基于蚁群元胞自动机的地铁行人疏散模型.docVIP

基于蚁群元胞自动机的地铁行人疏散模型 　　摘 要： 针对地铁站场结构复杂与疏散受行人主观条件影响等实际情况，宏观上利用蚁群算法解决复杂建筑结构下大客流寻找最优疏散路径，微观上采用元胞自动机智能决策模型，构建融合蚁群算法与元胞自动机的地铁行人疏散模型，并对广州地铁某站场在行人疏散过程中的疏散效率、个体状态等现象进行讨论，其仿真结果可为地铁编制应急预案、员工培训、乘客疏散、应急演练提供参考。 　　关键词： 蚁群； 元胞自动机； 地铁行人； 疏散 　　中图分类号：TP391.4 文献标志码：A 文章编号：1006-8228（2018）02-18-04 　　Abstract： Aiming at the actual situation of complex structure and the evacuation of subways affected by the subjective conditions of pedestrians， this paper uses the ant colony algorithm to solve the large passenger flow under complex building structure to find the optimal evacuation path in the macro view， and on the micro level， uses the intelligent decision model of cellular automaton to construct the underground pedestrian evacuation model of the fusion of ant colony algorithm and cellular automaton. And discuss the evacuation efficiency and individual status of a station in Guangzhou Metro during the evacuation of pedestrians. The simulation results can provide the preparation of contingency plans， staff training， the evacuation of passengers， and emergency drills with a reference. 　　Key words： ant colony； cellular automaton； subway pedestrian； evacuation 　　0 引言 　　行人疏散问题一直是交通安全领域的重要研究内容，早在1971年J.Fruin提出行人的平均行进速度与行人密度的关系曲线，这是对行人疏散的第一个重要的研究成果[1]，英国Sime等人和美国Francis分别提出了ORSET 模型 [2]和预测最小理论疏散时间网络模型[3]，这些模型较好地指出了行人在疏散时所选择的逃生路线，但是却忽略了复杂场所以及行人的心理因素对疏散的影响。 　　作为复杂场所的地铁站场，其行人疏散的研究主要集中在路径算法和疏散模型上，特别是蚁群算法ACO（Ant Colony Optimization）和元胞自动机模型CA（Cellular Automata），王起全等提出蚁群算法能够使地铁行人在较短时间内选择优化的疏散路径[4]，杨敬等模拟楼层拓扑结构，建立楼层蚁群疏散模型，优化运算时间[5]，许爱军等为解决蚁群路径选择的盲目性和随机性，提出基于神经网络自适应蚁群算法[6]，刘真余等对地铁的行人微观建模，基于元胞自动机提出两种疏散规则[7]，田鑫等利用元胞自动机理论创建了地铁车站火灾疏散仿真模型[8]，曹守华等分析地铁通道内行人行走特征，基于蚂蚁元胞自动机对通道双向人流进行仿真，该模型较好地表达了地铁双向通道的行人走行特征[9]，还有学者在智能疏散决策[10-11]，考虑行人引导作用[12]及大型公共建筑疏散[13]等方面有一定的研究。然而上述基于地铁复杂场地结构、大客流以及行人微观特征等综合研究仍不够系统。 　　本文在文献[4]和文献[11]研究工作的基础上，对地铁站场结构特征和行人的信息处理、决策过程进行系统研究，宏观上利用蚁群算法解决复杂建筑结构下大客流寻找最优疏散路径，微观上采用智能体的元胞自动机智能决策模型，构建融合蚁群算法与元胞自动机的行人疏散模型，并对广州地铁某站场在行人疏散过程中的疏散效率、行人个体状态等现象进行讨论。 　　1 蚁群与元胞自动机的定义与特征 　　1.1 蚁群算法 　　蚂蚁算法真实模