融入关系分组的人群运动仿真

在人群行为的运动仿真研究中,人群的分组行为是不能忽略的因素.家庭成员、同事、朋友等关系较密切的人会依据亲密度形成分组,这种现象在整个疏散过程中一直存在,并且个体之间的关系越密切,他们在组内的聚集度越高.目前在人群运动仿真方法中,要么没有考虑分组,要么只根据距离进行分组,而不考虑个体间的关系.本文针对上述不足,在运动过程中同时考虑个体间距离和个体间关系这两个因素对运动的影响,提出了一种改进的K-Medoids算法,该算法加权考虑两类不同的特征值.为验证本文方法的有效性,设计了多组实验.实验结果表明本文方法能够较好地提高疏散效率,并且由于分组过程中考虑了人与人之间的距离以及亲密程度等因素,能够使得虚拟环境中的人群疏散效果更加贴近真实环境下的人群疏散行为.