基于元胞自動機的建筑物內人員疏散模擬研究

李佳松　張賓賓　趙建博

摘要：本文主要研究7緊急情況下，大型建筑物內人員疏散模擬仿真問題，以法國盧浮宮為例，使用元胞自動機算法和粒子群優化算法模擬了人群疏散過程。本文考慮7盡可能多的限制因素，例如對殘疾游客的限制，人群中的恐慌程度等，并用一些可控參數取代7這些因素，以便于疏散系統的調試。實驗結果表明，當參數改變時，本文模型仍然穩定，可以應用于其他大型公共場所的人群疏散過程仿真模擬。

關鍵詞：人員疏散元胞自動機粒子群算法模擬仿真

引言

眾所周知，盧浮宮是世界上規模最大藝術博物館之一，但近年來法國發生了越來越多的恐怖襲擊事件，因此為大型建筑物制定人員緊急疏散計劃迫在眉睫。本文即以盧浮宮為例，主要研究了緊急情況下大型建筑物內人員疏散仿真。模型中除了考慮到建筑物內每個人的心理素質和身體狀況還考慮到環境對每個人的影響例如擁擠人群摩擦，恐慌氣氛等的影響，總之，本文建立的是可以實時更新這些狀態的模型，足以應對各種復雜情況。

1粒子群優化算法

在初始化訪客的位置時，設訪客總數為N，則每個游客的位置為：

X叫XI.xz.X3 -XN）

將每個游客運動的速度設定為：

V=（ vl，vz，V3…VN）

則每個游客的位置更新表示為：

x1⑵=x（1）+V1（1）

其次考慮到各種限制因素對人員疏散的影響：

（1）將運動不便的人群比例設定為人群總數。為了保證疏散速度的可靠性，在每次迭代之前改變不方便人群的疏散速度。

（2）本文認為心理，環境因素等會干擾人群的疏散。本文使用參數0來表示這些因素。

然后通過使用經典粒子群優化算法確定找到個體最優和全局最優解。本文將粒子群的大小設置為N;粒子的個體學習因子設為1;粒子的社會學習因子設置為C2，隨后就可以使用粒子群優化來更新人群疏散的速度。

2元胞自動機模擬仿真

本文使用元胞自動機模型來計算對游客的吸引力，且出口對游客的吸引力最大，而障礙對游客的吸引力最小。使用歐氏距離來定義每個位置的吸引力，同時當有多個出口時，鄰域吸引力是平均的。

設k為比例系數，它是一個常數值，然后將人口密度設置為p，通過上述條件建立適應度函數：

5分鐘后，由模擬結果看到留在l樓的人數仍然很多，但結果也符合預期，這種現象是使用粒子群算法的結果。實際上，疏散過程可能具有一定的反應時間。25分鐘后，可以看到人群基本上已經疏散，滯留的游客應該在短時間內離開。為了使疏散過程更加直觀，本文設置了一些采樣點并將參數矩陣轉換為圖形，以便可以測試該模型是否適合此問題。下圖2是關于滯留游客數量與時間之間關系圖像。

坐標系中，X標簽代表疏散時間，而Y標簽代表游客總數。從結果圖中發現，在10到20分鐘，訪客的疏散速度特別快，這是由于本文粒子群算法的使用。

3結論

在模型建立后，本文使用模擬仿真可以看到整個人群疏散過程，這些過程使我們對人群疏散有更深入的了解。且模型中有許多可控因素，可以通過控制一些變量來改變一些限制性因素，例如殘疾人數和人口恐慌程度。從游客的角度，本文也考慮許多因素，例如語言障礙，運動不便等等。當參數改變時，本文模型仍然穩定，可以應用于其他大型公共場所的人群疏散過程仿真模擬。

參考文獻

[1]IZQUIERDO J， MONTALVO I， P REZ R， et al. Forecasting pedestrian evacuation times by using swarm intelligence[Jl. Physica A：Statistical Mechanics and its Applications， 2009， 388（7）： 12131220.

[2]RYOICHI N. MASAHIRO F. TAKASHI N. Evacuation of crawlers and walker from corridor through an exitEJl. Physica A，2006.367：449460.[7]MASAKUNI M. TAKASHI N.Jaimning tra