基于TOPSIS分析法的虛擬乘客車門選擇算法制造技術

本發明專利技術公開了基于TOPSIS分析法的虛擬乘客車門選擇算法，使用TOPSIS分析法，使用乘客與乘車門的距離與門前的人數來進行每個車門的綜合評分，通過每個車門的綜合評分確定乘客車門選擇，利用原始的信息綜合評價原始數據，精確的反映選擇各個車門之間的優劣差距來確定選擇上車的車門，使地鐵乘客行為仿真模擬更加準確。加準確。加準確。

【技術實現步驟摘要】
基于TOPSIS分析法的虛擬乘客車門選擇算法


[0001]本專利技術涉及人群仿真
，尤其涉及基于TOPSIS分析法的虛擬乘客車門選擇算法。

技術介紹

[0002]人群仿真技術作為虛擬現實技術中一個非常重要的組成部分，主要研究在不同環境下的人群行為，人群仿真主要由人群運動及動畫建模和對于人群行為的模擬兩部分組成。人群運動及動畫建模是計算機圖形學中的一個關鍵問題，其包括對于虛擬人的模型建模和虛擬人的動畫創建。人群行為模擬則是要針對于不同環境下的人群行為，人群狀態和人群特征進行不同情況下的模擬仿真。行為仿真意在實現虛擬人物能在不同環境下做出智能的判斷，對環境的影響做出不同的決策，實現行為自主性的行動。在不同的環境需求下，人群中的行為模擬所需要的復雜度也不同，每一個不同的虛擬行為人的的智能等級也不同。
[0003]近幾年來隨著計算機硬件和技術的飛速發展及快速提升，也出現了需要對于地鐵站中乘客行為的仿真的需求。目前的地鐵仿真系統中，虛擬場景的模擬主要集中于線路的分析、靜態場景的展示和列車的駕駛過程仿真，對于車站中行人行為的仿真考慮的較少。站臺中的乘客多數采用靜態的模型和已經規劃好的固定路線進行上下車，這種仿真所得來的真實感較差，無法滿足用戶在整個車站仿真中的需求，無法準確地模擬出乘客選擇合適的車門進行排隊、候車、上車的過程。

技術實現思路

[0004]為解決上述乘客路線固定規劃的問題，本專利技術提出了基于TOPSIS分析法的虛擬乘客車門選擇算法。
[0005]基于TOPSIS分析法的虛擬乘客車門選擇算法，利用乘客與乘車門的距離和乘車門前人數進行綜合評分，所述乘客與乘車門的距離和乘車門前人數為極小型指標，所述基于TOPSIS分析法的虛擬乘客車門選擇算法對兩個極小型指標的處理，最終通過綜合評分判斷乘客選擇乘車門；指標的處理包括：極小型指標正向化處理，指標標準化處理，標準化矩陣最值處理，評價對象距離最值處理，綜合評分計算。
[0006]具體的，所述極小型指標處理為將極小型指標轉化為極大值指標，轉換公式包括：
[0007]y＝max
?
y；
[0008]其中，max為所有相同指標中的最大值；
[0009]組成的正向化矩陣公式包括：
[0010][0011]其中，n為需評價數，m為已完成正向化處理指標個數。
[0012]具體的，所述指標標準化處理對正向化矩陣進行處理，消除不同指標量對評價的
影響，標準化后的矩陣Z中每一個元素Zij的公式包括：
[0013][0014]標準化后的矩陣Z公式包括：
[0015][0016]具體的，所述標準化最值處理對標準化矩陣最大值和最小值進行定義，所述標準化矩陣最大值Z+公式包括：
[0017][0018]所述標準化矩陣最小值Z
?
公式包括：
[0019][0020]具體的，所述評價對象距離最值處理包括評價對象與最大值的距離Di+計算和評價對象與最小值的距離Di
?
計算，所述評價對象與最大值的距離Di+公式包括：
[0021][0022]所述評價對象與最小值的距離Di
?
公式包括：
[0023][0024]其中，i表示第i個評價對象，ω
j
為指標的權重，其和為1。
[0025]具體的，所述綜合評分計算對每一個乘車門評價對象綜合得分進行計算，綜合得分最高的乘車門為乘客選擇車門，所述綜合評分計算公式包括：
[0026][0027]其中，i表示第i個評價對象。
[0028]本專利技術的有益效果：本專利技術提出了基于TOPSIS分析法的虛擬乘客車門選擇算法，使用TOPSIS分析法，主要使用乘客與乘車門的距離與門前的人數來進行每個車門的綜合評分，通過每個車門的綜合評分確定乘客車門選擇，利用原始的信息綜合評價原始數據，精確的反映選擇各個車門之間的優劣差距來確定選擇上車的車門，使地鐵乘客行為仿真模擬更加準確。
附圖說明
[0029]圖1是本專利技術基于TOPSIS分析法的虛擬乘客車門選擇算法流程圖。
具體實施方式
[0030]為了對本專利技術的技術特征、目的和效果有更加清楚的理解，現對照附圖說明本發
明的具體實施方式。
[0031]本專利技術提出了基于TOPSIS分析法的虛擬乘客車門選擇算法，利用乘客與乘車門的距離和乘車門前人數進行綜合評分，所述乘客與乘車門的距離和乘車門前人數為極小型指標，所述基于TOPSIS分析法的虛擬乘客車門選擇算法對兩個極小型指標的處理，最終通過綜合評分判斷乘客選擇乘車門；指標的處理包括：極小型指標正向化處理，指標標準化處理，標準化矩陣最值處理，評價對象距離最值處理，綜合評分計算。
[0032]虛擬乘客在做出對于上車車門的選擇時，首先會從環境信息生成器中獲得等車隊列的數據和獲得周圍乘客的選擇情況。將幾種不同的因素混合考慮后按照影響的參數對比，做出自己的初始選擇。在按照初始選擇前往車門的過程中，受到等車隊列的實時變化，會影響自己的最終選擇，之后再車門前站好并更新等車隊列。在對于地鐵對于地鐵乘客上車行為的具體調查中，發現乘客行為具有以下幾種特征。
[0033](1)乘客對于上車車門的選擇受到周圍人的影響；
[0034](2)乘客對于上車車門的選擇與自身到車門的距離有關；
[0035](3)乘客選擇上車門時，位于自己視野盲區的車門會被忽略；
[0036](4)乘于選擇哪一個車門上車時最優判斷并不精確，其綜合計算參數僅是一個模糊的估計值；
[0037]根據以上幾條乘客乘車的特點，對于乘客選擇車門時行為進行仿真。
[0038]TOPSIS分析法是最流行的MCDM/A方法之一，是一種常用的綜合評價方法，能最大程度的利用原始數據的信息，分別計算各個評價方案與最優方案、最劣方案的歐幾里得距離來得出各個方案之間的排名。該方法對于樣本的含量以及分布沒有嚴格的要求，涉及的數據計算較為簡單。
[0039]在本實施例中，使用TOPSIS分析法，主要使用乘客與乘車門的距離與門前的人數來進行每個車門的綜合評分。由于這兩種指標屬于極小型指標(越小越好)，因此當使用這兩種數據時需要進行正向化處理將其轉變為極大型指標。除此之外，考慮到乘客會優先選擇自己能看見的車門，因此加入車門能否直接被從樓梯上下來的乘客直接看見這一指標，將能直接出現在視野內的車門的參數設置為1，無法直接看見的車門設置為0.3。
[0040]將極小型指標轉換為極大型指標如下公式所示，其中max為所有相同指標中的最大值：
[0041]y＝max
?
y。
[0042]在進行了正向化后，假設共有n個需要評價的對象，m個已經正向化的評價指標，其組成的正向化矩陣如下所示：
[0043]為了消除不同指標量綱對于評價的影響，需要進一步對于已經正向化的矩陣做標準化處理。將標準化后的矩陣記為Z，Z中的每一個元素Zij的計算方式如公本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.基于TOPSIS分析法的虛擬乘客車門選擇算法，其特征在于，利用乘客與乘車門的距離和乘車門前人數進行綜合評分，所述乘客與乘車門的距離和乘車門前人數為極小型指標，所述基于TOPSIS分析法的虛擬乘客車門選擇算法對兩個極小型指標的處理，最終通過綜合評分判斷乘客選擇乘車門；指標的處理包括：極小型指標正向化處理，指標標準化處理，標準化矩陣最值處理，評價對象距離最值處理，綜合評分計算。2.根據權利要求1所述的基于TOPSIS分析法的虛擬乘客車門選擇算法，其特征在于，所述極小型指標處理為將極小型指標轉化為極大值指標，轉換公式包括：y＝max
?
y；其中，max為所有相同指標中的最大值；組成的正向化矩陣公式包括：其中，n為需評價數，m為已完成正向化處理指標個數。3.根據權利要求1所述的基于TOPSIS分析法的虛擬乘客車門選擇算法，其特征在于，所述指標標準化處理對正向化矩陣進行處理，消除不同指標量對評價的影響，標準化后的矩陣Z中每一個元素Z
ij
的公式包括：標準化后的矩陣Z公式包括：4.根據權利要求1所...

【專利技術屬性】
技術研發人員：蘇虎，王信禹，金煒東，
申請(專利權)人：西南交通大學，
類型：發明
國別省市：