数据和模型混合驱动的虚拟人群行为仿真技术研究及其在军事中的应用

虚拟人行为仿真是近年来计算机图形学研究领域中一个重要的研究方向，其从个体情感、心理、感知、认知、决策角度出发进行虚拟人智能行为研究。由个体行为发展而来的群体行为当前在突发危机群体事件应对处理、消防安全、城市规划、建筑设计等领域应用越来越广。如何对虚拟人群的特定行为进行建模，从而应用于对特定人员（军人、警察、消防员等）的训练以及对消防设施、建筑安全度和舒适度的评估也显得至关重要。本课题结合虚拟人群在军事中的应用需求，对其难点技术：虚拟人感知；人群行为模型、认知、推理决策、记忆模型；路径规划；碰撞避免；环境空间语义信息表示等进行深入研究。从而使得虚拟人群具有真实自然人群的特性和行为表现，进而为各种应用特别是军事应用打好铺垫。本课题根据人群的特征，融合多种理论与算法，从基于数据驱动和物理驱动的群体模型两个方面开展算法的开发，结合人的生物学、心理学、社会学因素，解决人群行为仿真的复杂性及逼真性难题

随着社会不安定因素的增多，突发安全事件特别是国内群体性事件的频繁发生给社会造成了巨大破坏和人员伤亡。在此背景之下，提高应对突发事件的能力对于保障公共安全具有重要意义。项目以群体性事件作为代表性的军事应用背景，开展虚拟人群行为仿真关键技术研究，提出了相应的行为模型和控制策略，主要研究内容概括如下：.(1) 对于人群行为仿真框架设计问题，将基于行为的智能体体系结构和慎思式智能体体系结构相结合，提出一种行为/认知混合式体系结构。此体系结构能够通过在行为模块中加入一定程度的规划从而生成更复杂的行为模块，实现了数据驱动方法和模型驱动方法的结合，从而能够支撑产生更为真实的人群行为模型。.(2) 对于独立个体的导航行为生成问题，利用解耦式轨迹规划方法，提出一种具有最大速度和加速度约束的多样性轨迹设计策略。同时，为了提高避碰行为的真实性，提出利用虚拟人的社会学角色参数和个性参数改进避碰行为模型，从而根据不同的虚拟人内在属性生成多样性的避碰行为。.(3) 针对组行为生成问题，分别对平民组行为和士兵组行为进行研究。提出将可视-Voronoi图用于组运动路径的生成，进而利用平滑方法、多样性轨迹生成策略以及修改评价函数三种方式产生组的运动轨迹。针对非一致性平民组，基于分布式控制算法，提出了一种具有多个leader和全局轨迹约束的组行为生成方法。同时，对一致性平民组和士兵组行为进行了研究，提出利用组外形结合组队形对具有严格队形约束的士兵组行为进行模拟。.(4) 为了实现日常人群管理和对骚乱人群的控制，针对组控制问题，提出了一种改进的shepherding行为。根据已有shepherding行为的不足，引入具有最大速度和最大加速度约束的时间最优轨迹规划方法，生成控制智能体的运动轨迹，使得控制智能体在满足最大速度和最大加速度约束的前提下，尽快运动至目标位置，从而对人群进行更有效的管理和控制。.(5) 最后，进行了数据和模型混合驱动的虚拟人群行为仿真系统开发及其应用研究。项目组利用数据和模型混合驱动的行为建模思想，将基于速度场的行为建模方法和基于智能体的行为建模方法相结合，以群体性事件想定为例，完成相关应用系统开发，进而检验了本项目所做的研究工作。.仿真结果表明，本项目提出的方法真实地模拟了群体性事件中人群的各种行为，从而为群体性事件中人群的管理、人群行为的分析提供有价值的参考。