基于数据驱动的人群行为模拟
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 研究目标 | 第12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 人群运动仿真技术概述 | 第13-19页 |
| 2.1 引言 | 第13页 |
| 2.2 行人路径规划 | 第13-15页 |
| 2.2.1 Dijkstra算法 | 第13-14页 |
| 2.2.2 A-Star算法 | 第14-15页 |
| 2.2.3 比较及总结 | 第15页 |
| 2.3 虚拟人群行为仿真 | 第15-17页 |
| 2.3.1 宏观仿真方法 | 第15-16页 |
| 2.3.2 微观仿真方法 | 第16-17页 |
| 2.3.2.1 基于模型的方法 | 第16页 |
| 2.3.2.2 数据驱动的方法 | 第16-17页 |
| 2.4 多核CPU的并行计算 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 数据驱动的行人行为模拟 | 第19-45页 |
| 3.1 实例构建 | 第20-25页 |
| 3.1.1 构造轨迹 | 第21-22页 |
| 3.1.2 构造实例 | 第22页 |
| 3.1.3 实例相似性的比较 | 第22-25页 |
| 3.2 实例数据库 | 第25-29页 |
| 3.2.1 分层聚类算法 | 第25-27页 |
| 3.2.2 构造实例数据库 | 第27-28页 |
| 3.2.3 轮廓系数确定分簇数量 | 第28-29页 |
| 3.3 训练人工神经网络分类器 | 第29-36页 |
| 3.3.1 构造实例数据库 | 第29-36页 |
| 3.3.2 构造训练实例 | 第36页 |
| 3.4 构造状态及输出 | 第36-37页 |
| 3.5 实验仿真 | 第37-44页 |
| 3.5.1 训练数据来源 | 第37-38页 |
| 3.5.2 仿真场景描述 | 第38页 |
| 3.5.3 构建分层实例数据库 | 第38-39页 |
| 3.5.4 训练BP神经网络 | 第39-40页 |
| 3.5.5 构造查询实例并查找簇索引 | 第40页 |
| 3.5.6 结果分析 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 虚拟人群路径规划模型 | 第45-59页 |
| 4.1 引言 | 第45-46页 |
| 4.2 路径规划算法描述 | 第46-47页 |
| 4.2.1 变量定义 | 第47页 |
| 4.3 全局路径规划算法 | 第47-51页 |
| 4.4 局部避碰算法 | 第51-55页 |
| 4.4.1 碰撞预测 | 第51-53页 |
| 4.4.2 碰撞避免 | 第53-54页 |
| 4.4.3 智能体的个性化行为 | 第54-55页 |
| 4.5 实验与讨论 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 回顾与总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 研究生期间发表论文及参加科研情况说明 | 第65-67页 |
| 致谢 | 第67页 |
