初始分布非均匀的行人流疏散仿真研究

为了有效模拟研究初始分布非均匀的行人流疏散问题,通过定义行人方向模糊可视域,改进了场域元胞自动机模型。模型中,行人的目标位置选择受到方向模糊可视域内行人之间的排斥力和吸引力、出口处行人分布、距可选位置相对距离三种因素共同作用。研究表明,改进模型能够有效地实现初始分布非均匀的行人流在疏散过程中的动态平衡;改进模型不依赖于各因素的影响系数,从而避免了影响系数量化过程的主观性和疏散系统的限制性;在疏散过程中,如果行人保持一个较大的视野半径,疏散系统能够实时提供出口处行人分布状态,就可以有效地提高行人流疏散效率。该研究有助于相关行人流疏散策略和方案的制定。     

基于突发事件影响力传播的双向人流疏散仿真

当突发事件发生时,行人行走行为会因为突发事件本身以及突发事件在人群中的传播而改变。对于突发事件影响下的行人行走特征的研究能够提高人流疏散的效率。针对现有研究中数据获取方式的不足,对真实行人场景视频进行图像处理,提取相关数据后分析了无突发事件时行人一般行走特性。针对突发事件下的行人流,利用k-邻近算法和合力的思想描述了突发事件的影响传播和突发事件下行人流的自组织现象,并由此提出一种新的元胞自动机模型,该模型中的行人元胞会受到正常行走、突发事件、安全标识这三个因素所抽象产生的三个作用力的影响。利用模型对突发情况下的双向人流疏散进行仿真,实验结果表明,当安全标识的距离为0、10、20个元胞时,在小范围行人通道中安全标识分布的距离对人群疏散作用不明显;通过对人群间是否存在影响力的研究发现,疏散的效果主要受到附近行人对突发事件传播的影响;突发事件的影响程度太大或影响范围过小都会引发拥堵,不利于人群的疏散。仿真结果与真实世界中的双向行人流疏散情况基本吻合。     

基于人机社会力模型的人群疏散算法

针对公共场合紧急情况下人群疏散困难和效果有限的问题,提出一种基于人机社会力模型的机器人疏散人群的方法。首先,基于原始社会力模型提出了一种新的人机社会力模型,该模型在原始社会力模型的基础上加入了机器人对人作用的人机作用力;然后,基于人机社会力模型提出一种新的利用机器人疏散人群的方法,该方法在人群疏散场景中加入运动机器人,通过机器人自身的运动,利用人机作用力影响周围行人的运动状态,减小行人之间的压力,从而达到加快人群运动速度、提高人群疏散效率的目的。在室内封闭场景人群逃生、两群行人交错这两种典型的疏散场景中分别进行仿真实验,并将实验结果与未加入机器人的人群疏散结果进行对比分析,实验结果表明,基于人机社会力模型的机器人疏散人群的方法能够明显加快人群的运动,提高人群的疏散效率。     

地铁站楼梯行人流交通特征的数据拟合分析

随着中国城市化水平的不断提高,行人在整个城市交通体系中的影响越来越大,越来越多的研究开始关注行人交通。但目前国内外对行人交通的研究都集中在水平步道上,尚没有对楼梯的行人流特征的研究,特别是缺少对大城市重要人流重要集散地的步行楼梯行人流特征的分析研究。通过对上海市赤峰路轻轨车站、上海人民广场地铁站和上海火车站地铁站等几个重要的行人集散地的楼梯行人流的特征调查,以定性分析为基础得到楼梯行人流的密度－速度、密度－流率的函数关系类型,并采用Matlab等软件进行函数拟合,得到换乘枢纽的行人流特征函数及楼梯行人流特征模型。为合理设置换乘枢纽内楼梯设施,提高楼梯的通行能力,更好组织行人流提供依据。     

基于正六边形元胞自动机的行人疏散研究

在分析、比较现有疏散仿真模型的基础上,提出一种基于正六边形元胞自动机的行人疏散模型。该模型中疏散空间被分成相等的正六边形,每个行人有包括静止在内的7个运动方向。给出速度等级的概念用来描述行人的疏散速度。在疏散过程中行人选择出口的决策由到出口的距离、视野内行人数量和密度决定。为展示恐慌心理对疏散过程的影响,定义了恐慌系数。通过实验仿真了有恐慌和无恐慌2种情景下的疏散过程,结果表明,该模型可真实地反映实际的疏散过程,可为真实的行人疏散和评估公共建筑设计起到一定的参考作用。     

基于势能场的机场行人行为建模仿真研究

研究机场人流优化疏散问题,由于机场内人流和滞留旅客量大,进行行人行为建模得出行人活动规律,是进行人员疏散、维护公共安全的基础.针对机场的空间特点,研究人员采用势能场方法对行人行为建模,通过目的地和障碍物等对行人的影响来确定行人的总势能.同时采用精细网格模型对特定区域进行行人行为仿真.仿真结果表明,在变截面空间的运动中,行人在低密度情况下可不受截面变化影响.对于高密度情况,行人会受到相互干扰,以被迫改变自己的运动轨迹.研究给出了相关行人轨迹,为疏散提供参考.     

人员踩踏事件中快速疏散复杂网络模型的研究

研究发生踩踏事件时人员快速高效的疏散问题.在人员密集区域中一旦发生踩踏事件将造成人流信息的无序化变化,人流密度和运动方向具有极强的非线性和突变性.传统的疏散路径诱导方法仅仅是针对有序的、平稳的人流密度变化进行疏散路径选取,非线性和突变性的人流信息不能在模型中得到反应,一旦踩踏事件发生,模型的稳定性会被破坏.提出了一种根据突变人流诱导的快速疏散复杂网络模型.引入人流方向突然变异算子将人流密度变异和方向变异的因素充分考虑进来,提取局部区域突变参数,并将其反馈到控制端,从而提高疏散速度.实验证明,提出的算法提高了人员在踩踏事件中的疏散速度和效率.     

遗传算法与行人疏散模型结合的建筑出口优化

构建基于遗传算法与行人运动仿真模型的双层优化框架，选取单室双出口场景，考虑两个出口在同一侧、相邻侧、相对侧3种典型布局，设定3种人员身形，3种疏散初始人群密度，9种疏散出口大小条件，形成243个数值实验场景，分别计算获得最有利于人员疏散的出口布局。研究发现疏散出口宽度与疏散效率呈正向关系，疏散人员半径、初始人员密度与疏散效率呈负向关系，同时在不同布局中，影响疏散效率的关键参数有一定区别。     

结合最短路径改进的社会力人群疏散仿真模型

社会力模型广泛应用于人群疏散仿真,针对该模型在仿真过程中存在行人停滞不前、无法通过非凸边形障碍物和疏散路径与行人实际选择的路径不相符等问题,提出了一种社会力改进模型。该模型基于场景中的障碍物生成路径节点,利用这些节点生成无向图,同时考虑了节点的安全系数和拥挤系数对节点通行性的影响生成最短疏散路径。通过改进后的社会力模型进行了多种场景的仿真实验,实验结果显示行人在复杂障碍物场景中能有效绕过障碍物,生成合理的疏散路径,表明该模型有效改善社会力模型,使人群疏散仿真更加真实。     

考虑个体行为的改进CA模型人员疏散研究

为更好模拟行人疏散过程中微观个体行为,考虑行人身材半径及在疏散过程中行人步行速度随运动状态变化,将社会力模型运行规则引入元胞自动机模型,建立了一种社会力模型计算步行速度、空间离散化程度和步行速度较高的疏散模型,用于模拟紧急情况下的行人疏散过程。在该模型中空间划分为更小网格,每个行人占用一到多个单元格,行人的身材半径不再不变,每个行人移动的距离由其速度决定,根据基于速度的出口选择方法和行人运动规律,通过数值模拟分析,研究了疏散过程中的动态性。研究表明基于速度的网格移动数量、行人数量、期望速度、行人身材半径、松弛时间等参数影响疏散效率,结合连续模型的优点能够更加客观真实刻画疏散过程,有助于离散模型描述行人疏散微观行为特征。     

Modelling pedestrian merging in stair evacuation in multi-purpose buildings

Despite the total evacuation time of occupants in a multi-storey building not being affected by pedestrian merging on stairs, the calculation of evacuation times in each individual floor depends on the pedestrian merging ratio. In fact, different merging ratios may cause an evacuation to take place from the top to the bottom or vice versa. A simplified simulation model for the calculation of evacuation time at each floor is presented here. This model allows the investigation of the impact of two main variables affecting the evacuation time at each floor, namely 1) different initial numbers of pedestrians at each floor (i.e. occupant load), and 2) different merging ratios at each floor. This means that the model allows the calculation of the evacuation time at each floor considering a building with different occupancy types at different floors (e.g. office, residential, commercial, etc.) and different merging ratios which may be caused by a different configuration of the landing door at each floor. The model is presented in this paper using a case study of a hypothetical building. A detailed discussion on the model assumptions, advantages and limitations is also provided.     

A conflict–congestion model for pedestrian–vehicle mixed evacuation based on discrete particle swarm optimization algorithm

A simulation model based on temporal–spatial conflict and congestion for pedestrian–vehicle mixed evacuation has been investigated. Assuming certain spatial behaviors of individuals during emergency evacuation, a discrete particle swarm optimization with neighborhood learning factor algorithm has been proposed to solve this problem. The proposed algorithm introduces a neighborhood learning factor to simulate the sub-group phenomenon among evacuees and to accelerate the evacuation process. The approach proposed here is compared with methods from the literatures, and simulation results indicate that the proposed algorithm achieves better evacuation efficiency while maintaining lower pedestrian–vehicle conflict levels.     

面向大型场馆疏散的改进多蚁群算法

针对大型场馆应急疏散的路径优化问题,提出了一种基于遗传算法交叉变异算子的多蚁群算法.该算法通过引入多蚁群信息素组的概念,将遗传算法交叉和变异的思想应用到信息素更新模型中,解决了传统蚁群算法易陷入局部最优的问题.最后,将此模型应用在武汉体育馆及其周边路网集成环境中.实验结果表明,该算法能够为大型场馆中大规模人群提供一个有效可行的疏散方案.     

贪心选择在地铁站内行人疏散中的应用

大型室内场所空间布局较为复杂(如地铁站), 人群的高密度聚集往往存在一些潜在的风险. 本文在分析国内外人群快速疏散研究现状的基础上, 提出了一种基于贪心选择的行人疏散方法. 该方法以地铁站内复杂场景作为研究背景: 首先, 针对地铁站内的行人的行动轨迹难以获取问题, 本文利用地铁站内行人真实出站数据, 基于元胞自动机, 构建了行人疏散轨迹半仿真模型, 并利用实际流量数据优化该半仿真模型; 其次, 基于该轨迹模型, 为了满足高动态场景中的实时性, 采用复杂度较低的贪心选择策略分配最优疏散出口; 最后, 以杭州武林广场地铁站为例, 使用真实出站数据设计对比实验, 验证行人轨迹模型的有效性以及出口分配方法的性能. 结果表明, 本文所提出的行人轨迹模型能够较好的模拟行人的轨迹, 仿真中各出口疏散人数同真实出站数据拟合程度的可决系数R2达到了0.67. 相较于最短路径和最短时间出口分配方法, 本文所提出的方法在整体疏散效率上分别提高了27.2%和16.5%.     

考虑分类人群行为的建筑疏散模型研究

人员行为决定了应急疏散时人群的时空分布,是研究疏散动力学的关键。考虑疏散时人员的心理特性与身份状态,将人群分为恐慌人群、易感人群、冷静人群和管理人群四类,基于社会力模型表达各类人群的疏散行为特征,并开展不同情境的疏散动力学过程分析。研究发现行人的恐慌心理具有传播作用,对其他行人的疏散行为有明显的影响,而管理人员的引导作用对疏散有积极影响,当其比例在10%~15%的时候效果显著,且合适的位置更易提高疏散效率;人员的服从水平越大,疏散效率越高。提出的分类人群疏散行为模型能为建筑安全疏散评估与优化提供理论支持。     

基于FDS和元胞自动机动态耦合的火灾疏散模型

为研究火灾场景下温度、烟气和CO浓度等灾害因子对疏散的影响,建立基于FDS和元胞自动机动态耦合的火灾疏散模型。将FDS的网格和元胞自动机的元胞一一对应,将由FDS运行得到的灾害数据通过Python等技术手段实时加载到元胞中,使灾害数据持续影响行人转移概率,从而实现灾害和疏散的动态耦合;以单层教学楼作为仿真场景进行模拟分析,对火源位置和热释放速率等因素进行讨论,得出这些因素对行人疏散进程的影响规律;将模型与传统软件和同类方案进行对比。研究表明,火灾导致的高温和烟气会影响行人对疏散路径和安全出口的选择;热释放速率越大,行人越早处于危险状态,同时处于危险状态的行人也越多;该模型相比传统疏散软件不仅能考虑火灾产生的致灾因子对行人疏散的动态影响,还能确定行人最早处于危险状态的位置和时间,并用可视化的方式表现出来。