基于多Agent的人員應急疏散模型設計與實現

張繼成 羊秋玲

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

關鍵詞： 多Agent; 應急疏散模型; 算法設計; 路徑規劃; 疏散效率; 過程仿真

中圖分類號： TN911?34; TP391.9 文獻標識碼： 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，伴隨著城市規模的日益擴大，大量的人群聚集、流動通常情況下不會引發嚴重問題，但如遭遇火災的緊急疏散中，人們就可能由于擁擠而跌倒，甚至發生嚴重的傷亡事故。面對突發性事件，倘若不能采取有效的人員應急疏散措施，后果將不可估量。對突發事件進行真實試驗代價昂貴，多數學者都是基于Agent進行仿真建模來研究人員疏散模型。文獻[1?2]提出通用的Agent人員疏散仿真模型，文獻[3?7]對多Agent應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行了研究。本文通過對受災區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，對疏散模型進行算法設計并實現，對不同情況下的人員疏散的過程進行仿真，結果表明，引導信息特別是引導員能夠提高疏散效率。研究對于制定科學合理的應急疏散預案，減少災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相當智能，能夠自我管理、自我學習，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實中的應用特別是協作求解造成了較大的影響，于是提出多Agent的概念，并應運而生了多Agent系統，其特點為每個Agent之間的自組織能力和協同能力。

1.1 人員疏散的環境假設及Agent屬性

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

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

3） 在t時刻，Agent要考慮其周圍網格的性質以及自身狀況，選擇能夠到達的最優網格作為t+1時刻的目標網格。

4） 多個Agent競爭同一網格時，則對它們的競爭能力做一個對比。最終優勝的Agent將獲得進入其目標網格的資格，落選的Agent則選擇其鄰域內的次優網格（密度吸引力小）作為移動目標。

5） 疏散人員對疏散路線的選擇由Agent的行為模式決定，行為模式不同，則選擇的目標網格也不同。

2 算法設計說明與流程

2.1 自發疏散的路徑規劃算法

在無引導的情況下，Agent自發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，目標選擇通常采用基于子目標最短路徑規劃算法，算法基本假設如下：

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

2） 若不可達，個體在子目標庫中選取直達的最優子目標，進入該子目標后，然后再朝著出口方向靠攏，反之則再選擇一個中間子目標，如此反復。選擇最佳子目標的方法是，在可見區域內窮舉搜索所有的子目標選出最優的。具體算法的流程如圖1所示。

2.2 有固定指示下的路徑規劃算法

固定指示指的是有指示出口方向的路標或者指示牌等標識，Agent在固定指示標識的引導下，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中的前進方向為例對算法進行說明，2號網格定義為直線網格，1號和3號定義為邊角網格，4號和8號定義為平行網格。

1） Agent優先選擇指示的正方向的直線網格（2號網格）為下一目標網格。

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

3） 若次優網格也被障礙物或其他Agent占據時，選擇目前位置網格平行的網格（4號網格和8號網格）作為下一目標網格。若兩網格均未被占據，則隨機選取其中之一移動。

4） 若均被占據，Agent選擇等待直至有目標網格空閑為止再進行移動。

當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出口。此時，Agent判斷每個方向在可見區域的范圍內的人數來估計道路的通暢情況。選擇人數最少的方向的固定指示作為當前指示，并沿指示方向行進直到下一固定指示出現。

2.3 有動態信息指示下的路徑規劃算法

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

2.4 考慮競爭情況下的路徑規劃算法

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

3 基于多Agent的人員疏散模型的仿真實現

3.1 仿真軟件設計

此仿真軟件的功能主要是對公共場所人員疏散的模擬，在設計過程中運用了基于Agent的建模方法，共包含兩層：表現層和執行層。表現層是通過界面Agent來實現，負責對其他Agent以更直觀的方式展現給用戶。執行層包括：引導員Agent，對疏散人員起引導作用。青壯年Agent與老弱Agent是公共場所內需要疏散的人群，障礙物Agent是在要疏散場所中對疏散過程中產生阻礙作用的物體。

3.2 仿真流程

在Repast平臺下對應用建立的基于多Agent的人員疏散模型進行仿真。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 的初始狀態屬性均隨機給定，而且每次模擬的 Agent 初始狀態均相同，人數定為300人，出口寬度為2.5 m，出口數量為一個。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;磚黃色顏色的區域代表通道;綠顏色的邊框代表邊界;綠顏色的區域代表貨架;布局圖右側的磚黃色突出的區域代表出口。

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、有固定指示信息引導和有現場引導員引導疏散三種情況。

情況一：無引導下的人員疏散

在該情況下，Agent沒有獲取任何關于出口方向提示和路徑選擇的信息，所有被疏散人員行進的長度之和為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能夠接收來自標有安全出口方向指示的標識帶來的信息，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：有引導者的人員疏散

在該情況下，由于現場引導者從宏觀上掌握了各通道上的人員分布情況，Agent在現場引導者的指引下沿著提供的路徑進行疏散，所有被疏散人員行進的長度之和為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，情況三剩余的人數最少，情況二次之，而情況一最多。通過以上的仿真結果，可以得出如下結論：

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信息顯得異常重要。

2） 疏散場所中帶有出口標識的指示牌等固定引導信息，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，因此會出現某條路徑上的人員擁擠導致疏散緩慢。從仿真結果可以看出，在疏散場所中加入引導員，通過引導員獲得各路徑上的人員分布狀況的動態信息，來實時地對Agent做出方向指引，能夠很大程度上彌補固定信息指引的不足。

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

4 結 語

本文引入多Agent技術，對應急疏散模型進行了設計與實現。仿真結果表明，引導信息尤其引導員能夠更好地提高疏散效率。考慮到緊急情況下各種復雜因素導致靜態數學模型和仿真技術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性和前瞻性，更能適應當前動態變化的環境。隨著模型及相應仿真軟件的不斷優化，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

[1] 李暉，王漢寧，曾文聰，等.宏觀場景指導下的微觀Agent人員疏散仿真模型[J].計算機應用研究，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].系統仿真學報，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].計算機工程與設計，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].計算機工程與科學，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].現代電子技術，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疏散[J].消防科學與技術，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.面向艦船人員的應急疏散系統仿真[J].艦船科學技術，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.