基于有限理性约束的自适应人群疏散仿真模型

为有效提高人群拥堵时的疏散模拟精度,基于社会力模型和有限理性约束,提出一种自适应人群疏散仿真模型。该模型改进了传统社会力模型中行人自驱动力的期望方向和期望速度,对避障情况下行人的最优运动方向和速度进行自适应计算,同时引入有限理性路径决策机制,更为准确地描述行人在拥堵状态下的路径选择行为。结果表明：所提出的模型是可行有效的,行人的有限理性约束在人群密度较大的时候表现出疏散优势,更加符合真实情况下的人群疏散过程。     

一种应用于人群仿真的改进社会力模型

针对传统社会力模型在人群疏散过程中,难以处理行人轨迹单一、人群松散等问题,提出了一种改进的社会力模型.在原有模型基础上,通过考虑行人疏散过程中运动方向的选择,改进行人疏散过程中的轨迹;然后考虑行人疏散过程中恐慌情绪和吸引力的强度,再现行人疏散运动过程中自组织行为,并进行个人及群组模式下的模拟仿真;引入真实视频中自组织群...     

社会力模型中行人的心理因素和随机行为对人群疏散过程的影响

对人群的集体运动进行模拟在基础研究和辅助交通设施设计方面都有重要意义。基于流行的社会力模型,改进的社会力模型考虑了行人的心理因素和行人运动随机性对人群运动行为的影响,可以更真实的模拟人群的实际运动行为。人群疏散行为是一个典型的人群运动问题。利用改进的社会力模型对人群疏散行为进行了模拟,结果表明,在行人密度较大,行人间距离较小的竞争性或恐慌性的疏散模式下,心理因素和随机因素对人群的运动行为有明显的影响。在疏散过程中,行人一定程度的焦虑会提高疏散效率,但是过高的焦虑程度反而不利于人群的疏散;行人随机行为也可以明显的缩短疏散时间,但是随机因子在一定范围内的选择并不会明显影响行人疏散的效率。     

多出口场景下考虑危险信息传播的人员疏散模拟研究

并非所有人员在疏散初期便获取危险信息,为研究多出口场景下考虑信息传播的行人出口选择行为,基于元胞自动机构建考虑到出口的距离、出口前的拥挤程度和对危险信息的了解程度的出口选择模型.该模型包括固执行人、易感行人和理智行人三类行人信息处理差异及状态转换.通过仿真模拟分析信息影响力、危险传播范围、各类行人占比和危险源位置对出口利用率和疏散时间的影响.结果表明,信息传播力的增加可以促进行人改变出口;而危险传播范围增加会抑制行人更换出口;理智行人占比变化对不同场景影响出现显著差异,理智行人的增加可能会加重出口利用率的不平衡.     

高层建筑垂直应急疏散系统的仿真研究

针对传统高层建筑楼梯应急疏散的弊端，建立了高层建筑垂直应急疏散系统的仿真模型，并进行了仿真实验研究。仿真模型包括楼梯疏散和电梯疏散两个模块，分别以人流在楼梯中的‘步行速度和电梯疏散时间的计算为基础。仿真实验结果可以反映人群的拥挤和电梯行驶等基本现象，并对电梯应急疏散系统的评价和高层建筑应急预案的设计有一定的参考作用。     

基于蚁群算法的人车混合疏散优化及混合比例分析

为解决紧急情况下的人车混合疏散问题, 以人车混合疏散的总时间最短、混合道路利用程度最高为目标,建立了一种人车混合疏散的多目标优化模型, 针对该模型设计了多目标蚁群优化算法及其改进算法,并应用于大型体育场及其周边路网集成环境中进行了仿真实验, 分析了不同人车混合比例下的疏散性能,结果表明:该模型及算法对人车混合交通流疏散问题具有良好的效果, 尤其是当行人所占比例为 50%-80% 时,人车混合疏散效果在两个目标上较优.该模型和算法有助于为大型公共场所人车混合安全疏散预案的制定提供决策支持.     

基于危险源影响的地铁车站乘客疏散仿真模型

为研究地铁车站在危险源突发事件条件下乘客主观能动性和外界环境对疏散过程的影响,结合危险源场景特征对乘客疏散过程进行社会力分析,建立基于危险源的社会力模型.模型考虑了乘客的主观能动性,调整自驱动力中期望速度大小和方向的确定方法及更新规则,并针对外界环境的影响,引入危险源对乘客的排斥力.以上海地铁某车站站台层为场景进行算例应用及分析,仿真结果表明:模型能较好地模拟危险源突发事件下乘客疏散过程.为减少疏散时间,车站疏散组织工作要安排乘客合理绕行,控制危险源范围,当车站密度小时,要提高乘客期望速度,而车站密度大时,则要提高瓶颈的通行效率.     

考虑出口选择因素的行人疏散模拟研究

为准确地描述行人的出口选择问题,通过建立出口选择模型、并程序模拟仿真的方法,讨论了决定行人出口选择的三个关键因素:距离、密度和出口宽度。以两出口为例研究表明:只考虑距离作用时,等宽度的两个出口的疏散行人数量由对应的疏散区域决定;进一步考虑密度因素作用后,可有效平衡两个出口的疏散行人,实现了疏散的动态优化;出口宽度不相等时,必须同时考虑3个因素对出口选择的作用,才能更合理地描述疏散过程。该出口选择模型可有效地描述行人动力学特征,适用于非单一出口的一般情况。     

基于演化博弈理论的疏散动力学研究

为了研究个体合作行为对行人整体疏散效率的影响,结合元胞自动机与社会力模型对疏散系统动力学与“合作行为”的共演化进行了研究,提出了基于演化博弈理论的疏散动力学研究方法。采用元胞自动机模型为基础仿真框架,利用社会力模型来表征行人间的心理斥力,通过演化博弈实现疏散个体策略更新。仿真实验结果表明：当博弈增益系数超过一定阈值时群体的稳定合作比率会急剧上升,且合作行为能有效促进疏散效率。     

基于风险感知的室内疏散情绪传染与干预策略研究

针对突发事件下多出口多障碍物室内紧急疏散过程中恐慌情绪传染问题,综合考虑人格特性,年龄、性别上的风险感知差异以及意识调节作用构建情绪传染模型,利用AnyLogic进行模拟仿真,将个体情绪与疏散速度结合,实现情绪状态与速度的实时更新。验证疏散过程人员干预可以有效缓解恐慌情绪的蔓延,以期为紧急疏散过程中恐慌情绪传染提供理论依据。结果表明：自身判断力即意识调节作用在一定程度上可以有效降低疏散时间;初始恐慌人数持续增加最终会导致群体间恐慌情绪传染加快以及疏散时间增加;风险感知程度越低,行人更容易处于冷静状态;合理安排管理员位置可以有效抑制恐慌情绪蔓延,提高整体疏散效率。     

基于改进PSO算法的人群疏散模型

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。     

基于协作式深度强化学习的火灾应急疏散仿真研究

火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明：所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。     

基于改进A*算法的多层邮轮疏散系统仿真

为解决海上航行应急疏散效率低下的问题,提出一种基于改进A*算法的应急疏散系统。以网络流模型为基础,采用邻接节点的遍历方式完成路径搜索,并在代价值的计算中加入路径人员密度和路径障碍物的影响,使算法更具实用性。为提升算法效率,对网络进行节点优化,给出单层多出口情况下的多路径择优方案,并考虑在路径发生拥堵时进行二次规划。仿真结果表明：该系统能够为多层大型邮轮上的人员提供一条有效的疏散路径,不仅在安全性方面可以有效避免路段拥堵情况,而且在疏散时间方面较传统A*算法更短,疏散效果更好。     

一种面向人群仿真的改进型社会力模型研究

在人群仿真领域,社会力模型的应用和改进研究仍是一个热点问题。在Helbing社会力模型的基础上,引入人群个体之间的排斥力和转向力,改进了人群在正常状态下的行走行为模型。对恐慌人群,提出了期望速度、人群密度、恐慌值的计算方法,拟定一些约束条件来改善动画显示效果。在微机上使用Direct3D实现了人群行为动画,实验结果表明,改进的模型能够较好地模拟人群行为。     

基于改进蚁群算法的建筑火灾疏散路径规划研究

针对综合建筑火灾中人员疏散路径动态规划问题,以待疏散人员所需逃生时间最短为目标,考虑火灾产物和人群密度对人员逃生速度的影响,构建基于改进蚁群算法的人员疏散路径规划模型。建立由障碍物顶点栅格构成的疏散网络数据模型,改进蚁群算法的启发函数、死锁处理策略,引入烟花算法中的爆炸算子优化蚂蚁路径,以某综合建筑为例进行仿真实验。结果表明：该模型不仅能够避免疏散路径经过危险区域,还可根据建筑环境状况和人员分布情况实时调整疏散路径,提高了人员疏散路径安全性。     

Study on the Robot Robust Adaptive Control Based on Neural Networks

Force control based on neural networks is presented. Under the framework of hybrid control, an RBF neural network is used to compensate for all the uncertainties from robot dynamics and unknown environment first. The technique will improve the adaptability to environment stiffness when the end-effector is in contact with the environment, and does not require any a priori knowledge on the upper bound of syste uncertainties. Moreover, it need not compute the inverse of inertia matrix. Learning algorithms for neural networks to minimize the force error directly are designed. Simulation results have shown a better force/position tracking when neural network is used.     

基于有限理性路径决策的人员疏散双层模型

人员在疏散过程中难以获得关于疏散路径的全部信息，因此，确定疏散路径时仅能选取满意的而非最优的疏散路径.考虑疏散人员所能获知的疏散路径长度、拥挤程度和危险程度信息构建了人员疏散双层模型.该模型包括上层的人员路径选择模块和下层的人员空间移动模块，分别刻画了个体的有限理性路径选择行为和疏散运动过程.通过实例仿真，分析了出口宽度和有限理性参数对疏散人员路径选择和疏散时间的影响规律，结果可为建筑设计和疏散应急管理提供一定的依据.