基于Agent地铁人员疏散模型仿真研究

发布时间：2017-08-19 11:26

  本文关键词：基于Agent地铁人员疏散模型仿真研究

  更多相关文章： Agent 人员疏散 PSO 疏散模型 地铁车站

【摘要】：随着现代化城市交通的不断发展和完善,地铁在大客流运输方面承担着重要的任务。其能耗低,污染小,对城市和社会的经济发展意义大。由于建筑结构和布局方面的特殊性,以及客流量大、人员集中的特点,地铁场所又是群死群伤、损失惨重的恶性公共安全事件易发生地点。因而人员应急疏散成为当今地铁安全管理的重点。分析疏散环境,构建合理疏散模型,准确进行人员疏散仿真,具有一定的价值和意义。本文主要工作内容如下:(1)基于地铁车站的建筑结构和应急状态下的疏散环境,分析了影响人员疏散行为的因素,以应急状态下人类行为和心理为基础,分析紧急状态下人员可能产生的心理及相应的行为以及这些行为对疏散过程的影响。(2)疏散模型的构建。考虑个体在疏散中行为和认知的差异,将疏散人群分为三类,引入人工智能理论中智能Agent技术作为构建地铁人员疏散模型手段,在Multi-Agent系统下,构建疏散模型仿真框架,并给出模型的数学描述。该模型由多个不同模块组成,采用元胞自动机理论对疏散环境进行网格划分和空间几何建模,将每个疏散人员看成一个独立的Agent,每个Agent通过自身属性和外界环境信息控制自身,从而在地铁环境中运动。(3)对基本微粒群算法进行改进。本文利用遗传算法理论将基本微粒群算法进行改进,并应用到模型中。通过遗传算法和微粒群算法的结合,寻到一组近似最优的疏散指令序列,在这一疏散指令序列的指示下,Agent结合自身的生理、心理和决策开始行动并向安全出口逃生。算法的改进实现了静态模型向动态模型的转化,并利用测试函数对本文提出的改进的微粒群算法与基本微粒群算法遗传算法进行对比测试并对测试结果进行分析。(4)开发疏散仿真程序。选用杭州武林广场地铁车站及一些设定的场景,利用此模型模拟人员疏散、对疏散行为进行仿真并计算疏散时间,证明了该模型有较好的拟真度,并结合仿真结果提出地铁日常疏散建议。
【关键词】：Agent 人员疏散 PSO 疏散模型 地铁车站
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U298;TP18
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-14
• 1 绪论14-23
• 1.1 研究背景14-15
• 1.2 地铁疏散研究的目的与意义15-16
• 1.3 地铁人员疏散模型国内外研究现状16-20
• 1.3.1 人员疏散模型研究现状16-19
• 1.3.2 地铁人员疏散研究进展分析19-20
• 1.4 本文研究内容及结构安排20-22
• 1.4.1 论文主要研究内容20
• 1.4.2 论文结构安排20-21
• 1.4.3 技术路线21-22
• 1.5 本章小结22-23
• 2 地铁车站疏散环境和人员疏散行为分析23-31
• 2.1 地铁建筑物特点23-26
• 2.1.1 结构复杂23-24
• 2.1.2 人员密度大24
• 2.1.3 疏散距离长、排烟排热困难24
• 2.1.4 安全疏散时间短24-26
• 2.2 疏散心理特征分析26-29
• 2.2.1 人员生理因素26-27
• 2.2.2 人群心理分析27-29
• 2.3 人员疏散行为29-30
• 2.4 疏散人员密度与速度分析30
• 2.5 本章小结30-31
• 3 基于Agent疏散模型建立31-43
• 3.1 Agent理论31-33
• 3.2 Multi-Agent系统33
• 3.3 疏散模型构建33-36
• 3.4 模型数学描述36-37
• 3.5 模型主要部分37-42
• 3.5.1 环境空间建模37-39
• 3.5.2 个体Agent属性模型39
• 3.5.3 Agent的决策39-41
• 3.5.4 Agent行动41-42
• 3.6 本章小结42-43
• 4 基于改进的微粒群优化算法人员移动模型43-57
• 4.1 基本微粒群优化算法43-44
• 4.1.1 算法原理43-44
• 4.1.2 算法特点44
• 4.2 PSO算法的改进方法44-46
• 4.3 改进的PSO算法在疏散过程中的应用46-50
• 4.4 改进的算法特征分析50-55
• 4.5 疏散行为仿真55-56
• 4.5.1 疏散人群拥挤行为55
• 4.5.2 疏散人群排队行为55-56
• 4.6 本章小结56-57
• 5 基于Agent人员疏散微观模型仿真实例57-68
• 5.1 疏散仿真平台57
• 5.2 地铁车站模型仿真57-60
• 5.2.1 疏散环境初始化58-59
• 5.2.2 人员属性初始化59-60
• 5.3 仿真结果分析60-67
• 5.3.1 疏散过程分析60-62
• 5.3.2 模型特征分析62-63
• 5.3.3 疏散时间分析63-67
• 5.4 地铁安全管理建议67
• 5.5 本章小结67-68
• 6 总结与展望68-70
• 6.1 总结68-69
• 6.2 展望69-70
• 参考文献70-74
• 作者简介74

【相似文献】

中国期刊全文数据库 前10条

1 张志刚;;多Agent新型变电站自动化系统方案的研究[J];有色金属设计;2009年01期

2 ;THE STUDY OF ELECTROLESS NICKEL ACCELERATING AGENT[J];Acta Metallurgica Sinica(English Letters);1999年05期

3 黄逸民,张建明,王树青;基于多Agent的智能决策支持系统[J];化工自动化及仪表;2003年05期

4 阎馨;付华;阚毅;;基于多Agent信息融合的煤与瓦斯突出预测[J];控制工程;2012年03期

5 ;MULTI-FUNCTIONAL EQUIPMENT MAINTENANCE AGENT[J];China Oil & Gas;1997年04期

6 文邦友;;基于Agent的智能化水气消防联动控制系统的设计研究[J];中国公共安全(学术版);2013年04期

7 华臻,范辉,李晋江,刘敬云,靳钟铭;基于多Agent的矿井通风仿真系统[J];煤矿机械;2003年04期

8 段东,题正义;基于多Agent的矿井通风仿真系统[J];采矿技术;2005年02期

9 陈悦;袁小平;马桂军;刘锟;;基于多Agent的实验系统研究[J];能源技术与管理;2006年05期

10 ;SYNTHESIS AND APPLICATION OF THE NOVEL PAM EMULSION AS PAPER DRY-STRENGTHING AGENT[J];天津科技大学学报;2004年S1期

中国重要会议论文全文数据库 前10条

1 Juárez,S．;Hartweck,L.;Alamillo,J．M．;Simón-Mateo,C．;Pérez,J．J．;Fernández-Fernández,M．R．;Olszewski,N．E．;García,J．A;;THE O-GIcNAc TRANSFERASE SECRET AGENT PLAYS A ROLE IN PLANT VIRUS INFECTION[A];中国植物病理学会2005年学术年会暨植物病理学报创刊50周年纪念会论文集[C];2005年

2 林琪;蔡芳;;多Agent卫星网络效能评估[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

3 张芳;司光亚;罗批;;群落结构中基于Agent的手机短信谣言传播模型研究[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

4 马杰;热合木江;马玉书;;石油钻井故障诊断与事故处理多AGENT协同工作系统[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

5 ;ANALYSIS OF PRINCIPAL-AGENT MODEL WITH GAME THEORY UNDER THE TOTAL CONTRACT MECHANISM[A];2005年中国机械工程学会年会论文集[C];2005年

6 朱勇;张江陵;;基于Agent的网络存储资源管理系统[A];’2004计算机应用技术交流会议论文集[C];2004年

7 李山;邱荣旭;吴静;;基于Agent模拟在旅游研究中的应用与展望[A];中国地理学会2007年学术年会论文摘要集[C];2007年

8 廖守亿;陆宏伟;陈坚;戴金海;;基于Agent的建模与仿真概念化框架[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

9 秦海鸥;;基于二次招/投标协议的Agent联盟形成策略[A];2009年全国开放式分布与并行计算机学术会议论文集(上册)[C];2009年

10 樊玮;陈增强;袁著祉;;多Agent收益管理决策支持系统设计[A];2003年中国智能自动化会议论文集（下册）[C];2003年

中国博士学位论文全文数据库 前10条

1 葛渊峥;基于agent的人工社会框架设计与生成方法[D];国防科学技术大学;2014年

2 林德明;适应性Agent图及其在复杂系统脆性分析中的应用[D];哈尔滨工程大学;2008年

3 李祥全;基于多Agent的软件行业人力资源管理系统若干关键技术研究[D];南京航空航天大学;2007年

4 周桂红;基于多Agent的数控机床远程故障诊断系统研究[D];吉林大学;2008年

5 郭莲英;基于Agent的城市河流水环境智能决策支持系统关键技术研究[D];哈尔滨工程大学;2005年

6 陈飞;基于Agent船载危险品应急管理资源协同分配机制研究[D];大连海事大学;2010年

7 李常洪;多Agent合作机制与合作结构研究[D];天津大学;2003年

8 雷莹;电子市场环境下agent自主谈判决策机制的设计[D];哈尔滨工业大学;2007年

9 龚勇;多Agent联盟形成技术在组合贸易电子商务中的应用研究[D];国防科学技术大学;2005年

10 彭艳斌;基于准则和策略的自治式多agent服务协同体系研究[D];浙江大学;2008年

中国硕士学位论文全文数据库 前10条

1 陈鑫;基于多Agent强化学习的自适应服务组合研究[D];东南大学;2015年

2 费超;考虑任务特性的多Agent系统中任务分配与负载均衡机制研究[D];东南大学;2015年

3 徐诗阳;基于多Agent的农机系统控制模型与仿真研究[D];东北农业大学;2016年

4 刘芳;基于本体与Agent技术的分布式学习资源组织与服务研究[D];云南师范大学;2016年

5 朱玉姣;基于Agent的免疫系统模型研究[D];扬州大学;2016年

6 房晓丹;基于多agent的跑道侵入风险场景仿真与分析研究[D];中国民航大学;2016年

7 佘朝晖;基于多Agent的创新网络形成过程仿真研究[D];湖南大学;2016年

8 谢沁沐;基于多Agent的早高峰公交通勤者仿真研究[D];天津大学;2014年

9 郭晓明;基于多Agent的航空器进离场过程的建模与仿真[D];中国民航大学;2015年

10 王康元;基于多Agent的风电场有功功率调控仿真平台研究[D];华北电力大学;2016年

，

本文编号：700452