随着经济的快速发展,可容纳大规模人群的公共场所数量不断增加,如:商场、火车站、电影院等。在人员密集的场所,行人交通的拥挤给人们的出行带来极大不便,出行延误的时间给社会经济和居民生活带来一定的损失。并且大型公共场所人员众多,在集会的广场、上下班人流高峰时期的地铁站、人员密集的音乐会现场,一旦发生火灾、毒气泄漏等紧急事件,人员的安全疏散存在着一定的困难。如果缺乏对疏散科学有效的引导,极易导致拥挤踩踏事故,对人员的生命和财产安全造成极大的威胁。传统的人群疏散演练需要消耗较多的人力、物力、财力,并且难以模拟突发事件的随机情况。对于人员流动性大的公共场所,传统疏散演练的开展存在困难度大、效用较低的问题。通过运用计算机仿真技术来模拟公共场所行人流疏散,可以模拟日常情境下行人出行及危急突发时刻疏散的多种可能性,在达到更好疏散效果的同时将成本最小化。目前已有的用于行人流仿真的疏散模型存在忽略行人之间复杂联系的问题,从而不能进一步真实地模拟现实生活中行人流的“群组-小团体”聚集效应及小团体避让效应等群组自组织现象。因此,在提出双层关系机制基础上,本文针对群组效应的模拟提出了一种改进的社会力模型,用于更加真实有效地再现现实生活中的群组效应。此外,目前用于行人流疏散仿真的模型缺乏宏观的路径规划方法,已有的部分路径规划方法存在收敛速度慢及与真实行人流运动路径拟合性差等问题。因此,本文针对上述问题,提出了一种基于双层关系机制的改进社会力模型用于驱动行人的底层碰撞避免运动,结合上层宏观的基于人工神经网络的Q-Learning路径优化算法,并将其应用在虚拟仿真场景下行人流自组织现象的模拟及紧急情况下的疏散。本文的主要工作及创新点概况如下:1.为了实现真实的人群行为仿真结果,体现个体的群组行为,提出一种双层关系机制。在人群运动仿真中同时考虑群组中的引领关系和社会关系,将引领关系置于上层,将社会关系置于下层,形成双层关系机制。考虑到现实生活中行人视觉对于行人运动的影响,在双层关系机制基础上提出了小团体视觉域共享概念,进一步刻画了行人流中群组内成员间的信息交流,同时排除了集体视觉域外其他无关行人的影响,成为其他群组自组织现象产生的前提。2.充分考虑到现实生活中的“群组-小团体”效应,在双层关系机制基础上,提出一种群组聚集算法,对底层用于人群疏散仿真的社会力模型进行改进,加入了群组成员间的关系聚合力。更加细致地刻画了行人流运动中“群组-小团体”成员间的内部受力细节。从而更加真实地再现行人流中的“群组-小团体”聚集现象。3.针对双向行人流中,行人交汇时因缺乏提前的避让策略而产生的大量碰撞摩擦,在双层关系机制基础上提出了小团体避让策略。使其能够提前发现视觉域内的其他相向而行的行人,及早避让,减少了组间不必要的碰撞挤压,既加快疏散的速度,又能保障群组内成员的安全,同时再现了现实生活中的行人提前避让现象。4.提出了一种基于人工神经网络的Q-Learning算法路径优化方法。对于引领者,依据所选的目标,从执行基于人工神经网络的Q-Learning算法得到的优化路径库中选取合适的路径;对于跟随者,执行改进的社会力模型进行碰撞避免,同时进行路径跟随。提高了群体对环境信息的感知性能,更加真实地拟合现实场景中的行人寻路现象。在国家自然科学基金项目的支持下(项目号:61472232、61272094等),将以上理论的研究成果应用在行人流疏散自组织现象的仿真及对真实环境的路径优化方面。该行人流疏散仿真系统实现了微观行人碰撞避免及宏观路径优化两大功能模块。通过考虑众多环境影响因素以及真实场景信息,搭建与真实场景相对应的虚拟仿真场景。通过比较不同规模群体在随着行人关系密度变化时疏散时间的变化得出对行人流疏散效率的影响,从而得出用于疏散的行人关系密度最佳值。在此基础上,比较了本文模型与其他经典模型及先进的改进模型在相同行人密度情况下的行人速度及流量,得出本文改进社会力模型的有效性和实用性。同时,加入优化路径对运动进行宏观指导,提高了对真实场景疏散的拟合性。最后,将仿真效果与真实行人流视频数据对比,验证本文模型能够真实地再现现实生活中的行人流自组织现象。