西安电子科技大学罗林波获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉西安电子科技大学申请的专利面向数字孪生的实时数据驱动人群行为建模仿真方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117935534B 。
龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311771343.3,技术领域涉及:G08G1/01;该发明授权面向数字孪生的实时数据驱动人群行为建模仿真方法是由罗林波;谭紫莺;彭春蕾;杨成凯;王文泊设计研发完成,并于2023-12-21向国家知识产权局提交的专利申请。
本面向数字孪生的实时数据驱动人群行为建模仿真方法在说明书摘要公布了:本发明公开了一种面向数字孪生的实时数据驱动人群行为建模仿真方法,包括:构建三维孪生静态场景结构和二维仿真场景结构;实时采集多个时间窗口内动态场景结构中的人群动态变化的视频数据;获取各个时间窗口的宏观人群运动流和人群密度分布;将宏观人群运动流和人群密度分布分配到各个单元区域内,获取各个单元区域的运动流集合和累计密度误差;获取各个单元区域内的代理的迁移调节需求和迁移调节量;获取各个单元区域内代理的首选速度,获取避障速度,在三维孪生静态场景结构中生成与动态场景结构时间对应的三维动态人群。本发明能够充分满足数字孪生场景的应用需求,具有高保真、高还原的特点。
本发明授权面向数字孪生的实时数据驱动人群行为建模仿真方法在权利要求书中公布了:1.一种面向数字孪生的实时数据驱动人群行为建模仿真方法,其特征在于,包括: 获取场景结构;其中,所述场景结构包括静态场景结构和动态场景结构; 根据所述静态场景结构,构建三维孪生静态场景结构和二维仿真场景结构,并初始化所述二维仿真场景结构; 实时采集多个时间窗口内所述动态场景结构中的人群动态变化的视频数据; 根据各个所述时间窗口的视频数据,获取各个所述时间窗口的宏观人群运动流和人群密度分布; 将所述二维仿真场景结构栅格化为多个单元区域,将所述宏观人群运动流和所述人群密度分布分配到各个所述单元区域内,获取各个所述单元区域的运动流集合和累计密度误差; 将各个所述单元区域的运动流集合中的运动流与各个所述单元区域的代理的当前速度进行匹配,获取各个所述单元区域的运动流集合中的运动流的方向;根据各个所述单元区域的累计密度误差,获取各个所述单元区域内的代理的迁移调节需求和迁移调节量,并获取各个所述单元区域内的代理的加速度;其中,所述代理表示虚拟的行人;其中,所述获取各个所述单元区域内的代理的迁移调节需求,包括: 当各个所述单元区域的累计密度误差大于0时,表示需要将当前单元区域内的代理迁移调节到其他单元区域; 当各个所述单元区域的累计密度误差小于0时,表示需要将其他单元区域内的代理迁移调节到当前单元区域; 所述获取各个所述单元区域内的代理的迁移调节量,包括: 通过最小化各个所述单元区域的累计密度误差,估计各个所述单元区域的代理的迁移调节量;其中,迁移调节量表示为的矩阵,表示单元区域总数,矩阵中的元素表示需要从单元区域迁移调节到单元区域的代理数量,矩阵通过求解优化问题获取,其中,优化问题表达式为: ; 其中,表示从单元区域向单元区域迁移调节代理的代价,表示单元区域的迁移调节需求,和分别表示迁移调节代理数量的下界和上界,表示单元区域,表示从单元区域向单元区域迁移调节的代理数量,表示迁移调节需求权重,表示从单元区域到单元区域迁移调节的代理量; 所述获取各个所述单元区域内的代理的加速度,包括: 根据各个所述单元区域内的代理的迁移调节量,从各个所述单元区域内选择匹配误差最大的部分代理,分别设置代理对单元区域的接纳度函数和单元区域对代理的接纳度函数; 求解和,构建代理与单元区域之间的稳定匹配问题,并求解稳定匹配问题,得到最佳匹配,即得到各个所述单元区域中的每个代理是否需要迁移调节、迁移调节的速度、以及迁移调节到对应的其他单元区域; 根据所述最佳匹配,获取各个所述单元区域内的代理的加速度; 根据各个所述单元区域内代理的当前速度和加速度,获取各个所述单元区域内代理的首选速度; 根据各个所述单元区域内代理的首选速度,获取避碰速度;根据所述避碰速度,在所述三维孪生静态场景结构中生成与所述动态场景结构时间对应的三维动态人群。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人西安电子科技大学,其通讯地址为:710071 陕西省西安市太白南路2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励