论文部分内容阅读
人口密集区域内的突发事件会导致大面积人员伤亡,因此,如何快速有效地规划人群疏散方案成为减少伤亡的一个关键环节。随着计算机技术的发展,基于个体的微观仿真已经成为模拟疏散过程最主要的方法之一。然而,疏散人群规模的增加导致仿真计算量和最优疏散方案求解空间迅速增大,使得疏散预案的整体计算时间增加。耗时的预案计算无法满足灾害发生时的及时响应需求,因此,研究如何缩短基于微观仿真的疏散预案规划时间必要而紧迫。在移动信息诱导的背景下,本研究利用人口动态分布规律组建典型场景的疏散预案知识库,缩小问题求解空间,从而缩短基于微观仿真的较优疏散预案规划时间。具体地,本研究取基于动态人口分布的多智能体微观仿真模型,以仿真输出的疏散清空时间作为疏散预案评价依据,采用遗传算法搜索出近似最优疏散预案,然后根据灾害区域内一天24个时段的典型人口分布生成疏散预案知识库。面对任何一个灾害发生时的特定人口分布,通过将特定人口分布与知识库中的典型人口分布相匹配,在疏散预案知识库中找出具有最相似人口分布的疏散预案作为遗传算法的初始种群,以此加快疏散预案规划过程。本研究以深圳市人口最密集的华强北商业区为例,使用手机跟踪定位数据生成该区域24小时的典型人口分布,对该地区24个时段的最佳疏散预案分别进行计算,以此建立疏散预案知识库,然后将该地区某一天不同时段的特定人口分布数据进行预案生成时间的对比实验。实验结果表明,在保证生成可接受的较优预案前提下,本研究所提出的方法能将疏散预案的计算时间降低80%以上。