摘要： 針對(duì)現(xiàn)有行人仿真模型在行為特性表示不全面和建筑物空間結(jié)構(gòu)表達(dá)、空間單元狀態(tài)的動(dòng)態(tài)存儲(chǔ)及轉(zhuǎn)換、仿真過(guò)程及結(jié)果可視化等方面存在的缺陷，提出了基于雙層協(xié)作機(jī)制的雙向行人流仿真模型.通過(guò)對(duì)南京地鐵新街口站換乘通道內(nèi)行人行為的實(shí)地觀測(cè)，全面分析了行人在雙向通道內(nèi)的行為特征.在模型中的通道環(huán)境層，利用GIS技術(shù)進(jìn)行柵格化并存入空間數(shù)據(jù)庫(kù)，在仿真輸出階段應(yīng)用可視化引擎將場(chǎng)景輸出至圖形界面；在行人行為層，基于Multiagent和CA理論建立行人行為決策模型，構(gòu)建的智能體考慮了行人個(gè)體特性和行為.通過(guò)計(jì)算機(jī)仿真，揭示了平均速度與仿真時(shí)間步、行人密度的關(guān)系.模型成功再現(xiàn)通道內(nèi)雙向行人流的編隊(duì)成行及相變現(xiàn)象.

關(guān)鍵詞： 雙向行人流；微觀仿真；雙層協(xié)作；多智能體

中圖分類號(hào)： TP391.9文獻(xiàn)標(biāo)志碼： AA BiLayer Cooperative Simulation Model of

BiDirectional Pedestrian FlowsTONG Weiping，CHENG Lin

（School of Transportation， Southeast University， Nanjing 210096， China）

Abstract：Pedestrian behavioral characteristics in metro interchange passageways were analyzed by means of the site observation data at Xinjiekou Station of Nanjing Subway. A comprehensive bilayer cooperative model for bidirectional pedestrian flows was developed to eliminate the drawbacks in the existing models in terms of behavioral characteristics， the spatial structure expression， dynamic storage and transformation of spatial unit states， and the simulation visualization. In the model， the layer of passageways was first rasterized using GIS technology and then the data were stored in the spatial database and finally output to the GUI by visualization engine in the postsimulation stage scene. In the layer of pedestrian behaviors， a decision model was established on the basis of the Multiagent and CA theories. The model defined the agent with the consideration of pedestrians characteristics and actions. The simulation results obtained from the model exercise illustrated the densityspeed curve and the time interval and speed curve. The simulation shows that the model can reproduce the typical phenomena observed in reality such as formation of bidirectional pedestrian flows and the phase transition.

Key words：bidirectional pedestrian flow； microscopic simulation； bilayer cooperation； multiagent

行人行為不僅受自身生理、心理、行為目的等因素影響，同時(shí)還隨周圍環(huán)境而改變，進(jìn)而表現(xiàn)出不同的行人流自組織特征：如建筑物內(nèi)疏散行人流在出口處的阻塞、成拱現(xiàn)象；交叉行人流在交叉處的流動(dòng)斑紋現(xiàn)象；雙向行人流即相向行人流的編隊(duì)成行現(xiàn)象等.

有關(guān)行人的理論研究最早可以追溯到20世紀(jì)50年代，專門研究行人交通流的文獻(xiàn)主要集中在最近的15年.文獻(xiàn)[1]指出雙向交叉行人流存在3種不同的狀態(tài)，即方向分離隊(duì)列流、散布流和動(dòng)態(tài)多隊(duì)列流.另外，在現(xiàn)實(shí)場(chǎng)景中，交叉行人流中行人個(gè)體相互穿插、幾人并肩行走、成團(tuán)或動(dòng)態(tài)地形成隊(duì)列的現(xiàn)象也處處可見(jiàn).與單向行人流相比，交叉行人流更復(fù)雜、更難研究.研究交叉流中行人行為特征的方法主要有模型和現(xiàn)場(chǎng)實(shí)驗(yàn)調(diào)查2種，其中模型方法正在成為研究行人交通行為的重要手段.元胞自動(dòng)機(jī)（CA）模型因簡(jiǎn)單易實(shí)現(xiàn)、計(jì)算效率高等優(yōu)點(diǎn)被廣泛應(yīng)用于行人流的仿真研究.CA模型簡(jiǎn)單易行表現(xiàn)在模型通過(guò)定義簡(jiǎn)單個(gè)體的微觀行為規(guī)則，經(jīng)個(gè)人間的相互作用再現(xiàn)復(fù)雜系統(tǒng)整體宏觀行為特征.此外，CA模型是離散模型，相比連續(xù)模型，模型復(fù)雜性低，運(yùn)算效率高.文獻(xiàn)[1]通過(guò)定義行人換道和前進(jìn)2種簡(jiǎn)單的行為規(guī)則來(lái)研究雙向行人流，并指出行人流存在3種不同狀態(tài)；文獻(xiàn)[2]提出的CA仿真模型考慮了行人傾向于右行的行為規(guī)則和原地等待的行為動(dòng)作；文獻(xiàn)[3]應(yīng)用CA模型，引入行人間換位和等待的行為特性，仿真了走廊中人群的雙向移動(dòng)；文獻(xiàn)[4]則研究了行人偏向右行的行為習(xí)慣對(duì)通道中雙向行人流的影響，同時(shí)對(duì)模型中的核心參數(shù)k進(jìn)行了分析討論；文獻(xiàn)[5]研究了行人行走無(wú)后退及不同步速行走規(guī)則西南交通大學(xué)學(xué)報(bào)第48卷第4期童蔚蘋等：基于雙層協(xié)作機(jī)制的雙向行人流仿真模型下，雙向行人流的相變現(xiàn)象；文獻(xiàn)[6]在CA模型中考慮了交通出行法規(guī)和慣例及個(gè)體在遵循規(guī)則上的差異性，研究發(fā)現(xiàn)在交通規(guī)則遵守者中加入一定比例的交通規(guī)則違反者，反而可以提高整個(gè)道路系統(tǒng)的行人平均速度；文獻(xiàn)[7]采用考慮行人行走傾向特征的元胞自動(dòng)機(jī)模型和復(fù)雜網(wǎng)絡(luò)理論對(duì)雙向行人流進(jìn)行研究.

最近年來(lái)，研究者們開始關(guān)注如何使行人流仿真更加符合實(shí)際情況、運(yùn)行效率更高等問(wèn)題，并嘗試從不同領(lǐng)域借鑒方法和技術(shù)，如博弈論[810] 、多智能體技術(shù)[1116]等.文獻(xiàn)[11]利用多智能體技術(shù)，通過(guò)將被疏散人員定義為Agent，建立了基于多智能體的、考慮個(gè)體特征和行為的公共場(chǎng)所人員疏散模型；文獻(xiàn)[12]研究了基于多智能體與GIS集成的體育場(chǎng)所人群疏散模擬的方法，討論了移動(dòng)人群智能體移動(dòng)決策的表達(dá)與實(shí)現(xiàn)技術(shù)；文獻(xiàn)[13]基于多智能體和社會(huì)力模型研究了行人在多房間多層建筑物內(nèi)的疏散行為；文獻(xiàn)[14]關(guān)注一個(gè)多智能體行人社會(huì)距離模型的構(gòu)建；文獻(xiàn)[1516]應(yīng)用多智能體構(gòu)建行人流疏散模型，討論行人組對(duì)行人流動(dòng)力學(xué)的影響.

通道作為綜合客運(yùn)樞紐不同功能子空間連接的緩沖帶，具有分散客流的重要作用.受通道客流導(dǎo)向性強(qiáng)、空間狹窄、環(huán)境封閉等因素影響，通道內(nèi)行人行為特征明顯不同于其他情景.然而，上述文獻(xiàn)對(duì)通道內(nèi)雙向行人流的行為特征認(rèn)識(shí)不全面，模型中行人行為規(guī)則的定義往往基于經(jīng)驗(yàn)或普識(shí).本文以通道內(nèi)雙向行人流為研究對(duì)象，針對(duì)以上行人模型研究中的不足，基于Multiagent和CA理論建立雙層協(xié)作的雙向行人流仿真模型.1通道內(nèi)雙向行人流行為特征分析以南京地鐵新街口站換乘通道作為觀測(cè)點(diǎn)對(duì)行人行為進(jìn)行觀測(cè)，發(fā)現(xiàn)行人在雙向通道內(nèi)的行為具有以下特征：

（1） 行人在通道內(nèi)行走匆忙，速度普遍高于樞紐其他區(qū)域.有調(diào)查顯示，在水平通道內(nèi)，行人平均行走速度約1.3 m/s左右[17]，高于正常情況下平均速度1.0 m/s[18].這可能存在如下原因：其一是通道空間狹窄、環(huán)境封閉，行人有盡快脫離這種環(huán)境的心理需求；其二是通道內(nèi)行人行走目的地明確，無(wú)須考慮出口選擇等問(wèn)題，且只存在與對(duì)向行人沖突碰撞的可能性.

（2） 行人有靠右行走、右側(cè)避讓對(duì)向行人的偏好.這主要是受交通法規(guī)及行人交通慣例的影響.

（3） 行人有跟隨前方同向行人行走的傾向.通過(guò)跟隨，行人可有效避免潛在碰撞的可能.

（4） 不像機(jī)動(dòng)車有左側(cè)超車的交通法規(guī)限制，行人在超越同向行人時(shí)左右兩側(cè)選擇的隨機(jī)性較強(qiáng).

（5） 當(dāng)通道內(nèi)行人密度較大時(shí)，若兩行人相向而行即將碰撞，此時(shí)會(huì)出現(xiàn)兩行人瞬間換位的現(xiàn)象；對(duì)同向行人，若前方行人停止不動(dòng)，則后面的行人有原地等待的傾向.2仿真模型伴隨著人們對(duì)行人交通行為的日益深入理解和計(jì)算機(jī)仿真技術(shù)的快速發(fā)展，近年來(lái)行人微觀仿真發(fā)展迅速，并逐漸成為研究客流組織和行人交通設(shè)施的主要手段.然則，仿真中對(duì)復(fù)雜建筑物空間結(jié)構(gòu)的表達(dá)、空間單元狀態(tài)的動(dòng)態(tài)存儲(chǔ)及轉(zhuǎn)換、仿真過(guò)程及結(jié)果可視化等方面仍然存在困難.針對(duì)這些問(wèn)題，筆者提出如圖1所示雙層協(xié)作的雙向行人流仿真模型.模型分為2層，分別是行人行為層和通道環(huán)境層，二者之間通過(guò)場(chǎng)景信息實(shí)現(xiàn)交互.模型采用的分層方法使得各層對(duì)象趨于單一，便于仿真的實(shí)現(xiàn).

圖1雙層協(xié)作的雙向行人流仿真模型

Fig.1A bilayer cooperative simulation model

2.1通道環(huán)境層采用0.45 m×0.45 m的正方形網(wǎng)格對(duì)通道柵格化并對(duì)每一網(wǎng)格進(jìn)行全面細(xì)致的描述.各網(wǎng)格信息經(jīng)GIS空間數(shù)據(jù)庫(kù)引擎存入空間數(shù)據(jù)庫(kù)中，并在仿真輸出階段通過(guò)GIS可視化引擎將場(chǎng)景輸出至圖形界面.

模型假設(shè)通道南北邊界為墻壁，行人不能穿越；東西出口為虛擬邊界，行人可以穿越.通道內(nèi)各網(wǎng)格均有自己的屬性信息，包括固定信息和可變信息.固定信息包括編號(hào)、地理坐標(biāo)和空間位置關(guān)系（包括墻壁和東西出口的方位、網(wǎng)格間的鄰接關(guān)系）等.網(wǎng)格的可變信息是模型中通道環(huán)境層和行人行為層二者進(jìn)行協(xié)作的基礎(chǔ)，為接口交互信息，具體包括如下內(nèi)容：

（1） 網(wǎng)格狀態(tài)：分為空、東出口、西出口、墻壁、東行行人占據(jù)和西行行人占據(jù)等6種；

（2） 網(wǎng)格被行人占據(jù)下的行人編號(hào)；

（3） 下一時(shí)間步預(yù)計(jì)進(jìn)入網(wǎng)格的行人編號(hào)隊(duì)列；

（4） 東西兩個(gè)方向上的虛擬信息素.

信息素是同種個(gè)體之間相互作用的化學(xué)物質(zhì)，能影響彼此的行為、習(xí)性、乃至生理活動(dòng).例如，螞蟻是社會(huì)性很強(qiáng)的昆蟲，主要以化學(xué)信號(hào)通訊，可通過(guò)腹部末端分泌費(fèi)洛蒙（信息素）引導(dǎo)同類：在軌跡上的螞蟻沿著前面的螞蟻留下的信息前進(jìn).出于安全與有效率的原因，行人也習(xí)慣于跟隨他人前進(jìn).與螞蟻可留下真正信息素不同，行人留下的信息素是虛擬的.2.2行人行為層結(jié)合智能體建模理論，模型將每一位行人定義為一個(gè)智能體（agent）.智能體的定義如下所述：

Agent=

DecisionRule，Action>.

（1） Environment

表示行人在當(dāng)前時(shí)刻能感知到的環(huán)境信息，包括通道環(huán)境層提供的信息及感知的周邊人員密集程度等.

（2） Characteristic

考慮到不同的行人個(gè)體及處于不同情緒下的同一行人個(gè)體均會(huì)對(duì)行人的行為產(chǎn)生影響，用Characteristic表示與行人個(gè)體相關(guān)的屬性信息，包括行人的情緒和運(yùn)動(dòng)偏好矩陣.行人情緒有2種：低落和高昂，且可依據(jù)一定的規(guī)則變化.3×3運(yùn)動(dòng)偏好矩陣表示行人在通道內(nèi)向不同方向運(yùn)動(dòng)的概率，如圖2所示.M0，0表示行人原地不動(dòng)的概率，其余的8個(gè)元素表示行人向鄰接網(wǎng)格移動(dòng)的概率.偏好矩陣可以根據(jù)行人的具體情況取值，如果行人屬于同一類群體，可以取同一值.同理，情緒對(duì)行人行為的影響也可轉(zhuǎn)化為對(duì)偏好矩陣的修正，即不同情緒下的行人其運(yùn)動(dòng)偏好矩陣取不同的值.模型作如下假設(shè)：情緒高昂的行人在前進(jìn)方向受阻時(shí)趨向于從左右兩側(cè)超越，相比情緒低落的行人在前進(jìn)方向受阻時(shí)更愿意作短暫的停留.此外，考慮到行人的右行偏好及跟隨傾向，對(duì)運(yùn)動(dòng)偏好矩陣取值作如下假定：

情緒高昂的行人：M0，1>M1，1>M-1，1>others；

情緒低落的行人：M0，1>M0，0>others.

圖2行人可能的運(yùn)動(dòng)方向及相應(yīng)的運(yùn)動(dòng)偏好矩陣

Fig.2The possible direction of pedestrian flows and

the corresponding matrix of preference

（3） DecisionRule

表示行人在進(jìn)行行為決策時(shí)所依據(jù)的規(guī)則，包括：

① 每個(gè)行人占據(jù)1個(gè)網(wǎng)格，具有排他性；

② 行人可以向周邊的8個(gè)方向移動(dòng)或保持不動(dòng)；

③ 行人移動(dòng)方向的選擇由轉(zhuǎn)移概率確定；

④ 沖突避免機(jī)制：A） 當(dāng)多個(gè)行人依據(jù)各自的轉(zhuǎn)移概率選擇了相同的目標(biāo)位置移動(dòng)時(shí)，行人間產(chǎn)生沖突，此時(shí)，隨機(jī)選擇其中一個(gè)行人占領(lǐng)目標(biāo)位置，其余保留不動(dòng)；B） 當(dāng)有多個(gè)相鄰網(wǎng)格具有相同的轉(zhuǎn)移概率時(shí)，行人隨機(jī)選擇一目標(biāo)網(wǎng)格移動(dòng).

行人移動(dòng)及沖突避免機(jī)制如圖3所示.圖中空心三角表示行人向著轉(zhuǎn)移概率高的相鄰網(wǎng)格移動(dòng)；實(shí)心三角表示當(dāng)有2個(gè)相鄰網(wǎng)格具有相同的轉(zhuǎn)移概率時(shí)，行人隨機(jī)選擇一目標(biāo)網(wǎng)格移動(dòng)；實(shí)心圓表示3個(gè)行人試圖移向同一網(wǎng)格，隨機(jī)選擇一行人移動(dòng)，其余2人保持不動(dòng).

（4） Action

行人移動(dòng)或保持不動(dòng).

圖3行人移動(dòng)及沖突避免機(jī)制

Fig.3Pedestrian movement and

avoidance of pedestrian conflicts

2.3 更新規(guī)則2.3.1虛擬信息素D的變化規(guī)則

如前所述，虛擬信息素是行人在其行進(jìn)軌跡上留下的“信息”，用以引導(dǎo)同向行人沿著足跡前進(jìn)，實(shí)現(xiàn)對(duì)行人間長(zhǎng)距離的、潛在的相互作用的建模.虛擬信息素因行人的存在而變化，同時(shí)它自身也表現(xiàn)出擴(kuò)散和衰退的特性.此外，通道內(nèi)不同行進(jìn)方向（東西兩個(gè)方向）的兩類行人擁有各自獨(dú)立的虛擬信息素場(chǎng).

初始，每個(gè)網(wǎng)格東西兩方向上的虛擬信息素值均為0；隨著仿真的推進(jìn)，虛擬信息素將發(fā)生變化.

情緒高昂的行人連續(xù)幾步（仿真實(shí)驗(yàn)中取值為3）期望移動(dòng)的方向成功實(shí)現(xiàn)，則行人所在源網(wǎng)格的虛擬信息素增加ΔD[19]，

ΔD=min（（1-D）g1，g2），

g1∈[0，1]，g2∈[0，1].（1）

當(dāng)前網(wǎng)格對(duì)應(yīng)的虛擬信息素按一定比例系數(shù)α擴(kuò)散到相鄰網(wǎng)格，同時(shí)也按一定比例系數(shù)δ衰退.虛擬信息素可以是離散變量，或連續(xù)變量，此處采用連續(xù)變量，取值介于0和1間：

Dt=α2Dx2+2Dy2-δD，

α∈0，18，δ∈0，12.（2）

2.3.2行人情緒轉(zhuǎn)變規(guī)則

人的行為是受情緒所影響的，而情緒的變化則與環(huán)境以及自身的情緒控制能力有關(guān)：

高昂情緒行人連續(xù)幾步（仿真實(shí)驗(yàn)中取值為3）期望移動(dòng)的方向因沖突被拒，情緒轉(zhuǎn)為低落；

低落情緒行人連續(xù)幾步（仿真實(shí)驗(yàn)中取值為4）期望移動(dòng)的方向成功實(shí)現(xiàn)，情緒轉(zhuǎn)為高昂；

低落情緒行人所在網(wǎng)格的虛擬信息素超過(guò)設(shè)定的閾值時(shí)，情緒立刻轉(zhuǎn)為高昂.

2.3.3行人轉(zhuǎn)移概率計(jì)算規(guī)則

行人移動(dòng)方向的選擇由所謂的轉(zhuǎn)移概率來(lái)確定.這個(gè)概率表示行人打算向某個(gè)方向移動(dòng)的可能性.綜合行人的運(yùn)動(dòng)偏好及其周邊的虛擬信息素場(chǎng)，行人從當(dāng)前位置（0，0）向鄰域（i，j）移動(dòng)的轉(zhuǎn)移概率pij可表示為

pij=N（Mij+b1）e（Dij-Davg）b2，（3）

式中：N表示歸一化因子，確?！疲╥，j）pij=1；Davg表示示（i，j）周邊共9個(gè)網(wǎng)格的平均虛擬信息素場(chǎng)；Mij表示行人在（i，j）方向上的運(yùn)動(dòng)偏好值；b1，b2為參數(shù).

基于轉(zhuǎn)移概率，模型依據(jù)以下規(guī)則進(jìn)行更新：

（1） 根據(jù)擴(kuò)散及衰退規(guī)則，修改東西2個(gè)方向上的虛擬信息素場(chǎng)；

（2） 對(duì)于每個(gè)行人，向目標(biāo)網(wǎng)格（i，j）方向運(yùn)動(dòng)的概率pij由行人運(yùn)動(dòng)偏好矩陣和周邊的虛擬信息素場(chǎng)共同決定：pij∝MijDij；

（3） 每個(gè)行人根據(jù)其目標(biāo)概率p=（pij）選擇一個(gè)目標(biāo)網(wǎng)格；

（4） 當(dāng)2個(gè)或多個(gè)行人選擇同一目標(biāo)網(wǎng)格時(shí)，根據(jù)沖突避免規(guī)則解決；

（5） 同步更新每個(gè)行人的狀態(tài)，包括行人位置和情緒；

（6） 依據(jù)行人對(duì)虛擬信息素的影響規(guī)則修改相應(yīng)源網(wǎng)格的虛擬信息素.3仿真分析仿真場(chǎng)景如下：初始時(shí)刻，密度ρ的行人隨機(jī)（包括位置、情緒和前進(jìn)方向）分布在尺寸為W×L網(wǎng)格的通道內(nèi).南北為墻壁，東西出口采用周期性邊界，即東行行人達(dá)到東邊界后將重新移到西邊界進(jìn)入系統(tǒng)；同樣，西行行人達(dá)到西邊界后將從東邊界重新進(jìn)入系統(tǒng).因此，系統(tǒng)中每一運(yùn)動(dòng)方向的行人數(shù)目及總數(shù)均保持不變.行人運(yùn)動(dòng)偏好矩陣的計(jì)算綜合參考了文獻(xiàn)[19]的方法和本文的限定規(guī)則，具體取值如下所示：

高昂：

0.005 50.013 60.105 5

0.033 80.082 50.633 8

0.005 70.013 80.105 7，

低落：

0.034 20.102 80.107 7

0.071 40.214 20.224 4

0.034 40.103 00.107 9 .

式（1）、（2）和（3）相關(guān)參數(shù)g1、g2、α、δ、b1和b2對(duì)應(yīng)的值分別為0.23、0.10、0.150、0.005、0.15和0.15.仿真程序在VS2008開發(fā)環(huán)境下用Visual C#語(yǔ)言進(jìn)行編寫.

圖4展示了仿真實(shí)驗(yàn)中隨著時(shí)間的推進(jìn)行人由雜亂無(wú)章的分布逐漸顯現(xiàn)出的自組織特性.從圖4（a）清晰可見(jiàn)行人個(gè)體局部穿插及同一方向行走行人隊(duì)列形成的現(xiàn)象.當(dāng)然，這種編列是不穩(wěn)定的，一會(huì)消失，一會(huì)形成或再分離.另外，場(chǎng)內(nèi)行人密度對(duì)隊(duì)列的形成也會(huì)產(chǎn)生影響.

假設(shè)行人在每一時(shí)間步的平均速度v定義為在單時(shí)間步內(nèi)所有行人向前、或左前、或右前方向移動(dòng)的步數(shù)與行人總數(shù)的比值.系統(tǒng)平均速度取每隔10個(gè)時(shí)間步的v做平均.為減少隨機(jī)性影響，對(duì)同一組研究參數(shù)值進(jìn)行20次模擬，然后作系統(tǒng)平均.圖5為ρ=0.205，W=22，L=202時(shí)系統(tǒng)平均速度隨時(shí)間的變化關(guān)系.

圖4 ρ=0.125，W=22，L=202第200個(gè)時(shí)間步

Fig.4Phenomenon of lane formation， the light and dark spots are east and westmoving pedestrians

圖5系統(tǒng)平均速度隨時(shí)間的變化關(guān)系

Fig.5Relationship between

the mean speed and time

圖6給出了系統(tǒng)平均速度隨密度的變化關(guān)系.同樣，為減少隨機(jī)性影響，研究結(jié)果是對(duì)相同參數(shù)進(jìn)行20次模擬后的統(tǒng)計(jì)平均值.從圖中可以看出，

圖6系統(tǒng)平均速度隨密度的變化關(guān)系

Fig.6Relationship between the

mean speed and flow density

在ρ=0.205時(shí)行人流狀態(tài)發(fā)生相變，此時(shí)系統(tǒng)平均速度迅速下降，這與文獻(xiàn)[5]的結(jié)論是一致的.在ρ=0.700左右系統(tǒng)平均速度基本降為0.由于模型未能對(duì)相向行人瞬間換位的情況作處理，這可能是行人密度相對(duì)較低 （ρ=0.205）時(shí)即發(fā)生相變的原因之一.

4結(jié)論以通道內(nèi)雙向行人流為研究對(duì)象，建立雙層協(xié)作的雙向行人流仿真模型，并對(duì)該模型進(jìn)行了驗(yàn)證，得到以下結(jié)果和結(jié)論：

（1） 模型利用GIS技術(shù)對(duì)通道環(huán)境層進(jìn)行柵格化并存入空間數(shù)據(jù)庫(kù)，在仿真輸出階段應(yīng)用GIS可視化引擎將場(chǎng)景輸出至圖形界面；對(duì)行人行為層，在全面分析通道內(nèi)雙向行人流行為特征的基礎(chǔ)上，基于Multiagent和CA理論建立行人行為決策模型，二者通過(guò)場(chǎng)景信息實(shí)現(xiàn)交互.模型克服了現(xiàn)有行人仿真模型在個(gè)體特性和行為表示不全面和建筑物空間結(jié)構(gòu)表達(dá)、空間單元狀態(tài)的動(dòng)態(tài)存儲(chǔ)及轉(zhuǎn)換、仿真過(guò)程及結(jié)果可視化等方面存在的困難.

（2） 行人智能體中加入了反映行人個(gè)體特性的屬性信息，并用運(yùn)動(dòng)偏好矩陣對(duì)行人轉(zhuǎn)移概率進(jìn)行了修正.

（3） 仿真實(shí)驗(yàn)成功再現(xiàn)通道內(nèi)雙向行人流的編隊(duì)成行現(xiàn)象，分析了平均速度隨時(shí)間和密度的變化規(guī)律.

（4） 研究還發(fā)現(xiàn)，在一定行人密度下通道內(nèi)雙向行人流狀態(tài)將發(fā)生相變.參考文獻(xiàn)：[1]BLUE V J， ADLER J L. Cellular automata microsimulation for modeling bidirectional pedestrian walkways[J]. Transportation Research Part B， 2001， 35（3）： 293312.

[2]FANG Weifeng， YANG Lizhong， FAN Weicheng. Simulation of bidirection pedestrian movement using a cellular automata model[J]. Physica A， 2003， 321（3/4）： 633640.

[3]LI Jian， YANG Lizhong， ZHAO Daoliang. Simulation of bidirection pedestrian movement in corridor[J]. Physica A， 2005， 354： 619628.

[4]YANG Lizhong， LI Jian， LIU Shaobo. Simulation of pedestrian counterflow with rightmoving preference[J]. Physica A， 2008， 387： 32813289.

[5]WENG W G， CHEN T， YUAN H Y， et al. Cellular automaton simulation of pedestrian counter flow with different walk velocities[J]. Physical Review E， 2006， 74（3）： 036102103610217.

[6]BAEK S K， MINNHAGEN P， BERNHARDARDSSON S， et al. Flow improvement caused by agents who ignore traffic rules[J]. Physical Review E， 2009， 80（1）： 01611110161115.

[7]任剛，陸麗麗，王煒. 基于元胞自動(dòng)機(jī)和復(fù)雜網(wǎng)絡(luò)理論的雙向行人流建模[J]. 物理學(xué)報(bào)，2012，61（14）： 144501144501.

REN Gang， LU Lili， WANG Wei. Modeling bidirection pedestrian flow by cellular automata and complex network theories[J]. Acta Physica Sinica， 2012， 61（14）： 144501144501.

[8]李得偉，韓寶明，張琦. 基于動(dòng)態(tài)博弈的行人交通微觀仿真模型[J]. 系統(tǒng)仿真學(xué)報(bào)，2007，19（11）： 25902593.

LI Dewei， HAN Baoming， ZHANG Qi. Modeling and simulation of microscopic pedestrian using game theory[J]. Journal of System Simulation， 2007， 19（11）： 25902593.

[9]吉巖，李力，胡堅(jiān)明，等. 一種基于分片磁場(chǎng)和動(dòng)態(tài)博弈的行人仿真模型[J]. 自然科學(xué)進(jìn)展，2009，19（3）： 337343.

[10]HENEIN C M， WHITE T. Macroscopic effects of microscopic forces between agents in crowd models[J]. Physica A， 2007， 373： 694712.

[11]崔喜紅，李強(qiáng)，陳晉，等. 基于多智能體技術(shù)的公共場(chǎng)所人員疏散模型研究[J]. 系統(tǒng)仿真學(xué)報(bào)，2008，20（4）： 10061010.

CUI Xihong， LI Qiang， CHEN Jin， et al. Study on MAbased model of occupant evacuation in public facility[J]. Journal of System Simulation， 2008， 20（4）： 10061010.

[12]陳鵬，王曉璇，劉妙龍. 基于多智能體與GIS集成的體育場(chǎng)人群疏散模擬方法[J]. 武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2011，36（2）： 133139.

CHEN Peng， WANG Xiaoxuan， LIU Miaolong. A simulation method for sports grounds evacuation based on integration of multiagent system and GIS[J]. Geomatics and Information Science of Wuhan University， 2011， 36（2）： 133139.

[13]HA V， LYKOTRAFITIS G. Agentbased modeling of a multiroom or multifloor building emergency evacuation[J]. Physica A， 2011， 391（15）： 27402751.

[14]WAS J. Multiagent frame of social distances model[C]∥Proceedings of the 8th International Conference on Cellular Aotomata for Reseach and Industry. Yokohama： [s.n.]， 2008： 2326.

（下轉(zhuǎn)第744頁(yè)）[15]MANENTI L， MANZONI S， VIZZARI G， et al. An agentbased proxemic model for pedestrian and group dynamics： motivations and first experiments[C]∥Proceedings of the 12th International Workshop on MultiAgent-Based SimulationMultiAgentBased Simulation XII. Taipei： [s.n.]， 2012： 7489.

[16]BANDINI S， RUBAGOTTI F， VIZZARI G， et al. An agent model of pedestrian and group dynamics： experiments on group cohesion[C]∥Proceedings of the XIIth International Conference of the Italian Association for Artificial Intelligence—Artificial Intelligence Around Man and Beyond. Palermo： [s.n.]， 2011： 104116.

[17]劉棟棟，孔維偉，李磊，等. 北京地鐵交通樞紐行人特征的調(diào)查與分析[J]. 建筑科學(xué)，2010，26（3）： 7074.

LIU Dongdong， KONG Weiwei， LI Lei， et al. Survey and analysis of pedestrian characteristics in subway of Beijing[J]. Building Science， 2010， 26（3）： 7074.

[18]HELBING D，F(xiàn)ARKAS I，VICSEK T. Simulating dynamical features of escape panic[J]. Nature， 2000， 407（6803）： 487490.

[19]BURSTEDDE C， KLAUCK K，SCHADSCHNEIDER A， et al. Simulation of pedestrian dynamics using a twodimensional cellular automaton[J]. Physica A， 2001， 295（3/4）： 507525.