资源描述
公共场所中基于MultiAgents的人员疏散方案仿真
17
2020年4月19日
文档仅供参考,不当之处,请联系改正。
公共场所中基于Multi-Agents的人员疏散方案仿真
摘要:针对人员疏散过程当中可能会发生的突发的二次险情,以及静态疏散预案效率低的情况,建立了一种动态的疏散方案模型,根据疏散效率的时间函数,把每个需要疏散的房间和疏散通道都视为一个区域,经过计算这个区域的人数,经过率以及被疏散人员到出口的平均距离得到需要疏散的时间,综合每个区域到各个出口的最短时间,得到最短时间的疏散路径,从而优化了疏散方案。进一步假设,疏散过程当中,最优路径上会随机发生二次险情,此时利用疏散效率时间函数得到有二次险情发生时的最优疏散方案。仿真实验结果表明:动态的疏散方案优于无组织的个体逃生和单纯的静态疏散方案,提高了疏散成功率和疏散效率。
关键词:动态疏散方案 疏散效率 疏散成功率 多智能体
Abstract:For the evacuation process may suddenly occur secondary danger, and the low efficiency of the static situation of evacuation plans, establish a program of dynamic evacuation model, according to the time function of evacuation efficient. Each of the rooms and evacuation channels are treated as a region, by calculating the number of the region, the evacuation rate and the average distance to the entrance to get the time they need to evacuate. Compare the time of each area to each exit, get the evacuation route which uses shortest time, and optimized the evacuation plan. Then, suppose that during the evacuation process, the optimal path will have random secondary danger, using the time function of evacuation efficiency to get the optimal evacuation plan. Simulation results show that: the dynamic of the evacuation plan is better than unorganized individual escape and simple static evacuation plan, and improve the success rate of evacuation and evacuation efficiency.
Keywords:Dynamic evacuation program, Evacuation efficiency, Success rate of evacuation, Multi-Agents
0 引言
人员紧急疏散是当今世界安全领域研究的热点之一,然而中国人员疏散主要面临着疏散效率低,疏散动员机制和组织指挥体系不能满足现实需要等问题,计算机仿真能够解决模拟问题,它是在某些实验条件下对模型进行动态实验的一门综合性技术,能够真实的模拟紧急疏散的模型,动态的观察疏散过程,从而对疏散方案起到决策和优化作用。
人员疏散仿真是人群疏散研究的一个重要组成部分,其仿真模型一般分为宏观和微观两大类。微观模型能够设置不同的参数和行为规则,更真实的模拟出个体与个体之间的不同,更能够细致的模拟出个体之间的相互作用和影响。用微观模型包含更多行为细节,更能清晰的模拟现实中的人员疏散情况,方便仿真过程中对整个疏散过程和各个阶段各个主体的行为进行动态观察。
所谓“人员疏散过程当中可能会发生的突发的二次险情”(以下简称“二次险情”),是指:突发性灾害发生后,在人员疏散过程中可能发生的次生灾害。比如:在某个公共场所人员疏散中,可能某个疏散出口会发生情况不明的损毁等情况。
本文在已有人员疏散理论和建模方法的基础上,并在总结基于Agent技术和多智能体技术进行人员疏散建模的实践后,提出了疏散效率的时间函数,建立了动态拟定疏散预案的微观仿真模型,该模型经过动态的计算出最优路径,从而给疏散模型提供动态的疏散方案(根据不同的人员情况和突发的二次险情,动态的调整疏散方案,合理的对被疏散人员进行疏散),同时,根据该方案进行微观仿真。经过疏散模型中各个主体的个体行为,观察动态方案的优越性。
1 人员疏散模型的前期准备
1.1 整体环境描述
疏散模型将要模拟公共场所的建筑物实体虚拟为一个160×120的平面空间,每个坐标分别被赋属性值为:空、墙壁、障碍物、疏散出口、被疏散人员等等。每个坐标在每个时间周期内只能被赋予一个属性,不能同时有两种或两种以上的属性。
1.2 Agent的规则、策略和行为:
1.2.1 Agent描述:
每个被疏散人员用一个Agent表示,一个Agent包含的属性:
xPos: t时刻所在x坐标
yPos: t时刻所在y坐标
B_act 记录随机障碍物的事件发生与否
G_act 记录指示灯的事件发生与否
sight_length 视野范围
study_length 学习范围
Act_State 行为
agentColor: 颜色
1.2.2 Agent学习策略:
仿真过程中,充分考虑了疏散过程中引导作用,通道阻塞,人员阻塞等随机时间发生对人员疏散过程中对人员的影响,Agent与Agent之间的学习行为当某个Agent感知到通到阻塞,发现逃生出口会通知在其视野范围内的Agent。Agent经过这样的交互增加了自己的经验值,这样实现了Agent之间的适应性。
1.2.3 被疏散Agent三种基本行为:
本模型研究的被疏散人员分为三种:
第一种是熟悉自身所处的环境,在灾害发生后本能的选择自己认为最好的路径逃生,即最短路径行为;
第二种是不熟悉自身所处的环境,在灾害发生后选择自己进入此环境的入口逃生,即出入一致行为;
第三种是不熟悉自身所处的环境,在灾害发生后由于恐慌等因素盲目的前往人多的地方寻找逃生路径,即从众行为。
具体算法描述:
⑴最短路径行为:
Agent自身采取最短路径行为时的附近坐标点吸引力概率为:
⑴
⑵
⑵进出一致行为:
Agent自身采取进出一致行为时的网格吸引力概率与 act_1 时的计算方法基本相同,只是在计算网格 N(i,j)到达疏散出口的距离D(i,j)时,疏散出口被特定为Agent所选择的入口位置。
⑶从众行为:
Agent自身采取完全从众行为时的网格吸引力概率为:
⑶
Agent的视野范围是以其所在坐标为中心的一个有限区域;分母为视野范围内向所有8个方向移动的总人数。该式表示向某一方向移动的人数越多,则该方向的吸引力越大。
1.2.4 被疏散人员Agent移动的基本规则:
⑴ Agent根据自身在t时刻的状态和视野内其它Agent的状态及其邻域内的其它坐标的属性,选择吸引力概率最大的一个坐标作为t+1时刻的目标坐标。
⑵ 由于每个坐标最多只能容纳一个Agent,因此每个Agent在移动到下一个目标坐标前都会判断这个目标坐标是否为空,也就是没有被墙或障碍物或其它Agent占据,此时该Agent移动到目标坐标,否则继续判断次优坐标点。
⑶ Agent的行为模式取决于当时Agent所处的状态和该Agent本身的条件,每个Agent在初始时(灾害发生时)都会随机一个固定行为模式直到本身的状态改变迫使该Agent改变行为模式。例如:某Agent初始为从众行为模式,当该Agent视野内有出口时,放弃从众行为,采取最短路径行为从出口逃生。又如:某Agent初始为出入一致行为(即:陌生环境,按原路返回),但原路为灾害发生的地方,此时该Agent放弃出入一致行为,采取从众行为。
2 几条基本假设
⑴ 安全出口、疏散通道在灾害发生前无障碍物,畅通无阻,安全出口门向外开启。
⑵ 被疏散人员均保持清醒,在疏散开始的时刻同时进行疏散,且在疏散过程中不会中途返回选择其它疏散路线。
⑶ 被疏散人员具有相同的身体条件,在到达出口前不会出现意外情况。
⑷ 每个被疏散人员的速度相同并保持不变。
⑸ 每个被疏散人员都是独立的个体,不存在亲属等团体关系。
⑹ 不考虑周围人员的平均方向产生的示范作用,忽略由于拥挤、踩踏等因素导致的人员伤亡事件对模型造成的影响。
⑺ 初始化时模拟环境中被疏散人员为最大值,即灾害发生后,禁止所有入口进人,模型中不会增加被疏散人员。
3 基于多主体人员疏散微观仿真系统的设计
3.1 初始化:
⑴程序运行即开始人员疏散。
⑵每个行为主体被随机的赋予三个基本行为中的一个,按此行为进行疏散。
⑶疏散出口:4个
⑷被疏散人员:<1000(随机放置于空间中)
⑸墙壁:围绕空间外围。
3.2 动态疏散方案:
3.2.1 动态调配最优疏散路径算法:
区域内所有Agent到出口的平均距离:
avgX = / n ⑷
avgY = / n ⑸
L = ⑹
(注:x, y分别为该区域的一个出口的坐标)
⑺
T:时间周期
N:区域内总人数
P:疏散率,即单位周期内疏散总人数
L:区域内所有Agent到区域出口的平均距离,即总体疏散代价
2
b
a
77
8
d
c
4
3
1
9
5
6
出口
出口
出口
出口
图1 疏散空间示意图
图1是把每个需要疏散的房间和疏散通道都视为一个区域画出的效果图,图1中1-9为房间,a-d为疏散通道。
3.2.2 动态疏散方案描述
如图将整个平面图划分为9个房间区域和4个通道区域。根据公式(7),能够算出疏散各个区域内所有人员,所需耗费的平均代价时间周期。在疏散过程中,系统每10个运行周期都会计算一次这个时间周期,相互比较两两可行邻区域之间的T值,T值大的代表整个区域内人员疏散的所需的时间周期代价大。系统根据T值动态地调配被疏散人员从T值较大的区域往T值较小的区域疏散,再根据各个区域疏散引导被疏散人员。从而实现了优化各个区域及整体的疏散时间效率。在疏散区域内安装指示灯或疏散引导人员,引导被疏散人员按系统某一个时间周期内调配的最优疏散方案疏散。
3.2.2 平台简介
使用Java作为编程语言,在Java的基础上使用Swarm平台和它所提供的类库构建模拟系统,由于Swarm对Java的支持和Swarm没有对模型和模型要素之间的交互作任何约束,Swarm应当能够模拟任何物理系统或社会系统,更适合多主体仿真。
4 仿真结果及其分析:
仿真结果(动态疏散方案,静态疏散方案)如图2至图6所示。
图2 初始待疏散状态
图2为仿真初始状态,其中灰色的代表墙体,紫色的代表二次险情发生中产生拥堵的障碍,黄色的方格代表疏散指示,1,2好疏散方案中有,3号自主逃生中无。待疏散人员分别用红绿蓝三种颜色表示,分别为:红色代表“寻求最近出口行为”的人,绿色代表“根据出入一致寻求出口”的人,蓝色代表“从众”的人。
图3 动态疏散方案20周期状态
图4 动态疏散方案40周期状态
图5 静态疏散方案20周期状态
图6 静态疏散方案40周期状态
待疏散总人数
成功疏散人数
疏散成功率(%)
平均疏散效率
1.动态疏散方案
604
495
82.0%
3.42
2.静态疏散方案
604
372
61.6%
3.15
3.自主逃生
604
351
58.1%
2.58
表1 疏散成功率与平均疏散效率对比表
表1中数据为5次仿真结果的平均值,其中平均疏散效率指单位周期内疏散的人数。
比较动态疏散方案和静态疏散方案40周期状态(图4和图6),在发生二次险情情况下,动态疏散方案合理的更改临时疏散方案,引导被疏散人员向其它未发生二次险情且无拥堵畅通的区域疏散,从而让更多的被疏散人员到达安全区域。
分析仿真结果,可见:在疏散过程中,产生二次险情,动态疏散调配方案的疏散成功率远远超过静态预先定好的方案以及无方案的自主逃生行为。同等条件下对比3种方案的单位周期的平均疏散效率,无方案的自主逃生在效率上远低于前两种方案。说明在公共场所,面对突发事件,被疏散人员自发行为会有盲目性。因此,针对公共安全事件有必要事先做好应急方案的准备工作。然而,再对比动态和静态两种疏散方案,由于静态疏散方案事先固化,缺乏对事中有可能产生的二次险情或者其它特殊情况考虑。在产生二次险情时,静态疏散方案的疏散成功率与自主逃生行为相差无几且远低于动态时刻调配的疏散方案。因此,经过仿真研究,发现对于公共安全针对突发性事件应急疏散,设计一套动态实时监控,迅速针对特殊情况实时调配的动态疏散方案,在保护人员安全方面最为有效。
5 结论
从仿真结果我们能够看到动态疏散方案的实用性和必要性。针对临时突发事件引发的二次险情,静态预案路径受阻导致疏散效率低的情况,我们建立了一种动态的疏散方案,而且取得了积极而有效的结果,仿真结果符合实际情况,经过动态疏散方案,提高了人员疏散成功率和疏散效率。
参考文献:
[1]王付明,刘贵坤,宋大鹏.人员紧急疏散系统动力学仿真模型研究[J]. 信息工程大学学报, ,9(2):254-256.
[2]黄希发,王科俊,郭莲英,邵清.基于Agent技术的人员疏散微观仿真模型研究[J].系统仿真学报, ,21(15):4568-4582.
[3]崔喜红,李强,陈晋,陈春晓.基于多智能体技术的公共场所人员疏散模型研究[J].系统仿真学报, ,20(4):1006-1010.
[4]宋大鹏.人员紧急疏散指挥及系统仿真研究[D]. 中国人民解放军信息工程大学 .
[5]刘兴堂,梁炳成,刘力,何广军.复杂系统建模理论、方法与技术[M].科学出版社, .
[6]方美琪,张树人.复杂系统建模与仿真[M].中国人民大学出版社,
[7]郭齐胜,董志明,李亮,曹军海,单家元.系统建模与仿真[M].国防工业出版社, .
[8]沈继红,施久玉,高振滨,张晓威.数学建模[M].哈尔滨工程大学出版社,1996.
[9]刘贞,程勇军.Swarm for Java仿真及编程实现[M].机械工业出版社, .
公共场所中基于Multi-Agents的人员疏散方案仿真
摘要:针对人员疏散过程当中可能会发生的突发的二次险情,以及静态疏散预案效率低的情况,建立了一种动态的疏散方案模型,根据疏散效率的时间函数,把每个需要疏散的房间和疏散通道都视为一个区域,经过计算这个区域的人数,经过率以及被疏散人员到出口的平均距离得到需要疏散的时间,综合每个区域到各个出口的最短时间,得到最短时间的疏散路径,从而优化了疏散方案。进一步假设,疏散过程当中,最优路径上会随机发生二次险情,此时利用疏散效率时间函数得到有二次险情发生时的最优疏散方案。仿真实验结果表明:动态的疏散方案优于无组织的个体逃生和单纯的静态疏散方案,提高了疏散成功率和疏散效率。
关键词:动态疏散方案 疏散效率 疏散成功率 多智能体
Abstract:For the evacuation process may suddenly occur secondary danger, and the low efficiency of the static situation of evacuation plans, establish a program of dynamic evacuation model, according to the time function of evacuation efficient. Each of the rooms and evacuation channels are treated as a region, by calculating the number of the region, the evacuation rate and the average distance to the entrance to get the time they need to evacuate. Compare the time of each area to each exit, get the evacuation route which uses shortest time, and optimized the evacuation plan. Then, suppose that during the evacuation process, the optimal path will have random secondary danger, using the time function of evacuation efficiency to get the optimal evacuation plan. Simulation results show that: the dynamic of the evacuation plan is better than unorganized individual escape and simple static evacuation plan, and improve the success rate of evacuation and evacuation efficiency.
Keywords:Dynamic evacuation program, Evacuation efficiency, Success rate of evacuation, Multi-Agents
0 引言
人员紧急疏散是当今世界安全领域研究的热点之一,然而中国人员疏散主要面临着疏散效率低,疏散动员机制和组织指挥体系不能满足现实需要等问题,计算机仿真能够解决模拟问题,它是在某些实验条件下对模型进行动态实验的一门综合性技术,能够真实的模拟紧急疏散的模型,动态的观察疏散过程,从而对疏散方案起到决策和优化作用。
人员疏散仿真是人群疏散研究的一个重要组成部分,其仿真模型一般分为宏观和微观两大类。微观模型能够设置不同的参数和行为规则,更真实的模拟出个体与个体之间的不同,更能够细致的模拟出个体之间的相互作用和影响。用微观模型包含更多行为细节,更能清晰的模拟现实中的人员疏散情况,方便仿真过程中对整个疏散过程和各个阶段各个主体的行为进行动态观察。
所谓“人员疏散过程当中可能会发生的突发的二次险情”(以下简称“二次险情”),是指:突发性灾害发生后,在人员疏散过程中可能发生的次生灾害。比如:在某个公共场所人员疏散中,可能某个疏散出口会发生情况不明的损毁等情况。
本文在已有人员疏散理论和建模方法的基础上,并在总结基于Agent技术和多智能体技术进行人员疏散建模的实践后,提出了疏散效率的时间函数,建立了动态拟定疏散预案的微观仿真模型,该模型经过动态的计算出最优路径,从而给疏散模型提供动态的疏散方案(根据不同的人员情况和突发的二次险情,动态的调整疏散方案,合理的对被疏散人员进行疏散),同时,根据该方案进行微观仿真。经过疏散模型中各个主体的个体行为,观察动态方案的优越性。
1 人员疏散模型的前期准备
1.1 整体环境描述
疏散模型将要模拟公共场所的建筑物实体虚拟为一个160×120的平面空间,每个坐标分别被赋属性值为:空、墙壁、障碍物、疏散出口、被疏散人员等等。每个坐标在每个时间周期内只能被赋予一个属性,不能同时有两种或两种以上的属性。
1.2 Agent的规则、策略和行为:
1.2.1 Agent描述:
每个被疏散人员用一个Agent表示,一个Agent包含的属性:
xPos: t时刻所在x坐标
yPos: t时刻所在y坐标
B_act 记录随机障碍物的事件发生与否
G_act 记录指示灯的事件发生与否
sight_length 视野范围
study_length 学习范围
Act_State 行为
agentColor: 颜色
1.2.2 Agent学习策略:
仿真过程中,充分考虑了疏散过程中引导作用,通道阻塞,人员阻塞等随机时间发生对人员疏散过程中对人员的影响,Agent与Agent之间的学习行为当某个Agent感知到通到阻塞,发现逃生出口会通知在其视野范围内的Agent。Agent经过这样的交互增加了自己的经验值,这样实现了Agent之间的适应性。
1.2.3 被疏散Agent三种基本行为:
本模型研究的被疏散人员分为三种:
第一种是熟悉自身所处的环境,在灾害发生后本能的选择自己认为最好的路径逃生,即最短路径行为;
第二种是不熟悉自身所处的环境,在灾害发生后选择自己进入此环境的入口逃生,即出入一致行为;
第三种是不熟悉自身所处的环境,在灾害发生后由于恐慌等因素盲目的前往人多的地方寻找逃生路径,即从众行为。
具体算法描述:
⑴最短路径行为:
Agent自身采取最短路径行为时的附近坐标点吸引力概率为:
⑴
⑵
⑵进出一致行为:
Agent自身采取进出一致行为时的网格吸引力概率与 act_1 时的计算方法基本相同,只是在计算网格 N(i,j)到达疏散出口的距离D(i,j)时,疏散出口被特定为Agent所选择的入口位置。
⑶从众行为:
Agent自身采取完全从众行为时的网格吸引力概率为:
⑶
Agent的视野范围是以其所在坐标为中心的一个有限区域;分母为视野范围内向所有8个方向移动的总人数。该式表示向某一方向移动的人数越多,则该方向的吸引力越大。
1.2.4 被疏散人员Agent移动的基本规则:
⑴ Agent根据自身在t时刻的状态和视野内其它Agent的状态及其邻域内的其它坐标的属性,选择吸引力概率最大的一个坐标作为t+1时刻的目标坐标。
⑵ 由于每个坐标最多只能容纳一个Agent,因此每个Agent在移动到下一个目标坐标前都会判断这个目标坐标是否为空,也就是没有被墙或障碍物或其它Agent占据,此时该Agent移动到目标坐标,否则继续判断次优坐标点。
⑶ Agent的行为模式取决于当时Agent所处的状态和该Agent本身的条件,每个Agent在初始时(灾害发生时)都会随机一个固定行为模式直到本身的状态改变迫使该Agent改变行为模式。例如:某Agent初始为从众行为模式,当该Agent视野内有出口时,放弃从众行为,采取最短路径行为从出口逃生。又如:某Agent初始为出入一致行为(即:陌生环境,按原路返回),但原路为灾害发生的地方,此时该Agent放弃出入一致行为,采取从众行为。
2 几条基本假设
⑴ 安全出口、疏散通道在灾害发生前无障碍物,畅通无阻,安全出口门向外开启。
⑵ 被疏散人员均保持清醒,在疏散开始的时刻同时进行疏散,且在疏散过程中不会中途返回选择其它疏散路线。
⑶ 被疏散人员具有相同的身体条件,在到达出口前不会出现意外情况。
⑷ 每个被疏散人员的速度相同并保持不变。
⑸ 每个被疏散人员都是独立的个体,不存在亲属等团体关系。
⑹ 不考虑周围人员的平均方向产生的示范作用,忽略由于拥挤、踩踏等因素导致的人员伤亡事件对模型造成的影响。
⑺ 初始化时模拟环境中被疏散人员为最大值,即灾害发生后,禁止所有入口进人,模型中不会增加被疏散人员。
3 基于多主体人员疏散微观仿真系统的设计
3.1 初始化:
⑴程序运行即开始人员疏散。
⑵每个行为主体被随机的赋予三个基本行为中的一个,按此行为进行疏散。
⑶疏散出口:4个
⑷被疏散人员:<1000(随机放置于空间中)
⑸墙壁:围绕空间外围。
3.2 动态疏散方案:
3.2.1 动态调配最优疏散路径算法:
区域内所有Agent到出口的平均距离:
avgX = / n ⑷
avgY = / n ⑸
L = ⑹
(注:x, y分别为该区域的一个出口的坐标)
⑺
T:时间周期
N:区域内总人数
P:疏散率,即单位周期内疏散总人数
L:区域内所有Agent到区域出口的平均距离,即总体疏散代价
2
b
a
77
8
d
c
4
3
1
9
5
6
出口
出口
出口
出口
图1 疏散空间示意图
图1是把每个需要疏散的房间和疏散通道都视为一个区域画出的效果图,图1中1-9为房间,a-d为疏散通道。
3.2.2 动态疏散方案描述
如图将整个平面图划分为9个房间区域和4个通道区域。根据公式(7),能够算出疏散各个区域内所有人员,所需耗费的平均代价时间周期。在疏散过程中,系统每10个运行周期都会计算一次这个时间周期,相互比较两两可行邻区域之间的T值,T值大的代表整个区域内人员疏散的所需的时间周期代价大。系统根据T值动态地调配被疏散人员从T值较大的区域往T值较小的区域疏散,再根据各个区域疏散引导被疏散人员。从而实现了优化各个区域及整体的疏散时间效率。在疏散区域内安装指示灯或疏散引导人员,引导被疏散人员按系统某一个时间周期内调配的最优疏散方案疏散。
3.2.2 平台简介
使用Java作为编程语言,在Java的基础上使用Swarm平台和它所提供的类库构建模拟系统,由于Swarm对Java的支持和Swarm没有对模型和模型要素之间的交互作任何约束,Swarm应当能够模拟任何物理系统或社会系统,更适合多主体仿真。
4 仿真结果及其分析:
仿真结果(动态疏散方案,静态疏散方案)如图2至图6所示。
图2 初始待疏散状态
图2为仿真初始状态,其中灰色的代表墙体,紫色的代表二次险情发生中产生拥堵的障碍,黄色的方格代表疏散指示,1,2好疏散方案中有,3号自主逃生中无。待疏散人员分别用红绿蓝三种颜色表示,分别为:红色代表“寻求最近出口行为”的人,绿色代表“根据出入一致寻求出口”的人,蓝色代表“从众”的人。
图3 动态疏散方案20周期状态
图4 动态疏散方案40周期状态
图5 静态疏散方案20周期状态
图6 静态疏散方案40周期状态
待疏散总人数
成功疏散人数
疏散成功率(%)
平均疏散效率
1.动态疏散方案
604
495
82.0%
3.42
2.静态疏散方案
604
372
61.6%
3.15
3.自主逃生
604
351
58.1%
2.58
表1 疏散成功率与平均疏散效率对比表
表1中数据为5次仿真结果的平均值,其中平均疏散效率指单位周期内疏散的人数。
比较动态疏散方案和静态疏散方案40周期状态(图4和图6),在发生二次险情情况下,动态疏散方案合理的更改临时疏散方案,引导被疏散人员向其它未发生二次险情且无拥堵畅通的区域疏散,从而让更多的被疏散人员到达安全区域。
分析仿真结果,可见:在疏散过程中,产生二次险情,动态疏散调配方案的疏散成功率远远超过静态预先定好的方案以及无方案的自主逃生行为。同等条件下对比3种方案的单位周期的平均疏散效率,无方案的自主逃生在效率上远低于前两种方案。说明在公共场所,面对突发事件,被疏散人员自发行为会有盲目性。因此,针对公共安全事件有必要事先做好应急方案的准备工作。然而,再对比动态和静态两种疏散方案,由于静态疏散方案事先固化,缺乏对事中有可能产生的二次险情或者其它特殊情况考虑。在产生二次险情时,静态疏散方案的疏散成功率与自主逃生行为相差无几且远低于动态时刻调配的疏散方案。因此,经过仿真研究,发现对于公共安全针对突发性事件应急疏散,设计一套动态实时监控,迅速针对特殊情况实时调配的动态疏散方案,在保护人员安全方面最为有效。
5 结论
从仿真结果我们能够看到动态疏散方案的实用性和必要性。针对临时突发事件引发的二次险情,静态预案路径受阻导致疏散效率低的情况,我们建立了一种动态的疏散方案,而且取得了积极而有效的结果,仿真结果符合实际情况,经过动态疏散方案,提高了人员疏散成功率和疏散效率。
参考文献:
[1]王付明,刘贵坤,宋大鹏.人员紧急疏散系统动力学仿真模型研究[J]. 信息工程大学学报, ,9(2):254-256.
[2]黄希发,王科俊,郭莲英,邵清.基于Agent技术的人员疏散微观仿真模型研究[J].系统仿真学报, ,21(15):4568-4582.
[3]崔喜红,李强,陈晋,陈春晓.基于多智能体技术的公共场所人员疏散模型研究[J].系统仿真学报, ,20(4):1006-1010.
[4]宋大鹏.人员紧急疏散指挥及系统仿真研究[D]. 中国人民解放军信息工程大学 .
[5]刘兴堂,梁炳成,刘力,何广军.复杂系统建模理论、方法与技术[M].科学出版社, .
[6]方美琪,张树人.复杂系统建模与仿真[M].中国人民大学出版社,
[7]郭齐胜,董志明,李亮,曹军海,单家元.系统建模与仿真[M].国防工业出版社, .
[8]沈继红,施久玉,高振滨,张晓威.数学建模[M].哈尔滨工程大学出版社,1996.
[9]刘贞,程勇军.Swarm for Java仿真及编程实现[M].机械工业出版社, .
展开阅读全文