一种基于混合算法的人群疏散方法技术

本发明专利技术公开了一种基于混合算法的人群疏散方法，包括以下步骤；使用遗传算法将人群进行分类；通过监控系统的恐慌传播模型判断危险源距离行人的远近；由灰狼算法进行宏观调控，通过适应度选取领导者；由社会力学模型进行微观指导，每个群落的领导者接收到来自系统传达的指令，随后指挥该群落的行人进行疏散，行人接收到领导者的信息时，社会力模型的期望运动方向更新为该领导者的方向；不断监测每个群体的适应度进行迭代，观察是否需要进行领导者的更换，并且迭代更新行人的恐慌值；观察人群是否疏散完毕，若疏散完毕，则结束疏散任务，否则返回。本发明专利技术具有宏观微观结合、算法简单、全局和局部搜索能力强的特点，能够达到真实模拟人群疏散的目的。群疏散的目的。群疏散的目的。

【技术实现步骤摘要】
一种基于混合算法的人群疏散方法


[0001]本专利技术属于应急指挥
，具体涉及一种基于混合算法的人群疏散方法。

技术介绍

[0002]目前的疏散模型大多分为宏观模型和微观模型。宏观疏散模型主要强调整体性，人是作为整体进行考虑的，因此忽略了人员之间的相互作用，人的主观心理因素在模型中得不到体现。所以，宏观模型建模简单，计算复杂度不高，但与真实疏散情况出入很大，仿真结果的应用性不强。微观模型则将单个个体的特性具体化，考虑了个体之间的相互影响。常见的微观模型有：社会力模型、元胞自动机模型等。微观模型可以很好的模拟出人群疏散的真实现象，但存在计算时间过长的问题，当疏散人群过大时，计算效率会很低。
[0003]目前，大多数疏散模型方法未考虑到真实因素的影响，这导致进行仿真模拟时仿真结果与真实结果存在一定的差别。行人自身的心理情况、周围环境状况、从众心理等因素都会影响仿真结果。考虑到这些实际因素，需要根据这个现实情况使仿真结果更加逼真。
[0004]现如今关于人群疏散模型的研究有很多，如基于PSO的人群疏散模型，但由于PSO存在收敛速本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于混合算法的人群疏散方法，其特征在于，包括以下步骤；步骤1：设有p个出口源，N个行人，m个危险源，首先使用遗传算法将人群进行分类，将猎物作为出口源，而染色体个体作为行人个体，通过遗传算法将人群分为个群落；步骤2，通过监控系统的恐慌传播模型判断危险源距离行人的远近；步骤3：由灰狼算法进行宏观调控，通过适应度选取在每个群落中的疏散人群的工作人员或者头脑较为清醒、冷静的行人作为领导者；步骤4：由社会力学模型进行微观指导，每个群落的领导者接收到来自系统传达的指令，随后指挥该群落的行人进行疏散，行人接收到领导者的信息时，社会力模型的期望运动方向更新为该领导者的方向，并且受恐慌值的影响；步骤5：不断监测每个群体的适应度进行迭代，观察是否需要进行领导者的更换，并且迭代更新行人的恐慌值；步骤6，观察人群是否疏散完毕，若疏散完毕，则结束疏散任务，否则返回步骤5。2.根据权利要求1所述的一种基于混合算法的人群疏散方法，其特征在于，所述步骤1中，所述遗传算法分类公式：W
max
＝{W
j
}其中，d(s
i
,x
jz
)表示第i个出口源与第j个行人在第z个群落的距离，W
j
为第j个个体的适应度，p
j
为遗传算法中第j个行人被选中的概率，W
max
为第j个行人在整个群落中最大的适应度，x
jz
代表第j个行人在第z个群落的位置，s
i
代表第i个安全出口的位置。3.根据权利要求1所述的一种基于混合算法的人群疏散方法，其特征在于，所述步骤1中，所述步骤2中，所述恐慌传播模型计算每个行人的初始恐慌值，恐慌传播模型的具体公式：式：
其中，E
ic
为第t时刻危险源产生后第i个行人在第c个危险源的恐慌程度，为离第i行人在第t时刻的恐慌程度，E
i,t+1
第i个行人在第t+1时刻的恐慌程度，E
max
为恐慌程度的最大值，c1，c2代表恐怖系数权重，α代表情绪传播因子，u
c
代表第c个安全出口的位置，y
i
代表第i个行人的位置。4.根据权利要求1所述的一种基于混合算法的人群疏散方法，其特征在于，所述步骤1中，所述步骤3中，疏散人群的工作人员或者头脑较为清醒、冷静的行人对应灰狼公式中的alpha狼、beta狼、delta狼；灰狼算法的具体公式：fit
i
＝min{goalpos
...

【专利技术属性】
技术研发人员：刘唯灏，刘博，李韶杰，李骏康，付天佑，肖瑶，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：