基于GAMA平台的多智能体应急疏散仿真模型

周　烨，魏海平，何源浩，黄　凯

(信息工程大学 地理空间信息学院，河南 郑州 450001)



基于GAMA平台的多智能体应急疏散仿真模型

周烨，魏海平，何源浩，黄凯

(信息工程大学 地理空间信息学院，河南 郑州 450001)

摘要：应急疏散的研究对象是一个复杂的社会系统，利用多智能体模型可以有效模拟人群复杂的社会行为。将多智能体模型应用于应急疏散领域，设计5种类型的智能体实体，构建多智能体应急疏散仿真模型，从被疏散个体的相互作用行为入手，研究整个被疏散群体的行为特征。基于GAMA平台，实现以矢量地理空间数据为基础的多智能体应急疏散仿真模型，通过仿真实验，动态呈现整个应急疏散过程。对灾害、突发事件应急疏散指挥，应急疏散设施建设、城市规划设计等工作具有重要的意义。

关键词：多智能体；应急疏散；矢量地理空间数据；GAMA平台

近年来，我国自然灾害和突发事件频繁发生，2008年5月21日，四川省阿坝藏族羌族自治州汶川县发生里氏8.0级大地震，造成69 227人遇难，374 643人受伤，17 923人失踪；2010年4月14日，青海省玉树藏族自治州玉树县发生6次地震，最高震级7.1级，造成2 698人遇难；2014年12月31日上海外滩拥挤踩踏事件，造成36人死亡49人受伤。这些灾害和突发事件的发生对政府的救灾应急响应工作提出严峻的考验。人群疏散是一个异常复杂的行为过程，目前已有研究成果表明，在疏散问题各影响因素中，对人群及其社会行为的正确认识，可以有效提高疏散效果[1]。对人群行为的分析，主要有基于流的模型、元胞自动机模型以及智能体模型[2]。利用智能体模型研究应急疏散过程，能够很好地综合考虑被疏散个体及其相互作用的行为，从而进一步认识到整个人群的行为特征。

利用计算机建模及仿真技术，构建多智能体仿真模型研究不同尺度的应急疏散过程，可以为建筑物、市政及公共场所应急出口、通道的设计，政府应急指挥决策提供科学可靠的依据[3]。目前，国内外很多学者都进行这方面研究，开发多种应急疏散仿真模型及建模工具，例如NetLogo数据驱动的模块化建模工具、Repast智能体建模工具箱、Mason智能体建模工具箱、GAMA智能体仿真建模平台等[4]。此外还包括以需求为导向，综合上述工具开发的应急疏散模型等。

目前GAMA 1.6(GIS & Agent-based Modeling Architecture)平台可以很好的和GIS系统相结合，利用GIS系统的空间表达和分析优势为智能体建模提供更真实、准确的地理空间环境信息。本文利用GAMA 1.6平台，以矢量地理空间数据为基础，构建多智能体应急疏散仿真模型。

1多智能体应急疏散仿真模型

1.1多智能体模型

智能体(Agent)是一个复杂适应性系统中的决策组件[5]，它包含一系列属性和行为规则，其属性定义了智能体是什么，行为规则定义了智能体做什么。智能体可以应用在许多领域，本文研究的智能体针对灾害、突发事件的应急疏散过程进行构建分析。被疏散群体由一个个活动复杂的被疏散个体组成，对于其行为的研究，难以用传统的方法描述。多智能体模型中，一类智能体能够感知周围环境，并对环境做出响应，个体间具有自治、通讯以及协作等功能特性，可以模拟被疏散个体之间既相互独立又相互作用的行为特征；另一类智能体能够对其他智能体对其造成的影响做出反应，从而改变自身属性，可以模拟障碍物、道路等[6]。利用多智能体模型研究复杂社会系统具有如下优点：①多智能体模型可以抓住表达复杂自适应社会系统的主要现象；②提供对于复杂社会系统较为自然和简化的描述方式；③通过构建不同复杂程度以及不同规模的智能体，使得可以在不同尺度层面上研究复杂社会系统。因此，利用多智能体模型研究应急疏散问题，可以有效揭示整个系统的整体结构和功能[7]。

1.2GAMA智能体仿真平台

GAMA(GIS & Agent-based Modeling Architecture)是一个开源的支持空间化、多范式和多尺度的多智能体仿真平台，它整合了智能体建模、地理空间数据管理以及空间数据可视化工具，可以实现智能体模型的多层次表达[8]。GAMA使用内建的GAML语言(GAMA Modeling Language)构建智能体模型，相比Repast，Netlogo和Mason等使用Java语言的仿真平台，降低模型的开发难度，可以使研究人员更加关注应用多智能体模型解决具体问题的研究。GAMA仿真平台具有良好的空间数据管理能力，可以读取多种矢量、栅格地理空间数据，并包含多种空间分析工具，方便开发基于GIS的智能体模型。

1.3多智能体应急疏散仿真模型框架设计

应急疏散问题的研究对象是一个较为复杂的社会系统，复杂系统建模有两种思路，分别是保持简单直接原则(Keep It Simple Stupid，KISS)和保持具体直接原则(Keep It Descriptive Stupid，KIDS)[9]。本文遵循KISS原则设计模型，即尽量保持模型的简洁，对现实世界较为复杂的实际情况进行高度抽象。

多智能体应急疏散仿真模型建立的方法步骤为：第一步进行数据收集，获取真实情况下人群行为的数据；第二步进行模型设计，利用UML建模方法，设计多智能体应急疏散模型，设计模型包含的各类智能体；第三步进行模型编码，在模型设计的基础上，在GAMA平台上实现模型的编码；第四步进行模型验证，它是整个模型建立的一个重要环节，分析验证设计的多智能体模型是否能够和现实情况相吻合，如不吻合则需要对模型进行调整和改进；最后进行模型仿真和结果分析。

GAMA仿真平台采用面向对象的思想，将现实世界的每一类实体都抽象为一类智能体，类似于Java语言中类的概念。本文共设计两大类五种类型的智能体：一类是道路智能体、障碍物智能体、疏散区域智能体；另一类是被疏散个体智能体和交通工具智能体等[10]。通过智能体模型(见图1)来描述、表达和模拟这些智能体之间的相互作用，可以帮助人们理解整个应急疏散过程中的人群行为特征。

图1　多智能体应急疏散模型框架

2智能体及其行为设计

设计智能体(Agent)是多智能体应急疏散模型的关键，本文根据保持简单和直接原则，对应急疏散过程中所涉及的几类对象经过高度抽象，设计以下5种类型智能体，图2为UML模型示意图。

图2　智能体实体

2.1道路智能体(Road Agent)

当灾害、突发事件发生时，道路智能体是人群智能体疏散的通道，模型中道路具有宽度、长度和损毁系数等属性。其中损毁系数，表示道路的损毁情况。模型使用加权网络图表示道路结构，图的边表示道路，节点表示道路交叉口，道路网络中第i条道路的权值为其等效长度Li′。

(1)

式中：Li为第i条道路的长度;αi为第i条道路的损毁系数，当αi为0时，表示道路损毁，等效长度为无穷大;当αi为1时，表示道路未损毁，等效长度为其原长。如果某条道路损毁，则其等效长度增加，在最短路径搜索算法中，就不会优先选取该道路。

2.2障碍物智能体(Obstacle Agent)

在模型中根据实际情况设置障碍物智能体，用来模拟灾害、突发事件产生的障碍物造成的道路损毁、人员伤亡等情况。障碍物智能体具有位置、类型和破坏系数等属性，障碍物智能体的破坏系数正比于道路智能体的损毁系数。

(2)

式中：βij表示第i条道路上第j个障碍物的破坏系数。

2.3疏散区域智能体(Region Agent)

疏散区域智能体具有类型、容量、形状和位置等属性，其中类型属性，表示某一个区域的类型，“safe”表示为安全区域，“unsafe”表示危险、灾害发生区域；安全区域的容量属性表示该安全区域能承载的被疏散个体数目，危险区域的容量属性表示该危险区域包含的被疏散个体数目，形状和位置属性表明疏散区域的地理空间信息。

2.4被疏散个体智能体(People Agent)

被疏散人群的行为特征是应急疏散问题研究的关键，因此被疏散个体智能体(People Agent)是多智能体应急疏散模型最重要的一部分。本文在搜集整理被疏散人群行为数据的基础上，对人群进行高度抽象，建立被疏散个体智能体。模型中被疏散个体智能体设置了状态、目标和行走速度等属性[11]。其中状态属性表示被疏散个体是否处在安全区域，分别以“safe”、“unsafe”表示“到达安全区域”、“未到达安全区域”；行走速度属性，表示被疏散个体行走速度，根据经验数据、道路通行情况取值为4～7 km/h之间[12]；目标属性，表示被疏散个体要到达的安全区域，可根据模型计算得到距被疏散个体最近的安全区域。

被疏散个体智能体中，第j个被疏散个体的行为规则定义如下:

1)如果被疏散个体位于危险区域，则依据道路网络权值Li，利用最短路径搜索算法，寻找距其最近安全区域并转移，并向其移动，速度vji正比于道路损毁系数；

(3)

2)如果被疏散个体已经位于安全区域，则停止移动。

2.5交通工具智能体(Transportation Agent)

当被疏散个体距离安全区域较远时，使用交通工具转移被疏散个体，交通智能体包含状态、容量、速度、颜色等属性[13]，其属性含义和人群智能体相似，其中状态属性，表示该交通工具是否到达安全区域；容量属性，根据交通工具类型确定，一般使用卡车、大巴车等，容量一般为40人左右；速度属性，汽车运行速度约为60～80 km/h。它的行为规则和被疏散个体智能体行为规则类似。

另外，模型中上述每一个智能体都设有颜色属性，方便模型仿真过程、结果的可视化表达。

3多智能体应急疏散仿真实验

3.1仿真场景

本文使用GAMA 1.6仿真平台，对某城区局部区域人群应急疏散问题进行建模与仿真(区域东西跨度约为6.5 km，南北跨度约为7.2 km)。城区周边共有5个空旷且道路通行情况良好的区域可作为安全疏散区域。模型仿真中，假定某市城区范围内被疏散人群总数为N，交通工具数S(定员为40人/车)，安全疏散区域数R，人群步行时速设定为5.0 km/h，交通工具时速设定为60 km/h。通过模型仿真，计算不同条件下的人群疏散时间。

3.2实验准备

根据城区卫星影像，在ArcGIS中采集城区主要道路数据，分别制作道路、疏散区域和边界3个矢量图层。在GAMA仿真平台中，利用GAML语言分别定义Road Agent,Obstacle Agent,Region Agent,Transportation Agent和People Agent，其中Road Agent,Region Agent在模型初始化时，由实验数据准备阶段制作的矢量图层载入生成，其属性由程序根据polygon shapefile的相应字段填写，People Agent的初始位置设置在类型属性为“unsafe”的区域中。

3.3实验结果及分析

如图3所示，设定5个危险区域，分别对1个安全疏散区域的5种分布情况和2个安全疏散区域的10种分布情况，进行人群徒步、乘车疏散仿真实验；并针对有1个、2个安全疏散区域时疏散效果最好的安全疏散区域分布情况，进行道路损毁时的人群疏散仿真实验。实验分析结果如下:

1)由图4可得，安全疏散区域为1个时，第2种分布(图3中1-2)的疏散效果最好，安全疏散区域为2个时，第7种分布(图3中2-7)的疏散效果最好。由此可见，安全疏散区域的位置直接影响着疏散效果。政府、市政部门在做市政规划时，应急疏散仿真实验可以为城市应急疏散区域的选址提供一定的参考依据；

2)由图4可得，乘车疏散相比徒步疏散更有效率，但是这种疏散方式对应急指挥工作有很高的要求，需要在平时进行大量相关演练，且需有详细的人员登车方案，才能确保突发事件发生时不因人群慌乱而影响疏散工作有序进行；

3)由图5可得，随着道路损毁系数减小，道路损毁情况不断加剧，人群疏散时间变得越来越长，良好的道路通行情况对有效的应急疏散工作至关重要。因此，应根据重点区域发生突发事件的情况，通过本模型分析人群疏散经过的重要道路来确定需要重点建设的道路，提高道路防护等级和养护水平，以确保在突发事件发生时道路顺畅。

图3　不同危险区域及安全区域图示

图4　不同安全区域时的应急疏散时间

图5　道路损毁时的应急疏散时间(徒步)

4结束语

本文使用多智能体模型对应急疏散过程这一复杂社会系统进行建模，以矢量地理空间数据构建的空间环境为基础，基于GAMA平台实现多智能体应急疏散仿真模型，并对城市应急疏散过程进行仿真实验，动态反映整个人员疏散过程。利用模型对城市不同位置发生的灾害和突发事件进行模拟，分析被疏散群体行为特征从而得到最优疏散区域布局和最优疏散路径。该仿真实验可以为市政规划、应急指挥决策提供辅助参考。尽管模型综合考虑了疏散过程中被疏散个体、环境等因素对疏散效果的影响，但人群疏散是一个复杂的社会系统行为，仿真模型必然具有一定的局限性。在未来研究中，还需要对不同情景下的人群疏散过程进行分析，并探索城市三维地理空间环境智能体的建立，不断完善多智能体应急疏散仿真模型的功能并拓展其在多领域的应用。

参考文献：

[1]PAN X,HAN C S,DAUBER K,et al.A multi-agent based framework for the simulation of human and social behaviors during emergency evacuations[J].AI & Society,2007,22(2):113-132.

[2]SANTOS G,AGUIRRE B E.A critical review of emergency evacuation simulation models[J].2004.

[3]温伯威，王超峰，刘瑞雪.基于泛在网信息的城市应急疏散决策研究[J].测绘工程,2013,22(6)：58-60.

[4]GRIGNARD A,TAILLANDIER P,GAUDOU B,et al.GAMA 1.6：Advancing the Art of Complex Agent-Based Modeling and Simulation[A].PRIMA 2013：Principles and Practice of Multi-Agent Systems,2013.

[5]NORTH M J,MACAL C M.Managing Business Complexity：Discovering Strategic Solutions with Agent-Based Modeling and Simulation[M].United States of America：OXFORD University Press,2007:24-25.

[6]苑盛成.基于多智能体的大规模紧急疏散仿真系统研究[D].北京：清华大学,2012.

[7]BERRY B,KIEL L,ELLIOTT E.Adaptive agents,intelligence,and emergent human organization：Capturing complexity through agent-based modeling[J].Proceedings of the National Academy of Sciences of the United States of America,2002,99(6887):-.

[8]DROGOUL A,AMOUROUX E,CAILLOU P,et al.Gama：multi-level and complex environment for agent-based models and simulations[A].PRIMA,New Zealand,2013.

[9]VAN Truong H,BECK E,DUGDALE J,et al.Developing a model of evacuation after an earthquake in Lebanon[J].arXiv preprint arXiv:1312.5941,2013.

[10] 刘小婵，张明锋，张正祥.基于GIS与多智能体的人群疏散模拟[J].地理信息世界,2014(5)：23.

[11] 崔喜红，李强，陈晋.基于多智能体技术的公共场所人员疏散模型研究[J].系统仿真学报,2008,20(4)：1006-1010.

[12] 陈曦.人员疏散速度模型综述[J].安防科技,2012(3)：46-48.

[13] 吴健宏，翁文国，倪顺.基于GIS和Multi-Agent的城市应急疏散[J].清华大学学报：自然科学版,2010(8)：1168-1172.

[责任编辑：张德福]

Multi-agent simulation of emergency evacuation based on GAMA Platform

ZHOU Ye,WEI Haiping,HE Yuanhao,HUANG Kai

(School of Geospatial Information,Information Engineering University,Zhengzhou 450001,China)

Abstract：The object of emergency evacuation is designed as a complex social system.Sophisticated human social behaviors can be simulated through multi-agent-based models.This proposes a multi-agent-based model applied to the emergency evacuation behaviors in real word.An multi-agent-based model that consists five types of agent entities is developed to characterize the individual behaviors and the features of a group.The model is designed and implemented on the GAMA Platform (GIS & Agent-based Modeling Architecture).The results present a dynamical emergency evacuation process that will provide suggestions about command and regulation of emergency evacuation in disasters and planning in urban construction.

Key words：multi-agent；emergency evacuation；vector spatial data；GAMA platform

中图分类号：P208

文献标识码：A

文章编号：1006-7949(2016)04-0066-05

作者简介：周烨(1987-)，男，硕士研究生.

收稿日期：2015-04-08；修回日期：2015-04-16