基于改进PSO算法的人群疏散模型
发布时间：2021-11-29 08:56
针对粒子群优化算法（PSO）在疏散模拟中局部寻优能力差、易过早收敛的问题,提出了一种基于改进PSO算法的人群疏散模型。在原有模型基础上引入正向驱动力、排斥驱动力、疏散人员的恐慌程度等因子;根据环境因素和人群移动动态调整疏散人员的方向,并在最佳出口选择机制下趋向理想出口;对出口位置等物理因素进行疏散效率的参数化仿真实验。实验结果表明了疏散模型的有效性,可有效避免疏散过程中的局部拥堵现象,从而为建筑设计与管理人员提供合理参考。
【文章来源】：系统仿真学报. 2020,32(06)北大核心CSCD
【文章页数】：9 页
【部分图文】：
实验场景图Fig.1Experimentalscene
?340依次递增。行人的初始速度Speed=1.2m/s，视野半径取10m[9]，各个代理的属性Ai，Bi和恐慌系数p均设定为0~1之间的随机数。在每次模拟中所有代理的初始位置随机且彼此不重叠，所得结果取多次实验的平均值。(1)实验1：出口位置对疏散效率的影响在实验中，先设定代理数为60，并将2个出口置于不同位置进行实验，每次实验中行人的初始位置随机给定，图2是出口在上下中间位置时进行疏散的进程图。图1实验场景图Fig.1Experimentalscene(a)疏散前期代理分布(b)疏散中期代理分布(c)疏散后期代理分布图2实验1疏散进程图Fig.2Evacuationprocessmapofexperiment1对于出口在不同位置时的疏散过程，得到的人群疏散路线如图3所示。
第32卷第6期Vol.32No.62020年6月李昌华,等:基于改进PSO算法的人群疏散模型Jun.,2020http:∥www.china-simulation.com1005(a)出口位置在上下中间位置(b)出口在上下对角位置(c)出口在上下同边位置图3实验1疏散路线图Fig.3Evacuationrouteofexperiment1通过图3中的疏散路线图，在仿真过程中，代理根据与出口之间的相对位置和出口的拥堵情况进行出口的选择，很好地避免了某个出口过于拥堵对疏散效率的影响。但在内部的拐弯处会出现疏散路线的交织现象，由于在该区域易于拥堵，体现了疏散过程中的快即是慢。在2个出口位于上下同边位置，2个出口对大多数代理的吸引力没有显著差异，2个出口之间存在耦合，增加了出口附近形成堵塞的可能性，所以在疏散路线上形成交叉，易造成疏散过程中的碰撞；而在2个出口位于上下中间位置，则很好的避免了这一情况，疏散路线较为分散，能够兼顾到各个区域的人员疏散。改变疏散场景中的代理数目分别进行100次实验，取仿真结果的平均值。2个出口分布在3个不同位置的情况下，区域中代理数量的变化所得到的平均疏散时间和最终疏散时间的变化规律如图4所示。(a)平均疏散时间对比(b)最终疏散时间对比图4出口在不同位置疏散时间对比图Fig.4Comparisonofevacuationtimeatdifferentlocations由图4(a)中的变化曲线可知，随着代理个数的增加平均疏散时间曲线整体呈上升趋势，在代理数<60时，平均疏散时间呈小幅下降，这是由于在改进的算法中考虑了人的恐慌因素，在疏散环境中代理数过小时，某些代理的视野中无其他代理，更易产生对于疏散方向的判断错误。在代理个数较少时，平均疏散时间的变化率较小，而当代理个数增
【参考文献】：
期刊论文
[1]带有视野半径的PSO人群疏散模型[J]. 赵子骏,王坚,王超. 中国公共安全(学术版). 2016(04)
[2]人行桥上突发事件下的人群恐慌行为模型研究[J]. 刘箴,黄鹏. 系统仿真学报. 2012(09)
[3]基于粒子群算法（PSO）的人员疏散动力学模型[J]. 郑瑶辰,陈建桥,魏俊红,郭细伟. 武汉理工大学学报(交通科学与工程版). 2012(02)
本文编号：3526219
【文章来源】：系统仿真学报. 2020,32(06)北大核心CSCD
【文章页数】：9 页
【部分图文】：
实验场景图Fig.1Experimentalscene
?340依次递增。行人的初始速度Speed=1.2m/s，视野半径取10m[9]，各个代理的属性Ai，Bi和恐慌系数p均设定为0~1之间的随机数。在每次模拟中所有代理的初始位置随机且彼此不重叠，所得结果取多次实验的平均值。(1)实验1：出口位置对疏散效率的影响在实验中，先设定代理数为60，并将2个出口置于不同位置进行实验，每次实验中行人的初始位置随机给定，图2是出口在上下中间位置时进行疏散的进程图。图1实验场景图Fig.1Experimentalscene(a)疏散前期代理分布(b)疏散中期代理分布(c)疏散后期代理分布图2实验1疏散进程图Fig.2Evacuationprocessmapofexperiment1对于出口在不同位置时的疏散过程，得到的人群疏散路线如图3所示。
第32卷第6期Vol.32No.62020年6月李昌华,等:基于改进PSO算法的人群疏散模型Jun.,2020http:∥www.china-simulation.com1005(a)出口位置在上下中间位置(b)出口在上下对角位置(c)出口在上下同边位置图3实验1疏散路线图Fig.3Evacuationrouteofexperiment1通过图3中的疏散路线图，在仿真过程中，代理根据与出口之间的相对位置和出口的拥堵情况进行出口的选择，很好地避免了某个出口过于拥堵对疏散效率的影响。但在内部的拐弯处会出现疏散路线的交织现象，由于在该区域易于拥堵，体现了疏散过程中的快即是慢。在2个出口位于上下同边位置，2个出口对大多数代理的吸引力没有显著差异，2个出口之间存在耦合，增加了出口附近形成堵塞的可能性，所以在疏散路线上形成交叉，易造成疏散过程中的碰撞；而在2个出口位于上下中间位置，则很好的避免了这一情况，疏散路线较为分散，能够兼顾到各个区域的人员疏散。改变疏散场景中的代理数目分别进行100次实验，取仿真结果的平均值。2个出口分布在3个不同位置的情况下，区域中代理数量的变化所得到的平均疏散时间和最终疏散时间的变化规律如图4所示。(a)平均疏散时间对比(b)最终疏散时间对比图4出口在不同位置疏散时间对比图Fig.4Comparisonofevacuationtimeatdifferentlocations由图4(a)中的变化曲线可知，随着代理个数的增加平均疏散时间曲线整体呈上升趋势，在代理数<60时，平均疏散时间呈小幅下降，这是由于在改进的算法中考虑了人的恐慌因素，在疏散环境中代理数过小时，某些代理的视野中无其他代理，更易产生对于疏散方向的判断错误。在代理个数较少时，平均疏散时间的变化率较小，而当代理个数增
【参考文献】：
期刊论文
[1]带有视野半径的PSO人群疏散模型[J]. 赵子骏,王坚,王超. 中国公共安全(学术版). 2016(04)
[2]人行桥上突发事件下的人群恐慌行为模型研究[J]. 刘箴,黄鹏. 系统仿真学报. 2012(09)
[3]基于粒子群算法（PSO）的人员疏散动力学模型[J]. 郑瑶辰,陈建桥,魏俊红,郭细伟. 武汉理工大学学报(交通科学与工程版). 2012(02)
本文编号：3526219
本文链接：https://www.wllwen.com/guanlilunwen/zhengwuguanli/3526219.html
