运用铲雪堆博弈研究行人屋内逃生问题.pptVIP

运用铲雪堆博弈研究行人屋内逃生问题 报告人：史冬梅 导师：汪秉宏 单位：渤海大学数理学院 行人流研究概况 行人流是具有强相互作用的多粒子体系，行人流研究对于缓解交通阻塞，尤其是减少突发情况下人员伤亡以及疏导恐慌人群逃生都具有非常重要的现实意义。人们对行人流的研究主要集中在两方面，行人流理论模型建立和行人流的实地观测。行人流理论模型主要包括离散模型（元胞自动机模型）和连续模型（流体力学模型、社会力模型）。然而，实地观测的结果表明，行人流系统既不是绝对离散的，也不是完全连续的，行人流内部个体的复杂性，如恐惧、情感、道德等主观因素，以及一些客观因素，如出口位置、出口个数、障碍物等，使它既有流体的许多特征同样也具备着自己独特的特性。如何在行人流模拟中反映出个体主观的复杂性，以及个体之间复杂的作用力是行人流研究的一个重要任务。 演化博弈理论模型 博弈模型可以分为两两博弈模型，如囚徒困境博弈（prisoner dilemma game），铲雪堆博弈（snowdrift game ）等，和群体博弈，如公共品博弈模型。下面以囚徒困境博弈和公共品博弈模型为例，简单的阐述下两种博弈的特点。 铲雪堆博弈：基础博弈单位为两人，即两个人进行博弈，每个人可以采取的策略均有两种，合作（C-cooperate）和背叛（D-defect），收益矩阵如下，（TRSP） 甲 乙 C D C R, R T, S D S, T P, P 行人屋内逃生 行人流模型：在格子气模型（lattice gas model）的基础上，将铲雪博弈模型引入其中，表征行人流中个体之间相互作用的复杂关系和主观因素。具体规则如下： 屋子的规模：N*N 的方格子网络(25*25;200*200) 屋内行人的规模：small scale -500；large scale-30000 行人间的相互作用：行人均匀地分布在屋内，屋子只有一个门。我们设定，屋内行人流系统中包含两类人，合作者（遵守秩序者）和背叛者（不遵守秩序者），每个个体只和其邻居进行作用。作用形式采用铲雪堆博弈模型，其收益矩阵如下，铲雪博弈模型的收益矩阵可以反映个体之间复杂的作用力：合作者遇到背叛者，合作者收益S ，背叛者收益为 T；两个合作者相遇，收益均为R ；两个背叛者相遇，收益均为 P，收益值的大小为TRSP. r = c/2 = c/(2b − c). Usually, T = 1 + r, R =1, S = 1 − r, and P = 0, where 0 r 1 行人的运动规则： 1.每个个体向着门的方向运动（偏随机行走），随机地选择前方三个位置中的一个（见上图1），进行运动，运动规则符合 公式中Px个体的平均收益 表征了个体具有的能量，而Ux个体所有邻居的平均收益 则代表了个体所处的势阱的能量（也就是个体受到的平均压力）。由该规则可知，个体能量 越大（或者势阱能量 越小）， 占据 的概率就越大。一旦 节点被 占据，则占据 节点的个体就要被挤到 个体原来所处的节点上。所以，尽管个体是偏随机行走，它仍然具备三种运动状态，向前、静止以及向后。 2.我们引入了参数 Pc（改变当前策略的概率 ）来反映个体的恐慌心理以及随机应变能力。Pc=0表示个体一直保持一种稳定的状态，（始终合作或始终背叛），这种情况可以认为个体比较镇定；Pc=1 则代表个体交替改变策略，这种情况可以认为个体心理比较混乱。 模拟结果 我们分别研究了小规模行人屋内逃生和大规模逃生情况，主要结果如下， 1.损益比r (VIX )表征了行人的恐慌指数 。 研究表明，当r 适中时，逃生时间最短，即，太放松或太紧张都很危险，保持一定程度的恐慌才最有利于逃生。 2.行人流系统中的两类人，合作者和背叛者，会达到一个相同的状态：两类行人的人数相同，人数的演化遵循相同的规律；同时，到达这一状态的时间是确定的，与行人流系统的规模无关，与屋子的规模无关，与参数Pc 和ρIC （初始的合作者密度） 也无关。我们将这种状态的出现原因解释为行人流的自组织效应（self-organization effect）。 3. Pc不同，行人流系统的动力学不同：Pc0.5 ，合作者和背叛者人数随时间振荡，而后到达相同状态；Pc≤0.5 ，无振荡现象出现。 4.屋内行人密度 ρ越小，逃生时间越短。 我们相信，该模型的提出和研究结果会对行人流研究以及相关研究起到积极的作用。 重要数据 r = c/2 = c/(2b − c). Usually, T = 1 + r, R =1, S = 1 − r, and P = 0, where 0 r 1 THANK YOU