基于GAMA平臺的多智能體應急疏散仿真模型

周　燁，魏海平，何源浩，黃　凱

(信息工程大學 地理空間信息學院，河南 鄭州 450001)

?

基于GAMA平臺的多智能體應急疏散仿真模型

周燁，魏海平，何源浩，黃凱

(信息工程大學 地理空間信息學院，河南 鄭州 450001)

摘要：應急疏散的研究對象是一個復雜的社會系統，利用多智能體模型可以有效模擬人群復雜的社會行為。將多智能體模型應用于應急疏散領域，設計5種類型的智能體實體，構建多智能體應急疏散仿真模型，從被疏散個體的相互作用行為入手，研究整個被疏散群體的行為特征。基于GAMA平臺，實現以矢量地理空間數據為基礎的多智能體應急疏散仿真模型，通過仿真實驗，動態呈現整個應急疏散過程。對災害、突發事件應急疏散指揮，應急疏散設施建設、城市規劃設計等工作具有重要的意義。

關鍵詞：多智能體；應急疏散；矢量地理空間數據；GAMA平臺

近年來，我國自然災害和突發事件頻繁發生，2008年5月21日，四川省阿壩藏族羌族自治州汶川縣發生里氏8.0級大地震，造成69 227人遇難，374 643人受傷，17 923人失蹤；2010年4月14日，青海省玉樹藏族自治州玉樹縣發生6次地震，最高震級7.1級，造成2 698人遇難；2014年12月31日上海外灘擁擠踩踏事件，造成36人死亡49人受傷。這些災害和突發事件的發生對政府的救災應急響應工作提出嚴峻的考驗。人群疏散是一個異常復雜的行為過程，目前已有研究成果表明，在疏散問題各影響因素中，對人群及其社會行為的正確認識，可以有效提高疏散效果[1]。對人群行為的分析，主要有基于流的模型、元胞自動機模型以及智能體模型[2]。利用智能體模型研究應急疏散過程，能夠很好地綜合考慮被疏散個體及其相互作用的行為，從而進一步認識到整個人群的行為特征。

利用計算機建模及仿真技術，構建多智能體仿真模型研究不同尺度的應急疏散過程，可以為建筑物、市政及公共場所應急出口、通道的設計，政府應急指揮決策提供科學可靠的依據[3]。目前，國內外很多學者都進行這方面研究，開發多種應急疏散仿真模型及建模工具，例如NetLogo數據驅動的模塊化建模工具、Repast智能體建模工具箱、Mason智能體建模工具箱、GAMA智能體仿真建模平臺等[4]。此外還包括以需求為導向，綜合上述工具開發的應急疏散模型等。

目前GAMA 1.6(GIS & Agent-based Modeling Architecture)平臺可以很好的和GIS系統相結合，利用GIS系統的空間表達和分析優勢為智能體建模提供更真實、準確的地理空間環境信息。本文利用GAMA 1.6平臺，以矢量地理空間數據為基礎，構建多智能體應急疏散仿真模型。

1多智能體應急疏散仿真模型

1.1多智能體模型

智能體(Agent)是一個復雜適應性系統中的決策組件[5]，它包含一系列屬性和行為規則，其屬性定義了智能體是什么，行為規則定義了智能體做什么。智能體可以應用在許多領域，本文研究的智能體針對災害、突發事件的應急疏散過程進行構建分析。被疏散群體由一個個活動復雜的被疏散個體組成，對于其行為的研究，難以用傳統的方法描述。多智能體模型中，一類智能體能夠感知周圍環境，并對環境做出響應，個體間具有自治、通訊以及協作等功能特性，可以模擬被疏散個體之間既相互獨立又相互作用的行為特征；另一類智能體能夠對其他智能體對其造成的影響做出反應，從而改變自身屬性，可以模擬障礙物、道路等[6]。利用多智能體模型研究復雜社會系統具有如下優點：①多智能體模型可以抓住表達復雜自適應社會系統的主要現象；②提供對于復雜社會系統較為自然和簡化的描述方式；③通過構建不同復雜程度以及不同規模的智能體，使得可以在不同尺度層面上研究復雜社會系統。因此，利用多智能體模型研究應急疏散問題，可以有效揭示整個系統的整體結構和功能[7]。

1.2GAMA智能體仿真平臺

GAMA(GIS & Agent-based Modeling Architecture)是一個開源的支持空間化、多范式和多尺度的多智能體仿真平臺，它整合了智能體建模、地理空間數據管理以及空間數據可視化工具，可以實現智能體模型的多層次表達[8]。GAMA使用內建的GAML語言(GAMA Modeling Language)構建智能體模型，相比Repast，Netlogo和Mason等使用Java語言的仿真平臺，降低模型的開發難度，可以使研究人員更加關注應用多智能體模型解決具體問題的研究。GAMA仿真平臺具有良好的空間數據管理能力，可以讀取多種矢量、柵格地理空間數據，并包含多種空間分析工具，方便開發基于GIS的智能體模型。

1.3多智能體應急疏散仿真模型框架設計

應急疏散問題的研究對象是一個較為復雜的社會系統，復雜系統建模有兩種思路，分別是保持簡單直接原則(Keep It Simple Stupid，KISS)和保持具體直接原則(Keep It Descriptive Stupid，KIDS)[9]。本文遵循KISS原則設計模型，即盡量保持模型的簡潔，對現實世界較為復雜的實際情況進行高度抽象。

多智能體應急疏散仿真模型建立的方法步驟為：第一步進行數據收集，獲取真實情況下人群行為的數據；第二步進行模型設計，利用UML建模方法，設計多智能體應急疏散模型，設計模型包含的各類智能體；第三步進行模型編碼，在模型設計的基礎上，在GAMA平臺上實現模型的編碼；第四步進行模型驗證，它是整個模型建立的一個重要環節，分析驗證設計的多智能體模型是否能夠和現實情況相吻合，如不吻合則需要對模型進行調整和改進；最后進行模型仿真和結果分析。

GAMA仿真平臺采用面向對象的思想，將現實世界的每一類實體都抽象為一類智能體，類似于Java語言中類的概念。本文共設計兩大類五種類型的智能體：一類是道路智能體、障礙物智能體、疏散區域智能體；另一類是被疏散個體智能體和交通工具智能體等[10]。通過智能體模型(見圖1)來描述、表達和模擬這些智能體之間的相互作用，可以幫助人們理解整個應急疏散過程中的人群行為特征。

圖1　多智能體應急疏散模型框架

2智能體及其行為設計

設計智能體(Agent)是多智能體應急疏散模型的關鍵，本文根據保持簡單和直接原則，對應急疏散過程中所涉及的幾類對象經過高度抽象，設計以下5種類型智能體，圖2為UML模型示意圖。

圖2　智能體實體

2.1道路智能體(Road Agent)

當災害、突發事件發生時，道路智能體是人群智能體疏散的通道，模型中道路具有寬度、長度和損毀系數等屬性。其中損毀系數，表示道路的損毀情況。模型使用加權網絡圖表示道路結構，圖的邊表示道路，節點表示道路交叉口，道路網絡中第i條道路的權值為其等效長度Li′。

(1)

式中：Li為第i條道路的長度;αi為第i條道路的損毀系數，當αi為0時，表示道路損毀，等效長度為無窮大;當αi為1時，表示道路未損毀，等效長度為其原長。如果某條道路損毀，則其等效長度增加，在最短路徑搜索算法中，就不會優先選取該道路。

2.2障礙物智能體(Obstacle Agent)

在模型中根據實際情況設置障礙物智能體，用來模擬災害、突發事件產生的障礙物造成的道路損毀、人員傷亡等情況。障礙物智能體具有位置、類型和破壞系數等屬性，障礙物智能體的破壞系數正比于道路智能體的損毀系數。

(2)

式中：βij表示第i條道路上第j個障礙物的破壞系數。

2.3疏散區域智能體(Region Agent)

疏散區域智能體具有類型、容量、形狀和位置等屬性，其中類型屬性，表示某一個區域的類型，“safe”表示為安全區域，“unsafe”表示危險、災害發生區域；安全區域的容量屬性表示該安全區域能承載的被疏散個體數目，危險區域的容量屬性表示該危險區域包含的被疏散個體數目，形狀和位置屬性表明疏散區域的地理空間信息。

2.4被疏散個體智能體(People Agent)

被疏散人群的行為特征是應急疏散問題研究的關鍵，因此被疏散個體智能體(People Agent)是多智能體應急疏散模型最重要的一部分。本文在搜集整理被疏散人群行為數據的基礎上，對人群進行高度抽象，建立被疏散個體智能體。模型中被疏散個體智能體設置了狀態、目標和行走速度等屬性[11]。其中狀態屬性表示被疏散個體是否處在安全區域，分別以“safe”、“unsafe”表示“到達安全區域”、“未到達安全區域”；行走速度屬性，表示被疏散個體行走速度，根據經驗數據、道路通行情況取值為4～7 km/h之間[12]；目標屬性，表示被疏散個體要到達的安全區域，可根據模型計算得到距被疏散個體最近的安全區域。

被疏散個體智能體中，第j個被疏散個體的行為規則定義如下:

1)如果被疏散個體位于危險區域，則依據道路網絡權值Li，利用最短路徑搜索算法，尋找距其最近安全區域并轉移，并向其移動，速度vji正比于道路損毀系數；

(3)

2)如果被疏散個體已經位于安全區域，則停止移動。

2.5交通工具智能體(Transportation Agent)

當被疏散個體距離安全區域較遠時，使用交通工具轉移被疏散個體，交通智能體包含狀態、容量、速度、顏色等屬性[13]，其屬性含義和人群智能體相似，其中狀態屬性，表示該交通工具是否到達安全區域；容量屬性，根據交通工具類型確定，一般使用卡車、大巴車等，容量一般為40人左右；速度屬性，汽車運行速度約為60～80 km/h。它的行為規則和被疏散個體智能體行為規則類似。

另外，模型中上述每一個智能體都設有顏色屬性，方便模型仿真過程、結果的可視化表達。

3多智能體應急疏散仿真實驗

3.1仿真場景

本文使用GAMA 1.6仿真平臺，對某城區局部區域人群應急疏散問題進行建模與仿真(區域東西跨度約為6.5 km，南北跨度約為7.2 km)。城區周邊共有5個空曠且道路通行情況良好的區域可作為安全疏散區域。模型仿真中，假定某市城區范圍內被疏散人群總數為N，交通工具數S(定員為40人/車)，安全疏散區域數R，人群步行時速設定為5.0 km/h，交通工具時速設定為60 km/h。通過模型仿真，計算不同條件下的人群疏散時間。

3.2實驗準備

根據城區衛星影像，在ArcGIS中采集城區主要道路數據，分別制作道路、疏散區域和邊界3個矢量圖層。在GAMA仿真平臺中，利用GAML語言分別定義Road Agent,Obstacle Agent,Region Agent,Transportation Agent和People Agent，其中Road Agent,Region Agent在模型初始化時，由實驗數據準備階段制作的矢量圖層載入生成，其屬性由程序根據polygon shapefile的相應字段填寫，People Agent的初始位置設置在類型屬性為“unsafe”的區域中。

3.3實驗結果及分析

如圖3所示，設定5個危險區域，分別對1個安全疏散區域的5種分布情況和2個安全疏散區域的10種分布情況，進行人群徒步、乘車疏散仿真實驗；并針對有1個、2個安全疏散區域時疏散效果最好的安全疏散區域分布情況，進行道路損毀時的人群疏散仿真實驗。實驗分析結果如下:

1)由圖4可得，安全疏散區域為1個時，第2種分布(圖3中1-2)的疏散效果最好，安全疏散區域為2個時，第7種分布(圖3中2-7)的疏散效果最好。由此可見，安全疏散區域的位置直接影響著疏散效果。政府、市政部門在做市政規劃時，應急疏散仿真實驗可以為城市應急疏散區域的選址提供一定的參考依據；

2)由圖4可得，乘車疏散相比徒步疏散更有效率，但是這種疏散方式對應急指揮工作有很高的要求，需要在平時進行大量相關演練，且需有詳細的人員登車方案，才能確保突發事件發生時不因人群慌亂而影響疏散工作有序進行；

3)由圖5可得，隨著道路損毀系數減小，道路損毀情況不斷加劇，人群疏散時間變得越來越長，良好的道路通行情況對有效的應急疏散工作至關重要。因此，應根據重點區域發生突發事件的情況，通過本模型分析人群疏散經過的重要道路來確定需要重點建設的道路，提高道路防護等級和養護水平，以確保在突發事件發生時道路順暢。

圖3　不同危險區域及安全區域圖示

圖4　不同安全區域時的應急疏散時間

圖5　道路損毀時的應急疏散時間(徒步)

4結束語

本文使用多智能體模型對應急疏散過程這一復雜社會系統進行建模，以矢量地理空間數據構建的空間環境為基礎，基于GAMA平臺實現多智能體應急疏散仿真模型，并對城市應急疏散過程進行仿真實驗，動態反映整個人員疏散過程。利用模型對城市不同位置發生的災害和突發事件進行模擬，分析被疏散群體行為特征從而得到最優疏散區域布局和最優疏散路徑。該仿真實驗可以為市政規劃、應急指揮決策提供輔助參考。盡管模型綜合考慮了疏散過程中被疏散個體、環境等因素對疏散效果的影響，但人群疏散是一個復雜的社會系統行為，仿真模型必然具有一定的局限性。在未來研究中，還需要對不同情景下的人群疏散過程進行分析，并探索城市三維地理空間環境智能體的建立，不斷完善多智能體應急疏散仿真模型的功能并拓展其在多領域的應用。

參考文獻：

[1]PAN X,HAN C S,DAUBER K,et al.A multi-agent based framework for the simulation of human and social behaviors during emergency evacuations[J].AI & Society,2007,22(2):113-132.

[2]SANTOS G,AGUIRRE B E.A critical review of emergency evacuation simulation models[J].2004.

[3]溫伯威，王超峰，劉瑞雪.基于泛在網信息的城市應急疏散決策研究[J].測繪工程,2013,22(6)：58-60.

[4]GRIGNARD A,TAILLANDIER P,GAUDOU B,et al.GAMA 1.6：Advancing the Art of Complex Agent-Based Modeling and Simulation[A].PRIMA 2013：Principles and Practice of Multi-Agent Systems,2013.

[5]NORTH M J,MACAL C M.Managing Business Complexity：Discovering Strategic Solutions with Agent-Based Modeling and Simulation[M].United States of America：OXFORD University Press,2007:24-25.

[6]苑盛成.基于多智能體的大規模緊急疏散仿真系統研究[D].北京：清華大學,2012.

[7]BERRY B,KIEL L,ELLIOTT E.Adaptive agents,intelligence,and emergent human organization：Capturing complexity through agent-based modeling[J].Proceedings of the National Academy of Sciences of the United States of America,2002,99(6887):-.

[8]DROGOUL A,AMOUROUX E,CAILLOU P,et al.Gama：multi-level and complex environment for agent-based models and simulations[A].PRIMA,New Zealand,2013.

[9]VAN Truong H,BECK E,DUGDALE J,et al.Developing a model of evacuation after an earthquake in Lebanon[J].arXiv preprint arXiv:1312.5941,2013.

[10] 劉小嬋，張明鋒，張正祥.基于GIS與多智能體的人群疏散模擬[J].地理信息世界,2014(5)：23.

[11] 崔喜紅，李強，陳晉.基于多智能體技術的公共場所人員疏散模型研究[J].系統仿真學報,2008,20(4)：1006-1010.

[12] 陳曦.人員疏散速度模型綜述[J].安防科技,2012(3)：46-48.

[13] 吳健宏，翁文國，倪順.基于GIS和Multi-Agent的城市應急疏散[J].清華大學學報：自然科學版,2010(8)：1168-1172.

[責任編輯：張德福]

Multi-agent simulation of emergency evacuation based on GAMA Platform

ZHOU Ye,WEI Haiping,HE Yuanhao,HUANG Kai

(School of Geospatial Information,Information Engineering University,Zhengzhou 450001,China)

Abstract：The object of emergency evacuation is designed as a complex social system.Sophisticated human social behaviors can be simulated through multi-agent-based models.This proposes a multi-agent-based model applied to the emergency evacuation behaviors in real word.An multi-agent-based model that consists five types of agent entities is developed to characterize the individual behaviors and the features of a group.The model is designed and implemented on the GAMA Platform (GIS & Agent-based Modeling Architecture).The results present a dynamical emergency evacuation process that will provide suggestions about command and regulation of emergency evacuation in disasters and planning in urban construction.

Key words：multi-agent；emergency evacuation；vector spatial data；GAMA platform

中圖分類號：P208

文獻標識碼：A

文章編號：1006-7949(2016)04-0066-05

作者簡介：周燁(1987-)，男，碩士研究生.

收稿日期：2015-04-08；修回日期：2015-04-16