基于行人恐慌情绪解析的改进社会力模型

为深入研究行人恐慌情绪对突发事件下群体疏散效率的影响特性,首先,考虑滞留时间、局部密度、行人与出口的距离、周围人员密度以及行人恐慌情绪传播等因素,解析并构建由自恐慌和恐慌传播2部分组成的行人恐慌情绪量化模型,并将其引入社会力模型中进行改进优化;然后,采用与经典现象对比的方法验证模型的有效性;最后,运用Anylogic软件进行仿真分析。结果表明:改进后的模型能够较好地反映行人在恐慌情形下的疏散运动特性;适度的恐慌情绪,如当恐慌度小于0.3时,可以加快人群的疏散速度;较高的恐慌情绪,如当恐慌值大于0.3时,则会加剧瓶颈现象,出现所谓的“快即是慢”现象,从而降低疏散效率。

基于可视注意力机制的非锚点行人检测模型

在目前的行人检测方法中,中心尺度预测(center-scale prediction,CSP)模型具有检测速度快,无需预设锚点等优点。但是,CSP模型并没有针对行人遮挡问题提出解决方法。为此,在CSP模型的基础上,提出了一个基于可视注意力机制的中心尺度预测(visible attentionmechanism-basedCSP,VA-CSP)模型,同时预测行人及其可视区域的边界框,并构造一个中心-可视中心(center-visible center,C-V)变换预测分支,将行人及其可视区域匹配,使模型具有正确的可视注意力机制,提升遮挡行人的检测精度。在Citypersons和Caltech行人检测数据集上进行了实验,在Citypersons验证集的不同遮挡程度的子数据集Reasonable、Heavy、Partial和Bare上,得到了9.6%、48.1%、9.1%和6.6%的丢失率,相比CSP分别提升了1.4%、1.2%、1.3%和0.7%。在Caltech测试集的Reasonable子数据集上得到了3.2%的丢失率,相比CSP提升了1.3%。与其他目前最新的模型相比,所提模型具有更高的检测精度。

基于随机行走模型的行人实感振动响应分析

针对人群荷载随机性对行人振动感知的影响,研究随机行走模型中行人感知振动响应动态变化规律.首先,基于随机人群行走模型,建立了考虑行人实感的竖向振动响应分析方法 .然后,对比分析不同随机行走模型下行人实感最大振动响应、出现时刻以及位置区间上的变化规律.最后,通过研究行人实感最大振动响应与结构跨中峰值加速度之间的相关关系,定义振动响应折减系数和变异系数,提出行人实感最大振动响应的近似计算方法 .研究结果表明:有序排列模型(Ordered Arrangement Model,OAM)、随机到达模型(Stochastic Arrival Model,SAM)、随机分布模型(Stochastic Distribution Mode, SDM)、动态平衡模型(Dynamic Equilibrium Model, DEM)4种人群行走模型下,行人实感的最大加速度响应服从近似的正态分布,OAM的值域范围大于其他3类模型;最大响应出现位置以及出现时刻取决于行人的行走方式,随人群密度增长无明显变化;OAM与SAM分布规律相同,出现时刻主要集中在总时程内的中间段,而SDM与DEM分布相对均匀;行人实感的最大响应计算值与实际值最大误差不超过5%.

基于预训练模型的深度学习算法及其在图书馆行人目标检测中的应用

图书馆行人目标检测能够实现对图书馆内行人目标情况的统计,观察读者的学习行为和时间倾向,对提高服务质量和改善图书馆设施构造具有重要作用。现有图书馆行人目标深度学习算法能够对行人目标进行自动识别和统计,但计算复杂度高,神经网络模型的训练效率低,难以适应图书馆不同场所的需求。对上述问题,文章提出一种基于预训练模型的深度学习算法。该算法基于迁移学习的思想,对模型进行预训练,从而避免模型从零开始训练,并且设计了一种广义损失函数,该函数不仅关注不同对象的重合区,还关注不重合区,从而能更好地体现出两个对象的重合性。实验结果表明,基于预训练模型的深度学习算法能够提高行人目标检测模型的训练效率以及检测的精确度和查全率,能够满足图书馆不同场景下行人目标检测的需求。

基于姿态估计和Transformer模型的遮挡行人重识别

行人重识别(re-identification,ReID)是利用人工智能解决边防检查、人员追踪等公共安全应用问题的技术,具有从跨设备采集的图像中识别某一特定行人的能力。但是在人员追踪等问题中,往往会出现行人刻意遮挡、复杂场景环境遮挡等因素,大大提高了行人重识别的难度。针对行人重识别遮挡问题,基于ResNet50网络,结合姿态估计和Transformer模型,提出了一种改进的行人重识别网络PT-Net,以提高遮挡条件下的行人重识别能力。该方法首先利用现有的姿态估计方法对输入图像进行关键点检测,并将关键点信息与行人特征图像结合起来生成一个基于姿态的行人特征表示;然后利用Transformer模型对基于姿态的行人特征表示编码,用来实现特征对齐和特征融合。基于国际公开的数据集Occluded-Duke开展实验验证。结果表明:PT-Net方法相对于基线模型,其均值平均精度(mAP)和相似度排序Rank-1指标分别提高了1.3、1.5个百分点,验证了该方法的有效性和优越性。

基于可解释注意力部件模型的行人重识别方法

大多数行人重识别(Person re-identification,ReID)方法仅将注意力机制作为提取显著特征的辅助手段,缺少网络对行人图像关注程度的量化研究.基于此,提出一种可解释注意力部件模型(Interpretable attention part model,IAPM).该模型有3个优点:1)利用注意力掩码提取部件特征,解决部件不对齐问题;2)为了根据部件的显著性程度生成可解释权重,设计可解释权重生成模块(Interpretable weight generation module,IWM);3)提出显著部件三元损失(Salient part triplet loss,SPTL)用于IWM的训练,提高识别精度和可解释性.在3个主流数据集上进行实验,验证所提出的方法优于现有行人重识别方法.最后通过一项人群主观测评比较IWM生成可解释权重的相对大小与人类直观判断得分,证明本方法具有良好的可解释性.

考虑行人摔倒和受伤的斜坡相向流社会力模型

行人在斜坡上运动时,其受力情况、运动速度及心理状态均与在平地运动时不同,难以应用现有社会力模型进行有效仿真.为此,考虑斜坡上行人的运动特征,提出一个改进的社会力模型,此模型基于过往实证数据对行人在斜坡上的期望速度进行了校准,并提出了推搡行为下行人摔倒的概率计算方法,同时,结合行人体重、运动加速度、承受压力及等待时间等实时状态实现了对行人摔倒、受伤及不耐烦心理的模拟.斜坡相向行人流场景仿真结果表明:坡度、行人初始密度的升高会延长人群运动时间,使人均意外发生率上升最高至38.0%;不耐烦心理有助于车道效应的形成,但会降低人群运动效率;行人流基本图中,高坡度下流量-密度关系趋势不如平地明显,各坡度行人平均速度比较接近.

行人过街模拟及车辆右转避障路径规划方法

为解决无信号十字路口右转车辆与同侧过街行人的交互冲突问题,提出一种模拟过街行为的行人过街运动模型,设计了车辆横纵向解耦避障路径规划算法,并进行了仿真实验。使车辆面向动、静态行人时能合理切换避障路径规划策略;同时,将过街运动模型驱动下的行人作为车辆避障对象,以过街模型输出的行人未来轨迹生成车辆纵向速度规划障碍位移—时间区域,从而让行人未来运动状态反馈到车辆避障中。结果表明:本文的行人过街运动模型相对观测值的准确率达到了90%,因此,该模型复现了行人过街过程;能根据行人运动状态切换避障方案,使车辆安全避让过街行人。

基于AnyLogic仿真的恐慌情景行人疏散研究

为了反映恐慌情景下行人疏散的变化规律,基于Anylogic软件进行仿真分析。通过引入情绪因子和信息因子,量化恐慌传播系数和信息传播系数,建立群体恐慌动力学模型,运用蒙特卡洛等方法进行群体心理的量化分析,划分恐慌程度等级为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级。运用该模型分析不同密度、不同恐慌等级下的恐慌人员疏散规律。研究结果表明:低密度情景下恐慌对疏散效率的影响较低,中、高密度情景下,适度恐慌可以降低疏散时间,超出临界范围会导致疏散的延缓。场景模拟可以看出,适度恐慌下人员疏散迅速有序,相反,过度恐慌下人员疏散缓慢混乱。

考虑行人微观差异的社会力避让模型与仿真

为解决城市客运交通枢纽场景中行人仿真存在的冲突次数过多和不合理的震荡现象,基于社会力模型,引入主动避让力,针对行人的避让行为进行研究。因不同行人的微观特征不同,其期望速度存在较大差异,在避让力模型中引入期望速度差,将期望速度作为判断行人避让程度的关键指标,突出避让时行人的差异化选择。通过Matlab进行仿真实验,将仿真结果与真实通道内行人的移动路径进行对比。研究结果表明,期望速度更大的强势个体会更主动地进行避让,改进后的模型可以更好地还原差异化的避让行为,对行人路径的模拟误差较未引入避让力的模型降低了43.4%,改进的社会力模型仿真中不合理的碰撞现象减少了49.3%,且可以再现同向行人之间的超越行为。这表明改进后的模型能更好地还原行人对冲突的避让行为,可用于人群较为复杂场所的行人仿真。

行人腿型冲击器肌肉材料参数反求

aPLI先进行人腿型冲击器在碰撞测试中的生物仿真度,在很大程度上取决于其几何结构及其模拟腿部肌肉的合成橡胶的超弹性力学特性。根据橡胶准静态单轴压缩试验数据,分别对用于表述橡胶超弹性的Ogden和Mooney-Rivlin本构模型进行材料参数拟合,得到相应的材料参数并将拟合曲线与试验曲线进行比较,对比不同本构模型的拟合精度。结果表明,2阶Ogden材料模型更符合试验结果。为提高有限元模型中肌肉橡胶材料参数的准确性,重构压缩试验有限元模型,以拟合得到的2阶Ogden本构模型材料参数为初始值,通过将有限元与优化策略相结合,基于自适应响应面法对2阶Ogden模型中μ1、α1、μ2、α2这4个材料参数进行优化,获得该材料在准静态压缩状态下的一组最佳材料参数。

深度确定性策略梯度算法耦合模型驱动的行人过街仿真

行人仿真在公共安全研究中扮演着重要的角色,但如何增强仿真环境中智能体的真实性一直是一个难题.本工作提出了一种深度确定性策略梯度-行人二维优化速度模型耦合驱动算法,并对无信号交叉口行人过街行为进行仿真.通过构建考虑无速度差项和有速度差项2种行人二维优化速度模型的策略探索方案,揭示出带有速度差项行人二维优化速度模型的耦合驱动算法倾向于灵活地选择相对安全的动作,从而使行人选择动作的策略也更优,达到了完全避免行人碰撞、确保行人安全的功能.

老年人对信号交叉口行人服务水平评价建模与分析

为分析老年人在信号交叉口人行横道的过街需求,对老年行人在通行时的服务水平进行评估,建立了基于主观评价和交叉口交通特征的老年行人服务水平评价模型。首先,通过现场观测和视频分析获取了33条信号控制人行横道的交通特征参数,并采用截断式问卷调查得到同步情况下过街老年人对行人服务水平评价主观值,初步选用基于非线性、线性和模糊线性回归模型。其次,通过基于30条人行横道的数据分析,采用皮尔逊相关系数和斯皮尔曼相关系数识别出了影响老年人过街服务水平的关键因素。最后,以关键因素为输入,对比分析非线性、线性和模糊线性3种回归模型,结果表明:多元非线性回归的老年行人服务水平评价模型在拟合度和误差方面表现更优,且验证组的3条人行横道数据进一步证实了该模型的适用性。

不同姿态人群的火场疏散模型研究

在火灾疏散中,火场高温烟气带来的物理威胁和心理压力会对人员疏散产生影响。为了量化火灾环境下人员可能采用的弯腰、爬行等疏散姿态及其与火源间的交互对疏散过程的影响,采用椭圆表征行人不同的运动姿态,考虑火源产生的物理和心理影响,基于社会力模型建立了一种混合姿态火场疏散模型。本模型能够再现试验中观测到的行人绕行及避让火源行为,可根据火源状态提前规划疏散路径避开高温区域。研究发现,当人员采用爬行、蹲行和弯腰行走三种姿态疏散时,人群的疏散时间随密度和火源温度升高而延长。随着路径风险差异增大和行人危险敏感度提高,选择安全路径的行人比例逐渐增大。研究可以为火灾环境下人员的安全应急疏散管理提供技术支持。

行人过街行为分析与建模

行人过街违章行为的影响因素及过街行为建模对行人过街安全和行人违章特性研究具有重要的理论意义。通过多层次交叉联列表方法分析了影响行人过马路违章行为的因素,并建立了多元Logistic模型。检验结果表明,模型存在共线性问题,通过逐步回归方法筛选出10个显著影响行人违章行为的因素。通过模型分析发现,影响行人违章过马路的多种因素中,年龄、是否携带东西、结伴情况、受教育程度、等待过街人数、信号灯了解程度、视力情况、路口类型、有无机非护栏和过街位置都对违章行为有显著影响。年轻人和结伴行人更可能违章,而受过高等教育的人违章概率较低;对信号灯和路况了解不足、视力不佳的行人违章概率较高;路口类型和是否有护栏也会影响违章行为,远离车辆过街的行人违章概率更大。

基于FP-growth的老年行人交通事故损伤致因研究

为研究老年行人交通事故相关因素及其对损伤程度的影响,以中国交通事故深度调查数据库中2013—2023年710起机动车-老年行人事故为分析对象,利用FP-growth算法挖掘出4类影响因素28个类型变量共5594项关联规则。研究结果表明:行人年龄、碰撞速度、事故时间段及事故地点是影响老年行人事故死亡率的显著因素。特别是,行人年龄和碰撞速度对死亡率有显著影响,随着碰撞速度的增加,死亡率显著上升;60岁及以上老年行人年龄每增加1岁,其死亡率提升0.037倍。此外,事故发生在夜间、郊区或村庄的死亡率更高。研究结果可为提高老年行人交通安全,制定相关安全措施提供一定参考。

考虑视觉障碍行人的疏散模型

为研究视觉障碍行人对人群疏散的影响,首先根据ISOBE等人的可控试验结果,描述视觉障碍行人疏散行为,并考虑正常行人对视觉障碍行人的帮助行为,采用移动概率和修正Moore邻域规定的小团体运动规则,建立考虑视觉障碍行人的场域元胞自动机疏散模型;然后通过模拟视觉障碍行人活动场所人群疏散的运动状态和演化过程,探究帮助行为、视觉障碍行人占比、出口位置对整体疏散结果的影响。结果表明:正常行人对视觉障碍行人的帮助行为能有效减少疏散时间,帮助行为对于混合人群疏散效率的提升作用随着人群密度的增加愈发显著;混合人群中视觉障碍行人占比增大会导致疏散效率降低,且这种不利影响随着人群密度的增加会加剧;相比于出口在墙角或出口距墙角有一定距离,出口位置在墙壁中心对于混合人群疏散更有利。

道路信号交叉口行人过街速度与延误估计仿真

为了探究信号交叉口行人群体过街速度和延误影响因素,采用无人机和地面机位从高空和地面获取交通视频,并利用Tracker物理影像分析软件对视频数据进行分析。从城市信号交叉口的微观角度出发,建立了传统社会力模型和改进社会力模型,通过仿真场景模拟了行人过街情况。利用哈尔滨市两个交叉路口的实际参数对仿真模型进行了标定。实验结果显示,当人行横道宽度从4 m增加至7 m过程中,传统社会力模型下的行人过街平均延误时间分别为4.22 s、3.47 s、2.57 s和2.28 s;改进社会力模型下的行人过街平均延误时间分别为3.56 s、2.91 s、2.78 s和2.26 s。经过对比验证发现,适当提升人行横道宽度使行人实际过街速度更接近期望速度,从而降低行人过街的延误时间。结果表明,通过增加人行横道宽度可以有效改善信号交叉口行人过街的效率。

人行桥在行人荷载激励下的非平稳随机响应

采用虚拟激励法和微分求积法相结合的DQ-PEM法研究在行人荷载激励下人行桥的非平稳随机响应.与以往的虚拟激励法不同的是该方法以简单谱模型为基础,建立行人强迫函数的谱密度,求得多自由度体系人行荷载下的多模态.通过工程算例验证该方法的准确性与有效性,并进一步讨论不同速度和不同约束条件下梁式结构受行人荷载作用的随机振动问题.

基于扩展卡尔曼滤波的交互式多模型跟踪算法研究

在辅助驾驶系统中,行人轨迹跟踪一直是一项有挑战性的任务,因为行人的回波信号中往往存在着许多干扰噪声。此外,行人在运动过程中可能会做出突然转身或其他改变方向的行为,这将直接导致行人运动轨迹呈现出非线性特征。针对上述问题,文中提出一种基于扩展卡尔曼滤波的交互式多模型跟踪(IMM-EKF)方法,适用于毫米波雷达对行人进行轨迹跟踪。首先,在扩展卡尔曼滤波算法(EKF)的基础上重构状态预测协方差矩阵,来补偿EKF非线性化过程中引入的误差;然后将改进的EKF作为交互式多模型算法(IMM)中的滤波器,根据行人运动特性选择匀速模型和协调转弯模型作为跟踪模型,利用所提出的IMM-EKF算法进行轨迹跟踪。实验结果表明,所提出的滤波算法较典型的EKF和改进的EKF算法,在跟踪滤波精度方面均有所提升,同时具备更优的跟踪鲁棒性。