基于改进Dijkstra算法的人群反馈调节疏散

针对苏州市金鸡湖城市广场在突发情况下的人群疏散问题,建立了基于实时动态的疏散网络路径规划模型,分析了大型公众区域复杂环境对人群疏散效率的影响.同时提出以人群逃离危险区域的终止时间作为权值参数改进Dijkstra算法,并且利用反馈补偿机制合理分配各出口的疏散人数,实现人群疏散的动态调整和路径规划.通过Pathfinder软件仿真验证算法的有效性,得出改进以时间为权值的Dijkstra算法和提前规划人群疏散特定出口,可以获得更优的人群疏散结果,从而保障疏散人群的生命财产安全.     

基于Pathfinder的某高层BIM模型人员疏散仿真研究

利用Revit2014软件,建立起对建筑物有强大信息表达能力的BIM模型,并导入Pathfinder中进行定义地板、门、楼梯等元素,分别通过Steering模式和SFPE模式,以近乎真实的模拟,衡量出两种模式的疏散路径与时间,最终得出结论,Steering模式更有利于减少人员疏散时间,避免发生拥挤。     

基于Pathfinder的某高层BlM模型人员疏散仿真研究

利用Revit2014软件，建立起对建筑物有强大信息表达能力的BlM模型，并导入Pathfinder中进行定义地板、门、楼梯等元素，分别通过Steering模式和SFPE模式，以近乎真实的模拟，衡量出两种模式的疏散路径与时间，最终得出结论， Steering模式更有利于减少人员疏散时间，避免发生拥挤。     

城市应急漫游系统若干关键技术研究

提出一种建立城市应急漫游系统的虚拟现实技术解决方案。重点研究在3DMax中利用粒子系统和蚁群算法实现漫游场景中突发公共事件和人群疏散的模拟方法;提出一种基于节点分散度和伪随机比率路径选择规则,建立自适应蚁群算法模拟突发公共事件时人群疏散行为模型,给出在人群疏散行为模型中用到的节点分散度和伪随机比率的计算方法。     

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。     

一种结合导航点的社会力疏散仿真软件研究

社会力模型广泛应用于人群仿真。针对该模型在人群疏散仿真中存在抖动、穿透现象,分析产生该现象的原因,采用多线程优化的方法改进社会力模型。对于多障碍物场景中行人存在停滞和移动缓慢的现象采用增加导航点优化行人的疏散路径。采用优化的社会力模型研制一个人群疏散仿真软件,该软件可以定义多种人群仿真参数,实现人群仿真。通过该仿真软件对地震疏散情景进行仿真实验,对实验数据进行对比分析,验证了该仿真软件可以推演人群的疏散行为,可以为人群的疏散策略制定提供参考数据。     

Pathfinder算法优化研究

Pathfinder算法是复杂网络分析及可视化的重要方法,但现有算法时间复杂度大,难以在大数据环境下广泛应用。提出一种基于Prim算法的Pathfinder优化算法,在求解复杂网络图的最小生成树的过程中,通过距离矩阵计算得到Pathfinder算法的结果图。算法时间复杂度可稳定为O(n2)。实验结果表明,在顶点数为500的稠密网络上,该算法的运行时间有较大的优势。     

基于量子蚁群算法的建筑消防疏散路径规划

摘要：针对现在大空间建筑消防应急疏散问题,在火灾发生时,为撤离人群提供一条从危险区域到安全地带的最短安全路线。对疏散路径优化进行了研究,提出一种融合量子进化算法的改进蚁群算法用于消防疏散路径规划,用量子比特表示信息素,量子旋转门反馈控制信息素更新,即能体现量子并行计算的高效性,又能拥有蚁群算法较好的寻优能力。通过三个基准函数优化仿真与传统量子进化算法进行对比,证明算法较优的性能。再通过路径优化的仿真实验与经典蚁群算法进行比较,结果表明,算法能够有效避免陷入局部最优和拥有更快的收敛速度,在疏散路径规划中更为有效。     

基于智能体方法的人群疏散三维仿真

研究建筑物在不同出口条件设置下人员的安全疏散问题。针对人群仿真中如何计算疏散路径问题,文中采用导航图技术和agent技术来对个体进行疏散路径的规划。同时为表现人群运动过程当中个体之间的相互碰撞问题,结合碰撞规避规则进行穿透矫正。并且采用三维引擎DeltaSD在Vc＋＋9．0环境下进行仿真并搭建了一套三维人群运动模拟平台。最后分别在三种不同出口条件下的虚拟场景中进行仿真。对比仿真结果表明该平台能直观地展现整个人群疏散的运动过程,并能够对建筑物出口安全设计的合理陛提供有效的数据依据。     

最小生成树的算法

本文提出了一个利用集合运算生成最小生成树的算法。研究了实现集合运算的数据结构及施加在这个结构上的算法。该算法利用公式分组排序。利用路径压缩的方法进行查找，并运算。该算法将有Ｎ个顶点Ｅ条边的无向连通网络生成最小生成树的期望时间是Ｏ。     

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。     

基于Agent的人员疏散系统设计与实现

通过分析Agent与社会力模型在人员疏散方面的应用及疏散模拟中人和建筑物对象的存储方式,利用Agent技术结合人员疏散的动力学模型、改进的路径规划算法和人员在一般情况下的心理因素以及建筑物的不同特点,建立能够正确反映疏散时人员行为的Agent模型,运用C++语言实现基于Agent的人员疏散模拟系统。疏散结果显示,该系统能够较真实地模拟人员疏散过程。     

基于全局路径规划的相互速度障碍物人群疏散方法

针对相互速度障碍物（RVO）模型缺少全局路径规划,只依靠局部碰撞避免不能很好地模拟复杂的疏散场景问题,提出了一种剩余路径代价尽量小的动态全局路径选择方法。该方法包含路径预处理和路径实时更新两部分:第一部分使用快速最短路径算法（SPFA）求取场景最短路径（SSP）;第二部分根据SSP快速动态地计算每个个体的最优疏散路径,并使用KD树优化障碍物阻挡判断过程。最后将方法扩展到多楼层、多障碍物、多通道、多出口的复杂场景实现了近千人的仿真实验。实验结果表明,该方法在多个场景中都取得了良好的路径规划效果。     

Behavioral,data-driven,agent-based evacuation simulation for building safety design using machine learning and discrete choice models

To improve occupant safety during building emergencies, evacuation simulations have been widely used for building safety design. Since occupant behavior is a determining factor for the outcome of building emergencies, accurately capturing how occupants make decisions and integrating occupants’ decision-making processes in evacuation simulations is important. In this study, based on the results of fire evacuation experiments in a virtual metro station, how different social (crowd flow) and environmental (visual access and vertical movement) factors would affect individuals’ wayfinding behavior was predicted using machine learning and discrete choice models. The trained models were further employed in agent-based evacuation simulations to examine crowd evacuation performance under different building design scenarios. Both the machine learning and discrete choice models could accurately predict individuals’ directional choices during emergency evacuations. Different building attributes could collectively influence occupant behavior, leading to distinct exit choices and evacuation times. While both the trained machine learning and discrete choice models generated similar results, the discrete choice model had better interpretability. Moreover, by comparing the trained models in this study with a model developed in a prior study, it was found that agents had significantly distinct responses to different building designs. Critical factors (e.g., type and size of buildings, occupants’ familiarity with the building) for the applicability of evacuation models were identified. Furthermore, recommendations were provided for future research that aims at employing evacuation simulations for building design evaluation and optimization.     

Two-phase evacuation route planning approach using combined path networks for buildings and roads

This paper addresses the problem of modeling evacuation routes from a building and out of an affected area. The evacuation route involves pathways such as corridors, and stairs in buildings and road networks and sidewalks outside the building. To illustrate such an approach, we consider the problem of finding evacuation paths from an urban building and out of a predetermined neighborhood of the building on foot. A case study for a college campus building and small set of road around it is provided. There are a pre-defined set of exit points out of the target building and out of the road network serving the building. A two-step approach with an uncapacitated network model for route finding and a capacitated scheduling algorithm for evacuation time computation is proposed. A recent efficient heuristic algorithm is selected as a reference for comparative analysis. The process of creating a combined building and road path network data is discussed. The key results are the competitive evacuation time provided by the proposed uncapacitated route planning model, simple pedestrian flow capacity formulas for corridors and roads from readily available geometric data, and the illustration of the creation and use of combined building and road path network.     

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。     

建筑物火灾中的人群疏散研究

建筑物火灾是我国频发的安全事故,所以应研究建筑物火灾人群安全疏散问题。由于在建筑物火灾中,人群疏散时出现拥堵,存在不安全因素,造成人员伤亡。针对在现有的研究中未考虑人员行为的影响,提出了智能体(Agent)的人群行为建模技术在建筑物火灾中的人群疏散仿真中的应用方法。仿真结果显示基于Agent的行为模型可以仿真出人员特性及决策过程对人群疏散的影响,弥补现有的人群疏散模型的不足。仿真结果证明,Agent的行为建模技术具有仿真火灾全过程中人员疏散行为的功能,适用于建筑物火灾中的人群优化疏散策略。