【技術實現步驟摘要】
本專利技術涉及實時仿真，尤其涉及一種策劃推演方法。
技術介紹
1、目前，隨著各國經濟水平快速提高，大型社會活動的舉辦變得越來越多，包括閱兵、大型體育賽事、演唱會和活動開閉幕式等。這些大規模活動往往有海量的人員參與其中，如何科學高效的組織各類海量人員完成活動流程成為一個難題。利用計算機人群仿真技術可以降低活動組織流程規劃難度，節約大量人力物力，并使得方案規劃更為直觀。因此利用虛擬人群仿真技術進行大規模活動組織流程推演對于活動組織具有重要意義。
2、人群仿真技術首次出現于reynolds提出的一種用以模擬鳥群內部群體行為的“boid”模型。在那之后，人群模擬仿真得到了學者的持續研究并在各個領域大放異彩。盡管人群仿真領域現階段已經取得了巨大的進展，但是隨著社會環境的復雜化、計算機水平的不斷提高，簡單場景下的人群仿真模型已不能滿足當前的研究需求。人群仿真技術也已不再是單一的計算機仿真技術，其往往需要與心理學、大數據等學科相互交叉。
3、現有技術中提出了一種基于人群仿真模型的海量人群大規模活動推演，其中人群仿真模型分為宏觀模型和微觀模型，宏觀模型從全局出發，重點關注人群整體的運動情況。微觀模型從局部出發，重點關注人群個體的運動情況。該方法基于視頻監控等真實世界的數據來直接獲取人群運動軌跡，并將輸入軌跡存儲在數據庫中，然后在仿真運行時，將環境拆分為不同的單元，在每個單元中利用算法計算最匹配的歷史軌跡數據并應用于仿真中，通過不同局部的最優匹配來實現全局仿真的最優結果。
4、然而，上述的現有的方法雖然模擬計算
技術實現思路
1、本專利技術提供了一種策劃推演方法，能夠解決現有技術中的問題。
2、本專利技術提供了一種策劃推演方法，其中，該方法包括：
3、對活動場景現場的人群數據進行采集；
4、利用生成對抗網絡架構中的生成器，根據采集的人群數據生成人群軌跡π和子軌跡的延續點，其中人群軌跡包括π包括按預定時間間隔δt劃分的nπ個點子軌跡為人群軌跡π中點到點的子軌跡，子軌跡的延續點為子軌跡之后的下一個點
5、利用生成對抗網絡架構中的判別器，將生成的人群軌跡π和下一個點與真實的人群軌跡進行判別，直至下一個點位于感興趣區域r之外，則確認所生成的人群軌跡π為最終軌跡；
6、利用最終軌跡進行實時人群模擬。
7、優選地，利用生成器生成人群軌跡π包括：
8、根據采集的人群數據將噪聲向量z作為全連接層神經網絡的輸入，輸出得到4維向量表示的人群軌跡π，其中四維向量包括點坐標和點坐標。
9、優選地，利用生成器生成子軌跡的延續點包括：
10、將子軌跡和噪聲向量z作為編碼相關軌跡動態的長短期記憶網絡層的輸入，輸出結果作為全連接層神經網絡的輸入，輸出得到2維向量表示的子軌跡的延續點，其中2維向量包括下一個點坐標其中θg為生成器參數。
11、優選地，利用判別器將生成的人群軌跡π和下一個點與真實的人群軌跡進行判別包括：
12、通過全連接層神經網絡將人群軌跡π的入口點歸一化為[0,1]中的第一標量其中入口點包括第一入口點和第二入口點θd為判別器參數；
13、通過全連接層神經網絡和編碼相關軌跡動態的長短期記憶網絡層對子軌跡中的預定軌跡的每個點進行歸一化，得到每個點對應的第二標量
14、利用第一標量和每個點對應的第二標量計算損失函數，根據損失函數判斷人群軌跡π是否真實。
15、優選地，通過下式計算損失函數：
16、
17、其中，v(θd,θg)表示損失函數，π表示在現實場景中獲取的真實的人群軌跡的集合，π′表示根據不同噪聲向量z生成的人群軌跡π的集合。
18、優選地，通過下式計算損失函數：
19、
20、
21、其中，v(θd,θg)表示損失函數，π表示在現實場景中獲取的真實的人群軌跡的集合，π′表示根據不同噪聲向量z生成的人群軌跡π的集合，表示生成器在給定的情況下生成的下一個延續點，為真實的人群軌跡中的真實點。
22、優選地，利用最終軌跡進行實時人群模擬包括：
23、計算最終軌跡中的吸引點patt＝π(tatt)，其中tatt＝min(t+w,t)，t是人群軌跡π的結束時間，吸引點patt是位于π(t)之前w秒的點，w為時間窗口；
24、根據吸引點patt計算首選速度vpref；
25、使智能體以首選速度vpref沿著最終軌跡運動。
26、優選地，通過下式計算首選速度vpref：
27、
28、其中，p是智能體的當前位置。
29、優選地，在||vpref||>smax的情況下，對vpref進行縮放使得||vpref||＝smax。
30、通過上述技術方案，可以通過真實世界的人群軌跡數據，學習完整軌跡的時間和空間屬性，利用生成對抗網絡技術生成具有相似屬性的新軌跡，并將生成的軌跡與人群模擬結合，進行多輪模擬，使得其中的智能體遵循這些軌跡，最終實現實時交互式人群模擬，為大規模活動組織相關人員決策提供方案支撐。
本文檔來自技高網...【技術保護點】
1.一種策劃推演方法，其特征在于，該方法包括：
2.根據權利要求1所述的方法，其特征在于，利用生成器生成人群軌跡π包括：
3.根據權利要求2所述的方法，其特征在于，利用生成器生成子軌跡的延續點包括：
4.根據權利要求3所述的方法，其特征在于，利用判別器將生成的人群軌跡π和下一個點與真實的人群軌跡進行判別包括：
5.根據權利要求4所述的方法，其特征在于，通過下式計算損失函數：
6.根據權利要求4所述的方法，其特征在于，通過下式計算損失函數：
7.根據權利要求1-6中任一項所述的方法，其特征在于，利用最終軌跡進行實時人群模擬包括：
8.根據權利要求7所述的方法，其特征在于，通過下式計算首選速度vpref：
9.根據權利要求8所述的方法，其特征在于，在||vpref||>smax的情況下，對vpref進行縮放使得||vpref||＝smax。
【技術特征摘要】
1.一種策劃推演方法，其特征在于，該方法包括：
2.根據權利要求1所述的方法，其特征在于，利用生成器生成人群軌跡π包括：
3.根據權利要求2所述的方法，其特征在于，利用生成器生成子軌跡的延續點包括：
4.根據權利要求3所述的方法，其特征在于，利用判別器將生成的人群軌跡π和下一個點與真實的人群軌跡進行判別包括：
5.根據權利要求4所述的方法，其特征在于，通過下式計算損失函數：...
【專利技術屬性】
技術研發人員：王嘉琦，江帆，唐力勇，朱雨童，李韌，
申請(專利權)人：航天科工集團智能科技研究院有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。