1、人群仿真是利用人工智能、計算機圖形處理等技術，建立人群行為模型，在虛擬環(huán)境中模擬人群行為，現(xiàn)已廣泛用于公共交通仿真、大型場所人流分析、影視游戲作品等領域。乘客智能行為仿真是利用人群仿真技術，模擬乘客正常狀況下進出站、乘離車等過程及緊急狀況下疏散逃生過程。現(xiàn)有的乘客行為仿真大多集中于應急情況下公共交通場所的通過能力仿真，多采取離線、非實時計算方式進行，并不能很好地應用到對實時性要求很高的地鐵仿真培訓系統(tǒng)中。本文針地鐵仿真培訓系統(tǒng)對于乘客行

2、為仿真在真實性、沉浸感、實時計算能力等方面的要求，提出一種基于地鐵站臺場景下的乘客智能行為模擬方案，建立乘客行為模型，實現(xiàn)單線路多車運行及多線路同時發(fā)車狀況下小客流、中客流、大客流的乘客行為模擬，并應用到地鐵仿真培訓系統(tǒng)中。
　　本文首先對人群感知模型進行研究。個體的感知由聽覺、視覺、區(qū)域感知三個部分組成，為了表現(xiàn)個體在現(xiàn)實環(huán)境中的感知過程，本文建立由這三種感知方式共同組成的人群感知模型，對不同的感知信息分級處理，體現(xiàn)人群在不同感

3、知效果下做出反應的差異性，較為真實地反應人類感知的特點。
　　其次，本文研究了全局最優(yōu)靜態(tài)路徑搜索算法和動態(tài)障礙避碰算法。采用基于導航網格的A*算法，實現(xiàn)個體最優(yōu)靜態(tài)路徑搜索功能。在地鐵站臺場景中動態(tài)障礙物主要是其他乘客，根據該情況，提出一種基于權重因子的RVO避碰算法，實現(xiàn)乘客在運動過程對動態(tài)障礙物避碰的功能，以及遇到隊列時的穿插和繞行兩種行為。
　　第三，本文研究了各種人群行為模型。對于基于全局和基于個體的人群模型，進行

4、分析比較，其中基于全局的模型通過組、群將人群分類，可以模擬大規(guī)模的人群，但對個體的差異性表現(xiàn)不足。該模型廣泛應用于公共場所大規(guī)模人群疏散及影視游戲作品中數萬級別的人群效果演示?；趥€體的人群模型中，個體具有特定的屬性，每個個體的行為都單獨計算，著重體現(xiàn)個體在狀況處理和行為選擇上的差異性，可用于復雜環(huán)境及多樣化行為模擬。根據需求，提出基于行為特征、運動規(guī)律的乘客仿真模型，可以實現(xiàn)在不同目的及不同客流量下的人群行為模擬。
　　第四，為

5、了更真實地反應現(xiàn)實場景中乘客的行為，通過實地調查，對不同站臺、不同時段、不同客流量下的乘客行為進行分析研究，總結乘客在行為選擇過程中的規(guī)律，對影響乘客行為的因子進行量化分析，得到由隨機因素、個體特征、環(huán)境信息組成的乘客行為選擇公式，并提出基于該類規(guī)則和行為特征的乘客智能行為模擬方案。
　　最后，本文研究了乘客緊急狀況下的疏散行為。根據恐慌狀態(tài)下的人群疏散特征，進行疏散模型驗證，并在避碰計算中添加停止規(guī)則，解決了由于人群擁擠導致的模