基于Agent的垂直疏散模型研究

余 雷, 段晨东

(长安大学电子与控制工程学院， 陕西 西安 710064)

0 引 言

近年来在国际国内各种自然灾害事件频有发生，给人们的生命财产安全造成了极大危害.为了能够可靠有效地应对突发灾害事故，国内外开展了不少关于人群疏散方面的研究.人群疏散仿真是人群疏散研究的一个重要组成部分，其仿真模型一般分为宏观和微观两大类，早期的研究以宏观模型为主，这类模型注重疏散人群的整体行为特征，它的优点是对计算机运算能力要求低，缺点是无法描述个体的特征以及个体之间的区别，特别是对于突发事件情况无法描述高度复杂和不确定性的人员疏散动态过程.相对于宏观模型来说，微观模型具有很多优点，在仿真中针对人群中不同的个体可以设置不同的参数及行为规则，从而真实地反映出人群组成的异质性，另外个体行为是依照其所处环境动态决定的，可以真实体现个体之间的相互作用.目前,微观仿真研究逐渐成为人群疏散仿真研究的主流.本文以Agent仿真软件NetLogo为基础对人群垂直疏散模型进行了研究.

1 Agent技术及NetLogo仿真

智能体(Agent)是分布式人工智能(DAI)领域的一个基本术语，它是由美国学者明斯基于20世纪80年代提出的[1].智能体(Agent)是一个物理或抽象的、能在一定环境下运行的实体,它能作用于自身和环境，并对环境作出反应[2].智能体具有知识、目标和能力：知识主要包括领域知识、通讯知识、控制知识等；目标可以根据变化情况分为静态目标和动态目标，并可以通过算法编入或显示给定，或通过通讯获得；能力是指智能体具有推理、决策、规划和控制等的能力.其能力的获得可以显示给定、学习或通过通讯获得.智能体具有如下特性：自治性、社会性和反应性.多智能体仿真的基本思想是：用程序展示行为，而这些行为则完全通过其内部机制来描述.通过把一个个体链接到一个程序上，就有可能模拟一个充满着相互作用的过程的人工世界,因此就有可能用人工对应物来置换真实系统里的成员总体.总体里的每个成员都由一个Agent来代表.多智能体仿真具有优于传统数值模拟技术的特点.传统的数值模拟基于数学或随机模型，通常是静态数学模型,而多智能体仿真提供了形象的可视化显示，使用户(模拟设计者)能够在模拟过程中直观地评估Agent的行为，因此多智能体系统具有在空间上分布式的、并行的，且系统的容错能力较强等特点.

NetLogo是一个用来对自然和社会现象进行仿真的可编程建模环境,它是由Uri Wilensky在1999年发起的，由连接学习和计算机建模中心(CCL)负责持续开发.NetLogo特别适合对随时间演化的复杂系统进行建模.建模人员能够向成百上千的独立运行的“主体”(Agent)发出指令,这就使得探究微观层面上的个体行为与宏观模式之间的联系成为可能，这些宏观模式是由许多个体之间的交互涌现出来的[3].

2 系统建模

为了模拟在发生突发灾害情况下人群的反应，本系统中所建模型为真实模型的简化.

图1 仿真环境

(1)运行环境：运行环境代表了人员疏散过程中个体所在的空间，空间采用连续的二维空间模型.在本模型中整个模拟环境为50 m×21 m的二维空间，如图1所示，其中包括两个部分：灰色水平部分为街道，宽度为4 m，白色垂直部分为疏散建筑，建筑物宽度为5 m.

(2)个体：即疏散人群.在某些疏散方案中，通常会安排工作人员对应急疏散人员进行引导，为了解释引导对人员疏散的影响及其发挥的作用，在本模型中设定了两种不同的个体：普通居民和引导人员.

①普通疏散居民Agent.对于这群疏散个体AgentAk(k=1,2,…,N)，其属性定义为

②引导人员Agent.对于这群疏散个体AgentAk(k=1,2,…,N)，其属性定义为

在这两类个体的属性定义中个体的运行速度speed、运行方向direction、所在的物理位置(xi,yi)标识个体在环境中运行的空间属性.从图1中我们可以看到个体在运行过程中的图示，其中箭头代表行进方向，实心箭头代表正在寻找安全楼层区域的个体uppers(个体会向上移动以寻找安全区域)，空心箭头代表正在寻找街道避难场所的个体outers.个体的安全程度safety用颜色来表示：绿色代表处于安全状态，黄色代表处于冒险状态，红色代表正处于危险状态.

引导人员是指熟悉居民区环境和疏散通道，能够在紧急情况发生时承担起引导居民迅速撤离现场任务的人员.引导人员的作用就是试图让其他人模仿他的行为.事实上，在突发事件发生时，如果有熟悉周边环境和疏散路径的人员对应急疏散人员加以引导，就可以充分减小疏散人员的恐慌和混乱，保证迅速而有序地撤离现场，提高疏散效率，减轻灾害损失.当引导人员在楼层中时，他将引导其他居民向上移动；如果引导人员在街上时，他将引导其他居民向街道移动.如果普通居民Agent受到引导人员Agent影响，他将改变自己原来的疏散行为而听从引导人员的安排.

引导人员只能影响他周围的邻居区域.每个引导人员具有一个可信度因子credibility，而每个非引导者具有一个信任因子belief，这样使得可信度因子高的引导员更容易被信任，信任因子高的非引导者更容易信任别人.在仿真中，处于建筑物中的引导者比街道上引导者可信度因子更高.

(3)行为规则.

①所有疏散人群将一直向前移动直到遇上其他人或者需要转弯的情况(比如由街道进入建筑物或者由建筑物进入街道).所有人员可以根据道路堵塞情况降低速度或者提高速度，当疏散时有最快速度限定：v≤vmax.

②当某个个体在行进过程中周围发生堵塞的情况下，他将减慢速度，或者绕过阻碍.在程序设计中个体主要选择从左边绕过个体,但在某些情况下也会选择绕过右边，比如个体对相反方向个体让位时他也会选择从右边进行避让.

③当个体被堵塞太长时间时，他将选择转身并试图从相反方向进行尝试.另外整个街道处于循环状态，这样可以使得个体在其中一端消失而在另外一端出现.

④uppers个体在街道上时将向前移动寻找遇到建筑物入口，当遇到建筑物入口的时候转弯并试图进入建筑物,一旦进入建筑物他们将继续向上以寻找安全地带.

⑤outers个体会寻找街道方向并向街道疏散，所以他将一直向前移动到街道.到了街道以后将随机选择移动方向直到遇到阻碍.

3 系统仿真

对所建模型进行仿真，模型基本参数设定为：安全高度为5 m，初始人数为n=100人.图2为初始uppers人数占50%且没有引导人员情况下的仿真过程人员分布状况，图3为初始uppers人数占50%且有引导人员时的人员分布状况.

图2 初始uppers人数占50%且无引导人员时的人员分布状况

图3 初始uppers人数占50%且有引导人员时的人员分布状况

表1 疏散所占时间及平均安全人数分布图

从两幅图的比较我们可以看出，当没有引导人员时，由于Agent需要自己选择疏散路线及目的地，从而导致处于危险状态的人群很难逃离危险区域，而当有了引导人员后，从仿真结果可以看到，当下达疏散指令后，由于存在引导信息时绝大多数应急疏散人员不需要自己选择疏散路线及其疏散目的地，而是通常会跟随引导人员选择离自己最近的避难场所作为逃生目的地,而且当有人指引时居民在逃生过程中表现得比较理性，使得处于危险状态的人员数量急剧减少.由此可见,存在引导信息时的疏散效率远大于没有引导信息时居民自行疏散的疏散效率.

表1为不同比例下人群疏散所用时间及安全人数对比,其中第7项“最优情况”是指在假设所有Agent完全理性通过下计算得到的,在此情况下所有Agent都从两栋建筑物的中点开始向建筑物移动并移向建筑物安全地带.该计算假设所有Agent以匀速移动，所以此情况为疏散的最快模式.从表中我们也可看出随着uppers人数所占比例的逐渐提高，平均安全人数也逐渐提高，到75%的时候，在有引导人员的情况下平均安全人数已经快接近最优情况下的安全人数，也就是说此时已经达到饱和,同时从表中还可看出在有引导人员的情况下平均时间大幅缩短,而同时平均安全人数大幅提高.

4 结论及建议

现实的应急疏散安全问题促进了对疏散系统进行科学系统的研究,因疏散系统及人员的高度不确定性、动态性、与众多因素相关的复杂性决定了它是一个复杂的不确定性系统[4]，这给本领域的研究者提出了一个巨大的挑战.疏散系统仿真从早期的以观察定性总结为主的经验研究发展到后来的数学模型计算,直到现在借助计算机仿真进行人员疏散研究，并从最初人群宏观模型的研究发展到如今的Agent智能体的微观模型研究.

本文在以往研究的基础上，把引导人员引入模型，考虑了从众行为对目标选择的影响，能够比较真实地反映出突发状况下人群的疏散行为.但是在真实情况下人群的疏散行为是一个非常复杂的行为，它受个体身体素质、心理素质等多方面的影响，在以后的研究中还有待于考虑更多的因素和行为.

参考文献

[1] S. Franklin, A. Graesser. Is it an agent, or just a program? A taxonomy for autonomous agents[C]. Proceedings of the Third International Workshop on Agent Theories, Architectures and Languages,Berlin,1996.

[2] A. Hendrik, H. C. vanVeen, K. Hartwig, Distler. Navigating through havirtualcity: using virtual reality technology to study humanaction and perception[J]. Future Generation Computer Systems, 1998,14(2):231-242.

[3] 童 梅,杨晓光,吴志周. NetLogo——一个方便实用的交通仿真建模工具[C]. 第一届中国智能交通年会论文集，2005.

[4] 王 霞，谢智敏，关贤军.恐慌状态下人群疏散的微观仿真研究[C].2010 International Conference on Future Information Technology and Management Engineering，2010：40-43.