基于行人视野注意力场的人车微观交互模型

从行人视觉认知角度出发,提出一种基于行人视野注意力场的人车微观交互模型。构建视野注意力场驱动行人视野域,利用人工势场驱动行人运动,利用目标捕捉算法来控制行人视野域对目标的捕捉。为了验证模型的有效性,使用无人机采集鸟瞰视角下的人车交互数据并进行处理分析,将行人过街风格分为保守、谨慎和冒险3种类型,在Pygame平台下搭建仿真场景和交互模型,把不同行人过街风格的交互数据作为模型输入,以模型输出的行人时空轨迹与采集的真实时空轨迹之间的相似度进行实验对比。结果表明,建立的基于行人视野注意力场的人车微观交互模型比常规人工势场模型准确性提高了25.48%,能够有效地复现实际交通场景中的人车交互过程。

有障碍物通道内双向行人流的自组织现象

采用改进社会力模型研究了有障碍物的通道内双向行人流的自组织现象.在模型的自驱力项中同时考虑了静态场和视野场的作用.每个行人根据静态场确定期望运动方向,并根据其视野场确定可行的路径.通过数值模拟研究了周期性或开放性边界条件下圆柱和隔栏的不同放置方式对行人流的影响.虽然存在障碍物,自组织成行仍是双向行人流的主要特征,而通道内则呈现了更丰富的行人流运动斑图.模拟结果表明:在周期性边界条件下障碍物往往会引起通道堵塞,降低行人的平均速度;在开放性边界条件下,水平壁上设置短的垂直隔栏可以减少行人的行程时间,并使发生堵塞的概率减小.