本发明属于数据处理，具体涉及一种面向数字孪生的实时数据驱动人群行为建模仿真方法。
背景技术：
1、随着数字孪生理念和技术的不断发展，数字孪生技术在构建智慧城市，进一步推进城市治理智能化和现代化上具有重要应用价值。面向数字孪生场景，人群行为建模和仿真技术需要高效地处理物理世界的人群动态数据，从而实时调整人群行为模型，最终在虚拟世界中复刻真实的人群动态。数据驱动的人群仿真作为数字孪生的重要支撑技术，仿真的实时效率和保真度直接影响到动态孪生人群态势预测的准确性。如果仿真模型无法根据实时信息进行自适应调整，当孪生场景随着时间推移人群行为模式变化时，仿真人群会快速偏离真实行为，从而导致人群态势预测的准确性和可靠性难以保证。
2、现有的离线数据驱动的人群仿真技术只能基于历史数据对人群行为建模和仿真预测，难以根据实时信息进行自适应调整，导致对数字孪生场景提供的丰富人群动态数据利用不充分，仿真预测结果不准确。现有在线数据驱动的人群仿真方法，则需要依赖高质量的微观行人运动数据(如个体轨迹)来驱动仿真模型；这类微观数据在大规模人群场景难以高效的实时提取，因此较难在数字孪生场景得到有效应用。因此，如何利用可高效获取的人群宏观状态实时数据，用于生成与真实场景实时同步的虚拟世界人群行为，实现数字孪生场景中高效准确的人群态势预测是本发明要解决的技术问题。
技术实现思路
1、为了解决现有技术中存在的上述问题，本发明提供了一种面向数字孪生的实时数据驱动人群行为建模仿真方法。本发明要解决的技术问题通过以下技术方案实现：
2、第一方面，本发明提供一种面向数字孪生的实时数据驱动人群行为建模仿真方法，包括：
3、获取场景结构；其中，场景结构包括静态场景结构和动态场景结构；
4、根据静态场景结构，构建三维孪生静态场景结构和二维仿真场景结构，并初始化二维仿真场景结构；
5、实时采集多个时间窗口内动态场景结构中的人群动态变化的视频数据；
6、根据各个时间窗口的视频数据，获取各个时间窗口的宏观人群运动流和人群密度分布；
7、将二维仿真场景结构栅格化为多个单元区域，将宏观人群运动流和人群密度分布分配到各个单元区域内，获取各个单元区域的运动流集合和累计密度误差；
8、将各个单元区域的运动流集合中的运动流与各个单元区域的代理的当前速度进行匹配，获取各个单元区域的运动流集合中的运动流的方向；根据各个单元区域的累计密度误差，获取各个单元区域内的代理的迁移调节需求和迁移调节量，并获取各个单元区域内的代理的加速度；其中，代理表示虚拟的行人；
9、根据各个单元区域内代理的当前速度和加速度，获取各个单元区域内代理的首选速度；
10、根据各个单元区域内代理的首选速度，获取避碰速度；根据避碰速度，在三维孪生静态场景结构中生成与动态场景结构时间对应的三维动态人群。
11、本发明的有益效果：
12、1、本发明提供的一种面向数字孪生的实时数据驱动人群行为建模仿真方法，能够充分满足数字孪生场景的应用需求，具有高保真、高还原的特点。
13、2、本发明提供的一种面向数字孪生的实时数据驱动人群行为建模仿真方法，从视频中提取宏观人群状态，相较于依赖微观个体轨迹信息的方法，数据分析和提取的效率更高，且不会随着人群规模的增大导致性能骤降而无法满足实时性的需求。
14、3、本发明提供的一种面向数字孪生的实时数据驱动人群行为建模仿真方法，采用实时数据来驱动人群仿真，能够根据当前人群的运动状态和运动模式自适应调整代理的参数，在人员流动大、人群结构复杂等人群运动模式多变的场景能够进行准确的态势预测，从而提高人群安全管理的智能化水平。
15、以下将结合附图及实施例对本发明做进一步详细说明。
1.一种面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，包括：
2.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述时间窗口的宏观人群运动流，包括：
3.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述时间窗口的人群密度分布，包括：
4.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述单元区域的运动流集合，包括：
5.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述单元区域的累计密度误差，包括：
6.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述将各个所述单元区域的运动流集合中的运动流与各个所述单元区域的代理的当前速度进行匹配，获取各个所述单元区域的运动流集合中的运动流的方向，包括：
7.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述单元区域内的代理的迁移调节需求，包括：
8.根据权利要求7所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述单元区域内的代理的迁移调节量，包括：
9.根据权利要求8所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取各个所述单元区域内的代理的加速度，包括：
10.根据权利要求1所述的面向数字孪生的实时数据驱动人群行为建模仿真方法，其特征在于，所述获取避碰速度，包括：
