CN108596368B - 一种基于预测时间的多出口疏散方法 - Google Patents

Abstract

本发明公开了一种基于预测时间的多出口疏散方法，包括第一步，提出预测疏散时间获取公式；第二步，基于A*算法的全局路径最优规划；第三步，计算出口疏散能力的公式。本发明充分考虑到多出口人群疏散时的关键要素，包括每个行人到出口的距离、行人期望速度、每个出口对应的行人总数以及不同宽度出口的不同疏散能力，给出了预测行人选择不同出口的疏散时间计算方法，并依托实际场景进行了仿真。实验结果表明，本发明提出的时间预测模型相比于传统的模型更好地对行人的疏散进行仿真和预测，能对紧急疏散预案的制订提供有效帮助。

Description

一种基于预测时间的多出口疏散方法

技术领域

本发明涉及交通仿真技术，特别涉及一种基于预测疏散时间的人群疏散方法，用于提高紧急情况下人群疏散效率。

背景技术

人群疏散是城市建筑安全的一个重要问题，由于出口或者通道处经常出现人群阻塞的现象。为防止踩踏事故危害人们的生命安全，建立一个合理的人群疏散模型可以辅助研究人员更准确地分析出口和疏散人群之间的动态关系。通过建立模型并仿真，可以有效的分析出在发生紧急情况下的人群活动状态和出口堵塞情况。

疏散策略(在危机情况发生时，使用一定的算法计算出每个人的最优疏散方法，借助显示屏信息提示等可以达到快速疏散人群目的的策略)以在危险发生时最快疏散人群为优化目标进行规划。一般的衡量方案是计算出每个人疏散成功的预测疏散时间，并将其中耗时最长的预测时间作为该疏散策略效果的体现。

目前的疏散方案中，多使用疏散出口的宽度(比如门宽)作为该出口疏散能力体现的指标，即简单认为在相同时间内两倍的门宽可以疏散两倍的人群。这一出口疏散能力的计算方案其实在对复杂环境和大量人群的路径规划上存在严重的不足，主要原因是其在衡量的过程中主要专注于出口本身而忽略了人群中个体之间的差异和人与人之间复杂的相互作用。即在紧急情况发生时，行人个体的性别、年龄、身体状况等条件的差异都可能导致其在出口选择判断上有所不同，如果不考虑该方面的因素，基于此模型的疏散方法将无法达到理想的优化效果。

也就是说，传统的疏散方法忽略了在疏散过程中人群的期望速度对一个出口的出口疏散能力的影响。由于出口在疏散过程中可能发生拥堵，某些个体可能根据情况自主更换出口，在这种情况下研究人员进一步提出了“动态出口”的概念，但始终都无法准确描述行人阻塞、“快即是慢”(在出口宽度不变的情况下，每个人行人的期望速度增加反而会降低该出口的疏散能力，这种现象被称为快即使慢)等运动特征并有效减少在危险情况发生时的人群疏散时间。

发明内容

本发明为了解决传统的疏散策略规划模型中存在的疏散时间长、疏散效果差(忽略了人群个体差异和疏散人群期望速度)的缺点，提供了一种由预测疏散速度和对应出口宽度综合定义的疏散时间计算方法。在该计算方法搭建的过程中，充分考虑到由于人从众心理引起的“快即是慢”的堵塞现象，并使用新的算法设计了仿真实验，结果显示通过该算法分类出来的疏散人群具有更低的出口替换率和更短的疏散时间。

本发明中，出口疏散能力(Exit Capacity，EC)是指出口拥堵后相对稳定的人流速度 (人数/单位时间)，是在一个特定场景下判断一个出口的作用效果的重要指标。基本思路是：为了防止在紧急情况下人们由于从众心理或选择最短路径，拥堵在某一出口而降低了其他出口的利用率，从而提出一种根据每个出口的疏散能力来对人群所应选择的出口进行计算，借助显示屏、广播等可以对人群进行优化疏散。

一种基于预测时间的多出口疏散方法，包括以下几个步骤：

第一步，提出预测疏散时间获取公式；

预测疏散时间为：

其中：

为个体p在t时刻到达出口g的预测疏散时间，

为个体p在t时刻到达出口 g的最优路径长度，v⁰为疏散人群的期望速度，

为t时刻排列在个体p之前且对应出口g的个体总数，

为出口g与期望速度v⁰对应的出口疏散能力；

第二步，基于A*算法的全局路径最优规划；

在房间内建立坐标系，以房间的左下角为原点，坐标系x轴有W个小格，坐标系y轴有L个小格，设房间由L*W个网格组成，同时每一个网格只能被一个行人占据，四面墙上设有出口，出口大小根据实际情况设置，出口大小可以不一样；

设基于A*算法的行人邻域模型为一阶摩尔模型，当前行人所处小格的八个相邻小格代表八个从该点出发的行进方向，对相邻的八个小格进行评估，获取行人的路径；

A*算法的邻域评估为：

F＝G+H

其中：F为评估值，G为从起点到指定方格的移动代价，H为从指定方格移动到终点目标的估算成本；

通过A*算法得到最优路径，根据方形房间的长宽大小，求得最优路径长度

行人在疏散过程中按照A*算法求取的最优路径进行目标选择；

第三步，提出计算出口疏散能力

的公式；

设疏散能力

采用出口宽度和人群期望速度共同决定，即：

其中，w^g表示门宽；v⁰为行人的期望速度，a、b、k为常数；

根据步骤二的到的最优路径长度

和步骤三得到的出口疏散能力

最终得到预测疏散时间

本发明的优点在于：

(1)该方法预测准确性高：传统的行人疏散路线预测方法没有将自身速度和外界环境进行综合考虑，大多情况下主要基于位置进行出口选择(比如选择最近出口)，这就导致其预测不能满足人群状态随时间的动态变化的需求，进而在预测精度上落后本发明。在预测商场或车站这种人流密度较大的场景，本发明的预测方法效果远比其他方法效果显著；

(2)该方法预测普适性强：传统的行人疏散路线预测方法大多没有抓住人群在撤离现场的宏观运动本质，导致其在不同场景下预测效果可能相差很大。本发明将行人运动到当前疏散出口的时间和在疏散出口等待的时间相结合，做到了能够在任何场景下较为准确的预测。针对建筑结构设计以及紧急情况疏散等实际应用，本发明的表现也都优于其他方法；

(3)该方法预测实时性好：本发明的疏散预测方法保证了预测效果的同时降低了模型的复杂程度，即使在较为复杂的场景中也可以进行高频率的动态策略规划，兼顾了预测的实时性。在人数较多的实际生活场景中能够最大程度的保证疏散效果。

附图说明

图1为仿真场景示意图；

图2为一阶摩尔邻域行人行走方向示意图；

图3为A*算法计算步骤流程图；

图4为MATLAB对预测疏散速度和出口宽度与出口疏散能力之间关系的拟合曲线；

图5为400人、600人和800人在期望速度为3m/s时使用四种不用的疏散策略进行疏散所用的平均时间条形图；

图6为400人、600人和800人在期望速度为6m/s时使用四种不用的疏散策略进行疏散所用的平均时间条形图；

图7在北航新主楼等地开展的真实人群实验，实验者包括研究生和本科生

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明是一种基于预测时间的多出口疏散方法，具体包括以下几个步骤：

第一步，设计疏散时间预测的计算方法：

疏散策略的优化与提出,通过仿真场景来进行验证，本发明中所使用的典型场景是上下左右四个方向各有一个门的房间，如图1所示。房间的形状为标准的方形，四个出口中每一个出口的位置都随机的分布在对应墙体上且它们的宽度不同。在靠近房间中部的位置存在两个圆形障碍物以此来让仿真更具备一般性。在紧急情况发生之前，人群均匀且随机的分布在整个房间中，在疏散的过程中人群会根据预测疏散时间来选择目标疏散出口。由于该预测疏散时间在运动中会产生变化，存在一些行人改变目标出口的现象，以此来更真实的模拟人群在房间中的疏散现象。

从房间中每一个行人的角度考虑，将预测疏散时间定义成两部分：运动时间分量和等待时间分量。其中运动时间分量是由当前位置到出口之间求解出的最优路径与预测疏散速度之比，该值表示在不受外界干扰的情况下到达指定出口所用的距离。等待时间分量为与该个体选取相同的出口并相较于该个体离所选出口更近的个体总数与指定出口的疏散能力之比，其表示由于人群效应所产生的滞后等待时间。综上所述，预测疏散时间计算公式如下：

其中

为个体p在t时刻到达出口g的预测疏散时间，

为个体p在t时刻到达出口g 的最优路径长度，该值由A*算法求出。v⁰为疏散人群的期望速度，在本次仿真中v⁰将随仿真要求进行改变。

为t时刻排列在个体p之前且对应出口g的个体总数，

为出口g与期望速度v⁰对应的出口疏散能力。在每一个仿真周期中，都需要对预测疏散时间进行核算并根据基于A*算法的最优路径规划更新目标选择方向(在图2所示的一阶摩尔模型中，每个行人要对在其所处的位置周围的八个小格进行评估，在求解出合理的运行方向之后将选择其中的一个邻域作为移动目标，此过程称为目标选择)。

第二步，设计基于A*算法的全局路径最优规划：

紧急情况下重要建筑物的人群疏散往往面临人数多、密度大、时间紧的特点，一般的局部规划方法效率偏低。因此，在确定出预测疏散时间公式之后，本发明需要进一步设计一种面向全局路径的最优规划方法。由于涉及路程的定量计算必须在房间内建立坐标系，设计房间由L*W个网格组成，同时规定每一个网格只能被一个行人占据。规定四面墙上的出口大小分别占W_1/2/3/4个小格，这就意味着同一时间四面墙上最多可以疏散W_1/2/3/4个人。本发明定义的二维坐标系以房间的左下角为原点，坐标系x轴有W-1个小格，坐标系y轴有L-1个小格。由于需要疏散时多为紧急情况，所以要在求取最优路径和求取时间之间做取舍，相比较于传统的广度优先搜索算法和深度优先搜索算法，A*算法可以在时间和距离上给予一个平衡。

基于A*算法的行人邻域模型通常是选取图2所示的一阶摩尔模型，由于一阶摩尔邻域包含当前行人所处小格的八个相邻小格如图1所示，更符合现实中行人的行走方式。八个相邻小格代表着八个从该点出发的行进方向，为了确定哪种行进方向能更快的接近目标以便行人进行目标选择，需要对相邻的八个小格进行评估。A*算法的邻域评估方程如下所示：

F＝G+H

其中F为评估值，由从起点到指定方格的移动代价G(行人移动的路程)和从指定方格移动到终点目标的估算成本H两部分组成。本发明中G的求取定义为上下左右移动代价为10，斜上方和斜下方移动代价为14。估算成本H的求取是通过计算当前小格经历横向或者纵向移动(代价为10)到达目的地所经过的小格数来确定。

设置open list来存放可能成为最优路径的小格，设置close list来存放已经处理过的小格。A*算法通过以下几个步骤完成,如图3所示：

(1)将与起点相邻的小格放入open list中；

(2)求取open list中小格的F值，并且选取F值最小的小格作为处理的主要节点，

并将这个节点移动到close list中去；

(3)对于当前处理的主要小格旁的八个小格进行判定；

①如果小格已经在close list中或者小格所处位置为障碍物，则忽略该小格，不满足该条件则执行以下操作；

②如果小格不在open list中，则将其加入open list，并把当前主要处理的小格设置为其父方格(在使用A*算法对最优路径进行全局规划时，如果通过当前主要处理小格到达该小格所付出的代价为最小代价，则将当前主要处理小格作为该小格的父方格。在算法运行最后阶段，父方格所组成的路径即为最优的全局规划路径。)。并计算出该小格的F、G、H；

③如果小格已经在open list中，检查这条路径(即经由当前主要处理小格到达)是否为最优路径，若是则将当前主要处理小格设置为该小格的父方格，并重新计算该小格的F、G、H。若不是则不操作。

(4)重复以上(2)、(3)步骤，直到终点小格(即出口所占的任一小格)被收入了openlist中，查询结束。

(5)保存路径，从终点开始每个小格沿父方格移动至起点，即可求出最优路径。

在已经求取出最优路径的情况下，根据方形房间的长宽大小可以求得最优路径长度

行人在疏散过程中应按照A*算法求取的最优路径进行目标选择。

第三步，出口疏散能力EC的计算方案：

为了能够在紧急情况下规划出更加合理的疏散策略，本发明定义出了与四个变量相关的预测疏散时间

其中

代表着出口g在期望速度为v0时的疏散能力，即单位时间内通过该出口的人数。

传统的研究多把出口宽度w作为计算出口疏散能力的唯一标准，这种假设并不准确。由于整个人群疏散模型基于社会力模型进行建模，人与人之间的相互作用也必须作为条件考虑进去，本发明采用出口宽度和人群期望速度共同决定的疏散能力

根据工程经验与自研仿真软件的推演，发明人计算给出了出口疏散能力(EC,人/秒)与门宽(w)和期望速度(v⁰)之间的数值关系，如表1所示。

表1出口疏散能力(EC,人/秒)与门宽(w)和期望速度(v⁰)之间的关系.

同时，考虑到门宽较窄的时候

与期望速度成弱相关，门宽较宽的时候

与期望速度成线性相关，其系数为‘门宽-肩宽’(w^g-b)，其中b约为0.48米，与人口统计学中人的平均肩宽相同，‘门宽-肩宽’意味着门宽小于肩宽则行人无法通过。综合这些分析，本发明提出一个计算公式：

EC＝f(w^g,v⁰)＝a×(1-(v⁰)^-k)×(w^g-b)

其中，w^g是门宽；v⁰是行人的期望速度，一般是1.33～1.41米/秒；根据人口统计学和人群疏散技术经验，设置：a＝11.68，b＝0.4881，k＝0.5683。

为了验证这一求解

公式的有效性，本发明在现实中进行了多次人群试验以研究出口的疏散速度(图7所示)，结果均表明此公式能比较好的计算出口疏散能力，误差在5％以内。

在已经得出预测疏散时间的前提下，本发明针对多出口的典型场景进行了疏散策略规划，并与传统的几种规划方法进行比较。传统的规划方法如下所示：

(1)最短路径规划算法(SC)：根据到出口路程的长短来选择出口

(2)静态预测规划算法(SLB)：使用出口的宽度w来代替出口的疏散能力，并根据预测疏散时间公式对出口进行选择。

(3)动态预测规划算法(DLB)：与静态预测规划算法相同，但每间隔一秒就结合当前位置对疏散时间进行重新计算，过程中可能改变出口选择。

图4给出了在建立的仿真场景中进行20次仿真，400人、600人和800人在期望速度为3m/s时使用四种不用的疏散策略进行疏散所用的平均时间。从图中可以观察出使用本发明的EC规划算法和传统的动态预测规划算法在疏散时间上要明显短于传统的最短路径和静态预测规划算法。同时横向比较在人数增加的情况，发现EC和动态预测规划算法所需要的疏散时间远远要比最短路径和静态预测规划算法增加的少，进一步说明这两种算法效果更好。

图5给出了在建立的仿真场景中进行20次仿真，400人、600人和800人在期望速度为6m/s时得出的平均疏散时间。从图中可以观察出当期望速度增加时，EC和动态预测规划算法所需的疏散时间相较于v⁰＝3m/s时有明显的下降。而最短路径和静态预测规划算法没有成功规避社会力行人仿真模型中的“快即是慢”现象，在期望速度上升之后需要更长的时间来疏散人群，其根本原因还是未能在行人运动的过程中更新最优路径的规划和最佳疏散出口的选择。图5说明发明的EC方法和动态预测规划算法在所需时间方面相较于其他两种方法较少。

进一步地，图6给出了在仿真人数为600人、期望速度为6m/s时随仿真时间推移EC和动态预测规划算法中行人改变出口选择的数量。折线图中可以明显看出本发明提出的EC规划算法有着更高的精确度和稳定性，尤其是在17s到23s之间动态预测规划算法下行人改变方向的数量显著增加，结合期望速度增大时更容易去改变出口目标的现象，可以总结出动态预测规划算法需要通过不断改变出口目标来削弱他的预测误差，而EC规划算法则不用进行过多修正。由此可见本发明提出的由预测疏散速度和对应出口宽度综合定义的疏散策略规划方法相较于所有传统的规划方法有着更好的效果。

实验研究了传统地面场模型对人群动态的影响，针对传统的疏散规划算法存在的不足和基于社会力模型的人群仿真中“快即是慢”的现象，创造性的提出了由预测疏散速度和对应出口宽度综合定义的疏散策略规划方法，来进一步提高在多出口环境中的疏散速度，方法基于期望速度和出口宽度共同定义的出口疏散能力的模型，包括预测疏散时间公式及仿真场景确定、基于A*算法的全局路径最优规划、出口疏散能力EC计算，充分考虑到行人之间复杂的思想交互，并依托实际场景进行了仿真。实验结果表明，本发明提出的方法相比于传统的疏散策略规划方法有着速度快，稳定性高的特点。

在建筑结构设计方面，人数增加将会产生如拥堵之类的现象，为了保证行人可以正常情况下在建筑物中不受阻塞的影响，紧急情况下能够快速的进行逃生，出口疏散能力指标和出口疏散的准确预测就至关重要。在设计商场等大型建筑物的出口宽度的时候，使用基于EC (Exit Capacity)的疏散模型会有相较于传统方法有更好的效果。其主要体现在预测方法精度高，能够准确的估测出对应出口的设计要求。预测方法普适性强，基于本发明设计出的疏散出口可以满足大多数人群运行状态的需求。预测实时性好，使用本发明方法设计的建筑能够最大程度上保证行人流的顺畅程度，同时在危急情况发生的时候能够最快的引导(通过大屏幕或智能手机)人流进行相应的疏散。

Claims (6)

1.一种基于预测时间的多出口疏散方法，其特征在于，包括以下几个步骤：

第一步，提出预测疏散时间获取公式；

预测疏散时间为：

其中：

为个体p在t时刻到达出口g的预测疏散时间，

为个体p在t时刻到达出口g的最优路径长度，v⁰为疏散人群的期望速度，

为t时刻排列在个体p之前且对应出口g的个体总数，

为出口g与期望速度v⁰对应的出口疏散能力；

第二步，基于A*算法的全局路径最优规划；

在房间内建立坐标系，以房间的左下角为原点，坐标系x轴有W个小格，坐标系y轴有L个小格，设房间由W*L个网格组成，同时每一个网格只能被一个行人占据，四面墙上分别设有出口，出口大小根据实际情况设置；

设基于A*算法的行人邻域模型为一阶摩尔模型，当前行人所处小格的八个相邻小格代表八个从当前行人所处小格出发的行进方向，对相邻的八个小格进行评估，获取行人的路径；

A*算法的邻域评估为：

F＝G+H

其中：F为评估值，G为从起点到指定方格的移动代价，H为从指定方格移动到终点目标的估算成本；

通过A*算法得到最优路径，根据方形房间的长宽大小，求得最优路径长度

行人在疏散过程中按照A*算法求取的最优路径进行目标选择；

第三步，提出计算出口疏散能力

的公式；

设疏散能力

采用出口宽度和人群期望速度共同决定，即：

其中，w^g表示门宽；v⁰为行人的期望速度，a、b、k为常数；

根据第二步得到的最优路径长度

和第三步得到的出口疏散能力

最终得到预测疏散时间

2.根据权利要求1所述的一种基于预测时间的多出口疏散方法，其特征在于，所述的步骤二中，G的取值设为：上下左右移动代价为10，斜上方和斜下方移动代价为14。

3.根据权利要求1所述的一种基于预测时间的多出口疏散方法，其特征在于，所述的步骤二中，估算成本H的求取是通过计算当前小格经历横向或者纵向移动到达目的地所经过的小格数来确定。

4.根据权利要求1所述的一种基于预测时间的多出口疏散方法，其特征在于，所述的步骤二中，设置open list存放可能成为最优路径的小格，设置close list来存放已经处理过的小格；A*算法通过以下几个步骤完成：

(1)将与起点相邻的小格放入open list中；

(2)求取open list中小格的F值，并且选取F值最小的小格作为处理的主要节点，并将这个节点移动到close list中去；

(3)对于当前处理的主要小格旁的八个小格进行判定；

①如果小格满足条件：已经在close list中或者小格所处位置为障碍物，则忽略该小格，不满足该条件则执行以下操作；

②如果小格不在open list中，则将其加入open list，并把当前主要处理的小格设置为其父方格，并计算出该小格的F、G、H；

③如果小格已经在open list中，检查这条路径是否为最优路径，若是则将当前主要处理小格设置为该小格的父方格，并重新计算该小格的F、G、H；若不是则不操作；

(4)重复以上(2)、(3)步骤，直到终点小格被收入了open list中，查询结束；

(5)保存路径，从终点开始每个小格沿父方格移动至起点，得到最优路径。

5.根据权利要求1所述的一种基于预测时间的多出口疏散方法，其特征在于，所述的步骤三中，v⁰取值为1.33～1.41米/秒。

6.根据权利要求1所述的一种基于预测时间的多出口疏散方法，其特征在于，所述的步骤三中，a＝11.68，b＝0.4881，k＝0.5683。

Images