一种面向人群疏散的高效分组方法

摘要：

在人群疏散的过程中,个体会依据关系的亲密度产生分组现象,因此人群分组行为是人群疏散仿真中不可忽略的因素.家人、朋友、同事等会根据亲密度形成分组,在疏散过程中同组人群会聚集成簇.聚类分组时常用的k-mediods聚类算法对噪声敏感,容易陷入局部最优,只能发现球状簇,且对初始聚类中心点的选择敏感,在聚类准确度上不尽人意.而DBSCAN算法具有抗噪声能力强、可发现任意形状的簇、无须指定初始聚类中心等优点,但只能识别密度相近的簇.对此,文中提出了折半DBSCAN聚类算法.该算法首先对关系数据进行二分划分,将有关系的数据划分到一个网格中,然后根据每个网格的人群密度决定聚类半径ε,最后对每个网格进行DBSCAN聚类,因此该算法可识别密度不同的簇.人群聚类分组后,在加入同组内个体吸引力的社会力模型中驱动个体运动,并模拟关系密切程度对聚集程度的影响.实验结果表明,在考虑了现实生活中有关系的人群空间分布状况下,所提方法具有较高的聚类精度,可真实地再现现实场景中的人群疏散情况,可作为紧急情况下预测人群疏散时间和疏散状况的重要工具.

关键词：聚类算法、k-mediods、DBSCAN聚类、二分划分、人群疏散仿真

所属期刊栏目：46

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金61876102,61472232,61272094

在线出版日期：2019-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：231-238