基于流体动力学理论的大规模人群社会行为建模与仿真

Simulating large-scale crowd is a hot topic in the virtual reality world. During the simulation, the individual social attributes determine the behaviors of people which will influence each other and spread among crowds. The combined results will finally lead to the typical crowd patterns (e.g., grouping, crowding and queuing) which are also referred to as social behaviors. Simulating these behaviors could achieve a higher degree of the visual realism for large-scale crowd simulation. However, it still remains a challenging problem due to the high computational complexity and poor controllability of current large-scale crowd simulation model.. We study a novel large-scale crowd simulation method by combining fluid dynamics theory with crowd motion. The main idea is to simulate social behaviors from the bottom up by constructing crowd motion flow field and controlling it. The details are as follows. First, we study how to construct the efficient and controllable physical model of crowd motion based on the Lagrangian method. Second, we plan to employ topological graph and streamlines to design global navigation algorithm. Then, the Predictive-Corrective Incompressible SPH method is introduced to compute the physical model of crowd motion. Third, we study the features of the typical social behavior patterns (e.g., grouping, crowding and queuing) in large-scale crowd simulation and model them by techniques such as multi-granularity group obstacle avoidance, dynamic inter-personal contact stress propagation modeling, and hierarchical controllable shape matching algorithm. The results of our method can also provide reference for emergency treatment of extraordinarily serious safety accidents and large-scale public infrastructure planning.

大规模人群仿真是虚拟现实领域的热点问题。在仿真过程中，个体的社会属性将决定个体行为。该行为会在人群中相互影响和传播，并最终产生典型的社会行为模式，如分组、拥挤和排队等。模拟这些行为可以有效提高大规模人群仿真的逼真性。然而，由于计算复杂、可控性低，针对大规模人群社会行为的仿真还极具挑战性。. 本课题拟在流体动力学理论与人群运动相结合的基础上，通过构建人群运动流场并对其实施控制，自底向上研究蕴含社会行为的大规模人群仿真建模新方法。具体内容包括：1、构建基于拉格朗日的高效可控的大规模人群运动物理模型；2、研究基于拓扑和流线的全局导航及基于检测-校正光滑粒子流体动力学理论的模型计算方法；3、分别从多粒度碰撞避免的群组计算、动态拥挤压力传播建模、层次控制的形状匹配算法等方面研究分组、拥挤和排队等大规模人群典型社会行为。本课题的研究成果还能为重大突发事件应急处理、大型公共基础设施规划提供借鉴。

大规模人群仿真是虚拟现实领域的热点问题。在仿真过程中，个体的社会属性将决定个体 行为。该行为会在人群中相互影响和传播，并最终产生典型的社会行为模式。模拟这些行为可以有效提高大规模人群仿真的逼真性。然而，由于计算复杂、可控性低，针对大规模人群社会行为的仿真还极具挑战性。. 本课题从构建大规模人群行为演化模型及控制优化策略两个角度出发，对人群社会行为建模及控制进行了深入研究。首先，在大规模人群运动模型方面，研究了基于地理信息系统的快速人群仿真方法以及陌生环境下人群仿真方法，这些方法兼顾人群运动的物理特性和实际场景特征，能够在较低开销下获得高质量的全局导航路径和局部避障运动场。其次，在人群社会行为建模方面，研究了基于视频规则的人群集群性行为建模方法，基于强化学习的人群分组行为建模方法，以及基于深度残差网络学习的人群社会行为建模方法，这些方法能够准确地对人群运动中出现的分组/拥挤/集群等特征等进行建模与仿真。第三，由于在突发公共事件中恐慌情绪的产生和蔓延会导致典型人群行为如拥挤、踩踏等。本课题还研究了人群心理行为建模的方法和理论，包括基于OCEAN的个性化情绪建模方法、基于社会比较理论的异构情绪建模方法以及基于阿诺德心理学模型的情绪建模方法等，对紧急事件发生时人群中情绪的产生、传播等进行建模与仿真。最后，人群行为控制方面，研究了基于最优化情绪控制的安全员置放和基于情绪传播阈值分析的控制策略。本项目的方法可为制定紧急事件下人群的管理和控制提供计算机辅助分析论证的理论和方法。