基于聚类的现实高效数据驱动人群模拟方法
摘要：通过数据驱动的方法为虚拟人群在群体模拟中生成逼真的转向行为。我们利用基于规则的模型和数据驱动模型中发现的群体视频中的交互模式。与现有的基于示例的模型不同，在这些模型中，当前状态直接与从群体视频中提取的状态匹配。我们的方法采用了一种分层机制来生成代理的转向行为。首先，将每个代理划分到在模拟之前从群体视频中自动发现的交互模式之一中。然后，从相关的交互模式中选择最匹配的动作来生成代理的转向行为。通过这样做，代理可以避免像传统的基于示例的方法中那样进行简单的状态匹配，并且可以进行更多样化的转向行为，并模拟行人的认知过程。不同人群密度和主要运动方向的场景的模拟实验结果表明，我们的方法在预测精度方面优于两种最先进的模拟模型。此外，我们的方法足够高效，可以在实时模拟中以交互速率运行。
作者：Mingbi Zhao
论文ID：1506.04480
分类：Graphics
分类简称：cs.GR
提交时间：2015-10-30