周圓

摘要：當前緊急狀態(tài)下疏散人群已經(jīng)成為一個很重要的工作。針對疏散方案設(shè)計問題建立出口模型，分析疏散人員離開出口時的狀態(tài)，并基于廣度優(yōu)先搜索（ BFS）的思想，利用元胞自動機模型，深入仿真每個逃離者行為，發(fā)現(xiàn)疏散的第一個瓶頸是出口處的流量。建立了一層多出口的面積模型，并基于“類氣球”模型使用人流樹的并行生長算法進行仿真;對算法進行了復雜度分析，對上述模型進行了優(yōu)化，討論了模型的優(yōu)缺點，使模型設(shè)計適用于最接近現(xiàn)實生活中的多樓層情形。

關(guān)鍵詞：緊急疏散策略;元胞自動機;廣度優(yōu)先搜索算法;數(shù)學建模

中圖分類號：TU998.1

文獻標識碼：A

DOI： 10.15913/j.cnki.kjycx.2019.08.005

1 簡介

1.1 問題背景

當前各種突發(fā)事件可能會影響人們的安全，讓人們遠離危險成為當今時代的一個棘手問題，尤其是在旅游景點。本文將針對某博物館具體情況，研究逃生過程中潛在的瓶頸，并制作一系列模型來幫助設(shè)計疏散方案。

1.2 基本情況介紹

在本文中建立了出口模型和廣度優(yōu)先搜索來分析基本問題，利用元胞自動機模型和“類氣球”模型，計算出一層的疏散方案，并以某博物館為背景進行了仿真實驗。本文考慮多樓層情況，對模型進行優(yōu)化，并根據(jù)某博物館具體情況進行了仿真。我們考慮了多種復雜的因素，讓模型更加真實，并找出兩個瓶頸之間牽制的關(guān)系。

2 假設(shè)

假設(shè)1：每天參觀的人數(shù)是隨機的。

假設(shè)2：游客參觀哪里是隨機的。

假設(shè)3：每天游客類型是隨機的。

假設(shè)4：所以參觀者在逃離時的參數(shù)是相同的。

3 基本模型

3.1 逃離模型

3.1.1 符號定義

D：出口寬度。

d：不同國家人的平均肩寬。

N：參觀者總數(shù)。

v：人群的撤離速度。

l：人與人之間的平均距離。

3.1.2 模型

假設(shè)一個出口可讓四個人同時通過：

假設(shè)相鄰參觀者之間的水平間距為0.1 m，同時可以通

3.2 深度優(yōu)先搜索（BFS）[2]

深度優(yōu)先搜索（ BFS）是一種遍歷或搜索樹或圖數(shù)據(jù)結(jié)構(gòu)的算法。它從樹根開始，在進入下一個深度級別的節(jié)點之前，研究當前深度的所有鄰居節(jié)點。這個算法將在元胞自動機和“類氣球”模型中使用。

4 一層樓情形

4.1 一個出口情形

假設(shè)建筑物只有一層樓，且僅有一個出口。為了更加深入地研究每位逃離者的行為，本文使用元胞自動機模型。

4.1.1 元胞自動機模型

從統(tǒng)計的角度來看，當樣本量足夠大、時間足夠長時，展廳各個區(qū)域的參觀人數(shù)應(yīng)該是相等的。因此，本文將整個展區(qū)平均劃分為多個單元，在本文中我們將其稱為“元胞”進行研究，利用元胞自動機模型模擬參觀者的疏散過程。

元胞自動機的規(guī)則如下。

4.1.1.3 決定下一步的移動

對于每個元胞，它周圍有8個元胞，這意味著它下一步可以從這8個方向中選擇一個走。根據(jù)Moore nei曲borhood'scellular neighborhood style，每一個細胞，在選擇下一個狀態(tài)的方向時，每次都會選擇最小的系數(shù)的方向。如果元胞當前位置的風險系數(shù)都小于周圍8個元胞，逃離者則會選擇在下一步不移動。

4.1.1.4 停止

元胞系統(tǒng)將在所有元胞都離開系統(tǒng)時停止更新，此時建筑物內(nèi)沒有游客，即逃離結(jié)束。

4.1.2 仿真

通過MATLAB軟件對此情況進行仿真，得到不同博物館內(nèi)不同人數(shù)撤退時所需時間的統(tǒng)計模型，如圖1所示。

從圖1可以發(fā)現(xiàn)，在開始的時候，圖線是非常平滑的，這意味著出口足夠大，可以讓游客快速離開。當游客超過500人時，系統(tǒng)就需要花費更多的等待時間來讓所有人逃離。

4.2 三個出口情況

4.2.1 面積模型

4.2.1.1 假設(shè)

vl，v2，v3分別為三個出口的流速。

4.2.1.2 模型

本文先從方形展廳開始研究，方形展廳如圖2所示。

圖2中展示了各出口流速相同時的面積劃分方法。由于流速不同，每個出口的流量應(yīng)與流速成正比。由于三個出口的速度分別為v1，v2，v3，所以每個出口的流量之比應(yīng)為v1：v2：v3，也就是每個出口的游客人數(shù)之比。在此基礎(chǔ)上，我們將每一層的展覽面積按上述比例劃分為三個部分。這樣，我們就可以確保三個出口同時開始和結(jié)束。

4.2.2 元胞自動機模型

規(guī)則同上。

4.2.3 “類氣球”模型

對于一個博物館系統(tǒng)來講，當它滿員時，讓里面的所有人快速撤離，就相當于讓外面的所有人快速進入并填滿整個系統(tǒng)。在此基礎(chǔ)上，我們將系統(tǒng)等價于一個盒子，出口等價于盒子的開口處（本文以4個出口為例）。然后，我們把人進入系統(tǒng)這個過程，類比于“等人數(shù)”空氣進入氣球。下面，我們將詳細介紹氣球系統(tǒng)。

4.2.3.1 鼓入空氣

這個系統(tǒng)的第一步是根據(jù)出口的速度，讓空氣通過開口進入盒子。顯然，隨著時間的推移，一些氣球會在生長點相互碰撞。當這種情況發(fā)生時，它們將平等地競爭彼此的空間，以確保自身的增長。

4.2.3.2 重要函數(shù)

上述規(guī)則將導致氣球在一個方向無限膨脹，而在另一個方向的氣球?qū)⒈幌拗圃谝粋€條狀內(nèi)。

4.2.4 博物館內(nèi)的模擬

使用上述三種模型，借助C語言編程，我們可以得到博物館的分區(qū)圖，如圖3所示。

4.3 算法細節(jié)

4.3.1 人流樹的生長過程

人流樹模型如圖4所示。

確定流速為v（圖4中以v=2為例）;選擇exit作為根節(jié)點，并將其值標記為“0”。在下一輪中，將其向8個方向展開，并將這8個節(jié)點放人一個等待隊列中。根據(jù)先來先服務(wù)的隊列規(guī)則，從隊列中選擇V個節(jié)點，并將這些節(jié)點標記為“1”，類似于廣度優(yōu)先搜索（ BFS）的過程。

4.3.2 生長過程中的問題

我們用以下方式標記樹：出口α是樹α，也就是說出口α是氣球的α口，α是出口的標記。如果我們不設(shè)置任何限制，將會出現(xiàn)非常不利的現(xiàn)象，如圖5所示。

可以發(fā)現(xiàn)，由于受到tree2的限制，treel從某一時刻開始就沒有生長空間。因此，我們要引入一個我們稱之為“生長權(quán)轉(zhuǎn)讓”的概念。在一定情況下，treel -定會“吃掉”節(jié)點tree2的生長作為補償，tree2將獲得額外的機會（例如，如果tree2和它的一個節(jié)點被treel吃了，下一輪他的v應(yīng)該是3個單元速度），在下一步生長中，我們稱之為“生長權(quán)轉(zhuǎn)讓”。

4.3.3 “過度轉(zhuǎn)讓”的后果

生長過程中，當流樹過度轉(zhuǎn)讓生長權(quán)后產(chǎn)生的后果如圖6所示。從圖6中可以看出，tree2的根節(jié)點被treel吃掉并消失了。當treel和tree2的并行開發(fā)過程結(jié)束時，tree2最終變成了一棵沒有根的樹，這是不合邏輯的，這意味著來自Exit 2的人沒有來源。

4.4 復雜度分析

根據(jù)以上分析，我們可以進行初步的算法復雜度分析：在每一輪生長中將花費v1+v2+v3+v4的時間，標記復雜度為o（v）;當生長過程發(fā)生轉(zhuǎn)移時，必須檢查將被再次吃掉的樹的完整性，這一步的復雜度為o（n）（n2為樹的深度）;并行生長的過程會進行n/V次，因此，復雜度是o n/V（總共

有n輪人，每輪有v組人）;這個算法運行總共用時Vx nx（n/V）=n2，當”為19 375x4個元胞的時候，總時間在1 min左右。

5 多層樓情形

5.1 基本思想

5.1.1 元胞自動機更新模型

與一層樓情形相比，對于沒有出口的樓層，我們把樓梯當作出口。其他規(guī)則與前面章節(jié)中定義的完全相同。

5.1.2 潛在的瓶頸

以上我們分析了出口是模型的瓶頸，因為逃離者與出口的流動速度不同。

5.2 拓撲

在拓撲學中，圖是點集與邊集的總和。在這個問題中，我們可以將展覽塊抽象為圖中的節(jié)點，將展覽的連接路和樓梯抽象為邊，也可以將元胞占據(jù)的區(qū)域視為可擴展節(jié)點。

6 考慮心理因素

事實上，當疏散發(fā)生時，人們的行為并不是理想模型，人會產(chǎn)生從眾心理、錯誤判斷行為、慣性行為以及趨光性等心理因素，從而影響個人行為?；诖耍覀兘⒘诵睦硪蛩赜绊懩Ｐ蛠眍A測每個人在疏散過程中的行為：式（3）中：F_ij風為衡量元胞空間（i，j）對元胞吸引力的一個評價指標;K為參數(shù)調(diào)整系數(shù);α為錯誤的判斷行為，α=1意味著逃離者是冷靜α>l意味著逃離者開始時是緊張和恐嚇，α越大，逃離者的行為越不理智;δ為逃離者熟悉建筑布局和出口位置;σ為從眾心理的影響因素，當σ=0，δ=1時，逃離者處于完全熟悉的建筑環(huán)境中，他們將會直接尋找最近的出口，而不會受到其他人的影響，相反，當σ=1，δ=0時，逃離者完全不熟悉他們所處的地方，此時他們的行為模式將完全被人群操縱;β為光對逃離者的影響系數(shù)。

將以上參數(shù)考慮到元胞自動機模型中，可以得到一個更優(yōu)化的區(qū)域模型（每個格點的危險系數(shù)）：

7 優(yōu)缺點分析

7.1 優(yōu)點

本文的算法適用于所有疏散方案的抽象，這使得后續(xù)的研究者可以專心于研究如何設(shè)計節(jié)點函數(shù)方案，使得仿真效果更加擬合來自社會（心理學）模型所推導的疏散構(gòu)造需求。

7.2缺點

本文的算法可能要運行1 nun之久，這已經(jīng)超過了人類面對危險時的等待忍受極限。

8措施建議

大概每5 min，中控機房應(yīng)該重新根據(jù)最新數(shù)據(jù)，運行一遍程序，以供系統(tǒng)重新設(shè)計疏散規(guī)劃方案。

參考文獻：

[1]崔喜紅，李強，陳晉，等.大型公共場所人員疏散模型研究——考慮個體特性和從眾行為[J].自然災(zāi)害學報，2005（6）：133-140.

[2]白雪岑.基于元胞自動機的特殊人群疏散仿真研究[C]//中國力學學會第十七屆北方七省市區(qū)力學學會學術(shù)會議論文集.2018

[3]金澤人，阮欣，李越.基于元胞自動機的火災(zāi)場景行人流疏散仿真研究[J].同濟大學學報（自然科學版），2018， 46（8）：1026-1034.

[4]樸勛，耿雪川.小型建筑火災(zāi)中人群智能疏散引導模擬研究[J].科技通報，2018，34（9）：238-241，248.