基于领导者和恐慌情绪的多智能体疏散仿真方法和系统技术方案

本发明专利技术公开了一种基于领导者和恐慌情绪的多智能体疏散仿真方法和系统，属于人群疏散技术领域。本发明专利技术分析影响个体疏散的属性及行为，将疏散个体抽象为Agent。考虑不同个体之间、个体和环境之间的相互作用，对人群中个体的从众、跟随领导者、恐慌情绪和障碍物避让角度进行研究，建立基于多Agent人群疏散模型，更加真实地模拟人群疏散过程，能够更加真实地模拟紧急情况下的人群疏散。本发明专利技术提出改进粒子群算法，作为疏散过程中个体路径选择策略。考虑视野因素，对建筑物内疏散场景进行区域的划分，研究视野受限对个体路径选择的影响，并对粒子的全局最优个体选择策略进行优化，使得改进的粒子群算法更加符合建筑物内人群疏散的实际情况。

【技术实现步骤摘要】
基于领导者和恐慌情绪的多智能体疏散仿真方法和系统
本专利技术属于人群疏散
，更具体地，涉及一种基于领导者和恐慌情绪的多智能体疏散仿真方法和系统。
技术介绍
近年来，人群疏散方面研究的重点是基于智能体技术(Agent)的疏散仿真模型。在这类模型中，不预先设定人群的行为规律，而是将建模的落脚点放在单个的人上。用“智能体”表示单个的人。通过将大量代表个人的智能体放在虚拟的建筑物空间中，研究它们的总体行为，就可以模拟出真实状况下人群的行为。在一股情况下，模拟人的行为是十分困难的，但并不是不可能，其中一个比较普通的办法就是设计一个可以模拟人的性格的智能体，这样的智能体运作于一个场景中，并且是自主地运行，它们是自治的、协作的、有学习能力的、能适应的；并且有社会能力、反应能力以及前趋性。自治意味着智能体运动可以不进行直接、持续的监督。因此，为研究建筑物内的人群疏散行为和人群疏散特征，进而在紧急情况下合理高效地组织人群进行疏散，亟需专利技术一种既符合实际，同时又综合考虑多个因素的建筑物人群疏散仿真模型。
技术实现思路
针对现有技术中建筑物内人群应急疏散中人群疏散仿真模型的不足，本专利技术提供了一种基于领导者和恐慌情绪的多智能体疏散仿真方法和系统，其目的在于更加真实地模拟紧急状况下的人群疏散过程，对于紧急事件下人群疏散方案，以及在突发事件下如何有效地组织人群疏散、减少人员伤亡具有重要的现实意义。为实现上述目的，按照本专利技术的第一方面，提供了一种基于领导者和恐慌情绪的多智能体疏散仿真方法，该方法包括以下步骤：S1.初始化阶段：建立室内场景的连续疏散场景模型，将普通个体初始化为Agent，所述Agent包含位置、速度、类型、周围环境、恐慌情绪方面的属性，所述类型包括领导者、保守型普通个体、稳重型普通个体和敏感型普通个体；S2.感知阶段：每个Agent通过与其它Agent行为及环境状况参数值进行信息交互，并且将所得信息传递给决策阶段；所述领导者在感知阶段获取的信息是周围障碍物和是否有普通个体跟随；普通个体在感知阶段获取的信息是周围障碍物、视野范围内是否存在领导者、视野范围内的其他个体的恐慌情况；S3.决策阶段：每个Agent根据感知阶段获取的信息，通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策；所述领导者的疏散决策为：①朝最近的出口移动；②如果有普个体跟随，就配合跟随者的速度；③在行进过程中进行与其他Agent、障碍物的避碰；所述普通个体的疏散决策为：①如果发现出口，直接向出口移动；②如果能看到领导者，跟随此领导者运动；③既不能看到出口或是又看不到领导者，选择跟随视野范围内的其他普通个体移动；④视野内看不到人，随机选择一个方向进行移动；⑤在行进过程中进行与其他Agent、障碍物的避碰；S4.行动阶段：每个Agent响应决策阶段的疏散决策，进行移动，移动之后更新信息进入下个循环的感知阶段。优选地，初始化阶段中，所述Agent的属性定义如下：其中，id表示Agent的唯一标识编号；pos(t)表示Agent在连续型的疏散空间模型的位置；表示Agent的实际速度矢量；type表示Agent的类型，0表示领导者，1表示保守型普通个体，2表示稳重型普通个体，3表示敏感型普通个体；Re表示Agent的视野半径；den(t)表示Agent以Re为半径的圆形视野范围内的人群密度；vmax表示Agent最大速度，根据人群密度den(t)得到；F(t)表示是否感染情绪，0表示未感染，1表示已感染，领导者始终为0，表示领导者情绪不会被其他人影响；e(t)表示Agent的情绪值，ehold(t)表示Agent的可承受情绪值，领导者始终为10000，表示领导者情绪不会被其他人影响；PN表示Agent的情绪感知系数，领导者始终为0，表示领导者情绪不会被其他人影响；dim表示Agent的情绪衰减系数，panic(t)表示Agent的恐慌心理值，参数e(t)、ehold(t)、PN、dim和panic(t)由Agent的type和F(t)共同决定，t表示时间步。优选地，行动阶段中，Agent的速度更新方式具体如下：对于领导者，速度更新包括以下步骤：根据粒子群算法，迭代计算领导者速度；根据跟随他的普通个体情况，对计算得到的领导者速度进行调整；根据周围的障碍物情况，对调整后的领导者速度进行更新；对于普通个体，速度更新包括以下步骤：根据粒子群算法，迭代计算普通个体速度；根据情绪值计算普通个体的恐慌情绪值，根据恐慌情绪值调整普通个体速度；根据周围的障碍物情况，对调整后的普通个体速度进行更新。优选地，行动阶段中，速度更新方式具体如下：对于领导者，速度更新包括以下步骤：(i)根据改进的粒子群算法，迭代计算领导者速度，计算公式如下；(ii)根据跟随他的普通个体情况，对计算得到的领导者速度进行调整；(iii)根据周围的障碍物情况，对调整后的领导者速度进行更新；对于普通个体，速度更新包括以下步骤：(i)根据改进的粒子算法，迭代计算普通个体速度；分为五种情形：A.若普通个体i视野范围内能够看到附近的出口，则普通个体i的速度公式为：B.当普通个体i看不到出口但是能看到视野范围内的领导者且若适应度fitnessl≥fitnessi，则普通个体i的速度公式为：C.当普通个体i看不到出口但是能看到视野范围内的领导者且fitnessleader＜fitnessi，则普通个体i的速度公式修正为：D.若普通个体既看不到出口又看不到领导者，但能看到附近的其他普通个体，则普通个体i的速度更新修正为：E.若普通个体视野范围内看不到任何普通个体，则普通个体的速度更新公式为：其中，下标l表示领导者；Pbestl(t)表示领导者历史最好位置；xl(t)表示领导者的位置；xeixt表示出口位置；c1表示个体历史最优解部分的权重；c2表示群体最优解部分的权重；r1和r2是介于[0，1]之间的随机数；w为惯性权重，使粒子拥有保持运动惯性的能力，用以平衡粒子的局部、全局搜索能力；ml表示领导者质量，Ωl表示领导者邻域；表示领导者和邻域中个体j之间的作用力；下标i表示普通个体i；Pbesti(t)表示普通个体i历史最好位置；xi(t)表示普通个体i的位置；mi表示普通个体i质量，Ωi表示普通个体i邻域；表示普通个体i和邻域中个体j之间的作用力；herd表示从众系数；表示普通个体i和j之间的吸引力；xrand表示环境中的任意一个位置；(ii)根据情绪值计算普通个体的恐慌情绪值，根据恐慌情绪值调整普通个体速度；(iii)根据周围的障碍物情况，对调整后的普通个体速度进行更新。优选地，所述根据跟随他的普通个体情况，对计算得到的领导者速度进行调整，公式如下：其中，Ωl表示领导者的邻域，表示邻域中个体i的本文档来自技高网...

【技术保护点】
1.一种基于领导者和恐慌情绪的多智能体疏散仿真方法，其特征在于，该方法包括以下步骤：/nS1.初始化阶段：建立室内场景的连续疏散场景模型，将普通个体初始化为Agent，所述Agent包含位置、速度、类型、周围环境、恐慌情绪方面的属性，所述类型包括领导者、保守型普通个体、稳重型普通个体和敏感型普通个体；/nS2.感知阶段：每个Agent通过与其它Agent行为及环境状况参数值进行信息交互，并且将所得信息传递给决策阶段；/n所述领导者在感知阶段获取的信息是周围障碍物和是否有普通个体跟随；普通个体在感知阶段获取的信息是周围障碍物、视野范围内是否存在领导者、视野范围内的其他个体的恐慌情况；/nS3.决策阶段：每个Agent根据感知阶段获取的信息，通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策；/n所述领导者的疏散决策为：①朝最近的出口移动；②如果有普个体跟随，就配合跟随者的速度；③在行进过程中进行与其他Agent、障碍物的避碰；所述普通个体的疏散决策为：①如果发现出口，直接向出口移动；②如果能看到领导者，跟随此领导者运动；③既不能看到出口或是又看不到领导者，选择跟随视野范围内的其他普通个体移动；④视野内看不到人，随机选择一个方向进行移动；⑤在行进过程中进行与其他Agent、障碍物的避碰；/nS4.行动阶段：每个Agent响应决策阶段的疏散决策，进行移动，移动之后更新信息进入下个循环的感知阶段。/n...

【技术特征摘要】
1.一种基于领导者和恐慌情绪的多智能体疏散仿真方法，其特征在于，该方法包括以下步骤：
S1.初始化阶段：建立室内场景的连续疏散场景模型，将普通个体初始化为Agent，所述Agent包含位置、速度、类型、周围环境、恐慌情绪方面的属性，所述类型包括领导者、保守型普通个体、稳重型普通个体和敏感型普通个体；
S2.感知阶段：每个Agent通过与其它Agent行为及环境状况参数值进行信息交互，并且将所得信息传递给决策阶段；
所述领导者在感知阶段获取的信息是周围障碍物和是否有普通个体跟随；普通个体在感知阶段获取的信息是周围障碍物、视野范围内是否存在领导者、视野范围内的其他个体的恐慌情况；
S3.决策阶段：每个Agent根据感知阶段获取的信息，通过分析自身能力和所处的环境状况按照最快的疏散原则做出疏散决策；
所述领导者的疏散决策为：①朝最近的出口移动；②如果有普个体跟随，就配合跟随者的速度；③在行进过程中进行与其他Agent、障碍物的避碰；所述普通个体的疏散决策为：①如果发现出口，直接向出口移动；②如果能看到领导者，跟随此领导者运动；③既不能看到出口或是又看不到领导者，选择跟随视野范围内的其他普通个体移动；④视野内看不到人，随机选择一个方向进行移动；⑤在行进过程中进行与其他Agent、障碍物的避碰；
S4.行动阶段：每个Agent响应决策阶段的疏散决策，进行移动，移动之后更新信息进入下个循环的感知阶段。


2.如权利要求1所述的方法，其特征在于，初始化阶段中，所述Agent的属性定义如下：



其中，id表示Agent的唯一标识编号；pos(t)表示Agent在连续型的疏散空间模型的位置；表示Agent的实际速度矢量；type表示Agent的类型，0表示领导者，1表示保守型普通个体，2表示稳重型普通个体，3表示敏感型普通个体；Re表示Agent的视野半径；den(t)表示Agent以Re为半径的圆形视野范围内的人群密度；vmax表示Agent最大速度，根据人群密度den(t)得到；F(t)表示是否感染情绪，0表示未感染，1表示已感染，领导者始终为0，表示领导者情绪不会被其他人影响；e(t)表示Agent的情绪值，ehold(t)表示Agent的可承受情绪值，领导者始终为10000，表示领导者情绪不会被其他人影响；PN表示Agent的情绪感知系数，领导者始终为0，表示领导者情绪不会被其他人影响；dim表示Agent的情绪衰减系数，panic(t)表示Agent的恐慌心理值，参数e(t)、ehold(t)、PN、dim和panic(t)由Agent的type和F(t)共同决定，t表示时间步。


3.如权利要求2所述的方法，其特征在于，行动阶段中，Agent的速度更新方式具体如下：
对于领导者，速度更新包括以下步骤：根据粒子群算法，迭代计算领导者速度；根据跟随他的普通个体情况，对计算得到的领导者速度进行调整；根据周围的障碍物情况，对调整后的领导者速度进行更新；
对于普通个体，速度更新包括以下步骤：根据粒子群算法，迭代计算普通个体速度；根据情绪值计算普通个体的恐慌情绪值，根据恐慌情绪值调整普通个体速度；根据周围的障碍物情况，对调整后的普通个体速度进行更新。


4.如权利要求2所述的方法，其特征在于，行动阶段中，速度更新方式具体如下：
对于领导者，速度更新包括以下步骤：
(i)根据改进的粒子群算法，迭代计算领导者速度，计算公式如下；



(i)根据跟随他的普通个体情况，对计算得到的领导者速度进行调整；
(iii)根据周围的障碍物情况，对调整后的领导者速度进行更新；
对于普通个体，速度更新包括以下步骤：
(i)根据改进的粒子算法，迭代计算普通个体速度；
分为五种情形：
A.若普通个体i视野范围内能够看到附近的出口，则普通个体i的速度公式为：



B.当普通个体i看不到出口但是能看到视野范围内的领导者且若适应度fitnessl≥fitnessi，则普通个体i的速度公式为：



C.当普通个体i看不到出口但是能看到视野范围内的领导者且fitnessl＜fitnessi，则普通个体i的速度公式修正为：<...

【专利技术属性】
技术研发人员：王剑，陈伟，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42