杜棋東+陳柔香+許愛軍

摘 要： 針對地鐵站場結(jié)構(gòu)復(fù)雜與疏散受行人主觀條件影響等實(shí)際情況，宏觀上利用蟻群算法解決復(fù)雜建筑結(jié)構(gòu)下大客流尋找最優(yōu)疏散路徑，微觀上采用元胞自動機(jī)智能決策模型，構(gòu)建融合蟻群算法與元胞自動機(jī)的地鐵行人疏散模型，并對廣州地鐵某站場在行人疏散過程中的疏散效率、個(gè)體狀態(tài)等現(xiàn)象進(jìn)行討論，其仿真結(jié)果可為地鐵編制應(yīng)急預(yù)案、員工培訓(xùn)、乘客疏散、應(yīng)急演練提供參考。

關(guān)鍵詞： 蟻群； 元胞自動機(jī)； 地鐵行人； 疏散

中圖分類號：TP391.4 文獻(xiàn)標(biāo)志碼：A 文章編號：1006-8228（2018）02-18-04

Abstract： Aiming at the actual situation of complex structure and the evacuation of subways affected by the subjective conditions of pedestrians， this paper uses the ant colony algorithm to solve the large passenger flow under complex building structure to find the optimal evacuation path in the macro view， and on the micro level， uses the intelligent decision model of cellular automaton to construct the underground pedestrian evacuation model of the fusion of ant colony algorithm and cellular automaton. And discuss the evacuation efficiency and individual status of a station in Guangzhou Metro during the evacuation of pedestrians. The simulation results can provide the preparation of contingency plans， staff training， the evacuation of passengers， and emergency drills with a reference.

Key words： ant colony； cellular automaton； subway pedestrian； evacuation

0 引言

行人疏散問題一直是交通安全領(lǐng)域的重要研究內(nèi)容，早在1971年J.Fruin提出行人的平均行進(jìn)速度與行人密度的關(guān)系曲線，這是對行人疏散的第一個(gè)重要的研究成果[1]，英國Sime等人和美國Francis分別提出了ORSET 模型 [2]和預(yù)測最小理論疏散時(shí)間網(wǎng)絡(luò)模型[3]，這些模型較好地指出了行人在疏散時(shí)所選擇的逃生路線，但是卻忽略了復(fù)雜場所以及行人的心理因素對疏散的影響。

作為復(fù)雜場所的地鐵站場，其行人疏散的研究主要集中在路徑算法和疏散模型上，特別是蟻群算法ACO（Ant Colony Optimization）和元胞自動機(jī)模型CA（Cellular Automata），王起全等提出蟻群算法能夠使地鐵行人在較短時(shí)間內(nèi)選擇優(yōu)化的疏散路徑[4]，楊敬等模擬樓層拓?fù)浣Y(jié)構(gòu)，建立樓層蟻群疏散模型，優(yōu)化運(yùn)算時(shí)間[5]，許愛軍等為解決蟻群路徑選擇的盲目性和隨機(jī)性，提出基于神經(jīng)網(wǎng)絡(luò)自適應(yīng)蟻群算法[6]，劉真余等對地鐵的行人微觀建模，基于元胞自動機(jī)提出兩種疏散規(guī)則[7]，田鑫等利用元胞自動機(jī)理論創(chuàng)建了地鐵車站火災(zāi)疏散仿真模型[8]，曹守華等分析地鐵通道內(nèi)行人行走特征，基于螞蟻元胞自動機(jī)對通道雙向人流進(jìn)行仿真，該模型較好地表達(dá)了地鐵雙向通道的行人走行特征[9]，還有學(xué)者在智能疏散決策[10-11]，考慮行人引導(dǎo)作用[12]及大型公共建筑疏散[13]等方面有一定的研究。然而上述基于地鐵復(fù)雜場地結(jié)構(gòu)、大客流以及行人微觀特征等綜合研究仍不夠系統(tǒng)。

本文在文獻(xiàn)[4]和文獻(xiàn)[11]研究工作的基礎(chǔ)上，對地鐵站場結(jié)構(gòu)特征和行人的信息處理、決策過程進(jìn)行系統(tǒng)研究，宏觀上利用蟻群算法解決復(fù)雜建筑結(jié)構(gòu)下大客流尋找最優(yōu)疏散路徑，微觀上采用智能體的元胞自動機(jī)智能決策模型，構(gòu)建融合蟻群算法與元胞自動機(jī)的行人疏散模型，并對廣州地鐵某站場在行人疏散過程中的疏散效率、行人個(gè)體狀態(tài)等現(xiàn)象進(jìn)行討論。

1 蟻群與元胞自動機(jī)的定義與特征

1.1 蟻群算法

螞蟻算法真實(shí)模擬自然界螞蟻群體覓食的行為，是一種尋找優(yōu)化路徑的仿生概率型算法，其基本思想是：螞蟻群體在尋找食物源時(shí)，會釋放一種信息素，從蟻窩到食物源的路徑上，信息素濃度越高的，代表路徑越近，螞蟻會大概率優(yōu)先選擇，并釋放信息素增強(qiáng)該路徑的濃度，形成正反饋。從上述思想中，得到螞蟻群體系統(tǒng)模型。

蟻群算法的定義為：定義所有螞蟻，螞蟻智能體為k，在t時(shí)刻，從位置i轉(zhuǎn)移到位置j的轉(zhuǎn)移概率為：

其中，s為可選擇位置點(diǎn)集合，Xij（t）為t時(shí)路徑（i，j）的信息素強(qiáng)度，Mij（t）為t時(shí)刻路徑（i，j）的能見度，α、β分別是路徑和能見度的相對重要性。螞蟻群覓食后原路徑返回蟻窩，所需時(shí)間為u，其對應(yīng)元素的信息素需要相應(yīng)調(diào)節(jié)，重復(fù)循環(huán)，可找到參數(shù)最優(yōu)路徑。

1.2 元胞自動機(jī)

元胞自動機(jī)具有時(shí)間離散性、空間離散性、同步性、狀態(tài)離散性和有限性等基本特征，是一種具有時(shí)空動態(tài)特征的空間動力學(xué)研究方法。元胞自動機(jī)模型主要由元胞狀態(tài)集、鄰居以及局部規(guī)則組成，所有元胞的狀態(tài)同步更新。更新規(guī)則是：第k個(gè)元胞在t+1時(shí)的狀態(tài)由自身及鄰居的狀態(tài)共同決定，常見鄰居類型有VonNeumann型和Moore型，本文采用Moore型鄰，如圖1。1，2，3，4，5，6，7，8為元胞移動的可選方向，如圖2。endprint

2 基于螞蟻元胞自動機(jī)的地鐵行人疏散模型

2.1 有向圖與螞蟻集合

地鐵行人疏散模型基于構(gòu)建一個(gè)有向圖G=（V，C，W），其中V為所有路徑通道節(jié)點(diǎn)，C為節(jié)點(diǎn)處元胞集合，W為圖中路徑ωi集合，其中，ωi路徑依次經(jīng)過路徑集合中的各個(gè)節(jié)點(diǎn)，并且是由螞蟻在每個(gè)路徑的元胞集合中選擇確定的，長度固定為1（由目標(biāo)函數(shù)確定螞蟻信息素及轉(zhuǎn)移概率）。螞蟻集合A1，…，AS，S與路徑規(guī)模有關(guān)，每只螞蟻從第一個(gè)位置，按照轉(zhuǎn)移概率在各條路徑上轉(zhuǎn)移直到最后一個(gè)位置，轉(zhuǎn)移概率仍然由信息素的強(qiáng)弱確定，而信息素則由目標(biāo)函數(shù)值確定，函數(shù)值越小元胞信息素越強(qiáng)，螞蟻選擇的概率越大。一只螞蟻轉(zhuǎn)移到最后一個(gè)位置節(jié)點(diǎn)意味著可以停止尋優(yōu)，每組螞蟻尋找到n個(gè)可行解意味著這組螞蟻可以停止尋優(yōu)，一次尋優(yōu)也稱為一次迭代，時(shí)間為cycle，在具體的疏散過程中，會明確迭代最大次數(shù)或者規(guī)定迭代中止條件。

2.2 迭代轉(zhuǎn)移概率

設(shè)u=（u0，…，ut-2，ut-1=i）表示某螞蟻第m次轉(zhuǎn)移前，已路過的各元胞節(jié)點(diǎn)組成的地鐵通道路徑，其中，u0，…，ut-2，ut-1是圖的一部分節(jié)點(diǎn)，u0是初始節(jié)點(diǎn)位置，i是當(dāng)前節(jié)點(diǎn)位置，j是下一節(jié)點(diǎn)位置，xij為該元胞節(jié)點(diǎn)的信息素，在上述公示⑴的基礎(chǔ)上，轉(zhuǎn)移概率為：

在式⑵中，α、β為信息因子和期望因子，Mij（u）為可見度值，Xij（m）為信息素“濃度”，Pij（m，u）表示某螞蟻在第m次迭代中，構(gòu)造疏散路徑u后，從當(dāng)前位置i轉(zhuǎn)移到j(luò)的轉(zhuǎn)移概率。所有螞蟻A1，…，AS按照轉(zhuǎn)移概率Pij（m，u）依次轉(zhuǎn)移，構(gòu)造疏散的可行解；若目前節(jié)點(diǎn)位置屬于終點(diǎn)元胞集合，則Pij（m，u）=0，意味著螞蟻在這次迭代中已經(jīng)完成構(gòu)造疏散過程。

2.3 信息素濃度

在迭代開始時(shí)，設(shè)置每個(gè)元胞點(diǎn)初始濃度Xij（m）為固定值，之后在每次迭代末，根據(jù)⑶進(jìn)行更新。

在式⑶⑷中，Lij為地鐵通道長度，ζij為地鐵行人通行難易系數(shù)，ρ為蒸發(fā)因子，Δτij加上信息素蒸發(fā)機(jī)制，組成信息素的更新規(guī)則。

2.4 模糊推理模型

螞蟻算法存在的主要問題是容易陷入局部最優(yōu)解的困局，為了解決這個(gè)問題，本文引入模糊推理模型，即在信息素的更新過程中，通過推理再演變，并增加最優(yōu)路徑選擇，達(dá)到減少陷入局部最優(yōu)解的概率?？紤]對地鐵環(huán)境較為熟悉的行人在選擇路徑時(shí)主要考慮所處位置到出口的距離以及路徑通道上的密度兩個(gè)因素，路徑距離與密度信息均屬于模糊參數(shù)，本文采用文獻(xiàn)[11]的模糊推理模型。

在路徑距離方面，將元胞可能選擇的8個(gè)方向距離出口位置進(jìn)行極差標(biāo)準(zhǔn)化處理，距離分成3個(gè)模糊集，，參數(shù)分別代表距離近，距離中，距離遠(yuǎn)；在密度信息方面，在一定的視野范圍內(nèi)，由人群與障礙物共同決定，密度分成3個(gè)模糊集，參數(shù)分別代表數(shù)量少，數(shù)量中，數(shù)量多。距離模糊集D和密度模糊集T均作為元胞輸入，輸出方向移動可能性為，其參數(shù)分別代表負(fù)大，負(fù)中，零，正中，正大，其模糊推理規(guī)則如表1所示。

表1所示基本原則為：如果距離某個(gè)出口遠(yuǎn)，障礙物密度大，那么往該出口移動可能性小；如果距離某個(gè)出口近，障礙物密度小，那么往該出口移動可能性較大。

3 仿真與驗(yàn)證

3.1 測試環(huán)境

為了驗(yàn)證基于蟻群元胞自動機(jī)的地鐵行人疏散方法的有效性，選取廣州地鐵某站場進(jìn)行仿真實(shí)驗(yàn)。用于行人出入口的位置有10處，對角線A、B、C、D為地鐵出入口，E～J為地鐵出入閘機(jī)口[6]，如圖3所示。

3.2 測試結(jié)果

在測試實(shí)驗(yàn)中，將地鐵平面空進(jìn)行0.4m*0.4m的網(wǎng)格劃分，行人均勻分布在站廳各個(gè)位置，在每一時(shí)刻上，網(wǎng)格都有可能被障礙物占有，初始化行人數(shù)量為30（數(shù)量最多不超過300），信息素初始濃度值為0.5，蒸發(fā)因子為ρ為0.32，行人當(dāng)中有60%對地鐵站廳環(huán)境熟悉，有40%對環(huán)境不熟悉。

從圖4可以看出，對比其他三種疏散算法，最短路徑算法效率最低，行人僅以距離出口近作為惟一出逃路徑缺乏合理的規(guī)劃，元胞自動機(jī)算法基于行人微觀特征尋找路徑，優(yōu)于最短路徑算法，然而沒考慮到數(shù)量大的群體行為因素，導(dǎo)致其效率仍不高，標(biāo)準(zhǔn)蟻群算法作為尋找最優(yōu)路徑的算法，使大部分行人移向最優(yōu)出口，造成一定的擁擠，但效率高于元胞自動機(jī)模型。本文方法綜合螞蟻算法與元胞自動機(jī)模型二者的特點(diǎn)，疏散效率與其他三種對比較優(yōu)。

本方法能夠?qū)Σ煌愋偷男腥嗽诓煌瑺顟B(tài)下給出分析。第一種狀態(tài)：對環(huán)境的熟悉程度，從圖5可以看出，對環(huán)境熟悉的行人，會根據(jù)距離和障礙物（人群）密度綜合考慮挑選前進(jìn)的方向，整體的疏散速度比較快。第二種狀態(tài)：行人不同的體力狀態(tài)，從圖6可以看出，體力較好的行人整體疏散速度，明顯優(yōu)于體力差的行人，實(shí)驗(yàn)結(jié)果與現(xiàn)實(shí)情況較為吻合。

4 結(jié)束語

本文在求解上基于種群的進(jìn)化算法，利用元胞自動機(jī)的模糊推理方法，提出基于蟻群元胞自動機(jī)的地鐵行人疏散模型，能夠?qū)Σ煌愋偷男腥嗽诓煌瑺顟B(tài)下給出分析，解決復(fù)雜結(jié)構(gòu)環(huán)境下地鐵站行人疏散的路徑問題。下一步將結(jié)合地鐵突發(fā)事件如火災(zāi)、群毆、設(shè)備斷電等進(jìn)行模擬疏散，綜合分析各種因素，提高疏散模型算法的適應(yīng)性，為地鐵編制應(yīng)急預(yù)案、員工培訓(xùn)、乘客疏散、應(yīng)急演練提供更為完善的參考。

參考文獻(xiàn)（References）：

[1] 王理達(dá).地鐵車站人群疏散行為仿真研究[D].北京交通大學(xué)碩士學(xué)位論文，2006：3-5

[2] 王馳.某地鐵站火災(zāi)情況下人員安全疏散研究[D].北京交通大學(xué)碩士學(xué)位論文，2007：3-4

[3] 胡忠日.安全疏散研究的國內(nèi)外動態(tài)和發(fā)展趨勢[J].消防科學(xué)與技術(shù)，2001.6：7-8

[4] 王起全，杜艷洋，張心遠(yuǎn).蟻群算法在地鐵車站內(nèi)應(yīng)急疏散的應(yīng)用[J].消防科學(xué)與技術(shù)，2015.34（1）：55-58

[5] 楊敬，石明全，韓震峰等.一種蟻群算法疏散模型優(yōu)化的方法[J].消防科學(xué)與技術(shù)，2015.34（3）：343-346

[6] 許愛軍，蘇境迎.基于自適應(yīng)蟻群算法的地鐵人員疏散模型[J].微機(jī)處理，2016.1：50-53

[7] 劉真余，芮小平，董承瑋等.元胞自動機(jī)地鐵人員疏散模型仿真[J].計(jì)算機(jī)工程與應(yīng)用，2009.45（27）：203-248

[8] 田鑫，蘇燕辰，李冬等.地鐵車站火災(zāi)疏散仿真分析[J].科學(xué)技術(shù)與工程，2017.17（16）：333-338

[9] 曹守華，袁振洲，趙 丹等.基于螞蟻元胞自動機(jī)的地鐵通道雙向行人流仿真[J].系統(tǒng)仿真學(xué)報(bào)，2009.21（8）：2457-2462

[10] 馬潔，徐瑞華，李璇等.地鐵車站乘客疏散出口選擇行為仿真建模[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016.44（9）：1407-1414

[11] 張麗娟，張艷芳，趙宜賓等.基于元胞自動機(jī)的智能疏散模型的仿真研究[J].系統(tǒng)工程理論與實(shí)踐，2015.35（1）：247-253

[12] 高鳳強(qiáng)，顏逾越，許策等.一種考慮引導(dǎo)作用的行人疏散元胞自動機(jī)模型[J].交通運(yùn)輸系統(tǒng)工程與信息，2016.16（6）：60-66

[13] 張培紅，張蕓栗，梅志斌等.大型公共建筑物智能疏散路徑優(yōu)化自適應(yīng)蟻群算實(shí)現(xiàn)及應(yīng)用[J].沈陽建筑大學(xué)學(xué)報(bào)（自然科學(xué)版），2008.24（6）：1055-1059endprint