38、基于GPU的大规模人群模拟混合路径规划

基于GPU的大规模人群模拟混合路径规划

在大规模人群模拟中，路径规划是一项关键任务。传统方法在处理大规模人群时效率较低，而本文介绍的混合路径规划方法，结合了粗粒度的A*算法和详细的流场解决方案，能有效加速大规模人群在复杂环境中的模拟。

1. 混合系统概述

当代理前往共同目标位置时，其路径通常只覆盖世界的一小部分。为保证全局最优路径，需要为整个世界计算势场。本文提出的混合技术，先使用基于粗粒度A*的求解器确定感兴趣区域（ROI），再进行实际的路径规划。

1.1 系统在线阶段步骤

• 为每个代理的起始位置找到最近的图节点。
• 使用A*算法找到从每个图节点到目标节点的路径。
• 在找到的A*路径周围生成ROI掩码。
• 在该ROI中生成势场。
• 从创建的势场生成流场。

流场会定期更新，以反映人群密度和速度场的变化。同时，还使用了基于速度对象的局部避障技术。

2. 图的构建

A*算法需要一个表示世界中可通行路径的图作为输入。这个图是离线生成的，并与环境几何信息一起存储。

2.1 图的布局

使用规则的二维节点网格，每个节点与其八个邻居相连，但系统可以处理任何图布局。为限制A*路径查找步骤的时间，节点数量应保持较少（在实现中少于512个）。

2.2 图边成本计算

图边的成本使用连续人群算法计算。将边扩展为成本计算区域，通过计算势场来确定从顶部到底部行单元格的最小成本。顶部行中具有最低势的单元格包含了该计算区域中从