考虑行人流交通特性的人员疏散路径选择模型研究

考虑行人流交通特性的人员疏散路径选择模型研究

ID:17686685

大小:1.85 MB

页数:95页

时间:2018-09-04

上传者:文档小小白
考虑行人流交通特性的人员疏散路径选择模型研究_第1页
考虑行人流交通特性的人员疏散路径选择模型研究_第2页
考虑行人流交通特性的人员疏散路径选择模型研究_第3页
考虑行人流交通特性的人员疏散路径选择模型研究_第4页
考虑行人流交通特性的人员疏散路径选择模型研究_第5页
资源描述:

《考虑行人流交通特性的人员疏散路径选择模型研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

国内图书分类号:X951密级:公开国际图书分类号:656西南交通大学研究生学位论文考虑行人流交通特性的人员疏散路径选择模型研究年级2015级姓名何汉申请学位级别工程硕士专业安全工程指导老师马剑二零一八年四月 ClassifiedIndex:X951U.D.C:656SouthwestJiaotongUniversityMasterDegreeThesisSTUDYONEVACUATIONMODELCONSIDERINGPEDESTRIANFLOWCHARACTERISTICSANDROUTESELECTIONGrade:2015Candidate:HeHanAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:SafetyEngineeringSupervisor:MaJianMar,2018 .西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1.保密□,在年解密后适用本授权书;2.不保密√,使用本授权书。(请在以上方框内打“√”)学位论文作者签名:指导老师签名:日期:2018.5.5日期:2018.5.5 西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下:(1)本文主要采取实验与计算机仿真相结合的方式,通过实验计算出不同设施内行人流的基本图,为模型参数取值提供基础。(2)其次改进网络疏散模型,同时研究行人疏散过程中的路径选择机制,提出以Ⓡ行人为主体的进行更新的方法,并通过Matlab将程序实现。(3)最后通过实例进行验证,得到能较为准确的计算出建筑中人员安全疏散时间与行人的路径选择的新网络模型。本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名:日期:2018.5.5 西南交通大学硕士研究生学位论文第I页摘要人员安全疏散的研究具有重要的意义,但对疏散过程的模拟及疏散时间的计算是一个很复杂的过程。在此,本文主要通过实验与计算机仿真,结合行人的运动特性提出了考虑行人流特性与路径选择的网络疏散模型。模型能较为准确的仿真计算出疏散场景中人员疏散需要的时间,也能较为准确的模拟出实际情况下行人的路径选择。总结下来,本文主要在这几方面进行了研究与创新:1、通过进行通道行人流实验与房间疏散实验,采用视频提取技术得到行人轨迹的数据,同时使用相应算法计算出行人流基本图,为网络疏散模型中参数的取值提供基础;2、根据不同疏散场景的结构特点以及人员在不同场景中疏散的运动特征,将建立的网络模型节点分为五类。根据这些不同的节点的结构特征与行人流运动特性,研究不同类型节点行人疏散算法,提出疏散模型成立的假设,为建立考虑行人流特性与路径选择的网络疏散模型提供理论依据;3、改进以往网络疏散模型以节点更新的方式,在以往网络模型的节点与边结构基础上加入行人这一要素,实现了以行人为主体的更新模式。同时研究行人的路径选择机制,将行人流参数与行人的路径选择作为信息反馈加入到模型中,让模型模拟结果更为真实准确;4、根据疏散实验案例,将考虑行人流特性与路径选择的网络疏散模型应用于实际疏散模拟中,并与实验结果对照,验证了模型的实用性与准确性。因此本文不仅可以为研究疏散过程的模拟与疏散时间的计算提供合理的方法,也可以为建筑结构的优化设计、人员活动的安全管理以及大型公共场的应急疏散策划提供指导与建议。关键词:行人流基本图、网络疏散模型、路径选择、计算机仿真 西南交通大学硕士研究生学位论文第II页AbstractThestudyofpeople'ssafeevacuationisofgreatsignificance,butthesimulationoftheevacuationprocessandthecalculationoftheevacuationtimeareverycomplicated.Here,thispapermainlycombinedexperimentwithcomputersimulation,proposedanetworkevacuationmodelwhichconsidersthecharacteristicsofpedestrianflowandpathselection.Themodelcanaccuratelycalculatethetimeofsafetyevacuationinthebuilding,andcanalsoaccuratelysimulatethepathselectionofpedestriansintheactualsituation.Insummary,thispaperhascarriedoutresearchandinnovationintheseaspects:1.Throughchannelpedestrianflowexperimentandroomevacuationexperiment,weusevideoextractiontechnologytotrackdataofpedestrians,andusethecorrespondingalgorithmtocalculatethebasicmapofpedestrianflow.Finallyweprovidebasisparameterselectionforthemodelingofnetworkevacuation.2.Wedividethenetworkmodelnodesintofivetypesaccordingtothecharacteristicsofthebuildingandtheevacuationcharacteristicsofthepeopleduringtheevacuationprocess.Accordingtothestructuralcharacteristicsofthesedifferentnodesandtheflowcharacteristicsofpedestrians,thepedestrianevacuationalgorithmsofdifferenttypesofnodesarestudied,andsomeassumptionsabouttheconditionsoftheevacuationmodelaresetup,soastoprovideatheoreticalplatformfortheestablishmentoftheoverallnetworkevacuationmodel;3.Weimprovedthepreviousnetworkevacuationmodelbyaddingpedestriansinthepaststructureofthenetworkmodels,andachievedapedestrianorientedrenewalmode.Atthesametime,westudypedestrians'pathselectionmechanism,andputthepedestrianflowparametersandpedestrian'spathselectionasinformationfeedbackintothemodel,sothatthesimulationresultsaremorerealandaccurate.4.Basedonthemetroevacuationexperiment,weappliedthenetworkevacuationmodelconsideringthecharacteristicsofthepedestrianflowandrouteselectiontotheactualevacuationsimulation,andcomparedwiththeexperimentalresultstoverifyingtheaccuracyandpracticabilityofthemodel. 西南交通大学硕士研究生学位论文第III页Therefore,thispapercannotonlyprovideareasonablemethodforthesimulationofevacuationprocessandthecalculationofevacuationtime,butalsoprovideguidanceandsuggestionsfortheoptimizationdesignofbuildingstructure,thesafetymanagementofpedestrians,andtheemergencyevacuationplanoflargepublicfield.Keywords:Pedestrianfundamentaldiagram;Networkevacuationmodel;Routeselection;Computersimulation 西南交通大学硕士研究生学位论文第IV页目录第一章绪论............................................................................................................................11.1研究背景及意义........................................................................................................11.2行人交通流国内外研究现状....................................................................................11.3人员安全疏散国内外研究现状................................................................................31.3.1人员安全疏散策略研究.................................................................................31.3.2疏散过程中行人的特殊行为研究.................................................................41.3.3疏散时间计算经验公式.................................................................................51.4人员疏散仿真模型....................................................................................................61.4.1宏观模型.........................................................................................................61.4.2微观模型.........................................................................................................71.5本文研究内容............................................................................................................8第二章行人交通流实验研究..............................................................................................112.1表征行人流特性的参数..........................................................................................112.1.1人群速度.......................................................................................................112.1.2人群密度.......................................................................................................122.1.3人群流率.......................................................................................................122.2行人流参数研究实验..............................................................................................122.2.1行人流实验...................................................................................................122.2.2数据提取.......................................................................................................142.2.3数据处理.......................................................................................................142.3行人流交通特性分析..............................................................................................152.3.1房间行人流特性...........................................................................................162.3.2通道行人流特性...........................................................................................172.3.3楼梯行人流特性...........................................................................................192.3.4电梯行人流特性...........................................................................................21第三章人员网络疏散模型构建方法................................................................................233.1网络疏散模型原理..................................................................................................23 西南交通大学硕士研究生学位论文第V页3.2网络疏散模型的建立..............................................................................................243.2.1网络的构成...................................................................................................243.2.2节点的划分...................................................................................................253.2.3拓扑网络的生成...........................................................................................253.3行人疏散过程的模拟..............................................................................................273.4五类节点疏散算法研究..........................................................................................283.4.1房间节点.......................................................................................................283.4.2通道节点.......................................................................................................313.4.3楼梯节点.......................................................................................................343.4.4电梯节点.......................................................................................................353.4.5出口或避难层节点.......................................................................................363.5网络模型网络特性研究..........................................................................................373.5.1节点的度.......................................................................................................373.5.2节点与边的介数...........................................................................................383.5.3节点中心接近度...........................................................................................393.5.4网络特性参数的应用...................................................................................39第四章考虑路径选择的人员疏散网络模型算法设计......................................................414.1网络疏散模型的假设..............................................................................................414.2无信息反馈网络疏散模型算法..............................................................................424.2.1单路径疏散策略...........................................................................................424.2.2多路径疏散策略...........................................................................................434.3有信息反馈网络疏散模型算法..............................................................................444.3.1信息反馈策略...............................................................................................444.3.2行人的路径选择算法...................................................................................474.3.3有网络信息反馈的网络疏散模型整体算法...............................................51第五章人员疏散网络模型分析与应用............................................................................525.1应用案例与网络模型的建立..................................................................................525.1.1疏散实验简介...............................................................................................52 西南交通大学硕士研究生学位论文第VI页5.1.2网络疏散模型的建立...................................................................................545.2模型模拟结果验证..................................................................................................565.2.1各出口疏散人数...........................................................................................565.2.2疏散时间.......................................................................................................595.3簇系数反馈疏散模型模拟结果分析......................................................................615.3.1网络特性分析...............................................................................................615.3.2关键节点人数变化.......................................................................................635.3.3各节点行人最终疏散出口选择...................................................................645.3.4簇系数参数对模型结果影响.......................................................................665.3.5模型结果与经验公式对比...........................................................................675.4案例安全性评价与建议..........................................................................................675.4.1安全评价.......................................................................................................675.4.2安全建议.......................................................................................................68结论与展望............................................................................................................................691.结论...........................................................................................................................692.展望...........................................................................................................................70致谢......................................................................................................................................71参考文献................................................................................................................................72附录......................................................................................................................................77 西南交通大学硕士研究生学位论文第1页第一章绪论1.1研究背景及意义交通一般是指各类交通工具与人在公共空间中的移动,而人是各类交通活动中主体。随着城市的发展,行人的交通环境也越发复杂。同时在如今的生活中,在公共场所拥挤大量人群的情况并不少见。因此在这样的大环境下,行人交通的效率问题、舒适性问题以及在紧急情况下各种场景内行人疏散的效率问题引起了大家的广泛关注。近年来,因疏散不及时、疏散引导不当或安全疏散设施缺损引起的事故屡见不鲜。[1]仅在2017年,浙江天台县“2·5”重大火灾事故,由于员工和顾客自救逃生方法不当、场所采用大量的可燃易燃装修材料等诸多的原因导致18人死亡、18人受伤;南昌海航白金汇酒店“2·25”火灾,由于施工现场易燃材料与人员疏散不及时,而造成10人死亡、13人受伤;北京“11·18”火灾事故,由于服装厂堆放可燃物覆盖住老化电路失火,且疏散通道被各种障碍阻塞,造成19人死亡,8人受伤等等。这些事故导致了巨大的生命损失与财产损失,带来了巨大的负面影响的同时也为我们敲响了警钟。这说明没有正确的安全疏散引导会导致事故危害程度的提升,因此要安全、有序的保障行人疏散的安全性,就需要有效的行人流运动特性分析、系统的疏散策略引导方法。在这样的环境下,怎么在危险发生时将人员即时、安全地撤离是当前人员疏散研究的重点。综上所述,本文的目的主要在于对人群流动规律与考虑路径选择的人员疏散模型进行研究。即通过科学地研究特定场景下的人群运动规律与各类型行人设施中的人员疏散过程,总结发现影响人群在疏散过程中路径选择的效用模型,最后基于这些特点建立考虑行人流特性与路径选择的网络疏散模型。由此获得的结论也可以为建筑结构的优化设计、人员活动的安全管理以及大型公共场的应急疏散策划提供指导与建议。1.2行人交通流国内外研究现状国外对行人交通流最初的探索开始于上世纪50年代左右,这些早期的研究主要包括现场观测统计、摄影等方法对行人交通流特性参数进行研究。它们可以说是行人交 西南交通大学硕士研究生学位论文第2页通流基础。研究到了上世纪八十年代中后期,已经发展为通过建立各种从微观角度建立的行人动力学方程来描述、模拟和预测行人流的某些特性。之后越来越多的研究者开始涉足这一领域,他们的成果主要有:[2]日本静冈大学的TakashiNagatani教授等人研究微观行人流特性,包括人群移动的速度、延误、不舒适度等,他们通过实验定义了这些基本微观行人流特性参数之间的关系。[3]荷兰的SergeP.Hoogendoorn教授建立了模拟行人行为的NOMAD模型。该模型主要研究对象为单向行人交通流、相向行人交通流和瓶颈处行人交通流的基本参数,并通过这些参数来解释它们的特性。目前NOMAD模型的应用已经发展到了地铁的规划与设计方面。而国内对行人交通流的研究相比于国外而言起步较晚。目前的研究成果主要有:[4]北京工业大学的史建港针对大型活动对活动中行人交通流特性进行了研究。该研究主要建立了平地和楼梯等不同环境的行人交通流模型,并结合我国行人交通流特性提出了通道服务水平分级标准及其分级方法,最后使对影响交通流中行人行为的主要因素进行了分析。[5]北京交通大学的岳昊,利用元胞自动机模型建立了相应的垂直行人交通流、相向行人交通流及四向行人交通流的模型,并通过仿真模拟对不同模型的特性参数—·密度、速度与流率进行了比较分析。[6]吉林大学的张伟则开展了行人交通状态评价方法的研究,该研究借鉴智能交通系统领域已有的相关理论与方法,设计出行人交通状态评价方法,并提出行人交通事件自动识别算法研究。[7]长安大学的周继彪通过设计枢纽内行人交通数据采集试验,对枢纽内行人交通特性进行了深入研究,同时在此基础上研究了行人主观感知对综合交通换乘枢纽服务水平的影响规律,提出了量化其服务水平的SEM模型。[8]北京交通大学的吴昊灵从城市轨道交通行人动力学特性、行人交通仿真模型和行人异质性研究三方面分析并评述国内外现有相关研究,提出了城市轨道交通车站行人异质性理论及场域模型仿真方法,最后分别针对通道、楼梯和站台设施建立多场景、多异质条件下的行人仿真模型,研究了异质性对城市轨道交通不同设施行人动力学的 西南交通大学硕士研究生学位论文第3页影响。而对于整个行人流研究而言,当众多个体出行目的一致且同时在相同的通行设施中时,行人流在一定程度上可近似为具有整体性、流动性的均质流。因此对于其“密度—速度—流率”关系的研究即行人流基本图的研究成为了行人流研究中的一个重点。近年来,国内外科学家对行人流基本图分别展开了实测、实验、模拟不同手段的研究,[9]得到了一定的成果。同济大学的叶建红对近年来行人流基本图的研究进行了归纳总结,特别针对实测数据与计算数据的基本图和差异进行了研究,重点明确了实验数据基本图的适用性。他的文中指出,对于相同的行人步行设施,实测数据基本图与实验数据基本图存在不显著的差异。在此基础上,本文考虑到若要对模拟的场地的行人流基本图处处实测,其工作量将无比巨大。因此本文拟采用实验的方式,研究几类具有代表性行人设施内行人流基本图,将其作为模型建模的基础。1.3人员安全疏散国内外研究现状1.3.1人员安全疏散策略研究研究人员们对安全疏散的研究起步于上世纪50年代,发展于60年代,之后一直延续至今。他们或通过大量的实测研究、或采取理论分析、或进行建模仿真,此后安全疏散的研究逐步完善深化。在安全疏散策略研究中人员的疏散路径研究是最重要的一部分,一个优秀的疏散策略可以极大减少危险时刻人员的疏散时间,以此保障人员的生命和财产安全。在国[10]外:如Dunn和Newton通过计算疏散点与终点间最短路与次短路集合,将疏散人流[11]分配到路网中,在其通行能力范围下使人员尽快从危险区域转移。Yamada利用运筹学中最小成本最大流问题方法对疏散人流进行分配,假设所有人通过最短路到达安全[12]区域,以此达到疏散总里程最短。KasaiY等人提出了基于拥塞感知自动疏散引导模型,他们在疏散模型中根据疏散路径人流密度加入拥塞感知器,并根据交通拥堵模型[13]计算最小成本路径,为人员疏散重新规划合理方案。KinatederM等人则考虑到疏散人员对疏散场景的熟悉程度与周围人员的影响,在疏散模型中加入两种影响值的效用函数,为行人的疏散路径提供指导。 西南交通大学硕士研究生学位论文第4页而国内的安全疏散策略研究成果也很多,主要有:[14]东北大学的温丽敏通过对重大事故应的急疏散研究,采用遗传算法并在模型中加入路径系数与有害物质危害系数,通过静态最短路规划问题思想,解决了以危化品[15]泄漏为背景的疏散问题。刘丽霞等人通过对疏散路径集中最短路径与其相异路径选[16]择对比,以产生新的最优路径更为符合出行人员的需求。许焱等人在公交系统应急[17]疏散管理基础上提出了公交车的疏散路径优化模型。冯启达基于车流波动理论的动态路段行程时间模型,它提出疏散时间非拥挤路段与交叉排队路段两部分决定。朱孔[17]金针对建筑物内的多障碍物房间、楼梯和电梯等典型区域开展人员疏散特性和疏散策略的研究,对建筑内紧急疏散时的行为特性、疏散时间和行人流流动状态等进行详细分析,为建筑的结构设计和紧急疏散时的人群疏散策略提供建议和科学支持。王静[19]虹采用理论分析和数学建模相结合的方法,以非常规突发灾害为背景,从突发灾害、外部疏散引导以及大规模疏散人群这三个层面,研究影响大规模人群疏散的随机不确定性,从效率和风险的角度,为突发灾害应急疏散策略提供理论和技术支持。1.3.2疏散过程中行人的特殊行为研究疏散过程中行人会因为自己的心理、个体特征或是社会影响等多方面原因决定他独有的行为方式,而所有行人之间又会形成复杂且相互作用的整体。其中每个行人的行为特性又会影响到行人流整体的疏散过程,从而影响疏散时间、疏散效率等。因此,对行人流行为特性的研究在人员疏散的研究中有重要地位。研究人员在实验与实际观察中发现的行人流一些重要的行为特性:[20]从众现象:指某些人在对某一件事缺乏信息或相关认识的情况下会参照或跟随其他的人一起行动,这就是所谓的“从众”。从众现象的产生更多的是因为群体对个体的影响,或是压力对个体的影响,此时个体不会坚持己见而随大流行动。从众现象在生活中极为常见,在疏散过程中也普遍存在,特别是个体在危险环境下更容易发生这种现象。[21-22]聚集现象:在危险情况下,人们往往会表现出靠近人群的特征或是汇集在较为安全的地带,而且疏散过程中也经常会出现小群体抱团行走的现象。这是因为在人群中个人面对危险的紧张和焦虑会有效降低。 西南交通大学硕士研究生学位论文第5页[23]返回现象:返回现象即为在某些原因下,疏散人员会返回危险地带寻找亲人、抢救财产或是协助灭火等等。一般情况下,返回行为多是因为亲情行为,如父母返回寻找走失的孩子,这一行为会给建筑物中其他人员的疏散带来负面影响。[24]快即是慢现象:在研究中我们发现,对于一些出口较小的房间,人群从出口疏散时,不同的疏散速度在出口处产生不同的聚集现象,若是人们越想往外走形成的期望速度越高,会导致人员的竞争从而加重出口处的阻塞程度,使人员总的疏散时间加长。1.3.3疏散时间计算经验公式经验公式是常用的计算人员疏散时间工具。如我国现行的建筑防火规范几乎都采用经验公式计算某个场景下的人员疏散时间,以此来评价建筑物的消防安全与否。常[25][26]用的经验公式有以下三种:Togawa推导的疏散时间近似计算公式;加拿大Paul的[27]楼梯计算经验公式;英国的Melink&Booth方程。(1)Togawa经验公式:T1n0T=N−+∑∫NtBi()iiφ()tdtT0(1-1)NB''i=10式中,N是建筑物疏散人员总数:Ni(t)、N’分别是第i个出口和最终出口处的人员流量;n是出口总数:Bi是第i个出口的宽度;T0行人开始稳定流动的时间;φ()t为第i个出i口处人员滞留系数,即聚集在该人数所占的百分比。该式可以简化为:Nkk12T=++(1-2)BN''vv12式中,k1是疏散过程中行人水平方向平均移动的距离,v1是行人在在水平方向的平均行走速度,可以取1.1m/s,k2是疏散过程中行人在楼梯上的行走距离,v2是行人在楼梯上的平均行走速度,可以取0.6m/s。(2)Paul经验公式:Paul根据大量的实验总结,并根据经验推算出人员通过楼梯楼梯疏散的时间经验拟合公式: 西南交通大学硕士研究生学位论文第6页0.730.680.081+p当单位宽度楼梯通过人数少于6..T=(1-3)2.00.011+p当单位宽度楼梯通过人数大于6..式中,T为不考虑楼梯拥堵情况下的疏散时间,单位为min;p为疏散楼层测得每米有效宽度楼梯所能容纳的人数。(3)Melink&Booth经验公式:nTr=(∑Qirs)/('Nb−1)+rt(1-4)ir=式中,Tr为位于第r层以上的人疏散所需时间;Qi为疏散时第i层的人员数量:N’为理论上单位宽度楼梯的流率,可取值为1.5人/m●s;br-1是第r层与第r-1层间的楼梯宽度;ts是在一般情况下的人员往来于相邻楼层需花费的时间,此处可取值为20s。该公式主要运用于估算高层建筑的总疏散时间。1.4人员疏散仿真模型对于人员疏散研究而言,若都采用实验的方式进行,费时费力,会造成很大的资源浪费。为了使研究者们的研究成果与理论模型能更好的应用与实际情况中,进行计算机仿真则成为了当前人员疏散规律研究的主流方法。一般来说人员疏散仿真模型主要分为两大类:宏观模型与微观模型。1.4.1宏观模型宏观模型通常不考虑周围非逃生相关的事物和人员,假设疏散人员按照最有效的疏散方式进行疏散,将人员视为具有共同特征的整体而不考虑其间的差异性。其模拟计算重点在于对场景整体疏散时间的比较,评价疏散场景的安全程度。目前常用宏观疏散模型多为网络疏散模型,而应用网络模型最为出名的疏散软件是EVACNET4。[28]EVACNET4:是由佛罗里达大学开发,目前使用最广的人群疏散模型软件,该软件可以以网络的形式描述建筑物的结构,模拟人员在这种网络形式内由起始点到安全点疏散流动的全过程。以节点的方式表示建筑物内的不同空间,如各个厅室、过道、楼梯、安全出口等,将安全点定义为目标节点,所以建立合理如实的建筑网络模型是该软件疏散模拟中的关键。之后通过虚拟路径连接各个节点,设置人员流动方向开始 西南交通大学硕士研究生学位论文第7页进行疏散模拟。利用EVACNET4进行实验可以模拟出包括瓶颈识别、避难概况和路线、疏散完成时间等在内的14个实验数据。1.4.2微观模型微观仿真模型的重点在于模拟出接近真实疏散的情景,体现出每位人员在疏散过程中的具体行为和受到的影响,并且会考虑每个疏散个体的个体特征。当前仿真使用的微观模型主要有三种:[29-31]社会力模型:该模型主要描述行人运动过程中的行人之间以及行人与边界、障碍物的相互作用,并将其量化各种力。主要为行人向着目标运动的驱动力,行人之间作用、行人与通道边界、障碍物等之间相互影响的排斥力。这个模型中每个行人运动过程可以通过牛顿运动定律的微分方程来描述。如式1-5与式1-6所示。ddwdma=Ft()+ξ(1-5)aadtdddddddddddddddd00FtFvvea()=a(,aaa)+∑∑∑Ferrab(,aa−+b)FerraB(,aa−+B)Ferrtai(,aa−i,)(1-6)bBidd式1-5中,ma为行人a的质量;wa为当前环境下的行人速度;Fta()为行人流中行人所受到的合力,ξ为随机变量代表行人因不确定的个人行为产生的变力。式1-6中其表达式右侧第一项为驱使行人向目的地运动的驱动力,第二项为行人与其他行人相互影响作用力的合力,第三项为行人与通道边界或障碍物作用力的合力,第四项为各种吸引力的合力[32-33]格子气模型:格子气模型是一种有偏移的随机运动模型,它最主要的应用是对相向行人流的模拟。该模型将行人运动过程的时间分为时间步,将行人运动的空间分为离散的格点。在模拟过程中,规定每位行人在每个时间步只能占据一个格点也只能运动一步,即每位行人只能从当时占据格点运动到其相邻上下左右的格点或是不动。模型中行人选择向其上方、下方、前方格点运动的路径与概率由他周围格点的状态决定。[34-36]元胞自动机模型:元胞自动机模型与其它动力学模型差别很大,它并没有严格定义的函数,其核心在于构造模型所规定的规则,并通过这些规则来模拟行人移动的过程。元胞自动机模型没有复杂的计算公式,运用计算机模拟其过程较为方便。简 西南交通大学硕士研究生学位论文第8页单来说,模型将人流中每个人视为一个元胞,将行人运动的空间化为网格化的二维平面。模拟过程中一个元胞只能占据一个格点,所有的元胞都同时运动,每个时间步内每个元胞只移动一格,且模拟过程不能突然停止。模型中时间步可以根据实际情况将其划分为长短不同的时间段,其目的是控制模拟的速度对其适当的增加或减缓。另外,在遵守基本、简练以及必要的原则上,一般假定每一位行人都有明确的目的地即模型中每个元胞都有确定的终点,不会无目的地运动。1.5本文研究内容本文的主要研究内容将包括以下几个方面:(1)行人流交通特性实验与研究由于人群流动具有特定的规律性,因此其流动参数即行人流的速度、密度、流量三者之间的关系称为基本图。基本图直观反映人群运动状态以及行人交通设施的服务水平。为此,我们设计了各种典型的行人设施行人流实验,采用不同的计算方法获得相向行人流的“密度—速度”与“密度—流率”关系。发现基本图中行人流速度、流量随密度变化规律,并根据该规律确定了各个实验中行人流的特征值,并对设施中行人流特性做出定性与定量结论,最后将行人流特性参数应用于网络疏散模型中,让模型的计算结果更为合理。(2)人员路径选择算法实现通过分析研究行人出行的考虑因素,研究行人路径选择的反馈算法。该部分主要对行人在空间内部行为进行描述、行人路径选择的反馈方式进行分析以及对行人实时路径选择生成。人员路径选择算法的建立可以为实际生活中各类场所行人疏散策略提出有意义的借鉴,实现理论疏散行人流与实际疏散行人流的相互匹配,以此达到安全疏散的目的。(3)考虑行人流特性与路径选择的人员网络疏散模型的建立改进以往网络疏散模型以节点为主体的更新方式,提出以行人为主体的更新算法,同时通过研究各类型设施内行人运动特点、行人疏散影响因素,并充分考虑各类型设施行人交通应急疏散的特征建立相应的疏散模型,将不同设施行人流参数关系研究结果引入网络疏散模型,用以计算每个时刻模型中不同节点内的行人移动速度与密度, 西南交通大学硕士研究生学位论文第9页而非将所有人的情况一概而论,以此达到契合实际的效果。最后通过行人路径选择算法建立考虑信息反馈的人员网络疏散模型,在宏观模型中加入微观因素,从而更好的研究与模拟紧急事件情况下行人的疏散时间与路径选择行为,为保障行人交通安全提供相应的科学依据。(4)案例分析与现在已有的经典疏散模型对真实案例进行模拟对比,确定本文模型的可靠性与准确性,同时根据模型结果评价案例场景的安全性并提出建议。根据上述研究内容,本文技术路线为: 西南交通大学硕士研究生学位论文第10页考虑行人流交通特性的人员疏散路径选择模型研究行人交通特性研究基础资料准备国内外研究现状部分行人安全疏散研究行行数人人据行人交通特性行人交通流特征实验研究流流处研究实特理验征网络建疏立两散拓种扑模类网型型核心部分模型的建立与编程实现络网建路络径疏立选散择模算型法案例结模模论型案例分析型对评建比价收尾立结论与展望图1-1本文技术路线 西南交通大学硕士研究生学位论文第11页第二章行人交通流实验研究随着社会的发展,人员的出行量也相继增加,随之而来的行人交通问题也越来越严重。对于如何改善现有行人交通运行状况,相关研究也在不断地深入,其中对行人交通流关系和特征的研究是支持步行设施规划设计、行人疏散指引的关键理论。本章主要对表征人群流动的重要参数等进行讨论,然后通过实验视频获得了低密度到高密度的相对完整运行状态下的行人流参数(密度、速度与流率),通过散点图分析行人流率、密度和速度之间的总体趋势,最后对行人流运动的特征值与规律进行总结。而本章研究的结论主要为下文考虑行人流特性的网络疏散模型的参数取值提供基础。2.1表征行人流特性的参数除了对行人流的行为特性进行定性上分析外,我们需要采取定量分析的手段研究[37-38]行人流的特性进行描述,一般而言行人流的速度、密度与流率这3个参数最为关键。2.1.1人群速度人群速度指场景中人群运动的平均速度。人群作为多个行人个体组成的一个小型系统,系统中每个个体之间会都会相互影响,相互作用,而最终所有个体在系统中其他个体的作用下体现出来的平均速度即为人群速度。行人自由速度受内在因素(个人状态、个人行为选择偏好等)和外在因素(场地状况、天气温度、周围行人状态等)影响。人群的拥挤程度则会对个体速度造成较大影响,当人群密度处于较高水平时,环境对个体作用力增强,弱化个体间的差异性,个体速度逐渐趋向于人群速度;当人群密度处于较低水平时,环境对个体作用力减弱,个体间的差异得以体现,个体速度表现出差距,最终体现为人群的自由流。一般而言,人群整体速度会随着人群密度的增大而变小。人群作为多个行人个体组成的集体,其虽表现出一个共同的人群速度,但是其内部个体的速度会存在一定的差异,这会对人群的流动造成影响。由于每个个体在行进过程中一般会趋向于优先寻找最短路径,但每个个体自身的行进速度存在差异,这使得部分个体在进行过程中选 西南交通大学硕士研究生学位论文第12页择超越,人群中的超越行为可能会引起个体间的碰撞、推搡,严重时会造成拥堵甚至踩踏等情况。2.1.2人群密度人群密度是用来表示人群密集程度的。一般人群密度可用单位面积上的人员的数22量表示,单位为人/m;也可用其倒数,即人均占有的面积来表示,单位为m/人。当人群密度处于较高水平时,会对人群中的个体运动有一定的抑制作用,从而使人群体现出群集流动,此时可将人群的表现类似地看作流体,其速度受人群密度影响较大,几乎不受人群中个体平均速度影响。人群密度达到一定水平后,它的增大会使得群体速度逐渐变小,而当密度超过一定阈值之后,人群将因为过度拥挤而无法移动。2.1.3人群流率人群流率是指单位时间内通过单位长度的人数,单位为人/(m•s),它不仅可以用来衡量人群流动规律,而且还可以用来衡量场所通流能力。人群流率的最大值受场所自身参数(场所类型、有效行走宽度、面积等)影响和决定,它与人群密度是密不可分的,人群密度只有处于特定值时才能使人群流率达到最大值。2.2行人流参数研究实验不同的建筑设施会对行人运动产生不同的影响,对行人的流动造成不同程度的约束。本文为了研究行人流特征参数,进行了房间和通道的行人流实验,之后对房间与通道两种类型行人设施的实验视频数据进行了处理分析,最后对楼梯与电梯类设施行人流的相关研究进行了总结,以此得出不同设施中的行人流特征参数,为下文中行人疏散模型的建立提供基础。2.2.1行人流实验1、房间疏散实验 西南交通大学硕士研究生学位论文第13页图2-1房间疏散实验为了取得房间内行人疏散的相关数据,我们进行了房间疏散实验(如图2-1所示)。该实验使用方钢搭建1个8m×8m的框架,在疏散方向的墙面铺设木板,以此模拟疏散的房间,同时共邀请了90名学生参与。实验开始前参与者们随机的分布在距离房间门口2m后的空间内,实验房间门宽1m且位于疏散方向墙面的正中,所有被试者均佩戴红色的帽子以便后续跟踪提取其轨迹。实验房间门口上方固定有DV摄像机,用以记录行人在房间口的运动,录像过程获得的视频帧率为50帧每秒,每一帧图像的分辨率是1080每一帧图像。当收到实验开始的通知时,所有参与人员同时开始向房间外移动,直至所有人走出房间。2、通道疏散实验(a)单通道(b)交叉通道图2-2通道疏散实验本文建立了一个宽2m,长8m的通道。实验中固定通道宽度为2m,不作不同宽度通道比较。实验通道上方固定有DV摄像机,用以记录行人在通道内的运动。录像过程获得的视频帧率为24帧每秒,每一帧图像的分辨率是1080每一帧图像。实验完成后,使用软件从视频录像中提取图像空间行人轨迹,并进一步校正映射到物理空间。实验共邀请40名在校大学生参与。他们年龄在20至24岁之间,身高接近。所有 西南交通大学硕士研究生学位论文第14页实验参与者被随机分为两组,每组20人。两组人员分别戴上红色和黄色的帽子以便区分。本文共设计两种情况下的人员流动实验,如图2-2所示:第一种:行人在单通道中移动;第二种:行人在交叉通道中移动;每种情况下的实验各重复多次。在每次实验开始前,两组人员排成5列,每列4人分别站在通道的入口等候。当收到实验开始的信号时,所有人员同时开始移动,直至走出通道。2.2.2数据提取[39-40]实验中,所有被试者均佩戴红色或黄色的帽子以便后续跟踪并通过Mean-Shift算法提取其轨迹。具体地说,首先给定图像中红色或黄色帽子的RGB值作为特征量,测量后续帧图像中其它像素与这一特征在RGB彩色空间的距离,如果它们之间的距离小于给定的阈值,这一像素就会被判定为红色或黄色帽子的组成部分记录下来。通过对实验视频每一帧图片进行处理,提取每个人的移动轨迹,并汇总校正得到每个人每个时刻所在位置的坐标值。结果之一的通道实验行人轨迹数据如图2-3所示,图中x与y轴坐标代表通道实验场景的几何尺寸,每条线即为实验人员行走的轨迹。图2-3通道实验行人轨迹数据2.2.3数据处理取得每位行人的轨迹数据后,需要通过相应的公式计算行人流特征参数。本文定 西南交通大学硕士研究生学位论文第15页义平均密度ρt为t时刻测量区域内行人总数N除以测量区域的面积,如式(2-1)所示。这里的测量区间是指对实验场景某一关键部分的行人流参数,来表征整个实验场景中整个行人流的运动情况。这样设置的原因是若采用整个实验场景的面积用作计算明显不合理,因为行人并没有平均分布在整个场景中,而实验场景关键部分的行人流运动状况可以合理有效地反映出整个场景内行人流的运动特征。例如图2-5,我们对直通道实验场景取其最中间2m的范围作为测量区间。测量区间图2-5直通道测量区间示意Nρt=(2-1)S测而平均速度vt被定义为在t时刻测量区域内所有人瞬时速度vti()的平均值,如式(2-2)所示:1Nvti=∑i=1vt()(2-2)N其中每个人的瞬时速度vti()可以如式(2-3)所示,即通过行人很短位移内的时间∆t'进行计算,本文中∆t'为两帧图像的间隔时间,xi(t)为t时刻时,行人的坐标值。∆∆tt''xt(+−−)(xt)ii22(2-3)v=i∆t'行人流率计算的采用如式(2-4)所示的交通流中广泛采用的基本关系:Jv=•ρ(2-4)2其中:行人流率J(人/m∙s)、速度v(m/s)、以及密度ρ(1/m)。2.3行人流交通特性分析[41-42]这一节,我们首先在房间与通道行人流研究实验的基础上,利用基本图法对实验数据的结果进行分析和总结。基本图是行人流研究中最重要的方法之一,它定量 西南交通大学硕士研究生学位论文第16页地描述了行人运动参数流率(特定时间内通过通道单位宽度垂直断面的行人数量)、密度(通道单位面积内行人数量)和速度(行人流的平均行走速度)间的关系,因此行人流率、密度、速度三者之间的定量关系被称为基本图,它们之间的变化规律则反映了行人交通流的宏观运行特性。由于行人流中每一个个体总是会根据其相邻的其它个体的移动状态调整自身步行行为。所以从某种意义上来说,速度—密度关系图是最本质的基本图,它反映出在不同密度条件下人与人之间相互作用的大小,而流率—密度关系能反映出通道通行能力与人员密度之间的关系。其次结合前人研究,对楼梯这种常用且重要的行人设施内行人流的特征参数进行归纳总结,选取最为合理的结论作为本文的参考,为下文疏散模型的建立提供数据支撑。最后简要叙述电梯结构的行人运动方式与特性。2.3.1房间行人流特性经过数据处理后,我们得到房间内参试人员运动随时间变化的关系图。图2-6(a)为实验开始后,房间中剩余人数随时间变化关系。(a)房间剩余人数随时间变化(b)每时刻房间流率变化图2-6房间疏散实验行人流变化图在视频第5秒时,开始有人走出房间,第38秒时所有人走出房间实验结束。图中可以看出整个实验过程中行人走出房间的流率保持一定的斜率基本不变,由于房间结构内人员疏散人数满足以下公式(2-5):N=J∙w∙t(2-5)N为走出房间的人数(本实验为90人),w为房间门宽(本实验为1m),J为门口 西南交通大学硕士研究生学位论文第17页处行人流率,t为疏散总时间(本实验为33s),因此房间出口处行人流率J可以推算为2.72人/(m∙s)。图(b)为每一时刻参试者走出的流率变化,即每秒记录走出房间的人数。可以观察出流量基本稳定在2-3人/(m∙s),最多为4人/(m∙s)。即对于同一个房间,人员走出房间的流率不会有特别大的波动,影响室内人员走出房间效率的主要因素为房间门的宽度。2.3.2通道行人流特性(1)单通道根据已经获取的单通道实验数据,进一步计算得到单通道中行人流密度—速度与密度—流率基本图,如图2-7所示。(a)单通道密度—速度基本图(b)单通道密度—流率基本图图2-7单通道行人流基本图如2-7(a)所示,密度—速度基本图中存在两个重要特征量:(1)行人不受他人影响或影响很小时的自由运动速度;(2)速度随密度增加下降速率。从图2.3-6(a)我们可以看出,对于单通道行人自由流平均速度都约为1.1m/s。同时根据观察,单通道中行人流平均速度随密度变化的速率也基本稳定,根据数据我们拟合出密度—速度曲2线方程为式(2-6),拟合曲线模型拟合度判定系数R=0.876。v=1.11-0.122ρ(2-6)根据上一节中我们拟合的实验密度—速度模型公式和密度、速度、流率三参数基本关系公式(2-5),我们可以得到换算后的密度—流率关系如式(2-7): 西南交通大学硕士研究生学位论文第18页2J=1.11ρ-0.122ρ(2-7)2密度—流率基本图如图2-7(b)所示,密度小于6人/m部分为实测数据,密度大2于6人/m后为拟合曲线。我们可以观察到,曲线在开始时流量随着密度的增加而增加,22当密度约大于4人/m时流量随曲线下降,在密度约为8.5人/m时等于0。经计算可以22得到在下通道阻塞密度ρ0约为8.78人/m,通道最佳密度ρc约为4.4人/m。在最佳密度时本实验中通道的行人最大通行量为7.06人/s,此时行人流速度约为0.54m/s。(2)交叉通道根据已经获取的交叉通道实验数据,进一步计算得到单通道中行人流密度—速度与密度—流率基本图,如图2-8所示。(a)交叉通道密度—速度基本图(b)交叉通道密度—流率基本图图2-8交叉通道行人流基本图从图2-8(a)我们可以看出,对于交叉通道行人自由流平均速度都约为1m/s。同时根据观察,交叉通道中行人流平均速度随密度变化的速率也基本稳定,根据数据我2们拟合出密度—速度曲线方程为(2-8):,拟合曲线模型拟合度判定系数R=0.792。v=0.966-0.114ρ(2-8)根据上一节中我们拟合的实验密度-速度关系和密度、速度、流率三参数基本关系公式(2-5),我们可以得到换算后的密度—流率关系如式(2-9):2J=0.966ρ-0.114ρ(2-9)2交叉通道密度—流率基本图如图2-8(b)所示,密度小于6人/m部分为实测数据,2密度大于6人/m后为拟合曲线。我们可以观察到,曲线在开始时流量随着密度的增加22而增加,当密度约大于4人/m时流量随曲线下降,在密度约为8.5人/m时等于0。经 西南交通大学硕士研究生学位论文第19页2计算可以得到在实验三条件下通道阻塞密度ρ0约为8.47人/m,通道最佳密度ρc约为24.23人/m。在最佳密度时本实验中通道的行人最大通行量为6.14人每秒此时,行人流速度约为0.48m/s。2.3.3楼梯行人流特性由于时间所限,本文并未开展关于楼梯的行人流运动特性研究实验,但已经有国内外研究者门对行人在楼梯上的运动特征进行了研究,他们通过实验或者实地观测获得了行人在楼梯间的运动参数,本文在他们研究的基础上对楼梯间行人流运动参数进行了归纳总结。其中四位研究者的结论最为出名,他们分别是Predtechenskiiand[43][44][45]Milinskii(PM),NelsonandMowrer(NM),Fruin(FN),and[46]Weidmann(WM)他们的结论如下图所示。[47]图2-9行人下楼基本图图2-9为行人在楼梯下楼时,速度、流率和密度之间的基本图。总体来看,随着密度和流率的增加,行人在楼梯的速度从0.8m/s降低,然后在范围保持稳定的规律递减。 西南交通大学硕士研究生学位论文第20页1.411.20.8-1)10.60.80.60.4specificflow/(m•s0.4horizontalvelocity/m/s0.20.20002468100246810-2density/m-2density/m[47]图2-10行人上楼基本图图2-10为行人在楼梯上楼时,速度与流率、密度的基本图。总体来看行人在楼梯上随着密度和流率的增加,行人在楼梯的速度从0.6m/s降低,然后在范围保持稳定的规律递减。通过对比观察,我们发现不同的研究的得出的结论差异较大,考虑到日常生活中楼梯的实际情况,其中NelsonandMowrer的研究结果对于行人上下楼梯基本图没有变化,这明显不符合常理,所以不考虑他们的结论,而PredtechenskiiandMilinskii与Fruin的研究时间太过久远,因此本文拟采用Weidmann的结论。楼梯中人的行走速度可以根据不同的人流密度选取,如表2-1所示。 西南交通大学硕士研究生学位论文第21页表2-1楼梯行人流主要参数上行下行单位宽度平单位宽度平平均行走速平均密度平均行走速平均密度均流率均流率22度m/s人/m度m/s人/m人/(m.s)人/(m.s)0.60.5<0.150.70.5<0.180.580.5-10.430.660.5-10.500.551-1.50.690.631-1.50.790.51.5-20.870.551.5-20.960.382-2.50.850.452-2.51.010.32.5-30.830.352.5-30.760.233-3.50.750.253-3.50.810.173.5-40.640.183.5-40.6750.14-4.50.430.14-4.50.430.054.5-50.240.064.5-50.290.025-5.50.10.025-5.50.10>5.500>5.502.3.4电梯行人流特性电梯目前广泛应用于各类建筑或设施中,是一种方便楼层间竖向联系的主要交通工具,但是由于普通电梯相较于消防电梯电路结构简单、消防功能不齐全,在发生火灾时会出现停运甚至着火的情况,因此普通电梯在发生火灾时被禁止使用,但是消防电梯则可以在火灾发生时,保证正常运作,实现消防人员的抵达和撤离以及人员快速疏散。因此本文研究的电梯皆为消防电梯。[48-49]此外,消防电梯和普通电梯的主要区别在于:消防电梯的消防功能完善;消防电源采用双路电源,当发生紧急情况,备用电路会在主电路无法正常运作的情况在自动投合以保证消防电梯正常运作;消防电梯具备紧急控制功能,当发生紧急情况是,可以控制消防电梯优先进行消防人员的运送,期间不进行人员疏散,消防人员抵达现场后可继续进行人员疏散;消防电梯在轿厢顶部预留一个紧急疏散出口,以备电梯轿门出现故障是保证轿厢内乘客安全疏散。此外,消防电梯与普通电梯在运作时的控制方法也会存在一定差异,普通电梯在运作时同事受轿厢内和轿厢外控制,两处只要有信号电梯就会运作,而消防电梯则只收电梯轿厢内控制。行人通过消防电梯的疏散和其他设施疏散有所不同,它是一个间断的过程而非连续的过程,且主要依靠电梯自身的承载量与运行速度而不是行人本身,即每次通过一 西南交通大学硕士研究生学位论文第22页个较为固定的时间运送不超过一定数量的人到达目的地。因此电梯结构中行人的流动量主要与电梯的型号尺寸有关,不同的电梯每次往返运送的人数不同,根据国家标准,乘用电梯型号与最大承载乘客数关系如表2-2所示。表2-2电梯尺寸与最大乘客数关系额定载重量最大乘客人轿厢最大有效面积额定载重量最大乘客人轿厢最大有效面积22/kg数/m/kg数/m750101.91250172.98001121350183.1900122.21425193.251000132.41500203.41050142.51600213.651125152.652000274.21200162.82500335 西南交通大学硕士研究生学位论文第23页第三章人员网络疏散模型构建方法网络疏散模型是指将组成建筑物的各个部分使用或节点(表示建筑物内各个单元)或线段(表示连接各个单元的通道)表示,根据建筑物实际情况相连形成疏散网络,然后通过描述人员在建筑物中的位置和状态随时间的变化情况以模拟疏散的过程。网路疏散模型不仅可以直观地呈现建筑物的疏散路线,以及该路线的疏散时间,这对于建筑物在疏散路线设计的过程中具有很强的指导作用,而且还可以将建筑物结构进行完整的描述。本章主要讨论网络模型的原理与构成、组成模型中不同类型节点的属性与需要的参数。同时提出以行人为主体的网络疏散模型更新算法,并研究不同属性节点行人疏散的模拟过程。最后对表征网络模型特性的相关参数进行分析,为解决疏散问题找到关键节点。3.1网络疏散模型原理[50-55]网络疏散模型,其原理概括来说是将疏散场景中的单元设置为节点,连接单元的通道设置为线段,最终将疏散场景以网状结构表示。同时在进行人员疏散的模拟时,忽视人员与人员之间的相互影响与作用,人员的移动被简化为单元间的移动。具体而言,模拟人员疏散过程为:人员确定初始位置和安全地点的位置,通过特定算法找出疏散路线,然后完成疏散路线上各个单元间的移动,最终抵达安全地点。模拟中可以得出任何时间点所有人员的所处单元情况,也就可以得知人员实际所在位置,而人员从初始位置出发到其走完最后一个单元所用全部时间即为它的疏散时间。最后统计网络中所有人的信息,即可知道整个疏散场景所需要的疏散时间,也可以知道每个节点的疏散情况。此外,我们还要假设疏散人员按照设定的模型假设进行有序疏散。而且由于模拟中对个体行为对疏散的影响的弱化,模拟中无法得出疏散过程中的个体特征。而网络疏散模型相较于微观疏散模型虽然路径划分较为粗糙,但是其计算时参数较少、运算时间也较短。使用网络疏散模型进行疏散模拟时,可以对场景内发生紧急情况时的人员疏散时 西南交通大学硕士研究生学位论文第24页间、疏散时场景中容易形成瓶颈的点和容易造成疏散死角的地方进行了解,同时还可以得到不同紧急情况、不同位置的危险源的情况下疏散状况。从而对建筑物中的疏散设计中的存在的不足进行了解并针对性进行整改,确保其满足规范。3.2网络疏散模型的建立3.2.1网络的构成网络疏散模型的基础是根据疏散场景建立相应的拓扑网络,而拓扑网络的建立需要一定的已知量参与到行人疏散过程的模型计算当中,这些已知量主要分为三类:节点(node)、边(edge)以及行人(pedestrians)。节点(node)行人(pedestrians)cost房间通道capacity出口边(edge)图3-1网络构成示意节点(node):节点的最基本的功能是代表行人所处的实际位置(如图3-1中的房间与通道),并且作为行人路径选择与行为活动的场所。可以根据不同的建筑功能将节点分为以下几类:起点或开始疏散的节点、通道边之间的连接性节点以及终点或到达安全区域的节点。其中起点即为行人开始进行疏散的节点,而终点即为行人离开或到达安全区域节点,而起点与连接性的节点具体又可以根据类型的不同分为四类:房间、通道、楼梯、电梯。因此在模型中我们需要的赋予节点属性主要为节点的编号、节点具体类型、节点内人数。边(edge):网络中任何一个节点都是由边所连接的(如图3-1中绿色箭头),它是一个虚拟的存在而非实际存在,代表的是节点之间的可达性,即节点之间连通状态。边有量个主要状态量边的容量(capacity)、与边的花费(cost),其中边的容量(capacity) 西南交通大学硕士研究生学位论文第25页是指单位时间内从一个节点到另一个节点最多转移的人的数量,也代表出口的通行能力,而边的费用(cost)是指从该节点转移到下一节点所需要的消耗的费用,该费用的衡量可以用时间,可以用距离,也可以用边内的行人流量与密度的关系决定。在模拟过程中边的容量不变的,而边的花费根据模型类型的不同可以不变,也可以随时间变化而变化的。因此在模型中我们需要赋予的边基本属性主要包括连接的边的编号、边的容量、边的费用。行人(pedestrians):行人是网络疏散模型中运动的主体,行人在网络中的运动过程简单来说为从起始节点经过连接型节点到达出口节点,该过程即为疏散过程的模拟。由于网络疏散模型较少的考虑行人个体的行为,因此在模型中我们需要赋予的行人属性主要包括行人的位置、行人的速度、人的选择路径这几个参数。3.2.2节点的划分作为疏散过程中行人活动的场所,对于不同类型的节点而言,人员的流动方式与特征差别很大,使得不同类型节点下的人员疏散过程各具特点。考虑到不同节点在疏散中的不同特点与行人交通流特征,可将疏散模型的节点按建筑单元的划分方式分为房间、通道、楼梯、电梯以及出口五种典型的类型。(1)房间节点,疏散时没有人员进入,只有人员离开节点;(2)通道节点,疏散时既有人员进入,也有人员离开的节点;(3)楼梯节点,该节点的特点与通道结构单元类似,不过它代表的是相邻楼层之间竖直方向上的疏散通道,在模型中楼梯与通道的区别在于行人流“密度—速度”关系的不同;(4)电梯节点,疏散时只能按批次运送人员的节点,通过该节点的人员疏散过程是间断的;(5)出口或避难层节点,疏散人员到达该节点可视为处安全状态,即该类节点是整个网络疏散模型的中行人的最终目的地、每条路径的终点。当所有人到达该类节点时,疏散结束。3.2.3拓扑网络的生成通过已知三类参数的属性设置,再根据我们需要模拟的行人疏散场景的平面图, 西南交通大学硕士研究生学位论文第26页可以以此生成相应的拓扑网络图,基本原理为:Step1:例如图3-2所示,(a)为某建筑平面cad图,首先清除场景平面图中的冗余信息,如尺寸标注等,只留下房间、通道、楼梯等建筑结构。也就是说,将基本的建筑图纸简化成5类结构:房间、通道、楼梯、电梯和出口。再留下门和开口做连接,而其他的冗余信息全部清除,如(b)所示;(a)原始平面图(b)简化后建筑结构图3-2某建筑平面cad图Step2:接下来根据简化后的建筑平面图将各类建筑单元、门与开口网络化,首先将这些简单元转化为网络模型中的节点,在为每个节点编号(如图3-3(a)所示),再根据图纸上建筑单元所在的位置与周围建筑单元的链接关系生成边,用边将节点链接,生成行人疏散的拓扑网络(如图3.2-3(b)所示),并为网络中的节点(node)、边(edge)、行人(pedestrians)赋予初始值。 西南交通大学硕士研究生学位论文第27页(a)节点划分与编号exit391234678910111251440exit13341541exit3616171819202135313738332232678910111212exitexit(b)拓扑网络生成图3-3拓扑网络生成示意3.3行人疏散过程的模拟行人疏散过程是指当危险事件已经发生或即将发生时,但严重程度尚未达到危害人身安全或财产损失前,能将行人顺利分散或转移到达安全区域的行动。一个完整的行人疏散过程应该是“灾害产生—报警信息—确认信息—反应时间—疏散过程—疏散完成”这样的流程,而本文中网络疏散模型主要模拟的是不考虑预警时间与反应时间,行人直接向安全点逃生的疏散过程。网络模型中行人疏散过程的模拟的关键是确定模型中人员运动的流向。通常人员逃生的流向是根据网络出初始节点间的连接关系,从危险源流向安全出口,离开危险区域。同时,行人根据其疏散情况的不同又可以分为两种情况,一种是目的性很强, 西南交通大学硕士研究生学位论文第28页十分了解疏散场景中各通道设施的位置,能尽快选择出到出口的最短路径;另一种是对没有了解的或了解不够的,这一类人会在疏散过程中参考指路标志或是会盲目跟随别人的行动,没有非常明确地目的性。行人疏散过程实质上就是行人由初始点,途径中间节点,最终抵达安全点所形成的由经过的节点、边所组成的活动链。研究行人疏散过程其实就是确定活动链的路径集合。一般而言,我们可以将行人的疏散过程中路径的集合由以下四种方式生成:(1)在疏散开始之前按照一定的生成规则(例如最短路径算法)获得;(2)在模拟中通过一定的根据节点的状态根据相应路径选择算法实时获得;(3)通过实际观察分析、经验总结得出;(4)直接随机生成。行人疏散路径集合直接影响模型的结果。而在研究中,大多数行人疏散路径集合通常都采用第一种方法生成,即按照一定的生成规则方法获得行人的疏散路径集合,在这些路径生成规则中,最常用的是基于最短路径的算法,具体而言就是通过对整个网络每个点到出口间边(edge)结构的属性费用(cost)的计算,找到该节点到出口的最短路径,依次通过该路径上的节点,以此生成行人疏散路径集合。本文则根据第一种方法与第二种方法分别建立了两种类型的网络疏散模型。3.4五类节点疏散算法研究3.4.1房间节点房间节点只有人员流出而没有人员流入,在实际建筑物中可以是教室、办公室等。房间节点疏散开始时,人员随机分布在该节点内,在疏散开始后,节点内的人员只能从房间内疏散出来,而不能将该节点作为连接其它节点的通道。当房间节点存在多个疏散出口时,会出现两种情况:出口对应不同连接节点;出口对应相同连接节点。当多个出口对应不同连接节点时,在模型构建时,需要以疏散时间最短为前提生成路径集,并为房间内人员选定疏散出口;如果多个出口对应相同连接节点时,如图3-4(a)所示,在本研究中将这些出口等效为一个出口进行问题的计算分析,等效出口的宽度为这些出口的有效宽度之和。 西南交通大学硕士研究生学位论文第29页当房间节点中存在障碍物(柜台、玻璃门等)时,会将房间分割为若干部分,为方便研究,可根据房间和障碍物具体情况将房间划分为多个小房间进行分析。房间节点的划分方法如图3-4(b)所示。(a)出口转化等效宽度[54](b)有障碍物分割空间时房间节点划分图3-4房间节点的划分对于房间节点而言,其制约行人疏散的主要因素是房间出口的有效宽度,因此单位时间内从房间节点疏散的人数N如式(3-1):N=J∙w(3-1)J为行人流量系数,根据上一章行人流研究,此处J可以取值为2.72人/ms•,w为房间出口的有效宽度,根据每个房间的实际情况取值。此时N的计算值代表了与房间节点该出口相连边(edge)的容量(capacity)。同时我们还需要得到与该节点相链接的边的费用(cost),即通过该出口从房间内走出去需要花费的时间。首先确定房间内最远点到出口的距离(因为本文建立的是疏散模型,因此需要考虑到疏散过程中最不利的情况,所以此处选择最远距离),根据房 西南交通大学硕士研究生学位论文第30页间类型的不同(例如图3-5所示):A、无障碍物房间;B、有障碍物房间。房间内最远点到出口的距离分别如式(3-2)与式(3-3):22dab=+(3-2)Adab=+(3-3)B图3-5不同房间情况下最远距离计算a,b为房间的边长。dA为无障碍房间内,距离出口最远点A点到出口的距离,其距离直接为A点到达出口的直线距离;dB为有障碍房间内,行人从距离出口最远点B出发,到达出口的距离,因为该场景存在路障,行人需要拐弯才能绕路出去,因此dB的大小为房间边长之和。那么与房间节点相链接的边i的花费edge(i).cost如式(3-4):edge(i).cost=dv/(3-4)v是一般情况下的行人流平均速度,根据第二章研究此处可取值1.1m/s。之后根据距离d,给房间内所有行人随机生成一个距出口距离d’,让他们的距离的期望等于d,以此来模拟行人在节点内随机分布的状态,让模拟的情形更为真实。在此基础上,房间节点的人员疏散算法为:Step1:计算该房间节点相连的边的容量(capacity)与花费(cost);Step2:输入房间内初始人数,假定房间内所有人都在离房间最远的位置,并为房间内每个人赋一个倒计时初值t1,大小为d’的值;Step3:每个时间步(即我们设定的时间间隔∆t)让每个人倒计时的初值自减∆•tv,并判断倒计时的值是否为0,若为0说明行人已经走到出口处,开始从出口走出;若不 西南交通大学硕士研究生学位论文第31页为0说明行人没有走到出口处,则继续循环直到t1=0;Step4:根据边capacity的大小在每个时间步∆t移除相应的人数,然后判断房间单元中在∆t时间内是否有人员存在,如果N>0,则重复循环,直到节点内的人数为N=0时,认为该房间节点疏散结束。房间节点行人疏散算法流程图如图3-6所示:开始房间节点初始属性赋值房间内行人属性初始值更新行人速度t1=t1-Δt●vt1是否为0否是行人移除房间,进入下一节点N=N-ΔN房间是否有人有人无人计算疏散时间结束图3-6房间节点疏散算法流程图3.4.2通道节点通道节点是在疏散时有行人进入也有行人离开的节点,它对于整个网络模型而言是一种起过渡作用或连接功能的结构单位。对于这样的连接性型节点而言,在模型中我们需要考虑到在通道里疏散的行人的速度会根据通道中人员的密集程度产生不同变化,而不是一概而论。但是对于整个通道中的行人流特征的表述并不好界定,因为不同通道的形状、大小动不一样,行人也并非均匀分布在通道里,所以用节点中总人数直接除以节点的面积来计算节点内行人流的密度并不准确。考虑到在疏散过程里行人汇集的位置,本文假定通道出口处的行人流特征能代表整个通道内行人流的特征。如 西南交通大学硕士研究生学位论文第32页图3-7所示,我们假设行人在通过通道时都会通过一个距离通道出口处3m的监测区间,该区间内行人的“密度—速度—流率”关系即为整个通道内的行人流特征。图3-7行人流参数测定范围那么,行人流的密度即为当前时刻处于该监测区间内的人数除以区间的面积,行人流的速度则根据第二章的结论,同时考虑到通道形式的不同,通过式2-6与式2-8计算。因此对于通道节点相连接的边而言,还需要设置一个参数密度(density),通过对密度的更新来计算行人流的速度变化,以此表征通道内行人流的特征。同时我们还需要计算与通道节点相连的边的容量(capacity)与费用(cost)。与通道节点连接边和与房间节点连接的边类似,capacity用行人流最大流量乘以通道出口宽度获得,cost用通道最远点到出口的距离除以一般情况下的行人流平均速度即可获得。通道节点行人疏散算法为:Step1:计算该通道节点连接边的容量(capacity)与花费(cost),计算每个进入该通道节点入口到出口的距离;Step2:判断通道节点是否有人,若有人,给每个人随机生成一个到出口的距离d,其大小在0到最远点到出口距离之间,若没人,则不考虑;Step3:判断是否有人进入通道,若有人进入,给进入的人设置到出口的距离d,其大小为进入通道节点入口到出口的距离,若没人进入,则更新时间,直到有人进入;Step4:判断是否有人进入行人流计算区间,即出口前3m的范围,若有人,则根据该区间内行人流的关系为通道内所有人赋予速度v的值,若没人则当做所有人自由移动,速度初值设为1.1m/s;Step5:在每个时间步(∆t)让每个人到出口的距离d自减∆•tv,同时判断d的 西南交通大学硕士研究生学位论文第33页大小,若03<0d=0判断d的值N=N-ΔN有人通道内是否有人无人计算疏散时间结束图3-8通道节点行人疏散算法流程3.4.3楼梯节点楼梯节点其实与通道节点类似,它同样是一种通过性质的节点,同时会有人进出,不过它代表的是相邻楼层之间竖直方向上的疏散通道。楼梯节点在模型的疏散算法流程上与通道节点一致,此处不再赘述,其中最主要的区别在于两种节点内行人流密度-速度关系的不同,计算时需参照第二章结论(表2-1)对相关参数进行赋值计算。 西南交通大学硕士研究生学位论文第35页3.4.4电梯节点由于本文案例中没有消防电梯这一设施,因此仅在此处简要说明模型中电梯节点的疏散算法。首先消防电梯用作疏散时的升降控制是根据预先设定的策略决定的,这里简单介绍一种常用的疏散策略(如图3-9):假定所有电梯初始位置都位于建筑最底层,首先判断需要疏散的楼层有没有人,若有人,则在疏散开始时电梯直接升到有人楼层中的最顶层,对最顶层的行人进行疏散,若电梯坐满,则直接降到第一层,然后再返回最顶层(第n层)继续疏散;若电梯未满,则降到下一层(第n-1层)疏散该层的行人,直到电梯坐满,然后直接降到第一层,如此往复循环,直到所有人疏散完毕或没有人选择从电梯疏散为止。图3-9电梯疏散策略中疏散楼层优先级其次模型中与电梯节点相连的边的参数的计算,其容量(capacity)即为电梯能容纳的人数,其计算值如表2-2所示。其费用(cost)是一个间断时间函数,即在每隔一定的时间疏散一定数量的人,而这个间隔时间的计算与电梯的升降过程有关。那么电梯节点的疏散算法则为:Step1:计算与该电梯节点链接边的容量(capacity)与花费(cost);Step2:判断目标楼层,确定需要疏散楼层楼的优先级;Step3:按照确定的优先级开始疏散,同时判断电梯是否满员,若满员直接降到第一层;若未满员则降到次优先级的楼层,直到电梯满员,满员后再降到第一层;Step4:根据时间间隔∆t更新电梯内行人的位置,若nt•∆等于该边的花费cost,说明电梯已经将行人运送到目标层,即电梯一个疏散周期完成; 西南交通大学硕士研究生学位论文第36页Step5:判断所有楼层是否还有人,若有人则继续循环,若没人则说明疏散完成。电梯节点行人疏散算法流程图如图3-10所示:开始电梯节点初始属性赋值判断目标楼层电梯是否满员否是计算电梯运行时间tt=t+Δtt是否等于cost否是目标楼层人数N=N-N电,t值清零所有楼层是否有人有人无人计算疏散时间结束图3-10电梯节点行人疏散算法流程3.4.5出口或避难层节点出口或避难单元节点是行人疏散的目的地或终点。疏散出口和避难单元看似功能相似,但是存在较大差异,首先疏散出口是完全安全地带且可容纳人数没有上限,而避难单元则是亚安全的单元且可容纳人员有上限,其次当疏散人员通过疏散出口时,则表示该人员处于完全安全状态,并疏散成功;当疏散人员进入避难单元时,则表示该人员处于暂时安全状态。因此,在讨论人员通过疏散出口的时间,不需要单独考虑,认为行人进入出口节点即为安全状态;在讨论人员进入避难单元时,只需设定人员流入避难单元节点的容量限制,让进入的人员数量小于或等于避难单元的可容纳人员上 西南交通大学硕士研究生学位论文第37页限,而当避难节点承载人员满额时,更新与该节点相连接边的费用(cost)为无穷大,不再让该节点进入行人。这两种场景如图3-11所示。(a)出口节点(b)避难层节点图3-11两种不同类型疏散出口的人员疏散示意图3.5网络模型网络特性研究对于网络疏散模型而言,找到模型中结构上重要的节点,针对这些节点进行整改优化,对控制整个疏散过程具有重要的意义。因此研究能反应网络相关特性的统计性[56][57][58]质的参数是我们进行相关研究的关键步骤。本文将从度、介数以及中心接近度三个角度研究能表征网络疏散模型的结构与特性的参数,通过定量分析的方法找到网络中关键节点,为优化疏散方案提供指导。3.5.1节点的度在网络中,节点i的度ki即为与它相邻的节点数量,它是刻画节点特性最重要的一个指标。如式(3-5)所示,式中V为网络节点集合,j为与节点i相连的节点。kai=∑ij(3-5)jV∈有向网络节点度可分为两类:入度、出度。所谓入度就是进入节点的边数,所谓出度就是从节点出发的边数。而有向网络节点度数就是其入度和出度的和。网络中节点的度的大小表明它在网络中的重要成都。网络节点的度的分布P(k)如式(3-6)所示:度等于k的节点数Pk()=(∀正整数k)(3-6)节点总数 西南交通大学硕士研究生学位论文第38页节点的度数通过表示节点的相邻节点的个数来体现节点的重要性,因为一般而言相邻节点越多,该节点在网络中越重要。度虽然计算简单,但是网络中节点的重要性还受相邻节点的重要性影响,也就是说度无法完全说明节点的重要性。3.5.2节点与边的介数介数(Betweenness)分节点介数与边介数。节点介数是指连接网络中任意一对节点,它们间共有N条不同的最短路径,其中有n条经过节点i,那么节点i对这对节点的介数的贡献为n/N,把节点i对所有节点对的贡献累加起来再除以节点对总数,就可得到节点i的介数B(i)。节点介数值越大,说明经过该节点的最短路径越多,在信息传播过程中,通过该节点的信息量就越大,于是就越容易发生拥塞。因此通过网络中节点介数计算可以表征节点在连通网络中起到的作用,找出网络中的关键节点。边的介数的定义与节点相似,为所有节点对的最短路径中经过该边的数量比例,但它的意义又有所不同,边的介数的作用可以体现在节点的聚类,其基本思想经过最短路径次数最多的边即介数最大的边,一定是连接两个节点集团的边。节点i介数的直接定义式(3-7):s()istBi()=∑(3-7)sitV≠≠∈sst其中s与t是属于网络V的节点,s()i表示经过节点i的从节点s到节点t的最短st路径条数,s表示从节点s到节点t的最短路径条数。st相较于节点的度而言,网络中节点的介数的计算较为复杂,我们可以通过以下的算法计算节点的介数:遍历网络V中所有点对,调用Dijkstra算法计算出所有的s,st然后计算出s、s,那么s()i可以用下式(3-8)表示siitstss•dsiditdst(,)+=(,)(,)siits()i=(3-8)st0other3再代入式3-7,由此可得节点i的介数B(i)。但该算法计算的复杂度达到O(n),因此不太适用于过于庞大的网络。而对于整个网络而言,边或者节点介数的分布关系,可以表征出整个网络的结构。其中节点的介数分布PB()意义为网络中节点介数为B的节点与网络总节点数之比,同v 西南交通大学硕士研究生学位论文第39页理,网络中边介数分布PB()定义也一样,如式(3-9)所示。e介数等于B的节点数PB()=(∀正整数B)v节点总数介数等于B的边数PBe()=(∀正整数B)(3-9)边总数不同的网络介数分布表示的意思大不相同,对于本文的疏散网络而言,介数分布特征反映了理论上疏散场景中不同单元结构所需要承担疏散的行人流量的大小,这对于网络中发现关键单元、优化疏散计划具有重要意义。3.5.3节点中心接近度在网络中,节点的中心接近度(Centerapproachdegree)定义为节点i到网络V中其他所有节点距离之和的倒数,节点i的中心接近度C(i)可以用式(3-10)表示:kCi()1/=∑dij(3-10)j=1节点的中心接近度反映的是节点在网络结构中所处的位置,中心接近度越大表明节点越接近整个网络几何结构的中心,由此可以对所有节点的结构重要性进行评估。3.5.4网络特性参数的应用我们对网络特性参数在疏散中的应用,主要是利用网络特性参数的计算,找到度数、介数与中心节点度最高的节点,该节点对网络流通效率有极大的影响力,我们认为网络结构中较为重要的节点。而这些节点的反映到实际建筑中的位置,是疏散过程中最为关键的位置。N110,215,220,320,420,3Exit1N4N3N5Exit210,3N2(a)网络结构示例 西南交通大学硕士研究生学位论文第40页高N110,2重15,220,320,420,3要exitN4N3N5exit程度10,3N2低(b)节点重要程度图3-12网络特性研究意义示意如图3-12(a)为一个简单网络,经过网路特性参数计算与分析,按照节点度数、介数、中心接近度越大越重要的规则,可以直接为节点的重要程度进行排序,如图3-12(b)所示。由此得出节点重要度排序的结论。它在疏散策略定制中,可以让我们抓住重点,对关键节点代表位置进行针对性的处理、优化与改造,以此来改善疏散效率。 西南交通大学硕士研究生学位论文第41页第四章考虑路径选择的人员疏散网络模型算法设计本文第三章已经各类型节点人员疏散的算法。在此,本章根据这些疏散算法,将它们按疏散场景拓扑网络结构统合起来,使用MATLAB编写出一套整体的网络疏散模型程序。本章主要内容为:(1)对疏散模型的成立提出假设,并根据算法的不同将网络疏散模型分为优化模型(optimizationmodel)与模拟模型(simulationmodel)两类进行讨论;(2)构建无信息反馈的网络疏散模型,并对这类优化模型的预设疏散策略进行研究;(3)对有信息反馈网络疏散模型研究其行人路径选择的机制与算法,以此建立行人路径可以选择的模拟模型;(4)在这些研究的基础上,利用计算机软件编制整体疏散仿真程序。4.1网络疏散模型的假设任何的疏散模型在建模之前都会作出假设,让模型的模拟与计算符合一定的条件,同时也会对模型的模拟范围提出一定的限制。本文所研究的考虑行人流特性的网络疏散模型也是在一定的假设前提下进行的,假设成立条件如下:1、模型中疏散人员大致具有相同的特征,即不考虑由人员的性别、体型、身体条件等不同导致疏散能力的不同;2、人员在疏散时会根据模型的不同采用预设的路径逃生,或根据路径信息的反馈策略实时进行选择;3、模型中所有人员同时收到开始疏散的信号,同时疏散;4、模型不考虑人员疏散过程中的由于行人个体原因导致的某些特殊现象,如上文列举的返回现象、聚集现象等;5、模型仅模拟行人收到疏散信息后直接开始疏散的行走时间,不考虑危险的预警时间与人员的反应时间;6、行人疏散在疏散过程的群体特征,即它们的“密度—速度—流率”关系满足第二章行人流研究的结果。 西南交通大学硕士研究生学位论文第42页4.2无信息反馈网络疏散模型算法无信息反馈网络疏散模型是一种静态的网络模型,指在模型计算之初就根据一定的条件与规则为网络模型中每个人确定好疏散流线,在疏散过程中行人的行走路径不会因某些条件而改变,例如不会有人因某节点排队人数太多选择另一条路径,他们会沿着设定好的疏散流线的路径继续排队等候,直到所有人到达安全区域。无信息反馈网络疏散模型更偏向于优化模型(optimizationmodel),它的计算结果很大程度上受到预设疏散策略的限制,若预设的疏散策略优秀,则模拟出的疏散时间较短,若预设的疏散策略不好,在模拟的疏散时间会很长。因此,通过这类模型的算法我们可以对比出让疏散时间最短的预设策略,对不同的疏散策略进行评价,筛选最好的结果。本文在这里采用了两种预设的疏散策略。4.2.1单路径疏散策略根据第三章各节点人员疏散算法,将它们按拓扑网络结构统合起来,可生成整体的网络疏散模型。其中无信息反馈单路径网络疏散模型是算法最简单的疏散模型,该类模型假设所有人都会根据当前节点的信息即每条边的花费(cost)选择最短的路径,且每条边的(cost)不会因为有人排队或是堵塞发生改变。对于同一个节点的人,他们只会选择一条路径即一个出口作为目标,选择之后不会改变,即使节点人数很多,他们也会排队等候。因此,无信息反馈单路径网络疏散模型算法为:Step1:构建疏散网络,输入网络中三种结构—节点(node)、边(edge)与行人(pedestrians)的初始属性参数;[59]Step2:对每个初始节点使用弗洛伊德(floyd)算法求每个节点到每个出口的最短路,比较各条路径大小,找到最小值作为每个初始节点的内行人的疏散路径;Step3:开始疏散,找到每个人每个节点路径中下一个节点的编号,确定边的属性,根据不同类型节点的疏散算法更新行人位置与速度;Step4:判断所有人是否到达安全点,若没有则继续循环,若所有人都到达安全点则停止计算。 西南交通大学硕士研究生学位论文第43页4.2.2多路径疏散策略相较于单路径疏散模型,多路径模型指的是对于同一个节点内的人,可以选择多个出口作为目标。即针对同一个节点的人,同样是使用最短路算出节点到每个出口的最短路,但不比较这些路径的长短,将它们都作为该节点疏散路径的终点,以总疏散时间最短为目标,将行人分流到各条路径上。和单路径疏散模型一样,多路径疏散模型中行人选择了路径之后不会再做出改变。无信息反馈网络疏散多路径网络疏散模型算法为:Step1:构建疏散网络,输入网络中三种结构—节点(node)、边(edge)与行人(pedestrians)的初始属性参数;Step2:对每个初始节点使用弗洛伊德(floyd)算法求每个节点到每个出口的最短路;Lk1Exit1...k1Lk2Exit2...k2N个人...Lkn...Exitnkn图4-1多路径算法人员分配策略示意Step3:根据每个节点到每个出口最短路的长度,按比例分配该节点行人到不同的路径上。例如图4-1,节点i内初始有N个人,且该节点到各个出口kn的最短路径长度为Lkn,那么分配到该路径上的人数N(i-kn)为如式(4-1)所示,其意义为路径长度越短,则分配的人数越多; 西南交通大学硕士研究生学位论文第44页1LknNikn()−=•Nn(4-1)1∑j=1LkjStep4:开始疏散,找到每个人每个节点路径中下一个节点的编号,确定边的属性,根据不同类型节点的疏散算法更新行人位置与速度;Step5:判断所有人是否到达安全点,若没有则继续循环,若所有人都到达安全点则停止计算。4.3有信息反馈网络疏散模型算法有信息反馈网络疏散模型相对于无信息反馈网络疏散模型是一种动态的网络模型。因为对于实际疏散过程而言,有人会因为当前路径的堵塞程度选择改变自己的疏散路径;而对于疏散策略而言,所有人都选择最短的路径并不一定是最优解。因此让一部分人走最短路,另一部分人选择较长却不拥挤的路径,才能客观地反映出实际疏散情况,也才能在总体上让疏散场景的总疏散时间最短。因此本节中的信息反馈具体来说就是将路径中的实际情况通过一定的策略反馈更新到模型中节点(node)、边(edge)的属性中,让行人(pedestrians)根据更新后的参数值重新计算要走的路,以此获得更优的疏散策略与更符合实际情况的疏散过程。而在实际情况中,若在疏散过程里存在含有信息反馈的指引设施,通过对疏散过程中行人的引导也可以使行人流尽量分散在整个网络的疏散过程中,以此达到总疏散时间最短的目的。相较于无信息反馈网络疏散模型而言有信息反馈网络疏散模型更偏向于模拟模型(simulationmodel),通过这类模型算法我们可以分析行人在疏散过程中的具体选择与状态,更为符合疏散过程中的实际情况。4.3.1信息反馈策略在实际疏散过程中,当网络中有多个疏散出口或面对同一条出口有多条路径的时候,将会出现选择路径的问题,而通过信息反馈让模型中行人实时选择路径则为对这一问题的模拟与解决。所谓信息反馈过程即为将路径中的实际情况通过一定的反馈算法反馈更新到模型中,让行人重新计算疏散的最佳策略选择路径。其中信息的反馈策 西南交通大学硕士研究生学位论文第45页略与节点间的距离、疏人员流动速度和各个节点的实时人员数量等等因素都有关。本文主要研究了两种信息反馈策略对疏散结果的影响。1、排队时间(Queuingtime)反馈排队时间即为对于排在某位行人前的所有人通过出口所花费的时间。例如图4-2所示,对于房间内行人i前方两个出口分别有N1与N2个人排在他的前面,那么对于行人i通过出口1需要等候t(i1)=N1/edge(1).capacity的时间,通过出口2需要等候t(i2)=N2/edge(2).capacity的时间。Ni1个人Exit1d'i1id'i2Exit2Ni2个人图4-2排队时间反馈示意再考虑到行人i走到出口需要花费的时间,排队时间反馈公式则可以定义为式(4-2)。式中t(ij)为对于行人i,从出口j走出排队所花费的时间;N(ij)为对于选择节点的出口j且到出口j距离小于行人i的人的总数;edge(j).capacity为的代表出口j的边容量,亦即出口j的通行能力,d’(ij)为行人i到出口j的距离,v为行人i的移动速度。Nij()Nij()dij'()if()>edgejcapacity().edgejcapacity().vtij()=(4-2)dij'()Nij()dij'()if()<vedgejcapacity().v因此对于排队时间反馈而言,排队的人越多,需要等候的时间也就越长,出口通行能力越低,需要等候的时间也越长。2、簇系数(Clusteringcoefficient)反馈 西南交通大学硕士研究生学位论文第46页簇系数是指某条路径上行人的分布状态与疏散效率的关系,它代表了行人们在行走过程中的聚集程度,以及不同聚集程度对这条路径上行人的总体疏散时间的影响。簇系数反馈可以通过式(4-3)表示:nωC=∑COSTNii.(4-3)i=1式中,C为簇系数值;i为该路径上行人分布的簇的数量;COSTi为第i个行人簇到该路径出口所需要消耗的费用;Ni为第i各行人簇所包含的行人数量;ω为簇系数参数,其取值大小表征了该路径的疏散时间收行人分布的影响程度,ω越大其影响程度越大。例如图4-3所示,对于一同条路径,假设存在一群人到出口疏散费用的期望为d,ω取值为2,那么当他们行走分布如情况A时,根据公式这条路径的簇系数CA=5d;当他们行走分布如情况B时,CB=13d;当他们行走分布如情况C时,Cc=25d。簇系数Cc>CB>CA,其意义为当路径上行人分布越集中,行人受到的阻力越大,疏散所花费的时间也越长;相反若是行人分布越均匀,则所有人通过该路径的时间越短。Averagecosttoexit=dAExitBExitCExit图4-3簇系数反馈示意但是簇系数反馈存在这样的问题。当疏散场景中人很多时,这样造成的路径拥堵得效用值,通过簇系数来反馈描述会很有效。但是当疏散场景中人很少时,如图4-4所示,通过簇系数反馈就会有这样的现象:对于行人i他通过路径1到达出口的距离为20,通过路径2到达出口的距离为15,那么根据簇系数反馈,当ω取1时,路径1的簇系数C1=20;路径1的簇系数C2=36。C1C2’=36,行人i下一时刻的选择又会重新选到路径2上,由此在模型模拟过程中造成i在两条路径间来回选择,导致模拟时间的延长。因此,我们会在场景中人很多时给ω赋值较大,当场景中疏散人数很少时给ω赋值较小。出口1路径1长度20路径2长度12出口2i图4-4簇系数算法存在问题示意4.3.2行人的路径选择算法在有信息反馈网络疏散模型中,行人会根据不同的反馈策略进行路径的实时选择,以此模拟真实的疏散场景,其路径选择过程为:(1)生成符合条件的备选路径集合;(2)决定信息反馈策略;(3)计算行人路径选择效用值;(4)行人选择最佳路径。在这过程之间,重点在于如何通过我们给出的反馈策略计算选择路径的影响参数变量,并将结果应用到行人的效用模型中。在这里,我们采取如下的处理方式:1、对于排队时间反馈Step1:对网络模型的节点、边、行人赋予初始值,同时根据floyd算法求节点的最短疏散路径,遍历每个节点将这个最短路作为当前节点内行人的初始疏散目标路径,也将当前路径的总费用作为当前节点内所有行人疏散需要的总费用pedestrian(i).cost。之后根据节点连边间的费用cost,给节点内所有行人随机生成一个距当前节点下一个距离d’,以此来模拟行人在节点内随机分布的状态;Step2:以节点为更新单位,按照排队时间反馈公式cost’(i,j)=cost(i,j)+N(ij)/capacity(i,j)(式中cost(i,j)指从节点i到当前最短路下一节点j所需要消耗的费用;N(ij)为当前时刻i节点内选择j为下一节点为目标的人数;capacity(i,j)为节点i到节点j的边的容量),重新更新联通节点i边的费用(cost’),同时再使用floyd算法求每个节点的最短疏散路径,并计算此时每个节点最短疏散路径的费用cost’总;Step3:以行人为更新单位,按照排队时间反馈公式,对当前节点除初始选择外其余出口分别计算pedestrian(ij).cost’=t(ij)+cost’总(j,k)(式中pedestrian(ij).cost’ 西南交通大学硕士研究生学位论文第48页为信息反馈后行人i到节点j的疏散费用;t(ij)为排队时间,如式4-2所示;cost’总(j,k)为节点j的最短疏散路径,k为这条路径出口),当前节点有多少出口计算多少次,取其中最小pedestrian(ij).cost’作为行人i的当前最小疏散费用pedestrian(i).cost’,如图4-5所示;1...Exitk1pedestrian...(i1).cost’=t(i1)+cost’总(1,k1)反馈路径及费用n...Exitikn初始路径及费用pedestrian(in).cost’=t(in)+cost’总(j,kn)pedestrian(i).cost’=min{pedestrian(i1).cost’,pedestrian(i2).cost’aapedestrian(in).cost’}反馈initial...Exitinitialpedestrian(i).cost比较pedestrian(i).cost与pedestrian(i).cost’●k(阈值)大小图4-5排队时间反馈的费用计算Step4:比较pedestrian(i).cost与pedestrian(i).cost’的大小,设置阈值k(本文取值为1.1),若是pedestrian(i).cost’的k倍依然小于pedestrian(i).cost,那么行人重新选择新的路径,同时将pedestrian(i).cost’作为下次信息反馈的初始路径费用,否则行人不改变自己的选择;Step5:遍历模型中所有行人,为每个行人进行路径选择;Step6:在疏散过程中不断更新行人的速度、位置,同时设置反馈系数f,让模型每个f个时间步反馈以此网络中的路径选择信息(本文f取值为10),再按step2-4重新计 西南交通大学硕士研究生学位论文第49页算每个行人的选择路径,直到疏散结束。2、对于簇系数反馈Step1:对网络模型的节点、边、行人赋予初始值,同时根据floyd算法求节点的最短疏散路径,遍历每个节点将这个最短路作为当前节点内行人的初始疏散目标路径,也将当前路径的总费用作为当前节点内所有行人疏散需要的总费用pedestrian(i).cost。之后根据节点连边间的费用cost,给节点内所有行人随机生成一个距当前节点下一个距离d’,以此来模拟行人在节点内随机分布的状态;Step2:以节点为更新单位,按照排队时间反馈公式cost’(i,j)=cost(i,j)●N(ij)^ω(式中cost(i,j)指从节点i到当前最短路上下一节点j所需要消耗的费用;N(ij)为当前时刻i节点内选择j为下一节点为目标的人数;ω为簇系数参数),重新更新联通节点i边的费用(cost’),同时再使用floyd算法求每个节点的最短疏散路径,并计算此时每个节点最短疏散路径的费用cost’总;Step3:以行人为更新单位,按照排队时间反馈公式,对当前节点除初始选择外其余出口分别计算pedestrian(ij).cost’=C(ij)+cost’总(j,k)(式中pedestrian(ij).cost’为信息反馈后行人i到节点j的疏散花费;C(ij)为簇系数反馈,如式4-4所示;cost’总(j,k)为节点j的最短疏散路径,k为这条路径出口),遍历所有剩余出口,取其中最小pedestrian(ij).cost’作为行人i的当前最小疏散费用pedestrian(i).cost’,如图4-6所示;∧Cij()=d•Nω(4-4)ijij式中C(ij)为行人i选择j做下一个目标节点时收到的簇系数反馈,,dij为选择出口j且到出口j距离比i近的人的费用平均值;Ni为选择出口j且到出口j距离比i近的人的数量。 西南交通大学硕士研究生学位论文第50页Exit1...k1pedestrian(i1).cost’=C(i1)+cost’总(1,k1)C(i1)=di1●Ni1^ωdi1(选择出口1且到出口1距离比i近的人的费用平均值),...Ni1(选择出口1且到出口1距离比i近的人的数量)...Exit`n...kndin(选择出口n且到出口n距离比i近的人的费用平均值),Nin(选择出口n且到出口n距pedestrian(in).cost’=C(in)+cost’总(1,kn)离比i近的人的数量)C(in)=din●Ni1^ωpedestrian(i).cost’=min{pedestrian(i1).cost’,初始选择路径pedestrian(i2).cost’aapedestrian(in).cost’}...Exitinitialinitial反馈pedestrian(i).cost比较pedestrian(i).cost与pedestrian(i).cost’●k(阈值)大小图4-6簇系数反馈的费用计算Step4:比较pedestrian(i).cost与pedestrian(i).cost’的大小,设置阈值k(本文取值为1.1),若是pedestrian(i).cost’的k倍依然小于pedestrian(i).cost,那么行人重新选择新的路径,同时将pedestrian(i).cost’作为下次信息反馈的初始路径费用,否则行人不改变自己的选择;Step5:遍历模型中所有行人,为每个行人进行路径选择;Step6:在疏散过程中不断更新行人的速度、位置,同时设置反馈系数f,让模型每个f个时间步反馈一次网络中的路径选择信息(本文f取值为10),再按step2-4重新计算每个行人的选择路径。Step7:当疏散人数超过总疏散人数一定数量是时,更新ω。再重复上面的步骤step2-6继续疏散,直到疏散结束。 西南交通大学硕士研究生学位论文第51页4.3.3有网络信息反馈的网络疏散模型整体算法有信息反馈的网络疏散模型侧重于行人疏散过程的模拟,因此无需根据疏散策略预设好行人的行走轨迹,只需在模型运行之初求出每个节点到不同出口的最短路,让它作为模型中行人疏散路径的初始值,此后行人会根据不同的信息反馈方式,衡量通过每条路径疏散到安全点的费用,根据实时的情况选择花费最少的路径,以此模拟行人疏散的过程而不受疏散策略的限制。有网络信息反馈的网络疏散模型整体算法如下:Step1:构建疏散网络,输入网络中三种结构—节点(node)、边(edge)与行人(pedestrians)的初始属性参数;Step2:对每个初始节点使用弗洛伊德(floyd)算法求每个初始节点的内行人的初始疏散路径;Step3:选择信息反馈策略,更新每条路径费用,重置每个行人的疏散路径;Step4:开始疏散,根据不同类型节点的疏散算法更新行人位置、速度以及选择的路近;Step5:判断所有人是否到达安全点,若没有则继续循环,若所有人都到达安全点则停止计算。有信息反馈网络疏散模型代码详见附录。 西南交通大学硕士研究生学位论文第52页第五章人员疏散网络模型分析与应用为了验证本文所建立模型的准确性,以及对模型中影响疏散效率的相关参数的分析,本章主要以港铁疏散实验为案例,采用考虑行人流特性的网络疏散模型进行疏散模拟,同时将结果与经典算法、设计规范结论以及实际疏散实验结果对比,分析模型的优点与不足,最后基于考虑行人流特性的网络疏散模型结果的对案例安全性提出评价与建议。5.1应用案例与网络模型的建立5.1.1疏散案例简介本文采用案例为香港某地铁车站疏散实验,实验时间于地铁停运后约23:45开始,凌晨2:30结束。实验一共招募了近2000名志愿者参与,是到目前为止世界上规模最大的地铁火灾疏散实验。实验场所为两条地铁线路的跨站台换乘车站,车站共有4个站台,以2个岛式站台方式分布,所有站台均设有站台幕门。车站共有四层,而实验仅选用地下1层站厅层以及地下2、3层两个站台层作为实验场所。平面图如5-1所示。图中分别用5种颜色的图标示意行人疏散过程中的主要设施,蓝色图标代表车站大厅出入口,红色图标代表检票闸机,绿色图标代表下行自动扶梯,黄色图标代表上行自动扶梯,紫色图标代表楼梯。疏散实验虚构的起火点设定在地下三层站台上的一列列车上。在疏散演习的开始阶段,我们假定开往车站地下三层站台上的一辆列车着火并且被迫停靠在该站台。实验开始后要求该站台上的所有乘客、车厢内的人员以及港铁工作人员逃出车站到室外。该站出入口之外的区域被视为安全点(即图5-1(a)中A、B、C、D、E五个蓝色图标所代表的位置)。同时假设在相对方向上驶来列车上的乘客因为没有受火灾影响因所以无需进行逃离,而是继续驶向下一车站。 西南交通大学硕士研究生学位论文第53页(a)车站大厅层平面图(b)地下二层与地下三层站台层平面图图5-1实验场地平面图实验参与人员分别分布在起火列车与地铁站中。列车内乘客总共有800人,平均分布在8节车厢,每节车厢100人。在地下2层与地下3层站台层中,站台前每节车厢安排30人以模拟等候的乘客,均匀的分布在列车车门附近,因此共有2(2个站台层)×30×2(每个站台层往返两条线)×8(8节车厢)=960人为等候在站台层的乘客。剩余的人员(大约240名左右)则随机分布在车站站厅层。本实验并没有开放所有的疏散设备,在地下三层仅使用了楼梯S2和扶梯E5;地下二层使用楼梯S2和扶梯E2、E6与上面车站大厅相连接。楼梯S2在地下3层与地下2层链接为单向(度1.5米),地下2层与站厅层链接为双向(宽度3米)。因此在模型中将该楼梯划分为两个节点。实验通过摄像机录像与调查问卷的形式收集数据,以此记录各个出口人员流动情 西南交通大学硕士研究生学位论文第54页况与参演人员的个体差异性情况。收集数据所需要的视频录像机安置于该站出入口、闸机楼梯口等重点观察位置,所记录的影视资料可以在演习之后通过图像处理技术或手动计数来进行处理。同时分发给参与者相关疏散演习的问卷,以此来收集关于他们的自我意愿与身体特征的一些资料,包括他们自己想要走的疏散路线,以及关于收到的疏散指令和其他声音信息时心里和行为如何表现的相关信息。5.1.2网络疏散模型的建立根据实验地铁站CAD图与实验人员设置信息将平面图网络化。首先将实验场地转化为网络模型中的节点,如图5-2所示。C出口A出口E出口304020303020203020站厅层D出口E2E6S22B出口E5S21E2E6S226060606060606060地下2层E5S216060606060606060地下3层100100100100100100100100着火列车图5-2实验场地节点化与节点人数再根据各单元所在的位置与周围单元的链接关系生成行人疏散的拓扑网络。如图5-3所示。图中边的属性第一个数为费用cost,第二个为容量capacity。由于本文编写模型的时间步为0.1s(即每0.1秒更新一次),为了便于计算对边的容量赋值的含义为每n个时间步从该节点出去一个人,例如从N1到N9的边的容量为4,代表每0.4秒从该节点走出一人。 西南交通大学硕士研究生学位论文第55页N41N39EXITEXIT(22,4)(22,4)(22,5)(45,2)(38,2)38,2)(38,2)(38,2)(38,2)(38,2)(38,2)N43N30N31N32N33N34N35N36N37N38EXIT(30)(40)(20)(30)(30)(20)(20)(30)(20)(22,5)(22,4)N42N40EXITEXIT(18,4)(18,6)(18,3)N27N28N29(0)(0)(0)(15,4)(15,5)(15,4)(38,3)(38,3)(38,3)38,3)(38,3)(38,3)38,3)N19N20N21N22N23N24N25N26(18,5)(60)(60)(60)(60)(60)(60)(60)(60)18,5)N17N18(0)(0)(18,4)(22,4)(38,3)(38,3)(38,3)(38,3)(38,3)(38,3)(38,3)N9N10N11N12N13N14N15N16(60)(60)(60)(60)(60)(60)(60)(60)(17,4)(17,4)(17,4)(17,4)(17,4)(17,4)(17,4)(17,4)N1N2N3N4N5N6N7N8(100)(100)(100)(100)(100)(100)(100)(100)图5-3地铁疏散实验的拓扑网络然后根据场地信息计算网络模型中的节点(node)、边(edge)、行人(pedestrians)三类模型主体结构的各属性初始值,并根据拓扑网络生成邻接矩阵。需要输入的初始值如下表5-1与表5-2所示。表5-1节点初始属性节点内行人密度节点编号初始人数节点类型2检测处面积(m)N1--1001N2--1001……N948602……N274.503……N43--04(节点类型为:1.房间;2.通道;3.楼梯;4.出口) 西南交通大学硕士研究生学位论文第56页表5-2行人结构体初始属性行人编号速度(m/s)所在节点最终目标节点下一目标节点随机距离(m)11.1N1N41N910.221.1N1N41N98.531.1N1N41N917.3……8501.1N9N41N1020.18511.1N9N41N105.3……20001.1N38N40N405.5(注:由于行人数量过大此处没有全部展示)最后将初始值与邻接矩阵带入编好的程序中进行计算,根据结果进行分析。5.2模型模拟结果验证将案例场景带入上文阐述的4种模型中分别计算,从疏散时间与各出口实际疏散人数两个方面与疏散实验结果对比,对模型的准确性做出验证。其中对于簇系数反馈模型而言,簇系数参数(式4-3中ω)取2。5.2.1各出口疏散人数每个出口疏散人数时间变化如图5-4所示,从各出口疏散人数与时间来看,有信息反馈的网络疏散模型结果与无信息反馈的网络疏散模型差距较大,而两种有信息反馈的网络疏散模型模拟结果之间的差别不明显。将结果整合与港铁疏散案例结果对比,行人疏散各出口人数分布如表5-3所示。 西南交通大学硕士研究生学位论文第57页(a)4种模型A出口疏散人数随时间变化(b)4种模型B出口疏散人数随时间变化(c)4种模型C出口疏散人数随时间变化 西南交通大学硕士研究生学位论文第58页(d)4种模型D出口疏散人数随时间变化(e)4种模型E出口疏散人数随时间变化图5-4各出口疏散人数随时间变化表5-3各出口疏散人数分布出口A出口B出口C出口D出口E出口方法(N39)(N40)(N41)(N42)(N43)港铁疏散案例结果41039479734851无反馈单路径模型59001380030无反馈多路径模型369369464464334排队时间反馈模型34149119835557簇系数反馈模型(ω=2)391341615509144从结果来看,簇系数反馈模型结果与港铁疏散案例结果差距不大,因此我们可以认为,簇系数反馈的网络疏散模型可以较为真实的模拟出行人在疏散过程中的对疏散 西南交通大学硕士研究生学位论文第59页路径的选择。而排队时间反馈模型结果中行人对路径选择的结果与无反馈单路径模型有一定程度的相似,这就说明了对于地铁站这样的场景而言,站台、站厅的位置不会发生拥堵,而产生拥堵的楼梯、扶梯等节点位置聚集人数都偏多,且行人必须通过这些节点才能到达上一层,这就导致了排队时间反馈出的备选路径的费用也很高,即无论是走当前选择楼梯路径还是另一楼梯的路径的费用同样很大,如此行人还是选择了走最短路。无信息反馈的两种模型行人对出口的分配就与港铁疏散案例结果差距就更大了,因为模型运算之前就采用相应的算法确定好了每位行人的疏散路线,他们的目标节点不会在模拟过程中改变,导致了结果的差异,造成与事实不符的情况。因此对于无信息反馈的网络疏散模型而言,分布的结果说明无信息反馈多路径模型的模拟并不符合实际,这说明我们预设的方案不能真实地模拟出行人在疏散中的具体流通过程,它不能模拟疏散的真实情况仅可以作为优化模型评价我们预设疏散路径的优劣以及预设疏散策略的好坏。5.2.2疏散时间各模型模拟疏散时间结果如图5-5所示。其中,无信息反馈单路径模型结果为610s,无信息反馈多路径模型结果为558s,排队时间反馈模型结果为561s,簇系数反馈模型为492s,港铁疏散案例实验结果为491s。首先将各模型疏散时间与港铁疏散案例对比同时配合前面各出口疏散人数结果,其中无信息反馈单路径模型结果并不理想,说明让每个人选择最短路疏散不是最佳的策略,因为如果大家都选最短路会造成其余路径的闲置,导致整个疏散场景的疏散能力不能完全发挥,而无信息反馈多路径模型疏散时间结果和港铁疏散案例也相差较大,说明本文设计的行人多路径分配策略还存在缺陷,不是疏散方案的最优解。而排队时间反馈模型耗时和港铁疏散案例也相去甚远,说明单纯依靠排队时间作为衡量行人路径选择的效用值并不十分有效。而簇系数反馈模型无论是疏散时间还是各出口疏散人数分布都与港铁疏散案例结果最为接近,因此我们可以认为,簇系数反馈模型是一种很好的simulationmodel,它的结果可以认为是案例结果的再现。 西南交通大学硕士研究生学位论文第60页图5-5模型疏散时间结果再从总体模拟疏散时间长短上来看,簇系数网络疏散模型通过信息反馈让行人自动选择路径的总疏散时间都比其它3种模型下行人疏散的总疏散时间短,我们可以认为其的结果中对地铁内行人流往各出口的分流引导已经接近了最佳方案,这样的行人疏散路径规划可以作为研究疏散方案的指导策略。而本文无反馈网络疏散模型的结果不如人意,其中最主要的原因在于这两种策略仅考虑了路径长短对总体疏散时间的影响,却没有考虑到每条路径都有自己的容量,从而限制导致的排队、堵塞等现象,因此还需要对预设疏散策略进行改进与优化,才能作为安全疏散方案的参考。综上,无论是从疏散时间计算还是从行人出口的选择来看本文中两种无信息反馈模型与排队时间反馈模型的模拟结果都存在一定的不足,但其意义可以体现在:(1)对于疏散而言我们首先考虑思维中最为习惯的思路,即“所有人按最近原则或者按疏散路径长度进行分配”进行疏散,模拟结果验证了这两种常见思维的不足之处,说明惯用思维并不一定合理;(2)与实验结果以及有信息反馈疏散模型进行对比,可以分析这两种策略不合理的具体原因,以图在策略研究过程中避免思维误区;(3)为进一步疏散策略研究提供参考,让以后的疏散策略研究工作能在这两种策略的思路不足之处进行改进,为疏散策略的优化工作起引导作用。而簇系数反馈模型得出了较好的结果,能较为准确反映出行人疏散的出口选择与 西南交通大学硕士研究生学位论文第61页疏散时间,所以下面的结论分析主要针对簇系数信息反馈网络疏散模型的结果开展。5.3簇系数反馈疏散模型模拟结果分析5.3.1网络特性分析首先通过网络特性研究对疏散网络整体结构进行计算分析,依据网络度数、介数以及中心接近度三个参数结果,对实验场所中的关键位置进行辨识。对于本实验场景而言,由于地铁站空间的特殊性,节点位置的分布(如图5-6所示)更趋向于环环相扣的串联形式,因此不存在连通性非常强的节点即度数非常高的节点,大部分节点能与周围节点联通的数量为1个或2个。N32号节点的度数为6在网络中最高,因此对于疏散网络这两个节点需要重点标记。此外节点N12、N13、N24、N33、3N5的度数为5为次高点,在疏散过程中这几个位置的行人流也需要关注。图5-6网络节点度数分布节点的介数反映了通过该节点整个网络中的最短路径的多少。本次案例网络各节点的介数分布与节点度的分布有所不同(如图5-7所示),其中节点N33的介数最大为308,其下五个依次排序为N27号节点介数为228,N36号节点介数为213,N12号节点介数为186,N34号节点介数为180,N35号节点介数为178。 西南交通大学硕士研究生学位论文第62页图5-7网络各节点介数而网络中边的介数前5位如表5-4所示分别为:N27-N33、N33-N32、N17-N27、N12-N17、N29-N36。这5条边承载了网络中最关键的联通关系,因此在疏散过程中保持这几个节点间连接的畅通度会对疏散有很大的积极作用。表5-4模型网络边介数前五位出发节点名称i到达节点名称j边介数B(i,j)N27N33242N33N32198N17N27170N12N17167N29N36147节点i中心接近度为i到网络V中除i外所有节点距离之和的倒数,仅从几何结构上代表了节点所处网络的位置是在边缘还是中心,因此对于该参数的计算需要将文中网络模型转化为无向网络,来分析节点的几何位置。如图5-8所示,网络中中心接近度最高的5个节点以此为N27、N33、N34、N17、N35,它们的中心接近度显著高于其他节点,因此从网络的位置来看,这5个节点十分重要。 西南交通大学硕士研究生学位论文第63页图5-8网络各节点中心接近度综上,再考虑到三个参数各自的特点与意义,结合各节点的各参数分布,我们认为节点N17、N27、N29、N33、N36是此次疏散实验场景的关键节点,而从实际的建筑结构上来看,这几个节点也确是处于连接地铁站三层空间承上启下的关键位置。因此保证它们的联通性是维持疏散稳定进行的重中之重。5.3.2关键节点人数变化在簇系数反馈的网络疏散模型模拟结果里,N17、N27、N29、N33、N36则5个节点疏散过程中人数变化图5-9所示。我们可以观察到,在前100~150秒左右这5个节点的通行人数最多,说明疏散之初影响这几个节点疏散时间的是它们的通行能力,之后则为行人到该节点的费用。再观察对比,发现在排队反馈模型中节点N33中的滞留人数最多,多达272人,那么采取措施缓解该节点对应地铁站位置内行人的拥挤程度,对安全疏散有重要的作用。 西南交通大学硕士研究生学位论文第64页图5-9关键节点疏散过程中人数变化5.3.3各节点行人最终疏散出口选择这里选择簇系数反馈模型(ω=2)模拟结果为观察对象。首先观察每个节点行人最终的出口选择,如图5-10(a)所示,图中横坐标为节点的名称,从N1开始直到N38(N39~N43为出口所以没算在内),纵坐标为选择各出口的人数,五个出口分别用不同的颜色表示,柱状图的长度代表选择该出口的人数。将其与无反馈多路径模型分配的结果(图5-10(b))对照,我们发现其实簇系数反馈模型中人员选择出口并无明显规律,大致上满足了行人选择最近出口的原则,这样的随机性才真实的反映出实际情况下行人的疏散过程。而虽然无反馈多路径模型的结果规律较为明显,但其结果与实际差距较大且疏散时间也更长,所以对于这类优化模型疏散的预设策略还值得我们进一步研究。 西南交通大学硕士研究生学位论文第65页(a)簇系数反馈模型中各节点行人最终疏散出口选择分布(b)多路径疏散模型中各节点行人最终疏散出口选择分布图5-10疏散模型各节点行人最终疏散出口选择分布再观察簇系数反馈模型结果中各节点内最晚疏散成功的行人,他的初始节点为N1,其疏散路径经过的节点依次为N1、N9、N10、N11、N12、N13、N12、N13、N12、N17、N27、N33、N32、N41。同时我们还发现,最后疏散出去的2%人都在节点N12与N13之间徘徊过,他们主要是纠结于N13—N40与N12—N41这两条路径的选择,由此造成疏散时间的延长。因此在实际情况中,考虑在N12与N13两个节点对应的位置设置明确有效的疏散引导设施可以对疏散时间的缩短起到较为重要的作用。 西南交通大学硕士研究生学位论文第66页5.3.4簇系数参数对模型结果影响前文在4.3.1中已经分析了簇系数反馈策略所存在的问题,即在场景内疏散人数很少时容易出现计算死循环,因此本文在程序中这样处理:当场景内未疏散人数大于500时,簇系数参数ω值为0-3进行簇系数参数对模型结果影响分析;当场景内未疏散人数小于500时,ω取值为0(ω取0含义为模型中的行人仅根据当前最短路的信息进行疏散,即剩下的500人都走最短路到达出口)。模型总体疏散时间随ω变化结果如图5-11所示。图5-11簇系数参数对疏散时间影响我们可以观察到,模型疏散时间随ω增大,先减小后增大,当ω=2时与实验结果最为接近,说明在簇系数反馈模型中ω=2时,对于地铁这样的场景疏散模拟有较好的效果。而ω=1.5时疏散时间最短,说明在这种情况下行人疏散对出口选择的在模型自身结果内相对最优,如表5-5所示。表5-5簇系数反馈模型ω=1.5行人出口选择A出口(N39)B出口(N40)C出口(N41)D出口(N42)E出口(N43)413306647507127 西南交通大学硕士研究生学位论文第67页5.3.5模型结果与经验公式对比按本文1.3.3节中介绍,各经验公式的疏散时间计算结果如表5-6所示。表中实验每层疏散时间指当从疏散开始时到该层空间没有人为止所花费的时间,而站厅层的疏散时间则为整个疏散过程所花费的时间。表5-6各方法计算结果疏散时间地下3层(s)地下2层(s)站厅层(s)港铁疏散案例结果409440491Togawa公式313360457Paul公式401462569Melink&Booth公式263283303簇系数反馈模型(ω=2)396442492我们发现三种经验公式的计算结果差距还是较大,它们的计算值与港铁疏散案例以及模型模拟结果相较而言也存在一定的差距,因此它们的结论对于场景的疏散时间计算而言并不精确。其中Paul公式与Melink&Booth公式的结果误差这么大存在的问题在于它们只考虑了行人在竖直方向上的疏散时间,忽略了行人从疏散开始走道楼梯也是需要时间的,特别是Paul公式里面涉及到的变量最少,同时它是对美国人大量楼梯疏散时间的经验总结,而不同人种间行人的具体行为特征也不尽相同。因此这两种模型不适用于类似地铁、车站这种平面展开较长的建筑的疏散时间的计算。而Togawa公式的计算值也明显小于了实验的结果,这说明经验公式的疏散时间估计是对想状态下行人疏散的估算,而忽略了很多实际情况下行人的特殊行为等。而模型模拟结果与案例疏散时间相比几乎一致。因此,经验公式只能作为场景疏散时间计算的参考,而簇系数反馈模型可以较为准确的模拟出疏散中行人流动的情况与疏散时间。5.4案例安全性评价与建议5.4.1安全评价根据《地铁安全疏散规范(GBT33668-2017)》,“在远期高峰小时客流量时,发生火灾的情况下,应在6分钟内将一列车以及站台上候车的乘客和工作人员全部撤离站台”。但无论是疏散实验还是网络疏散模型的模拟结果都大于了6分钟。这是因为在本次案例的疏散过程中,地铁的疏散设施没有完全开放(例如地下三层只开放了一部楼 西南交通大学硕士研究生学位论文第68页梯与一部扶梯),整个地铁站站台层(即地下2、3层)的疏散能力只发挥了1/3~1/2左右的程度。即便在如此条件下,实验与有信息反馈网络疏散模型模拟的结果皆在8~9分钟左右,并未超出规定的时间太久。因此,实验与模拟的疏散结果是可以接受的,我们认为该地铁站的建筑设计从能否使人群即时疏散角度来讲是安全的。5.4.2安全建议此外,我们发现地铁站还可以在这些地方进行改进,以增加其安全系数,保障行人的安全。首先对于关键节点N17、N27、N29、N33、N36的位置设置导向明确的信息引导设施,使慌乱中的人流能迅速定位逃生的路线。同时尽量减少障碍物的放置,保证其畅通无阻。还可以利用本文簇系数反馈模型的行人路径选择结果设计疏散流线与方案,为安全疏散作指导。其次因为本文中涉及到的无论是疏散实验与计算机疏散模拟都没有考虑到特殊人群的存在。所以在实际情况下,应考虑设置各种残疾人的诱导标志与疏散设施。同时应设置非常情况下的救护用电梯,因为在避难途中一般的安全疏散设施对残疾人没有作用。最后是普及公众的应急安全教育。众多事故都说明,人群的盲目拥挤是导致疏散中灾难发生的主要原因,如果疏散过程中没有人进行合理的引导,行人们也没有相应的安全疏散知识,就很容易导致事故发生。而且当前政府部门缺乏针对公众的安全教育,因此普及公众的应急安全教育、介绍安全防护知识,防范于未然才是最好的。 西南交通大学硕士研究生学位论文第69页结论与展望1.结论对于实际疏散情况而言,无论是实验或是计算机模拟,都不能绝对完美的再现疏散的真实情况以及疏散过程中人与人、人与环境之间的复杂关系,所以我们进行疏散研究的目的是为了使研究的结论更能真实有效地反应疏散的情况。这些无论是对疏散中人反应、人的行为的研究,还是对疏散过程中环境变化的研究,目的都是为建筑的安全设计、人员的安全疏散、疏散策略的优化改进提供理论基础与指导,使人们的生活环境与活动场所更为安全可靠。本文在前人的研究基础上,改进了基础的网络疏散模型,提出了考虑行人流特性的网络疏散模型。主要成果如下:(1)在人群流动参数的统计与研究方面,本文通过进行通道行人流实验与房间疏散实验,采用通过视频提取技术对行人轨迹的收集,同时使用相应算法计算出人群流动研究的三个参数“密度、速度和流率”之间的关系,分析行人流特征,为网络疏散模型参数的取值提供基础;(2)本文根据建筑的特点以及人员在疏散过程中的疏散特征,将常见的行人通行设施划在网络中分为5类不同的单元节点:房间节点、通道节点、楼梯节点、电梯节点和出口节点。并根据这些不同的节点的结构特征与行人流运动特性,研究不同类型节点行人疏散算法,提出疏散模型成立的假设,为建立考虑行人流特性与路径选择的网络疏散模型提供理论依据;(3)改进以往网络疏散模型以节点更新的方式,在模型中增加行人结构体,实现了以行人为主体的更新模式。同时将行人流参数与行人的路径选择作为信息反馈加入到模型中,让模型模拟结果更符合实际,也减少了疏散计算结果的误差;(4)通过实际疏散案例来验证本文所建模型的准确度,继而分析了网络模型的特性、疏散时间、行人出口分配、人员的路径选择结果等,验证了该模型作为疏散模拟与策略优化工具的可靠性。 西南交通大学硕士研究生学位论文第70页2.展望总的来说,本文的研究取得了较好的成果,但就人员疏散与模型研究而言可以从以下几点进行改进:(1)在行人流研究方面开发更为先进可靠的观测、分析技术提取行人流运动的基本参数,因为大量可靠地基本参数是研究行人交通特性的必要条件。同时构建行人交通基础数据库,因为本文只做了有关通道与房间中行人流特性的实验研究,而行人交通却是极为复杂,不同的行人通行设施(楼梯、扶梯)、不同的出行人群、不同的外界环境等多种情形下行人流特点都值得我们深入分析和探索;(2)对于无信息反馈网络疏散模型,本文只研究了2种常用的策略,这两种策略的结果没有达到疏散时间最优,因此从优化模型的角度,本文还可以研究更多的疏散策略使模型的计算结果达到最优。而对于有信息反馈网络疏散模型而言,本文提供的两种信息反馈算法也不一定是最完美的反馈机制,因此研究合理的反馈算法也是本文模型发展的方向。同时,由于本文相较于其他网络模型更新的方式为以行人为主体进行更新,因此可以在模型中加入能表征行人行为特征的效用模型,可以让网络模型更为细化;(3)论文中介绍了电梯节点的疏散方式,但案例中并没用到,因此研究电梯节点的疏散策略与在网络模型中考虑电梯节点的疏散算法也是优化本文模型的一大方向;(4)可以将网络疏散模型与微观疏散仿真模型结合,提出一个将微观模型和网络疏散模型综合起来的复合疏散模型,该模型对建筑物关键节点采用微观疏散仿真模型模拟,而在整体上采用网络疏散模型,在有效减少计算量的同时也能使计算结果更为可靠。 西南交通大学硕士研究生学位论文第71页致谢在马剑老师的悉心教导和督促下,论文得以完成。从论文框架搭建、基础数据、实验到模型编程与建立马剑老师无不倾注了大量的时间给予学生全面的指导,在此我深表感激。在论文的撰写过程中学生的学习能力、克服困难的能力以及解决问题的能力都有了不小的进步,能成为马剑老师的学生乃我之幸。此外还要特别感谢我的室友谢迪文、陈明亮以及林宇帆同学。感谢你们在我困难时刻的鼓励,还有一直以来给予的生活和学习上的帮助,没有你们的帮助论文的完成工作会更加困难。面对人生道路新的开始,我将奋勇直前、永不懈怠,不负亲人、老师和同学们的期望。本文研究工作受到国家自然科学基金(71473207,71103148)资助,在此表示感谢! 西南交通大学硕士研究生学位论文第72页参考文献[1]百家号,2017年5大重大火灾事故盘点,教训惨痛!,https://baijiahao.baidu.com/s?id=1587296710785274427&wfr=spider&for=pc[2]MasakuniMuramatsu,TunemasaIrie,TakashiNagatani.Jammingtransitioninpedestriancounterflow[J].PhysicaA,1999,267:487-498.[3]Hoogendoorn,SP,Bovy,PHL.Gas-kineticmodelingandsimulationofPedestrianflows[J].TransportationResearchRecord,2000,1710:28-36[4]史建港.大型活动行人交通特性研究[D].北京:北京工业大学,2007.[5]岳昊.基于元胞自动机的行人流仿真模型研究[D].北京交通大学.2008.[6]张伟.大型公共场所行人交通状态评价及其应急疏散方法研究[D].吉林大学,2014[7]周继彪.综合交通换乘枢纽行人交通特性及安全疏散研究[D].长安大学,2014.[8]吴昊灵.考虑异质性的城市轨道交通车站交通设施行人流仿真研究[D].北京交通大学,2016[9]叶建红.行人交通行为与交通流特性研究[D].同济大学,2009.[10]Dunn,C.E.Newton,D.OptimalroutesinGISandemergencyplanningapplications.Area24,259-267,1992.[11]Yamada,T.Anetworkflowapproachtoacityemergencyevacuationplanning.InternationalJournalofSystemsScience27,931-936,1996.[12]KasaiY,SasabeM,KasaharaS.Congestion-awarerouteselectioninautomaticevacuationguidingbasedoncooperationbetweenevacueesandtheirmobilenodes[J].EurasipJournalonWirelessCommunications&Networking,2017,2017(1):164.[13]KinatederM,ComunaleB,WarrenWH.Exitchoiceinanemergencyevacuationscenarioisinfluencedbyexitfamiliarityandneighborbehavior[J].SafetyScience,2018,106:170-175.[14]温丽敏.重大事故应急疏散研究[D].沈阳,东北大学,2000[15]刘丽霞,杨骅华.突发事件等复杂情形下的交通路径选择问题[J].北京联合大学学报,2004,18(3):68-71 西南交通大学硕士研究生学位论文第73页[16]许焱,杨孝宽.2008年奥运会交通应急事件管理系统(EMS)研究[J].北京工业大学学报,2005,31(5):481-485[17]冯启达.公共场所行人交通性能化分析[D].华南理工大学,2011.2-3[18]朱孔金.建筑内典型区域人员疏散特性及疏散策略研究[D].中国科学技术大学,2013.[19]王静虹.非常规突发情况下大规模人群疏散的不确定性研究[D].中国科学技术大学,2013.[20]钱静,JoahMadden,张越.紧急逃生中的从众行为研究[A].中国心理学会.心理学与创新能力提升——第十六届全国心理学学术会议论文集[C].中国心理学会:,2013:2.[21]J.L.Bryan,NBS-GCR77-94,NationalBureauofStandards,Gaithersburg,1977[22]KrüchtenCV,SchadschneiderA.Empiricalstudyonsocialgroupsinpedestrianevacuationdynamics[J].PhysicaAStatisticalMechanics&ItsApplications,2017,475:129-141.[23]赵道亮.紧急条件下人员疏散特殊行为的元胞自动机模拟[D].中国科学技术大学,2007.[24]D.Helbing.AMathematicalModelfortheBehaviorofPedestrians[J].BehavioralScience,1991,36:298-310.[25]TogawaK.Studyoffireescapesbashngontheobservationofmultitudecurrent,ReportNo.14,BuildingResearchInstitute,MinistryofConstruction,Tokyo,1995.[26]Paul.J.L’Calculatingevacuationtimefortallbuildings,Firesafetyjoumal,1987,12,237-245.[27]Melinek.S-J,Booth.S,Ananalysisofevacuation,timesandthemovementofcrowdsinbuildings,BuildingResearchEstablishment,FireResearchStation,Bomhamwood,1975.[28]张为明,黄雷,王博.EVACNET4模型在高层建筑疏散中的应用[J].消防科学与技术,2009,28(03):178-181.[29]单庆超,张秀媛,张朝峰.社会力模型在行人运动建模中的应用综述[J].城市交通, 西南交通大学硕士研究生学位论文第74页2011,(6):2-2[30]田小川.改进的社会力模型在综合客运枢纽设施效率分析中的应用研究[D].吉林大学,2012.20-21[31]隋杰,万佳慧,于华.基于社会力的应急疏散仿真模型应用研究[J].系统仿真学报,2014,06:1197-1201.[32]郭细伟,陈建桥,魏俊红.格子气模型在地铁站人群疏散运动中的应用[J].武汉理工大学学报(交通科学与工程版),2014,38(03):567-571+575.[33]郭细伟.基于非均匀格子气模型的人群疏散动力学模拟[D].华中科技大学,2013.[34]尹宇洁.基于蚁群算法和势能场的元胞自动机疏散模型研究[D].湖北工业大学,2015.[35]张丽娟,张艳芳,赵宜宾,曾文艺.基于元胞自动机的智能疏散模型的仿真研究[J].系统工程理论与实践,2015,35(01):247-253.[36]胡俊,游磊.三维空间行人疏散的元胞自动机模型[J].物理学报,2014,63(08):69-78.[37]田欢欢.行人流和疏散动力学的宏微观建模和模拟研究[D].上海大学,2015.[38]马剑.相向行人流自组织行为机理研究[D].中国科学技术大学,2010.[39]刘恋.基于Mean-Shift的目标跟踪算法研究[D].中国科学院研究生院(长春光学精密机械与物理研究所),2011.[40]TAKEUCHIDaigo,ITOYu,YAMASHITAAtsushi,KANEKOToru.Multi-ViewpointPersonTrackingBasedonFaceDetectionofArbitraryPoseandMean-ShiftAlgorithm[J].ITETechnicalReport,2009,33.11(0).[41]黄德剑.基于行人流特征的行人交通机理分析[D].华南理工大学,2012.[42]AndyH.F.Chow,YingLi,KonstantinosGkiotsalitis.SpecificationsofFundamentalDiagramsforDynamicTrafficModeling[J].JournalofTransportationEngineering,2015.[43]Predtechenskii,V.M.,Milinskii,A.I,1978.PlanningforFootTrafficFlowinBuildings.AmerindPublishing,NewDelhi,Translationof:ProekttirovanieZhdaniisUchetomOrganizatsiiDvizheniyaLyuddskikhPotokov.StroiizdatPublishers,Moscow,1969[44]Nelson,H.E.,Mowrer,F.W.,2002.Emergencymovement.In:SFPEHandbookofFire 西南交通大学硕士研究生学位论文第75页ProtectionEngineering,thirded.NationalFireProtectionAssociation,Quincy,MA,pp.367–380(Chapter14).[45]Fruin,J.J.,1971.PedestrianPlanningandDesign.ElevatorWorld,NewYork[46]Weidmann,U,1993.TrasporttechnikderFussgänger.InstitutfürVerkehrsplanung,Transporttechnik,Strassen-undEisenbahnbau,ETHZürich.Tech.Rep.SchriftenreihedesIVTNr.90.[47]Burghardt,Sebastian,ArminSeyfried,andWolframKlingsch."Performanceofstairs–fundamentaldiagramandtopographicalmeasurements."TransportationresearchpartC:emergingtechnologies37(2013):268-278.[48]王超,王汉良,韩见云.超高层建筑电梯疏散效率研究[J].消防科学与技术,2014,33(11):1257-1260.[49]唐春雨.高层建筑火灾情况下电梯疏散安全可靠性研究[D].西安科技大学,2009.[50]Chalmet.L.G,Francis.R.LandSaunder.P.B.Networkmodelsforbuildingevacuation[J].ManagementScience,1982,28(1),86-105.[51]SimoneGöttlich,SebastianKühn,JanPeterOhst,StefanRuzika.Evacuationmodeling:acasestudyonlinearandnonlinearnetworkflowmodels[J].EUROJournalonComputationalOptimization,2016,4(3-4).[52]GeorgiosKalafatas,SrinivasPeeta.PlanningforEvacuation:InsightsfromanEfficientNetworkDesignModel[J].JournalofInfrastructureSystems,2009,15(1).[53]OrenE.Nahum,YuvalHadas,RiccardoRossi,MassimilianoGastaldi,GregorioGecchele.NetworkDesignModelwithEvacuationConstraintsUnderUncertainty[J].TransportationResearchProcedia,2017,22.[54]陈智明.人员疏散的网络模型研究及其应用[D].中国科学技术大学,2004.[55]王振,刘茂.离散时间动态网络模型及其在疏散过程中应用的研究[J].中国公共安全(学术版),2006(02):37-40.[56]叶春森,汪传雷,刘宏伟.网络节点重要度评价方法研究[J].统计与决策,2010(01):22-24.[57]霍慧鸣.网络中的平均介数研究[D].青海师范大学,2014. 西南交通大学硕士研究生学位论文第76页[58]陈静,孙林夫.复杂网络中节点重要度评估[J].西南交通大学学报,2009,44(03):426-429.[59]李臣波.网络的K最短路算法研究[D].哈尔滨理工大学,2008. 西南交通大学硕士研究生学位论文第77页附录clcclear%%%%%%%%%%%%%%%%%%%%%%导入初始值在excel中输入节点、边的初始值%%%%%%%%%%%%%%%%%%%node=xlsread('1',1);%节点数组,第一列节点编号,第二列通道节点的监测区间面积,第三列节点人数,第四列节点类型(1为房间2为通道3为楼梯4为出口)capacity=xlsread('1',2);%capacity指每多少时间步出一个人cost=xlsread('1',3);cost=cost*10;clock=zeros(43,43);%计时器pedestrians=zeros();%行人数组,分7列,第一列编号,第二列速度,第三列当前所在节点,第四列所选出口节点,第五列所选路径的下一节点,第六列到出口的随机距离,第七列信息反馈后的下一个选择节点pedestriansnumber=sum(node(:,3));%总模拟人数ExitPedNum=zeros();%出口节点疏散人数nodej=zeros();%每个节点每个时间步存在人数location=zeros();%%%%%%%%%%%%%%%%%%赋予初始值%%%%%%%%%%%%%%%%%%%fori=1:pedestriansnumber%行人数组第一列行人编号、第二列行人速度付初始值pedestrians(i,1)=ipedestrians(i,2)=0.11endj=1fori=1:size(node,1)ifnode(i,3)>0np(j,1)=ij=j+1end%%%%找到初始节点人数不为0的节点的编号endj=1k=1fori=1:size(np)whilej<=node(np(i,1),3)pedestrians(k,3)=np(i,1)j=j+1k=k+1endj=1end%%%行人数组第三列为行人初始位置,直到这一步为根据节点人数信息,为每个行人最初所在节点位置定位 西南交通大学硕士研究生学位论文第78页idx=find(cost==0);cost(idx)=inf;%把cost中0改成无穷大fori=1:size(cost,1)forj=1:size(cost,1)ifi==jcost(i,j)=0%把cost中斜角变成0endendend[a,b]=floyd(cost);%利用求每个节点最短路径j=1fori=1:size(node,1)ifnode(i,4)==4exit(j,1)=iExitPedNum(1,j)=iExitPedNum(2,j)=0j=j+1end%%%找到出口节点的编号,建立出口数组,第一行为节点编号,第二行为各节点疏散的人数endforj=1:size(a,1)tem1=5000;tem2=0;fori=1:size(exit,1)if(a(j,exit(i,1))pedestrians(i,6)/pedestrians(i,2)/capacity(pedestrians(i,3),joint_node(j,1))joint_node(j,2)=(count-pedestrians(i,6)/pedestrians(i,2)/capacity(pedestrians(i,3),joint_node(j,1)))*capacity(pedestrians(i,3),joint_node(j,1))+pedestrians(i,6)/pedestrians(i,2);elsejoint_node(j,2)=pedestrians(i,6)/pedestrians(i,2);endjoint_node(j,3)=joint_node(j,2)+a(joint_node(j,1),node(joint_node(j,1),5));elsejoint_node(j,2)=pedestrians(i,6)*(count+1)^w;joint_node(j,3)=joint_node(j,2)+a(joint_node(j,1),node(joint_node(j,1),5));%簇系数endelse%%此邻接节点不是i的下个节点,这时行人i需要新生成带另一个出口的距离,之后的算法就和上面一样了dis=cost(pedestrians(i,3),joint_node(j,1))/10*(rand()+0.5);count=0;fork=1:pedestriansnumberifk~=iif(pedestrians(k,3)==pedestrians(i,3))if(pedestrians(k,5)==joint_node(j,1))if(pedestrians(k,6)<=dis)count=count+1;endendendendendiffeedback%%%排队时间ifcount>dis/pedestrians(i,2)/capacity(pedestrians(i,3),joint_node(j,1))joint_node(j,2)=(count-dis/pedestrians(i,2)/capacity(pedestrians(i,3),joint_node(j,1)))*capacity(pedestrians(i,3),joint_node(j,1))+dis/pedestrians(i,2); 西南交通大学硕士研究生学位论文第82页elsejoint_node(j,2)=dis/pedestrians(i,2);endjoint_node(j,3)=joint_node(j,2)+a(joint_node(j,1),node(joint_node(j,1),5));elsejoint_node(j,2)=dis*(count+1)^w;joint_node(j,3)=joint_node(j,2)+a(joint_node(j,1),node(joint_node(j,1),5));%簇系数endendif(joint_node(j,3))*1.10%%%%如果行人到下个节点的距离大于0,他才会继续走ifpedestrians(i,5)==pedestrians(i,7)%如果选择没有改变,距离自减速度pedestrians(i,6)=pedestrians(i,6)-pedestrians(i,2);else%如果选择变了,生成一个到另外下个节点距离的随机值pedestrians(i,6)=cost(pedestrians(i,3),pedestrians(i,7))/10*(rand()+0.5);endendendendfori=1:size(node,1)forj=1:size(node,1)if(cost(i,j)~=inf&&cost(i,j)~=0)fork=1:pedestriansnumberifpedestrians(k,6)<=0&&pedestrians(k,3)==i&&pedestrians(k,7)==j%%对于已经走到门口的人ifclock(i,j)==capacity(i,j)%计时器,当它的值得大小等于capacity时,从 西南交通大学硕士研究生学位论文第83页这个节点疏散出去一个人node(i,3)=node(i,3)-1;%当前节点人数自减1node(j,3)=node(j,3)+1;%下个节点人数加1pedestrians(k,3)=j;%更新位置pedestrians(k,5)=node(j,6);%更新下个节点pedestrians(k,6)=cost(pedestrians(k,3),node(j,6))/10;%更新到下个节点的距离clock(i,j)=0;else%否则计时器数值加一clock(i,j)=clock(i,j)+1;endendendendendendpednum=0;forj=1:size(exit,1)ExitPedNum(2,j)=0;endfori=1:pedestriansnumberforj=1:size(exit,1)ifpedestrians(i,3)==exit(j,1)ExitPedNum(2,j)=ExitPedNum(2,j)+1pednum=pednum+1;%%%%%%%%%%统计个出口每个时间步疏散的人数breakendendpedestrians(i,5)=pedestrians(i,7);endcountt=zeros(43,1)%%%%%%%%%%%%%%%%%%%%%更新人的速度fori=1:size(node,1)ifnode(i,2)~=0forj=1:2000ifpedestrians(j,3)==i&&pedestrians(j,6)<=3%%%%%%%%%%%%%统计节点类型为2或3当前时刻距离出口距离小于3的人数countt(i,1)=countt(i,1)+1endendendend 西南交通大学硕士研究生学位论文第84页forj=1:pedestriansnumberifnode(pedestrians(j,3),4)==2ifcountt(pedestrians(j,3),1)==0%%%%%监测区间没人自由移动pedestrians(j,2)=0.11elseifcountt(pedestrians(j,3),1)~=0if0.111-0.0122*countt(pedestrians(j,3),1)/node(pedestrians(j,3),2)>0.06pedestrians(j,2)=0.111-0.0122*countt(pedestrians(j,3),1)/node(pedestrians(j,3),2)%%%%%若该节点是通道,则速度这么更新elsepedestrians(j,2)=0.6%%%%设置一个下限速度,即便人特别拥挤也能继续移动endendendendendforj=1:pedestriansnumberifnode(pedestrians(j,3),4)==3ifcountt(pedestrians(j,3),1)==0%%%%%监测区间没人自由移动pedestrians(j,2)=0.11ifcountt(pedestrians(j,3),1)~=0if0.0695-0.0112*countt(pedestrians(j,3),1)/node(pedestrians(j,3),2)>0.04pedestrians(j,2)=0.0695-0.0112*countt(pedestrians(j,3),1)/node(pedestrians(j,3),2)%%%%%若该节点是楼梯,则速度这么更新elsepedestrians(j,2)=0.04%%%%设置一个下限速度,即便人特别拥挤也能继续移动endendendendendifpednum==pedestriansnumber%%%%%%%%%%break;endifmod(t,10)==0fori=1:size(node,1) 西南交通大学硕士研究生学位论文第85页nodej(i,t/10+1)=node(i,3)%%%%%%每个节点每xx时间步人的数量endfori=1:pedestriansnumberlocation(i,t/10+1)=pedestrians(i,3);%%%%%%%%%每xx个时间步每个人的位置endnumbertttt(t/10+1,1)=pednumendiffeedback==0%%%对于簇系数反馈疏散不同人数用不同的值ifpednum>1000&&pednum<1500w=0.5elseifpednum>1500w=0endendendend

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
关闭