基于元胞自动机的建筑物内人员疏散模拟研究

李佳松　张宾宾　赵建博

摘要：本文主要研究7紧急情况下，大型建筑物内人员疏散模拟仿真问题，以法国卢浮宫为例，使用元胞自动机算法和粒子群优化算法模拟了人群疏散过程。本文考虑7尽可能多的限制因素，例如对残疾游客的限制，人群中的恐慌程度等，并用一些可控参数取代7这些因素，以便于疏散系统的调试。实验结果表明，当参数改变时，本文模型仍然稳定，可以应用于其他大型公共场所的人群疏散过程仿真模拟。

关键词：人员疏散元胞自动机粒子群算法模拟仿真

引言

众所周知，卢浮宫是世界上规模最大艺术博物馆之一，但近年来法国发生了越来越多的恐怖袭击事件，因此为大型建筑物制定人员紧急疏散计划迫在眉睫。本文即以卢浮宫为例，主要研究了紧急情况下大型建筑物内人员疏散仿真。模型中除了考虑到建筑物内每个人的心理素质和身体状况还考虑到环境对每个人的影响例如拥挤人群摩擦，恐慌气氛等的影响，总之，本文建立的是可以实时更新这些状态的模型，足以应对各种复杂情况。

1粒子群优化算法

在初始化访客的位置时，设访客总数为N，则每个游客的位置为：

X叫XI.xz.X3 -XN）

将每个游客运动的速度设定为：

V=（ vl，vz，V3…VN）

则每个游客的位置更新表示为：

x1⑵=x（1）+V1（1）

其次考虑到各种限制因素对人员疏散的影響：

（1）将运动不便的人群比例设定为人群总数。为了保证疏散速度的可靠性，在每次迭代之前改变不方便人群的疏散速度。

（2）本文认为心理，环境因素等会干扰人群的疏散。本文使用参数0来表示这些因素。

然后通过使用经典粒子群优化算法确定找到个体最优和全局最优解。本文将粒子群的大小设置为N;粒子的个体学习因子设为1;粒子的社会学习因子设置为C2，随后就可以使用粒子群优化来更新人群疏散的速度。

2元胞自动机模拟仿真

本文使用元胞自动机模型来计算对游客的吸引力，且出口对游客的吸引力最大，而障碍对游客的吸引力最小。使用欧氏距离来定义每个位置的吸引力，同时当有多个出口时，邻域吸引力是平均的。

设k为比例系数，它是一个常数值，然后将人口密度设置为p，通过上述条件建立适应度函数：

5分钟后，由模拟结果看到留在l楼的人数仍然很多，但结果也符合预期，这种现象是使用粒子群算法的结果。实际上，疏散过程可能具有一定的反应时间。25分钟后，可以看到人群基本上已经疏散，滞留的游客应该在短时间内离开。为了使疏散过程更加直观，本文设置了一些采样点并将参数矩阵转换为图形，以便可以测试该模型是否适合此问题。下图2是关于滞留游客数量与时间之间关系图像。

坐标系中，X标签代表疏散时间，而Y标签代表游客总数。从结果图中发现，在10到20分钟，访客的疏散速度特别快，这是由于本文粒子群算法的使用。

3结论

在模型建立后，本文使用模拟仿真可以看到整个人群疏散过程，这些过程使我们对人群疏散有更深入的了解。且模型中有许多可控因素，可以通过控制一些变量来改变一些限制性因素，例如残疾人数和人口恐慌程度。从游客的角度，本文也考虑许多因素，例如语言障碍，运动不便等等。当参数改变时，本文模型仍然稳定，可以应用于其他大型公共场所的人群疏散过程仿真模拟。

参考文献

[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