群体动力学的群组行为仿真

目的许多群体动画算法侧重从宏观或微观角度模拟人群运动,而结合两种方法模拟群组动态的算法较少,为解决这个问题,提出一种基于群体动力学的群组行为仿真算法。方法首先,采用连续模型构建动态势能场,为个体计算运动初始速度;然后,基于群体动力学模拟组内跟随和组间避让行为;在组内跟随行为中采用"Carfollowing"模型为个体计算跟随加速度;在组间避让行为中提出群组的凸包表示方法,并引入局部势能场;最后,结合动态势能场和局部势能场实现群组行为仿真。结果在每个仿真循环中动态更新全局势能场信息,对比不同群体规模及网格精度的人群仿真效率。实验结果表明本文算法能用于模拟规模较大的多样性群组运动。在网格分辨率为80×80像素的场景中对5 000个个体的运动进行仿真,平均帧速率为35.7 ms(约28帧/s),与传统的连续模型相比产生了更多的群组行为。采用快速行进法构建全局动态势能场,即使在粗糙网格中也能得到较为平滑的路径。结论提出算法适用于多样性群组行为仿真,同时结合全局规划和局部控制,无需额外碰撞检测便能真实地模拟组内跟随和组间避让行为,仿真效果具有高效性和多样性。