耦合改进场域元胞自动机和遗传算法的行人疏散方法

1.本发明涉及行人疏散技术领域，特别涉及一种耦合改进场域元胞自动机和遗传算法的行人疏散方法。


背景技术：

2.在新时代背景下，我国在各方面所体现的综合国力日益提升，其中交通的发展亦是兴国之要、强国之基，在中共中央、国务院印发的《交通强国建设纲要》中明确指出，到2035年，我国基本建成交通强国。行人交通作为最基本的交通方式之一，是交通建设中的重要部分，其相关研究吸引了交通、城市规划、建筑设计、应急管理等诸多领域研究者的广泛关注。在经济水平飞速发展的同时，城镇化进程进一步加速，在过去的数十年里，涌现了一批人口超千万的超一线城市，如北京、上海、广州、深圳等。公共场所内大量人群聚集的现象更加频繁，行人交通管理难度极大，给人群管理以及突发事件应急管理与处置能力提出了严峻挑战。
3.行人微观运动仿真是模拟研究的重点内容之一，也是开展行人交通与应急疏散研究的重要工具，其更多关注行人个体在运动过程中的微观特征以及行人流的宏观运动特征，但是相关理论方法尚有欠缺。


技术实现要素：

4.根据本发明实施例，提供了一种耦合改进场域元胞自动机和遗传算法的行人疏散方法，包含以下步骤：
5.获取待疏散区域的环境数据及内部结构信息；
6.划分待疏散区域内的人群，产生若干初始种群；
7.划分待疏散区域内的环境空间，将环境空间划分成若干个元胞网格；
8.初始化疏散开始前的行人的空间位置和其他各种行人的属性；
9.通过改进的场域元胞自动机仿真程序对每个行人进行遍历；
10.将仿真程序计算得到每个种群的平均疏散完成时间数据作为适应度评价函数并保存；
11.重新处理种群，产生新一代的种群；
12.计算适应度评价函数，判断是否满足终止条件；若满足，则输出最优平均疏散完成时间；否则，转到上一步骤(即重新处理种群，产生新一代的种群)。
13.进一步，划分待疏散区域内的人群，产生初始种群包含：
14.将待疏散区域内人群分割成若干矩形子区，每个子区都被分配一个出口和一个开始疏散时间，每个子区的行人群体都遵从相同的疏散指令，产生初始种群。
15.进一步，划分待疏散区域内的环境空间，将环境空间划分成若干个元胞网格包含：
16.对环境空间进行元胞离散划分，每个子区内可含有多个元胞网格，每个元胞网格的尺寸大小是2r*2rm2，行人用半径r的圆来表示，一个行人可以占据一个元胞网格，每个元
胞网格可以被一个行人占据，即每个行人相当于一个元胞。
17.进一步，待疏散区域包含若干斜通道环境，对于若干斜通道环境还包含一下步骤：
18.将若干斜通道划分成独立的坐标系；
19.扭转若干斜通道内的元胞。
20.进一步，将若干斜通道划分成独立的坐标系包含：
21.令斜通道的径直方向为坐标系的纵轴，令与径直方向垂直的方向为坐标系的横轴。
22.进一步，扭转若干斜通道内的元胞包含：
23.将斜通道内的元胞以坐标系进行扭转，使得元胞网格变为一个底为r，高为r的平行四边形。
24.进一步，通过改进的场域元胞自动机仿真程序对每个行人进行遍历包含：
25.设置路径节点，并计算每个行人从初始起点位置到终点的最短路径；
26.采用moore(摩尔)型领域，计算每个行人邻域范围内元胞网格的静态场值s
i,j
和动态值d
i,j
，
27.s
i,j
＝min{d
i,j,e
},e∈exit
28.其中，i和j表示元胞网格的横纵索引，s
i,j
为从该行人位置到最终出口的最短距离大小；
29.d
i,j
(n+1)＝f(d(n),α,β)+μδd
30.其中，i和j表示元胞网格的横纵索引，d
i,j
(n+1)为元胞网格下一时间步的动态场值，f(d(n),α,β)为当前时间步下的动态场值，α和β分别为玻色子(或者可以称为实时行人运动信息)的扩散和消亡概率，当该邻域元胞上有人占据是μ＝1，否则μ＝0，δd为单位时间步内的玻色子含量；
31.计算元胞网格上的最终移动概率p
i,j
，
32.p
i,j
＝nξ
ij
exp(kdd
i,j-kss
i,j
)
33.其中，i和j表示元胞网格的横纵索引，ξ
ij
为0-1变量，当元胞网格内有人占据时为0，否则为1，kd和ks分别为动态场值和静态场值的计算权重，n的存在主要是为了使得所计算的移动概率在[0,1]取值范围内
[0034]
每个行人会从中选择移动概率最大的空的元胞网格作为下一时间步的移动目标，若周围所有邻域都被其他行人所占据，则该行人停留在原地不动；
[0035]
若该行人此时已经到达疏散出口，则离开系统并消失；
[0036]
若全部行人都已经疏散成功，则遍历结束，否则，继续对系统内仍未疏散出去的行人逐个遍历。
[0037]
进一步，计算每个行人从初始起点位置到终点的最短路径采用采用dijkstra最短路径算法。
[0038]
进一步，重新处理种群包含：对种群进行选择、交叉、变异。
[0039]
根据本发明实施例的耦合改进场域元胞自动机和遗传算法的行人疏散方法，构建了行人微观运动仿真模型和优化算法结合的双层疏散优化框架，进行了复杂场景下密集人群疏散的微观运动仿真和疏散优化；为密集人群管理提供了决策支持，同时对制定合理有效的疏散方案提供了参考；有利于缩短疏散时间，提高突发事件应急管理能力。
[0040]
要理解的是，前面的一般描述和下面的详细描述两者都是示例性的，并且意图在于提供要求保护的技术的进一步说明。
附图说明
[0041]
图1为本发明实施例中的方法流程示意图；
[0042]
图2为本发明实施例中五角场下沉式广场内部平面图；
[0043]
图3为本发明实施例中五角场下沉式广场的空间区域划分图；
[0044]
图4为本发明实施例中场域元胞空间示意图；
[0045]
图5为本发明实施例中斜通道内改进网格划分下的行人运动轨迹；
[0046]
图6为本发明实施例中五角场下沉式广场空间路径节点图；
[0047]
图7为本发明实施例中moore型邻域以及领域内的移动概率示意图。
具体实施方式
[0048]
以下将结合附图，详细描述本发明的优选实施例，对本发明做进一步阐述。
[0049]
首先，将结合图1～7描述根据本发明实施例的耦合改进场域元胞自动机和遗传算法的行人疏散方法，用于行人疏散技术领域中，其应用场景很广。
[0050]
如图1～7所示，本实施例选取某五角场下沉式广场，采用本发明的耦合改进场域元胞自动机和遗传算法的行人疏散方法进行模拟，具体包含以下步骤：
[0051]
步骤s1：如图2所示，获取广场的环境数据及内部结构信息。
[0052]
步骤s2：如图3所示，将广场内人群分割成若干矩形子区m，每个子区m都被分配一个出口和一个开始疏散时间，每个子区m的行人b群体都遵从相同的疏散指令，产生初始种群。若区域并非为规整图形，只要是该划分出来的子区m含有中心广场空间部分，便认为该子区m是合法的。
[0053]
步骤s3：如图4～5所示，对环境空间进行元胞离散划分，每个子区m内可含有多个元胞网格a，每个元胞网格a的尺寸大小是0.4*0.4m2，行人b用半径r＝0.2m的圆来表示，一个行人b可以占据一个元胞网格a，每个元胞网格a可以被一个行人b占据，，即每个行人b相当于一个元胞。
[0054]
进一步地，如图4～5所示，所述步骤s3包含：
[0055]
(1)在斜通道环境空间中，对每个斜通道进行了独立的坐标系划分，令通道径直方向为纵轴，令与通道径直方向垂直的方向为坐标系的横轴。
[0056]
(2)将斜通道内所有元胞以重构的通道坐标系进行了一定的扭转，使得元胞网格a变为一个底为0.4m，高为0.4m的平行四边形。
[0057]
步骤s4：初始化疏散开始前的行人b空间位置和其他各种行人b所需要的行人属性。
[0058]
步骤s5：通过改进的场域元胞自动机仿真程序对每个行人b进行遍历。
[0059]
进一步地，如图6～7所示，所述步骤s5包含：
[0060]
(1)设置50个路径节点c，采用dijkstra最短路算法计算行人b从初始起点位置到终点的最短路径。
[0061]
(2)采用moore型领域，每个行人b周围共有8个邻居元胞，且每个元胞各有一个静
态场值和一个动态场值。计算该行人b周围所有邻域范围内元胞网格a的静态场值s
i,j
：
[0062]si,j
＝min{d
i,j,e
},e∈exit
[0063]
其中，i和j表示元胞网格a的横纵索引，该值为从该行人b的位置到最终出口的最短距离大小。
[0064]
(3)计算该行人b周围所有邻域范围内元胞网格a的动态场值d
i,j
：
[0065]di,j
(n+1)＝f(d(n),α,β)+μδd
[0066]
其中，i和j表示元胞网格a的横纵索引，d
i,j
(n+1)为元胞网格a下一时间步的动态场值，f(d(n),α,β)为当前时间步下的动态场值，α和β分别为玻色子(或者可以称为实时行人b运动信息)的扩散和消亡概率，当该邻域元胞上有行人b占据是μ＝1，否则μ＝0，δd为单位时间步内的玻色子含量。
[0067]
(4)计算元胞网格a上的最终移动概率p
i,j
：
[0068]
p
i,j
＝nξ
ij
exp(kdd
i,j-kss
i,j
)
[0069]
其中，i和j表示元胞网格a的横纵索引，ξ
ij
为0-1变量，当元胞网格a内有人占据时为0，否则为1，kd和ks分别为动态场值和静态场值的计算权重，n的存在主要是为了使得所计算的移动概率在[0,1]取值范围内。
[0070]
(5)行人b会从中选择移动概率最大的空元胞网格a作为下一时间步的移动目标，若周围所有邻域都被其他行人b所占据，则该行人b停留在原地不动，如图7所示。
[0071]
(6)若该行人b此时已经到达疏散出口，则离开系统并消失。
[0072]
(7)若全部行人b都已经疏散成功，则遍历结束，否则，继续对系统内仍未疏散出去的行人b逐个遍历。
[0073]
步骤s6：将仿真程序计算得到每个种群的平均疏散完成时间数据作为适应度评价函数并保存。
[0074]
步骤s7：对种群进行选择、交叉、变异，产生新一代种群。所使用的选择算子为锦标赛法，交叉概率为0.8，变异概率为0.3，终止条件为最大迭代次数150。
[0075]
步骤s8：计算适应度评价函数，判断是否满足终止条件，若满足，则输出最优平均疏散完成时间。否则，转到步骤s7。
[0076]
以上，参照图1～7描述了根据本发明实施例的耦合改进场域元胞自动机和遗传算法的行人疏散方法，构建了行人微观运动仿真模型和优化算法结合的双层疏散优化框架，进行了复杂场景下密集人群疏散的微观运动仿真和疏散优化；为密集人群管理提供了决策支持，同时对制定合理有效的疏散方案提供了参考；有利于缩短疏散时间，提高突发事件应急管理能力。
[0077]
需要说明的是，在本说明书中，术语“包含”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包含一系列要素的过程、方法、物品或者设备不仅包含那些要素，而且还包含没有明确列出的其他要素，或者是还包含为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包含
……”
限定的要素，并不排除在包含所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0078]
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

技术特征：
1.一种耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，包含以下步骤：获取待疏散区域的环境数据及内部结构信息；划分所述待疏散区域内的人群，产生若干初始种群；划分所述待疏散区域内的环境空间，将所述环境空间划分成若干个元胞网格；初始化疏散开始前的行人的空间位置和其他各种行人的属性；通过改进的场域元胞自动机仿真程序对每个行人进行遍历；将仿真程序计算得到每个所述种群的平均疏散完成时间数据作为适应度评价函数并保存；重新处理所述种群，产生新一代的所述种群；计算适应度评价函数，判断是否满足终止条件；若满足，则输出最优平均疏散完成时间；否则，转到上一步骤(即重新处理所述种群，产生新一代的所述种群)。2.如权利要求1所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述划分所述待疏散区域内的人群，产生初始种群包含：将所述待疏散区域内人群分割成若干矩形子区，每个所述子区都被分配一个出口和一个开始疏散时间，每个所述子区的行人群体都遵从相同的疏散指令，产生所述初始种群。3.如权利要求1所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述划分所述待疏散区域内的环境空间，将所述环境空间划分成若干个元胞网格包含：对所述环境空间进行离散划分，每个所述元胞网格的尺寸大小是2r*2rm2，行人用半径r的圆来表示，一个行人可以占据一个所述元胞网格，每个所述元胞网格可以被一个行人占据。4.如权利要求3所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述待疏散区域包含若干斜通道环境，对于所述若干斜通道环境还包含一下步骤：将若干所述斜通道划分成独立的坐标系；扭转若干所述斜通道内的所述元胞。5.如权利要求3所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述将若干所述斜通道划分成独立的坐标系包含：令所述斜通道的径直方向为所述坐标系的纵轴，令与所述径直方向垂直的方向为所述坐标系的横轴。6.如权利要求3所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述扭转若干所述斜通道内的所述元胞包含：将所述斜通道内的所述元胞以所述坐标系进行扭转，使得所述元胞网格变为一个底为r，高为r的平行四边形。7.如权利要求1所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述通过改进的场域元胞自动机仿真程序对每个行人进行遍历包含：设置路径节点，并计算每个行人从初始起点位置到终点的最短路径；采用moore型领域，计算每个行人邻域范围内所述元胞网格的静态场值s
i,j
和动态值d
i,j
，
s
i,j
＝min{d
i,j,e
},e∈exit其中，i和j表示元胞网格的横纵索引，s
i,j
为从该行人位置到最终出口的最短距离大小；d
i,j
(n+1)＝f(d(n),α,β)+μδd其中，i和j表示元胞网格的横纵索引，d
i,j
(n+1)为元胞网格下一时间步的动态场值，f(d(n),α,β)为当前时间步下的动态场值，α和β分别为玻色子(或者可以称为实时行人运动信息)的扩散和消亡概率，当该邻域元胞上有人占据是μ＝1，否则μ＝0，δd为单位时间步内的玻色子含量；计算所述元胞网格上的最终移动概率p
i,j
，p
i,j
＝nξ
ij
exp(k
d
d
i,j-k
s
s
i,j
)其中，i和j表示元胞网格的横纵索引，ξ
ij
为0-1变量，当元胞网格内有人占据时为0，否则为1，k
d
和k
s
分别为动态场值和静态场值的计算权重，n的存在主要是为了使得所计算的移动概率在[0,1]取值范围内每个行人会从中选择移动概率最大的空的所述元胞网格作为下一时间步的移动目标，若周围所有邻域都被其他行人所占据，则该行人停留在原地不动；若该行人此时已经到达疏散出口，则离开系统并消失；若全部行人都已经疏散成功，则遍历结束，否则，继续对系统内仍未疏散出去的行人逐个遍历。8.如权利要求7所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述计算每个行人从初始起点位置到终点的最短路径采用采用dijkstra最短路径算法。9.如权利要求1所述的耦合改进场域元胞自动机和遗传算法的行人疏散方法，其特征在于，所述重新处理所述种群包含：对所述种群进行选择、交叉、变异。

技术总结
本发明公开了一种耦合改进场域元胞自动机和遗传算法的行人疏散方法，包含以下步骤：获取待疏散区域的环境数据及内部结构信息；划分待疏散区域内的人群，产生若干初始种群；划分待疏散区域内的环境空间，将环境空间划分成若干个元胞；初始化疏散开始前的行人的空间位置和其他各种行人的属性；通过改进的场域元胞自动机仿真程序对每个行人进行遍历；将仿真程序计算得到每个种群的平均疏散完成时间数据作为适应度评价函数并保存；重新处理种群，产生新一代的种群；计算适应度评价函数，判断是否满足终止条件；若满足，则输出最优平均疏散完成时间；否则，转到上一步骤。本发明有利于缩短疏散时间，提高突发事件应急管理能力。提高突发事件应急管理能力。提高突发事件应急管理能力。


技术研发人员：王维莉 王逸文 李海城
受保护的技术使用者：上海海事大学
技术研发日：2023.04.24
技术公布日：2023/7/25