(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110983155.1 (22)申请日 2021.08.25 (65)同一申请的已公布的文献号 申请公布号 CN 113887123 A (43)申请公布日 2022.01.04 (73)专利权人 清华大学 地址 100084 北京市海淀区清华园 (72)发明人 张毅　韩少聪　晏松　王泽众　 裴欣　 (74)专利代理 机构 北京安信方达知识产权代理 有限公司 1 1262 专利代理师 蒋冬梅　栗若木 (51)Int.Cl. G06F 30/27(2020.01) G06F 119/14(2020.01)(56)对比文件 CN 111415010 A,2020.07.14 CN 112528441 A,2021.0 3.19 徐洋等.基 于多层BP神经网络和无参数微调 的人群计数方法. 《计算机科 学》 .2018,(第10 期), 赵越等.基 于人工鱼群与Levenberg- Marquardt混合 算法的Ji les-Atherton磁滞模型 参数提取. 《华北电力大 学学报(自然科 学版)》 .2018,(第0 6期), 张建宇等.基于改进差分进化 算法的机 器人 动力学参数辨识方法研究. 《北京联合大 学学 报》 .2020,(第01期), 审查员 常建军 (54)发明名称 一种行人动力学模型参数调整方法和装置 (57)摘要 本申请实施例提供了一种行人动力学模型 参数调整方法和装置， 该方法包括： 确定用于行 人动力学模 型参数调整的全局优化问题； 所述全 局优化问题用于搜索不同的人群密度下的人群 平均移动速度与相应的真实人群平均移动速度 的误差最小值； 采用贝叶斯优化方法对获得的参 数集进行迭代式优化， 以求解所述全局优化问 题， 直至满足预设的迭代结束条件， 输出计算出 的所述误差的最小值对应的参数集， 作为所述行 人动力学模型的参数。 通过该实施例方案， 减少 了人工干预， 减少了对专家经验的依赖， 降低综 合成本， 并避免了参数过早收敛到局部极小值。 权利要求书1页 说明书8页 附图3页 CN 113887123 B 2022.09.13 CN 113887123 B 1.一种行 人动力学模型参数调整方法， 其特 征在于， 所述方法包括： 确定用于行人动力学模型参数调 整的全局优化问题； 所述全局优化问题用于搜索不同 的人群密度下的人群平均移动速度与相应的真实人群平均移动速度的误差最小值； 采用贝叶斯优化方法对获得的参数集进行迭代式优化， 以求解所述全局优化问题， 直 至满足预设的迭代结束条件， 输出计算出 的所述误差的最小值对应的参数集， 作为所述行 人动力学模型的参数； 其中， 所述采用贝叶斯优化方法对获得的参数集进行迭代式优化包括： 21、 获取观测数据集； 所述观测数据集用于缓存获得的参数集与相应的误差的对应关 系； 22、 对所述观测数据集采用贝叶斯优化方法求 解以重新获得参数集； 23、 根据获得的参数集计算相应的误差； 24、 判断是否达到预设的迭代结束条件， 当达到所述迭代结束条件时， 从当前的所述观 测数据集中选择最小的误差对应的参数集作为所述行人动力学模型的参数； 当未达到所述 迭代结束条件时， 将重新获得的参数集以及相 应的误差加入所述观测数据集， 并返回步骤 21； 所述根据获得的参数集计算相应的误差， 包括： 将所述参数集中的参数输入所述行人动力学模型， 并对所述行人动力学模型仿真获取 不同的人群密度下的人群平均移动速度； 依据预设的计算式计算所述人群平均移动速度以及相应的真实人群平均移动速度之 间的误差， 并将计算出的误差作为与所述 参数集相对应的误差； 所述方法还 包括： 在开始迭代之前， 根据训练数据集随机生成初始参数集， 并根据所述初始参数集生成 初始的观测数据集， 以在第一次迭代时采用所述初始的观测数据集； 所述根据所述初始参数集 生成初始的观测数据集， 包括： 将所述初始参数集中的参数输入所述行人动力学模型， 并对所述行人动力学模型仿真 获取不同的人群密度下的初始人群平均移动速度； 依据预设的计算式计算所述初始人群平均移动速度以及相应的初始真实人群平均移 动速度之间的初始误差； 将所述初始参数集以及相应的初始误差的对应关系进行存储， 获取初始的观测数据 集。 2.根据权利要求1所述的行人动力学模型参数调 整方法， 其特征在于， 所述误差为平均 绝对误差 。 3.根据权利要求1所述的行人动力学模型参数调整方法， 其特征在于， 所述方法还包 括： 在训练数据集的数据量大于或等于预设的数据量阈值 时， 对所述训练数据集中的数据 进行并行计算， 或者， 对所述训练数据集中的数据进行降采集。 4.一种行人动力学模型参数调整装置， 包括处理器和计算机可读存储介质， 所述计算 机可读存储介质中存储有指 令， 其特征在于， 当所述指 令被所述处理器执行时， 实现如权利 要求1‑3任意一项所述的行 人动力学模型参数调整方法。权　利　要　求　书 1/1 页 2 CN 113887123 B 2一种行人动力学模型参数调整方 法和装置 技术领域 [0001]本申请实施例涉及模型训练技术， 尤指一种行人动力学模型参数调整方法和装 置。 背景技术 [0002]在组织音乐会、 运动会、 节假日庆祝活动等大型社会活动时， 参与者的安全是组织 者需要考虑的重要内容。 大量的人员聚集在一起， 容易导致群体事故， 造成严重的人员伤 亡。 研究人群行为的动态特性， 对于预防和应对大 型活动中的群 体事故有重要意 义。 [0003]应用行人动力学模型进行计算机仿真是研究人群行为动 态特性的重要方法。 计算 机仿真可以突破现实条件的限制， 模拟各种危险和特殊场景， 协助活动组织者进行规划和 决策。 [0004]社会力模型是一种描述人群行为的微观动力学模型， 其假定行人的行为由其动机 和所经受的不同影响共同决定。 社会力模型及其扩展 形式不仅可以仿 真正常情况下的人群 行为， 而且可以仿真恐慌情况 下的群体极端行为， 具有较强的适用性。 [0005]应用社会力模型仿真人群行为时， 需要调整模型的参数， 以使仿真结果与真实情 况相符。 由于社会力模型的参数之间存在非线性耦合， 调整参数比较困难。 目前， 相关的参 数调整方法通常依赖专家经验和人工干预， 综合成本高； 另外， 相关方法容易收敛到局部极 小值。 发明内容 [0006]本申请实施例提供了一种行人动力学模型参数调整方法和装置， 能够减少人工干 预， 减少对专 家经验的依赖， 降低综合成本， 并避免参数 过早收敛到局部极小值。 [0007]本申请实施例提供了一种行 人动力学模型参数调整方法， 所述方法可以包括： [0008]确定用于行人动力学模型参数调整的全局优化问题； 所述全局优化问题用于搜索 不同的人群密度下的人群平均移动速度与相应的真实人群平均移动速度的误差最小值； [0009]采用贝叶斯优化方法对获得的参数集进行迭代式优化， 以求解所述全局优化问 题， 直至满足预设的迭代结束 条件， 输出计算出的所述误差的最小值对应的参数集， 作为所 述行人动力学模型的参数。 [0010]在本申请的示例性实施例中， 所述采用贝叶斯优化方法对获得的参数集进行迭代 式优化可以包括： [0011]21、 获取观测数据集； 所述观测数据集用于缓存获得的参数集与相应 的误差的对 应关系； [0012]22、 对所述观测数据集采用贝叶斯优化方法求 解以重新获得参数集； [0013]23、 根据获得的参数集计算相应的误差； [0014]24、 判断是否达到预设的迭代结束条件， 当达到所述迭代结束条件时， 从当前的所 述观测数据集中选择最小的误差对应的参数集作为所述行人动力学模型的参数； 当未达到说　明　书 1/8 页 3 CN 113887123 B 3