基于多Agent的人员应急疏散模型设计与实现

张继成 羊秋玲

摘 要： 由于无法真实模拟在突发事件情况下人员疏散的全过程。考虑到Agent的智能性、交互性、自主性，引入多Agent技术，对应急疏散模型进行建模，通过算法设计并在超市布局图下实现。对无引导、有固定指示、有引导者这三种情况下的人员疏散的过程进行仿真，结果表明，引导信息特别是引导员通过获得各路径上的人员分布状况的动态信息，来实时地对Agent做出方向指引，能够极大地提高疏散效率。研究对于制定科学合理的应急疏散预案，减少灾害所造成的各种损失，具有非常重要的借鉴意义。

关键词： 多Agent; 应急疏散模型; 算法设计; 路径规划; 疏散效率; 过程仿真

中图分类号： TN911?34; TP391.9 文献标识码： A 文章编号： 1004?373X（2018）12?0172?04

Abstract： The whole process of personnel evacuation in emergency cases cannot be simulated realistically. Considering the intelligence， interactivity， and autonomy of Agent， the multi?agent technology is introduced to construct the emergency evacuation model， which is realized in the supermarket layout by means of the algorithm design. Simulations of personnel evacuation process in three cases of without any guide， with fixed instructions and with a guider were performed. The results show that the guidance information， especially that the guider shows the direction for Agent in real time by obtaining the dynamic information of personnel distribution in each route， can greatly improve the evacuation efficiency. The research has a very important referential significance for making scientific and reasonable emergency evacuation plan and reducing various losses caused by disasters.

Keywords： multi?agent; emergency evacuation model; algorithm design; route planning; evacuation efficiency; process simulation

近几年来，伴随着城市规模的日益扩大，大量的人群聚集、流动通常情况下不会引发严重问题，但如遭遇火灾的紧急疏散中，人们就可能由于拥挤而跌倒，甚至发生严重的伤亡事故。面对突发性事件，倘若不能采取有效的人员应急疏散措施，后果将不可估量。对突发事件进行真实试验代价昂贵，多数学者都是基于Agent进行仿真建模来研究人员疏散模型。文献[1?2]提出通用的Agent人员疏散仿真模型，文献[3?7]对多Agent应用于煤矿井下矿工逃生、体育馆人群疏散、舰船人员疏散模型进行了研究。本文通过对受灾区域建立微观仿真模型，研究紧急情况下人员的各种特征，引入多Agent技术，对疏散模型进行算法设计并实现，对不同情况下的人员疏散的过程进行仿真，结果表明，引导信息特别是引导员能够提高疏散效率。研究对于制定科学合理的应急疏散预案，减少灾害所造成的各种损失，具有非常重要的借鉴意义。

1 基于多Agent的人员疏散模型建模

Agent相当智能，能够自我管理、自我学习，同时能够与其他Agent通信[8?9]。单个Agent的知识和资源是有限的且它在现实中的应用特别是协作求解造成了较大的影响，于是提出多Agent的概念，并应运而生了多Agent系统，其特点为每个Agent之间的自组织能力和协同能力。

1.1 人员疏散的环境假设及Agent属性

1） Agent的邻域定义为其周围的8个网格，假设它们都可以作为疏散移动目标，因此Agent具有8个可能的移动方向。

2） 在自发疏散的情况下，Agent可以在可见区域内选择躲避障碍物的方向逃生。

3） 在t时刻，Agent要考虑其周围网格的性质以及自身状况，选择能够到达的最优网格作为t+1时刻的目标网格。

4） 多个Agent竞争同一网格时，则对它们的竞争能力做一个对比。最终优胜的Agent將获得进入其目标网格的资格，落选的Agent则选择其邻域内的次优网格（密度吸引力小）作为移动目标。

5） 疏散人员对疏散路线的选择由Agent的行为模式决定，行为模式不同，则选择的目标网格也不同。

2 算法设计说明与流程

2.1 自发疏散的路径规划算法

在无引导的情况下，Agent自发采取疏散的行为以选取最短路径为前提。由于考虑到Agent的感知能力，目标选择通常采用基于子目标最短路径规划算法，算法基本假设如下：

1） 首先对个体与出口之间的位置做一个判断，若直接可达则个体向出口直线运动。

2） 若不可达，个体在子目标库中选取直达的最优子目标，进入该子目标后，然后再朝着出口方向靠拢，反之则再选择一个中间子目标，如此反复。选择最佳子目标的方法是，在可见区域内穷举搜索所有的子目标选出最优的。具体算法的流程如图1所示。

2.2 有固定指示下的路径规划算法

固定指示指的是有指示出口方向的路标或者指示牌等标识，Agent在固定指示标识的引导下，不必自己判断行走的大方向，只需沿着指示的方向前行。以图2中的前进方向为例对算法进行说明，2号网格定义为直线网格，1号和3号定义为边角网格，4号和8号定义为平行网格。

1） Agent优先选择指示的正方向的直线网格（2号网格）为下一目标网格。

2） 有障碍物或者已经被其他Agent占据时，Agent将选取毗邻正方向的边角网格（1号网格与3号网格）作为下一目标网格备选，若两网格均未被占据，则随机选取其中之一移动。

3） 若次优网格也被障碍物或其他Agent占据时，选择目前位置网格平行的网格（4号网格和8号网格）作为下一目标网格。若两网格均未被占据，则随机选取其中之一移动。

4） 若均被占据，Agent选择等待直至有目標网格空闲为止再进行移动。

当Agent接收的固定指示中的指示方向不惟一时，说明有多个方向都可以到达出口。此时，Agent判断每个方向在可见区域的范围内的人数来估计道路的通畅情况。选择人数最少的方向的固定指示作为当前指示，并沿指示方向行进直到下一固定指示出现。

2.3 有动态信息指示下的路径规划算法

动态指示信息是指根据疏散过程中人员的动态分布情况，实时地给出方向引导信息，以达到疏散密集人流缩短疏散时间的目的，如在现场接受调度指示的疏散引导员的现场引导指示。与固定指示相比，动态信息指示包含了这一时刻各条通道上人流量的统计信息，因此在获得动态信息的指示下的Agent无需再自己判断哪个方向的路径更优，只需按照指示方向行进。

2.4 考虑竞争情况下的路径规划算法

在人员疏散的过程中，由于人流密集、通道单一等因素，会出现个体Agent之间路径竞争的情况。模型中假设不同的个性特征中，青壮年比老弱病残群体的竞争力强，在相同个体特性的情况下，质量大的个体Agent竞争力更优。竞争失败的Agent需要在路线选取上放弃当前目标网格，进而考虑优化指数下一级的网格，若可选取的网格都竞争失败，则选择等待直至有可选网格空闲为止再进行移动。

3 基于多Agent的人员疏散模型的仿真实现

3.1 仿真软件设计

此仿真软件的功能主要是对公共场所人员疏散的模拟，在设计过程中运用了基于Agent的建模方法，共包含两层：表现层和执行层。表现层是通过界面Agent来实现，负责对其他Agent以更直观的方式展现给用户。执行层包括：引导员Agent，对疏散人员起引导作用。青壮年Agent与老弱Agent是公共场所内需要疏散的人群，障碍物Agent是在要疏散场所中对疏散过程中产生阻碍作用的物体。

3.2 仿真流程

在Repast平台下对应用建立的基于多Agent的人员疏散模型进行仿真。图3模拟的是一个24 m×25 m的超市布局图，分布于其中的被疏散人员Agent 的初始状态属性均随机给定，而且每次模拟的 Agent 初始状态均相同，人数定为300人，出口宽度为2.5 m，出口数量为一个。Agent的个体属性如图3中的图例所示，图中：黑颜色表示该Agent为青壮年;白颜色表示该Agent为老幼病弱者;砖黄色颜色的区域代表通道;绿颜色的边框代表边界;绿颜色的区域代表货架;布局图右侧的砖黄色突出的区域代表出口。

3.3 不同情况下的人员疏散的过程仿真与分析

人员疏散的情况分为无引导、有固定指示信息引导和有现场引导员引导疏散三种情况。

情况一：无引导下的人员疏散

在该情况下，Agent没有获取任何关于出口方向提示和路径选择的信息，所有被疏散人员行进的长度之和为11 059 m，完全疏散完毕的时间为79.5 s。

情况二：有固定指示的人员疏散

在该情况下，Agent能够接收来自标有安全出口方向指示的标识带来的信息，并在该信息的指引下选择路径，所有被疏散人员行进的长度之和为6 811 m，完全疏散完毕的时间为48 s。

情况三：有引导者的人员疏散

在该情况下，由于现场引导者从宏观上掌握了各通道上的人员分布情况，Agent在现场引导者的指引下沿着提供的路径进行疏散，所有被疏散人员行进的长度之和为5 534 m，完全疏散完毕的时间为38.5 s。

图4表明了疏散时间经过25 s后，三种情况下人员疏散的分布图。

图5对比了在三种情况下，人员疏散随时间的变化情况，可以看出，在相同的疏散时间内，情况三剩余的人数最少，情况二次之，而情况一最多。通过以上的仿真结果，可以得出如下结论：

1） 情况三的疏散完毕时间最短，情况二次之，情况一最长。Agent在无引导信息的情况下，在寻找出口的过程中会尝试许多无效路径或者是冗余路径，所有Agent这种行为集合，势必会增加疏散环境的混乱度，为人员的及时疏散带来更多的困难。因此，在人员疏散的过程中加入引导信息显得异常重要。

2） 疏散场所中带有出口标识的指示牌等固定引导信息，能够有效地指引人群走向安全出口。但是在某些情况下，由于思维惯性或者其他原因，众多Agent在多条路径中选择了相同的路径，因此会出现某条路径上的人员拥挤导致疏散缓慢。从仿真结果可以看出，在疏散场所中加入引导员，通过引导员获得各路径上的人员分布状况的动态信息，来实时地对Agent做出方向指引，能够很大程度上弥补固定信息指引的不足。

3） 引导员的分布应尽量在路径交叉的地方以及人员有可能大规模聚集的地方，这样才能有效地完成疏导信息的传达，以帮助被疏散人员尽快到达安全出口。

4 结 语

本文引入多Agent技术，对应急疏散模型进行了设计与实现。仿真结果表明，引导信息尤其引导员能够更好地提高疏散效率。考虑到紧急情况下各种复杂因素导致静态数学模型和仿真技术拿不出好的解决方案。在这种情况下使得基于多Agent思想建立的模型更具有科学性和前瞻性，更能适应当前动态变化的环境。随着模型及相应仿真软件的不断优化，相信它们将在人群疏散的实际工作中扮演着越来越重要的角色。

参考文献

[1] 李晖，王汉宁，曾文聪，等.宏观场景指导下的微观Agent人员疏散仿真模型[J].计算机应用研究，2011，28（11）：4111?4114.

LI Hui， WANG Hanning， ZENG Wencong， et al. Research on micro?agent simulation model of evacuation under direction of macro?scene [J]. Application research of computers， 2011， 28（11）： 4111?4114.

[2] 吴健宏，翁文国，倪顺江.不同路径选择策略的城市疏散仿真研究[J].系统仿真学报，2013，25（1）：122?126.

WU Jianhong， WENG Wenguo， NI Shunjiang. Simulation study on urban evacuation with different route choice strategies [J]. Journal of system simulation， 2013， 25（1）： 122?126.

[3] 张俊瑞，陈立潮，潘理虎，等.基于多Agent的煤矿井下矿工逃生模型研究[J].计算机工程与设计，2012，33（12）：4657?4662.

ZHANG Junrui， CHEN Lichao， PAN Lihu， et al. Study on agent based model of underground coal miners escaping [J]. Computer engineering and design， 2012， 33（12）： 4657?4662.

[4] 陈淼，韩端锋，于洋，等.基于Agent的舰船人员疏散模型研究[J].计算机工程与科学，2013，35（4）：163?167.

CHEN Miao， HAN Duanfeng， YU Yang， et al. Ship passenger evacuation model based on agent theory [J]. Computer engineering & science， 2013， 35（4）： 163?167.

[5] 孔祥魁.多智能体的体育场馆人群疏散模型[J].现代电子技术，2017，40（3）：124?126.

KONG Xiangkui. Multi?agent crowd evacuation model in stadium [J]. Modern electronics technique， 2017， 40（3）： 124?126.

[6] 卢娜，刘冬梅，要天林.基于Agent决策行为模型的地下矿火灾疏散[J].消防科学与技术，2016，35（10）：1376?1381.

LU Na， LIU Dongmei， YAO Tianlin. An evacuation simulation of underground mine fire based on the agent decision?making behavior model [J]. Fire science and technology， 2016， 35（10）： 1376?1381.

[7] 田萍.面向舰船人员的应急疏散系统仿真[J].舰船科学技术，2015，37（2）：192?195.

TIAN Ping. The ship personnel system for emergency evacuation simulation [J]. Ship science and technology， 2015， 37（2）： 192?195.

[8] WOOLDRIDGE M， JENNINGS N R， KINNY D. The Gaia methodology for agent?oriented analysis and design [J]. Autonomous agents and multi?agent systems， 2000， 3（3）： 285?312.

[9] SPRUMONT F， MULLER J P. AMACOIA： a multi?agent system for designing flexible assembly lines [J]. Applied artificial intelligence， 1997， 11（6）： 573?589.

[10] BURSTEDDE C， KLAUCK K， SCHADSCHNEIDER A， et al. Simulation of pedestrian dynamics using a two?dimensional cellular automaton [J]. Physica A： statistical mechanics & its applications， 2001， 295（3/4）： 507?525.