考虑同伴群的行人感知避让社会力改进模型

为了提高人群行为模拟的真实性,针对现有社会力模型效果展现存在的行人间避让效果不佳以及个体、同伴群成员差异性避让行为刻画不足的问题,引入融入Agent的实时感知与动态避让算法对模型进行改进研究。基于面向对象的编程语言VC++,结合应用程序框架QT进行面向对象软件的设计与开发,最终搭建了行人仿真平台。通过行人运动状态参数的标定,实现了模型对行人步行行为更加真实的模拟,并进行了不同控制条件下单、双向行人流仿真试验。结果表明,改进模型能够更加真实地模拟冲突行人之间的避让,同伴群成员别于个体进行避让的行为特征得以体现;单向行人流的通行效率远高于双向行人流;避让行为的引入减缓了行人碰撞前后的速度变化,但降低了行人流的整体运动速度。

行人交通仿真社会力模型改进研究

文中从分析现有社会力模型存在的不足入手,开展行人交通微观仿真社会力模型改进研究.增加行人结伴同行算法,用于模拟行人结伴同行行为;完善行人冲突避让机制,用于消除了行人重叠相互穿越等不合理现象;引入视野影响因子,用于修正行人视野对行人间作用力的影响.在此基础上,构建了改进的社会力模型及其仿真平台,并从行人结伴同行、行人冲突避让、行人流宏观特性,以及行人流自组织现象4个方面验证了改进模型的有效性.

基于YOLOv3与卡尔曼滤波的行人短时社交冲突预测

为解决传统行人轨迹预测无法提前预测行人密集区域内即将出现的短时社交冲突问题,提出了一种行人间短时社交冲突预测算法。原始视频通过YOLOv3网络得到当前时刻下图像内行人轨迹后进行格式转换,经卡尔曼滤波器得到坐标系行人轨迹估计,进而得到行人轨迹直线方程;同时根据冲突点判定模型进行各种行人状态的检测与潜在冲突点真伪的判断,输出最终预测结果。实验结果表明,提出的算法能够准确地预测出行人间即将出现的社交冲突,且能对行人的各种行进状态做出准确的判断;与现有算法S-LSTM和S-GAN相比,在行人密集时的FPS分别提高42倍与5倍,验证了所提方法在计算成本上的优势。