文摘
越来越多的汽车在城市城市交通管理带来了新的挑战。分析和建模交通是城市智能交通管理具有十分重要的现实意义。在这篇文章中,现有的交通仿真研究的回顾和总结。首先,分析了人群人群建模和动画指的人群仿真的概念。其次,它比较和分析各种现有汽车技术后,并指出交通仿真动画交通仿真研究的一个热点。然后情感计算的概念融入到交通模拟,考虑汽车驾驶司机的情绪的影响,指出emotion-driven交通流更真实。最后,结合现状,分析了现有研究的缺陷,指出未来交通仿真的方向。
1。介绍
与人类社会的持续发展,汽车的数量急剧增加,导致了更多的交通堵塞在城市道路,已成为一个重要的因素限制社会发展和人类生活。不断变化的交通状况已经给城市交通管理带来了新的挑战。车辆有一个广泛的交通行为特征。因此,必须采用科学的方法来分析和模拟流量。车联网的发展彻底改变了汽车的未来模式操作,并给城市带来交通大数据。虚拟仿真结合实际交通数据为交通仿真提供技术支持。汽车动画融入城市交通场景仿真可以提高仿真的可靠性和可见性,还提供了科学依据交通设计、交通规划和交通监控(1),从而能够实现智能交通管理。
交通仿真是指重建交通的道路上与虚拟现实技术的帮助。爱荷华州驾驶模拟器是一种早期的自动驾驶仪在虚拟环境中(2- - - - - -4]。交通是一个复杂的过程,涉及司机、车辆、道路和交通环境(5]。在文献[6),车辆合作行为的控制方法是通过生成一个特殊模式的反应扩散系统。而车辆运动可以由人类驾驶行为,控制车辆般的生活,可以视为一个代理。因此,它是一种有效的研究方法来模拟和分析交通动画动画指人群的思想行为。
鉴于智能交通管理的需求,本文系统地分析了主流交通仿真方法和前沿进展从人群仿真的结合,汽车动画、情感计算和交通仿真为了为这一领域的研究人员提供参考。
2。人群仿真
驾驶员控制车辆通过他的驾驶行为、交通可理解为代理人的行为控制的人。因此,交通可以被看作是一种特殊类型的群众运动,并且可以研究人群仿真的概念的基础上(7]。
2.1。人群仿真模型
在过去的几十年里,科学研究人员做了大量的研究人群仿真,并取得了令人瞩目的进展人群疏散,行人人群,人群形成,交通仿真和群模拟(8]。现有的主流人群仿真技术可以分为宏观和微观。宏观模型比较人群运动与一些物理现象和构造相应的粒子模型。这个模型侧重于模拟收集和流动特性,对群众运动流体和气体,和观看人群作为一个聚合系统。全球的角度来看,这个模型可以用于粗略的分析,其优点是快速仿真。实时模型AA-FVDM(避免事故全速度差模型),这是建立在连续动态,统一的总体规划和避碰9]。它可以模拟大型交通流量(成千上万的车辆),现实和平滑效果,可以有效地控制人群的全球导航。失真往往发生在个人仔细观察,水动力模型通常如此。事实上,人群与流体的不同之处在于,人群中并不完全符合物理定律的流体,并有一定的自主权(如方向选择)。人群仿真显然是缺乏细粒度的仿真效果。
微观模型被广泛使用,并且可以结合人工智能领域的新算法。其基本思想是每个代理的个体仿真和优化模型本身(10]。微观模型描述合理量化个人行为的人群,和专注于个人和群众的关系。离散模型和连续模型的主流微观模型。细胞自动机模型是一个代表性的离散模型,可以模拟人类在紧急情况下的疏散行为(11- - - - - -13]。海尔宾的社会力模型是一个典型的代表连续模型,可以模拟人群的拥堵现象在出口处(14]。这个模型主要描述在人群中个体之间的关系。个人的运动行为是由不同的部队,包括目标的驱动力,避免他人或对象的排斥力,和出口的吸引力,见公式(1)。
在这里,代表行人目标的驱动力,代表行人之间的相互作用力和行人 ,和代表行人之间的力量和障碍。这三种力量的综合效应,行人不断更新他们的立场和倾向于目标位置。行人的质量吗 ,和当前的行人速度吗 。
然而,使用社会力模型动画模拟,很容易执行本地人群运动抖动,影响视觉效果的模拟。近年来,有许多改进的模型。Saboia等人介绍了移动网格提高社会力模型(15]。在实际应用中,两个模型可以结合,宏观模型是用于驱动全球导航和微观模型驱动个人行为。
互信息被用来描述异常的程度和混乱复杂的群体,可以用来描述交通流的总体情况,如交通拥堵、事故等等(16,17]。此外,一些物理学方法和理念也值得使用交通流建模[18]。
2.2。人群仿真动画
人群仿真动画的研究涉及许多理论和方法与计算机视觉、人工智能、和心理学等等。雷诺在1987年出版的经典论文鸟群动画,更好地模拟鸟类的聚合行为的性质(19]。使用行为和行动集控制行人行为,并建立虚拟行人行为动画在路上行人的早期探索动画(20.]。
人群人群仿真动画导航的一个重要组成部分,也就是说,如何控制个人运动路径和避免人与人之间的冲突。金等人提出了一个简单而有效的方法来控制人群场景,并设置一个活跃的变量的全局规划和每个虚拟人的运动变量本身(21]。在文献[22),一个数据结构的虚拟场景构建,以自动提取所需的数据空间分析的虚拟人类导航。海洋人格模型可用于创建和提高人群的多样性,但这种方法在人群中主要讨论了区分个人的计划,没有专门讨论如何使用人格来驱动行为一个逃脱23]。为了创建一个复杂的运行在人群中形成,现有的人群可以混合数据生成新的人群动画。它创建了一个可预测的时空人群行为和引入了一个人群可变形模型进了人群。人群数据被编码,该方法控制形成和个人运动轨迹(24]。大规模的人群,致残等人建立了一个实时的人群仿真和渲染系统,可以生成人群形态使用少量的虚拟人[25]。Thalmann和Musse专著的人群仿真总结了一些基本的方法来构建人群仿真(26]。金分析人群从体力和互动的角度,模拟成千上万的特工在复杂的场景27]。任认为不同组属性的人群,如社会团体、游客和导游,来控制组织的变换(28]。
近年来,研究人群仿真动画开始关注使用运动数据的人,并结合的整体控制人群形成动画提高人群的效率。例如,真正的群众运动视频用于获取人体运动信息,建立数据驱动动画模拟人群(29日]。利用视频信息可以提高虚拟人群仿真的可信度(30.]。为了提高人群渲染效率,Kulpa等人提出引入LOD选择方程提高人群碰撞检测的效率没有降低用户的观看效果(碰撞检测是在遥远的人群不再执行)(31日]。人体检测,许多学者进行了研究,这些结果也为进一步勘探提供技术参考人群运动信息的收集。Kapadia多智能体行为提出一个框架,它模拟复杂的多功能的交互和控制的灵活性和自动化多代理(32]。人等人针对人群运动信息获取的不确定性,提出了一个信息理论方法的相似性测量人群数据(33]。Hoyet等人针对推动动画生成的物理计算的复杂性,研究了如何利用动作捕捉技术生成推动虚拟人之间的动画,并分析了用户的视觉感受测试动画(34]。Kratz等人针对密集人群监测,提出了一种基于人群人群跟踪方法时空模型(35]。在密集的人群中,而很难跟踪个人的行为与通常的方法。群众运动的时空变化的基础上,探索可行的预测个人运动的潜在人群运动模式。
结合人群基于人群仿真模型和动画仿真实验,研究人员可以定量研究和可视化人群行为,建立人群行为的经验公式,并模拟人群运动场景与不同的参数,包括疏散人群,人群中收集和跟踪。此外,仿真实验也可以分析不同因素对仿真效果的影响。从发表的文献看,现有的人群仿真方法更加注重人群行为的研究,并取得了一些成果。然而,现有的模拟方法很少涉及的研究人群的情绪,而不充分考虑群众的社会因素,如生理、心理、情感和其他因素。仿真技术的集成各种社会因素是一种有效的方法来研究人群仿真在未来。
3所示。交通动画
交通仿真逐步发展与计算机技术的发展,采用计算机数字模型来反映复杂交通现象。从仿真实验的角度来看,交通仿真可以再现道路交通和反映车辆在路上的驾驶行为。现在的交通流的时空变化,并实现复杂和异构交通仿真(36,37]。交通仿真交通流理论应用于动画,通过计算机系统,主要是模拟车辆在某一时刻的运动在一个交通网络。交通动画包括三个模块:道路网络建模、车辆运动模型和交通动画图(38]。
元胞自动机模型主要用于早期交通流量(39),由一系列的运动规则和应该遵守的交通规则在汽车运动,包括各种随机变化规则,如驾驶行为和外部干扰因素(40]。元胞自动机模型的仿真粒度在虚拟交通环境不够好,仿真效果低忠诚。
车辆模型是应用最广泛的模型在微观模拟理论。它主要描述了以下行为之间的两个相邻车辆运行在单向超越限制的道路。现有的研究成果大多局限于理论模型的基础上,统计物理。典型的智能驱动模型(IDM)主要模拟汽车在公路上的行为后,这是不适合城市道路交通仿真。为了解决城市道路交通的拥堵,各种车辆模型提出了保持交通流畅,如改善车辆模型耦合映射(41),捕获模型驱动的汽车后行为(42),延长车辆模型(43,44),改善IDM模型(45]等。专注于局部稳定性和渐近稳定的车辆模型可以提高动态交通流的性能(46]。通用汽车后行为建模的框架可以创建来识别不同的政权在开车47]。
此外,基础设施合作系统也会影响司机的车后行为(48]。车辆模型是描述车辆的行为后一个未来,对交通管理产生重大影响,光滑的道路和安全驾驶。现有的车辆模型不足以研究人类的行为,而不考虑驾驶员的心理活动。如果人类因素考虑在未来的车辆模型,复杂的驾驶情况下的交通状况将在一定程度上得到改善。各种汽车后技术的比较分析表所示1。
汽车仿真动画的形式研究集中在仿真模型49]。文献[50)居住的集成系统的车辆多体模型和人体从汽车驾驶动力学角度的数学模型。交互式工具模拟是一个相对早期的汽车动画,可以模拟车辆的自主行为(51]。席沃等人意识到大规模的道路网交通流量通过合成动画(52]。使用代理的想法,他们已经取得了显著的进展在模拟城市道路网络的交通动画(53,54]。Wilkie团队使用3 d虚拟技术重构交通流场景(见图1)[55]。
后来交通动画仿真场景更为复杂和动画效果则更为现实。在文献[56),研究人员研究了微观交通仿真的道路模型和车辆行为模型,并介绍了定量交通司机的行为特征。的交通道路,大部分文献侧重于各种车道交通(57]。微观混合交通动画涉及汽车和摩托车,可以基于车道交通行为和繁殖nonlane常见的城市场景(58]。实时交通动画融合模型使用真实的数据来实现仿真结果(见图2)[59,60]。
(一)
(b)
(c)
在文献[61年),VISSIM微观仿真模型,用于评价高速公路的容量。以印度的城市八车道高速公路为例,仿真模型被用来估计乘用车单位的价值不同的车辆类型。车辆数据的可视化是交通动画不可或缺的一部分62年]。各种交通动画技术的比较如表所示2。
4所示。情感计算和交通仿真的结合
目前,在中国的2亿辆和2亿多名司机。大推动人口和不安全的驾驶行为会导致频繁的交通事故和重大人员伤亡。实际的交通情况非常复杂。开车时在复杂的交通状况,司机受到他的情绪除了日常驾驶行为63年]。Emotion-driven交通流则更为现实。由不同的情绪,司机将采用不同的驾驶策略和车辆仿真技术应达到相应的动画效果。当交通拥堵,司机的情绪会影响到交通流。例如,当愤怒,司机很容易采取行动像加速度,超车等,从而加重交通堵塞。平静的司机需要驾驶的行为,如耐心地排队,等待路灯,等。因此,它是重要的研究意义,分析司机的情绪。Emotion-driven虚拟仿真技术是交通仿真的关键。
由于情感是不可或缺的变量为群众运动,有必要将情感计算的理论和方法引入到交通仿真。研究人员可以根据研究模型车辆人群情感上代理情感模型。与个人情感模型研究相比,很少有研究人群的情感模型,而大多数现有的结果都是心理学领域的。人群情感模型的关键是解决情感个体之间的传播,即情绪感染。直到1993年,哈特菲尔德等人发表的唯一系统的情绪感染,声称个人自动并持续地模仿他人的面部表情、声音、动作和行为交互,并倾向于捕捉别人的情绪,所有的时间(64年]。这个过程被定义为情绪感染。然而,他们的研究只是集中在定性结果,缺乏定量的方法参考。Barsade相比情绪感染的连锁反应,也就是说,情绪感染在人群中对行为有很大的影响(65年]。沃尔特等人研究了螺旋效应持续情绪感染(66年]。目前,国际文献计算情绪感染是非常罕见的,相关报道主要是Paiva和博斯等人的工作。67年,68年]。这些研究,利用多智能体的工具,NetLogo专注于人与人之间的情感的吸收。其中,博斯等人提出了一个数值模型的代理的情绪指物理学的思想。它需要被指出,他们的模型缺乏描述代理的认知和行为选择,和主要公式的物理意义还不清楚。刘等人研究了情绪传播的人群在拥挤的火车站(69年]。从社会心理学的角度来看,个性,个人关注和群体大小在拥挤的环境中会影响情绪的团体和个人70年]。Lv使用情绪感染模拟人群运动政治集会的场景下(71年]。徐模拟产生和蔓延的恐慌情绪在多种灾害情况下(72年]。雪应用情感感染人群排队仿真(73年]。上面的情感计算模型和方法研究交通奠定了理论基础。
这是一个潜在的研究在未来将情感计算与仿真。交通仿真将实现自治。在某种程度上,它将促使交通建模技术的发展。例如,性格等各种模型的组合模型和情绪感染模型,该研究不仅关注车辆运动本身,但更关注司机的情绪以及车辆情绪蔓延对驾驶行为的影响。目前,关于这方面的研究尚未深入进行。一些初步探索了通过学习司机的参数(情绪、习惯等)74年]。陆提出一种自适应AR模型从司机的倡议的角度,考虑到司机的预测的有效性,司机的反应时间和司机的类型74年- - - - - -7]。他提出一种人格模型动画异构交通行为,将人格模型集成到交通模拟,结合底层仿真参数与高层人格特质,建模异构交通行为和使交通仿真效果更接近实际的交通流。研究交通仿真从驾驶员的角度来看,有必要考虑到司机的情绪对驾驶行为的影响。我们可以从不同的角度观察车辆情绪感染的影响(76年]。
5。未来前景
交通仿真涉及物理、认知科学、人类行为、电脑和其他相关学科。经过几十年的快速发展,大量的研究成果已经在交通仿真领域的积累,和驾驶心理建模、等,甚至一些相应的交通仿真软件已经开发出来。然而,随着交通仿真有相当高的要求,仿真效率和效果,现有的仿真效果并不足以表明各种复杂交通场景。因此,仍有许多困难和挑战在交通仿真技术,这需要进一步的研究。
(1)交通仿真基于大数据:流量大数据目前大数据的一个典型应用。大多数现有的交通仿真模型的原型系统实现了普通工作站,但他们无法模拟,推导出大规模客流和车辆流。从智能交通车辆管理的角度,建立车辆的各种场景模拟(如车辆监控、交通预警、应急调度,等等),有必要呈现大规模的交通流量。重现交通模拟一个真正的方法,仿真模型、仿真系统和计算机硬件将高度要求。现有的交通仿真的影响不足以满足智能交通管理的需要,这需要进一步研究。
(2)交通仿真基于驱动因素:现有的车辆仿真模型大多是基于力学模型和构造运动从客观的角度力学行为。他们很少把认知科学和其中的一些考虑人为因素。交通是一个复杂的过程,如车辆和行人共存的混合交叉,和司机在汽车驾驶行为中起着决定性的作用。从安全驾驶的角度来看,汽车也是个性化,可以执行各种各样的心理活动。驾驶员的自身素质的决定性因素是汽车驾驶(如路径规划、车道改变,超车,汽车,等等),和司机的心理因素(特别是司机的情绪)不容忽视。有很多成就在心理学领域,可提供有价值的参考。然而,这些模型过于复杂是简单地移植到那些研究交通仿真。在现实中,实现交通模拟,它需要更合适的心理模型、认知模型、甚至情绪感染模型。如何将驱动因素集成到交通模拟,以及如何将这些结果应用到车辆运动仿真成为一个挑战,这需要进一步研究。
(3)交通仿真结合声:声音是汽车驾驶过程中不可缺少的一部分,和车辆模拟声音则更为现实。事实上,有各种各样的噪音在城市道路,如汽车发动机产生的各种声音,角、各种类型的车辆(如消防车、警车、救护车,等等)。经常,叠加各种车辆的声音。目前,动画模拟的流量只关注车辆的运动,而不考虑车辆的声音。交通仿真仍在无声的世界,仿真效果缺乏真实性。的帮助作用或WWISE在游戏设计中,需要进一步研究如何实现仿真各种重叠的声音来改善交通仿真的真实性。
(4)交通仿真在复杂的场景:行人和车辆是城市交通的主要科目,和他们是常见的混合在城市道路复杂的场景,包括行人、车辆、道路、环境。模拟各种移动对象的混合交通可以再现城市交通更实际。静态对象包括交通道路和交通规划。道路系统是受到很多外部因素的影响,比如天气状况(77年),外部环境、临时交通管制等,因此,它是高度随机的和开放的。例如,交通事故和汽车故障都将影响车辆的运动。迫在眉睫的是统一交通异常交通模拟模型(78年]。动态对象包括人、车辆和交通信号。行人、nonmotor车辆和机动车辆构成复杂交通的主要对象。模拟对象的复杂性使得模型的交通变得更加困难。与此同时,交通状况也随着时间和空间变化动态。现有的交通仿真主要考虑常规交通模拟简单的条件下。因此,如何真正显示复杂的交通场景需要进一步研究。
(5)车辆仿真和决策:越来越多的自主和自治车辆、混合交通道路(汽车、摩托车、自行车和行人)变得越来越复杂,和车辆仿真的需求正变得越来越高。现有的车辆模拟决策通常是基于规则,是不可能解决所有的紧急情况。车辆应结合人工智能模拟在线帮助决策。人工智能包括三个模块:感知、决策和控制。研究工作在许多领域,如集成多个传感器(内部/外部的车辆)获得大量的环境信息,结合深入强化学习优化车辆行驶路线,实现控制,满足不同的驾驶需求,情感驾驶等等,将在城市非常重要的全球交通管理、事故预测(或保险公司责任成本管理)或驾驶决策指导下人工智能。
6。结论
交通仿真技术领域的一个热点人群研究近年来。它可以广泛应用于城市交通仿真、道路拥堵标识、城市交通决策支持,等。模拟的目标是实现运动仿真与计算效率高,车辆的自主权,和现实的影响。基于智能城市管理的需求,本文综述各种模型的交通仿真和动画。从整体的角度研究框架和研究思想,它仍然是一个有效的方法来研究交通仿真动画使用人群行为。本文在比较分析各种交通车辆模型动画,并提出了将情感计算集成到交通仿真。通过车辆网络监控技术,车辆和人员信息,和司机的情绪可以感知。十分重要的现实意义,分析了情感的司机。emotion-driven虚拟仿真技术是交通仿真的关键。同时,考虑到实际的交通需求,针对现有研究的不足,提出了需要进一步研究的一些问题。这些问题的解决将有助于交通建模和动画的不断改善,从而使复杂的交通条件下交通动画更为现实。
的利益冲突
作者声明,我们没有金融和个人关系与他人或组织不当会影响我们的工作;没有专业或其他任何性质的个人利益或任何产品,服务,和/或公司可能被视为影响的位置,或审查,手稿。
确认
这项工作是由浙江省自然科学基金(批准号LY20F020007)、宁波市科技计划项目(批准号2019 c50024 2019 b10032)和黄kc麦格纳基金在宁波大学。