身大小选择最佳动作避碰,提高了避碰效率。在此基础上,该文还将其与动态窗口法(DWA)进行融合,即PRVO-DWA算法,解决了机器人受本身运动学性能影响,其选择的速度不一定是可达的问题。最后在ROS平台上对该方法进行了验证,仿真结果验证了该方法的可行性和有效性。

基于五因素人格模型的人群仿真研究

针对目前人群仿真在群体行为表达方面缺少个体间差异、多样化表达的问题,特别是个体的心理差异对群体行为的影响,提出一种基于人格模型对人群进行仿真的方法。首先,引入心理学中描述人格的五因素模型,对Agent进行人格建模,并制定人格与行为参数的映射关系;然后,设计由人格驱动的路径规划算法和动作姿态实现方法;最后,构建三维仿真系统,实现多种场景中人格因素对人群行为影响的模拟。实验结果表明,该方法能有效地表达个体的心理差异对人群行为产生的影响,使人群仿真更加真实可靠。

面向智能网联车辆碰撞风险规避的互动速度障碍算法

针对多智能车辆协同驾驶中的动态避碰问题,构建了一种面向智能网联车辆碰撞风险检测与协同避碰路径规划的互动速度障碍算法;基于人工势场理论构建了车辆碰撞风险势场,量化了车辆碰撞风险强度与碰撞风险区域;基于车辆驾驶行为交互作用构建了互动速度障碍算法,确定了冲突车辆碰撞风险的协同规避条件与规则;基于车辆动力学约束构建了动态窗口法,确定了碰撞风险规避可行速度解集;基于模型预测控制原理,应用最优化理论构建了车辆碰撞风险规避路径规划模型;通过构建智能网联环境下单冲突车辆、多冲突车辆、瓶颈区冲突车流避碰仿真场景,测试了提出的碰撞风险规避算法的有效性,并与其他避碰算法进行了控制效果对比。研究结果表明:相较于其他对比算法,互动速度障碍算法控制下的安全性能提升了8.6%以上,效率性能提升了9.6%以上,说明提出的互动速度障碍算法通过协同冲突车辆的避碰行为可有效降低冲突车辆避碰速度与轨迹波动,可有效规避非线性速度与轨迹冲突车辆间的碰撞冲突,并可避免瓶颈区多车辆碰撞事故与明显车流波动;在瓶颈区大范围车辆冲突中,相较于其他避碰算法,提出的避碰算法可使车辆的通行效率提升10.42%,使车辆的碰撞风险降低47.32%。由此可见,该算法在协同大规模冲突车辆的避碰行为、降低车辆碰撞风险与运行延误上具有良好性能。