来源：第三维度    作者：王兆其 毛天露 蒋 浩 夏时洪    单位：中国科学院计算技术研究所前瞻研究实验室
    摘要：人群疏散的虚拟现实模拟就是利用虚拟现实技术，在计算机生成空间中建立公共设施和人群的三维模型，设定各种可能发生的安全危机和相应的疏散预案，模拟并三维地展示人群疏散场景；通过对模拟结果进行统计分析，可以验证人群疏散应急预案的合理性和有效性．介绍了人群疏散模拟虚拟现实系统Guarder设计的核心思想，提出了技术框架，详细阐述了其中的复杂环境语义表示、群体运动仿真等关键技术，并给出了应用实例，最后列举了几个前沿研究问题。
    0 引言
    大型公共场所或者重要公共设施是人群高度集中的场所，也是公共安全事件较易发生、防控与应急处置较困难、易产生大规模人员伤亡的场所．如何有效管理大型公共设施内复杂、庞大的人群，在高峰期和紧急情况下进行科学、有效的疏导，其关键在于：
    1．根据设施环境和可能发生的各种安全危机情况设计人群疏散的应急预案；
    2．利用科学手段，验证应预案的合理性、有效性；
    3．联合消防、公安、医疗等各部门，通过反复模拟演练，熟练掌握预案相关内容，提高应急响应与协作能力。
    现有人群疏散应急预案的制定对专家经验的依赖度较高．但随着大规模甚至超大规模的大型公共设施不断出现，公共安全危机事件的类型不断增加，不同类型事件间的耦合性、衍生性不断加强，使得大型公共设施内可能发生安全问题的复杂度远远超过了一个甚至一组专家头脑的计算分析能力。
    此外，传统实战演练的方式由于人员规模、场地限制，更出于安全因素，无法实景演练并验证人群疏导方案的有效性．以2010年上海世博会为例：5．28 km2范围内，预计日平均游客达40余万人，高峰期达70万人／天；这些游客来自不同国家(地区)，使用不同语言，拥有不同文化背景，对世博园区的地理环境、公共设施缺乏基本了解．由于文化和环境差异，往届世博会以及国内春运组织相关的经验，要经过反复推敲才能适用到上海世博会中；而且由于面积巨大，客流庞大，无法进行现场实地、实景的演习。
    面对上述困难，目内外研究人员开始尝试将计算科学、虚拟现实、人工智能等技术运用到公共安全领域．成功的商业系统包括：英国格林威治大学火灾安全工程组的EXODUS应急模拟系列软件[1]、英国Legion公司开发的Legion系列软件系统12]、CrowdDynamics公司的Myriad系统[3]和美国Massive公司的Massive Software[“．其中EXODUS将场景划分为均匀网格，每个网格只能被一个个体占有，通过个体不断占有更靠近目标的网格，模拟人群疏散的过程．EXODUS虽然提供三维可视化构件，但可视化人群规模有限，已有案例中最大规模人群数目小于10000，并且由于网格大小是预先确定的，难以模拟高密度人群场景．Legion，Myriad软件虽然能够模拟高密度状态下的人群，但三维可视化人群规模同样十分有限．此外，由于是商用系统，上述软件的技术方案并未公开，无法作为相关研究的基础。
    考虑到已有的技术(系统)在可视化效果、可负载的人群规模、计算效率和通用性上存在很大局限。
    本文结合虚拟现实技术，提出了人群疏散的虚拟现实模拟方法．人群疏散的虚拟现实模拟，就是利用虚拟现实技术[5]，在计算机生成空间中建立公共设施和人群的三维模型，设定各种可能发生的安全危机和相应的疏散预案，模拟并三维的展示人群疏散场景．从而为大型公共设施人群疏散预案的设计、评估和优化，重要建筑设计方案的公共安全风险论证、分析与评估，重大公共安全危机事件的模拟与可视化交互分析，公共设施安全危机事件的决策指挥，以及相关人员的培训提供新的高科技工具手段。
    其最大的优点在于：作为一种全面观察、深入分析公共安全事件的手段，虚拟现实模拟技术突破了时间和空间的限制；使得我们可以“穿梭”于任意时间与地点，以任意尺度去观察已经发生或者假定将来可能发生的人群应急疏散问题；从而更加全面、准确、细致地对其进行分析、研究，尤其是针对大规模、高密度人群，及其他无法进行实战演习的重要场景或者活动；并具有形式直观、经济高效、人员风险小、反馈快速及时等优势。
    在此基础上，本文研制了人群疏散虚拟现实模拟系统一Guarder，与已有技术(系统)相比，其特色在于：
    1．定义了能够描述复杂场景的多层次语义模型，为在多层、室内外结合、包含各种公共设施的复杂环境中实现群体疏散的模拟计算，提供语义基础；
    2．以连续群体模型为基础，从基于语义环境层次模型的连续群体模拟以及复杂环境高密度人群的模拟两方面进行改进，快速、高效地实现人群的疏散模拟计算，并且支持群体的动态寻径和高密度行为表现；
    3．在三维可视化方面，提出了基于模板派生技术、运动变形技术与点绘制技术的大规模群体运动三维可视化方法，能够在普通PC机上实现3万～6万人规模的动态群体实时绘制。
    下面本文首先对Guader系统的技术框架进行简要介绍，再详细阐述场景语义建模、群体运动模拟技术方案，最后通过应用实例对系统功能和模拟的结果进行介绍。
    1 技术框架
    人群疏散的虚拟现实模拟技术，其技术框架如图1所示：

图1 人群疏散预案的虚拟现实模拟技术框架     (1)．三维场景几何建模技术：
    即以二维建筑图纸作为输入，在计算机生成空间中快速建立公共设施的三维几何模型．场景的三维几何模型是语义信息提取的数据源，同时也是疏散过程三维展示必不可少的元素。
    为提高建模速度，我们提出了一种基于CAD电子图纸的复杂场景快速建模方法．首先，提出一种结合轴线符方向的轴线符识别方法，提高了对于图纸两侧同类轴线符的识别准确率，据此进行图纸对齐，并通过标高获取高度信息；其次，提出一种基于映射的构建轮廓识别方法，提高了相邻楼层平面图的识别效率，获取二维建筑结构的信息；然后，引入轮廓分类技术，结合高度信息以及参数化三维模型库，将获取的二维信息恢复成三维结构模型．详细算法见文献[6—7]．由于建筑图纸中的一般只包括主要的建筑结构信息，其他的细节信息如纹理贴图等需要通过后期处理添加至重建的三维结果中。
    (2)．场景语义建模技术
    即根据场景内容与模拟算法的需要，以场景的三维几何模型为基础建立场景的语义描述．在群体模拟中，虚拟人需要不断感知场景中的障碍物、设施和其他个体，并作出适当的反应．由于人群疏散通常发生在大型公共设施中，如城市中的火车站、地铁站、办公大楼及周边街道等．这类环境中建筑结构较复杂，既有室外的空旷区域，又有室内的狭小通道，且往往为多层建筑，层与层之间通过楼梯、自动扶梯等通道连接，此外常含有多种公共设施，如地铁站的闸机口、自动扶梯等．因此在场景语义建模中如何定义环境中的物体属性、如何有效组织环境中的大量物体和设施将对模拟结果和效率有较大影响。
    为此，我们提出了一种适用于复杂环境的环境层次模型，能比较全面地描述复杂环境的语义信息，建立场景的语义模型．这里的复杂环境是指多层、室内外结合且包含多类特定公共设施的大型公共场所．环境层次模型定义与建模方法将在下一节进行具体描述。
    (3)．群体运动模拟
    即根据给定的人群初始状态与目标位置，计算群体中每个个体在每一时刻的运动位置与状态，从而模拟人群疏散运动的整个过程。
    根据群体运动模拟结果，可以对疏散时间、人流密度分布、关键点流量变化等指标进行统计分析，是人群应急预案评估的数据依据。
    我们在环境层次模型基础上，提出了一种基于连续群体算法的群体运动模拟方法．作为一种全局控制方法，连续群体算法在一个框架内统一解决了局部碰撞冲突和全局路径导航之间的矛盾，能生成平滑自然的群体运动轨迹．在此基础上，利用多层复杂环境下的分块离散划分、人群在公共设施上的特殊行为模拟以及高密度人群模拟等方法，实现了在复杂环境中的运动模拟．相关技术细节将在第3节中详细介绍。
    (4)．疏散过程三维可视化
    即根据群体运动模拟结果，在计算机生成空间中对人群疏散过程进行三维展示．由于疏散场景中群体规模较大，通常为万人级，且每个个体的位置、运动状态都在发生动态变化．因此在普通PC机上对疏散过程进行较为逼真的实时展示，其难度较大。
    为此，我们提出了一种基于模板派生技术、运动变形技术与点绘制技术的大规模群体运动三维可视化方法，能够在普通PC机上实现3～6万人规模的动态群体实时绘制．首先，通过模板派生技术，利用模型库和材质库在只增加少量系统消耗前提下，实时生成具有一定程度个性化的大规模群体的三维模型；
    其次，通过对运动捕获数据进行运动重定向，并利用时间信息对原始运动数据进行运动变形，采用少量运动捕获数据实现大规模个体模型的实时驱动；最后，利用点绘制技术对大规模动态群体进行实时绘制．详细算法见文献[8—9]。
    (5)．人群疏导预案编辑
    提供预案的交互式设定功能，包括人群属性设定与场景设施属性设定．人群属性设定是对人群的规模、初始位置、目标位置、性别年龄比例、最大行走速度分布、携带大型包裹比例等属性进行设置．通过人群属性的设定可以模拟不同场景下不同特性的人群，体现人群运动的特点．场景设施属性设定对场景中的各种功能设施的初始状态、动态变化进行设置，例如设置自动扶梯的方向、速度、检票闸机与通道的开放、关闭等等．通过对人群属性与场景设施属性的设定，为后续模拟设定上下文约束条件。
    2 场景语义建模
    场景语义信息是个体行为决策的重要依据．从我们所了解的文献来看，目前有关群体模拟的相关工作极少涉及到较复杂的场景，大多数都是单层、规则的街区或简单的多个房间的室内场景[12]．这种情况下，场景语义信息的表示、组织、查询等都相对较为简单．而当群体处于复杂环境时(本文对复杂环境的定义见第1节)，如何定义环境中的物体属性、如何有效组织环境中的大量物体和设施，将对模拟的真实性和效率有较大影响．针对比较复杂的场景，文献]-13]提出了一种用于虚拟人群模拟的场景建模技术，其环境模型由一系列的图构成，能高效地支持个体的感知查询和路径规划请求．但是该模型并没有考虑不同区域的特定属性，此外，所采用构基本拓扑结构图无法正确反映各个区域之间的路径开销，也不能支持特殊的路径查询请求(例如单向运行的自动扶梯)。
    针对人群疏散模拟涉及的复杂公共设施的场景特点，本文提出了复杂环境的语义表示模型：语义环境层次模型(semantic environment model，SEM)，如图2所示．按照其逻辑层次关系，该模型可分为几何层、语义层、应用层。

图2语义环境层次模型示意图
    几何层是整个环境模型的基础，主要包括场景的三维几何模型，用于场景显示和预处理时语义信息的提取等．语义层主要包括场景组织结构图、场景拓扑结构图、高度图等．为方便环境的组织和查询，整个环境划分为多个互相连通的区域，并将这样的区域称作块(block)，如楼层、楼梯、通道走廊等．场景中的所有物体均进行标注，称为实体(entity)，如地板、墙壁、柱子等．整个场景组织为树状结构，每个块代表一部分独立的三维子空间，每个实体则属于某一个块．每个块和实体都分别具有各自的属性，属性集分为基本属性和特殊属性两类．基本属性定义了所有块和实体常用的属性，例如名称、包围盒等。
    特殊属性则定义了某些块／实体所特有的一些属性，例如自动扶梯块的运行速度、是否开启等，如图3所示．通过上述对场景的划分、块／实体的属性定义，可以将复杂场景及其语义信息进行有效的组织．

图3块的属性示例
    场景拓扑结构图主要是用于保存和查询环境中各区域之间的连通关系，为此我们扩充了基本的拓扑图结构．场景中的所有块组成了外层拓扑图的节点，如果从块A可达块B，则添加一条从节点A指向节点B的有向边，有向边表示块之间的连通关系．为了更精确地指示各区域之间的路径开销，我们在外层节点内部定义一个子连通图，用于存放每个块内部各出入口之间的连通关系，子连通图的每个节点代表了块的一个出入口，并且每个出入口至少对应一个属于另一个块的出入口，表示两个块之间的可达关系，所以将出入口称为连接点(connectivepoint，CP)，如图4所示．整个拓扑图既可以存储块之间的连通关系，又可以存放每个块内部各出入口之间的行进开销，可以更精确地实现多层复杂环境下的群体路径规划。

图4 场景拓扑图和个体路径示例
    应用层主要包括实体感知图、群体感知图和个体路径图．为了满足群体模拟中快速查询的需要，我们将根据实体和个体的位置信息生成实体感知图、群体感知图．我们根据块的位置和大小生成一个与块重叠的二维网格，每个网格记录着与其重叠的实体，这样查询小块区域上的实体信息时就不需要遍历块的整个实体列表，而只需遍历该区域覆盖的所有网格即可．与实体感知图类似，我们也用二维的网格记录群体中所有的个体，每次计算出个体的新位置后只需更新个体所处的网格就能快速地查询某个区域内的所有个体，方便碰撞检测和群体统计．对每个个体来说，在疏散模拟中，需要根据个体的初始位置和目的位置计算出一条可达路径，如图4所示，个体的全局路径类似于：先从当前位置到达块D的出口d2(假设个体初始位置在块D，目的位置在块A)，经过出口d2到达块B的出口bl(进入块B)，前往其出口62，经过出口62到达块A的出口a2(进入块A)，最后可达位于块A的目的位置．可以将该路径上每个节点当作个体的子目标，从而通过群体计算模型引导个体去往目的地，而子目标内的导航将依赖于不同的群体运动模型。
    利用上述语义环境层次模型，首先，可以有效地组织复杂场景中的语义信息，且每部分区域和每个物体都包含着丰富的属性，可以满足绝大部分群体模拟的需要甚至应用于火灾、烟雾模拟；其次，可以精确地描述各区域之间的连通关系和路径开销，并且能支持特殊区域的查询，例如单向运行的自动扶梯区域；此外，支持局部区域的物体和虚拟角色的快速查询(在群体模拟算法中使用较多)，还可以在一个节点数较少的拓扑图上进行快速搜索，得到一条包含起止位置和数个连接点组成的个体全局路径。
    3 群体运动模拟
    连续群体模型与基于个体的群体模拟方法不同，基于自治个体的方法需要对每个个体分别计算周围环境和邻近个体对它的影响；而连续群体方法综合考虑各种影响。从而对整个群体施加控制，该方法可以模拟现实中观察到的群体自组织现象并能产生平滑的个体运动轨迹[14|．由于大规模人群应急疏散模拟更关注宏观上群体的流向，因此本文的群体运动模拟算法以文献[14]中连续群体模型作为基础。
    但该算法不涉及复杂环境中的群体模拟，同时，对于人群疏散较为关注的高密度人群现象也不能较好的表现．为此，本文对其进行了改进，主要贡献包括基于语义环境层次模型的连续群体模拟以及复杂环境高密度人群的模拟。
    基本的连续群体模型以二维网格为基础计算势能场，在计算之前必须确定每个网格单元是否是可行走区域．基于上述语义环境层次模型，通过查询场景结构图获取每个障碍物在二维平面上的凸多边形包围盒，然后通过最大模距离(max—norm distance)检查每个网格单元是否与障碍物重叠，如果与一个障碍物重叠则认定该网格单元所在区域是障碍区域．通过实体感知图能够加速查找过程。
    判断网格单元是否与障碍物重叠的具体过程如下：设每个物体对应一个投影在二维平面上的凸多边形包围盒T，网格单元中心点标记为x=<x1，x2>，则网格单元到物体的最大模距离表示为:
    

    此处，d=2．如果满足下列两个条件之一，则可    知网格单元与物体重叠：
    1) 网格单元中心点在物体包围盒内部；
    2) 网格单元中心点在物体包围盒外部且它们之间的最大模距离小于网格边长的一半．
    另外，复杂的场景中往往会定义若干个块区域，如果分别对每个块独立的用二维网格进行离散划分，那么每个块内的网格面都是孤立的，则没法直接驱动人群从一个块进入到邻接块．因此，为了实现群体在分块的多层环境下的漫游，我们定义一个全局坐标系，场景中每个块都将依据该坐标系实现二维网格划分，且使用统一的网格大小，这样块与块相邻的边界处的网格都是按坐标轴对齐的，我们可以方便地检测并建立边界网格的连接关系(在检测过程中，我们只需查询环境语义模型中的连接点(CP)，检查与其位置重叠的网格单元即可)，使场景中相邻块的网格被连接在一起，从而把整个场景作为一个整体统一计算势能函数并引导群体运动。
    在原连续群体算法中，个体密度映射是非常关键的一个步骤，用来反映某个体对所在区域的群体密集程度值的贡献．原方法在某一尺度网格中，效果较好且计算方便．但在复杂环境中，经常有较小的通道，为精确反映可行走区域需采用尺度较小的网格，这种情况下，原方法在个体与个体之间将产生严重的穿透现象。
    为了解决这个问题，我们提出根据个体半径和网格大小动态确定密度映射的有效范围，并重新设计了密度映射函数：首先，对每个个体，根据式(2)计算个体的影响因子бi,бi与个体的半径ri和网格单元边长L相关。
    

    其次，寻找离每个个体的位置最近的网格单元[i,j]，且要求该网格中心点的坐标值均小于个体当前位置的坐标。
    最后，取出网格序号为[1-б+i:б+i,1-б+j:б+j]的所有网格单元，并按照式(3)计算上述每个网格单元上的个体的密度值。
    

    其中，α是调节因子，当x-0.5时，р的值就等于α，x由式(4)可得：
    

    相对距离[△x，△y]由网格单元中心点与个体当前位置的坐标相减可得。
    我们提出的密度映射函数同时满足文献[14]中提到的两个条件：该密度场是连续的且个体对当前所在的网格单元的贡献值不少于，对邻居网格单元的贡献值不大于，这里=α。
    实验比较结果表明，原方法中高密度人群之间穿透较为严重，而我们的方法较好地适用于复杂环境下的高密度人群模拟，极少发生个体之间的穿透，实验tt较结果如图5所示：
(a)原算法的模拟结果；           (b)我们的模拟结果
图5高密度人群模拟的比较．
    4 系统功能与应用实例
    在上述技术基础上，我们研制了支持人群疏散虚拟现实模拟的工具系统——Guarder，并在多个重要场所与活动的安全分析与人群疏散预案模拟中进行了实际应用，包括国家奥运主体育场人员疏散策略分析、北京西客站节假日高峰期的人流规划与疏导、北京地铁奥林匹克公园站高峰客流等问题研究。
    Guarder系统的功能主要分为4类：疏导预案交互编辑功能、群体运动模拟功能、模拟结果统计分析功能和浏览显示控制功能．其中，疏导预案交互编辑功能，提供人群属性设定与场景设施属性的设定，为后续模拟设定上下文约束条件；群体运动模拟功能，计算在给定场景与预案下人群每一时刻的状态；模拟结果统计分析功能，计算疏散时间、动态密度变化等指标，为安全专家决策提供数据依据；浏览显示控制功能，提供用户浏览模式、浏览进度等参数设置，便于用户方便的对整个疏散过程进行任意角度、任意尺度的三维浏览。
    与其他软件相比，在上述技术框架基础上研制的Guarder系统，在高密度人群模拟、普通PC机上可负载群体规模、模拟结果三维可视化等方面，具有明显优势．下面我们以北京地铁奥林匹克公园站为例，介绍利用Guarder系统，解决大型公共设施中与人群安全疏散相关的问题。
    奥林匹克公园站是奥运支线北起第2个车站，位于奥运匹克中心区内，在奥运会开闭幕式日和比赛日期间承担客流输运任务，赛时承担着国家体育场、国家体育馆、国家游泳中心和国际会展中心的疏散客流，赛后则分别承担上述建筑举办大型文体活动时观众的集散，客流很大．为此，中国安全生产科学研究院联合中科院计算所，针对奥运匹克公园站，利用虚拟现实技术对该车站进行安全风险分析与评估．其中安全专家最为关注的问题是当双向列车满员到站时，如果车站发生突发事件，根据既定预案，人员撤离的时间和拥堵状况如何，针对这一难题，利用Guarder系统，我们对上述场景进行了虚拟现实模拟，很好的回答了上述问题。
    首先，建立了该车站的三维几何模型，从几何模型中提取场景的语义信息(如图6所示)；

(a)地铁站站台层几何模型；

(b)地铁站站台层语义模型示意图
图6地铁站模型．
    其次，根据安全专家建议，在地铁站台双向列车内初始化密集人群(如图7所示)，

(a)人群初始化后的站台层；

(b)地铁车厢内密集的人群
图7地铁站中的虚拟人群
    并在地铁站厅层随机初始化零散旅客，将车站几个出口设定为人群的目标点(如图8所示)；

图8人群的目标位置(-7母标记处为站厅层出口)
    此外，安全专家根据客流特点设定人员的行为属性，如男／女、年龄比例，最大行进速度分布等；同时根据人群疏散预案设置地铁站内各设施的属性，如自动扶梯速度、方向等．通过上述设置后，Guarder系统模拟双向列车同时满员到站并撤离的全过程(如图9所示).

图9地铁站人群撤离过程模拟场景
    精确计算3141人从站台层撤离所需的时间，并对模拟结果进行统计分析(如图10所示)，给出了总的撤离时间、撤离时易发生拥堵的地点和需要加大力度进行疏导的关键区域。

图10 根据模拟结果统计得到的站台层某一时刻人群密度图
    为验证模拟结果的可信度，我们实测了地铁车站客流高峰期关键通道的通行能力，并与模拟结果和地铁设计规范中标注的最大通过能力进行比较。
    首先，从监控视频中截取若干段高峰时刻关键通道视频，每段视频均保持连续拥堵状态3 min以上；其次，利用视频对不同关键通道的通行能力进行统计；
    最后，与Guarder的模拟结果进行比较．比较结果说明，Guarder模拟的关键通道通行能力与实测值较为接近(如图11所示)．其中，在自动扶梯上，模拟结果小于设计规范的最大通行能力，但与实测数据较为接近，符合实际情况．由于关键通道的通行能力，是疏散总时间、疏散时密度分布等指标的决定性因素，通过这项对比实验，可以证明Guarder系统的模拟结果具有一定可信度．由于难以获得群体在非理性(如恐慌、推挤等)情况下的实测数据，本文方法还有待进一步的实验证明。

图11关键通道高峰期通行能力比较
    5  小 结
    本文针对人群应急疏散的虚拟现实模拟这一问题．首先介绍其核心思想，提出模拟系统设计的技术框架；其次，详细阐述其中的复杂环境语义表示、群体运动仿真等关键技术．在此基础上，给出了具体的应用实例．应用实例证明，人群应急疏散的虚拟现实模拟技术能够较为有效地辅助公共设施中大规模人群的管理，特别是辅助解决应急疏散中的相关问题。
    作为一种新兴技术，人群疏散的虚拟现实模拟技术才刚刚起步，许多前沿问题有待进一步研究，包括：
    问题1:疏导人员、救援人员的智能行为建模．
    在应急疏散中，疏导人员和救援人员扮演了重要角色．针对特定场所和事件，人群应急疏散的预案制定，需要确定警力的数量，如何部署，如何分工、协同，如何进行信息传递等问题．真实地建立这些人员的行为模型，并加入到应急疏散虚拟现实模拟中，对于应急疏散预案设计具有重要指导意义和参考价值。
    问题2：10万人以上超大规模人群运动的快速模拟。
    目前Guarder系统能够在PC机上负载3万～5万人规模的虚拟群体．但面对10万甚至50万超大规模的人群，有必要借助高性能计算技术，研究其中的快速、并行计算问题．这一问题的解决有助于对大尺度范围内、超大规模动态人群进行运动模拟．从而解决类似于“2010年世博会全园区的客流疏散”、“城市地铁多线网联动客流疏运”等超大规模人群的模拟计算问题。
    问题3：对抗性群体行为建模．
    对抗性群体事件，例如球迷暴乱、示威游行、静坐等．考虑到这些事件与人群疏散问题之间的耦合性和衍生性，有必要结合心理学、社会学等领域的研究成果，研究并建立对抗性群体行为的模型．这一问题的解决有助于对各种因素导致的疏散场景进行更为真实的模拟计算。
    参考文献(略)
    作者简介
    王兆其．1966年生，研究员，博士生导师，中国计算机学会高级会员，主要研究方向为虚拟现实、智能人机交互．
    毛天露，1977年生，博士，副研究员，中国计算机学会会员，主要研究方向为虚拟现实(hm@ict.ac.cn)．
    蒋浩，1982年生，博士研究生，主要研究方向为群体模拟(jianghao@ict.ac.cn)．
    夏时洪，1974年生，博士，副研究员，博士生导师，中国计算机学会会员，主要研究方向为运动捕获、人体动画、运动分析及用户接口(xsh@ict.ac.cn)．