基于多Agent的人員應(yīng)急疏散模型設(shè)計與實現(xiàn)

張繼成 羊秋玲

摘 要： 由于無法真實模擬在突發(fā)事件情況下人員疏散的全過程?？紤]到Agent的智能性、交互性、自主性，引入多Agent技術(shù)，對應(yīng)急疏散模型進(jìn)行建模，通過算法設(shè)計并在超市布局圖下實現(xiàn)。對無引導(dǎo)、有固定指示、有引導(dǎo)者這三種情況下的人員疏散的過程進(jìn)行仿真，結(jié)果表明，引導(dǎo)信息特別是引導(dǎo)員通過獲得各路徑上的人員分布狀況的動態(tài)信息，來實時地對Agent做出方向指引，能夠極大地提高疏散效率。研究對于制定科學(xué)合理的應(yīng)急疏散預(yù)案，減少災(zāi)害所造成的各種損失，具有非常重要的借鑒意義。

關(guān)鍵詞： 多Agent; 應(yīng)急疏散模型; 算法設(shè)計; 路徑規(guī)劃; 疏散效率; 過程仿真

中圖分類號： TN911?34; TP391.9 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）12?0172?04

Abstract： The whole process of personnel evacuation in emergency cases cannot be simulated realistically. Considering the intelligence， interactivity， and autonomy of Agent， the multi?agent technology is introduced to construct the emergency evacuation model， which is realized in the supermarket layout by means of the algorithm design. Simulations of personnel evacuation process in three cases of without any guide， with fixed instructions and with a guider were performed. The results show that the guidance information， especially that the guider shows the direction for Agent in real time by obtaining the dynamic information of personnel distribution in each route， can greatly improve the evacuation efficiency. The research has a very important referential significance for making scientific and reasonable emergency evacuation plan and reducing various losses caused by disasters.

Keywords： multi?agent; emergency evacuation model; algorithm design; route planning; evacuation efficiency; process simulation

近幾年來，伴隨著城市規(guī)模的日益擴(kuò)大，大量的人群聚集、流動通常情況下不會引發(fā)嚴(yán)重問題，但如遭遇火災(zāi)的緊急疏散中，人們就可能由于擁擠而跌倒，甚至發(fā)生嚴(yán)重的傷亡事故。面對突發(fā)性事件，倘若不能采取有效的人員應(yīng)急疏散措施，后果將不可估量。對突發(fā)事件進(jìn)行真實試驗代價昂貴，多數(shù)學(xué)者都是基于Agent進(jìn)行仿真建模來研究人員疏散模型。文獻(xiàn)[1?2]提出通用的Agent人員疏散仿真模型，文獻(xiàn)[3?7]對多Agent應(yīng)用于煤礦井下礦工逃生、體育館人群疏散、艦船人員疏散模型進(jìn)行了研究。本文通過對受災(zāi)區(qū)域建立微觀仿真模型，研究緊急情況下人員的各種特征，引入多Agent技術(shù)，對疏散模型進(jìn)行算法設(shè)計并實現(xiàn)，對不同情況下的人員疏散的過程進(jìn)行仿真，結(jié)果表明，引導(dǎo)信息特別是引導(dǎo)員能夠提高疏散效率。研究對于制定科學(xué)合理的應(yīng)急疏散預(yù)案，減少災(zāi)害所造成的各種損失，具有非常重要的借鑒意義。

1 基于多Agent的人員疏散模型建模

Agent相當(dāng)智能，能夠自我管理、自我學(xué)習(xí)，同時能夠與其他Agent通信[8?9]。單個Agent的知識和資源是有限的且它在現(xiàn)實中的應(yīng)用特別是協(xié)作求解造成了較大的影響，于是提出多Agent的概念，并應(yīng)運(yùn)而生了多Agent系統(tǒng)，其特點為每個Agent之間的自組織能力和協(xié)同能力。

1.1 人員疏散的環(huán)境假設(shè)及Agent屬性

1） Agent的鄰域定義為其周圍的8個網(wǎng)格，假設(shè)它們都可以作為疏散移動目標(biāo)，因此Agent具有8個可能的移動方向。

2） 在自發(fā)疏散的情況下，Agent可以在可見區(qū)域內(nèi)選擇躲避障礙物的方向逃生。

3） 在t時刻，Agent要考慮其周圍網(wǎng)格的性質(zhì)以及自身狀況，選擇能夠到達(dá)的最優(yōu)網(wǎng)格作為t+1時刻的目標(biāo)網(wǎng)格。

4） 多個Agent競爭同一網(wǎng)格時，則對它們的競爭能力做一個對比。最終優(yōu)勝的Agent將獲得進(jìn)入其目標(biāo)網(wǎng)格的資格，落選的Agent則選擇其鄰域內(nèi)的次優(yōu)網(wǎng)格（密度吸引力?。┳鳛橐苿幽繕?biāo)。

5） 疏散人員對疏散路線的選擇由Agent的行為模式?jīng)Q定，行為模式不同，則選擇的目標(biāo)網(wǎng)格也不同。

2 算法設(shè)計說明與流程

2.1 自發(fā)疏散的路徑規(guī)劃算法

在無引導(dǎo)的情況下，Agent自發(fā)采取疏散的行為以選取最短路徑為前提。由于考慮到Agent的感知能力，目標(biāo)選擇通常采用基于子目標(biāo)最短路徑規(guī)劃算法，算法基本假設(shè)如下：

1） 首先對個體與出口之間的位置做一個判斷，若直接可達(dá)則個體向出口直線運(yùn)動。

2） 若不可達(dá)，個體在子目標(biāo)庫中選取直達(dá)的最優(yōu)子目標(biāo)，進(jìn)入該子目標(biāo)后，然后再朝著出口方向靠攏，反之則再選擇一個中間子目標(biāo)，如此反復(fù)。選擇最佳子目標(biāo)的方法是，在可見區(qū)域內(nèi)窮舉搜索所有的子目標(biāo)選出最優(yōu)的。具體算法的流程如圖1所示。

2.2 有固定指示下的路徑規(guī)劃算法

固定指示指的是有指示出口方向的路標(biāo)或者指示牌等標(biāo)識，Agent在固定指示標(biāo)識的引導(dǎo)下，不必自己判斷行走的大方向，只需沿著指示的方向前行。以圖2中的前進(jìn)方向為例對算法進(jìn)行說明，2號網(wǎng)格定義為直線網(wǎng)格，1號和3號定義為邊角網(wǎng)格，4號和8號定義為平行網(wǎng)格。

1） Agent優(yōu)先選擇指示的正方向的直線網(wǎng)格（2號網(wǎng)格）為下一目標(biāo)網(wǎng)格。

2） 有障礙物或者已經(jīng)被其他Agent占據(jù)時，Agent將選取毗鄰正方向的邊角網(wǎng)格（1號網(wǎng)格與3號網(wǎng)格）作為下一目標(biāo)網(wǎng)格備選，若兩網(wǎng)格均未被占據(jù)，則隨機(jī)選取其中之一移動。

3） 若次優(yōu)網(wǎng)格也被障礙物或其他Agent占據(jù)時，選擇目前位置網(wǎng)格平行的網(wǎng)格（4號網(wǎng)格和8號網(wǎng)格）作為下一目標(biāo)網(wǎng)格。若兩網(wǎng)格均未被占據(jù)，則隨機(jī)選取其中之一移動。

4） 若均被占據(jù)，Agent選擇等待直至有目標(biāo)網(wǎng)格空閑為止再進(jìn)行移動。

當(dāng)Agent接收的固定指示中的指示方向不惟一時，說明有多個方向都可以到達(dá)出口。此時，Agent判斷每個方向在可見區(qū)域的范圍內(nèi)的人數(shù)來估計道路的通暢情況。選擇人數(shù)最少的方向的固定指示作為當(dāng)前指示，并沿指示方向行進(jìn)直到下一固定指示出現(xiàn)。

2.3 有動態(tài)信息指示下的路徑規(guī)劃算法

動態(tài)指示信息是指根據(jù)疏散過程中人員的動態(tài)分布情況，實時地給出方向引導(dǎo)信息，以達(dá)到疏散密集人流縮短疏散時間的目的，如在現(xiàn)場接受調(diào)度指示的疏散引導(dǎo)員的現(xiàn)場引導(dǎo)指示。與固定指示相比，動態(tài)信息指示包含了這一時刻各條通道上人流量的統(tǒng)計信息，因此在獲得動態(tài)信息的指示下的Agent無需再自己判斷哪個方向的路徑更優(yōu)，只需按照指示方向行進(jìn)。

2.4 考慮競爭情況下的路徑規(guī)劃算法

在人員疏散的過程中，由于人流密集、通道單一等因素，會出現(xiàn)個體Agent之間路徑競爭的情況。模型中假設(shè)不同的個性特征中，青壯年比老弱病殘群體的競爭力強(qiáng)，在相同個體特性的情況下，質(zhì)量大的個體Agent競爭力更優(yōu)。競爭失敗的Agent需要在路線選取上放棄當(dāng)前目標(biāo)網(wǎng)格，進(jìn)而考慮優(yōu)化指數(shù)下一級的網(wǎng)格，若可選取的網(wǎng)格都競爭失敗，則選擇等待直至有可選網(wǎng)格空閑為止再進(jìn)行移動。

3 基于多Agent的人員疏散模型的仿真實現(xiàn)

3.1 仿真軟件設(shè)計

此仿真軟件的功能主要是對公共場所人員疏散的模擬，在設(shè)計過程中運(yùn)用了基于Agent的建模方法，共包含兩層：表現(xiàn)層和執(zhí)行層。表現(xiàn)層是通過界面Agent來實現(xiàn)，負(fù)責(zé)對其他Agent以更直觀的方式展現(xiàn)給用戶。執(zhí)行層包括：引導(dǎo)員Agent，對疏散人員起引導(dǎo)作用。青壯年Agent與老弱Agent是公共場所內(nèi)需要疏散的人群，障礙物Agent是在要疏散場所中對疏散過程中產(chǎn)生阻礙作用的物體。

3.2 仿真流程

在Repast平臺下對應(yīng)用建立的基于多Agent的人員疏散模型進(jìn)行仿真。圖3模擬的是一個24 m×25 m的超市布局圖，分布于其中的被疏散人員Agent 的初始狀態(tài)屬性均隨機(jī)給定，而且每次模擬的 Agent 初始狀態(tài)均相同，人數(shù)定為300人，出口寬度為2.5 m，出口數(shù)量為一個。Agent的個體屬性如圖3中的圖例所示，圖中：黑顏色表示該Agent為青壯年;白顏色表示該Agent為老幼病弱者;磚黃色顏色的區(qū)域代表通道;綠顏色的邊框代表邊界;綠顏色的區(qū)域代表貨架;布局圖右側(cè)的磚黃色突出的區(qū)域代表出口。

3.3 不同情況下的人員疏散的過程仿真與分析

人員疏散的情況分為無引導(dǎo)、有固定指示信息引導(dǎo)和有現(xiàn)場引導(dǎo)員引導(dǎo)疏散三種情況。

情況一：無引導(dǎo)下的人員疏散

在該情況下，Agent沒有獲取任何關(guān)于出口方向提示和路徑選擇的信息，所有被疏散人員行進(jìn)的長度之和為11 059 m，完全疏散完畢的時間為79.5 s。

情況二：有固定指示的人員疏散

在該情況下，Agent能夠接收來自標(biāo)有安全出口方向指示的標(biāo)識帶來的信息，并在該信息的指引下選擇路徑，所有被疏散人員行進(jìn)的長度之和為6 811 m，完全疏散完畢的時間為48 s。

情況三：有引導(dǎo)者的人員疏散

在該情況下，由于現(xiàn)場引導(dǎo)者從宏觀上掌握了各通道上的人員分布情況，Agent在現(xiàn)場引導(dǎo)者的指引下沿著提供的路徑進(jìn)行疏散，所有被疏散人員行進(jìn)的長度之和為5 534 m，完全疏散完畢的時間為38.5 s。

圖4表明了疏散時間經(jīng)過25 s后，三種情況下人員疏散的分布圖。

圖5對比了在三種情況下，人員疏散隨時間的變化情況，可以看出，在相同的疏散時間內(nèi)，情況三剩余的人數(shù)最少，情況二次之，而情況一最多。通過以上的仿真結(jié)果，可以得出如下結(jié)論：

1） 情況三的疏散完畢時間最短，情況二次之，情況一最長。Agent在無引導(dǎo)信息的情況下，在尋找出口的過程中會嘗試許多無效路徑或者是冗余路徑，所有Agent這種行為集合，勢必會增加疏散環(huán)境的混亂度，為人員的及時疏散帶來更多的困難。因此，在人員疏散的過程中加入引導(dǎo)信息顯得異常重要。

2） 疏散場所中帶有出口標(biāo)識的指示牌等固定引導(dǎo)信息，能夠有效地指引人群走向安全出口。但是在某些情況下，由于思維慣性或者其他原因，眾多Agent在多條路徑中選擇了相同的路徑，因此會出現(xiàn)某條路徑上的人員擁擠導(dǎo)致疏散緩慢。從仿真結(jié)果可以看出，在疏散場所中加入引導(dǎo)員，通過引導(dǎo)員獲得各路徑上的人員分布狀況的動態(tài)信息，來實時地對Agent做出方向指引，能夠很大程度上彌補(bǔ)固定信息指引的不足。

3） 引導(dǎo)員的分布應(yīng)盡量在路徑交叉的地方以及人員有可能大規(guī)模聚集的地方，這樣才能有效地完成疏導(dǎo)信息的傳達(dá)，以幫助被疏散人員盡快到達(dá)安全出口。

4 結(jié) 語

本文引入多Agent技術(shù)，對應(yīng)急疏散模型進(jìn)行了設(shè)計與實現(xiàn)。仿真結(jié)果表明，引導(dǎo)信息尤其引導(dǎo)員能夠更好地提高疏散效率?？紤]到緊急情況下各種復(fù)雜因素導(dǎo)致靜態(tài)數(shù)學(xué)模型和仿真技術(shù)拿不出好的解決方案。在這種情況下使得基于多Agent思想建立的模型更具有科學(xué)性和前瞻性，更能適應(yīng)當(dāng)前動態(tài)變化的環(huán)境。隨著模型及相應(yīng)仿真軟件的不斷優(yōu)化，相信它們將在人群疏散的實際工作中扮演著越來越重要的角色。

參考文獻(xiàn)

[1] 李暉，王漢寧，曾文聰，等.宏觀場景指導(dǎo)下的微觀Agent人員疏散仿真模型[J].計算機(jī)應(yīng)用研究，2011，28（11）：4111?4114.

LI Hui， WANG Hanning， ZENG Wencong， et al. Research on micro?agent simulation model of evacuation under direction of macro?scene [J]. Application research of computers， 2011， 28（11）： 4111?4114.

[2] 吳健宏，翁文國，倪順江.不同路徑選擇策略的城市疏散仿真研究[J].系統(tǒng)仿真學(xué)報，2013，25（1）：122?126.

WU Jianhong， WENG Wenguo， NI Shunjiang. Simulation study on urban evacuation with different route choice strategies [J]. Journal of system simulation， 2013， 25（1）： 122?126.

[3] 張俊瑞，陳立潮，潘理虎，等.基于多Agent的煤礦井下礦工逃生模型研究[J].計算機(jī)工程與設(shè)計，2012，33（12）：4657?4662.

ZHANG Junrui， CHEN Lichao， PAN Lihu， et al. Study on agent based model of underground coal miners escaping [J]. Computer engineering and design， 2012， 33（12）： 4657?4662.

[4] 陳淼，韓端鋒，于洋，等.基于Agent的艦船人員疏散模型研究[J].計算機(jī)工程與科學(xué)，2013，35（4）：163?167.

CHEN Miao， HAN Duanfeng， YU Yang， et al. Ship passenger evacuation model based on agent theory [J]. Computer engineering & science， 2013， 35（4）： 163?167.

[5] 孔祥魁.多智能體的體育場館人群疏散模型[J].現(xiàn)代電子技術(shù)，2017，40（3）：124?126.

KONG Xiangkui. Multi?agent crowd evacuation model in stadium [J]. Modern electronics technique， 2017， 40（3）： 124?126.

[6] 盧娜，劉冬梅，要天林.基于Agent決策行為模型的地下礦火災(zāi)疏散[J].消防科學(xué)與技術(shù)，2016，35（10）：1376?1381.

LU Na， LIU Dongmei， YAO Tianlin. An evacuation simulation of underground mine fire based on the agent decision?making behavior model [J]. Fire science and technology， 2016， 35（10）： 1376?1381.

[7] 田萍.面向艦船人員的應(yīng)急疏散系統(tǒng)仿真[J].艦船科學(xué)技術(shù)，2015，37（2）：192?195.

TIAN Ping. The ship personnel system for emergency evacuation simulation [J]. Ship science and technology， 2015， 37（2）： 192?195.

[8] WOOLDRIDGE M， JENNINGS N R， KINNY D. The Gaia methodology for agent?oriented analysis and design [J]. Autonomous agents and multi?agent systems， 2000， 3（3）： 285?312.

[9] SPRUMONT F， MULLER J P. AMACOIA： a multi?agent system for designing flexible assembly lines [J]. Applied artificial intelligence， 1997， 11（6）： 573?589.

[10] BURSTEDDE C， KLAUCK K， SCHADSCHNEIDER A， et al. Simulation of pedestrian dynamics using a two?dimensional cellular automaton [J]. Physica A： statistical mechanics & its applications， 2001， 295（3/4）： 507?525.