本發(fā)明涉及一種于人群疏散問題計算機(jī)仿真的折半聚類方法，特別適用于大型購物商場、活動中心等在進(jìn)行人群疏散時對其聚類分組，如在超市等公共場合發(fā)生火警、踩踏等突發(fā)事件時，需要快速安全疏散人群，而合理、有效地聚類分組才能保證人群疏散的效率和質(zhì)量，本發(fā)明能切實(shí)地進(jìn)行人群疏散仿真模擬，為現(xiàn)實(shí)的突發(fā)事件人群疏散提供可行的方案。

技術(shù)背景

隨著人民生活水平的提高以及精神文化需求的發(fā)展，諸如車站、商場、演唱會以及各類大型活動中大規(guī)模且高密度的人群隨處可見。這些公共場所具有的空間有限，卻常常出現(xiàn)人山人海、熙熙攘攘的景象，其背后隱藏著巨大的安全隱患，踩踏、推搡等性質(zhì)嚴(yán)重的人群異常事件更是頻繁發(fā)生，給人們的人身財產(chǎn)安全帶來嚴(yán)重的危害，對社會的安定和諧也造成不利影響。所以在突發(fā)事件發(fā)生時，人群的疏散工作就顯得極為重要。

現(xiàn)有的聚類方法都是基于劃分、層次、密度以及網(wǎng)格實(shí)現(xiàn)的，旨在將人群按照給定的分類標(biāo)準(zhǔn)分為指定的幾類。但無論是k-medoids算法還是STING算法，或者執(zhí)行效率較低，或者求解精確度不夠。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要克服現(xiàn)有技術(shù)的上述缺點(diǎn)，提供一種基于人群疏散的折半聚類方法。

本發(fā)明提出了基于人群疏散的折半聚類方法。在實(shí)際的人群疏散過程中，人群的分布狀態(tài)會隨著行人的運(yùn)動，隨時發(fā)生變化，在整個場景中人群的局部疏密度也會發(fā)生變化，折半聚類方法可以區(qū)分疏密區(qū)域，粗分稀疏區(qū)域或舍棄空白區(qū)域，細(xì)分稠密區(qū)域，提高準(zhǔn)確度的同時減少了網(wǎng)格數(shù)量，提高了聚類效率。并且準(zhǔn)確掌握人群信息，使人群分組聚類更加合理，模擬仿真更符合現(xiàn)實(shí)。對于解決公共場所的突發(fā)事件人群疏散問題具有較好的效果。

本發(fā)明提出的基于人群疏散的折半聚類方法，包括以下步驟：

1)將整個疏散場景面積定義為P＝L*W，其中，L、W分別代表疏散場景的長和寬，用(x,y)來表示疏散場景的坐標(biāo)；

2)將人群疏散個體數(shù)據(jù)集定義如下：

E＝{e_i,i＝1,2,…,num}，其中，e_i表示在數(shù)據(jù)集中的第i號個體，num是個體總數(shù)，p_i和g_j分別表示第i號個體和j號網(wǎng)格的小組屬性，j＝1,2,…,n，n是非空葉子網(wǎng)格數(shù)目；

3)個體數(shù)據(jù)集E到場景P的映射是E→S，被定義為S＝{e_i(x,y)}，其中，e_i是E中第i號個體，1≤i≤num；(x,y)是場景中的坐標(biāo)，1≤x≤W，1≤y≤L，e_i(x，y)表示i號個體的位置；

4)同組個體屬性設(shè)定，先求得j號網(wǎng)格內(nèi)的個體序號，再確定網(wǎng)格內(nèi)個體實(shí)際范圍左下方及右上方的邊界點(diǎn)(x_ld,y_ld)和(x_ru,y_ru)，就可以算出中心位置如圖1所示，則(x_m,y_m)可表示為：

同時得到同組個體的鄰域半徑r_j：

從而確定同組內(nèi)個體的屬性值p_i(在實(shí)際仿真中，p_i是個體間的關(guān)系閾值，而

個體間的關(guān)系值則在初始化時給定的關(guān)系矩陣確定)；

5)計算網(wǎng)格密度den(c_j)：

其中den(c_j)表示網(wǎng)格第j號葉子網(wǎng)格C的密度，(1≤j≤n)，n是葉子網(wǎng)格的總數(shù)，count()、s()分別是計算網(wǎng)格內(nèi)個體數(shù)目和個體所占實(shí)際面積的函數(shù)。如圖2所示，實(shí)際面積是通過網(wǎng)格內(nèi)個體實(shí)際范圍左下方及右上方的邊界點(diǎn)(x_ld,y_ld)和(x_ru,y_ru)計算得到；

6)核心網(wǎng)格是包含的個體數(shù)目大于1的葉子網(wǎng)格且核心網(wǎng)格數(shù)目不大于k；如圖3所示，每個核心網(wǎng)格的鄰居網(wǎng)格是和它直接相連的網(wǎng)格，最多有八個；

7)對整個場景進(jìn)行二分的非均勻網(wǎng)格劃分，比較場景的邊長，把長邊均分兩半，形成兩個格子，再檢測每個格子，如果格子里是空的或者是同組的個體則停止，否則就把該格子按同樣規(guī)則二等分，這樣繼續(xù)二等分下去，直到格子為空或者格子里的個體都是同組的為止；

8)檢測非空網(wǎng)格內(nèi)的個體是否同；以個體的實(shí)際中心為中心位置，即以邊界個體的坐標(biāo)而不是網(wǎng)格頂點(diǎn)坐標(biāo)來計算中心位置，以個體到中心距離的均值為鄰域半徑，距離在半徑內(nèi)的個體則同組并設(shè)置同組屬性，否則是異組；

9)按網(wǎng)格密度非遞增排序葉子網(wǎng)格；

10)按順序依次提取葉子網(wǎng)格為核心網(wǎng)格，聚合其周圍的同組鄰居網(wǎng)格，聚合規(guī)則是鄰居網(wǎng)格中任意一個體的屬性與核心網(wǎng)格屬性相同則為同組，因?yàn)槿~子網(wǎng)格內(nèi)的個體都是同組的；

11)按距離就近原則，聚合剩余的非核心網(wǎng)格。

模擬仿真得到如圖4所示的人群疏散聚類仿真的結(jié)果。

本發(fā)明提出的人群疏散折半聚類方法，將現(xiàn)實(shí)中的人際關(guān)系如家人、朋友等考慮到聚類分組中去，在人群疏散過程中快速識別出人群中有關(guān)系的人并準(zhǔn)確地聚類成組。使得仿真模擬更加符合實(shí)際的人群疏散，并且在k-medoids算法和STING算法思想的基礎(chǔ)上增加了折半劃分的思想，即先將人群疏散場景網(wǎng)格化，但這個網(wǎng)格化過程是基于折半思路的非均勻二分法劃分的過程，再利用圍繞中心點(diǎn)聚類的思想，找出核心網(wǎng)絡(luò)(內(nèi)部個體密度高的網(wǎng)格)，然后進(jìn)行聚類分組。這樣減少了最終網(wǎng)格劃分?jǐn)?shù)量，提高了聚類效率。對于解決公共場所的突發(fā)事件人群疏散問題具有較好的效果。

本發(fā)明提出的基于人群疏散的折半聚類方法，對于解決群體性事件發(fā)生時，人群疏散過程中的人群聚類問題具有較好的效果。

本發(fā)明的有益效果在于：

本發(fā)明有效克服了k-medoids和STING算法在聚類時的低效率和低準(zhǔn)確度，在疏散人群的分布狀態(tài)隨著行人的運(yùn)動隨時發(fā)生變化時，折半聚類方法可以區(qū)分疏密區(qū)域，粗分稀疏區(qū)域或舍棄空白區(qū)域，細(xì)分稠密區(qū)域，提高人群聚類準(zhǔn)確度的同時減少網(wǎng)格數(shù)量，同時，提高聚類效率。對于解決公共場所的突發(fā)事件人群疏散問題具有較好的效果。

附圖說明

圖1是本發(fā)明方法的網(wǎng)格內(nèi)個體實(shí)際邊界圖。

圖2是本發(fā)明方法的網(wǎng)格密度圖。

圖3是本發(fā)明方法的核心網(wǎng)格及其鄰居網(wǎng)格圖。

圖4a～圖4d是本發(fā)明方法的人群疏散折半聚類模擬仿真圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。

本發(fā)明提出的基于人群疏散的折半聚類方法，包括以下步驟：

1)將整個疏散場景面積定義為P＝L*W，其中，L、W分別代表疏散場景的長和寬，用(x,y)來表示疏散場景的坐標(biāo)。

2)將人群疏散個體數(shù)據(jù)集定義如下：

E＝{e_i,i＝1,2,…,num}，其中，e_i表示在數(shù)據(jù)集中的第i號個體，num是個體總數(shù)，p_i和g_j分別表示第i號個體和j號網(wǎng)格的小組屬性，j＝1,2,…,n，n是非空葉子網(wǎng)格數(shù)目；

3)個體數(shù)據(jù)集E到場景P的映射是E→S，被定義為S＝{e_i(x,y)}，其中，e_i是E中第i號個體，1≤i≤num；(x,y)是場景中的坐標(biāo)，1≤x≤W，1≤y≤L，e_i(x,y)表示i號個體的位置；

4)同組個體屬性設(shè)定，先求得j號網(wǎng)格內(nèi)的個體序號，再確定網(wǎng)格內(nèi)個體實(shí)際范圍左下方及右上方的邊界點(diǎn)(x_ld,y_ld)和(x_ru,y_ru)，就可以算出中心位置如圖1所示，(x_m,y_m)可表示為：

同時得到同組個體的鄰域半徑r_j：

從而確定同組內(nèi)個體的屬性值p_i(在實(shí)際仿真中，p_i是個體間的關(guān)系閾值，而個體間的關(guān)系值則在初始化時給定的關(guān)系矩陣確定)；

5)計算網(wǎng)格密度den(c_j)：

其中den(c_j)表示網(wǎng)格第j號葉子網(wǎng)格C的密度，(1≤j≤n)，n是葉子網(wǎng)格的總數(shù)，count()、s()分別是計算網(wǎng)格內(nèi)個體數(shù)目和個體所占實(shí)際面積的函數(shù)。如圖2所示，實(shí)際面積是通過網(wǎng)格內(nèi)個體實(shí)際范圍左下方及右上方的邊界點(diǎn)(x_ld,y_ld)和(x_ru,y_ru)計算得到；

6)核心網(wǎng)格是包含的個體數(shù)目大于1的葉子網(wǎng)格且核心網(wǎng)格數(shù)目不大于k；如圖3所示，每個核心網(wǎng)格的鄰居網(wǎng)格是和它直接相連的網(wǎng)格，最多有八個；

7)對整個場景進(jìn)行二分的非均勻網(wǎng)格劃分，比較場景的邊長，把長邊均分兩半，形成兩個格子，再檢測每個格子，如果格子里是空的或者是同組的個體則停止，否則就把該格子按同樣規(guī)則二等分，這樣繼續(xù)二等分下去，直到格子為空或者格子里的個體都是同組的為止；

8)檢測非空網(wǎng)格內(nèi)的個體是否同組。以個體的實(shí)際中心為中心位置，即以邊界個體的坐標(biāo)而不是網(wǎng)格頂點(diǎn)坐標(biāo)來計算中心位置，以個體到中心距離的均值為鄰域半徑，距離在半徑內(nèi)的個體則同組并設(shè)置同組屬性，否則是異組；

9)按網(wǎng)格密度非遞增排序葉子網(wǎng)格；

10)按順序依次提取葉子網(wǎng)格為核心網(wǎng)格，聚合其周圍的同組鄰居網(wǎng)格，聚合規(guī)則是鄰居網(wǎng)格中任意一個體的屬性與核心網(wǎng)格屬性相同則為同組，因?yàn)槿~子網(wǎng)格內(nèi)的個體都是同組的；

11)按距離就近原則，聚合剩余的非核心網(wǎng)格；

模擬仿真得到如圖4所示的人群疏散聚類仿真的結(jié)果。

本說明書實(shí)施例所述的內(nèi)容僅僅是對發(fā)明構(gòu)思的實(shí)現(xiàn)形式的列舉，本發(fā)明的保護(hù)范圍不應(yīng)當(dāng)被視為僅限于實(shí)施例所陳述的具體形式，本發(fā)明的保護(hù)范圍也及于本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明構(gòu)思所能夠想到的等同技術(shù)手段。