基于群体智能的人群疏散仿真模型及动态路径规划方法研究

For emergency evacuation simulation of large scale crowd, it combines the macro model of swarm intelligence and microscopic model with individual dynamics characteristics，and puts forward the approach of combining advantages of two models for crowd evacuation simulation method. The method adopts social force model with increased the group's attractiveness and dynamic niching classification algorithm, forms a group of family, colleagues, friends and other relations as the core, the large population are divided into groups. Then, according to the fitness values of the individuals in the group, select the guider. During the evacuation, a group is considered as not to distinguish individual differences of particles. The problem of large crowd evacuation is decomposed into several group blocks moving problem in this model. Dynamic path planning adopts artificial bee colony combined with particle swarm algorithm, and two layer interactive mechanism both between and within groups: when choosing guider bees, interaction among populations to determine the number of the optimal solution in the global scope, in order to prevent the algorithm falls into local optimum. After determining the goal, guider bees lead the onlooker bees to move to the exits, particle swarm optimization is executed within populations, to ensure that the algorithm converges toward multiple global optimal solution. The method considers the influence of population macro dynamics and uncertainty of individual behaviors, to make up for the macro model practicality is not strong and the microcosmic model with the problem of the large amount of calculation,, make the simulation more closer to the real scene in crowd evacuation.

面向突发事件下大规模人群疏散仿真，结合群体智能的宏观模型与具有个体动力学特征的微观模型,提出综合两种模型优势的人群疏散仿真方法。该方法采用增加了群组吸引力的社会力模型及动态小生境分类算法，以家庭、同事、朋友等关系形成的群组为核心，将大规模人群划分为群组。按群组中个体的适应度值，选出引导者。在疏散过程中，群组内部为不区分个体差异的粒子。该模型把大规模人群疏散的问题，分解为各群组按块移动的问题。动态路径规划采用人工蜂群与微粒群结合的算法，有种群之间和种群内部两层交互机制：在选择引领蜂时，种群之间彼此交互，在全局范围内确定若干较优解，以防止算法陷入局部最优；确定目标后，引领蜂带领跟随蜂向出口移动，微粒群算法在种群内部进行，保证算法向着多个全局最优解收敛。方法综合考虑了人群宏观动力学特性和个体不确定行为的影响，弥补了宏观模型实用性不强及微观模型计算量过大的问题，使仿真更接近于人群疏散的真实场景。

近年来，由于各种聚集了大量人群的大型公共活动不断增多，这其中的安全问题引起了越来越多的关注。在一些人员密集的公共建筑场所内，由于在建筑设计上的不合理，以及应急管理方面的不到位，当发生各种紧急突发事件，人员需要紧急撤离时，容易造成疏散人群的拥挤和阻塞，甚至发生严重的人员踩踏事故。研究突发事件下人群疏散的行为特征及运动规律，对于促进建筑物的合理设计，加强安全管理，从而有效地预防和减少各种突发情况下人员的伤亡，具有十分重要的意义。.本项目面向突发事件下大规模人群疏散仿真，结合群体智能的宏观模型与具有个体动力学特征的微观模型,提出了一种综合两种模型优势的人群疏散仿真方法。该方法采用增加了群组吸引力的社会力模型以及基于网格-密度-关系的分类算法，以家庭、同事、朋友等关系形成的社会小群组为核心，将大规模人群划分为群组。在研究人的行为动态学理论和量化行为信息的基础上，将人群疏散的各项指标与人工蜂群算法各项参数建立映射，以出口拥挤度作为食物源收益度的度量指标，提出了一种综合考虑出口拥堵度与距出口距离的适应度值的出口选择方法。各群组按群组中个体的适应度值，选出引领者，引领群组向选择的出口方向移动。该方法把大规模人群疏散的问题，分解为各群组按块移动的问题。方法综合考虑了人群宏观动力学特性和个体不确定行为的影响，弥补了宏观模型实用性不强及微观模型计算量过大的问题。同时，采用视频数据驱动的实验验证方法，使仿真更接近于人群疏散的真实场景。本项目以大规模人群疏散仿真作为应用背景，试图为紧急情况下人群疏散的决策提供辅助的支持。该项目已经在国内外期刊上发表论文20篇，其中SCI期刊发表论文19篇，EI期刊发表论文1篇。授权发明专利7项。该项目还培养了博士研究生4名，硕士研究生10名。