面向火灾逃生的群体行为分析与仿真

杜 朋 利，　李 吉 平，　彭 健 钧，　李 海 艳

(大连工业大学 信息科学与工程学院, 辽宁 大连　116034 )



面向火灾逃生的群体行为分析与仿真

杜 朋 利，李 吉 平，彭 健 钧，李 海 艳

(大连工业大学 信息科学与工程学院, 辽宁 大连116034 )

面向火灾逃生群体行为问题，提出了一种综合情绪与环境因素在内的行为决策模型。该模型利用各智能体的情绪和危险评估初始值，在从众意识与独立意识心理影响下，通过各智能体间行为交互，计算出每个智能体的综合分析值，与各阶段触发阈值比较后，最终做出行为决策。利用Unity3D三维虚拟现实引擎实现了决策模型的仿真验证。与现实中真人、真环境的消防安全演习相比，仿真系统具有安全性高、成本低、不受时间和空间限制等优点。

群体仿真；火灾逃生；情绪；从众意识；独立意识

0　引　言

群体仿真在虚拟现实、游戏动画、视频特效和安全仿真[1]中具有重要的研究价值，是近年来的研究热点。群体行为不只是所有个体的直接组合，而是受其他个体的影响，这种影响取决于生理、心理和社会因素[2]。在危险指数较大的突然爆发事件中，每个个体受主观意识与客观环境两方面综合影响表现出来的行为具有较强的群体性。火灾场景中的群体逃生行为决策[3]因素主要有火灾的危险指数、个体对所处环境的熟悉程度、个体受周围其他个体的影响程度以及每个个体本身的心理素质[4]等。因此，火灾突发事件中的人群反应行为具有复杂性高、交互量大的特点。

群体行为建模与仿真方面的研究起源于20世纪中叶[5]，基于物理流体和粒子的经典模型主要是Greenwich大学开发的Exodus系统[6]和Helbing的群体行为模拟系统[7]，但是现实中的人群是随意的和动态变化的，并不会按照物理规则中的动量守恒定律和物理规则行动[8]。文献[9]中提出群体行为建模大都是以客观现实为基础来研究每个个体的具体行为，即按照现实中已形成的行为规则来拟定仿真的规则，例如Reynolds[10]提出的鸟群模型和涂晓媛提出的flocking model的模拟鱼群等模型。当今，最主流的、最具优势的方法是基于智能体(agent)的建模方法[11]，其优点是结合多学科、多模型且充分考虑人群行为与心理因素的系统建模方法。

在研究人群行为并且是紧急情况下的群体行为时，基于人的心理因素来做行为决策的研究并不多。针对以上问题，本文采用计算机仿真思想，构建包括情绪和环境因素在内的行为决策模型，通过火灾危险指数评估、群体行为交互，实现火灾逃生情况下的人群行为分析的目的。仿真需要解决的主要问题有模型的路径规划、智能体的决策规则和实现仿真的可视化。

1　火灾逃生群体行为建模

1.1基于环境与情绪因素的逃生理论框架

火灾现场中的每个人以自身评价和对环境危险程度的评估为基础，以周围其他人的行为与情绪作为参考，最终选择“自认为”最优的路线逃离火灾现场。因此，火灾逃生群体的智能体应具备以下能力：能评估当时所处的环境状况；能“看到”火灾的危险程度；能“听到”其他智能体对自己的“告诫”；能看到周围他人的行为和表情状态；能分析自己身体素质和自己对该建筑的熟悉程度。

针对火灾情形中的群体仿真，智能体火灾逃生理论框架主要包括：感知阶段、分析阶段和执行模块，如图1所示。

(1)感知阶段。该阶段为智能体的感受期，即人与外界环境的交互，主要是通过人的身体机能与外界交互形成的，例如人的嗅觉、视觉、味觉、运动觉和平衡觉等，通过这些实现信息交互，获取所处位置的火灾危险指数、周围人群的情绪以及周围所有的动态变化环境，并将获取的信息传递给下一阶段。

(2)分析阶段。该阶段为智能体的处理期，为整个仿真的核心。由于每个个体都是独一无二的，因此每个智能体的处理方式也各不相同，即具有智能的分析能力。此模块主要是接受感知模块发出的信息，对其综合分析，并给执行阶段发出指令。

(3)执行阶段。该阶段为智能体的执行期，在火灾发生的整个过程中，根据处理期发出的决策信息，选择相应的行为应对方式。其中智能体的基本运动形式主要包括正常行走、避开障碍物和紧急情况下逃跑等。

图1　智能体火灾逃生理论框架图

1.2情绪状态建模

拉扎勒斯的认知——评价理论认为情绪是人与环境相互作用的产物。在环境与情绪因素综合影响的火灾逃生现场，人不仅能反映环境对其本身的刺激，而且能将自身的行为反射给周围环境。也就是说，人的行为表现就是个体对环境有害或有益的反应。因此火灾逃生现场的人需要不断的评价刺激事件对自身的影响，并作出相应的行为决策。情绪状态建模主要包括个体与环境的交互结果分析和个体与群体情绪的交互结果分析。

个体与火灾环境的交互主要是获取个体与火灾交互之后的具体参数，其中主要包括由自身感受期接收到的火灾危险指数OD(Own Danger values)、遇到危险处境时自身的情绪稳定系数ES(Emotion stable values)。

ODA=f(SA,FC,t)

(1)

0≤ES≤1

(2)

其中，公式(1)表示智能体A感知到的危险指数，影响因素SA表示智能体A与火灾中心的距离，FC表示t时刻火灾中心的危险指数，t表示时间参数；公式(2)中的ES表示智能体的情绪稳定系数，该系数与从众意识值有关。

个体与群体情绪的交互，是指个体自身的情绪状态在感知范围内受其他个体情绪影响下的情绪状态结果。其中影响情绪交互结果的个人属性包括：

(1)智能体的从众意识，是指遇到火灾时，由于自身对建筑的不熟悉或者本身的人格原因，跟随他人意识较强的心理素质，记为GC(group consciousness)。

(2)智能体的独立意识，是指遇到火灾时，由本身心理特征而导致的以自我判断为中心的心理素质，记为IC(independent consciousness)。

智能体A的纯个体的情绪状态OES(Own Emotion state)和受周围他人感染之后的情绪状态SES(Surrounding Emotion state)的计算公式分别如(3)、(4)所示，其中N表示感知范围d内的智能体个数，j表示感知范围内的第j个智能体,ReA表示感知的最大范围。智能体受群体感染增量为Δ，计算公式如(5),受群体感染之后的从众意识系数为GC′,计算公式为(6)。

OESA=g(ODA,ESA,IC,t)

(3)

(4)

(5)

GC′A=GCA+ΔA

(6)

由公式(3)、(4)可看出，智能体受感染前的情绪状态与当时自身感知到的火灾危险指数、自身的情绪稳定系数以及遇事时的独立意识能力有关，而智能体受感染后的情绪状态则与感染前自身的情绪状态、感知范围内智能体的情绪状态以及自身遇事时的从众意识值有关。

2　火灾逃生群体仿真系统

2.1仿真系统的构成要素

利用Unity3D软件开发了火灾现场群体行为仿真系统。如图2所示，系统主要包括智能体(普通个体)、消防队员、障碍物、火灾中心以及逃离火灾的安全出口等要素。

智能体是仿真设计过程中的关键，其属性主要包括行走速度、方向、情绪状态、行为应对、避免碰撞的碰撞器、自身携带的信息标签以及当前所处位置等。

在与环境交互过程中个体的情绪分为3种状态，在仿真系统中分别用白、黄、红3种颜色表示。其中，白色的情绪状态是指个体属于纯净的自由状态，即未发生突发事件之前的情绪状态；黄色的情绪状态是指火灾发生之后，在火灾环境与人群的影响下，情绪由纯净阶段开始发生变化但未达到行为阈值的状态；红色的情绪状态是指情绪已达到触发阈值，开始根据自己是从众者还是独立者进入对应的行为决策阶段，在此过程中决策意识标签替代情绪状态标签,为了直观上区别两者，特定为独立个体添加了蓝色标签，从众意识个体未添加标签。

图2　火灾现场仿真系统

显示个体属性的标签如图3所示，主要包括个体的情绪状态(OES)、受群体情绪感染之后的情绪状态(SES)以及个体的身份(ID)，其中NaN表示未仿真之前空白数值。信息标签可使实验人员方便观察个体的情绪状态变化，但对仿真的可视化效果有一定影响。仿真系统提供了设置界面，实验人员可根据需要，灵活控制信息标签的有无，标签开关如图4所示。

图3　带有标签的智能体

消防队员在仿真系统中是一个特殊角色，其主要作用是完成救火任务，值得关注的是其本身也有情绪值，但由于职责的特殊性，即使达到情绪触发阈值仍会留在火灾中心附近救火，直至火灭。

2.2仿真系统的用户界面

火灾仿真系统的用户界面如图4所示。其中，独立意识系数与从众意识系数是实验操作者随意输入的区间[0,1]的数值，其数值的大小表示智能体独立性与从众性的强烈指数，且GC+IC=1，仿真中只输入其中之一，另一值会自动生成；初始火灾指数是系统随机生成的100以内的正数，数值的大小表示火灾的危险程度。为了实现火灾的动态变化，实验操作者可以在火灾变化区间设定最大、最小值，系统可根据设定按数学插值法模拟火灾逐渐增大或者减小的现象。当消防队员到来时，火势会根据消防队员的接近程度相应减小。

图4　仿真系统的用户界面

2.3仿真流程

系统仿真流程如图5所示。首先，“系统初始化”主要包括场景设置、人物动画、火灾中心位置设置、人物所处位置、行走速度与目标初始化、个体情绪稳定值、独立意识系数与从众意识系数的初始设定；然后，感知火灾的危险值，并转为相应的情绪状态，即纯粹个人分析情况下的情绪状态值(OES)；在人群感染和火势变化的影响下，根据个人属性分析计算出受群体情绪感染的情绪状态值(SES)；智能体将情绪状态值与自身的情绪触发阈值(Emotional Trigger Value，ETV含义是情绪状态值达到该数值就触发逃离行为)对比之后判定是否逃离，即只有认为火灾危险时才会选择逃离，否则仍然按照正常方式寻路；设定实验从众阈值系数δ，当智能体的从众意识系GC大于δ时，智能体由于自身对环境的不熟悉或者紧张情绪下的无意识思考，而导致自愿听从周围其他智能体的行为决策，当智能体从众意识系数GC小于或等于δ时，智能体按照独立意识完成决策过程，考虑因素主要包括：奔跑速度、逃离过程中受到的火灾危险系数、逃离出口人数拥挤程度等因素；最后，逃离火灾现场，仿真结束。

图5　仿真系统流程图

3　火灾现场群体行为仿真实验

3.1路径分析

在路径分析实验中共有5个智能体，ID号分别为1、2、3、4、5。仿真初始场景如图6所示，除了5个智能体外，还包括4个障碍物和2个目标位。初始状态下的智能体都处于自由寻路状态，每个个体都有自己独特的寻路目标和方式。

图6　仿真场景图

实验过程中每个智能体随机寻路，根据7(a)所示的运动轨迹可看出智能体能顺利避开障碍物、随机行走、最终自由选择路径到达目标。随后，在原来自由寻路基础上，增加了情绪感染因素：情绪触发阈值ETV、纯净情绪数值OES和受感染的情绪状态值SES，如表1所示。实验结果如图7(b)所示，由于1号、5号的触发阈值较低，即容易受他人影响，情绪状态很快由白变为黄；在情绪感染范围内，1号受3号、5号情绪影响，且3号的ETV是5号的ETV的两倍，因此1号在3号影响下，目标由1变为2；在情绪感染范围内，5号分别受1号、3号、4号情绪影响达到触发阈值，情绪状态由黄变为红，由于3号、4号行为目标为2，且1号受情绪影响后的目标也为2，因此5号行走目标由原来的目标1改为受情绪影响后的目标2；在情绪感染范围内，3号受1号、5号情绪影响，4号受5号情绪影响，由于两者ETV较高和感知范围小的因素使其情绪受影响但都未到达触发阈值，因此情绪状态只是由白色变为黄色；仿真过程中，2号的ETV最高且始终未受到其他智能体感染，情绪状态为白色；2号、3号、4号智能体都未达到情绪触发阈值，故都不改变原有目标。

(a) 独立意识的智能体路径图

(b) 受群体感染的智能体路径图

图7　仿真路径图

Fig.7　The route map of simulation

表1　智能体触发阈值对应表

3.2火灾逃生

在火灾逃生实验中设定智能体人数为10、火灾中心位置可动态变化、安全逃离出口两个。按照仿真流程进行火灾现场的逃生仿真，其中群体意识值GC和独立意识值IC是在系统用户界面按实验要求输入。发生火灾时，智能体根据公式(1)、(3)、(4)分别计算初始感应到的火灾危险指数DS、纯净状态下的情绪状态值OES和受群体感染下的情绪状态值SES，情绪稳定值ES的取值范围为[GC±ε]，ε表示个体情绪稳定性与从众意识的关联系数，相关情绪数值如表2所示。

表2　火灾逃生实验中相关情绪参数

个体对火灾危险情况的综合评估具体表现在个体的情绪状态数值上，即情绪状态数值越大，个体对火灾危险评估越高；由于每个智能体与火灾中心距离不同，0～9号每个个体感知到的初始火灾危险值DS也不同；2号智能体与7号智能体情绪稳定系数相同，但感知火灾危险值不同，因此纯净状态情绪值OES也不同；2号与4号智能体感知的火灾危险值接近，但情绪稳定值ES不同，即2号智能体遇事较为稳定，故其纯净状态情绪值要比4号的数值要低，需要继续对火灾危险程度经行评估；随着火势增大，群体之间情绪传染，纯净状态的情绪逐渐变为受感染的情绪，仿真过程情绪状态变化如图8所示；1号与9号的纯净状态情绪值接近，但由于9号从众系数较大，个体主观意识较薄弱，因此9号的SES变化要大于1号的SES，具体表现为更快地达到触发阈值；随着时间的变化，0号到9号智能体逐渐达到自身的情绪触发阈值，实验设定δ=0.5，GC′大于δ的0号、2号、3号、5号、6号、8号、9号为从众意识个体，GC′小于等于δ的1号、4号、7号为独立意识个体(带有蓝色标签)进入行为决策阶段；独立意识个体根据自身与火灾中心的距离、逃离出口的远近、当时逃离出口的拥挤程度以及自己的奔跑速度，综合分析选择合适路径逃离，从众者跟随独立意识个体逃离现场，仿真结果如图9所示。

图8　火灾环境中的情绪状态图

图9　火灾环境的逃生图

实验实现了基于情绪传染的火灾现场人群逃离，经个体之间情绪的交互，达到相应的情绪阈值并作逃离决策，有效验证了本文提出的基于环境与情绪的群体感染模型，随着火灾中心位置与逃离出口距离的变化，智能体在选择逃离出口时也会改变，统计数据如表3所示。

表3　火灾中心与逃离出口人数关系表

4　结　语

群体行为仿真是当今的研究热点和难点，他对突发事故灾难下人员疏散、建筑逃离出口优化设计[12]以及严肃游戏等方面具有重要的研究价值。本文以火灾情况下人群行为分析为研究目的，提出了一种基于情绪因素和环境因素的仿真模型，利用Unity3D开发了人群逃生行为的仿真系统，仿真实验表明论文所提模型的可行性。但是，仿真系统还局限于单房间火灾逃生人群行为分析，有必要继续研究多房间、大环境下人群全局路径的逃生行为，如高层建筑中大型火灾现场人群逃生行为仿真。

[1] 李文通.群体仿真算法研究及疏散仿真系统开发[D].宁波：浙江大学,2012.

[2] 王丽新.基于情绪传染模型的群体仿真技术研究[J].智能计算机与应用,2012,2(4):81-85.

[3] 刘涛,严晓龙,汤永川.支持人员疏散仿真的多Agent系统研究[J].消防科学与技术,2008,27(3):202-207.

[4] 张树平.建筑火灾中人的行为研究综述[J].消防科学与技术,2005,24(2):178-181.

[5] 郑小平.公共建筑内群体疏散方法的探讨[J].中国安全科学学报,2008,18(1):27-37.

[6] 殷雁君.基于观点认同的群体情绪模型[J].计算机应用研究,2013,30(10):26-30.

[7] LEBON G. The crowd: a study of the popular mind[M]. New York: Dover Publications, 2002.

[8] HUGHES R L. A continuous theory for the flow of pedestrians[J]. Transportation Research Part B: Methodological, 2002, 36(6): 507-535.

[9] PEREZ G. A computer-based simulation model for the prediction from mass-transport vehicles[J]. Fire Safety Journal, 1994, 21(1): 341-366.

[10] REYNOLDS W C. Flocks, herds, and schools: a distributed behavioral model[J]. Computer Graphics, 1987, 21(4): 25-34.

[11] HEBLING D, BUZNA L, JOHANSSON A, et al. Self-organized pedestrian crowd dynamics: experiments, simulation, and design solution[J]. Transportation Science, 2005, 39(1): 1-24.

[12] ZHOU T, HAT K, KIM B J, et al. Role of activity in human dynamics[J]. Journal of Molecular Catalysis A: Computer 2008, 82(2): 2802-2806.

Human crowd behavior analysis and simulation for fire escape

DUPengli,LIJiping,PENGJianjun,LIHaiyan

(School of Information Science and Engineering, Dalian Polytechnic University, Dalian 116034, China )

Abehaviordecisionmodelcombinedwiththeemotionalandenvironmentalfactorstodealwiththegroupbehavioroffiresituationwasproposed.Undertheinfluenceofconformityconsciousnessandindependentconsciousness,thecomprehensiveanalysisvalueofeachagentwascalculatedthroughthebehaviorinteractionamongdifferentagents,andthebehaviordecisionwasfinallymadeafterthecomparisonofthetriggerthreshold.ThesimulationofthedecisionmodelwasrealizedusingUnity3Dvirtualrealityengine.Comparedwithfire-fightingexercisesinreallife,thesimulationsystemhadtheadvantagesofhighsecurity,lowcostandunlimitedspace-timeconditions.

crowd simulation; fire escape; emotion; group consciousness; independent consciousness

杜朋利,李吉平,彭健钧,李海艳.面向火灾逃生的群体行为分析与仿真[J].大连工业大学学报,2016,35(4):293-298.

DU Pengli, LI Jiping, PENG Jianjun, LI Haiyan. Human crowd behavior analysis and simulation for fire escape[J]. Journal of Dalian Polytechnic University, 2016, 35(4): 293-298.

2015-05-13.

辽宁省自然科学基金项目(2014026001)；辽宁省博士科研启动基金项目(20141112)；辽宁省教育厅科学研究一般项目(L2014219).

杜朋利(1989-)，女，硕士研究生；通信作者：李吉平(1971-)，男，教授.

TP391.9

A

1674-1404(2016)04-0293-06