CN112862192A - 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统 - Google Patents

基于蚁群算法和改进社会力模型的人群疏散辅助决策系统 Download PDF

Info

Publication number
CN112862192A
CN112862192A CN202110180767.7A CN202110180767A CN112862192A CN 112862192 A CN112862192 A CN 112862192A CN 202110180767 A CN202110180767 A CN 202110180767A CN 112862192 A CN112862192 A CN 112862192A
Authority
CN
China
Prior art keywords
pedestrian
evacuation
pedestrians
ant colony
colony algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110180767.7A
Other languages
English (en)
Inventor
杨晓霞
康元磊
潘福全
曲大义
张丽霞
刘天宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao University of Technology
Original Assignee
Qingdao University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao University of Technology filed Critical Qingdao University of Technology
Priority to CN202110180767.7A priority Critical patent/CN112862192A/zh
Publication of CN112862192A publication Critical patent/CN112862192A/zh
Priority to ZA2021/10863A priority patent/ZA202110863B/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，包括以下方法步骤：S1、通过拍摄装置获取疏散场景参数，在计算机内创建疏散场景模型，基于神经网络人脸识别系统对不同类型行人进行分类；S2、利用蚁群算法规划具有完整疏散信息的行人疏散路线：S3、考虑从众行为、受障碍物和墙壁等影响的个人偏好，规划具有局部疏散信息的行人的疏散路线；S4、基于改进社会力模型驱动行人的运动，仿真模拟人群的疏散运动；S5、预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。本发明在疏散过程中均衡利用设施资源，预测疏散瓶颈，设置引导标志，合理规划动态疏散路径，提高疏散效率。

Description

基于蚁群算法和改进社会力模型的人群疏散辅助决策系统
技术领域
本发明属于计算机模拟技术领域，涉及一种行人疏散仿真，特别是一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统。
背景技术
随着国家城市化水平的提高，大型公共建筑不断增加。当建筑物内人群密集程度较高时，人群可能处于高度不稳定状态，在安全管理方面存在极大隐患。一旦存在建筑物内设施布局不合理或应急疏散预案不完善等问题，突发事件下高密度不稳定人群的疏散行为会存在极大的运动盲目性，极易出现人群拥挤和恐慌现象，进而诱发踩踏事故。此外，管理人员的应急管理意识薄弱也是加重踩踏事故的重要原因之一。例如，2014年上海外滩及2020年伊朗克尔曼的人群踩踏事故均造成了严重的人员伤亡和财产损失。因此，公共场所人群的应急疏散管理问题已成为公共安全领域研究的一个热点。
突发事件下人群疏散运动是一个非常复杂的过程。如何运用科学手段合理设计疏散预案，避免发生人群安全事故，是关乎国泰民安的重大课题。通常，通过疏散演练活动探究疏散运动演化规律不仅成本高，同时无法保障实验参与人员的安全。随着现代信息技术的发展，计算机仿真模拟技术为建模行人基本运动、研究疏散规律、优化疏散策略提供了一种可行有效的方法，因此需要建立一种模拟精度高且能反映出行人异质性的人群疏散动力学模型。
发明内容
本发明的目的是针对现有的技术存在上述问题，提出了一种通过计算机模拟人群疏散情景，并依据多项科学理论推演出最佳疏散方案的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统。
本发明的目的可通过下列技术方案来实现：基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，包括以下方法步骤：
S1、通过拍摄装置获取疏散场景参数，在计算机内创建疏散场景模型，基于神经网络人脸识别系统对不同类型行人进行分类；
S2、利用蚁群算法规划具有完整疏散信息的行人疏散路线：
S3、考虑从众行为、受障碍物和墙壁等影响的个人偏好，规划具有局部疏散信息的行人的疏散路线；
S4、基于改进社会力模型驱动行人的运动，仿真模拟人群的疏散运动；
S5、预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。
在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S1包括：
S11、根据建筑物内设施属性和布局等信息，初始化障碍物的位置和大小，建立疏散模拟场景；
S12、利用建筑物入口处摄像机获取进入建筑物的行人图像，将所获取图像导入基于神经网络的人脸识别系统，以是否首次进入该建筑物作为衡量行人对疏散信息(对疏散环境的熟悉程度)掌握程度的标准，定义非首次进入建筑物的行人为具备完整疏散信息的I类行人，定义首次进入建筑物的行人为具备局部疏散信息的II类行人，初始化行人的位置、速度等基本属性参数。
在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S2包括：针对具备完整疏散信息的I类行人，根据行人当前位置和出口之间的连接线上是否存在障碍物，路线规划方法分为两种；
S21、若连接线上不存在障碍物并且连接线周围障碍物之间的距离允许行人通过，则行人的期望方向将直接指向出口；
S22、若行人当前位置和出口之间的连接线上存在障碍物，则采用蚁群算法规划其疏散路径；输入建筑物尺寸、障碍物尺寸和位置参数，构建建筑物的格子地图；其中，有障碍物的格子用1表示，否则用0表示；设置初始信息素矩阵；
S23、计算行人i'从当前位置a到达下一节点b的概率
Figure BDA0002942165890000021
Figure BDA0002942165890000022
其中，τab(t)代表路径ab上的信息素，ηab(t)代表启发式信息，α和β是权重参数；集合a'代表行人i'可访问的位置集合；
S24、更新路线和路线长度；
S25、重复S23和S24，直到行人到达出口或没有路可走；
S26、重复步骤S23、S24和S25，直到行人完成本轮迭代；
S27、更新信息素矩阵τab；
τab(t+1)＝(1-ρ)·τab(t+1)+Δτab(t)，
Figure BDA0002942165890000031
其中，ρ是信息素挥发系数，Q是常数，Li'(t)是已通过的路线长度；
S28、重复步骤S23-S27，直到达到迭代次数；
S29、计算得到最优路线
Figure BDA00029421658900000313
对具备完整疏散信息的I类行人且该行人当前位置和出口之间的连接线上存在障碍物的情况，该行人的期望方向为
Figure BDA0002942165890000032
Figure BDA0002942165890000033
其中，(xi',yi')代表行人i'的位置，Δx代表
Figure BDA0002942165890000034
上目标点的横坐标与xi'的差值。
在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S22中，构建建筑物格子地图的格子大小由计算精度决定。
在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S3包括：
对具备局部疏散信息的II类行人，考虑从众行为、受障碍物和墙壁等影响的个人偏好等因素，规划II类行人的疏散路线，行人的期望方向为
Figure BDA0002942165890000035
Figure BDA0002942165890000036
其中，
Figure BDA0002942165890000037
pi”是权重值，
Figure BDA0002942165890000038
代表行人个体偏好的方向，
Figure BDA0002942165890000039
代表行人i″视野域内其他行人的平均移动方向。
在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S4包括：
S41、社会力模型中行人受到三种力的作用：驱动力
Figure BDA00029421658900000310
人与人之间的相互作用力
Figure BDA00029421658900000311
和人与环境(墙壁、障碍物等)之间的相互作用力
Figure BDA00029421658900000312
其运动模型为
Figure BDA0002942165890000041
其中，mi代表行人i的质量，
Figure BDA0002942165890000042
代表行人i在t时刻的速度，j、w分别代表行人、障碍物；
S42、疏散过程中，驱动力
Figure BDA0002942165890000043
为
Figure BDA0002942165890000044
其中，
Figure BDA0002942165890000045
代表期望速度，
Figure BDA0002942165890000046
代表期望方向，τi代表反应时间；
S43、疏散过程中，人与人之间的相互作用力
Figure BDA0002942165890000047
为
Figure BDA0002942165890000048
其中，Ai、Bi、k和κ是常数；
Figure BDA0002942165890000049
代表从行人j指向行人i的归一化变量，
Figure BDA00029421658900000410
向量
Figure BDA00029421658900000411
代表行人i的位置；
Figure BDA00029421658900000412
代表行人i的运动方向与从行人i指向行人j的方向的夹角，
Figure BDA00029421658900000413
λi代表视野的异质性影响，0≤λi≤1。rij是行人i和行人j的身体半径之和，dij是行人i与行人j间的距离；
Figure BDA00029421658900000414
代表切线方向，
Figure BDA00029421658900000415
Figure BDA00029421658900000416
代表速度多样性，
Figure BDA00029421658900000417
g(xx)是分段函数，
Figure BDA00029421658900000418
S44、人与环境之间的相互作用力
Figure BDA00029421658900000419
为
Figure BDA00029421658900000420
其中，w代表障碍物。
在上述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统中，所述步骤S5包括：
将I类行人和II类行人的期望运动方向
Figure BDA00029421658900000421
输入到社会力模型中，模拟建筑物内多障碍环境下行人的疏散运动行为；分析仿真实验结果，预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。
与现有技术相比，本基于蚁群算法和改进社会力模型的人群疏散辅助决策系统具有以下有益效果：
本发明克服了当前真人疏散演习存在的人力物力成本高、危险性大等问题。本技术方案基于蚁群算法为具备完整疏散信息的行人规划路线，考虑从众行为及个人偏好为具备局部疏散信息的行人规划路线，以改进社会力模型驱动行人运动，可以从微观角度更好得模拟行人的疏散行为，预测突发事件下的行人疏散瓶颈，并合理设置引导标志以诱导行人安全疏散。在疏散过程中均衡利用设施资源，预测疏散瓶颈，设置引导标志，合理规划动态疏散路径，提高疏散效率，保障行人安全。本系统为疏散管理提供辅助决策支持，同时可用于改善建筑物内设施的空间结构设计，在一定程度上提高了社会力模型的适用范围，为多障碍环境的疏散决策提供辅助支持，同时可用于改善建筑物内设施的空间结构设计，具有很强的创新性和实用性。
附图说明
图1是本发明的流程示意图；
图2是本发明中具备完整疏散信息的I类行人的期望方向直指出口示例图；
图3是本发明中以蚁群算法为具备完整疏散信息的I类行人规划路线示例图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：
如图1所示，本发明公开了一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，该方法包括：
步骤S1、根据建筑物内设施属性和布局等信息，初始化障碍物的位置和大小，建立疏散模拟场景。利用建筑物入口处摄像机获取进入建筑物的行人图像，将所获取图像导入基于神经网络的人脸识别系统。人脸识别系统可将当前人脸图像与历史数据库中存储的图像进行比对，若吻合度超过70％，则判定此人来过此建筑物，否则判定为未来此建筑物。以是否首次进入该建筑物作为衡量行人对疏散信息(对疏散环境的熟悉程度)掌握程度的标准。定义非首次进入建筑物的行人为具备完整疏散信息的I型行人，定义首次进入建筑物的行人为具备局部疏散信息的II型行人。初始化行人的位置、速度等基本属性参数。
步骤S2、对具备完整疏散信息的I类行人，他们可能更愿意以最小的成本及时规划路线，以便快速到达安全区域，而不是仅仅绕过此障碍物。研究结果表明减少总步行距离的意图是行人选择路线的最关键因素。在多障碍物场景中，行人选择绕行哪个障碍物、绕行障碍物的哪一侧，会在一定程度上影响疏散路线的长度，进而影响疏散效率。对于I类行人，根据行人当前位置和出口之间的连接线上是否存在障碍物，路线规划方法有所不同。如果连接线上不存在障碍物并且连接线周围障碍物之间的距离允许行人通过，则行人的期望方向将直接指向出口，如图2所示。
如果行人当前位置和出口之间的连接线上存在障碍物，则行人会选择一种让其更快绕过障碍物顺利到达出口的方式。本发明借助蚁群算法可以得到一条既能避开障碍物又能缩短逃生距离的最优路径，用以规划此I类行人的疏散路径，如图3所示。注意，如果障碍物之间的距离不允许行人通过，则相关障碍物将合并处理。输入房间大小、障碍物位置和大小的参数。用离散格子构建房间地图。其中，有障碍物的格子用1表示，否则用0表示。设置初始信息素矩阵。格子大小由计算精度决定。蚁群算法规划I类行人i′的期望方向步骤为：
(1)计算I类行人i'从当前位置a到达下一节点b的概率
Figure BDA0002942165890000061
Figure BDA0002942165890000062
其中，τab(t)代表路径ab上的信息素，ηab(t)代表启发式信息，α和β是权重参数；集合a'代表行人i'可访问的位置集合。
(2)更新路线和路线长度。
(3)重复(1)和(2)，直到行人到达出口或没有路可走。
(4)重复步骤(1)、(2)和(3)，直到行人完成本轮迭代。
(5)更新信息素矩阵τab。
τab(t+1)＝(1-ρ)·τab(t+1)+Δτab(t)，
Figure BDA0002942165890000063
其中，ρ是信息素挥发系数，Q是常数，Li'(t)是已通过的路线长度。
(6)重复步骤(1)-(5)，直到达到迭代次数。
(7)计算得到最优路线
Figure BDA00029421658900000720
对具备完整疏散信息的I类行人，行人的期望方向为
Figure BDA0002942165890000071
Figure BDA0002942165890000072
其中，(xi',yi')代表行人i'的位置，Δx代表
Figure BDA0002942165890000073
上目标点的横坐标与xi'的差值。
步骤S3、对具备局部疏散信息的II类行人，他们对建筑物内的全局信息量掌握有限，疏散过程中仅能根据视野中获取的信息做出逃生方向的判断。本发明充分考虑行人的从众行为、受障碍物和墙壁等影响的个人偏好等因素，规划此II类行人的疏散路线，行人的期望方向为
Figure BDA0002942165890000074
Figure BDA0002942165890000075
其中，
Figure BDA0002942165890000076
pi”是权重值，
Figure BDA0002942165890000077
代表行人个体偏好的方向，
Figure BDA0002942165890000078
代表行人i”视野域内其他行人的平均移动方向。
步骤S4、利用基于牛顿第二定律的社会力模型驱动行人的运动。在社会力模型中，行人受到三种力的作用：驱动力
Figure BDA0002942165890000079
人与人之间的相互作用力
Figure BDA00029421658900000710
和人与环境(墙壁、障碍物等)之间的相互作用力
Figure BDA00029421658900000711
其运动模型为
Figure BDA00029421658900000712
其中，mi代表行人i的质量，
Figure BDA00029421658900000713
代表行人i在t时刻的速度，j和w分别代表行人和墙壁。
疏散过程中，驱动力
Figure BDA00029421658900000714
为
Figure BDA00029421658900000715
其中，
Figure BDA00029421658900000716
代表期望速度，
Figure BDA00029421658900000717
代表期望方向，τi代表反应时间。
疏散过程中，人与人之间的相互作用力
Figure BDA00029421658900000718
为
Figure BDA00029421658900000719
其中，Ai、Bi、k和κ是常数。
Figure BDA0002942165890000081
代表从行人j指向行人i的归一化变量，
Figure BDA0002942165890000082
向量
Figure BDA0002942165890000083
代表行人i的位置。
Figure BDA0002942165890000084
代表行人i的运动方向与从行人i指向行人j的方向的夹角，
Figure BDA0002942165890000085
λi代表视野的异质性影响，0≤λi≤1。rij是行人i和行人j的身体半径之和，dij是行人i与行人j间的距离。
Figure BDA0002942165890000086
代表切线方向，
Figure BDA0002942165890000087
Figure BDA0002942165890000088
代表速度多样性，
Figure BDA0002942165890000089
g(xx)是分段函数，
Figure BDA00029421658900000810
与人与人之间的相互作用力
Figure BDA00029421658900000811
类似地，人与环境之间的相互作用力
Figure BDA00029421658900000812
为
Figure BDA00029421658900000813
其中，w代表障碍物、墙壁等。
步骤S5、将I类行人和II类行人的期望运动方向
Figure BDA00029421658900000814
输入到社会力模型中，模拟建筑物内多障碍环境下行人的疏散运动行为。通过仿真实验可进一步得到建筑物内不同位置处的行人密度和流量，将其与设定的密度阈值和流量阈值相对比。如果超出阈值，则说明建筑物内此处易诱发疏散瓶颈，需将此处进行标记，并在标记处合理设置引导标志以诱导行人安全到达出口。
综上所述，本发明公开的一种基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，以基于神经网络的人脸识别技术将行人划分为具有完整疏散信息的I类行人及具备部分疏散信息的II类行人。以蚁群算法规划I类行人疏散路线，以从众行为及个人偏好属性规划II类行人疏散路线。以改进社会力模型驱动行人运动，能够真实且准确地模拟行人疏散行为，预测突发事件下行人疏散瓶颈并标记，在标记处合理设置引导标志以诱导行人安全到达出口，提高疏散效率，保障行人的生命安全。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所做的举例，而非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引出的显而易见的变化或者变动仍处于本发明的保护范围之列。

Claims (7)

1.基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，包括以下方法步骤：
S1、通过拍摄装置获取疏散场景参数，在计算机内创建疏散场景模型，基于神经网络人脸识别系统对不同类型行人进行分类；
S2、利用蚁群算法规划具有完整疏散信息的行人疏散路线：
S3、考虑从众行为、受障碍物和墙壁等影响的个人偏好，规划具有局部疏散信息的行人的疏散路线；
S4、基于改进社会力模型驱动行人的运动，仿真模拟人群的疏散运动；
S5、预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。
2.如权利要求1所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S1包括：
S11、根据建筑物内设施属性和布局等信息，初始化障碍物的位置和大小，建立疏散模拟场景；
S12、利用建筑物入口处摄像机获取进入建筑物的行人图像，将所获取图像导入基于神经网络的人脸识别系统，以是否首次进入该建筑物作为衡量行人对疏散信息掌握程度的标准，定义非首次进入建筑物的行人为具备完整疏散信息的I类行人，定义首次进入建筑物的行人为具备局部疏散信息的II类行人，初始化行人的位置、速度等基本属性参数。
3.如权利要求2所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S2包括：针对具备完整疏散信息的I类行人，根据行人当前位置和出口之间的连接线上是否存在障碍物，路线规划方法分为两种；
S21、若连接线上不存在障碍物并且连接线周围障碍物之间的距离允许行人通过，则行人的期望方向将直接指向出口；
S22、若行人当前位置和出口之间的连接线上存在障碍物，则采用蚁群算法规划其疏散路径；输入建筑物尺寸、障碍物尺寸和位置参数，构建建筑物的格子地图；其中，有障碍物的格子用1表示，否则用0表示；设置初始信息素矩阵；
S23、计算行人i'从当前位置a到达下一节点b的概率
Figure FDA0002942165880000011
Figure FDA0002942165880000012
其中，τab(t)代表路径ab上的信息素，ηab(t)代表启发式信息，α和β是权重参数；集合a'代表行人i'可访问的位置集合；
S24、更新路线和路线长度；
S25、重复S23和S24，直到行人到达出口或没有路可走；
S26、重复步骤S23、S24和S25，直到行人完成本轮迭代；
S27、更新信息素矩阵τab；
τab(t+1)＝(1-ρ)·τab(t+1)+Δτab(t)，
Figure FDA0002942165880000021
其中，ρ是信息素挥发系数，Q是常数，Li'(t)是已通过的路线长度；
S28、重复步骤S23-S27，直到达到迭代次数；
S29、计算得到最优路线θ；对具备完整疏散信息的I类行人且该行人当前位置和出口之间的连接线上存在障碍物的情况，该行人的期望方向为
Figure FDA0002942165880000022
Figure FDA0002942165880000023
其中，(xi',yi')代表行人i'的位置，Δx代表θ上目标点的横坐标与xi'的差值。
4.如权利要求3所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S22中，构建建筑物格子地图的格子大小由计算精度决定。
5.如权利要求2所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S3包括：
对具备局部疏散信息的II类行人，考虑从众行为、受障碍物和墙壁等影响的个人偏好等因素，规划II类行人的疏散路线，行人的期望方向为
Figure FDA0002942165880000024
Figure FDA0002942165880000025
其中，
Figure FDA0002942165880000026
pi”是权重值，
Figure FDA0002942165880000027
代表行人个体偏好的方向，
Figure FDA0002942165880000028
代表行人i″视野域内其他行人的平均移动方向。
6.如权利要求2所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S4包括：
S41、社会力模型中行人受到三种力的作用：驱动力
Figure FDA0002942165880000031
人与人之间的相互作用力
Figure FDA0002942165880000032
和人与环境之间的相互作用力
Figure FDA0002942165880000033
其运动模型为
Figure FDA0002942165880000034
其中，mi代表行人i的质量，
Figure FDA0002942165880000035
代表行人i在t时刻的速度，j、w分别代表行人、障碍物；
S42、疏散过程中，驱动力
Figure FDA0002942165880000036
为
Figure FDA0002942165880000037
其中，
Figure FDA0002942165880000038
代表期望速度，
Figure FDA0002942165880000039
代表期望方向，τi代表反应时间；
S43、疏散过程中，人与人之间的相互作用力
Figure FDA00029421658800000310
为
Figure FDA00029421658800000311
其中，Ai、Bi、k和κ是常数；
Figure FDA00029421658800000312
代表从行人j指向行人i的归一化变量，
Figure FDA00029421658800000313
向量
Figure FDA00029421658800000314
代表行人i的位置；
Figure FDA00029421658800000315
代表行人i的运动方向与从行人i指向行人j的方向的夹角，
Figure FDA00029421658800000316
λi代表视野的异质性影响，0≤λi≤1。rij是行人i和行人j的身体半径之和，dij是行人i与行人j间的距离；
Figure FDA00029421658800000317
代表切线方向，
Figure FDA00029421658800000318
Figure FDA00029421658800000319
代表速度多样性，
Figure FDA00029421658800000320
g(xx)是分段函数，
Figure FDA00029421658800000321
S44、人与环境之间的相互作用力
Figure FDA00029421658800000322
为
Figure FDA00029421658800000323
其中，w代表障碍物。
7.如权利要求6所述的基于蚁群算法和改进社会力模型的人群疏散辅助决策系统，其特征在于，所述步骤S5包括：
将I类行人和II类行人的期望运动方向
Figure FDA0002942165880000041
输入到社会力模型中，模拟建筑物内多障碍环境下行人的疏散运动行为；分析仿真实验结果，预测突发事件下行人疏散瓶颈并进行标记，在标记处合理设置引导标志以诱导行人安全到达出口。
CN202110180767.7A 2021-02-08 2021-02-08 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统 Pending CN112862192A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110180767.7A CN112862192A (zh) 2021-02-08 2021-02-08 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统
ZA2021/10863A ZA202110863B (en) 2021-02-08 2021-12-23 System of assisted decision-making for crowd evacuation based on ant colony algorithm and improved social force model

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110180767.7A CN112862192A (zh) 2021-02-08 2021-02-08 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统

Publications (1)

Publication Number Publication Date
CN112862192A true CN112862192A (zh) 2021-05-28

Family

ID=75988091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110180767.7A Pending CN112862192A (zh) 2021-02-08 2021-02-08 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统

Country Status (2)

Country Link
CN (1) CN112862192A (zh)
ZA (1) ZA202110863B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570958A (zh) * 2021-08-05 2021-10-29 清华大学 一种模拟行人疏散的人控机器人平台
CN114527757A (zh) * 2022-02-24 2022-05-24 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法
CN114545932A (zh) * 2022-01-28 2022-05-27 北京交通大学 一种路径修正方法、装置、设备及可读存储介质
CN115359568A (zh) * 2022-08-24 2022-11-18 深圳职业技术学院 行人智能体运动与应急疏散的仿真方法及计算机设备
CN114527757B (zh) * 2022-02-24 2024-05-31 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897541A (zh) * 2017-03-31 2017-06-27 华中师范大学 一种基于混合空间的室内人员疏散模拟方法
CN107103156A (zh) * 2017-05-19 2017-08-29 山东师范大学 一种考虑从众心理的人群疏散仿真方法及系统
CN107403049A (zh) * 2017-07-31 2017-11-28 山东师范大学 一种基于人工神经网络的Q‑Learning行人疏散仿真方法及系统
CN107480320A (zh) * 2017-06-20 2017-12-15 山东师范大学 一种基于拓扑地图与视觉影响的人群疏散仿真方法及系统
CN109344765A (zh) * 2018-09-28 2019-02-15 广州云从人工智能技术有限公司 一种针对连锁门店入店人员分析的智能分析方法
CN111767789A (zh) * 2020-05-13 2020-10-13 北京交通大学 一种基于多载体智能引导的人群疏散方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897541A (zh) * 2017-03-31 2017-06-27 华中师范大学 一种基于混合空间的室内人员疏散模拟方法
CN107103156A (zh) * 2017-05-19 2017-08-29 山东师范大学 一种考虑从众心理的人群疏散仿真方法及系统
CN107480320A (zh) * 2017-06-20 2017-12-15 山东师范大学 一种基于拓扑地图与视觉影响的人群疏散仿真方法及系统
CN107403049A (zh) * 2017-07-31 2017-11-28 山东师范大学 一种基于人工神经网络的Q‑Learning行人疏散仿真方法及系统
CN109344765A (zh) * 2018-09-28 2019-02-15 广州云从人工智能技术有限公司 一种针对连锁门店入店人员分析的智能分析方法
CN111767789A (zh) * 2020-05-13 2020-10-13 北京交通大学 一种基于多载体智能引导的人群疏散方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张越: "地铁车站乘客疏散路径选择方法研究", 《中国科技信息》 *
杨晓霞: "基于社会力模型的地铁枢纽站行人流动态特性与疏散研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570958A (zh) * 2021-08-05 2021-10-29 清华大学 一种模拟行人疏散的人控机器人平台
CN114545932A (zh) * 2022-01-28 2022-05-27 北京交通大学 一种路径修正方法、装置、设备及可读存储介质
CN114527757A (zh) * 2022-02-24 2022-05-24 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法
CN114527757B (zh) * 2022-02-24 2024-05-31 哈尔滨工程大学 基于虚拟节点的远洋客船人员应急疏散路径规划算法
CN115359568A (zh) * 2022-08-24 2022-11-18 深圳职业技术学院 行人智能体运动与应急疏散的仿真方法及计算机设备

Also Published As

Publication number Publication date
ZA202110863B (en) 2022-03-30

Similar Documents

Publication Publication Date Title
CN112862192A (zh) 基于蚁群算法和改进社会力模型的人群疏散辅助决策系统
Peng et al. A self-learning dynamic path planning method for evacuation in large public buildings based on neural networks
Haghani Optimising crowd evacuations: Mathematical, architectural and behavioural approaches
Shendarkar et al. Crowd simulation for emergency response using BDI agents based on immersive virtual reality
Shendarkar et al. Crowd simulation for emergency response using BDI agent based on virtual reality
Yang et al. A social force based pedestrian motion model considering multi-pedestrian interaction with a vehicle
Gao et al. Simulating the dynamic escape process in large public places
Yang et al. Obstacle avoidance in the improved social force model based on ant colony optimization during pedestrian evacuation
WO2023186024A1 (zh) 一种自适应停车场可变出入口控制方法
CN111767789A (zh) 一种基于多载体智能引导的人群疏散方法及系统
CN114862070B (zh) 预测人群疏散能力瓶颈的方法、装置、设备及存储介质
Yuen et al. An intelligence-based optimization model of passenger flow in a transportation station
CN111339668B (zh) 基于情绪认知的人群疏散可视化方法
Higo et al. Cooperative survival principles for underground flooding: Vitae system based multi-agent simulation
Zhu et al. Behavioral, data-driven, agent-based evacuation simulation for building safety design using machine learning and discrete choice models
Yang et al. Pedestrian choice modeling and simulation of staged evacuation strategies in Daya Bay Nuclear Power Plant
Huang et al. Cellular Automata Simulation Model for Emergency Evacuation Planning
US11893325B2 (en) Method and apparatus for setting evacuation exit under crowd emergency evacuation scenario
Zhong et al. An evolutionary guardrail layout design framework for crowd control in subway stations
Van Schyndel et al. Crowd modeling in the Sun Life building
Ünal et al. Generating emergency evacuation route directions based on crowd simulations with reinforcement learning
Isenhour Simulating occupant response to emergency situations
Jin et al. Optimizing crowd simulation based on real video data
Shih et al. A Self-Evacuation Approach for Robots in Fire Disasters
Ishida et al. Simulation system of tsunami evacuation behavior during an earthquake around JR Osaka station area

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210528

RJ01 Rejection of invention patent application after publication