基于多智能体的地铁乘客应急疏散仿真建模

李昌宇，武倩楠

（南京铁道职业技术学院运输管理学院，江苏 南京 210031）

一、引言

近几年，我国城市经济发展迅速、人们出行频率以及对出行的要求越来越高，地铁凭借着绿色环保、高效准时、载客量大等优势已成为人们的主要出行方式之一。中国城市人口数量较大，因此高峰期时地铁站内客流密度高、拥挤现象明显；另外，因其处于地下，当遇到大客流或其他紧急情况时，乘客的恐慌心理严重，客流疏散的要求及难度远远高于其他路面交通。

现实中，地铁客流疏散演练存在一定安全隐患，同时耗费大量人力、物力、财力，越来越多研究者采用仿真建模的方法来解决上述问题。然而大多数宏观模型在模拟行人流时，通常把乘客看作整体，忽略了个体之间的差异，而微观模型恰巧考虑到每个人的行为特征，把疏散人群（整体）离散成个人（个体），行人运动是基于力的引导而非完全遵循事先设置的固定行动轨迹，充满了随机性，更加符实。综上考虑，本文采用基于多智能体（Multi-agent）的AnyLogic平台来搭建地铁乘客应急疏散仿真模型。Agent不仅能够实现有目的的移动，还能模拟乘客的思想和判断能力、感知复杂的环境变化并对其做出相应的反应[1]，且便于在模拟中进一步引入从众心理，使得仿真更加贴近现实。

二、地铁应急疏散环境及乘客行为分析

（一）地铁环境分析

大多数地铁站处于地下、环境相对密闭、通风性较差且为多层结构。此外，站内结构复杂、服务设施设备多、疏散通道宽度及楼梯容客量有限，这些环境条件都不利于乘客的应急疏散。在仿真中，通过墙板、柱子、检票闸机、楼梯等建筑物及设备来搭建物理模型，构成符合实际车站结构的仿真环境。在模拟地铁站内行人疏散的过程中，仿真环境不随时间等因素而变化（爆炸、人为破坏情况除外）。

（二）乘客行为分析

针对微观“个人”而言，为了防止发生碰撞甚至误伤，行人习惯与他人、障碍物之间保持一定的舒适安全距离，且人与障碍物的距离一般大于乘客之间的距离。通常安全距离会随着情况的紧急程度而发生变化，如逃生时行人与他人、障碍物的距离会远小于正常情况下可接受的范围；针对宏观“人群”而言，地铁站内的人群客流量在固定的时间点会突增，也就是存在客流高峰期，如上下班时间、重大赛事演出等。同时，人群的逃生方向会对个人逃生方向的决策造成一定影响，即从众效应[2]。在仿真中，行人智能体相对环境而言是可自由移动的，行人在疏散初期的位置对其选择不同逃生出口有很大影响，但即使不同行人选择了同一出口，也会在社会力的作用下形成不同疏散路径[3]。

（三）环境与乘客之间的关系

环境与乘客之间会相互影响，如地铁环境中的大部分地面服务设施（如人工售票窗口、自动售票机、检票闸机、安检仪等），在疏散时都会变成拖延疏散时间的障碍物，乘客为了避开各种设施设备的阻拦会有意延长疏散路径。因此，环境结构越简单，站内对疏散无利的设施越少，疏散过程将越顺利；但适当的围栏有利于引导乘客快速地找到最短疏散路径，更宽的楼梯能够同时容纳更多的乘客逃生，以节省总疏散时间。

三、地铁乘客疏散仿真逻辑模型的构建

（一）基本模块描述及参数设置

本文的疏散逻辑模型应用到行人库中五类模块，共由13个模块组成。逻辑模型如图1所示。

各个模块的功能描述如下：

（1）PedSource：生成站台上的地铁乘客，设定最大到达数为200人。

（2）PedWait：乘客在接到疏散报警前静止于生成的初始位置，同时自主判断所处位置与两出站口距离，模型中北出站口坐标为（460，50），南出站口坐标为（460，550），行动函数如图2。PedWait1：延长从众乘客疏散前的犹豫时间。

图1 乘客疏散逻辑模型图

图2 “pedWait”模块行动函数

（3）PedSelectOutput：划分理智乘客和从众乘客，两出站口方向分类函数为nearestexit=((exit1distance＜exit2distance)1:2)，条件1、2代表就近选择出口的理智乘客，条件3代表从众乘客，条件函数如图3。乘客在选择逃生方向的同时，该模块自动统计不同方向人数，行动函数如图4。

图3 “PedSelectOutput”模块条件函数

图4 “PedSelectOutput”模块行动函数

PedSelectOutput1：条件1为从众乘客选择人数较多的北出站口，条件2选择人数较多的南出站口，条件函数如图5。乘客在选择逃生方向的同时，该模块将自动统计不同方向人数，行动函数如图6。

图5 “PedSelectOutput1”模块条件函数

图6 “PedSelectOutput1”模块行动函数

（4）PedGoTo控制地铁乘客在疏散时的运动流线，即分别向南、北出站口方向逃生。

（5）PedSink销毁逃出车站的行人智能体，同时统计该出口的疏散人数，当乘客全部疏散完毕，即站内无可销毁实体，模拟仿真过程结束[4]。

（二）逻辑模型事件类型及参数设置

（1）触发疏散事件，即终止乘客在站内等待行为：是否疏散 =true；pedSource.set_rate(0)；pedWait.cancelAll()；

（2）模型运行终止条件（需添加“疏散结束时刻”变量）：是否疏散==true&&groundDefault.size()==0。

四、地铁乘客疏散仿真物理模型的实现与分析

（一）仿真环境假设

在面积为50m×50m虚拟场景下模拟人员疏散情况，南北各有一个宽为4米的逃生出口。由于现实中的地铁站台上有很多障碍物，为了更贴近现实，本模型在平台中央共添加四个1m×1m平行布置的方形柱子作为疏散障碍物。在疏散前，乘客均匀地分布在站台空间内，当触发应急疏散按钮，乘客从静止等候状态转为动态逃生状态，模型2D仿真环境及3D疏散前场景如图7。

图7 乘客疏散物理模型图

（二）仿真结果分析

当不考虑从众心理，大部分乘客在收到报警信息后，按照就近原则，快速地向两出站口方向逃跑，即平均选择两个不同的方向，南、北两侧疏散路径及两出站口的拥堵情况大致相同。当从众比例为50%时，即从众人数为总人数的50%，理智乘客遵循就近原则，从众乘客跟随人数较多的方向逃生，大量人群向南出站口方向聚集造成严重的拥堵，导致疏散效率大大降低，这种情况极易发生踩踏事故等；北出站口人数相对较少，疏散速度较快，但纵观全局，正是因为没有很好地利用北出站口的疏散能力，从而拖延了整体的疏散进度，浪费了潜在的逃生时间。疏散过程如图8。

由于平台存在4个障碍物柱子，不仅占据一定的逃生空间，还对乘客疏散造成不良的阻挡影响，尤其是最短路径上的两个柱子周围聚集情况严重，导致被包围在人群内的乘客疏散困难，严重影响乘客的逃生效率，拖延了总的疏散时间。综上分析可见，本文模拟的疏散仿真过程符合实际情况，该建模方法对于地铁站应急疏散的研究具有一定的现实参考价值。

图8 客流疏散仿真过程

五、结论

本文在分析地铁应急疏散环境及乘客行为的前提下，详细介绍了在AnyLogic平台的上构建地铁乘客应急疏散逻辑模型及物理模型的方法，并在考虑车站空间布局、乘客疏散从众心理等因素的基础上建立了客流疏散仿真模型。其中，仿真逻辑模型巧用行人库中的“pedWait”模块和“PedSelectOutput”模块实现了理智行人选择出口的条件以及众行人盲从的规则；仿真物理模型的实现过程验证了本文建立的地铁乘客应急疏散仿真模型具有一定的有效性，为相关方面研究者提供了新的建模思路。