【摘 要】
：
社会力模型是人群仿真领域的经典模型,自1995年提出后就被广为引用和拓展,该模型2000年又推出一个改进版,增加了恐慌度概念。虽然目前基于社会力模型的研究已经很多,但是针对恐慌度概念分析的研究尚不多见。为此梳理了社会力模型中关键参数物理意义和恐慌度的概念,用恐慌度的变化来解释人群疏散中的“快即是慢”与“从众行为”现象。指出了社会力模型中由于对行人感知描述得不够细致,导致在一定条件下,人群仿真结果存
【机 构】
：
宁波大学信息科学与工程学院,宁波卷烟厂信息中心,宁波大学科学技术学院信息工程学院,浙江工商职业技术学院人事处
【基金项目】
：
浙江省自然科学基金资助项目(LY20F020007),宁波市公益类科技计划项目(2019B10032,2019C50024)。
论文部分内容阅读
社会力模型是人群仿真领域的经典模型,自1995年提出后就被广为引用和拓展,该模型2000年又推出一个改进版,增加了恐慌度概念。虽然目前基于社会力模型的研究已经很多,但是针对恐慌度概念分析的研究尚不多见。为此梳理了社会力模型中关键参数物理意义和恐慌度的概念,用恐慌度的变化来解释人群疏散中的“快即是慢”与“从众行为”现象。指出了社会力模型中由于对行人感知描述得不够细致,导致在一定条件下,人群仿真结果存在个别行人不从众与到达出口却不撤离的问题。针对所提问题,探讨通过增加行人视野范围描述,重定义行人自运动状
其他文献
深度矩阵分解采用深层非线性映射,从而突破了矩阵分解中双线性关系影响推荐系统性能的瓶颈,但它没有考虑用户对未评分项目的偏好,且对于稀疏性较高的大规模数据其推荐性能不具有优势,为此提出一种融合矩阵补全与深度矩阵分解的推荐算法。首先通过矩阵补全模型将原始评分矩阵中的未知元素进行填补,然后依据补全后的矩阵,利用深度学习模型分别构建用户和项目潜在向量。最后,在MovieLens和SUSHI数据集上进行测试,
在影响力最大化问题中,针对启发式方法精度不足和贪婪方法时间过载的问题,提出一种基于多属性决策方法的影响力最大化算法。首先,从社会网络节点的影响传播、节点之间的影响重叠和节点的信任度角度选取节点的重要性评价指标。然后,建立基于熵权TOPSIS的社会网络节点重要性评价模型,通过模型选择影响范围最广、与当前种子集的重叠最小且信任度最高的节点。最后,构建算法,并通过实验验证算法的性能。实验结果表明,与传统
由于协同过滤推荐算法依赖用户的数据,因而存在很大的隐私泄露风险。差分隐私保护技术可提供严格的隐私保护效果,但目前大多数基于差分隐私的推荐算法没有考虑隐式反馈数据,针对该问题,提出了一种新的基于差分隐私保护的协同过滤推荐算法。首先对隐式反馈矩阵进行矩阵分解,得到用户和物品的隐式特征向量;然后把得到的隐式特征向量融合到显式反馈模型求解中,通过在模型求解过程中加入均值扰动和梯度扰动,使算法满足ε-差分隐
针对机场巴士运行过程影响因素复杂、难以预测运行时间的问题,建立了一种基于子空间辨识算法的机场巴士运行时间预测模型。首先根据运行过程中所产生的多源大数据,考虑不同时段的乘坐人数、发车间隔、道路拥挤度等因素,建立机场巴士运行过程状态空间模型;然后提取适合描述机场巴士运行过程的特征变量作为模型的输入输出,通过子空间辨识方法对模型进行求解;最后以首都机场巴士的一条实际运营路线作为案例进行仿真分析。计算结果
引入自适应升温策略或使用蒙特卡罗策略的模拟退火算法在复杂TSP求解时分别表现出收敛缓慢和全局最优逼近能力有限的问题;而现有的混沌优化算法由于logistic映射的缺陷,削弱了其跳出局部最优的能力。故设计一种融合型算法框架,在框架中嵌入分片Lorenz混沌映射系统,加强混沌算法对邻域解的搜索均匀度;引入了贪婪策略构造逼近全局最优解的初始解,使算法具有跃迁到全局最优解邻域的能力;此外设计了振荡退火互补
兴趣点(POI)推荐可以帮助用户发现其没有访问过但可能感兴趣的地点,是重要的基于位置的服务之一。时间在POI推荐中是一个重要因素,而现有POI推荐模型并没有较好地考虑时间因素,因此通过考虑时间因素来提出融入时间的POI协同推荐(TUCF)算法,从而提高POI推荐的效果。首先,分析基于位置的社交网络(LBSN)的用户签到数据,以探索用户签到的时间关系;然后,利用时间关系对用户签到数据进行平滑处理,以
针对卷积操作目标跟踪算法(ECO-HC)在遮挡、背景等干扰问题导致跟踪精度下降的问题,提出了一种自适应特征融合的卷积相关滤波算法,将CN与HOG特征进行加权融合,通过计算各自的响应来确定各自特征在下一帧的权重,将特征各自的优势充分发挥出来。此外,针对目标跟踪失败问题,提出利用形变相似多样性原理,构建目标重定位模块,当出现遮挡、快速移动等复杂情况造成跟踪的可靠性降低时,综合考虑目标响应得分、空间权重
针对高光谱和Li DAR成像优势,通过构建三维深度胶囊网络(3D-deep capsule network,3D-DCN)探索了这两种遥感数据源在城市地物分类上的应用。该网络通过使用两层3D-CNN结构实现融合后数据的非线性特征映射,然后紧跟胶囊网络生成代表特征的矢量并实现卷积、封装和分类;针对胶囊网络层间的非线性激活函数提出一种称为e-squash的非线性激活函数用于特征学习。在城市数据集上的分
以往对影响力最大化问题的研究大多是基于静态图进行优化研究,但在现实中,网络数据量随着时间不断增加,系统不可能实时获取到整个网络中节点之间的连接情况。在传统Max G探测模型的基础上,采用固定邻域规模和节点邻域层级相结合的方式计算节点影响力大小,提出了新的动态网络探测算法RAS-MaxG (regular area scale-MaxG),解决了传统探测算法由于采用度来衡量节点影响力值所导致的节点之
传统储层含油性勘测方法利用地震波穿过地层时产生的相关地震属性和地质钻井资料结合传统地球物理方法进行综合研判,但该类勘测方法往往存在研判成本高且对专家先验知识依赖性强的问题。针对该问题,以江苏油田苏北盆地的地震资料为基础,并结合含油样本的稀疏性和随机性,提出了一种基于多粒度时序结构表示的异常检测算法,直接利用叠后地震道数据进行预测。该算法首先对于单个地震道数据提取多粒度时序结构并形成独立特征表示;其