第5讲 用AnyLogic进行多智能体仿真

AnyLogic技术优势1、支持基于智能体（也称主体、代理）建模，是唯一支持多Agent仿真的商业软件。

比传统的Agent仿真软件，如Swarm、RePast等易学好用。

2、同时支持基于智能体、离散事件、系统动力学、Petri网、行人和交通仿真，并且可以以任意组合方式进行混合仿真。

3、完全基于Java开发，建模环境定制于流行的软件开发工具Eclipse；支持几乎所有Java应用，能够利用丰富的Java资源。

4、可以导出模型，脱离软件环境在互联网上运行或集成到其他程序中。

5、用户可以通过二次开发，制作自己的用户控件库。

6、行人仿真基于社会力模型（Social Force Model），比传统的仿真软件更贴近真实的行人特征。

7、具有丰富的外部数据接口，可以直接读写文本文件、Excel文件、数据库文件，具有GIS（地理信息系统）模块。

8、原厂直接提供中文版软件。

9、提供64位版本软件，支持运行大规模模型。

10、可提供专业模型调试功能：在模型运行中实时监测事件，进行代码级别跟踪调试；提供例如自动代码补全、弹出相关文档、语法高亮、智能缩进、代码错误更正建议等模型开发辅助功能。

11、具有友好的可视化开发环境，可以方便地创建模型，及相关的统计图表、二维及三维动画，并提供模型运行时常用的交互控件，如按钮、滑块、编辑框、单选按钮、复选框等。

12、可以同时打开和编辑多个模型，各模型之间可以复制建模元素。

13、支持仿真、优化、蒙特卡罗、敏感性分析等多种实验类型。

14、方便团队协同开发，支持版本控制软件，如CVS、SVN等。

15、同时支持Windows、Linux、Mac OS等主流计算机操作系统。

基于Anylogic的航站楼模拟仿真
高国康;郑皎凌
【期刊名称】《软件工程》
【年(卷),期】2024(27)5
【摘要】在民航运输体系中,航站楼是其核心组成部分,随着民航运输量的增加,机场航站楼的运行压力也随之增大。

针对航站楼运行压力大的问题,首先分析旅客出行流程,其次采用仿真模拟技术对航站楼内部空间建模,同时考虑社会力模型中的个体运动时受到多个力的作用,能够较好地反映群体运动特点。

使用Anylogic仿真软件对机场航站楼进行仿真建模,并接入真实参数,使用封装智能体的方法进行逻辑建模,并对仿真运行中的数据进行可视化处理。

实验获得了较好的仿真模拟效果,对后续开展机场航站楼布局方案优化和更好地进行航站楼内部资源管理有着积极作用。

【总页数】6页(P62-67)
【作者】高国康;郑皎凌
【作者单位】成都信息工程大学软件工程学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于AnyLogic的机场航站楼应急疏散仿真研究
2.基于Anylogic的航站楼离港旅客流程三维动态仿真
3.基于AnyLogic模型的枢纽机场航站楼旅客应急疏散仿真研究
因版权原因，仅展示原文概要，查看原文内容请购买。

食堂排队问题物流仿真项目计划书一、仿真目的应用仿真技术,对汀香一楼食堂排队问题的进行系统建模,通过仿真进行验证分析。

考虑食堂购饭的窗口开设数目是否合适，以达到在高低峰期间能够合理配置资源，减少资源浪费，增加学生就餐满意度的目的。

二、仿真问题描述在汀香食堂一楼，经常看见这样的情况：食堂共4个打饭窗口，相当于4个服务窗口，在中午下午下课时间，食堂就餐学生特别多，往往每个窗口都是排着长长的队伍。

食堂的拥挤会造成排队，极大地增加了学生的时间成本，也会影响食堂的服务效率和服务质量。

因此解决食堂排队问题，减少排队等待时间，是十分重要的。

然而对于食堂而言，也有更现实的问题，虽然增加窗口数量可减少排队等待时间，但同时也会增加食堂的运营成本，因此如何在两者之间权衡找到最佳的窗口数量，对学生和食堂双方来说是最合适和实用的。

食堂一般实行的是先来先服务原则，且学生可自由在队列间进行转移，并总向最短的队列转移，没有学生会因为队列过长而离去，故可认为排队方式是单一队列等待制。

由于周末没课，学生去食堂就餐的时间比较分散，故只考虑周一到周五的情况。

据本小组成员的观察，食堂就餐的学生一般都可找到座位就餐，因此食堂的容纳量是足够的，主要解决排队长与服务窗口的问题。

三、仿真模型与步骤1.食堂就餐排队系统模型假设为了更好地研究就餐排队系统模型，本文对系统的组成要素进行假设：(1) 排队规则：若食堂中有空闲的购饭窗口，则学生到达后可直接开始购饭，如果有人正在接受服务，学生会选择队伍长度最短的窗口进行等候，直到窗口不再忙碌时再接受业务。

(2) 服务机构：假定食堂开放了c个购饭窗口，每个窗口都可以单独地为学生服务，互不干扰，一起工作，而且在同一时刻同一个窗口下一次只为一位学生服务。

2.食堂购饭排队系统性能指标为了更好的研究排队系统特性，对得到的数据进行后续分析，需要考虑的系统性能指标有：(1) 平均排队等待时间 (2.1)式中—第 i 个旅客排队等待时间；(2) 平均队长 (2.2)式中—t时刻排队等待的学生数目；—仿真时间上限。

1.支持基于智能体（也称主体）建模，是唯一支持多Agent仿真的商业软件。

比传统的Agent 仿真软件，如Swarm、RePast等易学好用。

2、支持系统动力学建模，可以导入经典系统动力学软件V ensim的模型；操作方式完全依照系统动力学理论，有大量相关案例可供参考。

3、支持离散事件仿真；离散事件、系统动力学和基于智能体三种建模方式可以根据需要在同一模型中任意组合，结合在一起描述需要同时用到多种建模方法的复杂系统。

4、完全基于Java，软件环境定制于流行的Java开发工具Eclipse；支持所有Java应用，能够利用丰富的Java资源，可以实现Java的各种功能和效果。

5、可视化开发环境支持模块拖放操作，能够方便地实现复制/粘贴等模型编辑操作；可以方便地收集各类统计数据，展示统计图表，可以轻松创建二维和三维动画。

6、具有多种交互控件，可以制作丰富的人机交互界面；可以导出模型为Java小程序，脱离软件环境，使用IE网页浏览器运行。

7、数据功能丰富，可以读/写文本、Excel、数据库等文件；可以导入图片、三维模型、CAD 图；集成了GIS功能。

8、支持仿真、优化、蒙特卡罗、敏感性分析等多种实验类型。

9、可提供专业模型调试功能：在模型运行中实时监测事件，进行代码级别跟踪调试；用户可以通过二次开发，制作自己的用户控件库。

Anylogic仿真软件在“大型商业综合体空间布局优化研究”课程教学中的应用浅析发布时间：2021-12-16T09:13:12.987Z 来源：《时代建筑》2021年30期10月下作者：朱嘉辉[导读] 随着网络信息时代的高度发展，越来越多的高智能化软件不断冲击着高校专业课程的教学模式，从而使得Anylogic在高校设计类课程教学的占据了举足轻重的地位。

本文在“大型商业综合体空间布局优化研究”的课题中，基于Anylogic仿真模拟软件对商业综合体内部的空间组织流线、行人密度以及消防疏散进行初步分析，让学生了解并掌握此类仿真模拟的关键步骤、数据以及操作方式，为后续的学习提供理论和实践基础。

四川省绵阳市西南科技大学朱嘉辉 621002摘要: 随着网络信息时代的高度发展，越来越多的高智能化软件不断冲击着高校专业课程的教学模式，从而使得Anylogic在高校设计类课程教学的占据了举足轻重的地位。

本文在“大型商业综合体空间布局优化研究”的课题中，基于Anylogic仿真模拟软件对商业综合体内部的空间组织流线、行人密度以及消防疏散进行初步分析，让学生了解并掌握此类仿真模拟的关键步骤、数据以及操作方式，为后续的学习提供理论和实践基础。

关键词：Anylogic; 仿真模拟；课程教学1.前言当今社会处在一个以互联网为核心时代，大数据，虚拟仿真，人工智能等都是这个时代的代名词，各类虚拟仿真模拟软件已经实质性的影响到了高校课程教学的方方面面。

在此情况下“高效的软件模拟教学方法+扎实的理论知识的学习”是促进设计类课程教学的一大驱动力之一。

因此，需充分利用专业软件的优势，推动高效课程教学朝着更加广阔的道路前进。

传统的仿真模拟软件表现形式多趋于单一化，这类建模工具往往只针对于完全离散或是完全连续的建模行为，也有一些软件将两者结合使用，但操作难度较高。

Anylogic软件是第一款具基于智能体仿真环境的软件，其具有强大且灵活的建模语言，并能快速的提供快捷的建模方法，使学生更加便捷迅速的掌握基本操作技巧，是仿真模拟与网络大数据相结合的高效设计方法。

基于多智能体系统的智能交通模型建立与仿真随着城市人口的增加和交通出行需求的不断增长，如何有效管理和优化城市交通系统成为了一个亟待解决的问题。

基于多智能体系统的智能交通模型的建立与仿真技术为我们提供了一种有效的方法，可以帮助我们了解交通系统的运行特点、预测交通状况，并设计出更加高效和环保的交通方案。

一、智能交通模型建立的意义智能交通模型是通过建立交通网络、模拟车辆行驶和交通流动等方式，对城市交通系统进行描述和分析的模型。

它可以帮助我们从系统的全局角度来认识交通问题，预测交通拥堵、事故发生等情况，为交通管理提供科学依据。

智能交通模型的建立有助于我们更好地理解交通系统的复杂性和动态性。

交通系统是一个典型的多智能体系统，包含了大量的车辆、交通信号、行人等要素，因此交通系统的行为具有高度的不确定性和非线性。

智能交通模型能够帮助我们模拟和分析交通系统中各个要素之间的相互作用，揭示交通系统运行的规律和机制，为城市交通管理决策提供有力支持。

二、智能交通模型建立的方法1. 数据采集与处理智能交通模型建立的第一步是收集相关的交通数据。

包括交通流量、车辆速度、通行时间等信息。

现代交通监测技术的发展使得数据采集变得更加便利。

交通摄像头、车载传感器、无线通信技术等设备能够实时地采集交通数据，并将其传输到数据中心进行分析和处理。

数据处理主要包括数据清洗、数据标注和数据挖掘等步骤。

首先需要对原始数据进行清洗，包括去除异常值、填补缺失值等操作，以确保数据的准确性和完整性。

然后对清洗后的数据进行标注，将其与交通网络地图等信息进行匹配，以便构建交通系统的拓扑结构。

最后，使用数据挖掘技术从大量的数据中提取出有用的信息，例如交通拥堵的原因、拥堵的时空分布等。

2. 交通网络建模交通网络是智能交通模型的核心。

通过建立交通网络，可以描述交通系统中各个要素之间的相互关系和相互作用。

交通网络模型可以分为宏观模型和微观模型两种。

宏观模型主要研究交通流量的分布和拥堵情况等整体特征。

基于多智能体系统仿真的最短路径规划TANG Yong;HE Donglin;ZHU Xinping【摘要】针对有向图最短路径问题,提出了通过多智能体系统仿真的方式求解有向图最短路径的方法.首先,把有向图中的节点、边都建模为智能体对象;其次,设计机器人智能体从源点沿有向边移动对节点实现遍历,利用机器人智能体的自我复制能力和边断开能力实现对节点的并行访问并保证任何节点最多被访问一次;最后,利用Anylogic开发多智能体最短路径仿真系统进行方法验证.仿真结果表明,多智能体最短路径仿真系统能快速找出有向图最短路径,算法时间复杂度与Bellman-Ford算法相同.【期刊名称】《成都大学学报（自然科学版）》【年(卷),期】2019(038)002【总页数】4页(P159-162)【关键词】有向图;最短路径;多智能体系统;系统仿真【作者】TANG Yong;HE Donglin;ZHU Xinping【作者单位】;;【正文语种】中文【中图分类】TP18;TP242.60 引言最短路径规划是图论与网络规划中的经典问题，广泛应用于基于地图信息的交通导航、车辆调度管理、航线航路规划、市政交通规划以及网络通信路由选择等领域[1-4].对此，科研人员对最短路径规划问题进行了大量研究[5-7]，并提出了一系列最短路径算法及各种改进算法，比如，A*算法、Dijkstra算法、Floyd算法、Bellman-Ford算法及SPFA算法等[8-12].总体来看，现有的最短路径算法大多利用数学分析方法实现，但也存在解析参数过多或难以确定，甚至解析解不存在的情况.针对此问题，科研人员提出了系统仿真法对复杂系统进行求解，并取得了较好结果[13].基于此，本研究利用多智能体系统设计了最短路径仿真算法，把有向图中的节点与边都建模成智能体，再设计机器人智能体，利用机器人智能体的自我复制和移动能力，让机器人智能体沿着节点出边对与该节点相连接的节点进行并行移动访问，从而快速实现对有向图节点的遍历，采用系统仿真运行的方式直观地获取有向图最短路径.1 问题描述在具体应用中，实际的最短路径问题通常转换为权重有向图.设权重有向图，G=(V,E)，这里V为G中的顶点集合，E为G中的边集合.设有向图G的权重函数为w:E→R，即权重函数w把G中的每条边映射为实数域中的数值，于是，某条路径，p=〈v0,v1,…，vk〉，的长度可以用构成该路径的全部边的权重值相加得到，(1)因此，从节点a到节点b的最短路径可以用最小权重函数进行表示，(2)边的权重既可以是实际道路的几何距离，也可以是其他度量单位，如时间、流量和成本等与路径长度线性增加的量.此外，最短路径问题也可以分为指定结点间的最短路径、单目的地最短路径及所有节点间的最短路径.指定节点间最短路径，即计算给定的2个节点之间的最短距离；单目的地最短路径，即计算所有节点到目的地节点的最短距离；所有节点间最短距离，即计算任意2个节点之间的最短距离.单目的地最短路径和所有节点间最短路径都可以归结为指定节点间最短路径的扩展.本研究只研究指定节点间最短路径，即：设有如图1所示的有向图，各条路段上的数字标明该条路段的长度(这里设路段权重数值都为正)，求从P1到P6的最短路径.图1 最短路径有向图模型2 系统设计2.1 系统结构设计根据定义，多智能体系统中的每个智能体都具备独立自主能力，每个智能体都选择最有利于个体利益的策略.由于多智能体系统存在多个智能体，各个智能体在选择最有利于自己的策略时必然产生冲突.对此，多智能体系统的目的是实现系统的整体利益最大化，此时就需要在各个智能体之间进行沟通和协调，让个体利益服从整体利益.由此可见，智能体个体功能的设计和智能体之间的协调机制的确定是多智能体系统设计的关键.同时，根据不同的规划目标选择合适的系统结构是实现多智能体系统的重要保证.根据计算最短路径的需求，本研究设计的层次型多智能体系统结构如图2所示.图2 层次型多智能体系统结构图2所示系统中，管理Agent负责多智能体系统的运行控制，是系统的关键智能体；节点Agent对应于有向图中的节点；边Agent对应于有向图中的边；机器人Agent是系统中的移动智能体，负责完成从起点到终点的运动；环境是多智能体系统的运行后台，负责提供和管理系统运行的基础功能，比如消息传递与智能体连接关系等；起点和终点节点对、有向图均是系统的输入信息，最短路径是系统的输出信息.2.2 Agent设计2.2.1 管理Agent.管理Agent担负系统的管理功能，负责整个多智能体系统运行控制，获得路径规划结果.管理Agent在多智能体系统启动时首先完成初始化工作，根据系统输入的有向图设置节点Agent和边Agent，根据起点和终点产生第一个机器人Agent(初始机器人Agent)，并放入起点对应的节点Agent(初始节点Agent).同时，对各种Agent的相互协作提供运行管理支持，输出最短路径.2.2.2 节点Agent.节点Agent对应于有向图的节点，是供机器人Agent进行自我复制和边断开操作的环境.节点Agent具有名称和出入边属性.其中，名称即是节点Agent的编号，可对节点身份进行标识；出入边属性标识了该节点Agent的出边和入边数量以及与边Agent的关联关系等.2.2.3 边Agent.边Agent对应于有向图中的边，边Agent具有时间属性、方向属性及节点关联属性等.时间属性对应于有向图中的权重，指明了机器人Agent通过该条边所花费的时间；方向属性指明了机器人Agent在边Agent上的运动方向；节点关联属性指明了边Agent与节点的关联关系，即有向图中节点间的连接情况.2.2.4 机器人Agent.机器人Agent具有节点间移动能力、自我复制能力、边断开能力及历史节点属性.机器人Agent会沿着某个节点Agent出边的方向移动到其下个节点Agent，移动的时间等于边的权重值.如果节点Agent有不止一条出边，则机器人Agent能自我复制出多个机器人，即让该节点Agent的每条出边都由机器人Agent占据.机器人Agent只有在到达节点Agent且该节点Agent有不止一条出边才立即进行自我复制.若节点Agent有n条出边且n>1，则自我复制的数量为(n-1).如果节点Agent有多条入边，机器人Agent到达该节点后只留下它曾走过的入边，而把其他入边都断开(确保任何节点至多被访问一次).历史节点属性记录该机器人已通过的节点，以便最后输出路径.一旦有机器人Agent到达终点，便完成最短路径计算过程.该机器人Agent走过的路径即是从起点到终点的最短路径，则系统输出最短路径，结束多智能体系统运行.2.3 多智能体系统运行过程最短路径多智能体系统运行过程是机器人Agent通过在边Agent上的移动和自我复制实现对节点Agent遍历最终获得最短路径的过程，具体为：系统运行开始后，第一个机器人Agent出现在起始节点Agent处，根据起始节点出边数量决定是否自我复制，并沿着出边Agent移动到相邻节点Agent；当有机器人Agent移动到目的地节点Agent，系统就完成了对有向图中最短路径的计算，停止系统遍历，输出机器人Agent走过的节点即得到最短路径.在系统运行过程中需注意的是：第一个机器人Agent根据系统提供的有向图、起点及终点/节点选择活动初始点；机器人Agent只在边Agent上移动才耗费时间，耗费的时间等于边的权重，通过节点Agent和自我复制不会耗费时间；由于机器人Agent对节点Agent入边的断开能力，保证了任何节点最多被访问一次而不会出现环路.3 算法测试3.1 算法测试本研究选择Anylogic 8.2作为开发平台，进行最短路径规划多智能体系统开发.Anylogic是目前最专业的多Agent系统(Multi-agent system,MAS)开发工具，也是目前最成功的MAS系统商业开发平台.Anylogic提供了各种Agent控件及多智能体系统需要的通信交互等功能，让开发者把主要精力用于设计算法的实现上，有效降低了多智能体系统的开发难度.本研究以图1所示的有向图对最短路径多智能体系统进行算法测试：设P1为源节点，P6为目的地节点，求P1到P6间的最短距离.最短路径规划多智能体系统的运行初始界面如图3所示，图4～图6中缺失的边即是系统运行过程中被机器人Agent到达节点Agent后断开的入边Agent.边Agent被断开后，在其上运动的机器人Agent会一并消失.图4中，由于从P2来的机器人Agent先到达P6，因此(P3，P5)边被断开.图5中，从P2来的机器人Agent先到达P4，于是(P3，P4)边被断开.图6中，从P5来的机器人Agent先到达P6，于是(P4，P6)边被断开.由于P6是终点，系统便停止运行，输出最短路径为P=〈P1,P2,P5,P6〉，最短路径长度为15.本研究通过最短路径规划多智能体系统，让最短路由计算过程完全可视化，通过系统仿真的形式获得了指定节点对之间的最短路径，形象直观展示了整个系统的运行过程.图3 MAS最短路径启动界面图4 边(P3，P5)被断开图5 边(P3，P4)被断开图6 机器人Agent到达节点P6，边(P4，P6)被断开，仿真结束3.2 算法复杂度假设有向图共有E条边，由于每条边最多有一个机器人Agent通过，所以机器人Agent的最大复制次数为E.每次复制机器人时，算法需要把它走过的节点添加到新复制的机器人历史节点属性中，最大添加次数为V.因此，最短路径多智能体系统的算法复杂度不超过O(VE)，此与Bellman-Ford算法复杂度相同[11].4 结语本研究利用多智能体系统实现了单源最短路径计算，不同于传统的最短路径算法，本研究算法通过Agent的移动、复制和相互协同实现对有向图节点的遍历，快速找出了从源点到目的地的最短路径.本研究把边的权重转换为机器人Agent通过该条边所花费的时间，利用Anylogic进行系统开发，通过机器人Agent在有向图中的移动直观展示了系统寻找最短路径的过程，使得整个运行过程直观可视.同时，本研究通过多智能体系统中各种智能体功能、属性和协调等的定义和设置，使得任何边最多被访问一次，有效控制了算法复杂度不超过O(VE).需说明的是，由于机器人Agent的运动时间不能为负数(或者移动速度不能为负)，因此本研究算法不能对包含负值权重的有向图求最短路径.参考文献：【相关文献】[1]李忠飞,杨雅君,王鑫.基于规则的最短路径查询算法[J].软件学报,2019，30(3):515-536.[2]王帅,赵来军,胡青蜜.随机旅行时间的外卖O2O配送车辆路径问题[J].物流科技,2017,40(1):93-101.[3]牛金凤.基于最短路径的临时航线规划方法研究[J].无线互联科技,2017，14(2):104-105.[4]徐达,蔡满春,陈悦.基于改进Floyd算法的城市交通网络最短路径规划[J].电子科技,2017,30(7):17-20.[5]刘贵杰,刘鹏,穆为磊,等.采用能耗最优改进蚁群算法的自治水下机器人路径优化[J].西安交通大学学报,2016,50(10):93-98.[6]Deo N,Pang C Y.Shortest-path algorithms:Taxonomy andannotation[J].Networks,1984,14(2):275-323.[7]Cherkassky B V,Goldberg A V,Radzik T.Shortest paths algorithms:Theory and experimental evaluation[J].Math programm,1996,73(2):129-174.[8]来耀,荆明娥.基于A*算法优化的片上网络源路由算法[J].复旦学报(自然科学版),2018,57(5):605-610.[9]张默.Dijkstra最短路径算法的研究[J].数学学习与研究,2018，36(16):152-152.[10]赵礼峰,梁娟.最短路问题的Floyd改进算法[J].计算机技术与发展,2014,24(8):31-34.[11]韩伟一.经典Bellman-Ford算法的改进及其实验评估[J].哈尔滨工业大学学报,2012,44(7):74-77.[12]沈海澜,王玉斌,陈再良,等.一种基于分层图的改进SPFA算法[J].计算机工程,2012,38(13):251-253.[13]Borshchev A.The big book of simulation modeling:Multimethod modeling with Anylogic 6[M].Philadelphia,PA,USA:Anylogic North America Press,2013.。

基于Anylogic的装配式建筑多主体协同仿真
尹静;黄然;孙浩
【期刊名称】《建筑经济》
【年(卷),期】2021(42)S02
【摘要】针对我国目前装配式建筑工程中各主体间出现信息流不畅通、实物流割裂的问题,分别分析以设计部门、构件生产厂、施工现场为中心的业务流程,构建信息、库存、运输方面结合的协同模式,搭建了各主体协同流程。

基于Anylogic建立智能体仿真模型,结合实际案例,实现多主体协同的模型化表达。

模型输出结果表明此协同模式可节约装配式建筑工程的库存成本和时间成本,并保证了生产和施工的连续性。

【总页数】4页(P49-52)
【作者】尹静;黄然;孙浩
【作者单位】北京建筑大学机电与车辆工程学院
【正文语种】中文
【中图分类】TU741;F426.92
【相关文献】
1.装配式建筑推进多主体协同演化仿真分析
2.装配式建筑推进多主体协同演化仿真分析
3.基于SNA的装配式建筑项目多主体行为风险分析
4.基于SNA的装配式建筑项目多主体行为风险分析
5.基于AnyLogic的龙卷风伤病员医疗后送多主体模型
因版权原因，仅展示原文概要，查看原文内容请购买。

专业知识分享版使命：加速中国职业化进程摘要：本文根据地铁车站作业流程，利用Anylogic 软件建立客流集散仿真模型，对北京宣武门地铁车站不同时段的乘客集散过程进行仿真。

通过对仿真数据的分析，给出车站设备设施布局的优化建议，为运营管理提供支持。

关键词：地铁车站；集散能力；Anylogic ；仿真AnyLogic 仿真软件是一个专业虚拟原型环境，用于设计离散、连续和混合行为的复杂系统。

利用AnyLogic 实现地铁车站设备设施的建模，通过设计不同的仿真场景，对乘客在车站内的集散过程进行仿真，研究车站设备设施的利用情况并分析评估，为轨道交通车站的优化设计提供支持。

1地铁车站乘客集散过程建模分析1.1车站设施城市轨道交通车站内部设施由交通工具服务设施、乘客服务设施和信息诱导设施3部分组成，它们相互制约、相互协调，充分发挥各自的功能和优势，使系统达到整体功能的最优化，为实现出行者乘行舒适、安全快捷的目标而服务。

本文仿真研究的主要设施是交通工具服务设施和乘客服务设施，见图 1。

1.2行人及车流参数确定行人的宏观交通行为是大量的行人在某一时段某一区域内所呈现的速度、流量、密度之间相互关系的集体特性。

行人流的宏观输入参量主要包括速度、人群、来源等。

在设置人群参数时按社会关系分为上学、上班、购物以及其他 4组人群，对应 Anylogic 软件里的行人流，通过设置不同速度对其进行分类。

根据调查统计，各组行人的速度参数如表 1。

不同时间段各类人群的比例如表 2。

专业知识分享版使命：加速中国职业化进程当行人经过扶梯或者排队进站时会不自觉地形成临时群，这时需对行人进行统一分类，也就是区别于行人在流动中的属性，而4组人群在排队处或者扶梯处所表现的特性大体没有区别，所以当4组行人流经过排队区域或扶梯区域要统一进行参数设置。

针对各个工作区域的特点定义人群的停留时间分别为：售票口 5 s ，自动售票机 8 s ，进站闸机3 s 。

AnyLogic使用帮助文档一概要本文档内容包含AnyLogic的简单介绍，AnyLogic使用入门以及在使用过程中常见的一些问题。

且所有内容仅针对pedestrian模型。

二安装除按正常模式安装AnyLogic以外，我们还需要额外添加一个shp文件导入控件，以及安装neatbean。

控件的安装方法很简单，把InputShape_1.0.0.jar和openmap.jar复制到C:\Program Files\AnyLogic 6 Professional\plugins下即可(具体路径请参考自己的anylogic安装路径)。

三创建一个简单的pedestrian模型1打开anylogic程序，File->new->model。

2输入模型文件相关信息，next。

3选择 use template to create model，并选择Pedestrian Dynamics。

Next。

4 Add waiting area和Add service and queue都不勾选。

Finish。

5 运行程序观察效果。

四基础对象介绍关于各个对象的属性行为，仅说明一些比较常用的。

构建一个完整的模型，以下对象是必不可少的。

PedConfiguration，PedGround，PedSource，PedSink，PedGoTo。

下面一一介绍。

1 PedConfigurationP edConfiguration主要标示模型中的一些配置信息。

1） Time step, seconds时间步长，即pedestrian每隔多久移动1次。

0.3是通过社会调查获得的一个比较合理的数据。

这个值越小，peds移动的更精确，但是需要更多的计算。

2） Animation scale, pixels per meterP edConfiguration中需要格外关注一个数据，即多少像素为1米。

模型中的单位分为像素和米，所以在使用中需要注意他们之前的差别。

anylogic技巧在AnyLogic中，有一些技巧可以帮助您更有效地进行仿真建模和结果分析。

以下是一些您可能不知道的AnyLogic技巧：1. 使用“模型库”功能：AnyLogic提供了一个模型库，其中包含了一系列预设的模型元素，如队列、实体、事件等。

使用这些预设元素可以加快建模速度，并且避免了错误配置的风险。

2. 利用AnyLogic的图形化界面：AnyLogic的图形化界面非常直观易用，可以帮助您快速创建和配置模型元素。

此外，AnyLogic还提供了大量的教程和示例，可以帮助您更好地理解如何使用其功能。

3. 使用“时间表”功能：时间表可以帮助您可视化地创建时间序列数据，并且可以轻松地调整时间表的参数。

这对于创建具有复杂时间序列数据的仿真模型非常有用。

4. 自定义实体属性：在AnyLogic中，您可以为实体添加自定义属性，以便更好地描述实体的特征和行为。

这有助于提高模型的精度和真实性。

5. 使用“数据流”功能：数据流可以帮助您可视化地创建数据流和处理逻辑，这对于创建具有复杂数据处理逻辑的仿真模型非常有用。

6. 导出模型为PDF或Word文档：AnyLogic允许您将模型导出为PDF或Word文档，以便与其他人共享您的模型。

导出后的文档可以包含模型的详细信息、配置和结果。

7. 使用“分析”工具：AnyLogic提供了丰富的分析工具，如直方图、散点图和箱线图等，可以帮助您更好地理解仿真结果。

使用这些工具可以帮助您发现模型中的问题并优化模型参数。

8. 集成外部数据源：AnyLogic可以与外部数据源集成，如数据库、Excel文件等。

这使得您可以将外部数据导入到模型中，或者将模型数据导出到外部数据源中。

9. 使用“脚本”功能：AnyLogic支持Java脚本，允许您编写自定义逻辑和函数。

使用脚本可以帮助您自动化重复性任务，提高建模效率。

10. 参与AnyLogic社区：AnyLogic有一个活跃的社区，其中包含了许多用户贡献的教程、示例和最佳实践。