[发明专利]一种基于多蜂群算法的人群疏散仿真方法及系统

说明书

本发明涉及一种基于多蜂群算法的人群疏散仿真方法及系统，该方法包括：设置疏散场景参数信息，创建疏散场景模型和人物模型，并将人物模型导入疏散场景模型中，所述疏散场景模型作为人群疏散的环境空间，所述人物模型作为疏散人群；提取疏散场景模型的语义信息，在该疏散场景下设置疏散人群参数信息，并根据疏散人群参数信息进行人群初始化；将疏散人群划分群组，在每个群组中筛选出引领蜂，采用多蜂群算法并增设辅助种群进行宏观路径规划，采用社会力模型进行微观人群运动指导，得到最终人群疏散路径，进行人群疏散仿真。该方法能够真实有效地实现复杂场景下的人群疏散仿真，减少疏散时间并且增加出口的利用率，能够为真实地疏散演练提供帮助。

技术领域

本发明属于人群疏散仿真的技术领域，尤其涉及一种基于多蜂群算法的人群疏散仿真方法及系统。

背景技术

近些年来，随着各种火灾事故和紧急事件频繁的发生，人群聚集的公共场合中突发事件的安全疏散仿真模拟越来越受到重视。模拟真实场景下的人群疏散行为有着重要的社会意义，可以帮助应急部门制定相应的应急预案，指导场景的设计，避免灾难的发生，减少人员的伤亡。通过计算机仿真技术来进行场景建模、路径寻优以及人群运动行为建模，可以在达到最佳疏散演练效果的同时将成本最小化。因此,计算机仿真模拟成为研究突发事件下人群疏散的最主要方法。

人群疏散仿真主要包括两种方法：宏观疏散仿真方法与微观疏散仿真方法。宏观疏散仿真方法将人群作为一个整体处理，忽略个体之间的交互与影响，因此计算复杂度较低，但其仿真程度也较差。微观疏散仿真方法中的微观模型要为每个疏散个体都作全局运动规划，计算开销太大，由于疏散人群数量大，每个个体计算路径导致的速度又过慢，这种微观模型往往只能用于处理较小规模的群体，并且在实时计算环境中很难应用。由于人群疏散是一个非常复杂的物理过程，到目前为止，还没有任何一个仿真模型能够完整地描述疏散过程中的各种行为细节。因此，构建涵盖更多行为细节的疏散仿真模型是疏散仿真领域的主要研究趋势。

人工蜂群算法(artificial bee colony，ABC)是群体智能领域新兴的智能优化技术，D.Karaboga在2005年将蜜蜂的觅食行为应用到函数优化问题中而提出的，算法计算简单、便于实现、鲁棒性强，因此受到了国内外专家学者的持续关注，其应用范围也从最初的数值优化领域被逐步扩展到工程优化、机器学习、图形学和数据挖掘等领域。人工蜂群算法是模拟蜜蜂的采蜜行为提出的一种智能优化算法，由蜜源、被雇佣峰(引领蜂)和未被雇佣峰(跟随蜂、侦查蜂)三项基本元素构成，同时引入三种基本的行为模式：搜索蜜源、招募蜜源和放弃蜜源.其中蜜源的位置代表优化问题的可行解，蜜源质量对应解的适应度。

多蜂群算法以种群分割为基础，通过分割后的子种群之间的相互制约、自动调节和自适应原理提高种群内部及全局性能。子种群以其它种群作为参照，通过合作与竞争的方式引入精英个体，激励自身进化过程，能够有效弥补群体智能单一种群作业模式的缺陷。

综上所述，在现有技术的人群疏散仿真中对于如何将多蜂群算法应用于人群疏散仿真方法，以及如何提高公共场所中人群疏散的效率以及危机情况下的疏散人群的安全性的问题，尚缺乏有效的解决方案。

发明内容

本发明为了解决上述问题，本发明提供一种基于多蜂群算法的人群疏散仿真方法及系统，本发明将宏观疏散仿真方法与微观疏散仿真方法进行结合，有效弥补两种疏散仿真方法在仿真大规模人群疏散时的不足，在宏观疏散仿真方法中运用多蜂群算法进行宏观路径规划，在微观疏散仿真方法中运用社会力模型进行微观个体运动指导，将多蜂群算法和社会力模型结合有效地提高公共场所中人群疏散的效率以及危机情况下的疏散人群的安全性，有利于设计疏散方案，为真实的疏散演练提供帮助。

本发明的第一目的是提供一种基于多蜂群算法的人群疏散仿真方法。

为了实现上述目的，本发明采用如下一种技术方案：

一种基于多蜂群算法的人群疏散仿真方法，该方法包括：