[发明专利]一种融合行人拥挤度的Ped-D-A*寻径算法

说明书

本发明提供一种融合行人拥挤度的Ped‑D‑A*寻径算法，包括以下步骤：(1)建立二维寻径场景；(2)确定寻径场景中的寻径起点和终点；(3)对寻径场景建立开放式链接，并绘制最优开放式链接；(4)根据开放式链接构建MAKLINK图；(5)对MAKLINK图执行A*寻径算法，得到寻径平面中寻径起点到达寻径终点的最优路径；(6)综合分析各条路径的人群密度以及行人的通过时间，计算每个行人智能体当前时刻的最优疏散路径；(7)根据得到的基于每个行人智能体的当前最优疏散路径，对该寻径场景的最优疏散路径进行实时规划。本发明算法将行人密度因素加入算法的考虑范围，当某条最优路径的行人密度过大严重影响行人疏散时，选择重新寻找另一条最优路径进行疏散。

技术领域

本发明属于视频行为识别领域，具体涉及一种基于改进双流卷积神经网络的视频不安全行为识别方法。

背景技术

传统的A*算法具有很多缺陷，由于其在规划路径的过程中会遍历很多中间节点，导致其搜索效率不高。此外，传统A*算法得到的最优路径一般贴近障碍物，这不利于人们进行实际的动态避障工作。为了提升A*算法效率，同时使最优路径能够远离障碍物干扰，现有技术中的基于MAKLINK图的A*算法，该算法得到的最优路径长度往往大于传统A*算法得到的最优路径的长度，该算法遍历寻径场景的格点数要远小于传统A*算法，且该算法的运算时间也远小于传统A*算法，该算法在算法时长、算法效率以及行人安全度方面都有一定的优势，但其只考虑了选取最优路径的距离与运动安全方面的因素，并没有考虑到最优路径上的行人密度相关因素。如果行人都选择该算法给出的最优路径进行逃生，则该路径的行人密度会过大而严重影响后续行人的疏散，反而会降低整体行人疏散效率并且增加行人疏散的安全隐患。

发明内容

针对现有技术存在的不足，本发明目的是提供一种融合行人拥挤度的Ped-D-A*寻径算法，该算法将行人密度因素加入算法的考虑范围，即在选择最优路径时除了优先考虑路径的距离最优之外，还要考虑该路径的行人密度，当某条最优路径的行人密度过大严重影响行人疏散时，选择重新寻找另一条最优路径进行疏散，这样才能使算法得出的最优路径最有利于行人疏散。

为了实现上述目的，本发明是通过如下的技术方案来实现：

一种融合行人拥挤度的Ped-D-A*寻径算法，包括以下步骤：

(1)建立二维寻径场景；

(2)确定寻径场景中的寻径起点和终点；

(3)对寻径场景建立开放式链接，并绘制最优开放式链接；

(4)根据开放式链接构建MAKLINK图；

(5)对MAKLINK图执行A*寻径算法，得到寻径平面中寻径起点到达寻径终点的最优路径；

(6)综合分析各条路径的人群密度以及行人的通过时间，计算每个行人智能体当前时刻的最优疏散路径；

(7)根据得到的基于每个行人智能体的当前最优疏散路径，对该寻径场景的最优疏散路径进行实时规划。

本发明的有益效果：

本发明创新性地提出了一种融合行人拥挤度的Ped-D-A*寻径算法，该算法将行人密度因素加入算法的考虑范围，即在选择最优路径时除了优先考虑路径的距离最优之外，还要考虑该路径的行人密度，当某条最优路径的行人密度过大严重影响行人疏散时，选择重新寻找另一条最优路径进行疏散，这样才能使算法得出的最优路径最有利于行人疏散。

附图说明

图1为WSP模拟方法中场景建模图；

图2为开放式多变区域示意图；

图3为开放式链接与最佳开放式链接示意图；

图4为寻径场景全部开放式链接与最佳开放式链接示意图；