基于多目标规划的地铁站内客流疏散人工诱导方法技术

本发明专利技术公开了一种基于多目标规划的地铁站内客流疏散人工诱导方法，在进行地铁站内空间网络化并确定初始行人位置后，首先建立了一个考虑被引导群体数量、引导员人力成本、被引导行人迷茫指数等因素的引导员成本函数，指挥台用户通过微信小程序设置成本函数系数后，将引导员成本函数与高斯混合模型结合，根据初始行人分布确定引导员分配方案；接着基于确定的引导员分配方案建立了一种以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型；最后用改进的NSGA

【技术实现步骤摘要】
基于多目标规划的地铁站内客流疏散人工诱导方法


[0001]本专利技术涉及城市轨道交通安全
，尤其涉及一种基于多目标规划的地铁站内客流疏散人工诱导方法。

技术介绍

[0002]地铁以节省路面土地、无交通干扰和节能环保等特点获得了大多数人民的认可，极大地方便了人民的生活，是城市轨道交通的主体。但与大多数交通方式不同，地铁建在封闭的地下，行人与站内设备集中。随着乘坐地铁行人数量的增加，地铁交通安全问题突出。一旦出现紧急事故，如若没有合理有效的行人疏散策略，行人很难迅速从地铁站内疏散出去。对地铁站内行人运动及疏散问题的研究最早可以追溯到20世纪50年代，至今已有将近70年的历史。在此期间，有学者表明，在地铁站内发生紧急事故时，提前规划客流疏散路径与动态引导对提高站内行人的疏散效率具有显著作用。因此，地铁站内疏散策略的研究具有重要的研究价值与现实意义。
[0003]人类的行为是极其复杂的，地铁站内行人的疏散过程更是复杂多变的。行人在疏散过程中会产生一些自组织现象，这些现象会影响地铁站内的通行率，容易造成某一路段的拥堵。路段的拥堵会影响行人的路径选择，行人的个体行为与地铁站内的通行率是相互影响的。尤其是发生一些紧急情况的时候，行人通常会产生焦虑不安、紧张，甚至恐惧等不良情绪，这些不良情绪很容易造成客流混乱，极易产生踩踏事故等二次伤害。一般来说，常用的疏散引导方式可分为物体引导与人的引导两种。物体引导是通过一些固定的指示标识引导行人疏散，人的引导是通过设置地铁站内引导员对行人疏散方向进行指引或者带领行人疏散。与物体引导相比，人的引导更加灵活，并可以在一定程度上给行人更高的安全感。众多实验表明，在地铁站内设置引导员能有效提高疏散效率。如今，越来越多的学者关注地铁站内引导员引导行人疏散的问题。对于引导员的研究，以微观引导下行人行为、宏观引导员分配方案以及引导员路径规划为主。
[0004]引导员的研究需要基于行人运动的微观模型，常见的用于研究有引导员下行人变化的模型有社会力模型和基于Agent的模型等。研究结果表明，引导员向行人传播每条疏散路径信息时，行人有接受、认知和反映信息的过程。行人的疏散效率与引导员自身情况有着密不可分的关系，比如有过专门训练的引导员的引导能力强于没有受过训练的引导员。与此同时，行人的视野范围对疏散效率也有很大的影响。引导员通常有两种引导方式，即吸附式引导与方向式引导。在不同行人群体分类和不同的引导属性下，引导员对行人疏散过程的影响也有着较大的差别。基于社会力模型行人在引导下的行人动力学修正方法和追踪行人跟随运动改进方法的提出极大地促进了引导下人群疏散的研究。但并不是在所有疏散情况下引入引导员都是最好的，在行人密度适中的情况下，有引导员的疏散效率才更高。
[0005]引导员的分配方案主要体现在确定引导员数量与位置。对于有引导疏散策略，确定引导员的数量与位置对疏散效率有着至关重要的影响。联邦准则认为当引导员与疏散行人比例达到1:20时的疏散效果最优。Pelechano等人认为引导员与疏散行人的最佳比例为
1:9。Hou等人认为在引导员数量等于出口数量时的引导效果最优。现有研究并没有统一确定引导员的数量，只有所需引导员的一个下界。对于引导员的分布，均匀分布引导员时的疏散效率高于非均匀分布。但这些研究并没有得出的固定最佳比例并没有明确考虑在不同疏散人数与要求下的情况。
[0006]对于引导员路线的规划，现有研究较少。随机效用理论和博弈论等方法常用于在复杂情况下引导员对出口的选择问题上，但用这些方法规划出引导员的疏散路径是固定的，无法应对疏散过程中的突发情况。使用联合仿真启发式方法以确定每个引导员的疏散路线的方法取得了不错的成绩，但相关研究太少。综上所述，对于引导员路线规划的研究还需完善。

技术实现思路

[0007]为解决现有技术中缺乏完整的引导疏散策略的技术问题，本专利技术公开了一种基于多目标规划的地铁站内客流疏散人工诱导方法，首先确定引导员的数量与位置，然后利用多目标规划引导员疏散路线，对引导员后期的疏散路线进行规划。
[0008]为实现上述目的，本专利技术采用下述技术方案：
[0009]一种基于多目标规划的地铁站内客流疏散人工诱导方法，具体包括以下步骤：具体包括以下步骤：
[0010]S1：将地铁站内空间网络化，并确定初始行人位置；
[0011]S2：指挥台用户界面输入引导员成本函数系数，系统构建引导员成本函数，并结合高斯混合模型确定引导员的分配方案；
[0012]S3：构建以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型；
[0013]S4：用改进的NSGA
‑
II算法对以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型进行求解，确定引导员疏散路线并显示于引导员用户界面。
[0014]进一步地，步骤S1，确定初始行人位置包括建立初始地铁站内网络空间，将网络空间环境抽象成有向图G，表示为：G＝(N，E)；
[0015]N为疏散节点集合，即N＝(O，D，W)；其中，O为初始节点集合；D为终止节点，即地铁站内各个安全出口的集合；W为中间节点，即在地铁站内设置的避障节点与不同设施连接处的点的集合；
[0016]E＝{e
mn
}为各个节点之间的连线，即可行疏散路径，其中m、n属于节点集合N；将节点N设置为表示位置坐标的、尽可能小的点；将可行疏散路径E设置为无重叠部分的、面积总和为行人可行区域的、具有一定行人容量的路径。利用监控设备，对行人位置进行提取，把行人位置对应在网络化后的地铁站内。
[0017]进一步地，步骤S2中，具体包括：
[0018]S2.1，指挥台用户界面输入引导员成本函数系数，系统构建引导员成本函数考虑因素包括：被引导行人迷茫因素、不被引导行人因素、引导员人力成本因素、各引导员带领行人数的均衡因素与各引导员带领行人数量限制因素；
[0019]S2.2，Y1为行人迷茫系数，表示处于两个及以上引导员的引导范围内的被引导行人数量；
[0020]Y1＝q
gy
*(1
‑
c
l
)
[0021]其中，q
gy
是站厅层被引导行人的总量，是站厅层第i个引导员带领的行人数量，c
l
为轮廓系数，其中在中，a
i
表示聚类后得到的第i类中每个行人与本类中其他行人的平均距离，b
i
表示聚类后得到的第i类中每个行人与本类距离最近的类中行人的平均距离；
[0022]S2.3，Y2是不被引导行人系数，表示不在引导员影响范围内的行人数量；
[0023]Y2＝Q
g
‑
q
gy
[0024]S2.4，Y3是引导员人力成本系数；
[0025]Y3＝a
c
*K
g
[0026]其中，a
c
表示人力成本投入与不同安全需求的调节系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标规划的地铁站内客流疏散人工诱导方法，其特征在于，具体包括以下步骤：S1：将地铁站内空间网络化，并确定初始行人位置；S2：指挥台用户界面输入引导员成本函数系数，系统构建引导员成本函数，并结合高斯混合模型确定引导员的分配方案；S3：构建以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型；S4：用改进的NSGA
‑
II算法对以疏散时间最短和拥挤成本最小的多目标引导员疏散路线规划模型进行求解，确定引导员疏散路线并显示于引导员用户界面。2.如权利要求1所述的基于多目标规划的地铁站内客流疏散人工诱导方法，其特征在于，步骤S1，确定初始行人位置包括建立初始地铁站内网络空间，将网络空间环境抽象成有向图G，表示为：G＝(N，E)；N为疏散节点集合，即N＝(O，D，W)；其中，O为初始节点集合；D为终止节点，即地铁站内各个安全出口的集合；W为中间节点，即在地铁站内设置的避障节点与不同设施连接处的点的集合；E＝{e
mn
}为各个节点之间的连线，即可行疏散路径，其中m、n属于节点集合N；将节点N设置为表示位置坐标的、尽可能小的点；将可行疏散路径E设置为无重叠部分的、面积总和为行人可行区域的、具有一定行人容量的路径。3.如权利要求1所述的基于多目标规划的地铁站内客流疏散人工诱导方法，其特征在于，步骤S2中，具体包括：S2.1，指挥台用户界面输入引导员成本函数系数，系统构建引导员成本函数考虑因素包括：被引导行人迷茫因素、不被引导行人因素、引导员人力成本因素、各引导员带领行人数的均衡因素与各引导员带领行人数量限制因素；S2.2，Y1为行人迷茫系数，表示处于两个及以上引导员的引导范围内的被引导行人数量；Y1＝q
gy
*(1
‑
c
l
)其中，q
gy
是站厅层被引导行人的总量，是站厅层第i个引导员带领的行人数量，c
i
为轮廓系数，其中在中，a
i
表示聚类后得到的第i类中每个行人与本类中其他行人的平均距离，b
i
表示聚类后得到的第i类中每个行人与本类距离最近的类中行人的平均距离；S2.3，Y2是不被引导行人系数，表示不在引导员影响范围内的行人数量；Y2＝Q
g
‑
q
gy
S2.4，Y3是引导员人力成本系数；Y3＝a
c
*K
g
其中，a
c
表示人力成本投入与不同安全需求的调节系数，本发明中取a
c
为10；S2.5，Y4是各引导员带领行人数的均衡系数，用来评价每个引导员带领行人数差异的大小，期望每个引导员带领行人数量均等；
S2.6，Y5是各引导员带领行人数量限制系数，期望每个引导员带领行人数量不要超过20人，因引导员所带人数过多会造成事故；b
c
为每个引导员带领行人超限成本系数；为每个引导员带领行人超限成本系数；S2.7，综上所述，引导员成本函数Y如下所示：Y＝β1Y1+β2Y2+β3Y3+β4Y4+β5Y5其中，β1、β2、β3、β4和β5为加权系数，且β1+β2+β3+β4+β5＝1；S2.8，根据不同疏散需求确定引导员成本函数中各因素的加权系数；S2.9，输入行人位置参数作为样本数据，令站厅层引导员个数K
g
＝1；S2.10，随机确定各高斯分布函数的参数均值μ
w
、方差σ
w
和概率ε
w
；S2.11，进入EM算法；每个样本数据x
b
(1≤b≤Q
g
)属于每个高斯成分的概率为z
(b)
；z
(b)
符合多项分布，如下：故p(x
(b)
|z
(b)
)服从第w个高斯分布，表示为：x
(b)
|z
(b)
＝w...

【专利技术属性】
技术研发人员：杨晓霞，杨毅，康元磊，潘福全，徐晨弘，李昕光，蔚畅，
申请(专利权)人：青岛理工大学，
类型：发明
国别省市：