专利名称：流模拟工具和流模型的校准的制作方法
技术领域：
本发明涉及流模拟工具和流模型的校准。
背景技术：
本发明针对用于行人流模拟器的实时校准且尤其是用于高效地配置运动模拟设 备的方法和装置。此外，本发明针对适合于执行所述方法的计算机程序和存储所述计算机 程序的数据载体。每年，人们在人群变得失控的群体性事件中死亡。从足球比赛到宗教庆典的群 体性事件的日益流行和城市化加强了这一趋势。因此，存在对获得对人群行为(crowd behavior)的更好控制的强烈需要。行人流的模拟可以帮助实现此目的。为了有帮助，人群 模拟必须正确地再现真实的人群行为。这通常取决于实际情况和许多的社会文化参数。行人流的模拟器例如出于统计目的、出于行政目的和此外出于行人和交通参与者 的安全原因而模拟诸如建筑物、体育场等不同基础设施和场所中的人群的行为。行人流模 拟的一个目的是获得对人群行为的改善的控制，特别是预测人群行为。离线模拟允许重演 多个情境和关键情况，并因此发现用于避免危险并因此用于改善安全的适当措施。已知多种潜在的危险情境。这些情境在从环境灾难到文化事件的范围内。在紧急 情况下，要求尽快地疏散人群。为了递送可靠的结果，人群模拟必须正确地再现人群行为。 因此，人群模拟模型必须捕捉人群行为的重要参数。因此，一般已知的方法应用逐渐增加的 建模细节并比较模拟结果和经验数据。可以根据许多参数将基础交互规则假设为在一定程 度上是一般性的。相反，不能预期一般交互规则捕捉每种情况并需要适合于感兴趣的情境。 因此，必须对行人流的模型进行校准。校准可以涉及通过真实世界的特定信息进行的行人 流模型的适配。一般已知的依赖关系是例如作为由周围建筑物的架构以及社会文化方面施 加的结构约束的基本环境条件。在一般已知的方法中，使用基本图(fundamental diagram)来预测行为。一种可 以是例如应用靠经验得出的行人动态的基本图。此类行人动态图示可以例如指示在行人的 密度与行走速度之间存在关系。并且，可以指示情境依赖关系，诸如沿着一个方向的行走速 度取决于沿着相反方向运动的行人的密度。—般已知的方法以离线的方式对来自文献的已知数据执行行人流模拟及其校准。 离线指的是行人流模拟设备的非实时校准。一般已知的方法是复杂且资源密集的，这导致 用于运动模拟设备校准的长持续时间。因此，需要的是一种提供运动模拟设备的初始配置 的方法，该初始配置足够可靠而仅要求最少的进一步微调。
发明内容
因此，本发明的目的是提供用于高效地配置运动模拟设备、允许实时地预测运动 行为的方法和装置。由一种用于高效地配置运动模拟设备的方法来解决此目的，其中，所述运动模拟设备是基于用于保证感兴趣的现象的精确且可靠的再现的模拟模型，所述方法包括步骤
提供表示实体的运动行为的若干组模型参数(Pl，…，pn)，其中，从数据库实现和/ 或从在线监视系统获得所述若干组模型参数(pl，…，pn)；
针对每组模型参数(pl，…，pn)确定拟合度(fitness) fp和灵敏度 ； 在具有类似拟合度的参数组之中选择具有最低灵敏度的参数组和/或在具有类似灵 敏度的参数组中选择具有用于操作运动模拟设备的最高拟合度的参数组；以及
用所选的参数组来配置运动模拟设备。可以特别地针对汽车应用情境来实现运动模拟 设备，诸如行人行为预测。因此，可以预测汽车前面和/或后面的行人运动，其可以触发报 警信号或其它安全措施。也有利的是实现允许在诸如紧急情况下的人员疏散的不同应用情 境中的运动行为的基于软件的运动模拟设备。模型参数可以描述所观察到的实体运动行为并可以因此从真实世界观察来获得。 此外，可以手动地确定用于配置运动模拟模型的模型参数。因此，人工地获得所述模型参 数。所述模型参数可以用于在用于运动模拟模型所使用的规则的配置参数方面影响运动模 拟模型的行为。可以按减速等级(deceleration class)概括一组所述人工确定的模型参 数。可以将减速等级用于指示在发生某个密度的情况下实体减速多少。因此，减速等级使 用作为运动模拟模型的一部分的规则，该规则对减速行为进行建模。可以在模拟之前确定静态参数且其可以关于所观察的时间间隔是固定的，诸如基 于位置的参数。可以根据所述静态参数识别不同的情境。可以根据静态参数来确定模型实 例。情况可以是只有静态参数的选择是已知的。模型参数可能不是可观察或可配置的，但是可以影响运动模拟模型。可以在减速 等级中包括模型参数。运动模拟设备可以根据定义抽象运动参数的运动模拟模型进行操作。模型参数是 例如描述实体运动的特性的参数。因此，模型参数不限于描述行人行为的参数，而是可以此 外针对任何实体的运动，该实体诸如汽车、飞机、机器人、信号传送设备和/或交通参与者。 信号传送设备是例如通过不同的小区和/或无线电小区承载的运动电话。此外，可以用运 动参数来描述具有所附着的GPS传送器的交通工具的运动。该组模型参数(Pl，…，Pn)还 可以包括从模型参数(P1,…，Pn)得出的模型实例。模型参数是例如行人或交通工具的速 度。为了获得实体运动预测，可以应用运动模拟模型。运动模拟模型通常以抽象的方 式来描述实体运动行为，这可以根据特定的真实世界情境来例示。运动模拟模型可以在不 向所述参数分配值的情况下指示某些参数。此外，运动模拟模型可以指示可能需要某些参 数以便预测实体运动行为。创建一组规则和/或本体模型(ontology)以定义所述运动模 拟模型是有利的。实现所述运动模拟模型的另一可能是应用定义提供所述运动模拟模型的 机器的配置数据的软件或计算机程序产品。本技术领域的技术人员此外认识到提供运动模 拟模型的其它方式。每个模型(并且因此也针对运动模拟模型)的任务是感兴趣的现象的精确且可靠 的再现。为此，以模型以最大或至少可接受的精度(或如常常所说的拟合度)来再现现象的 方式选择参数值。然而，拟合度是用于参数值的良好选择的基本但不充分的标准。为了可靠地表示现象，参数的值对于干扰也应是不敏感的，亦即其应是稳健的。稳健性是能够经受住应力、压力或过程或环境变化的质量和能力。如果能够以最少的损坏、变 更或功能损失来很好地应对其操作环境的变化(有时是不可预测的变化)和改变，则可以将 系统、组织或设计说成是“稳健的”。除其它性质之外，稳健性对于行人流模拟而言是重要 的。行人流模拟器模拟不同基础设施和场所(诸如建筑物、体育场等)中的人群的行为以用 于统计、经济目的并首先改善群体的安全。目标是获得对人群行为的更好的控制。行人流 的模拟通过改善离线计划制定来对此有所贡献模拟允许遍历关键情况中的许多情境并因 此发现避免危险和改善安全的适当措施。模拟还帮助预测行人流的可能发展。为此，人群 模拟必须根据实际情况正确地再现真实行为。为此，必须将代码的参数调整成所测量的数 据一必须对其进行校准。当模拟以某一组经很好地调整的参数值运行时，在所谓的基本图 中捕捉的人群中的社会文化行为被很好地再现。看到良好的拟合度。然而，实际上，没有调整将是完美的。例如，速度的值不是精确地、而是以某个不确 定度已知的，并且在某些区域中可能改变。问题是如果不精确地、而是以例如来自测量误 差的一定不确定度而已知行人速度或者如果参数改变，则模型的精度下降至什么程度。这 导致稳健性的问题拟合参数选择的微小变化将如何影响结果。对拟合度的影响将是显著 的？很明显，在具有类似拟合度的两个参数组中，在略微改变时遭受较小影响的那一个是 优选的。更加稳健的参数组是优选的。本发明示出了方法，其用于测量并判定参数组的稳健 性并选择稳健的参数组以保证从最佳参数组的微小偏离将不会导致模拟结果的大的不正 确变化、尤其是对于运动模拟和对于实体(例如行人或交通工具)的运动行为的预测而言。本发明的第一实施例是步骤“针对每组模型参数(Pl，…，Pn)确定拟合度fp和灵 敏度Sp ”包括
对于到达用于拟合度和灵敏度的确定阈值的每组模型参数(P1,…，Pn)而言 -系统地扰乱(disturb)该组模型参数(Pl，…，pn)； -测量被扰乱参数组的拟合度和灵敏度； -比较关于相应拟合度和相应灵敏度的所有被扰乱参数组；以及 -将具有类似拟合度的被扰乱参数组分组并将具有类似灵敏度的被扰乱参数组分组。 系统地扰乱参数组并测量且比较所获得的被扰乱参数组的拟合度和灵敏度(或稳健性)导 致基于拟合度和稳健性来选择用于模拟模型的良好参数。本发明的第二实施例是步骤“比较关于相应拟合度和相应灵敏度的所有被扰乱参 数组”包括保持在用于灵敏度的阈值以下并在用于拟合度的裕度内的原始未扰乱参数组。 这增加用于确定参数组的拟合度和灵敏度(或稳健性)的基础并改善用于模拟模型的参数 选择。本发明的另一实施例是通过在给定的间隔内随机地扰乱参数Pi来执行步骤“系统 地扰乱该组模型参数(P1,…，Pn)”。确定被扰乱拟合度值的容易方式是通过使用随机数发 生器来在给定间隔内随机地扰乱参数Pi并计算用于每个随机扰乱的(被扰乱)拟合度。在 该情况下，我们建议通过将被扰乱拟合度值求和并除以扰乱的次数来确定平均被扰乱拟合度。本发明的另一实施例是将运动模拟设备用于模拟行人流模型。这具有不仅可以预 测实体运动流、而且尤其可以预测行人运动流的优点。可以根据模拟运行产生预测。本发明的另一实施例是将该方法用于根据所测量的现象的预测模型的校准，尤其是在线校准。尤其是为了预测人类(例如群体性事件的行人或参观者)的运动，人类行为 参数的在线校准对于获得人类运动的可靠预测而言是重要的，尤其是在紧急事件或恐慌的 情况下，以便警察或保安能够适当地进行反应。人类行为参数随着人群的类型而变，该类 型诸如国籍、文化、性别分布、年龄分布以及时间、诸如拟合度水平、排气乃至天气。所有这 些差异最终在人们行走的方式方面显示出其效果一作为开放空间中的个体和人群中的成 员。存在被视为适合于在非常简单的概念上行走速度对密度的依赖关系来捕捉大多数一 或至少许多相关的一行为参数的聚集模型。或者，等效地，流动对密度的依赖关系。用所谓 的基本图来表示此依赖关系。可以通过将行走速度调整至基本图来校准人类行为。可以 应用用于配置运动模拟设备的方法来针对不同的密度校准行人的速度。作为参考曲线，可 以例如选择经修改的Weidman基本图和被作为本地搜索算法应用的阈值接受(threshold accepting)算法。本发明的另一实施例是本发明的方法还包括步骤“基于由预测模型提供的所跟踪 行人和/或交通工具的预测行为来控制行人和/或交通工具的运动”。这使得能够基于由 预测模型提供的数据来实现行人流或交通工具的适合于情况的在线控制、引导和调节。通 过使用信息符号、指示器和/或通过门口 /门/街道的打开/关闭来执行行人和/或交通 工具的运动控制。本发明的另一实施例是模型参数(Pl，…，Pn)包括从模型参数得出的模型实例。 这使得模型参数能够包括从模型参数的子集得出或基于模型参数的子集的模型实例。这允 许不同参数类型的混合。表示实体的运动行为的某些模型参数可以是“简单(单一)”参数 且某些模型参数可以是模型实例或子模型。这根据基础要求来增加模拟模型和模拟设备的 灵活性、可适配性、缩放性和准确度。此外，降低了关于所应用的模型参数的数目的复杂性，因为一个模型实例可以表 示多个模型参数。还可能的是模型参数仅包括单一参数或仅包括模型示例。本发明的另一实施例是模型参数(Pl，…，Pn)包括行人的数目和/或行人所来 自的源和/或行人前往的目标和/或行人行为参数和/或时间戳和/或行人的性别和/或 行人的年龄和/或行人的速度和/或行人的密度和/或行人模拟参数。这也增加模拟模型 和模拟设备的准确度和精度。本发明的另一实施例是步骤“用所选的参数组来配置运动模拟设备”包括模型参 数(Pl，…，Pn)的自动在线校准。这保证真实情境和正在被观察的实体(例如，参加群体性 事件的行人或人类)的真实生活行为的高度匹配。本发明的另一实施例是在线监视系统是用于行人和/或交通工具的视频跟踪系 统，或者是用于跟踪行人和/或交通工具的无线电系统(例如，RFID传感器系统)。可以容 易地在线提供所获得的视频流和RFID传感器数据并用于实时的进一步处理。实时地进行 的运动模拟设备的配置和校准保证模拟设备的高准确度并保证正在被监视的实体的行为 的精确预测。适当的RFID传感器系统可以包括无源或有源RFID转发器。进一步由用于高效地配置运动模拟设备的装置来解决该目的，所述装置包括 存储单元，用于提供若干组模型参数(P1,…，Pn);
测量单元，用于针对每组模型参数(P1,…，Pn)确定拟合度fp和灵敏度、； 选择单元，用于在具有类似拟合度的参数组之中选择具有最低灵敏度的参数组和/或在具有类似灵敏度的参数组之中选择具有用于操作运动模拟设备的最高拟合度的参数组； 以及
配置单元，用于根据所选参数组来配置运动模拟设备。可以在进一步的子步骤中对所 介绍的、允许基于最初观察的模型参数和/或模型实例来配置运动模拟设备的方法和装置 进行微调。由于用于高效地配置运动模拟设备的方法的低复杂性，可以创建实体运动行为 的实时预测。本发明的另一实施例是所述装置还包括扰乱单元，用于系统地针对达到用于拟合 度和灵敏度的相应阈值的每组模型参数(P1,…，Pn)扰乱该组模型参数(P1,…，pn)，并 用于测量被扰乱参数组的拟合度和灵敏度并用于比较关于相应拟合度和相应灵敏度的所 有被扰乱参数组。所述扰乱单元增加用于确定参数组的拟合度和灵敏度(或稳健性)的基础 并改善用于模拟模型和用于运动模拟设备的参数选择。本发明的另一实施例是所述装置还包括到用于跟踪行人和/或交通工具的在线 监视系统的接口 ；和到控制室的接口，所述控制室自动地使用在线校准的模型参数(P1, …，Pn)来预测所跟踪行人和/或交通工具的行为。这使得能够将被监视和跟踪的行人和 /或交通工具的在线数据流用于运动模拟设备的实时校准。在用于监视群体性事件(例如 Super Bowl或Bimdesliga足球比赛)的控制室中，可以将高度准确的数据用于例如恐慌情 况下的人群行为的精确实时预测。所述控制室可以适当地对相应真实世界情况进行反应。本发明的另一实施例是所述装置还包括到指示器的接口，用于基于所跟踪行人和 /或交通工具的预测行为来控制行人和/或交通工具的运动。通过使用信息符号、指示器、 板上文本信息或通过门口 /门/街道的打开/关闭来执行行人和/或交通工具的运动控制。本发明此外提供适合于执行前述方法中的至少一个的计算机程序以及存储所述 计算机程序的数据载体。所述数据载体或存储介质可以是安装在计算机设备主体内部的内 置介质或被布置为使得可以与计算机设备主体分离的可移动介质。内置介质的示例包括但 不限于可重写非易失性存储器和闪速存储器以及硬盘。可移动介质的示例包括但不限于诸 如CR-ROM和DVD的光学存储介质；诸如MO的磁光存储介质；包括但不限于软盘、磁带的磁 性存储介质和可移动硬盘；具有内置可重写非易失性存储器的介质，包括但不限于存储卡； 以及具有内置ROM的介质，包括但不限于ROM盒等。此外，可以以任何其它形式来存储关于 应用数据、应用服务或公共信息模型的各种信息，或者可以以其它方式来提供。
现在将参考本发明的优选实施例的附图来提出本发明的上述及其它概念。所示的 实施例意图举例说明而不是限制本发明。附图包含以下各图，其中相同的参考标号遍及本 说明和附图参考相同的部分，并且在附图中
下面，参考附图来描述用于高效地配置运动模拟设备的方法和装置的可能实施例。图1示出在根据本发明的方面的方法和装置的示例性实施例中应用的用于对行 人运动进行建模的元胞自动机(cellular automaton),
图2示出在根据本发明的方面的方法的一个实施例中应用的模型实例的创建， 图3示出根据本发明的方面的用于高效地配置运动模拟设备的方法的示例性流程图， 图4示出根据本发明的方面的用于运动模拟设备的高效配置的装置的示意性方框图，图5示出未校准模拟模型的示例性曲线， 图6示出已校准模拟模型的示例性曲线，
图7示出举例说明遗传(genetic)算法的情况下的最优化结果的第一图示， 图8示出举例说明遗传算法的情况下的最优化结果的第二图示， 图9示出基于被扰乱减速等级来比较分别从遗传算法获得和从阈值接受算法获得的 拟合度值的图示，
图10示出基于被扰乱减速等级来比较分别从遗传算法获得和从阈值接受算法获得的 灵敏度值的图示，
图11示出举例说明局部扰乱的情况下的灵敏度分析的图， 图12示出举例说明拟合度如何随着被扰乱的参数Pi的数目而衰减(decay)的图， 图13示出比较由两个不同的最优化算法获得的最佳参数组的灵敏度的图示， 图14示出举例说明多维灵敏度分析的图，以及 图15示出将本发明的方法和装置用于控制中心的示例性方案。
具体实施例方式将很容易认识到的是可以以多种不同的配置来布置和设计在本文的图中一般描 述和举例说明的本发明的组件。因此，如图1至11中表示的本发明的实施例的以下更详细 说明并不意图限制要求保护的本发明的范围，而是仅仅表示本发明的所选实施例。可以通 过使用硬件和/或软件来执行本发明。图1示出基于具有六角形元胞(cell)的网格的元胞自动机，如根据本发明的方 面、用于高效地配置运动模拟设备的方法所使用的。行人从源运动到目标，在途中避开障碍 物。我们优选方格网上的六边形网格用于其2个附加‘自然’运动方向。根据本发明的实 施例，可以借助于在本实施例中为六角形的元胞使用模拟区域的离散化来模拟行人或实体 运动。特别地，所述元胞在其它实施例中可以是三角形或矩形。在实体运动的模拟过程的 每个时间步骤处，元胞具有由位于此元胞上的行人或实体的数目定义的状态。行人或实体 从一个元胞运动到另一个，因此改变每个元胞的状态。在本实施例中，实体位于元胞Cl处并期望朝着元胞C3运动。位于元胞Cl中的实 体可以直接前进到元胞C3，其在本图1中用虚线指示。随着位于Cl中的实体遇到障碍，例 如元胞C2，可能无法直接从位置Cl运动至元胞C3。在本实施例中，可以要求在例如元胞C2 的障碍物周围来回运动，其在本图1中用线来指示。在图1中举例说明的元胞模型可以是 运动模拟模型的一部分。可以通过允许实体在每个模拟步骤前进通过多个元胞来实现实体 的不同速度。因此，在本实施例中，还可以将速度称为由每个模拟步骤所覆盖的元胞的数目 所指示的元胞速度。在本实施例中，从元胞Cl运动至元胞C3的实体是行人。元胞Cl表示从地铁站到 地面输送行人的电梯。因此，元胞Cl充当行人的源。行人可以通过在由元胞C2表示的商 店周围来回运动来通过公共场所并前进至用元胞C3表示的出口。因此，元胞C3充当行人 汇点。如本图1中介绍的基本元胞模型留下选择的自由度，诸如行人的个体速度。个体 可以以特定的速度运动，其可为Gaussian随机分布的样本，由取决于类似于性别、年龄、时间、场所等的情况的平均和标准偏差进行参数化。在人群中，行人速度由于其它行人所施加 的障碍而降低。行人的减速还可以取决于行人的密度。对于取决于其它行人对相邻元胞的 占用的速度而言，可以由减速等级和放慢因数(slow down factor)来对此方面进行建模。 因此，情况可以是多个行人位于元胞Cl中。定义每个元胞的行人的阈值也是可能的，其指 示特定元胞保持被占用并因此表示对其它行人而言的障碍的状态。在本图1中描述的元胞模型可以是运动模拟模型的一部分，而行人或实体运动行 为的建模绝不局限于元胞模型。本领域的技术人员因此认识到运动模拟模型的其它实施方 式，诸如本体模型、一组规则、形式模型和/或半形式模型。图2示出在根据本发明的方面的方法的实施例中应用的模型实例MI的创建的示
意图。因此，例如以向量表示来提供模型参数pl、p2.....pn。每个模型参数pl、p2.....
pn具有分配的一个值。可以将所述至少一个模型参数称为运动参数向量。所述模型参数向 量在本实施例中充当用于可以由计算机程序产品实现的人群行为预测机CBPM的输入。在 本实施例中，由密度参数形成一个模型参数Pl。密度参数描述位于一平方米上的实体数目。 另一模型参数P2可以例如表示实体的流量。可以例如以在χ轴上指示密度且在y轴上指示 流量的图示来表示结果得到的模型实例Ml。通常可以在η维空间中表示模型实例，其中，η 指的是用来形成模型实例的运动参数的数目。本领域的技术人员此外可以认识到模型实例 的其它表示。使用模型实例MI增加模拟模型和模拟设备的准确度和性能并降低复杂性，因 为一个模型实例表示多个模型参数。图3示出根据本发明的方面的用于高效地配置运动模拟设备的方法的示例性流 程图。在步骤Sl中，提供表示实体(例如行人或交通工具)的运动行为的若干组模型参数 (P1,…，Pn) ο可以从数据库(库)实现和/或从在线监视系统(例如视频监督或监视系统) 来获得若干组模型参数(P1,…，Ρη)。在步骤S2中，针对每组模型参数(Pl，…，Ρη)，确定 拟合度fp和灵敏度 。拟合度度量所表示的解决方案的质量。作为拟合度，可以建议使用 与从模拟获得的图与所选基本图之间的平方和成反比(inversely)的值。通常，可以选择 拟合度的其它函数，例如，可以将用于图的不同部分的不同权重系数相加。由于归一化，当 其值可以为1左右时，拟合度是可接受的。如果参数组中的扰乱导致拟合度的强衰减，则参 数组是灵敏的。如果其灵敏度低，则参数组是稳健的。在步骤S3中，在具有类似拟合度的 参数组之中选择具有最低灵敏度的参数组和/或在具有类似灵敏度的参数组之中，选择具 有用于操作运动模拟设备的最高拟合度的参数组。在步骤S3中，通过使用所选的参数组来 配置运动模拟设备。下面更详细地描述本发明的以下示例性实施例
在本发明中，考虑根据给定的目标函数使用给定的一组参数而校准的模型以便精确地 再现现象并预测可能的进一步发展。用于此类模型的示例特别地是行人流模拟模型，其中， 使用速度参数来再现通过目标函数、基本图给定的特定社会文化行为。主要任务是测量如 果被用于校准的参数组的值不是确定地已知的或可能在某种程度上改变、则此类模型的精 度将衰减至什么程度。此不确定性可能例如由于测量误差或基础情况的变化而引起的。然 而，只有稳健的模型能够进行可靠的预测。本发明提出一种测量并判定参数组的稳健性并选择稳健的参数组以保证与最佳 参数组的小的偏差将不会导致模拟结果的大的不正确变化的方法。
本发明的方法包括下面更详细地描述的方法步骤
一步骤1 我们提出了适合于上述校准任务的灵敏度一和等效地稳健性一的概念。〇如果参数组中的扰乱导致拟合度的强衰减，则我们将参数组说成是灵敏的。在 较早的发明中，如果其导致作为目标函数的良好重现的精确校准，则我们称为参数组拟合。 如果其灵敏度低，则参数组是稳健的。O我们还提出了下文进一步描述的用于灵敏度和等效地稳健性的定量度量 (quantitative measure)。一步骤2 我们描述了一种基于拟合度和稳健性来选择良好的参数选择的方法。 为此，我们提出系统地扰乱参数组，以测量并比较被扰乱参数组的灵敏度。一步骤3 可选地，我们提出多种方式以借助于适当的图示在视觉上比较参数组 的拟合度和稳健性或灵敏度。附加步骤1 灵敏度的概念 预备步骤
灵敏度的定义是基于模型用来再现所测量的现象的精度的度量。在先前的发明中，我 们介绍了用于行人流模拟的此类度量，称为拟合度
Fitness=1/X( Sj- Fi)2,
其中，Si是从模拟获得的值，Fi是用于自变量的相同值的参考曲线的值。Si和Fi的值 取决于测量单位。因此，以上定义的拟合度还取决于测量单位(cm、m等)。在本发明报告中，我们将假设可使用诸如在先前的发明中给定的用于拟合度的适 当度量，并且用于最低可接受拟合度的阈值是已知的。阈值以下的值指示不精确的拟合一 拟合度缺乏。例如，用我们的前述拟合度定义和用于行人流模拟的以米为单位测量的我们 的示例性模拟，约为1的拟合度值指示可接受拟合度，并且明显小于1的值指示不良拟合。 拟合度越高，模型越精确。请注意，为了针对给定的一组校准参数计算模拟模型的拟合度， 需要多个模拟运行。我们现在假设对于给定的一组校准η个参数(Pl，…，ρη)而言，已经确定拟合度 fp。然后，我们扰乱该参数组。我们首先描述在每个参数Pi只能采取一个离散值的情况下如何扰乱参数组。也 就是说，对于Pi的每个值而言，存在作为下一个较大值的唯一值Pi+和作为下一个较小值的 唯一值Pi-。对于在以前的发明中描述的行人流模型的情况而言情况是这样的，其中，我们 通过对一组离散参数使用最优化算法来进行校准。对于每个Pi而言(其中i从1变化至n)，我们确定参数组 (P1丨…Pi-1 ’ P, ,Pi+1.,. ,pn>的拟合度^/，其中，Pi已被增加至下一个较大值Pi+且所 有其它参数值Pj，j Φ i被保持为未扰乱。对于每个Pi而言(其中i从1变化至n)，我们确定参数组 (Pi,-..Pm, ρΓ的拟合度fp/,其中，Pi已被增加至下一个较小值Pf且 所有其它参数值IV j φ i被保持为未扰乱。现在我们介绍对扰乱的效果进行量化并使得该效果可比较的许多度量和手段。请注意，略有不同的定义也将起作用，虽然以下给出的定义可能是最本质的。我们针对 从1变化至η的所有i计算被以Pi局部地扰乱的参数组的平均局部拟合度(mean local fitness)。我们提出如下确定平均局部拟合度。f PJ1議1 = (fp/+ y )/2。我们提出如下的以Pi进行的局部灵敏度的度量Spf/0031 = (fp - fp,i!°Cal)/fp'比
中，fp是未扰乱参数组P的拟合度。我们提出如下的以Pi进行的局部稳健性的度量， 然后，我们提出如下确定总被扰乱拟合度(overall disturbed fitness) fp
基于此，我们提出灵敏度度量未扰乱参数组fp的拟合度与总被扰乱拟合度 ^disturbed之间的差的绝对值。我们将其除以未扰乱拟合度的值以使得参数组p =
Cq1, . . .，qn)和q = Cq1, . . .，qn)的不同选择更加可比较。Sp = (fp - fp··’Zfp (总灵敏度)。我们提出了用于总稳健性的度量， rp = 1/Sp (总稳健性)。这里提出的度量直接可用于比较类似拟合度的参数组并检测类似拟合度的参数 组之中的非常灵敏和非常稳健的参数选择。我们进一步提出通过使用加权和而不是简单和来改进被扰乱拟合度的定义。这允 许对被已知比其它参数更加灵敏的参数Pi给予专门的权重。特别地，通过这对所有的Pi，i =1.....η来比较局部灵敏度(或稳健性)而检测灵敏参数Pi。在该情况下，被扰乱拟合度的定义是
Ipdisturbed = Ck1!PJtocal丸..+ k f Jom),其中，ki 是权重系数。我们还提出通过允许将参数Pi (i = 1.....η)改变不仅一个值(增加至下一个较
大值或减小至下一个较小值)而是同时改变2个或更多值来将被扰乱拟合度的概念放大。我们还提出通过考虑来自参数组(Pl，…，Pn)的参数对(Pi，Pj)的局部扰乱来将
灵敏度的概念扩大。存在n!/(2!(n·2)!)个川能的对对于每个可能的对，然后可以将局部拟合度确定为
将局部灵敏度确定为Spjj - Mp - Tp.y° 在这种情况下，被扰乱拟合度具有以下形式
C dBtyrbed _ local 上 i； local 丄 mi.这里，我们计算用于来自一组ρ =(Pl，…，Pn)的被扰乱校准参数的所有可能对 的平均拟合度。对扰乱的k元组的一般化是直接的(k= 1.....η)。总而言之，我们具有
个可能元组。为了计算fp to^1,必须计算用于参数的所有可能选择的拟合度。为了计算用于每k个被扰乱校准参数的被扰乱拟合度，需要计算平均值，遍历来 自一组P=(Pi，…，Pn)的k个参数的所有可能选择。然后，被扰乱拟合度具有以下形式
r k, disturbed _ local . μ local *% ■
I
η-κ
是被扰乱
其中，k表示被扰乱校准参数的数目。指数(index) 1, 2... k! (η
参数的可能组合的数目(组(P1,…，Pn)之中的可能的k元组的数目)。
对于每特定数目k个被扰乱校准参数，可以计算相应的灵敏度 最后，我们介绍了参数组的总拟合度 c overa/$ , r f, distuibed , . - λ这是用于所有可能数目的被扰乱校准参数(1.....η )、也即从1元组至η元组的拟
合度的平均值。这里，fp是用于未扰乱参数的拟合度。Fp WiSturteCJ中的指数i = U2.....
η表示被扰乱校准参数的数目。通过包括未扰乱拟合度的值，我们包括模型的初始精度。用于具有连续值的参数组的被扰乱拟合度、灵敏度和稳健性
以上给出的被扰乱拟合度、灵敏度和稳健性的详细定义适合于其中参数值是离散的情 况。在连续值的情况下，可容易地进行定义的一般化。实现这一点的一种方式如下对于
每个值Pi而言，选择扰乱间隔[pi-a“pi+bj。然后，iiiivfi Pi-Bi作为下一个较小值和
PJbi作为下一个较大值的以上公式来确定被扰乱拟合度。还可以通过以该扰乱间隔计算 用于中间值的拟合度并由所有中间值(对应于数值积分)形成拟合度的适当加权和来改进 该概念。确定被扰乱拟合度值的另一方式是在给定间隔内随机地扰乱参数Pi并计算用于 每个随机扰乱的(被扰乱)拟合度。在该情况下，我们建议通过将被扰乱拟合度值求和并除 以扰乱的次数来确定平均被扰乱拟合度。附加步骤2 选择方法
我们描述了一种基于拟合度和稳健性来选择良好参数选择的方法。为此，我们提出系统地扰乱参数组，以测量和比较所获得的被扰乱参数组的拟合度和灵敏度。我们提出以下列方式系统地调查灵敏度
一我们建议仅针对我们将参数Pi (i = 1.....η)扰乱仅一个值(增加至下一个较大值
或减小至下一个较小值)的情况来确定灵敏度。一我们提出针对我们将参数改变了 2个或更多值的情况来确定灵敏度。一我们提出针对成对(在一般情况下为k元组)的参数(Pl，. . . Pk)被扰乱的情况来 确定灵敏度。我们还提出使用阈值来以类似拟合度和/或稳健性的集群将参数组分组，以使得 能够进行实用的比较并排除不可接受的参数选择。例如，可以排除具有在某个阈值以下的 拟合度的参数组。例如，在具有类似拟合度的参数组之中，可以选择更加稳健的，在具有类 似稳健性的参数组之中，可以选择最拟合的。我们建议以下自动化选择方法
如果需要选择多个组之中的一个参数组，则可以通过比较成对的组来执行该选择。因 此，在不失一般性的情况下，我们描述比较两个参数组的我们的选择方法。因此，假设我们具有两个参数组(Pl，. . .，pn)和( ，. . .，qn)，并且我们需要选择最 佳的一个。比较用于未扰乱和扰乱参数的拟合度值
如果对于某个特定参数组P而言，初始拟合度fp和用于所有数目的被扰乱校准
参数k的所有局部拟合度值Fpfci diSlUfbed比对于参数组q而言高，即f p>f q且Fp^' CfetoteCl >则参数组P与q相比是优选的。·否则，需要计算灵敏度
i.计算用于每k个被扰乱校准参数的灵敏度Skp和S1V如果对于所有k而言，Sfcp < ^,则 选择具有最小灵敏度的一个。 .否则，如果不是对于所有k而言Sitp 则比较Fpwefal^nFqweral1,并选择 具有最大|TGverafl的一个。如果参数(Pl，…，Pn)的数目是大的(η大)，则遍历所有可能的扰乱可能是不经 济的。然后，我们建议使选择方法局限于每次一个或成对参数的扰乱。附加步骤3 可视化
我们提出绘制拟合度值、平均拟合度值、局部和全局被扰乱拟合度值、局部和全局灵敏 度值和/或等效地局部和全局稳健性值以使结果在视觉上可访问，尤其是在如步骤2所述 的最佳参数组的自动选择不可能或不经济的情况下。我们还提出使用绘图(参见图11至14)作为评估自动地获得拟合参数值的不同算 法、亦即自动地校准模型的不同算法的手段。此类算法、例如所谓的遗传算法或所谓的阈值 接受算法的适合性视情况而定。图11至14中的所有绘图是针对先前所述的行人流模型构建以分析减速等级参数 稳健性的示例。
图4示出根据本发明的方面的用于运动模拟设备的高效配置的装置Al的示意性 方框图。所述装置Al包括
用于存储多组模型参数(P1,…，Pn)和/或模型实例MI的存储单元DB。可以基于经 验上的知识和/或本领域的技术人员的专业知识来手动地提供模型参数(P1,…，Pn)和模 型实例Ml。还可以在分析现象之后从现象观察(例如，行人穿过街道的运动行为)得出模型 参数(P1,…，Pn)和模型实例Ml。此外，还可以基于在线监视(例如，视频流式传输)现象 (例如，参加群体性事件的个体的行为)的数据来提供模型参数(P1,…，Pn)和模型实例Ml。测量单元MU，用于为每组模型参数(Pl，…，Pn)确定拟合度fp和灵敏度 。选择单元SU，用于在具有类似拟合度的参数组之中选择具有最低灵敏度的参数组 和/或在具有类似灵敏度的参数组之中选择具有用于操作运动模拟设备的最高拟合度的 参数组。用于根据所选参数组来配置运动模拟设备的配置单元CU。有利地，根据所选参数 组和/或模型实例来自动地配置运动模拟设备。可选地，所述装置Al可以包括到在线监视系统OMSl (例如视频系统或RFID传感 器系统)的接口 Ii和/或到用于例如监视群体性事件的参观者(例如，足球场中的参观者) 的控制室的接口 12。这促进模型参数或模型实例是基于实际情形情况的。在没有时间延迟 的情况下，将在测量单元MU、选择单元SU和配置单元CU的交互中得出配置和校准数据。如 果装置Al还包括到控制中心CRl的接口。控制中心CRl接收在线和情况专用模拟模型数 据，其保证能够进行被监视参观者的运动行为的真实(意指接近于现实)的预测。此外，可以 向保安和紧急救助人员(例如救护人员、消防人员)发出特定(专用于实际情况的)指令。可 选地，所述装置Al可以包括到用于基于所跟踪行人和/或交通工具的预测行为来控制行人 和/或交通工具的运动的指示器IN的接口 13。通过使用指示器、例如信息标志、板上文本 信息或通过门口/门/街道的打开/关闭来执行行人和/或交通工具的运动控制。这使得 能够基于由预测模型提供的数据来实现行人流或交通工具的适合于情况的再现控制、引导 和调节。可以使用从被监视实体(例如行人、交通工具)的真实数据得出的参数数据来校准 预测模型。装置Al可以是包括用于实现测量单元MU、选择单元SU和配置单元⑶的数据库和 软件组件的个人计算机(PC)或膝上型计算机。可以无线地(例如经由WLAN)和/或硬接线 地(例如LAN、以太网)实现到在线监视系统OMSl和到控制中心CRl的连接。下面描述适当参数的识别
行人流模拟对在某个时间在某个场所处的人群的流动进行模拟。要求关于“何地”、“何 时”和“谁”的输入参数。关于场所的参数“何地”，一旦选择了观察的拓扑结构和区域，则基 础设施的拓扑结构在时间帧方面是静态的且不需要在线调整。可以考虑模拟的时间，因为 其对出现的人的数目、人们去哪里和它们如何走的选择有影响。用于行人流的模拟模型用 多个输入值来表示这些方面，诸如
一在模拟区域中的人的数目及其分布和因此的模拟区域中的人群密度。可以从视频数 据在线地提取此数据。限制是覆盖和测量误差。也就是说，可能不是在每个点处都安装有 照相机，使得感兴趣的整个区域不是被全部覆盖，并且测量通常受到误差的影响。可以将人 的数目和分布及因此的人群密度读入到模拟中。在不完整数据的情况下，必须对数据进行外推。一人走向的目标或吸引点的分配和人来自的源的识别。根据其中对人进行跟踪的 视频数据，可以提取目标和源的分布。还可以使用无线电技术。可以以推测方式在模拟中 分配目标和源。也就是说，在测量区域中，以与从测量结果提取的统计分布相对应的概率向 某个目标分配所模拟的人。例如入口的源以观察到的速率“产生”新的人。一随着人群的类型而变的人类行为参数，该类型诸如国籍、文化、性别分布、年龄 分布以及时间、诸如拟合度水平、排气乃至天气。所有这些差异最终在人们行走的方式方面 显示出其效果一作为开放空间中的个体和人群中的成员。存在被视为适合于在非常简单的 概念上行走速度对密度的依赖关系来捕捉大多数一或至少许多相关的一行为参数的聚集 模型。或者，等效地，流动对密度的依赖关系。用所谓的基本图来表示此依赖关系。可以通 过将行走速度调整至基本图来校准人类行为。下面，描述构建模型参数或模型实例的库(该库被存储在装置Al的存储单元DB 中)
一可以向模拟器引入可能持续几天并在在线使用之前执行的学习阶段。在该阶段期 间，模型“学习”用于多种方案的特性参数并“记住”用于其中的每个的最佳值。特别地，关 于人类行为，其不仅记忆用于每个方案的基本图，而且还有最佳校准参数。由在先前的发明 中描述的自动方法来计算这些最佳校准参数。也就是说，在收集用于不同方案的数据之后， 获得用于不同方案的最佳参数的库。一可以以下列方式来执行此阶段。首先，收集数据并提取有限数目个方案。出于 行人流模拟的目的，可以用方案的相对于相关参数人的数目、人的分布、目标和源的分布、 在基本图中捕捉的人的行为的差别来对方案进行标记。这具有这样的优点，即标记的数目 非常有限，而基于诸如时间、事件类型的“特性参数”的标记是无数的，并且可能非常难以辨 别。这可能导致许多相当含糊的情境。然而，所提取的情境的数目应尽可能低。图5示出未校准模拟模型的示例性曲线。在图5中，χ轴表示“以每平方米(m2) 的人为单位的密度”且y轴表示“以人为单位的流量(以m*s为单位)”。模型参数可以描述 所观察的实体运动行为并因此可以从真实世界观察获得(例如，经由视频观察)，此外，可 以手动地确定用于配置运动模拟模型的模型参数。因此，人工地获得所述模型参数。所述 模型参数可以用于在用于运动模拟模型所使用的规则的配置参数方面影响运动模拟模型 的行为。可以按减速等级概括一组所述人工确定的运动参数。可以将减速等级用于指示在 发生某个密度的情况下实体减速多少。因此，减速等级配置作为运动模拟模型的一部分的 规则，该规则对减速行为进行建模。在图5中，实线曲线PFWl示出用于根据Weidmarm的流 量的多项式拟合。曲线PFW 1上的点表示根据Weidmarm模型的相应流量。实线曲线PFRl 示出用于模拟结果的多项式拟合。曲线PFRl上的点表示采取3的平均元胞速度的各结果。 可以在模拟之前确定静态参数，并使其相对于所观察的时间间隔是固定的，诸如基于位置 的参数。可以根据所述静态参数识别不同的情境。可以根据静态参数来确定模型实例。情 况可以是只有静态参数的选择是已知的。模型参数可能不是可观察或可配置的，但是可以 影响运动模拟模型。可以在减速等级中包括模型参数。运动模拟设备可以根据定义抽象运 动参数的运动模拟模型进行操作。模型参数是例如描述实体运动的特性的参数。因此，模 型参数不限于描述行人行为的参数，而是可以此外针对任何实体的运动，该实体诸如汽车、飞机、机器人、信号传送设备和/或交通参与者。信号传送设备是例如通过不同的小区和/ 或无线电小区承载的运动电话。此外，可以用运动参数来描述具有所附着的GPS传送器的 交通工具的运动。为了获得实体运动预测，可以应用运动模拟模型。运动模拟模型通常以 抽象的方式来描述实体运动行为，这可以根据特定的真实世界情境来例示。运动模拟模型 可以在不向所述参数分配值的情况下指示某些参数。此外，运动模拟模型可以指示可能需 要某些参数以便预测实体运动行为。创建一组规则和/或本体模型以定义所述运动模拟模 型是有利的。实现所述运动模拟模型的另一可能是应用定义提供所述运动模拟模型的机器 的配置数据的软件或计算机程序产品。本技术领域的技术人员此外认识到提供运动模拟模 型的其它方式
没有校准的模拟模型的模拟结果显示其适合于定性地再现人群越密集、每个人的速度 越慢这一事实。也就是说，人在其运动中相互妨碍。在模拟模型中，被模拟的行人看起来是 ‘近视的’并在其简直‘撞到’密集的人群中之前不减速。这意味着未校准的模拟模型将不 会显示行人的真实运动行为。图6示出已校准模拟模型的示例性曲线。为了迎接量化地再现给定基本图的挑 战，我们引入了减速等级的新概念。基本思想是测量沿着人们运动的方向的人群的密度并 随后使人的速度适应由所选的基本图提出的速度。然而，该思想的执行更加复杂，因为元胞 自动机的世界通过元胞被离散化。并且，我们不想放松人的行为方面的个体差异。测量密度 意味着计算存在于行走的人的视野中的合理数目的元胞中的人的数目。该视野沿着人行走 的方向对准。到这时，我们将基本上二维的问题减少至通常采用基本图的准一维情况。结 果，行人不再是‘近视的’，而是对其前面的拥挤作出反应。首先校准模型，使得平均自由流 动元胞速度一当路径空闲时人每模拟步长覆盖的元胞的平均数目。元胞速度关于此平均元 胞速度(mcv)是正态分布。我们获得2 X mcv - 1离散速度。当在到所选目标的路上人 被位于最低可能性(lowest potential)的方向上的密集的人群围绕时，适配人的速度更 确切地说，暂时降低每个人的期望速度。请注意，人是否能够真实地实现此新期望速度仍取 决于空闲路径的可用性。用来针对一定密度降低个体的期望速度的元胞的数目还取决于人 的原始自由流动速度，使得我们保持行走速度方面的个体差异。在我们的方法中，减速取决 于密度和自由流动速度。以涉及人工校准参数的一组规则来表示该依赖关系。由于在元胞 中将模型的世界分区，所以密度过于离散。我们因此论及密度等级和因此的‘减速等级’以 表示我们在规则中引入的校准参数。现在，必须根据基本图来调整减速等级。这意味着可 以对模型进行校准。已校准减速等级对模拟结果的影响在图6的图示中是显而易见的。我 们实现了与我们用于校准的基本图(例如Weidmarm图或模型)的优良拟合。在图6中，参数 被调整至与基本图的优良拟合。在图6中，χ轴表示“以每平方米(m2)的人为单位的密度” 且y轴表示“以人为单位的流量(以m*s为单位)”。在图6中，实线曲线PFW2示出用于根据 Weidmarm的流量的多项式拟合。曲线PFW2上的点表示根据Weidmarm模型的相应流量。实 线曲线PFR2示出用于具有减速模型和校准的模拟结果的多项式拟合。曲线PFR2上的点表 示具有减速模型和10的平均元胞速度的各模拟结果。运动模拟模型的校准可以基于减速 等级和/或扰乱。图6示出基于方案特定基本图(例如用于行人运动的Waldmarm图)的行人流模型 的校准结果。我们将该基本图视为聚合大量社会文化乃至方案相关参数的行为模型。最终，取决于时间的例如性别、国籍、拟合度方面的差异以人作为个体行走并被人群围绕的方 式找到其表达。行走速度是关键参数。其取决于密度。因此，我们不需要识别通常我们无 论如何不能对影响进行量化的每个社会文化参数。作为替代，我们将适当的基本图馈送到 模拟中。在学习阶段中，我们调整人们在其在人群中行走时减慢速度的方式，直至由我们的 模型的计算机模拟如实地再现特定基本图为止。为了示例性地举例说明该校准方法，我们 已选择了基于可能性的元胞自动机模型。我们在此元胞自动机模型中提出了所谓的减速等 级以使人们在其在到所选目标的途中接近人群时减慢速度。我们证明已校准减速等级适合 于获得到给定基本图的非常好的拟合。在理想的设置中，每个方案将具有其自己的基本图。 因此，我们相信这里提出的校准种类对于将模拟模型调整至感兴趣的方案而言是绝对必要 的。由视频分析或无线电技术(RFID解决方案)获得的数据允许甚至在线或实时地自动校 准模拟工具。基于拟合度和稳健性的校准允许精确地预测实体(例如行人或交通工具)的运 动行为。图7和8示出了举例说明使用在图3中提出的遗传算法的最优化结果的图示。让 我们现在应用用于选择配置(尤其是校准)参数(参见图3 )的提议方法来比较从遗产和阈值 接受算法针对行人流模型获得的参数值。用阈值接受算法进行校准的模拟的初始拟合度比
针对遗传算法的初始拟合度略高一点
权利要求
1.一种用于高效地配置运动模拟设备的方法，其中，所述运动模拟设备是基于用于保 证感兴趣的现象的精确且可靠的再现的模拟模型，所述方法包括步骤提供表示实体(El En)的运动行为的若干组模型参数(Pl，…，Pn)，其中，从数据库 (DB)实现和/或从在线监视系统(0MS1 0MS3)获得所述若干组模型参数(Pl，…，pn)；针对每组模型参数(P1,…，Pn)确定拟合度fp和灵敏度、；在具有类似拟合度的参数组之中选择具有最低灵敏度的参数组和/或在具有类似灵 敏度的参数组中选择具有用于操作运动模拟设备的最高拟合度的参数组；以及用所选的参数组来配置运动模拟设备。
2.根据权利要求1所述的方法，其中，步骤“针对每组模型参数(Pl，…，pn)确定拟 合度fp和灵敏度sp ”包括针对对于拟合度和灵敏度而言达到所确定的阈值的每组模型参数(P”…，Pn):-系统地扰乱该组模型参数(P1,…，Pn);-测量被扰乱参数组的拟合度和灵敏度；-比较关于相应拟合度和相应灵敏度的所有被扰乱参数组；以及-将具有类似拟合度的被扰乱参数组分组并将具有类似灵敏度的被扰乱参数组分组。
3.根据权利要求2的方法，其中，步骤“比较关于相应拟合度和相应灵敏度的所有被 扰乱参数组”包括保持在用于灵敏度的阈值以下并在用于拟合度的裕度内的原始未扰乱参 数组。
4.根据权利要求2或3所述的方法，其中，通过在给定间隔内随机地扰乱参数Pi来执 行步骤“系统地扰乱该组模型参数(P1,…，pn)”。
5.根据前述权利要求中的一项所述的方法，其中，所述运动模拟设备被用于模拟行人 流模型。
6.根据前述权利要求中的一项所述的方法，其中，所述方法用于根据被测量现象校 准、尤其是在线校准预测模型。
7.根据前述权利要求中的一项所述的方法，还包括基于由预测模型提供的所跟踪行人和/或交通工具(El En)的预测行为来控制行人 和/或交通工具(El En)的运动。
8.根据前述权利要求中的一项所述的方法，其中，所述模型参数(Pl，…，Pn)包括从 模型参数(P1,…，Pn)得出的模型实例(Ml)。
9.根据前述权利要求中的一项所述的方法，其中，所述模型参数(Pl，…，Pn)包括行 人(El En)的数目和/或行人所来自的源和/或行人前往的目标和/或行人行为参数和 /或时间戳和/或行人的性别和/或行人的年龄和/或行人的速度和/或行人的密度和/ 或行人模拟参数。
10.根据权利要求1所述的方法，其中，步骤“用所选的参数组来配置运动模拟设备” 包括模型参数(P1,…，Pn)的自动在线校准。
11.根据权利要求1的方法，其中，在线监视系统(0MS1 0MS3)是用于行人和/或交 通工具的视频跟踪系统或者是用于跟踪行人和/或交通工具(El En)的无线电系统。
12.一种用于高效地配置运动模拟设备、尤其是用于实现权利要求1至10的方法的装 置(A1、A2)，所述装置(A1、A2)包括存储单元(DB)，用于提供若干组模型参数(Pl，…，pn),测量单元(MU)，用于针对每组模型参数(Pl，…，pn)确定拟合度fp和灵敏度、；选择单元(SU)，用于在具有类似拟合度的参数组之中选择具有最低灵敏度的参数组和 /或在具有类似灵敏度的参数组之中选择具有用于操作运动模拟设备的最高拟合度的参数 组；以及配置单元(CU )，用于根据所选参数组来配置运动模拟设备。
13.根据权利要求12所述的装置(Al、A2)，还包括扰乱单元，用于系统地针对达到用 于拟合度和灵敏度的相应阈值的每组模型参数(P1,…，Pn)扰乱该组模型参数(P1,…， pn)，并用于测量被扰乱参数组的拟合度和灵敏度并用于比较关于相应拟合度和相应灵敏 度的所有被扰乱参数组。
14.根据权利要求12或13所述的装置(Al、A2)，还包括到用于跟踪行人和/或交通工具(El En)的在线监视系统(0MS1 0MS3)的接口 (II);以及到控制室(CRl、CR2)的接口(12)，所述控制室(CRl、CR2)使用自动在线校准模型参数 (P1,…，Pn)来预测所跟踪行人和/或交通工具(El En)的行为。
15.根据权利要求12至14中的一项的装置(A1、A2)，还包括到指示器(IN)的接口(13)，用于基于所跟踪行人和/或交通工具(El En)的预测行 为来控制行人和/或交通工具(El En)的运动。
16.一种适合于在计算机上执行权利要求1至11的方法的计算机程序。
17.一种存储根据权利要求16的计算机程序的数据载体。
全文摘要
本发明涉及流模拟工具和流模型的校准。每年，人们在人群变得失控的群体性事件中死亡。从足球比赛到宗教庆典的群体性事件的日益流行和城市化加强了这一趋势。因此，存在对获得对人群行为的更好控制的强烈需要。行人流的模拟可以帮助实现此目的。为了有帮助，人群模拟必须正确地再现真实的人群行为。这通常取决于实际情况和许多的社会文化参数。换言之，无论我们提出什么模型，必须对其进行校准。基本图以非常简单的概念捕捉许多社会文化特性。在本发明中，描述了一种校准行人流模拟工具以便以高准确度再现例如Waldmann图的任意基本图的方法。也就是说，其正确地再现现象，例如，行人速度对人群密度的给定依赖关系。
文档编号G06F19/00GK102142061SQ20111003428
公开日2011年8月3日 申请日期2011年2月1日 优先权日2010年2月1日
发明者G·克斯特, M·戴维迪克 申请人:西门子公司