基于多Agent的人员应急疏散模型研究

摘  要： 在分析、比较现有疏散仿真模型的基础上，考虑到Agent的智能性、自治性、交互性，提出基于多Agent的人员应急疏散模型，该模型中疏散空间被分成相等的正方形，每个行人有包括静止在内的9个运动方向。个体在选择疏散出口的决策过程中，综合考虑个体到出口的距离、视野范围内的人员、障碍个数及其相关密度。在仿真中，考虑出口的数量位置和出口的宽度，结果表明，增加出口的数量和出口的宽度，疏散过程中加入引导员能够有效地提高疏散效率。该研究对于制定有效的应急疏散方案，具有一定的实际参考意义。

关键词： 人员疏散; 应急疏散; 多Agent; 仿真实验; 个体决策; 疏散效率

中图分类号： TN911.23?34; TP391.9             文献标识码： A                      文章编号： 1004?373X（2020）08?0135?04

Research on personnel emergency evacuation model based on multi?Agent

ZHANG Jicheng

（Yangtze University College of Technology & Engineering， Jingzhou 434020， China）

Abstract： On the basis of analyzing and comparing the existing evacuation simulation models， a multi?agent?based emergency evacuation model is proposed in consideration of the intelligence， autonomy and interactivity of agents. In this model， the evacuation space is divided into equal squares， and each pedestrian has 9 directions of motion， including the static one. In the decision?making process of individual choosing the evacuation exit， the distance from individual to exit， the number of personnel and obstacles within the scope of vision and the relevant density are comprehensively considered. In the simulation， in consideration of the quantity， position and width of the exit， the results show that the evacuation efficiency can be improved effectively by increasing the quantity and width of the exit， and adding the guide in the evacuation process. The research has certain practical reference significance for the formulation of effective emergency evacuation planning.

Keywords： personnel evacuation; emergency evacuation;  simulation modeling; multi?Agent; simulation experiment; individual decision making; evacuation efficiency

近年来，大型公共场所人群流动性大、高度聚集，一旦突发灾害，人员应急疏散措施无法科学有效的组织，将造成严重的生命财产损失。对突发事件的人员疏散进行计算机仿真已成为众多研究者进行应急疏散研究的主要手段之一。从当前的研究来看，其仿真模型中的宏观模型从整体考虑仿真对象，个体间的差异性被忽略。而微观模型考虑群体的异质性，其中基于Agent的模型将疏散人员抽象为Agent个体，已成为多数学者研究的热点。文献[1?9]对多Agent应用于大型公共场所，如体育馆场所、舰船、地铁、矿井人员疏散进行了研究。在文献[10]的基础上，建立基于Agent的疏散仿真模型，每个行人Agent在每一时刻的动作规律由多种因素决定。在仿真中，考虑出口的数量位置和出口的宽度，结果表明，增加出口的数量和出口的宽度，疏散过程中加入引导员可以有效地提高疏散效率。该研究对于制定有效的应急疏散方案，具有一定的实际参考意义。

1  人员疏散的Agent模型

1.1  Agent介绍

Agent是一个智能性、具有一定社会性的实体。Agent能够对周围环境的变化做出一个反应，能够以主动服务的方式代表用户完成一项任务，同时，Agent彼此之间可以进行相互交互。Agent个体之间的交互使得Agent具有：自治性，即Agent能够自我控制，感知外界变化，根据变化产生自己的决策行为;交互性，即Agent个体彼此之间能够协作互动;智能性，即Agent具有学习知识进行推理和规划能力等特点。

1.2  基于Agent的模型基础

为了更好地模拟个体在疏散场所中的情况，基于Agent的人员疏散仿真，需要从以下3个方面进行建模。

1.2.1  个体Agent建模

在疏散过程中，个体Agent的状况应优先被研究。个体的内部特征由于所处空间位置、身体健康状况以及个体属性的不同而存在较大差异，因此个体的模型定义也会有所区别。本文将每个被疏散的人员定义为一个Agent，其属性集Person为：Person={Pid，X，Y，x，y，Eexit，Epath}，其中，Pid为个体的标记符，坐标（X，Y）为个体的网格坐标，（x，y）为个体的物理坐标，Eexit为个体当前选择的目标疏散出口，Epath为下一步移动方向。

1.2.2  环境空间建模

借鉴元胞自动机的模型假设，每个元胞包含空、被一个Agent占据、被一个障碍占据三种状态。遵循一定的规则，每个Agent通过决策选择向空邻域移动或停滞当前。考虑四方形网格在表达二维元胞自动机空间方面具有简单、易于表达的优点，本文采用0.5 m的正方形网格的空间划分方法。

1.2.3  个体Agent行为建模

个体Agent行为建模的关键在于如何选择疏散出口以及行动方向。本文表征每个个体以一定的概率拥有9个下一步行动方向，如图1所示。

考虑个体只能够获取局部信息的区域，本文定义个体的视野范围。作向量[a]，其中以个体当前位置为起点，终点为个体到出口直线上第5个存在个体的网格，再作两条与[a]夹角为[45°]的直线，则满足两条直线内的所有区域，即个体的视野范围。个体综合考虑各种因素选择疏散出口，从而选择下一步移动方向。

2  基于多Agent的人员疏散模型建模

2.1  个体疏散模型框架

疏散过程中，个体的行动规则受个体的位置、个体的能力、出口的位置、Agent的密度、视野中的障碍物等多方因素的影响。研究表明行人并不总是向最近的出口移动。由于这些因素，在疏散过程中可能会出现以下现象：

1） 人员自发的向出口前聚集;

2） 靠近出口呈拱形或半圆形;

3） 離出口近的个体先行抉择和行动;

4） 当行人发现目标出口的疏散速度小于其他出口，他可以更改目标出口。

考虑疏散规则及上述疏散情形，本文采用的个体疏散模型框架如图2所示。

2.2  模型建模与算法描述

根据图2中的个体疏散模型框架，基于多Agent疏散算法如下。

2.2.1  确定目标出口

如果存在多个可行出口，每个Agent在确定下一步的行动方之前需要首先确定目标出口，此过程受到出口的距离、Agent视野内疏散人数和障碍物的数量和密度的影响。

1） 到出口的距离

假设疏散区域存在N个出口，每个出口占据n个网格宽，每个出口是网格宽的n倍，则个体到每个出口小格的距离[Dij]为：

式中，（x，y）为个体当前位置坐标，第i个出口第j个小格的位置坐标为（[xijd，yijd]）。

2） 到出口的人数和障碍数

定义[Uij]为个体到第i个出口的第j个小格视野区域的网格集，则人数及障碍数的总和[Sij]为：

式中，

[gx′，y′=1，坐标（x′，y′）被个体或故障占据0，坐标（x′，y′）未被个体或故障占据]     （3）

3） 到出口的人员密度和障碍密度

定义[Uij]为个体到第i个出口的第j个小格的视野区域的网格个数，则人员及障碍密度[Mij]为：

4） 综合确定出口

确定个体目标出口要考虑到出口距离、到出口的人数障碍物及其密度等综合因素，目标出口[Ci*j*]如下：

式中，上述 3个因素对个体决策的影响权重分别由[α1～α3]表示。

2.2.2  确定行动方向

以个体为中心，9个可行方向j可以被个体选择，如图1所示。

1） 到目标出口的距离

由式（5）确定出目标出口[Ci*j*]，坐标为（[xi*j*d，yi*j*d]），则到目标出口的距离[DjT]为：

2） 到目标出口的人数和障碍数

定义[Rj]为个体的可行方向到目标出口的视野区域网格集，则视野内到目标出口的人数和障碍数总和[SjT]为：

式中，[g（x′，y′）]定义与式（2）中的定义一致。

3） 到目标出口的人员密度和障碍密度

定义[Rj]为个体的可行方向到目标出口的视野区域的网格个数，则人员和障碍密度[MjT]为：

4） 综合确定行动方向

个体将根据95%的概率从最优或5%的概率次优行动方向中选择下一步的行动方向，其中最优方向和次优方向的表达式分别为：

2.2.3  行  动

本模型中个体向目标出口的移动过程即行动过程，个体移动次序综合考虑距离及个体能力强弱，如果这两项指标相同时，移动次序被随机决定。

3  疏散模型的仿真实现

3.1  仿真流程

在Repast平台下对采用基于Agent的建模方法进行仿真。本文模拟的是一个大小为24 m×25 m的超市，分布于其中的被疏散人员Agent 的初始状态属性均随机给定，而且每次模拟的Agent初始人数、超市的出口宽度以及出口数量可以设定。

3.2  仿真结果

1） 不同数量的被疏散人员的疏散情况

初始条件为：出口宽度2.5 m，出口数量1个，不同数量的被疏散人员的疏散情况如表1所示。

2） 不同数量出口的疏散情况

初始条件为：初始人数300人， 出口宽度2.5 m，不同数量出口的疏散情况如表2所示。

表2  不同数量出口的疏散情况

[疏散出口 /个 1 2 3 4 疏散时间 /s 49 29 19 15 ]

出口数量不同时在疏散时间为20 s后人员的分布如图3所示，其中青壮年Agent用黑颜色表示，引导员用红色Agent表示。

3） 出口宽度不同的疏散情况

初始条件为：初始人数300人，出口数量1个，出口宽度不同的疏散情况如表3所示，疏散时间为30 s时的疏散图如图4所示。

通过以上的仿真结果，可以得出如下结论：

1） Agent在无引导员，以及出口宽度和出口相同的情况下，疏散时间随着疏散人数的增加而增加。

2） 适当增加疏散出口数量和宽度能够减少疏散时间，通过在疏散场所中加入引导员，来动态实时地对Agent给出方向引导，提高疏散效率，同时引导员的分布应尽量合理，通常被安排在路径交叉的地方以及人员有可能大规模聚集的地方。

3） 从疏散出口设计的角度来看，疏散出口的位置对于人员是否能及时疏散有很大的影响。由仿真结果可知，在人数较多的情况下，单一出口会出现在出口附近有大量人员聚集以及停等的现象，严重时有可能引起推搡和踩踏等，造成人身伤害，这是在人员疏散中首先要避免的情况。在多出口的情况下，疏散出口的分布应尽量分散在场所的各个主要方向，在人群可能聚集密集的方向，可以适当增加出口的数量。出口宽度不能过于狭窄，可以根据建筑布局适当的拓宽，以提高人员疏散的效率。

4 结  语

人员安全疏散就是科学疏散，本文引入多Agent技术，对应急疏散模型进行了设计与实现。仿真结果表明，从疏散出口设计的角度来看，疏散出口的位置对于人员是否能及时疏散有很大的影响。适当增加疏散出口数量和宽度能够减少疏散时间，在疏散场所中加入引导员显得十分重要，能够提高疏散效率。随着多Agent思想建立的模型以及对相应仿真软件进行进一步优化，确信它们将在人员应急疏散的工作中发挥更大的作用。

参考文献

[1] 张学锋，张成俊，白晨曦，等.基于智能体技术的多重灾难人员疏散感知模型[J].系统仿真学报，2016，28（3）：535?541.

[2] 曹爱春，杨晓艇，侯旭东.Agent?CA的体育场馆人群疏散模型[J].计算机工程与应用，2013，49（24）：229?232.

[3] 陈迎欣.基于Multi?agent的地铁站内人群应急疏散交互研究[J].计算机应用与软件，2013，30（10）：226?228.

[4] 马晋钰，吴建松，原帅琪.基于Multi?Agent的矿井人员疏散数值模拟[J].科学技术与工程，2017，17（36）：152?157.

[5] 田萍.面向舰船人员的应急疏散系统仿真[J].舰船科学技术，2015，37（2）：192?195.

[6] MEI Linchu， PAOLO Parigi， JEAN?CLAUDE Latombe， et al. Simulating effects of signage， groups， and crowds on emergent evacuation patterns [J]. AI & society： the journal of human?centered systems and machine intelligence， 2015， 30（4）： 493?507.

[7] FRANTI?EK ?apkovi?. Agent?based modelling of the evacuation of endangered areas in crisis situations [J]. Vietnam journal of computer science， 2015， 2（1）： 35?45.

[8] XIONG M Z， TANG S Y， ZHAO D. A hybrid model for simulating crowd evacuation [J]. New generation computing， 2013， 31（3）： 211?235.

[9] SHARMA S， OGUNLANA K， SCRIBNER D， et al. Modeling human behavior during emergency evacuation using intelligent agents： A multi?agent simulation approach [J]. Information systems frontiers， 2018， 20（4）： 741?757.

[10] 张继成，羊秋玲.基于多Agent的人员应急疏散模型设计与实现[J].现代电子技术，2018，41（12）：172?175.