一种基于移动机器人行为的人员疏散的元胞自动机模型

896www.scichina基于元胞自动机的火灾中人员逃生的模型杨立中 方伟峰 黄 锐 邓志华(中国科学技术大学火灾科学国家重点实验室, 合肥 230026. E-mail: zxd@)摘要 在已有的元胞自动机交通流模型和行人流模型的基础上, 提出了一个模拟火灾中人员逃生的基本模型, 并介绍了其扩展模型的应用. 主要特点是引入了的概念,使得模型在确定人员逃生路线方面更加合理分散及空间可扩展系统[1~5]. 它最早由von Neumann 等人提出来[1],起初主要用于模拟生命系统所具有的自复制功能. 近年来, 人们对元胞自动机模型的兴趣大增, 原因是这类简单的模型能十分方便地复制出复杂的现象或动态演化过程中的吸引子星系形成雪崩并行计算机及地震等. 用元胞自动机来模拟一个物理过程的优点[3]在于省去了用微分方程作为过渡而直接通过制定规则来模拟非线性物理现象. 在这些实际应用中, 元胞自动机模型通过简单的微观局部规则揭示了自然发生的宏观行为.元胞自动机在流体力学中最重要的应用之一是元胞自动机交通流模型[6~13], 其中最经典的要算Wolfram 建立的第184号元胞自动机模型[2]. 其他模型一般都是在该模型的基础上进行改进以模拟更真实时走时停等现象的发展过程, 成功解释了交通流中的激波自组织临界现象, 在指导城市交通建设方面起到了重要的作用. 这些交通流模型也为元胞自动机行人流模型规则的制定提供了基本依据.行人运动作为道路交通中一个重要的组成部分, 对交通工具的站点设计和交通灯的设计有很重要的影响. 此外在设计办公大厅速度-流量-密度) 行人运动更具随机性, 如会出现突然停止) 行人运动并没有像车辆运动那样有速度) 行人运动的加速时间较短并且较少担心会发生碰撞, 在运动时一般不用考虑后面行人的运动情况. 此外行人运动还有一些自身的特点, 如Helbing [19,23]在他们的模型里引入了的概念. 目前在建立元胞自动机行人流模型方面有两种方法.一是从行人运动与车辆运动的异同点出发, 在交通流模型的基础上根据行人运动的特点建立行人流模型, 如Blue 和Adler 提出的一系列[15~18]包括双向四向死亡者是由于没能及时逃出火灾现场而吸入了烟尘及有毒气体而致死的, 2000年2512新疆克拉玛依市友谊宫特大火灾(330人死亡)都是血的惨痛的例子, 因此对火灾中人员逃生现象和规律的研究直接关系到人员的生命安全问题.目前对火灾中人员逃生的研究主要集中在:() 对人员在火灾中逃生行为的研究, 如研究人员对火灾的早期反应[30], 时间压力对人员逃生的影响[31]等等. 这些研究从不同方面得到了很多理论结果并在实际应用中取得了一定的成效. 总的来说, 目前一个明显的趋势就是未来的模型将包含更多的行为细节.而这方面的表现将很大程度上依赖于建立模型所使用的方法. 现有的一些连续方程模型, 一般是将逃生的人员作为无意识的粒子来看待,因此缺乏对实际逃生过程的一些复杂现象的模拟能力, 而如果用元胞自动机模型就可以很好地考察人员的智能性和差异性的作用. 但是考虑到火灾人员逃生的特殊性以及复杂性, 目前已有的元胞自动机模型都不能很好地直接应用.通过分析我们认为, 火灾人员逃生模型不同于一般行人流模型之处主要有: () 火灾中人员都尽可能以最大速度逃生. (简单和必要性原则. 通过分析火灾对人员逃生的影响,可以认为人员在火灾中的逃生过程主要受两个方面因素的影响: 一是主观因素, 包括人员对周围环境的认识(如各个出口位置分布人员对火灾发生位置和危险程度的认识等等. 二是客观因素,包括人员逃生能达到的最大速度客观因素之间是相互影响总危险度图位置危险度火灾危险度总危险度图总危险度图总危险度图0.40 m 的空间, 这是在密集人流中典型的人员空间分配[25](另外一种常用的标准[24]是0.457m s −1, 正常情况下为1.30 ms −1左右[16]. 因为模型中所有人员是并行变更位置的, 这样就引入了反应时间问题, 如果规定每个时间步每个人员只能移动一格, 则紧急情况下每个时间步为0.40/1.80) 当人员发现某处发生火灾时, 则该处及周围格点的危险度随之增大. (总危险度图898 www.scichina本文的模型分为基本模型和扩展模型两种,基本模型主要有3个并行变更阶段. 第1个阶段是目标格点的选择, 每个人员在本身所在格点及相邻的4个格点中(即不包括对角线运动)根据自己的选择一个空的总危险度位置危险度火灾危险度总危险度位置危险度火灾危险度火灾危险度”则在扩展模型中考虑. 第2个阶段的目的是解决冲突, 所有人员按第1阶段变更之后, 如果进入某个格点的人数大于0, 则按每人相同的概率选择一位留下, 其余回到原位, 这样做主要是为了模拟现实情况下的人员运动的不确定性. 用这种方法解决冲突还有一个作用就是较密集的地方由于竞争增大必然会有更多的人员不能移动, 这就模拟了人员之间推挤而导致前进困难的情况. 这两个阶段就完成了该时间步的人员位置变更. 最后一个阶段主要是对进行变更, 根据各人员对周围环境的重新认识变更各自的总危险度图) 对每个被人员占据的元胞, 比较其与周围4个元胞(除去被其他人员占据的元胞)的总危险度大小, 选择危险度最小者作为要进入的目标元胞, 并将目标元胞的进入人数增加1;全部结束后转到() 判断每个元胞的进入人数n , 若其值大于0, 则按均等机会原则选择其中一位留下,其余元胞在本时间步不做移动; 到这里实现了所有元胞状态(即是否被人员占据)的变更; 全部结束后转到() 分析每个新位置上人员的, 若因为发现更优出口而需要改变路线, 则调整其, 将新出口作为危险等级最低点, 在扩展模型中还要考虑根据火灾场景来调整其; 全部结束之后重新转到() 为了模拟人员的智能加入的概念(见图1, (a)和(b)中的阴影部分分别是视野为1和2时中间位置元胞所看到的范围), 随着人员视野的扩大,其对当前时间步运动方向的确定就可以按照下一时间步的最优选择来进行. 此外, 视野还可以用来模拟人员在火灾中由于烟气存在而导致的视力范围缩小等问题. (危险源”, 其周围的危险度相应增大. () 另外,可以通过数据收集和问卷调查的方式收集实际生活中人员在火灾中的各种反应数据并将其加入到模型当中. 例如在接收到火灾信息后的反应(因为人从接收信息到做出逃生决定之间有个反应时间, 不同的人反应时间也会不同). 在对出口不明的情况下是如何选择逃生路线的(如跟随多数人运动还是往人少的地方运动等), 以及人在有毒烟气中停留时间与其生理上受到的伤害之间的关系等等, 这些因素的考虑可以使模型更真实地模拟火灾人员逃生情况.图1 元胞视野示意图2 模拟算例下面给出用基本模型和扩展模型模拟的大房间内人员疏散的一些典型结果.2.1 基本模型的算例图2是用基本模型模拟一个大房间(只有一个出口)内人员疏散的情况, 为了和已有的模型进行比较, 这里暂时不考虑火灾场景的作用,即总危险度图呈辐射状衰减, 门口处的元胞危险等级最低,而离门口最远的两个角落上的元胞危险等级最高. 整个房间被划分成30第15个时间步和第80个时间步时的人员分步情况图. 通过与文献[24, 26]的比较,可以看出本文模型可以很好地模拟这种简单的情况.2.2 扩展模型的算例为了验证扩展模型的应用能力, 模拟了扩展视野之后的大房间内人员疏散的情况. 图3是在算例1的基础上将视野范围改为图1(b)所示情况后的人员疏散情况(初始条件和的确定都相同). 图3(a)~(c)分别为第15,50和80个时间步时人员的分布情况, 比较图2(c)与3(c)可以看出, 由于扩展了视野, 人们能够看到更广的范围从而进行更合理的路线选择(因为从人们的常识以及与文献[24, 26]的比较来看, 图3中的人员分布情况更合理一些). 同样这种情况也可以用来解释人员在火灾中由于烟气存在而导致的视力下降现象, 即将算例1解释为烟气浓度更大时的人员疏散过程.从本算例可以看出, 引入概念的确可以解决真实火灾场景中的一些特殊现象.此外, 该扩展模型还可以用来模拟由于烟气对人们视力的影响或其他原因导致的不同出口处人员分布不均匀而导致逃生效率降低的情况.另外, 其他的扩展模拟同样可以用来研究实际逃生过程的特殊现象, 例如考虑不同速度等级的人员分配可以研究长走廊中由于局部加宽而引起的逃生效率变化问题.算例3是在算例2的基础上加入了火灾场景后的人员逃生情况, 这里简单地认为火源及其影响区域不随时间变化, 并只考虑火灾场景对人员心理的作用(对人员逃生路线的影响),暂时不考虑有毒烟气对人员生理机能(包括期望速度和视力等)的影响. 对于火灾场景的危险度我们是这样考虑的: 在火灾影响区域内, TD (总危险度)等于PD (位置危险度)与FD (火灾危险度)的线性和, 通过对模型的演算, 发现当FD 与PD 的系数比为10左右时模拟效果比较好,因此在该算例中选择系数比为10. 真实火灾中对于不同的人(其对火灾危险度认识不一致)以及不同危险程度的火灾, 这个系数比是不同的,需要通过相应的数图2基本模型模拟的大房间人员疏散示意图图3 扩展模型(增大视野)模拟的大房间人员疏散示意图万方数据900www.scichina 图4 扩展模型模拟的发生火灾大房间内人员逃生示意图据调查获得. 这里为了简单起见, 认为所有人员对房间和火灾的认识都是完整的, 并且不随时间变化. 这样每个人员的由和叠加而成, 是以火源为危险等级最高点呈辐射状衰减, 并有一定的影响范围,同算例1和 2. 最终中, 火源处危险等级最高. 图4同样给出了逃生过程的3个典型阶段. 图4(a)~(c)分别是第5, 15和50个时间步时人员分布情况(圆形阴影部分为火源(十字形区域)及其影响区域), 可以看出由于火灾场景的加入使得该处的危险度急剧升高, 人们相应地改变了逃生路线, 绕过了火灾影响区域.3结束语本文简单介绍了元胞自动机及其在交通流和行人流中的应用, 从中可以看出元胞自动机具有很强的模拟复杂物理现象的能力, 其在火灾人员逃生模型的应用前景也是很诱人的. 尽管如此, 据作者所知, 目前利用元胞自动机来专门研究火灾中人员逃生现象的模型鲜见报道, 其主要原因在于火灾这种现象本身的复杂性加上目前对元胞自动机行人流模型的研究还未成熟,使得这方面的工作开展得较慢.研究火灾中人员逃生现象, 建立一个合理总危险度图方便, 并且简单地反映了火灾场景对人员主观方面的影响. 基本模型力求包括一些基本的基本现象以及火灾人员逃生中的一些特殊现象, 例如通过改变来模拟诸如由烟气引起的视力范围缩小2Wolfram S. Theory and Applications of Cellular Automata.Singapore: World Scientific, 19863 Wolfram S. Cellular Automata and Complexity. Baltimore:Addison-Wesley Publishing Company, 19944谢惠民. 复杂性与动力系统. 上海: 上海科技教育出版社, 19945 张本祥, 孙博文. 社会科学非线性方法论. 哈尔滨: 哈尔滨出版社, 19976Kai N, Michael S. A cellular automaton model for freewaytraffic. J Phys I, 1992, 2(12): 2221~22297 Fukui M, Ishibashi Y. Traffic flow in 1D cellular automatonmodel including cars moving with high speed. J Phys Soc Jpn, 1996, 65(6): 1868~18708Rickert M, Nagel K, Schreckenberg M, et al. Two-lanetraffic simulations using cellular automata. Physica A, 1996,231(4): 534~5509Simon P M, Gutowitz H A. Cellular automaton model forbi-directional traffic. Physical Review E, 1998, 57(2):2441~244410 Wolfman D. Cellular automata for traffic simulations.Physica A, 1999, 263(1-4): 438~45111 Sasvari M, Kertesz J. Cellular automata models of singlelane traffic. Physical Review E, 1997, 56(4): 4104~411012 Biham O, Middleton A A, Levine D. Self-organization anddynamical transition in traffic-flow models. Physical Review A, 1992, 46(10): 6124~612713 Chowdhury A D, Schadschneider A. Self-organization oftraffic jams in cities: effects of stochastic dynamics and signal periods. Physical Review E: Rapid Communications (AIP, USA), 1999, 59(2): 1311~131414 Special Report 209: Highway Capacity Manual.Transportation Research Board, National Research Council,Washington D C, 1985. Chapter 1315 Blue V J, Adler J L. Emergent fundamental pedestrian flowsfrom cellular automata microsimulation. Transportation Research Record, 1998, 1644: 29~3616 Blue V J, Adler J L. Bi-directional emergent fundamentalpedestrian flows from cellular automata microsimulation.In: Ceder A, ed. Transportation and Traffic Theory,Proceedings of the 14th International Symposium on Transportation and Traffic Theory, Jerusalem, Israel, 1999.235~25417 Blue V J, Adler J L. Cellular automata microsimulation formodeling bi-directional pedestrian walkways. Forthcoming in Transportation Research B-METH, 2001, 35(3):293~31218 Blue V J, Adler J L. Modeling four-directional pedestrianflows. In: Proceedings of the 79th Transportation Research Board. Washington D C, 200019 Helbing D, Molnar P. Social force model for pedestriandynamics. Physical Review E, 1995, 51(5): 4282~428620 Virkler M R, Elayadath S. Pedestrian speed-flow-densityrelationships. Transportation Research Record, 1994, 1438:51~5821 Lovas G G . Modeling and simulation of pedestrian trafficflow. Transportation Research B, 1994, 28(6): 429~44322 AlGadhi S, Mahmassani H. Simulation of crowd behaviorand movement: fundamental relations and application.Transportation Research Record, 1991, 1320: 260~26823 Helbing D, Farkas L, Vicsek T. Simulating dynamicalfeatures of escape panic. Nature, 2000, 407(28): 487~49024 Special Report 209: Highway Capacity Manual.Transportation Research Board, National Research Council,Washington D C, 199425Burstedde C, Klauck K, Schadschneider A, et al.Simulation of pedestrian dynamics using a two-dimensional cellular automaton. Physica A, 2001, 295(3-4): 507~52526 Levin B C, Braun E, Navarro M, et al. Further developmentof the n-gas mathematical modelan approach for predicting the toxic potency of complex combustion mixtures. American Chemical Society, 1995, 599: 293~31127 Gwynne S, Galea E R, Owen M, et al. A review of themethodologies used in evacuation modeling. Fire and Materials, 1999, 23(6): 383~38828 Ashe B, Shields T J. Analysis and modelling of theunannounced evacuation of a large retail store. Fire and Materials, 1999, 23(6): 333~33629 Hartzell G E. Engineering analysis of hazards to life safety infires: the fire effluent toxicity component. Safety Science, 2001,38(2): 147~15530 Sekizawa A, Ebihara M, Notakeet H, et al. Occupants’behaviour in response to the high-rise apartments fire in Hiroshima city. Fire and Materials, 1999, 23(6): 297~30331 Ozel F. Time press and stress as a factor during emergencyegress. Safety Science, 2001, 38(2): 95~10732 Bak P. How nature works: the science of self-organizedcriticality. Nature, 1996, 383(6603): 772~773(2002-01-31收稿, 2002-04-16收修改稿)万方数据。

《基于空间细化元胞自动机的行人疏散建模与仿真》篇一一、引言近年来，行人疏散建模与仿真在公共安全、城市规划、建筑安全等领域引起了广泛的关注。

空间细化元胞自动机作为现代建模和仿真的有效工具，其在处理大规模人群动态问题上的表现尤其出色。

本文旨在通过构建基于空间细化元胞自动机的行人疏散模型，进行行人疏散行为的仿真研究，为相关领域提供理论依据和参考。

二、元胞自动机模型与行人疏散元胞自动机是一种通过定义元胞（或单元）及其状态和变化规则，对离散的空间和时间进行建模的仿真方法。

在行人疏散过程中，可以将建筑物内部或特定区域的空间进行格网化，并采用元胞自动机进行仿真模拟。

然而，传统的元胞自动机在描述空间环境和个体行为方面往往较为简化，因此我们提出基于空间细化的元胞自动机模型进行行人疏散建模。

三、基于空间细化元胞自动机的行人疏散模型构建（一）模型假设与参数定义在构建模型时，我们假设每个元胞内的人员数量和速度等参数是可变的，同时考虑了多种影响因素，如空间布局、出口位置、出口容量等。

我们定义了包括个体行为特征、空间环境特征和动态变化特征等在内的多种参数。

（二）模型构建基于上述假设和参数定义，我们构建了基于空间细化元胞自动机的行人疏散模型。

该模型包括元胞的划分、个体行为的设定、动态变化规则的制定等部分。

在元胞划分上，我们根据实际场景的空间布局进行细致的划分；在个体行为设定上，我们考虑了行人的行走方向、速度、避障行为等因素；在动态变化规则上，我们根据行人的行为特征和空间环境的变化进行动态调整。

四、行人疏散仿真与结果分析（一）仿真实现我们利用计算机编程技术实现了基于空间细化元胞自动机的行人疏散仿真。

在仿真过程中，我们根据实际情况设置了不同的场景和参数，对行人疏散过程进行了多次模拟。

（二）结果分析通过对仿真结果的分析，我们可以得到以下结论：1. 空间布局对行人疏散效率有显著影响。

合理的空间布局可以有效地提高疏散效率，减少拥堵和混乱现象的发生。

《基于空间细化元胞自动机的行人疏散建模与仿真》篇一一、引言随着城市化进程的加速，大型公共场所如购物中心、火车站、地铁站等人员密集区域的行人疏散问题日益突出。

如何有效地模拟和预测行人疏散行为，对于保障公共安全具有重要意义。

本文提出了一种基于空间细化元胞自动机的行人疏散建模与仿真方法，旨在为相关研究提供理论支持和实践指导。

二、空间细化元胞自动机模型空间细化元胞自动机模型是一种基于空间离散化和时间离散化的行人行为模拟方法。

该模型将疏散空间划分为若干个元胞，每个元胞代表一定区域内的空间状态。

在此基础上，通过定义元胞的属性和状态，以及元胞间的相互作用和转换规则，模拟行人的运动和疏散过程。

在本文中，我们采用了空间细化元胞自动机模型来描述行人的疏散行为。

首先，将疏散空间划分为若干个细小的元胞，每个元胞具有一定的空间属性和状态。

然后，根据行人的行为特性和疏散环境，定义元胞间的相互作用和转换规则。

最后，通过计算机仿真技术，模拟行人的运动和疏散过程。

三、行人疏散建模在行人疏散建模过程中，我们需要考虑行人的行为特性、疏散环境以及元胞间的相互作用等因素。

首先，我们需要定义行人的基本属性，如性别、年龄、行走速度等。

其次，我们需要考虑疏散环境对行人行为的影响，如出口位置、障碍物分布、灯光亮度等。

最后，我们需要根据元胞间的相互作用和转换规则，模拟行人的运动和疏散过程。

在本文中，我们采用了多种方法来进行行人疏散建模。

首先，我们通过问卷调查和实验数据等方式收集了行人的基本属性和行为特性。

其次，我们根据疏散环境的实际情况，建立了相应的元胞属性和状态。

最后，我们通过定义元胞间的相互作用和转换规则，以及行人的行为模型，模拟了行人的运动和疏散过程。

四、仿真实验与分析为了验证本文提出的基于空间细化元胞自动机的行人疏散建模与仿真方法的有效性，我们进行了仿真实验。

首先，我们建立了仿真场景，包括疏散空间的布局、出口位置、障碍物分布等。

然后，我们设置了不同的疏散场景和条件，如不同数量的行人、不同的疏散环境等。

《基于空间细化元胞自动机的行人疏散建模与仿真》篇一一、引言行人疏散模拟对于城市规划、建筑设计以及紧急情况下的应急管理具有重要意义。

本文旨在探讨基于空间细化元胞自动机的行人疏散建模与仿真方法，通过建立精确的模型和进行仿真实验，为相关领域的研究提供理论依据和实践指导。

二、元胞自动机与空间细化元胞自动机是一种离散模型，通过定义元胞的邻域关系和状态转移规则来模拟复杂系统的演化过程。

在行人疏散建模中，元胞自动机能够有效地模拟行人的移动和疏散过程。

而空间细化则是为了提高模型的精度和准确性，将空间划分为更小的单元，以便更精确地描述行人的行为和环境的细节。

三、模型构建1. 定义元胞与空间细化：将疏散空间划分为多个细小的元胞，每个元胞代表一个特定的空间区域。

元胞的大小和形状根据实际需求进行设定，以充分反映行人的行为和环境的特点。

2. 定义行人行为：根据行人的行为特性，如方向选择、速度、避障等，制定相应的规则和算法。

这些规则将决定行人在元胞自动机中的移动和状态变化。

3. 构建疏散模型：基于元胞自动机和行人行为规则，构建行人疏散模型。

模型应包括行人的起始位置、目标位置、移动规则、疏散路径等要素。

4. 仿真环境设置：设置仿真参数，如时间步长、仿真区域、行人数量等，以模拟真实的疏散场景。

四、仿真实验与分析1. 仿真实验：通过编程实现基于空间细化元胞自动机的行人疏散模型，并进行多次仿真实验。

通过调整仿真参数和规则，观察行人的疏散过程和结果。

2. 结果分析：对仿真结果进行分析，包括行人的疏散时间、速度、路径选择等方面。

通过对比不同场景和条件下的仿真结果，探讨空间细化对模型精度和准确性的影响。

3. 模型验证：将仿真结果与实际数据或实验数据进行对比，验证模型的可靠性和有效性。

通过不断优化模型和算法，提高模型的预测能力和实用性。

五、结论与展望1. 结论：本文提出了一种基于空间细化元胞自动机的行人疏散建模与仿真方法。

通过建立精确的模型和进行仿真实验，证明了该方法的有效性和可靠性。

基于元胞自动机的人群疏散模型巩青歌;沈晓飞;王文骏【摘要】通过分析已有的元胞自动机理论基础，改进了从众吸引力算法，简化了复杂空间欧氏距离算法，真实反映了人员惊慌状态下的从众心理，并且提高了危险排斥力和出口吸引力的量化效率。

本文重点研究了疏散人群密度、出口宽度、从众心理对疏散时间的影响。

研究结果表明，行人疏散时间随行人数量呈线性增加；随安全出口宽度呈负指数性减少；盲目从众导致人群疏散效率降低形成局部拥堵。

%By analyzing the basic theory of CA and improving the algorithm of occupant psychology, we simplify the complex algorithm of Euclid space distance, which reflect the occupant psychology of crowds and improve the quality efficiency of the rejection of dangers and the appealing of the exits. This paper mainly studies the effect of the density of crowds, the width of the exits, the occupant psychology of the crowds. The results show that the evacuation time grows linearly with the amount of the crowds, and decreases in negative exponent with the width of the exits. Follow the crowds blindly will cause congestion because the low efficiency of evacuation.【期刊名称】《计算机系统应用》【年(卷),期】2013(000)011【总页数】5页(P105-109)【关键词】元胞自动机;从众吸引力;疏散;欧氏距离算法【作者】巩青歌;沈晓飞;王文骏【作者单位】武警工程大学装备与信息技术研究所，西安 710086;武警工程大学装备与信息技术研究所，西安 710086;武警工程大学装备与信息技术研究所，西安 710086【正文语种】中文近年来，公共场所人群安全疏散问题日益突出并越来越受到我国有关部门研究人员的重视，对该问题的研究方法计算机数值模拟仿真已取代了大规模的演习和调查统计等传统方法，成为最重要的一种研究方法.由著名的数学家J.Von-Neumann最早于1948年提出来的元胞自动机(Cellular Automaton，CA)模型就是其中一种模拟人员疏散过程的模型，其实质是定义在一个由具有离散、有限状态的元胞组成的元胞空间上，并按照一定的局部规则，在离散的时间维上演化的动力学系统[1，2].在基于元胞自动机的人员疏散模型研究方面，文献[3]基于“地场”重点研究建筑物的出口位置和出口宽度对行人疏散的影响.文献[4]在“地场”方法的基础上引入了“位置危险度”的概念来确定行人的运动规则.文献[5]提出了一个新的元胞自动机模型，考虑了人与人之间相互作用的基础上，通过量化吸引力、排斥力和摩擦力提高了运算效率，而且模拟结果与实际行人疏散情况符合较好.文献[6]采用元胞自动机模型模拟了不同房间结构下人员疏散，重点研究了人员密度和出口条件对疏散时间的影响.文献[7，8]结合行人的实际运动特点根据房间出口的位置来重新定义位置危险度，并且考虑了行人的并排成对、前后成对、混合成对(同时存在并排成对与前后成对)三种成对方式，提高了行人运动规则的合理性.紧急状况下的人员疏散是一个非常复杂的过程，涉及到环境、心理和生理等多方面因素的影响，本文改进了从众吸引力算法更加真实地反映人员的从众心理，简化了在复杂环境中的欧氏距离算法，提高了危险排斥力和出口吸引力的量化效率.通过计算机仿真，重点研究了出口宽度、从众心理对疏散时间的影响.1 模型建立1.1 从众吸引力当生命处于危急情况时，由于惊恐，人员会失去正常的判断能力，产生从众心理，不管有什么人跑动时，都会盲目地跟从其后，跟随大多数人进行疏散.因此CA模型必须引入从众吸引力这一因素来反映人员的从众心理，才可能真实再现疏散全过程.传统的疏散模型大多通过均值法和数值统计法模拟从众现象.均值法通过计算感知区域内所有人员位置坐标的均值来获得目标位置.此方法能够较好地拟合人群在慌乱状态的心理反应，但是在复杂的场景下人员的感知区域很难确定，障碍物的遮挡、人群密度及烟雾等因素都对感知区域有很大的影响，而且此方法具有较高的计算复杂度.数值统计法通过统计相邻元胞经过元胞的人数确定运动目标元胞.其从众吸引概率计算公式为:其中，P1(i，j)表示位置为(i，j)元胞的从众吸引概率，N ij表示位置为(i，j)元胞截止到当前时刻统计的经过元胞的人数，表示截止到当前时刻统计的相邻元胞经过人数之和.此公式表明经过元胞的人数越多，从众吸引力越大.统计经过元胞的人数只能反映人群容易聚集的位置，而不能反映真正感兴趣的人流运动的方向，因此只采用元胞数值统计法来确定元胞的从众吸引力时存在以下一些问题:问题一: 当人流从窄道向宽道疏散时，或者人流由单道向多个叉道疏散时，由于人群的分流，宽道处的元胞统计值比窄道处的小，叉道处的元胞统计值比单道处的小.因此连接口的元胞会存在与人流运动方向相反的吸引力.问题二: 当目标位置被其他人员占据时，需要沿着人流运动方向绕行，此时可能反方向的元胞统计值相对更大，因此做出不合理的绕行.为了解决以上问题，本文改进了传统的元胞数值统计模型，通过分别统计元胞向不同方向上的相邻元胞运动的人数，即在元胞的各个运动方向上分别设定一个计数器，当有人员由此元胞向某方向运动时，就触发相应的计数器，比较不同方向上经过的人数，能更好地反映人流运动的趋势.具体的从众吸引概率计算方法如下:式中: P1(i，j，t)为元胞在 t方向上的从众吸引概率;C [i][j][t ]为截止当前时刻元胞向t方向运动的人数;为截止当前时刻元胞向t个方向运动的总人数.此算法意义在于: 朝某方向运动的人越多，则从众吸引越大.较式(1)更能反映人流运动方向，使从众吸引力更加真实准确.1.2 出口吸引力在疏散过程中，疏散人员会尽量选择最近路径来向出口运动，距离出口越近的元胞吸引力越大，距离出口越远的元胞吸引力越小，障碍物没有吸引力.因此可以采用元胞位置与出口的欧氏距离衡量该位置的出口吸引力.出口宽度大于一个元胞空间时，取距出口内元胞最小的距离值.当疏散空间拥有多个出口时，在多个安全出口之间取距出口最小的距离值.具体的计算方法为:式中: Lij为元胞（i，j）距离出口最近距离; 为第m个出口中第n个元胞的位置坐标; M为一个大正数，说明障碍物几乎没有吸引力.图1 元胞空间欧氏距离在现实的疏散环境中，疏散空间内常常存在影响疏散的障碍物，行人不得不避让和绕行.存在障碍物的疏散空间计算出口吸引力就比较复杂，传统模型中大多采用Dijkstra算法来计算疏散空间内的元胞位置距安全出口的最短准欧氏距离.存在一个假想流从安全出口出发，在元胞位置与安全出口之间的距离在采用欧氏距离的基础上，以恒定速度逐渐向外沿任何可能的元胞方向扩散蔓延;当假想流遇到障碍物的时候，假想流将会改变方向后继续沿任何可能的元胞方向扩散和蔓延.在假想流扩散和蔓延的过程中，元胞与安全出口之间的距离采用欧氏距离，假想流的扩散采用相邻的四个元胞位置向外扩散.假想流首先到达的元胞位置与安全出口之间的准欧氏距离将是安全出口到元胞位置之间的最短距离.此算法精确度较高，但是计算复杂度太大，影响仿真效率.因此本文提出了切割法: 将疏散空间切割为多个独立的没有障碍物的疏散子空间，设立多级子出口，并且本级子出口位于上级子空间中，在子空间中计算元胞对应子出口的欧氏距离，根据上级子出口计算本级距父出口的欧氏距离，最终得到所有元胞的欧氏距离.显然在具有较浅空间层次和较大子空间的疏散空间上，切割法具有更高的计算效率，在一定和度上弥补了Dijkstra算法的不足.图2 疏散空间障碍物分图3 疏散空间分割图2为疏散空间的障碍物分布示意图，图3是对疏散空间分割后的示意图，其中◇表示父出口，△表示一级子出口，○表示三级子出口，从而将疏散空间分割为四个无障碍物的子空间.通过式3分别计算每个子空间中元胞空间到子出口的欧氏距离，最后通过加上相应子出口距父出口的欧氏距离，得到整个疏散空间距父出口的欧氏距离如图4.根据元胞空间距出口的欧氏距离计算元胞出口吸图4 障碍物疏散空间的欧氏距离引概率的具体公式为:式中: P'（i，j，t）为元胞（i，j）在t方向上的出口吸引概率; Lmax为相邻元胞中距出口的最远欧氏距离; Lmin为相邻元胞中距出口的最近欧氏距离; 为元胞在 t 方向上相邻元胞距出口的欧氏距离.此公式的意义在于: 距离出口越近的元胞，其出口吸引力越大，反之距离出口越远，其出口吸引力越小.1.3 危险排斥力危险排斥力主要表现为人员远离危险源的愿望.为了定量描述排斥力，根据 2.2节提出的分割法以及欧氏距离计算公式，计算元胞空间距危险源的欧氏距离，从而引入排斥力概率:式中: P''（i，j，t）为元胞（i，j）在 t方向上的排斥概率;Smax为相邻元胞中距危险源的最远欧氏距离; Smin为相邻元胞中距危险源的最近欧氏距离; 为元胞在 t 方向上相邻元胞距危险源的欧氏距离.此公式的意义在于: 距离危险源越远的元胞，向此元胞运动的概率越大，反之距离危险越近，向此元胞运动的概率越小.1.4 综合效益评估人员在理智状态时，会向远离危险靠近出口的最优元胞运动，即综合出口吸引概率及危险源排斥概率得到理智状态的最优选择概率 p2，从而选择效益最高的目标元胞.人员处于慌乱状态时的从众心理则会干扰人员判断，违反最高效益的原则而趋向人流方向.根据从众心理的干扰，可以得到综合选择概率的计算方法:式中: P为综合选择概率; P1为从众吸引概率; P2为最优选择概率; α(1≥α≥0)为从众干扰因子，由人员的慌乱程度、对疏散空间的熟悉度等因素决定.此公式的意义在于: 从众干扰因子α越大，对人员正确判断的干扰越大; 相反α越小，人员做出正确判断的概率越大.1.5 规则演化本模型采用并行更新机制，疏散人员都必须遵守如下运动规则:(1) 在每一时间步长t内，疏散人员只能向上、下、左、右四个方向移动一个元胞的长度或者选择原地等待，如图5所示.图5 疏散人员运动方向(2) 疏散人员通过计算综合选择概率 P(如图 6)，选择拥有最大选择概率的位置作为自己的下一步目标位置.当在多个运动方向上拥有相同的选择概率，且为最大选择概率时，在这些元胞中以相同的概率随机选择一个元胞作为自己的下一步目标位置.图6 综合选择概率(3) 当多个人员同时竞争一个空闲位置时，彼此之间会存在位置冲突.当行人之间存在位置冲突时，系统将会以综合选择概率最大的人员占据该位置，此人员进入该位置的意愿最强烈.其余人员选择向相对综合选择概率较高的位置运动.人员所有运动向上的位置都被其他人员占或者障碍物占据时，将留在原地等待.当两个疏散人员同时选择对方当前的位置作为自己下一步的目标位置时，彼此交换位置.(4) 当疏散人员移动到安全出口内时，在下一时间步长内，行人将移出系统.疏散空间内的所有疏散人员都移出系统后，仿真过程结束.2 仿真分析应用本文建立的元胞自动机人员疏散模型，按照每个元胞对应 0.4m*0.4m空间的网格划分，对一个超市火灾疏散模型进行模拟，如图7.程序运行编译环境:Windows XP SP3，Visual Studio2008，使用 C#.NET 开发语言.图7 仿真界面仿真实验中主要从以下几种情形进行分析: 一是建筑内出口宽度对疏散时间的影响;二是从众干扰因子权重设定对疏散时间的影响.表 1为不同的出口宽度疏散一定人群密度人员的所需时间步长表(设定从众干扰因子α＝0.2).表1 出口宽度对疏散时间影响的统计表人群密度出口宽度0.1 0.2 0.5 0.81 386 784 2106 34225 104 156 403 123710 96 123 245 551表 1的实验数据表明: 当人群密度在出口疏散能力范围内时，增大出口的宽度对疏散效率的提高作用并不明显; 相反当出口疏散负担超过其疏散能力时，疏散效率将大辐降低.行人疏散时间随行人数量呈线性增加，随安全出口宽度呈负指数性减少.并且当出口相对狭窄，人数相对较多且都疏散到出口附近时，出口旁的人大部分无法运动，后面的人绕行加剧，由于堵塞在瓶颈位置会出现明显的扇形结构.因此，建议根据建筑物的人流量大小，合理设置出口大小.表2为设定不同从众干扰因子权重时所用疏散时间步长对照表(人群密度K＝0.5，出口宽度L＝5).表2 从众干扰因子对疏散时间影响的统计表从众干扰因子权重（α）最优选择概率权重（1－α）疏散时间步长0 1 4260.2 0.8 4030.5 0.5 3920.7 0.3 4180.8 0.2 514表2的实验数据表明α＝0时，根据效益最优原则运动其疏散时间较长，通过增大从众行为权重α疏散时间减小，疏散效率提高，当α＝0.8时，由于大多数人员的盲目从众，导致人群分流效率降低，形成局部拥堵，疏散时间变长.试验结果表明从众行为在疏散仿真中是必须考虑的主要因素之一，合理设置从众干扰因子权重可真实再现人员疏散的全过程.通过仿真实验可知本模型能使疏散时间有效收敛，并且在对从众因子的对比分析中，所得数据能较好地耦合实际疏散规律且没有发现畸形数据，因此本文提出的从众吸引力算法正确有效，较好克服了传统从众吸引力算法的不足.3 结束语本文提出的基于元胞自动机的人员疏散模型，改进了从众吸引力算法，简化了存在障碍物的复杂空间欧氏距离计算方法，使得模型在人员疏散路径的选择上更具合理性和真实性，并且提高了仿真效率.但本模型没有考虑人与人之间、人与障碍物之间的摩擦拥挤排斥等因素，也没有考虑环境、心理和生理等多方面因素的影响，这些问题都需要更深层次的探讨和完善.研究结果表明: 出口宽度设置应与人流量相适应; 适当从众能提高疏散效率，盲目从众则降低疏散效率.此外，在行人疏散仿真过程中，能观察到在出口前形成拱形的行人拥挤状态，以及离危险源近或者从众心理强烈的人员移动意愿更强，表现出更强的位置竞争力.参考文献【相关文献】1 Chopard B，Droz M.祝玉学，赵学龙译，物理系统的元胞自动机模拟.北京:清华大学出版社.2003.2 肖双喜.拥挤人群疏散数学模型的研究现状探讨.中国安全生产科学技术，2007-4，3(2).3 Zhao DL，Yang LZ，Li J.Exit dynamics of occupant evacuation in an emergency.Physical A，2006，363: 501-511.4 杨立中，方伟峰，黄锐.基于元胞自动机的火灾中人员逃生的模型.科学通报，2002，47(12):896-901.5 宋卫国，于彦飞，范维澄，等.一种考虑摩擦与排斥的人员疏散元胞自动机模型.中国科学 E辑工程科学&材料科学，2005，35(7):725-736.6 朱艺.不同房间结构下人员疏散的 CA 模拟研究.火灾科学，2007.7，16(3).7 周金旺，邝华，刘慕仁，孔令江.成对行为对行人疏散动力学的影响研究.物理学报，2009，58(5):3001-3007.8 Chen RH，Qiu B，Zhang CY.A study on the evacuation of people in a hall using the cellular automaton model.International Journal of Modern Physics C，2007，18(3):359- 367.。

第26卷 第10期计 算 机 仿 真2009年10月 文章编号:1006-9348(2009)10-0319-04基于元胞自动机模型的人员疏散仿真研究陶 平,张小英,马恒亮(华南理工大学电力学院,广东广州510640)摘要:公共安全是经济发展和社会稳定的基础。

近年来由于火灾、地震、恐怖活动等突发因素诱发的公共场所人员安全事故屡见报道,在公共场所的安全设计中,安全疏散性能已成为至关重要的因素。

为解决上述问题,人员疏散的计算机仿真对提高公共场所的安全疏散性能具有重要意义。

对于出口距离最近的原则建立人员疏散的二维随机元胞自动机模型,其中考虑人员绕行的影响,并利用M atl ab软件编写了疏散过程的程序,对大空间疏散人群进了仿真,得到了人员疏散基本规律及疏散时间。

研究表明:考虑人员绕行的模型更能体现真实的疏散情景。

关键词:元胞自动机;人员疏散;疏散仿真中图分类号:TU972+.4 文献标识码:ASim ul ati on of Personnel E vacuati on Based onCellul ar A uto m aton M odelTAO P i n g,Z HANG X iao-ying,MA H eng-L iang(P o w er E lectr i c Coll ege,Sout h Ch i na U n i ve rs i ty o f T echno logy,G uang z hou G uangdong510640,Ch i na) AB STRACT:Publi c sa fety i s the f oundati on o f econo m i c deve l op m ent and so cial stab ility.Se ri ous acc i dents w it h enor m ous pe rsonne l cas ua lty caused by fire,earthquake,terror is m etc.,have been repo rted frequen tly i n recent years.A s a result,eva l uation of the safety evacuation property i n design of a pub lic bu ildi ng has becom e one o f t he key procedures.P ersonne l evacuati on si m ulation is o f g rea t si gn ifi cance for i m prov i ng sa fety evacuation properties o f publi cbuildings.F or that purpose,t he pape r se ts up a random t wo-d i m ensi ona l ce ll u l a r au t om aton model based on thepr i nciple of nea rest d istance to w ards t he ex it.On that bas i s,the paper considers a de tour facto r t o i m prove th i s m ode,l and dev elops an evacua tion prog ram i n M atlab t o si m ulate t he persona l evacuati on process of a huge space,andge ts t he basi c la w and ti m e o f ev acuati on.It i s shown t ha t a m ode l consi der i ng detour factor w ill g i ve be tter results.K EY W ORDS:Cell u l ar auto m aton;Personne l evacua ti on;Evacua ti on si m u lati on1 引言近年来,公共场所的安全疏散问题日益突出并逐步受到重视。

基于元胞自动机模型的人员疏散仿真系统设计常君明;刘继清;刘敏;许中元;沈整【期刊名称】《江汉大学学报（自然科学版）》【年(卷),期】2014(42)2【摘要】Based on engineering needs in practice,analyses the main influence factors on personnel evacuation in case of anemergency,presents the emergency evacuation system processing strategy, improves and optimizes the evacuation simulation algorithm,and designs the evacuation model of stochastic cellular automata located nearest tothe exit. The experiments show that the model simu-lates well the relationships among the number of person,the number of obstacles,theexit attribute, evacuation speed,evacuation time and so on. The simulation system provides the effective reference value for architecturaldesign,maximum personnel saturated number and fire plans.%基于工程实践需要，分析了紧急情况下人员疏散的主要影响因素，提出了应急系统人员疏散处理策略，改进和优化了人员疏散仿真算法，设计了基于出口距离最近的随机元胞自动机的人员疏散模型。

基于元胞自动机的行人流疏散模拟研究研究生： 黄志德 导师：刘慕仁教授 邝 华 副教授专 业： 理论物理 研究方向：计算物理 年级：2007级摘要随着我国社会和经济的快速发展，城市化进程不断加快，大量的高层建筑、大型的体育场馆、购物中心、车站、会展中心等人员密集的公共场所不断的涌现，近年来火灾、人员踩踏等事故的频繁发生，造成了大量的人员伤亡。

在火灾、地震等紧急情况下，公众聚集场所内人群的安全疏散问题引起了社会的广泛关注，并且已成为当前公共安全和消防安全等领域的研究热点。

因此，对人群安全疏散进行深入的研究，具有重要的现实意义和实用价值。

本文在现有元胞自动机模型的基础上，提出了更加符合实际情况的疏散元胞自动机模型，分别对几种典型的公共场所内行人的紧急疏散进行了数值模拟，进而探讨了不同参数对疏散动力学的影响。

全文的主要工作如下：(1)考虑楼梯出口的瓶颈效应，引入行人选择最佳出口策略和延滞时间，建立了行人流疏散仿真模型，对回形教学楼层内人员疏散过程进行了数值模拟，得到了行人在疏散过程中出现的典型现象，如拥挤、堵塞、快即是慢效应等，并讨论了疏散时间、楼梯出口宽度及走廊宽度等系统参量之间的变化关系，研究结果表明：楼梯出口的对称分布更有利于人员的紧急疏散，这为行人安全疏散管理及建筑物走廊的设计提供了一些有益的参考。

(2)考虑地铁出口大厅内的结构设置，建立了元胞自动机行人流疏散模型，对出口大厅内人员疏散过程进行数值模拟，得到了疏散时间、出口宽度、检票出口通道长度和宽度等系统参量之间的变化关系，研究结果表明：当检票出口通道宽度d>2时，对疏散时间的影响较小，这为地铁出口大厅出口的设计及行人流紧急疏散管理具有一定的参考意义。

(3)考虑行人的亲情互助行为，建立了房间内行人流疏散元胞自动机模型，数值模拟发现了堵塞、不连贯、聚集、返回等典型的疏散现象，并针对五种疏散情况进行了深入探讨，结果表明：当行人单自疏散时，疏散效率最高。

基于元胞自动机人员疏散模型的分析研究作者：孙敏王中华来源：《科技视界》 2014年第4期孙敏王中华(安徽理工大学能源与安全学院，安徽淮南 232001)【摘要】元胞自动机广泛应用于社会和自然科学的各个领域，是一种动态模型和通用型的建模方法。

将元胞自动机原理运用在建筑物火灾时期人员安全疏散环节中，采用二维元胞法，确定元胞空间和元胞状态，分析研究了具体情况下人员移动行为规则以及危险物扩散对人员行为的影响。

设计出了一套基于元胞自动机的人员疏散模型。

【关键词】元胞自动机；人员疏散；行为规则；模型０引言现代社会中，公共安全以已经纳入了人们议事日程，是人类可持续发展的重要支柱。

国家中长期科学和技术发展规划（2006—2020）将公共安全确定为11个科学研究的重点领域之一。

其中建筑火灾人员疏散已经成为了近年来急需解决的课题。

据悉，每年大部分的公共死伤人数都是由于建筑火灾造成的人员死伤数。

为了更多的减少建筑火灾时期人员的伤亡，就要清楚的了解各种因素的相互作用对人员疏散的影响。

为了探究建筑火灾时期的影响人员疏散效率各要素的作用机理，采用基于元胞自动机的人员疏散模型进行分析。

结果表明元胞自动机疏散模型具有一定的真实性和指导性。

１元胞自动机模型理论简介元胞自动机(cellularautomata，CA)模型是最具代表性的微观离散模型，最早由VonNeumann 和 Ulam 提出。

元胞自动机作为一个时间、空间、状态都离散的数学模型框架，通过单元间的相互作用来构造动态演化系统，具有较强模拟各种物理系统和自然现象的能力。

这是元胞自动机广泛应用于社会、经济、环境、地学、生物等领域的原因。

目前，人们已经将元胞自动机应用到在交通流和行人流模型中，再现了真实交通流中各种现象的发展规律过程。

元胞自动机最基本的组成包括元胞(Cell)，元胞空间(Lattice)，邻域(Neighbor)，规则(Rule)。

元胞自动机可以视为由一个元胞空间和定义在该空间的变换函数所组成，可以用一个四元组表示:A= ( d,S,N,f )(1)式(1)代表一个元胞自动机系统；d是一个正整数，表示元胞自动机的维数；S是元胞的有限的离散的状态集合；N表示空间邻域内元胞的组合，即包含各个不同元胞状态的空间矢量，记为：N = (S1,S2,S3,…Sn )，n是邻域内元胞的个数；si属于Z ( 整数集合)，i= (1,2,…, n)；f是变化规则，为将Sn映射到S上的一个局部转换函数。

基于2.5维元胞自动机的人群疏散模型
陈锦昌;詹伟杰;姜立军
【期刊名称】《图学学报》
【年(卷),期】2009(030)005
【摘要】在二维元胞自动机的基础上提出2.5维元胞自动机的新概念.以大型运动场馆为研究对象,研究和建立了基于2.5维元胞自动机的人群疏散网格模型.该模型兼顾考虑了场地客观因素及人员主观因素方面的影响,引入的高程因素对人群疏散情况分析是有效的.最后通过实例论证了提出的2.5维元胞自动机模型对人群疏散仿真效果的实用性及合理性.
【总页数】7页(P170-176)
【作者】陈锦昌;詹伟杰;姜立军
【作者单位】华南理工大学机械工程学院,广东,广州,510640;广汽丰田汽车有限公司,广东,广州,511455;华南理工大学机械工程学院,广东,广州,510640
【正文语种】中文
【中图分类】TP391
【相关文献】
1.考虑作用力的人群疏散元胞自动机模型研究 [J], 张维;郑小平;程礼盛
2.基于元胞自动机的人群疏散模型 [J], 巩青歌;沈晓飞;王文骏
3.基于元胞自动机模型的礼堂人群疏散仿真 [J], 林煌涛
4.基于元胞自动机恐慌状态下人群疏散模型研究 [J], 陈长坤;童蕴贺
5.考虑从众阈值和主体特征的人群疏散元胞自动机模型 [J], 刘以雪;毛占利;廖明煜
因版权原因，仅展示原文概要，查看原文内容请购买。