基于多Agent的社会安全事件应急疏散仿真研究

马占军， 丁 宁,2

(1.中国人民公安大学侦查学院， 北京 100038； 2.中国人民公安大学公共安全行为科学实验室， 北京 102623)

0 引言

随着我国经济和人口的快速增长，社会矛盾日益突出，由此引发出一系列社会安全事件，此类事件若处置不当，将会造成重大的财产损失和人员伤亡。当前，大部分学者都倾向于通过算法模型及计算机仿真研究社会安全事件，利用系统动力学相关理论研究此类事件的演化规律及行人安全疏散等问题。当前针对突发事件的行人疏散模型主要有元胞自动机模型[1-4]、社会力模型、基于Agent(智能体)的模型[5-6]。突发事件的演化是一个较为复杂的动态系统，对于情景演化问题的行人研究，需遵循“情景- 应对”这一基本范式，基于Agent(智能体)的仿真建模技术能够更好地模拟智能体与周围环境的交互行为，更加符合“情景- 应对”的模式。

基于此，运用Agent的仿真模型研究个体行为、环境建模、构建社会安全事件演化仿真模型更加适合当前研究趋势和需求。目前国内相关研究也取得较大进展，常丹等[7]引入系统动力学理论构建社会安全类突发事件情景演化模型，并以某公众维权事件为例进行模拟仿真得出了社会矛盾水平、应急疏导和谣言煽动是该类事件演化的核心因素。伍京华等[8]提出了基于Agent的情感映射的劝说模型及系统。张继成和羊秋玲[9]基于多Agent仿真发现当对Agent做出方向指引，能够极大地提高疏散效率。张俊瑞等[10]建立了基于多Agent的煤矿井下矿工逃生模型(UCMEM)。孔祥魁[11]研究了基于多智能体体育场馆人群疏散模型，真实模拟了体育场馆人群疏散状态。卢娜等[12]构建了基于Agent决策行为的地下矿火灾疏散仿真复合模型，研究如何做出快速准确疏散决策的智能行为。

相对于那些复杂的仿真理论和算法公式来讲，研究者更倾向于选择较为直观、简便的仿真工具。AnyLogic作为一款具备多方法联合建模功能的仿真软件，吸引着越来越多的学者[13]。目前，AnyLogic仿真建模在许多领域都有应用。例如，郑丹和薛鹏[14]利用AnyLogic有效地模拟了复杂的疏散行为，证明了AnyLogic能够很好地模拟人员运动的复杂过程。赵振武和李新源[15]进行了基于AnyLogic的机场旅客安检流程仿真与优化的研究。周文科等[16]借助AnyLogic软件展现人群随火灾发展程度演变的速度变化过程和路线选择结果模拟。综上所述，目前仿真方法多应用于应急疏散、安检优化、交通枢纽等领域，其中人员疏散大多都是针对火灾等紧急情况的仿真研究，缺乏以多智能体仿真技术针对在公共场所发生社会安全事件的相关仿真研究。

本文以北京西单大悦城砍杀事件为例，通过AnyLogic平台搭建西单大悦城6F的物理环境，设定行人逻辑、参数、函数、行为状态等，尝试还原了此次砍杀过程及伤亡情况，随后加入应急疏散行为进行了对比实验。结果显示，当突发社会安全事件时，迅速疏散人群可大大减少人员伤亡，且合理的救援人员数量会缩短事件处置时间，提高应急疏散效率，但过多的逆向人流会干扰密集人群的疏散行为，反而降低疏散效率。

1 案例及调研

2018年2月，在北京西城区西单大悦城商场6F发生持刀砍杀事件，由于信息误导，救援延误，疏散不及时，导致现场人群多为观望停留状态，结果造成1死12伤的重大人员伤亡。像此类公共场所，一旦突发社会安全事件，要求相关工作人员迅速、合理地采取相关措施进行处置，需快速、有效地疏散群众，将安全风险降到最低。因此，开展此类突发社会安全事件的相关研究具有重要的现实意义。

为减少实验误差，使仿真实验中商场内人流量及物理环境与实际情况相近，对西单大悦城商场进行了实地调研，获取商场平面图，估算记录了单位时间内的人流量：西单大悦城商场内部每层，除去销售及其他工作人员，白天人流量每10 min可以达到160人左右，晚间高峰能达到250人左右，商场内部每层有3～4名保安进行巡逻。

2 疏散仿真建模

2.1 平台简介

AnyLogic软件具有丰富的插件库，不仅具有直观友好的图形界面，同时又完全基于Java语言开放易用的编程方式，能够胜任绝大多数情况下的仿真工作，它支持多种建模方法，包括多Agent、离散时间、系统动力学等。

2.2 社会力模型

人员仿真以行人库为基础，行人库作为行人仿真及人群分析的主要工具，可以对行人在连续空间内按照一定规则移动，以及周围环境(如墙壁、十字转门、电梯等)的交互作用进行仿真。行人库的核心是Helbing[17]在1995年提出来的社会力模型,它可以反映出行人之间以及行人与外界之间的作用力，同时也可以模拟行人自组织现象、逃生行为。其动力学方程为：

(1)

(2)

目前也有学者对初始社会力模型进行改进后模拟出紧急疏散情景[17-19]，但大多都缺乏真实情景的模拟，AnyLogic行人仿真基于社会力原理，仿真效果更加贴近真实情景。

2.3 仿真流程及参数设定

本次仿真运行以秒为计时单位，通过搭建逻辑流程图、设定智能体状态定义行人的各项活动及变化，商场内的顾客(Consumer)、歹徒(Criminal)、安保人员(Security)会按仿真环境进行有规则的移动，对周围环境包括墙壁和行人会有交互行为，即前文所述社会力模型中的相互作用力。此外，可直接调用软件自带Java语言的相关函数定义行人在商场中的就餐、排队等延迟行为。

(1)顾客(Consumer)的状态包括3部分，分别是OutOfShop(离开餐馆)、InShop(进入餐馆)及dead(死亡)。其中，以Ped Wait模块描述Consumer在餐馆的用餐停留行为，以延迟时间Uniform(10，20)表示智能体在该区域的停留时间约为10～20 min，设定其初始速度为1 m/s，以上时间较符合日常生活中行人正常的用餐时间及行走速度。

(2)歹徒(Criminal)的状态共有4个部分，分别为waiting(就位)、chasing(追逐)、killing(砍杀)、catched(被捕)，其中设定歹徒持续追逐目标，反复进行砍杀行为，直到牵制被捕。歹徒在追逐状态下其初始速度要大于正常行走的行人速度，否则无法追赶到目标进行砍杀行为，故设定其初始速度为2 m/s。

(3)安保人员(Security)的状态包括3个部分，分别为scan(巡逻)、find(锁定歹徒)及fight(抓捕)。安保人员正常情况下与行人速度相近，当砍杀发生后，系统会自动调整其速度对歹徒进行追赶，设定其初始速度为1 m/s。

2.4 建筑环境搭建

依据西单大悦城6F平面图，利用行人库空间模块中的墙、目标线、矩形区域等工具描绘物理环境，蓝色个体可作为商城安保人员，绘制完成后的基础环境2D仿真界面如图1所示。

图1 仿真2D界面

3 实验结果与分析

在北京西单大悦城砍杀事件中，由于信息误导，顾客大多为停留和观望状态，即使有部分人员在进行疏散，但范围较小，效率较低，导致在有限的空间内，持刀歹徒可以对人群进行持续伤害，从而造成了1死12伤的重大人员伤亡。

本次仿真是在AnyLogic 8.5.2上运行的，由于仿真模拟存在一定的不确定性，因此需要多次运行每个方案，统计数据并求得平均值。为了减少不确定性的影响，在模型参数设定完毕以后，对仿真所得数据进行相对平均偏差分析，结果见表1。

3.1 模型验证

为验证此次仿真实验的有效性，通过对仿真相关参数的设定，尝试还原了此次砍杀事件的伤亡情况。当砍杀发生时，设定周围人群状态表现为停留、观望、疏散缓慢等状态，以此来展示人群在上述状态情况下导致的袭击者持续伤害人群的结果。为控制变量，依据调研数据，设定保安数量为4人，当该层内部人数达到160人时，开始砍杀行为，并反复经过15次仿真实验，拟定为方案一，统计仿真结果，并计算多次试验所得结果的相对平均偏差值，相关数据如图2所示。

表1 方案一详细数据

图2 方案一伤亡情况统计图

如表1，在反复15次仿真结果统计中，相对平均偏差仅为0.036，可以说明多次仿真所得结果之间无显著差异。

由图2可见，当人群被设定为停留、观望、疏散缓慢等状态时，歹徒的袭击目标范围较大，导致袭击者可以在较短的时间内持续不断的对周围人群进行砍杀袭击，平均伤亡人数达到了13.4人，与原事件伤亡结果相近，且实验数据趋势稳定，可有效证明本次仿真实验的真实性。

3.2 优化实验

为验证人群应急疏散对此类社会安全事件的重要影响，将上述仿真中的逻辑流程进行一定调整，在砍杀发生后，设定人群状态为躲避或紧急疏散，优化后的实验流程如图3所示。

图3 优化实验仿真流程图

依据调研数据，每小时进入商场6F的人流量约为900人，保安数量为4人，在当前内部人数达到160人时，点击开始按钮，人群开始逃生、疏散，救援人员赶赴现场进行处置，反复进行15次实验，拟定为方案二，统计伤亡数量，并将该数值变化与方案一得出的伤亡情况进行对比得出以下数据：

图4 方案一与方案二伤亡情况对比

分析图4可见，在对原仿真实验进行疏散优化后，伤亡数量明显下降，平均伤亡数量由13.4人降至3.1人。可见，当砍杀发生后，商场内部工作人员及救援人员提高警惕，在合理控制现场状况的同时，对周围人群传达危险信息并迅速展开疏散工作，无论是引导人群躲避袭击逃离到相对安全的区域，或是采取疏散至安全出口等应急处置措施，都可大大减少伤亡。

3.3 保安数量讨论

安保人员作为事件发生后的第一救援力量，在此类社会安全事件防控中至关重要，训练有素的保安人员不仅可以提高疏散效率，同时也可以更有效地处置事件，控制现场。

(1)抓捕时间

在优化后的人群疏散实验过程中发现，当保安数量为1人时，现场难以控制，由于武力对比悬殊，保安无法顺利牵制歹徒，通过多次实验，当保安数量至少为2人时，才能有控制现场，抓捕歹徒。故此，分别设定保安数量为2～6人，并重复进行25组实验，统计了控制现场抓捕袭击者所用时间的数据如图5所示。

图5 保安数量与抓捕时间关系变化

观察分析图5，当安保人员数量为2人时，由于人数劣势，控制现场需要花费较多时间，当保安数量逐渐增加时，抓捕时间相应减少，呈下降趋势。根据仿真结果可见，当安保人员数量相对增加时，控制现场将更加有利。

为得出最佳保安数量，再次增加保安人数进行实验，发现抓捕时间出现异常变化，如图5，当保安数量为7人时，平均抓捕时间为29.48 s，抓捕时间反而增加，为再次验证，设定保安数量为8人，平均抓捕时间为33.72 s，抓捕时间继续增加，随后观察仿真动画发现，导致抓捕时间增加是由于出现人群逆流。当保安数量过多时，保安逆向冲进疏散人群，会延误救援行为，反而降低效率。这说明过多的救援人员对现场处置及人群疏散有一定干扰，事件发生后，救援人员需要逆向冲入人群密集区域，一方面会拖延救援时间，另一方面可能会造成疏散行人流的紊乱，导致更坏结果的发生。依据实验结果推测，为有效预防及处置突发事件，商场内配置4～6名保安较为合理。

(2)疏散效率

为研究保安数量对疏散效率是否存在影响，以不同保安数量为变量，在保证最佳保安数量上限范围下，分别设定数量为2、3、4、5、6人进行仿真实验，每组实验依旧重复25次，在单位时间内，统计到不同保安数量下平均疏散人数如图6所示。

图6 保安数量与疏散人数关系

分析图6可见，单位时间内，保安数量与疏散效率呈正相关影响，当保安数量逐渐增加时，所疏散出去的人数相应增加，疏散效率有所提高。

另外，为避免人群逆流对疏散及救援过程的影响，商场内安保数量不宜过多。

4 结语

本文基于多Agent仿真，借助AnyLogic软件构建了西单大悦城砍杀事件的疏散模型，分析验证了行人应急疏散在突发社会安全事件中的重要意义。根据仿真实验结果，当救援人员数量过多时，会对疏散工作和救援时间有所干扰，反而降低救援效率。据此，公共场所诸如大型商场内的工作人员应提高警惕，并具备基本的突发事件防控处置能力，在人员配置方面应综合考虑个人素质及该场所人流状况，配置合适的保安数量，争取人力资源配置收益最大化。此次研究同时也证明了基于Agent的仿真能够较好地模拟突发事件演变过程及行人运动情况，可服务于管控策略优化、反恐处突和消防救援等领域，对社会安全事件相关研究具有重要的借鉴意义。

本次研究引入具体案例，同时完善了实验流程和逻辑参数设置，在一定程度上减少了实验误差。但仍有一些不足，如人群疏散中个体差异对疏散效率的影响，疏散过程中人群心理素质以及选择疏散路径的心理博弈，救援人员与歹徒的武力值对比以及保安巡逻路线对事件处置效率有无影响等。在后续研究中，将继续对模型进行改进和优化，展开进一步研究。