基于CA+Multi―Agent疏散仿真模型研究

【摘 要】 当代社会中，各地时时刻刻都有因为群体过于密集而导致踩踏等人生伤害事件，因此研究突发危机事件下人员疏散很有必要。对于此类问题的研究，由于其特殊性多采用计算机仿真技术。本文在仔细研究各种模型后，建立了一个离散的微观仿真模型的数学分析框架，并以此建立了一个“多agent+元胞自动机”的混合仿真模型。之后利用此模型仿真图书馆的应急疏散，通过该实例分析研究影响群体行为的主要因素，进而指导社会生活。

【关键词】 突发危机事件 人员疏散仿真 Swarm 元胞自动机 多智能体

现今世界上主流的人员疏散的计算机仿真模型分为宏观仿真模型和微观仿真模型。前者相对后者模型简单，计算量小，但是由于忽略了个体的特性和个体与周围环境、其他个体的作用，所以仿真精度不高。元胞自动机具有时间、空间和状态上的离散性，并按照一定局部规则在离散的时间维上演化，很容易动态演化出复杂的现象；但是缺乏智能性和自治性。然而多智能体体系统研究多主体之间智能行为的协作、竞争等相互作用，系统中的每个主体代表了现实世界中一个自治的实体或个体。因此本文将多智能体的自治性与智能性融入到元胞自动机中，结合二者的优点进行突发危机事件下人员疏散的模型仿真研究[1]。

1 理论描述

1.1 元胞自动机

1.1.1 起源

元胞自动机（CA）的基本思想源于著名的计算机科学家Von Neumann。随着伟大科学家wolfram的名著《一种新科学》的出版，元胞自动机作为一门新的科学逐渐被认可和接受，并得到了快速发展，并被广泛地应用于物理、生物、数学、计算机等众多领域研究。

1.1.2 定义及基本组成部分

元胞自动机是定义在具有离散和有限状态的元胞组成的一定的局部规则，在离散的时间纬度上演化的动力学系统。通过系统内局部元胞的微观行为特征之间的相互作用实现系统整体宏观行为特征涌现的演化模型。元胞、元胞空间、邻居、规则是组成元胞自动机的最基本的四个组成单位。元胞分布在离散的一维、二维或多维空间的格点上或者格子中央，在演化的每一时刻，每个元胞都具有各自的状态，状态集一般是整数形式的离散集。元胞空间实际上是一个包含空间上所有元胞的集合。任意元胞A于某一时刻的状态只与本身及其邻近元胞的前一时刻的状态有关。这些邻近元胞被称为元胞A的邻居。邻居与本身的当前状态对自身下一时刻状态的决定就是规则。元胞自动机的邻居也具有多样性，其中典型的有Von Neumann型、Moore型和扩展的Moore型[2]。

1.1.3 主要特征

（1）同质性：元胞空间内所有元胞按照同一演化规则变化；（2）并行性：元胞自动机的系统演化是并行的；（3）局限性：任意一个元胞下一时刻的状态只取决于本身及其邻居当前时刻的状态；（4）离散型：大小形状相同的元胞按照同一规则整齐划分在离散空间内，按照离散的时间步演化，且元胞状态只能在有限的离散空间内取值。

1.2 多智能体系统

1.2.1 定义

多智能体系统是分布式人工智能的一个重要分支。它由多个智能体组成，涉及智能体的知识、目标、技能、规划以及如何使智能体采取协调行动解决问题等，研究目的在于解决大型、复杂的现实问题建成小的、彼此互相通信和协调的，易于管理的系统。

1.2.2 优点

多智能体系统具有自主性、分布性、协调性，具有较高的问题求解效率。主要有以下几点：

（1）独立自主性；（2）支持分布式应用；（3）异质和分布性：由于各智能体是自治的，每个智能体都有自己的进程，可以按照自己的运行方式异步地进行；作为开发人员可以采用不同的设计方法和计算机语言开发[1]。

除此之外，多智能体技术打破了人工智能领域仅仅使用一个专家系统的限制，各领域的不同专家可能协作求解某一个专家无法解决或无法很好解决的问题，提高了系统解决问题的能力[5]。

2 仿真模型建立

2.1 工具介绍

本文使用Eclipse下的Swarm库编写。Eclipse是著名的跨平台的自由集成开发环境（IDE），主要用Java语言开发，其本身只是一个框架平台，但是扩充性极好，在插件的支持下，Eclipse拥有上佳的灵活性。Swarm由Chris Langton于1994年在新墨西哥州的圣塔菲研究所启动，目的是为基于多主体仿真模型的开发提供一系列标准的计算机工具[3]。

2.2 疏散场景的设定

根据过往学者的研究，人的平均肩宽为0.4m[4]，所以本文将疏散场景设定在一个长20m，宽20m的图书馆内，图书馆有6个长12m、宽1.2m的书架，1个长2.4m、宽1.2m的借书台，一个宽度为2.4m的出口。设定单元格为0.4m*0.4m，平均划分成2500个单元格。每个单元格就是一个元胞，用坐标表示，如第i行、第j列的元胞的坐标为（i，j）。每个元胞具有两种状态：空和被占据（被其他个体占据或者被障碍物占据）。元胞的状态用布尔函数表示，当元胞为空时，其值为true；反之，其值为false。

2.3 行人模型的设定

（1）行人初始化；利用随机函数math.random（）定义区域内人口密度dens，随机分布区域内个体的数量。依据模型，设定个体的初始速度[3]，感应半径r=3m。（2）通过距离函数判断行人是否逃出危险区（当行人距离出口为0时视为逃出），程序中的体现则利用remove（）函数在space中消除该个体。

2.4 行人行为规则

（1）最短距离。即个体每一步行为的决策首先考虑的因素是候选元胞到达目的地的距离，其中距离最短的元胞为“最佳元胞”。（2）道路通畅。当执行规则（1）后，如果出现两个或者两个以上“最佳元胞”时，定义其中感应半径内包含个体最少的元胞为“最佳元胞”。（3）优先“向前”。当执行规则（2）后，若仍存在多个“最佳元胞”时，我们定义“向前”为最佳决策。

2.5 危险源（火灾）的设定

利用鼠标单击事件由人决定火灾发生的时间和地点。这样的设计便于多次仿真消除计算机本身计算带来的误差，更加灵活、有效。

3 仿真结果与分析

3.1 恐慌情绪与疏散时间的关系

一般而言，危急时刻，人会不由自主的产生恐慌，恐慌致使我们不能够冷静看待周围环境，做出不理智的行为，有碍安全疏散。本组实验研究恐慌情绪对疏散时间的影响。设定待疏散人员为200人，一个出口，出口宽度为1.6m本次实验中每种恐慌情绪实验5次，取5次平均值作为实验的统计数据，结果如图1。

由图1可知，随着恐慌情绪的增加，疏散需要的时间也不断增加。可见，心理状态对群体行为有着重要的影响作用。

3.2 专业素质与疏散时间的关系

在群体行为中，个体的自作用力也发挥着显著的作用。问卷调查的结果显示个体在具备相关专业素质的情形下，其行为表现更多的自作用的结果。本组实验通过调整群体中具备疏散相关专业知识的人员比例，来研究专业素质与疏散时间的关系。设定待疏散的人数为200人，一个出口，出口宽度为1.6m。实验中不同比例实验5次，取5次平均值作为实验的统计数据，结果如图2。

由图2可知，疏散时间随着群体中具备专业素质的人员比例的增加而下降，看来，具备一定的专业素质有助于疏散，专业素质在一定程度上影响群体行为。

4 展望

由于时间和精力有限，本论文还有些许不足，有待进一步的研究。

（1）本论文研究了影响群体行为的一些因素，如情绪、专业素质和客观环境等，总结出消极情绪对群体行为有负作用，专业素质对群体行为有积极的影响，通过改善客观环境可以引导群体行为向最大效益的方向发展。但是没能验证本论文的数学模型是否具有唯一性和通用价值，以及该数学模型是否还能通过某种修正方法，得到更完善的模型，这将是今后的研究方向。（2）本论文只针对图书馆进行了应急疏散的仿真，这只是群体行为的一种。要研究群体行为，应当仿真多种场景下的多种群体行为，这样得出的结论更具说服力。

参考文献：

[1]魏超.基于Multi-Agent的人群疏散仿真模型的研究.长沙：中南大学，2011.

[2]任小娟.基于元胞自动机的人员疏散模型设计与实验.计算机应用与软件，2013-07.

[3]D Helbing，I Farkas，T Vicsek.Simulating dynamical features of escape panic[J ].Nature，2007.

[4]Latsev・Tener.Modern social psychology[M].Jiangsu： Jiangsu people's Publishing House.1991.

[5]徐高.人群疏散的仿真研究[D].成都：西南交通大学，2003.