大型旅游景点疏散方案设计及算法
全家民
（重庆市北碚区西南大学 重庆 400700）
【摘要】 近年来，全球旅游业发展迅猛，但由于游客数量过多，安全隐患也在不断增加。考虑到由于各地景点过大，人口数量多而难以快速疏散这个问题，我为大型旅游景点的管理方设计了一个有效的疏散方案，可以将疏散工作更快更安全地完成。本文以法国最负盛名的卢浮宫为疏散场地进行模型建立与展示，且移植性较高，可用于其他大型封闭式公共场所。在本文中，我们为卢浮宫博物馆制定了一个有效的疏散计划，并将损害降至最低。首先，将游客分为三类：团体游客，普通游客和残疾游客。通过建立Multi-Agent 模型来设置属性，以区分游客的数量，移动速度等因素。根据Social Force 模型，进一步优化游客的属性，处理人口密度，障碍和心理因素等模型，以便在疏散过程中获得游客的速度变化。其次，使用Dijkstra 算法结合卢浮宫内部结构，我们计算了网络拓扑的最短路径。结合Multi-Agent 模型，Social Force 模型和Dijkstra 算法，建立了卢浮宫的疏散模型，得到了最快的疏散时间。
【关键词】 Multi-Agent；Social Force；Dijkstra 算法
1 Multi-Agent 模型建立
1.1 Multi-Agent 模型概述与分析
第一步是要获得游客在疏散过程中的精准速度变化。首先，考虑到被疏散人员的属性和行为特征，对被疏散群体即游客，进行初步分类：团体游客、普通游客和残疾游客。通过建立Multi-Agent 模型来设置属性，以区分游客团体数量、移动速度等因素。在这个模型中，基于卢浮宫各层的疏散场景不同，为了更好地反映出被疏散者的运动特征，在分析了不同疏散场景的特点后，建立了卢浮宫整体的连续空间。
Multi-Agent 模型是一种自上而下的系统模型，它模拟个体行为，建立Agent 之间的交互规则，并模拟社交系统。个体动作决策集可以定义为规则库，根据环境信息将其输入到Agent 的规则库中，然后根据规则库来确定行为。在卢浮宫或其他场景中，疏散类问题的研究目标是庞大而复杂的，整个系统还伴随着时空的分散，且具有相互影响的特点，遵循Multi-Agent 模型。
1.2 连续空间场景模型建立
离散场景模型可以简化模拟计算，但也存在一定的缺陷，例如，撤离者的行走方向是固定的，它与真实场景中的撤离运动现象严重不符。因此，基于以上因素，本文建立了卢浮宫各层的连续空间场景模型。坐标代表Agent 的位置，每个Agent 都可以向任何方向移动，速度也可以进行变化。
Lindfors等[25]利用电沉积石墨烯—PANI分散体得到石墨烯/聚苯胺基Ca2+电极。结果表明，由于石墨烯—聚苯胺复合材料的电催化作用，提高了电极的初始电位稳定性和重现性，促进了传导层/基底电极界面的电子转移增加了传感器的疏水性，抵消了水层的形成。Lindener等[26]用7，7，8，8-四氰基喹啉二甲烷氧化还原对(7,7,8,8-tetracyanoquinoline dimethyl TCNQ/TCNQ-)掺杂聚3-辛基噻吩，通过恒电位调节TCNQ/TCNQ-的物质的量比达到 1∶1。经过预处理长期电位漂移从 -1.4 mV/h下降到 -0.1 mV/h。
对于卢浮宫的每一层，在连续空间2D 场景中建立坐标系。访客的位置由水平和垂直坐标确定，在疏散过程中，访客的位置将随着时间的推移而保持移动，当触碰到障碍物时，方向将自动调整。为了避免因拥挤而增长疏散时间，我们将疏散场景分为几何形状和互联状态。作为独立的疏散空间，每个疏散区域也有一定的拓扑关系。
3.2.2 模型基础
1.3 个体属性及行为分析
Agent 通过在自身驱动力的作用下判断并向目标移动来获取目标信息。一旦个体之间的距离很小或者个体与其他人拥挤，个体的运动方向将由于排斥力的影响而改变。
不同个体的心理和行为都存在一定差异，这增加了疏散模拟的难度。在建立疏散模型时，应考虑到个体的独特属性，这些因素都将影响整个疏散过程。发生恐怖袭击时，不同的个体的反应是截然不同的，受到年龄、性别、身高、认知程度、文化背景、受教育程度、心理素质、对疏散场景的熟悉程度等因素的影响。因此，在建立疏散模型时，有必要综合考虑被疏散人员的个体特征。Garber 教授通过观察和统计获得了女性的平均速度为1.45m/s,男性的平均速度为1.55m/s。下面对被疏散人员的属性范围和属性参数进行了设置：个人半径：0.3m;反应时间：2s；碰撞感知半径：3.75m；碰撞感知角度范围：0 ～110°；最大移动速度：1.55m/s。
如果确诊是排卵期出血，一般不用担心，对身体没有别的影响。对身体是否有影响主要取决于出血的多少和长短。如果出血少、时间短，那就让它去。假如出血较多、时间长，其实最好先做个诊刮，可能有其他问题。
1.4 基于Multi-Agent 的疏散模型
在充分考虑了被疏散者的个体特征后，人员被抽象成动态的Agent。通过制定的行为规则去指导Agent 的行为并与其他Agent 交互。图1 显示了整个疏散过程中的人员情况。可见，个体之间以及个体与障碍物之间的信息交换将影响被疏散个体的路径决策，从而影响整个疏散过程的效率。这些问题将在Dijkstra 算法中详细描述。
图1 基于Multi-Agent 的疏散模型
图1 主要包括以下几个部分：（1）疏散环境初始化：信息包括自由空间、安全出口、障碍物等。（2）被疏散个体的设置：对个人属性及行为进行分析。（3）疏散环境感知：感知系统由输入参数、内部感知协作机制和输出参数三部分组成。（4）行为触发：在每个时间步进，Agent 根据周围环境和定义的行为规则更新其速度和位置。（5）人员运动行为模型：Agent的行为可视为其决策的结果。本文采用粒子群优化算法（PSO）作为从当前位置到目标位置的路径寻找算法。基于该模型，Agent 调整移动方向和速度以完成从当前位置到目标位置的任务。
2 符号定义
[3]湖南大学岳麓书院文化研究所编：《岳麓书院一千零一十周年纪念文集（第一卷）》，长沙：湖南人民出版社，1986年，第97页。
3 卢浮宫的疏散模型
Multi-Agent 模型在上一节中建立。在这一部分，我们制定了最短路径疏散计划和面向卢浮宫的疏散计划。目的是选择最短路径即最佳疏散路径。因此，我们提出了Social Force模型和Dijkstra算法来有效解决疏散问题。
3.1 基于Social Force 模型的疏散方案
3.1.1 说明
1.3.1 个体属性分析
Social Force 模型描述了个体之间以及个体与建筑结构之间的非线性相互作用。在模型中，个体的实际行为受三个因素的影响，即个体的心理期望，个体互动的互动和建筑结构（如门和墙）。模型使用预期的力来反映个体对出口的期望效应，并使用排斥力来解释个体之间保持一定距离的原因。模型的核心是一组动态微分方程，它们可以链接各个数量的变化。该模型主要考虑疏散过程中的三部分力，包括自驱动力，人与人之间的力量，人与力之间的力量。该模型的动态公式为：
3.1.2 模型基础
其中，模型将撤离者抽象为具有半径的粒子，参数A确定排斥力的强度。在本文的算法中，为了在算法搜索的后期控制预期力的大小和排斥力。我们可以选择A=e8-1，B=1。人与人之间的力量由公式（1.2）定义：
通过建立网络拓扑图，节点是展厅，重量是展厅之间的距离。每个出口的最短路径由Dijkstra 计算，并且社会力模型用于模拟代理行走的速度，考虑到代理的速度不断变化。在本文中，基于疏散场景的区域划分，我们抽象出拓扑网络结构图并标记出口。这里以卢浮宫的地面层为例，图2.1 显示了地面层的平面结构和拓扑结构。
在这里，我们列出了本文中使用的标识，mi 表示第i个Agent 的质量，V0i(t)表示第i 个Agent 的初速度，
表示第i 个Agent 初速度的方向，V i ( t )表示第i 个Agent的实际速度，τi 表示第i 个Agent 的步长， Asoc 表示排斥力的强弱系数， Bsoc 表示排斥力的范围， div 表示第i 个Agent 的质心到障碍物W 的距离，v des 表示疏散期间人群的预计速度， ri 表示第i 个Agent 的半径， rij 表示第i个Agent 到第j 个Agent 的半径，set_time 表示黄金逃生时间，ξ 表示疏散系数。
其中T 表示矩阵的转置，t ij和tiw 分别代表 nij 和 niw 的正交矢量。 G（x）和vij（t）分别显示在式（1.4）和（1.5）中。
在上面的讨论中，我们给出了以下距离约束：1.ith Agent 和jth Agent 的半径和
(1.6)。 2.指向ith Agent 和 jth Agent 的距离：
(1.7) 。3.j Agent 指向i Agent 的单位向量：
(1.8)；
（1.9）；
（1.10）。4.障碍物指向i Agent 的单位矢量：
（1.11）；
（1.12）。
3.2 基于Dijkstra 算法的疏散方案
3.2.1 说明
卢浮宫可以从卢浮宫的结构图中获得，它是一个五层建筑，由地下两层和地上三层组成。为了找到疏散乘客的最短路径，我们使用Dijkstra 算法进行网络拓扑。考虑到只有-2 层和G 层有出口，我们将问题分为两部分，一部分用于出口层，另一部分用于转换层（非导出层）。在寻找出口逃生建筑之前，转换层的游客需要到达出口层。在出口层，我们将每个展厅视为一个节点，并将其分布等效地转换为如图2.2 所示的网络拓扑图。
3.1 基于RS和GIS技术。运用RS的监督分类中最大似然法进行遥感影像的解译，提取研究区2000年和2015年两个时期的土地利用数据，土地利用类型分别是耕地、林地、草地、水体、建设用地、未利用地，并分期制作土地利用现状图。利用GIS强大的空间分析功能，得到两个时段的土地利用和空间变化图，据此分析研究区不同土地利用类型之间的变化情况。
障碍物对人的排斥力用于防止行人与墙壁碰撞。力的这一部分的总和将导致Agent 的加速度改变，并且人和障碍物之间的力被定位为：
图2.1 卢浮宫地面层平面图
图2.2 卢浮宫地面层的拓扑结构
在疏散过程中，在疏散场景中建立的拓扑结构图的指导下，各个撤离人员可以从初始位置分区撤离到出口。它们可以根据连接状态快速到达靠近出口的另一个区域。本文的目的是为撤离人员提供最短路径的疏散计划。关键是计算从撤离人员到出口的路线并选择最短的路线。在这种情况下，通过比较权重，即疏散路径的长度。权重分为三种可能性：（1）指向自身，权重为0；（2）点到点没有连接，权重是无限的；（3）点对点连接，路径长度的权重。
螺纹紧固件是将汽车的部件连接起来的装置，是汽车维修技术人员接触最多的零件，现代汽车中使用了数百种紧固件。常见的紧固件如图1所示，拧紧螺栓时在螺栓上引起的力如图2所示，作用在被紧固件上的力为夹紧力。常用螺纹标准是米(公)制螺纹，少部分从美国、英国来的进口车可能用寸制螺纹(UNC，UNF)，此外车上部分传感器和螺塞还使用圆柱管螺纹和圆锥管螺纹。
门诊癌痛和慢性疼痛患者信息化管理平台的建立与实践…………………………………………………… 龚晓英等（4）：450
基于区域划分的路径引导策略可以优化个体疏散路线，提高疏散效率。
3.3 结果
在网络拓扑图中，卢浮宫的实际长度为480 米，按照10：1 建模。假设每层有40 个展厅和20 个非出口，如上图2 所示，该模型解决了包含出口的展厅的坐标。
其中：l1+l5=450 mm，且选定 l1=300 mm，l5=150 mm，根据整个装置的长度和一般家庭使用的座便器的尺寸选定l2一个合适的值为700 mm.
以下解决方案基于正常游客为60%时的测试数据；团体游客30%；残疾游客10%。根据图3，正常游客的最短路径是下图中阴影部分的区域。具体的疏散时间是垂直线和横坐标的交点：t1=2.42s，即实际疏散时间ts=24.2s。群体游客的最短路径是下图中阴影部分的区域。具体的疏散时间是垂直线和横坐标的交点：t1=3.21s，即实际疏散时间ts=32.1s。残疾游客的最短路径是下图中阴影部分的区域。具体的疏散时间是垂直线和横坐标的交点：t1=5.81s，即实际疏散时间ts=58.1s。
图3.1 普通游客的最短路径v-t 图
图3.2 群体游客的最短路径v-t 图
图3.3 残疾游客的最短路径v-t 图
4 结语
在我们的模型中，建立疏散模型有三个步骤。首先，我们建立了一个Multi-Agent 模型来抽象撤离者的属性，从而合理地显示撤离人员的数量和多样性。然后，根据social force 模型，优化Agent 的性质，处理人口密度，障碍和心理因素，获得速度变化。利用Dijstira 算法进行网络拓扑的最短路径计算，得到疏散模型,获得最快和最安全的疏散模型。
【参考文献】
[1]Sharma S,Singh H,Prakash A.Multi-Agent modeling and simulation of human behavior in evacuations[J].IEEE Transactions on Aerospace & Electronic Systems.2008.44(4);1477-1488.
[2]Garber N J,Hoel L A.Traffic and Highway Engineering[M].Boston:PWS Publishing Company,1997: 67-89.
[3]Dirk Helbing,Illes Farkas,Tams Vicsek.Simulating dynamical features of escape panic[J].NATURE,VOL 407,2000,28(9)：487-490．
[4]HELBING D,MOLNR P.Social force model for pedestrian dynamics[J].Physical R eview E，Statistical Physics，Plasmas，Fluids，and Related Interdisciplinary Topics,1995,51(5):4282-4286．
【中图分类号】 TP274
【文献标识码】 A
【文章编号】 1009-5624（2019）10-0211-04
作者简介： 全家民（1999-),男，汉族，四川省成都人，本科，研究方向：电子信息工程专业。
标签：Multi-Agent论文; Social论文; force论文; Dijkstra算法论文; 重庆市北碚区西南大学论文;