基于Fuzzy Logic的人群疏散模型(考虑攻击者的情况)

基于Fuzzy Logic的人群疏散模型(考虑攻击者的情况)

1、介绍

因为要做的课题与人群疏散有关,老师给了几篇关于人群疏散的论文,其中有一篇是提出了一种模糊逻辑方法来研究人群疏散行为,同时考虑了有攻击者的情况(Modeling of Crowd Evacuation With Assailants via a Fuzzy Logic Approach)。我根据自己学习到的内容进行总结。

2、内容整理

2.1、背景

人群疏散是一项极具社会意义的研究,它的研究方法主要包括现实生活中的真实实验和基于模型的模拟实验。真实实验因为现实的限制,往往成本较大,很难完成,所以很多论文提出了一系列人群疏散模型来进行研究。
该论文提出的模型,主要有两个比较有特色的点,一个是考虑有攻击者情况下(大多数模型没有考虑这点),另一个是使用模糊逻辑的方法。
模糊逻辑具有对基于感知的信息进行操作和推理的能力,结合到人群疏散的具体背景中,它是这样理解的:人们在逃生过程中,得到的信息并不是“我距离逃生门10米,我前方有20个人”(这种叫做测量信息),而是“我距离逃生门很近了,但我前方人很多”(这种叫做感知信息),而模糊逻辑恰恰能够很好地处理这种感知信息。
语言模糊集的数量决定了模糊逻辑系统的准确性,比如将人的数量分为{很多,多,一般,少,很少},就比分为{多,少}精确。

2.2、模型简述

2.2.1、空间表示

视觉是影响人在人群疏散过程中作判断的主要信息来源,个体的视野VF表示如图蓝色扇区,扇区可分五个部分,分别是左,左前,前,右前,右。
个体 n n n的特征由所处位置 P n P_n Pn,方向 ξ n \xi_n ξn,移动速度 V n V_n Vn组成。

2.2.2、模型结构

该模型由四个fuzzy inference system组成,它们分别用于描述obstacle-avoiding behavior(障碍物规避行为),path-searching behavior(路径搜索行为),goal-seeking behavior(目标寻找行为),weighting’s distribution principle(权重分配原则)。
前三个系统的输出信息是转角和运动速度的中间结构,最后一个系统是加权因子,用于确定某些周围条件下每种行为的重要性。

2.2.3、模型假设
  • 假设一:所有个体不知道环境的全局信息,但是知道他视野中和目标点的信息。
  • 假设二:个体可以在0.5s的犹豫时间中在任何两个预定义状态之间切换(似乎没怎么体现?)
  • 假设三:攻击者的攻击范围即手臂长度0.75m。
  • 假设四:未考虑行人的防御。
  • 假设五:保安人员可以阻止攻击,但只体现为攻击持续时间。
2.2.4、个体分类
个体 描述
攻击者 ——
1类行人 不在攻击者的攻击范围内,如下图中P1
2类行人 在攻击者的攻击范围内,但看不到攻击者,如P2和P3
3类行人 行人可以看见攻击者,或者是行人曾看见过攻击者并且现在离他不远,如P4
2.2.5、三类行人之间转换

三类行人之间是可以进行转换的,具体公式如下:
P c 1 → c 2 = ϵ e x p [ ( d m a x − d a p ) κ 1 ] , d m a x ≤ d a p ≤ r A P_{c1\to c2}=\epsilon exp[\frac{(d_{max}-d_{ap})}{\kappa_{1}}],d_{max}\leq d_{ap}\leq r_{A} Pc1c2=ϵexp[κ1(dmaxdap)],dmaxdaprA P c 2 → c 3 = ( 1 − ϵ ) e x p [ ( 2 r p − d a p ) κ 2 ] , 2 r p ≤ d a p ≤ d m a x P_{c2\to c3}=(1-\epsilon) exp[\frac{(2r_{p}-d_{ap})}{\kappa_{2}}],2r_{p}\leq d_{ap}\leq d_{max} Pc2c3=(1ϵ)exp[κ2(2rpdap)],2rpdapdmax P c 3 → c 2 = 1 − ϵ e x p [ ( 2 r p − d a p ) κ 3 ] , 2 r p ≤ d a p ≤ d m a x P_{c3\to c2}=1-\epsilon exp[\frac{(2r_{p}-d_{ap})}{\kappa_{3}}],2r_{p}\leq d_{ap}\leq d_{max} Pc3c2=1ϵexp[κ3(2rpdap)],2rpdapdmax P c 2 → c 1 = P c 1 → c 3 = P c 3 → c 1 = 0 P_{c2\to c1}=P_{c1\to c3}=P_{c3\to c1}=0 Pc2c1=Pc1c3=Pc3c1=0 ∑ i = 1 3 P c 1 → c i = ∑ i = 1 3 P c 2 → c i = ∑ i = 1 3 P c 3 → c i = 1 \sum_{i=1}^{3} {P_{c1\to ci}}=\sum_{i=1}^{3} {P_{c2\to ci}}=\sum_{i=1}^{3} {P_{c3\to ci}}=1 i=13Pc1ci=i=13Pc2ci=i=13Pc3ci=1 其中 d a p d_{ap} dap表示行人和攻击者之间的距离, d m a x d_{max} dmax表示视野扇区的半径, r A r_{A} rA表示攻击者的攻击范围, r p r_{p} rp表示行人在三维环境表示下的半径, κ 1 \kappa_{1} κ1 κ 2 \kappa_{2} κ2 κ 3 \kappa_{3} κ3是常量,分别为2、8、1。

2.3、模型详述

2.3.1、The Local Obstacle-Avoiding Behavior

该行为指导行人避开障碍物,可以总结为如下公式:
[ α 1 V 1 ] = R 0 ( d o l , d o f l , d o f , d o f r , d o r ) \begin{bmatrix} \alpha_{1} \\ V_{1} \\ \end{bmatrix}=R_{0}(d_{o}^{l},d_{o}^{fl},d_{o}^{f},d_{o}^{fr},d_{o}^{r}) [α1V1]=R0(dol,dofl,d

  • 2
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值