基于元胞自动机模型的行人排队行为模拟
人群疏散仿真研究综述
人群疏散仿真研究综述发布时间：2021-07-05T08:10:42.327Z 来源：《科技新时代》2021年2期作者：马佳伟黄锦良[导读] 人群疏散仿真是研究发生突发事件时人群疏散的行为，可以为制定科学、合理的人群疏散方案提供重要的知识，有助于帮助人群快速地疏散到安全区域，减少突发事件中人员伤亡和财产损失。
目前对人群疏散仿真的研究越来越引起研究者的关注。
为了能够深入了解人群疏散仿真的发展，本文研究了目前国内外现有的常用的人群疏散模型，各个模型的优缺点，以及模型未来发展趋势。
马佳伟黄锦良（宁波工程学院电子与信息工程学院，浙江宁波 315211）摘要：人群疏散仿真是研究发生突发事件时人群疏散的行为，可以为制定科学、合理的人群疏散方案提供重要的知识，有助于帮助人群快速地疏散到安全区域，减少突发事件中人员伤亡和财产损失。
目前对人群疏散仿真的研究越来越引起研究者的关注。
为了能够深入了解人群疏散仿真的发展，本文研究了目前国内外现有的常用的人群疏散模型，各个模型的优缺点，以及模型未来发展趋势。
1) 0 前言人群疏散仿真是研究发生突发事件时人群疏散的行为，可以为制定科学合理的疏散方案提供重要的知识，有助于帮助人群快速的疏散到安全区域，以减少突发事件中人员伤亡和财产损失。
随着计算机技术的迭代，计算机技术的高速发展，以及算力的增强，用计算机进行仿真模拟各种紧急疏散的因素和过程已经成为研究人员最常用的方法[1]。
但是，研究人员的侧重点并不相同，因此人群疏散的模型也大有不同。
现在大量的仿真模型大致分为两大类：宏观仿真模型和微观仿真模型。
随着算力的增强，微观仿真模型因为更加精确、拟真等优点逐渐替代了宏观模型。
2) 1 宏观仿真模型宏观模型是早期的一种疏散仿真的计算机工具，有动力学模型、流模型、排队网络模型等。
排队网络模型是将建筑物抽象为一个平面网络，由节点和连线组成。
该模型的优点是构造简单，所需计算能力不高。
但是有一些无法克服的不足[2]，例如大量的空间信息被省略；人群的行为受所处环境的影响很大，无法模拟人与环境的动态交互[3][4]。
基于元胞自动机模型的人员疏散行为模拟
基于元胞自动机模型的人员疏散行为模拟郭良杰;赵云胜【摘要】通过引入静态场、动态场及其他参数,建立了二维元胞自动机模型,并利用MATLAB编写模拟软件,可实现对人员疏散过程中的环境熟悉度、从众行为、摩擦阻碍作用、惯性行为、拥挤跌倒行为和竞争行为的模拟.通过实例仿真模拟结果表明:不同的期望速度下会出现“欲速则不达”的现象,同时出口处会产生不同程度的人员聚集;出口处障碍物相对出口纵向放置比横向放置更有利于人员疏散;在疏散环境陌生,或紧急情况下对环境判断能力降低时,适当的从众行为利于最优疏散路径信息的传递,从而有利于人员疏散,但是从众行为过于严重则易造成出口利用率降低或利用不平衡.【期刊名称】《安全与环境工程》【年(卷),期】2014(021)004【总页数】6页(P101-106)【关键词】元胞自动机;地面场模型;人员疏散行为;仿真模拟;从众行为【作者】郭良杰;赵云胜【作者单位】中国地质大学工程学院,湖北武汉430074;中国地质大学工程学院,湖北武汉430074【正文语种】中文【中图分类】X913.4近几年我国灾害频发，如近期发生的雅安地震、吉林宝源丰禽业公司氨气泄漏爆炸火灾以及厦门BRT公交车火灾等。
灾害发生后，人员聚集场所的紧急安全疏散再次成为人们关心的问题和研究的热点。
国内外针对此方面的研究主要集中在对紧急条件下疏散时间和人员逃生行为特征的研究，但由于实际数据的缺乏和实验准确性的不足，建立人员疏散模型并利用计算机进行仿真模拟已成为研究人员疏散行为的主要手段之一［1］。
目前较常用的人员疏散模型有连续型（社会力模型等）和离散型（格子气模型、元胞自动机模型等）之分。
本文基于元胞自动机模型对人员疏散过程中的现象和疏散行为进行了定性研究。
1 元胞自动机模型建立1.1 元胞自动机简介元胞自动机（Cellular Automata，CA）是由大量简单一致的个体通过局部联系组成的离散、分散及空间可扩展系统，它是在均匀一致的网格上由有限状态的变量（元胞）构成的动力系统［1］。
基于元胞自动机模型的行人排队行为模拟
第9卷第3期2009年6月交通运输系统工程与信息Journa l of T ransporta ti on Syste m s Eng i neering and Infor m ation T echno logyV o l 9N o 3June 2009文章编号:1009 6744(2009)03 0140 06系统工程理论与方法基于元胞自动机模型的行人排队行为模拟廖明军1,2,孙 剑*2,王凯英1(1.北华大学交通建筑工程学院,吉林132013;2.同济大学交通运输工程学院,上海201804)摘要: 排队行为模型是常态下行人交通仿真系统模型的基础.本文利用排队论、有限状态自动机原理以及元胞自动机模型对排队系统进行建模.排队行为模型以邻居方向与目标方向间的修正夹角作为主要因子构造了元胞自动机模型的转移概念率函数.利用C#对行人排队行为模型进行实现,并构造了两个不同数量的售票服务台的仿真场景.从仿真动画来看,该模型逼真地模拟行人的排队活动;从不同场景的队长与时间关系曲线可以看出,增加一个售票服务台明显可以减少队列长度,排队系统性能得到改善.由此说明该模型具有模拟行人排队行为的能力.关键词: 行人仿真;排队行为;元胞自动机模型;修正夹角中图分类号: U491文献标志码: ASi m ulation of Queui ng Behavi or Based onCellular Auto m ataM odelLI A O M i n g jun1,2,SUN Jian2,WANG K ai ying1(1.T ra ffic and Construction Eng i neeri ng Co ll ege of Be i hua U nivers it y,Jili n132013,Ch i na;2.Schoo l o f T ransportation Eng i nee ri ng,T ong jiU n i versity,Shangha i201804,Ch i na)A bstrac t: Q ueu i ng behav ior m ode l i s the basis o f pedestrian tra ffic si m u lati on syste m i n no r m al situati on.T he pape r mode l s queue syste m usi ng queu i ng theo ry,finite sta te m achi ne princi p le,and ce ll u lar au t om atam ode.l The queuing behav ior mode l takesm od ifi ed i nc l uded ang le bet ween goa l directi on and ne i ghbor d i recti on as t he m a i n factors o f transiti on probab ili ty function.Then the queu i ng behav i or m ode l i s i m ple m entedw it h object or i ented prog ra m l anguag e C#.Two si m u l a ti on scenar i os are establi shed w it h different amoun t ofti cket sa l es w i ndow.The an i m a ti on of si m ulati on s how s t hat the queui ng m ode l effecti ve l y si m ulates queueac ti v iti es.F ro m the re lati onship be t w een queue leng t h and ti m e,i t can be found tha t t he l eng th of queue canbe decrease by addi ng ticket sa l es po i nt,and t he pe rf o r m ance o f queue syste m can a lso be i m proved,w hichde m onstrates that the m odel can be used to si m u l a te the pedestr i an queu i ng behav i o r.K ey word s: pedestrian s i m u l a tion;queu i ng behav i o r;ce ll u l a r auto m a t on mode;l m odifi ed i ncluded ang leCLC nu m ber: U491Docum en t code: A收稿日期:2008 10 09 修回日期:2009 02 11 录用日期:2009 03 31基金项目:同济大学青年优秀人才培养行动计划(2007K J027);上海市自然科学基金(07ZR14120);吉林教育厅 十一五规划重点项目(2007-122).作者简介:廖明军(1974-),男,湖南邵东人,博士生.*通讯作者:sun jian@126.co m1 引 言随着诸如奥运会和世博会等这样的大型活动的日益增多以及人群高度集中的交通枢纽的大量兴建,行人交通的研究已经变得越来越重要.行人设施的科学规划以及人群活动的组织离不开对行人交通行为的研究.行人交通行为一般分为两种情形:常态和疏散状态.在常态下,行人交通行为中一个普遍存在的现象就是有秩序的排队.服务设施的数量,排队空间的大小是否合理等这些问题都与排队有关.面对这些问题时,通常的做法是利用排队理论的方法大约估计行人的排队参数,该方法可以在一定程度上满足要求,但不直观而且不灵活.而微观仿真已是一个被证明用作分析复杂交通系统的一个有力工具.基于此,本文从微观仿真角度利用元胞自动机(Ce ll u l a r A uto m ata ,简称CA )模型模拟行人的排队行为,为常态下行人系统仿真模型开发奠定基础.CA 模型最初作为人工生命的研究工具和方法.1986年,C re m er et a l [1]首次将元胞自动机(CA )理论应用到交通领域,为交通流这一复杂系统的研究开辟了新的途径.德国学者Nage l et al[2]和美国学者B i h a m et al [3]分别在W o lfra m 规则的基础上分别将C A 模型应用于高速公路一维交通流和城市交通网络二维交通流.目前,借鉴机动车元胞自动机模型的一些思想,CA 模型也已经应用于行人交通流的微观仿真.V.J B l u e[4-7]用CA 模型对单向、双向通道以及十字交叉口和开放空间的行人运动进行了建模,制定一系列行为规则.我国从事公共安全、消防科学、建筑设计以及交通方面的学者也对行人CA 模型进行了大量研究,但他们主要利用元胞自动机模型来研究行人的疏散问题[8-11].从以往的研究可知,目前对行人行为模型的研究主要集中在道路上的行人交通流分析和人群疏散领域方面.对于行人有秩序的行人排队活动的相关行为研究较少.特此,本文将基于CA 模型,提出考虑目标方向的排队行为模型.并以售票设施为例构建排队仿真系统,分析该模型的适应性.2 行人排队系统建模2.1 排队系统概念排队系统包括3个组成部分:输入过程、排队规则和服务机构.输入过程是指顾客到达服务系统的规律.它可以用一定时间内顾客到达数或前后两个顾客相继到达的间隔时间来描述,一般分为确定型和随机型.排队规则可分为等待制、损失制和混合制.当顾客到达时,所有服务机构都被占用,则顾客排队等候,即为等待制.服务机构是指一个或多个服务台,多个服务台可以是平行排列的,也可以是串连排列的,其服务时间一般分为确定型和随机型两种.本模型假定:排队系统的行人到达服从泊松分布;行人的排队规则为等待制,先到先服务;服务时间服从正态分布.2.2 微观排队系统建模排队系统微观建模主要分为两个方面:排队系统设施建模和行人排队行为.微观排队系统设施主要有服务窗口、队列以及队列的形状.服务窗口一般由几个元胞单元格组成,定义中间的一个为提供服务的元胞.队列是微观排队系统的主要对象.一般的面向对象编程语言(C #)都把队列封装为最基本的数据结构.基本队列类封装有队长属性以及判断队列是否为空、入队和离队的基本方法.用户针对特定排队系统也可以在继承基类的基础上对自定义队列进行扩展.另外,队列具有一定的形状.队形一般成直线,但空间不够或者排队阻碍其他流向的行人行走时,为充分利用空间,队形变为曲线(见图1).因此,在程序中,用一个链表管理曲线的参数,以便确定队列的形状.程序中,队列的形状由用户自定义(见图2).图1 不同环境下的不同形状的队列(上海火车站地铁)F i g .1 D ifferent shapes of queue i n d ifferent env iron m ent排队行为与行人排队过程中的决策和运动行为有关.行人排队行为主要有:行人加入队列、等待服务,接受服务、离开队列以及队列中行人移动(见图3).为描述行人的排队行为,需要设置系列的状态变141第3期基于元胞自动机模型的行人排队行为模拟量和逻辑规则来反映行人行为状态的变化.行人的排队行为状态主要有:非排队(q 0)!排队(q 1)!等待(q 2)!接受服务(q 3)!服务完毕(q 4).假定行人的初始状态为非排队,则终止状态为服务完毕.这些活动状态转移可应用确定型有限自动机模型进行描述.确定型有限自动机五元组模型表示为M =(Q,T, ,q 0,F )(1)式中 Q 表示为有限的状态集合;T 为有限的输入; 为转换函数;q 0为初始状态;F 终止状态集.对应排队活动,式(1)中Q ={q 0,q 1,q 2,q 3,q 4};T 为行人位置和时间等规则的集合,该集合的元素记为t i ; 为排队状态转移函数,以确定下一个状态,如q j =q i ∀t i ;q 0为非排队状态;F 为服务完毕状态.3 基于CA 的行人运动行为模型3.1 元胞自动机模型概念行为模型.人的运动行为.力系统.散布在规则格网中的每一元胞取有限的离散状态,遵循同样的作用规则,依据确定的局部规则进行同步更新.元胞自动机最基本组成单位包括:元胞,元胞空间,元胞的邻居,元胞间的相互作用的局部规则,以及元胞的状态[12].为了构造基于C A 的行人运动行为模型,本文先对元胞自动机模型做一些假定:#元胞自动机中的元胞和行人的尺寸都设为30c m ∀30c m,也就是说,一个行人只能占据一个元胞;∃行人之间的速度差异不大,行人的最大速度为1个单元格;%模型的时间步长为0.25秒.根据假定∃,选择M oore 邻居作为本元胞自动机模型的邻居.具体见图4.图4 M oo re 邻居以及方向矩阵F i g .4 M oore ne i ghbor and directi on m atri x3.2 转移概率函数确定转移概率函数,也称为演化规则,是CA 模型中的一个重要组成部分,它用于实现行人从当前单元格运动到新的单元格.由于行人所从事的是有序的排队活动,如买票.此时,行人主要目的就是以一定的速度沿着当前位置和队尾连成的直线一步一步的朝队列方向靠近,并加入到队列的队尾进行排队.在选择路径时,行人一般考虑路径最短这个因素.根据M oore 邻居概念可知行人有8个运动方向,每个方向与目标方向都有一个夹角.行人倾向于选择与目标(动态队列队尾)方向夹角最小的那个方向作为运动方向.夹角越小说明偏离目标越小.因此,可用行人运动方向与目标方向之间的夹角对行人运动规则进行控制.基于此,下面将构造一个考虑该夹角的转移概率函数:ij )}(1-n ij ) ij k ij )}(1-n ij ) ij -1无障碍物可以利用(2)142交通运输系统工程与信息 2009年6月式中 p ij 为选择单元格(i ,j)的概率;N 为正规化数值以保证&(i,j)pij= 1.n ij 为单元格(i ,j )被行人占用状态; ij 用来判定单元格是否是障碍物; ij 为修正夹角;k 为方向敏感因子,其值越大,表示行人随机性越小,到一定程度后,该函数成为确定性演化规则.在式(2)中,最重要的是确定 ij .为计算 ij ,先假定一个坐标系.原点为当前行人的位置,横轴为东西方向,纵轴为南北方向.东、南、西、北以及各个象限的角平分线方向代表行人邻居的方向(见图5).它们与目标方向的最小夹角!ij 表示该单元格方向偏离目标的程度.在本模型中,最小夹角!ij 最小为0∋,最大为180∋.为揭示!ij 越小的单元格被选中的概率越大这样一种规律,须对!ij 进行修正,即 ij =180∋-!ij .接下来,介绍!ij 的算法.图5 夹角计算示意图F ig .5 Compu tati on sketch o f i ncl uded ang le先用式(3)计算紧邻的邻居单元格与目标方向的最小夹角,记为!(0(!(45∋):!=arctan ∀y ∀x =arctan y goal -y curx goal -x cur(3)式中(x cu r ,y cu r )为当前单元格的位置;(x goal ,y goa l )为目标点的位置.最小夹角!得到后,应用下面的算法计算修正夹角 ij .算法如下:#扫描周围8个邻居,得出紧邻的单元格与目标方向夹角最小的单元格的角度!;∃判断该单元格是在目标方向的左侧还是右侧;%以最小夹角所在单元格为基准,并根据∃所确定的位置,以目标方向为轴,分别向逆时针和顺时针方向计算出4个单元格的最小夹角!ij ;) ij =180∋-!ij .此时,通过式(2)就可以确定当前行人移动到邻居或者保持当前位置的概率,也就是说通过上述方法,可以确定每一个仿真步长的行人运动方向.另外,除了行人到达队列的运动行为外,还有队列内的行人运动,即一个行人服务完毕后,后面的行人一次往前移动一个位置,这种运动通过队列的元素位置属性更新即可解决.另外,上述模型同样适合多队列和曲线队列,只是在寻找队列时,需要增加路径搜索算法,可以用基于网络图的障碍物搜索方法,这将择文介绍.3.3 冲突解决方法另外,还需要注意行人冲突的问题.行人在移动的过程中,很可能存在两个不同单元格的行人在下一个步长运动到同一个空闲单元格的情况.由于一个单元格只能在同一时刻被一个人占据,所以需要在模型中设定一些规则来解决行人的冲突.解决的办法有很多,其主要的出发点是从人的属性考虑,比如,按照行人的体力,行人的迫切程度,或者干脆各50%的机会随机确定等,本文按照已经计算出来的方向选择概率的大小来决定谁将占据该单元格(见图6).这其实是行人优先的反映,从实际生活经验来看也具有一定的合理性.因此,可用式(4)~式(5)判断单元格的优先度:p 1=M (1)1,0M (1)1,0+M (2)-1,1(4)p 2=M (2)-1,1M (1)1,0+M (2)-1,1(5)式(4)和式(5)中,M (m)i,j 为位于(i ,j)单元格第m 个人向邻域移动的概率(参考图4)(m =1,2; i ,j =-1,0,1).图6 冲突解决示意图[13]F i g.6 The m e t hod for pedestr ian ∗s confli c t avo idance143第3期基于元胞自动机模型的行人排队行为模拟比较式(4)中的p 1和式(5)中p 2的大小,谁大谁优先.此时的选择变成一个确定型的选择,省去随机选择的麻烦,本文选择此种方法解决行人冲突问题.3.4 k 值对转移概率的影响夹角是转移概率函数中一个主要变量,其影响因子取不同的值,夹角的影响也是不一样的.为此,取一个单元格进行分析,假设目标方向与东边的单元格的顺时钟夹角为30∋.此时,通过上述修正夹角的算法得到如图7所示的修正夹角矩阵.其中右下角(ES)的单元格的夹角最大.图8(a)说明当k 在0到0.1之间变化时,右下角单元格的概率值变化还比较明显.从图8(b)可以看出:当k 值为0时,所有的值为11.11%,各个单元格机会均等;当k 值为0.3时,右下角单元格对应的概率值达到了99%,接近于1;当k 值大于0.3时,其对应的概率趋向于1,几乎不变.4 实例分析本实例构造了一个40∀50个单元格大小的售票大厅,并在厅里面设置了售票设施,行人从入口进入,50%的旅客排队买票.通过分析k 与转移概率的关系,确定式(2)中的方向敏感因子k 为0 03.假设行人服从到达率为1800人/小时的泊松分布,行人的服务时间服从正态分布N (17,42).利用C #对上述模型进行实现,最后得到图9所示的仿真动画场景.另外,为研究其他参数不变的情况下不同数量服务台的队长与仿真时间的关系,特别构造了一个单服务台和双服务台的场景并对它们进行仿真试验.从实验结果看(见图10和图11),由于其他条件不变,只设一个服务台的队列长度一直在增加,而设置两个服务台的队列长度却保持在稳定状态.这与现实情况吻合.从上述仿真动画看,文中排队行为模型具有描144交通运输系统工程与信息 2009年6月述现实世界排队活动的能力.另外,从上述两个仿真的队长和仿真时间的关系曲线看,该仿真模型具有评价排队系统的能力.5 研究结论本文主要研究基于CA模型的行人排队行为,从理论和试验来看,其主要结论有:(1)从仿真动画看,元胞自动机模型可适用于常态下行人排队行为的模拟.(2)基于目标方向修正角度的状态转移函数能够反映行人选择最短路线的心理,能较好地模拟行人的运动行为.(3)从不同服务台的队长与仿真时间关系曲线看,在其他参数相同的条件下,增加一个服务台能明显改善排队系统的服务,这与实际情况相吻合,也证明本文的模型的合理性和实用性.参考文献:[1] C rem erM,L ud w i g J.A fast si m u l a ti on m ode l for tra ffic flo w on the basis o f boo l ean operati ons[J].M athema ti cs and Co m puters i n S i m u lati on,1986,28(4):297-303.[2] N ag el K,Sch reckenberg M.A ce ll u lar auto m atonmodel f o r free w ay tra ffic[J].J.P hysique I,1992,2(12):2221-2229.[3] B iham O,M i dd l e t on A A,L ev i ne D.Se lf org an i zati onand a dyna m ica l transition i n traffi c flo w models[J].P hys.R ev.A,1992,46(10):6124-6127.[4] B l ue V J and A dler J L.E m erg ent funda m enta l pedestrian fl ows fro m ce ll u lar automa ta m icrosi m ulati on[J].T ranspo rtati on R esearch R ecord,1998,1644:29-36.[5] B lue V J and A dler J L.Ce ll u lar auto m ata mode l o f eme rgent co ll ective b i direc ti ona l pedestrian dyna m i cs[C]//A ccepted by A rtific i a l L ife V II,T he SeventhInternationa l Confe rence on the S i m u l a ti on and Synthesis o f L iv i ng Syste m s,R eed Co ll ege,Portland O regon,A ugust2000:1-6.[6] B l ue V J and A d l e r J L.M odeli ng f our directi onal pedestr i an m ove m ents[C]//the79th Annua lm eeti ng o ft he T ransportation R esearch Board,Janua ry2000.[7] B l ue V J and Ad ler J L.U sing ce ll u l a r auto m ata m ic rosi m ulati on t o m ode l pedestr i an m ove m ents[C]//P roceed i ngs of t he14th Inte rnati onal Symposi um onT ransporta ti on and T ra ffic T heo ry, A.Ceder ed.E l sev ier Sc i ence L td,Ju l y1999.[8] 田娟荣,周孝清,李健.地铁自动检票闸机对人员疏散的影响分析[J].火灾科学,2006,15(1):38-43.[T I AN J uan rong,Z HOU X i ao q i ng,L I Jian.Infl uences of auto m a ti c f a re gate i n sub w ay on pedestrianevacua ti on[J].F ire Safety Sc i ence,2006,15(1):38-43.][9] 宋娜娜.基于 元胞自动机的人员疏散仿真模型初探[J].消防科学与技术,2006,25(6):733-735.[SONG N a na.St udy on si m ulati on m ode ls of t heoccupant evacuati on based on cell ular auto m a ta[J].F ire Sc i ence and T echnology,2006,25(6):733-735.][10] 李伏京,方卫宁.磁悬浮车辆中人员紧急疏散的仿真研究[J].中国安全科学学报,2005,15(8):17-21.[L I F u ji ng,FANG W e i ni ng.Si m ulation o fpasseng er evacua ti on under e m erg ency i n m ag l ev tra i n[J].Ch i na Safe ty Sc i ence Jou rna,l2005,15(8):17-21.][11] 吕春杉,翁文国,杨锐,等.基于运动模式和元胞自动机的火灾环境下人员疏散模型[J].清华大学学报(自然科学版),2007,47(12):2158-2162.[LV Chun shan,W ENG W en guo,YANG Ru,i et a.lF ire evacuati on m ode l based on m otor sche m a and ce ll u lar autom aton[J].Journa l o f T si nghua U n i versity(Sc i ence and T echno l ogy),2007,47(12):2158-2162.][12] 贾斌,高自友,李克平,等.基于元胞自动机的交通系统建模与模拟[M].北京:科学出版社,2007:10-11.[JIA B i n,GAO Z i you,L I K e pi ng,et a.lM odels and si m ulati ons o f traffic syste m based on t het heory of ce llular au t om aton[M].Be iji ng:ScienceP ress,2007:10-11.][13] SC HAD SC HNE I DER.A ce llular automa ti on approachto pedestr ian dyna m i cs theo ry[M].Pedestr ian and Evacua ti on D yna m i cs,Spr i ng,2001:75-86.145第3期基于元胞自动机模型的行人排队行为模拟。
元胞自动机在交通方面的应用
元胞自动机在交通方面的应用篇一：每天早上，我都要经历一场如同“战场”般的通勤之旅。
就像大多数上班族一样，老张也是其中一员。
老张站在他家小区门口，看着眼前车水马龙的街道，内心一阵哀叹。
这时候，他旁边的小李也在抱怨：“这交通啊，就像一团乱麻，真不知道什么时候才能顺畅点儿。
”老张附和着：“可不是嘛，感觉就像一群没头的苍蝇到处乱撞。
”其实，在解决这种交通乱象方面，有一种很神奇的东西叫元胞自动机。
你可以把元胞自动机想象成一个超级智能的交通指挥官。
它把整个交通系统看成是由一个个小方格组成的大棋盘，每个小方格就像是一个小小的细胞，这些细胞有着自己的规则。
比如说，在马路上的每一辆车就像是这个棋盘上的小棋子，它们只能按照细胞的规则来行动。
如果前面的车走了，后面的车才能动，就像在排队一样。
而且每个小方格还能知道周围方格的情况，要是左边的方格堵住了，它就会告诉旁边的车换个方向走。
元胞自动机在交通信号灯的控制上也特别厉害。
传统的交通信号灯就是按照固定的时间来变换的，有时候明明这边车都没了，还在亮绿灯，那边车堵成一片却还是红灯。
而元胞自动机就不一样了，它就像一个有着火眼金睛的交警。
它可以实时观察到各个方向的车流量，要是某个方向的车流量突然变大了，它就会迅速调整信号灯的时间，让车多的方向可以多走一会儿，车少的方向就少给点时间。
我曾经见过一个小镇采用了类似元胞自动机原理的交通管理系统。
在那里，交通变得顺畅多了。
司机们不再像以前那样老是堵在路上干着急，而是可以比较顺利地到达目的地。
行人过马路也更加安全了，因为交通信号灯变得更加智能了。
元胞自动机就像是给交通系统注入了一股聪明的力量，它把看似复杂无序的交通状况变得有章可循。
它不是简单地按照死板的规则来控制交通，而是像一个懂得随机应变的智者。
所以说，元胞自动机在交通方面的应用，真的是给我们的出行带来了很大的便利，就像一场及时雨，滋润了我们这个被交通拥堵困扰的城市和人们。
它让我们的交通不再像一团乱麻，而是像一首有序的交响曲。
基于元胞自动机的城市道路偶发性拥堵交通行为模拟
基于元胞自动机的城市道路偶发性拥堵交通行为模拟
吴义虎;李意芬;喻伟;喻丹
【期刊名称】《交通科学与工程》
【年(卷),期】2014(000)002
【摘要】以元胞自动机模型为基础，在传统的车辆换道规则上，引入驾驶人行为
因素，根据不同区域交通流特点和驾驶行为特点，给出了不同的车辆换道规则，建立了一种适用于城市道路偶发性拥堵交通流行为分析的元胞自动机改进模型。
并利用该模型，模拟分析了偶发性拥堵发生时不同车流密度的车辆排队和平均车速情况。
【总页数】7页(P72-78)
【作者】吴义虎;李意芬;喻伟;喻丹
【作者单位】长沙理工大学交通运输学院，湖南长沙 410004;长沙理工大学交通运输学院，湖南长沙 410004;长沙理工大学交通运输学院，湖南长沙 410004;长沙理工大学交通运输学院，湖南长沙 410004
【正文语种】中文
【中图分类】U491.2+65
【相关文献】
1.基于自适应BP神经网络的城市道路偶发性拥堵判别 [J], 喻丹;吴义虎;喻伟;宋明磊;秦滔
2.车辆能源补给诱发交通拥堵的元胞自动机模拟 [J], 吕奇光;许茂增;徐光灿;刘永;
周翔
3.城市道路路段基于元胞自动机的交通模拟模型 [J], 郑英力;马社强;翟润平
4.基于快速疏散控制的城市道路偶发性交通拥堵区域动态界定及控制子区划分 [J], 吴义虎;李狄;喻伟;喻丹
5.城市交通拥堵的经济学分析和元胞自动机模拟 [J], 李捷;朱明皓
因版权原因，仅展示原文概要，查看原文内容请购买。
基于元胞自动机的结伴过街行人流建模与仿真中期报告
基于元胞自动机的结伴过街行人流建模与仿真中期报告摘要：元胞自动机模型是研究复杂系统的常用方法之一，在交通流领域也有广泛应用。
本文基于元胞自动机，建立了一个结伴过街行人流模型，通过仿真得到了行人流的分布情况，并与现实情况进行了对比。
结果表明，该模型可以有效地模拟结伴过街行人流的行为，对于城市道路规划和交通管理具有实际意义。
关键词：元胞自动机；结伴过街；行人流；建模；仿真1. 研究背景行人交通流是城市交通系统中不可或缺的一部分，随着城市化进程的不断加快，城市交通流量不断增加，行人交通流变得越来越复杂。
在城市道路规划和交通管理中，对行人交通流进行建模和仿真是非常有必要的。
结伴过街是行人交通流的一种典型情况，即两人或多人结成小组，一起过马路。
在城市中，这种行为是非常普遍的，但是现有的交通模型并不能完全覆盖这种情况。
元胞自动机模型是研究复杂系统的常用方法之一，已经在交通流领域取得了一定的成果。
本文将基于元胞自动机，建立一个结伴过街行人流模型，并进行仿真。
2. 模型建立2.1 元胞自动机模型元胞自动机是由计算机科学家约翰·冯·诺伊曼于1940年提出的，是一种离散化的动力学系统，其由一组相同的元胞（cell）组成，每个元胞有相同的状态，按照规定的更新规则更新状态。
元胞自动机依靠局部相互作用来产生全局行为表现。
在行人交通流建模中，每个元胞表示一个空间单元，例如一条道路上的一个位置，每个元胞的状态表示这个位置的交通状态。
更新规则根据周围元胞的状态，计算这个位置上交通的行为。
2.2 模型设计基于元胞自动机的行人流模型需要将道路空间离散化，将行人位置的连续性离散化为网格化状态，然后根据行人的行为状态和场地状态来确定其行走方式。
在模型中，需要用到以下参数：（1）行人的密度：在道路上的单位面积内，包含行人的数量；（2）行人的速度：行人在道路上行进的速度，单位为米/秒；（3）行人的行为状态：行人在行驶过程中的状态，例如等待、走动；（4）空间状态：道路的宽度、长度、障碍物等场地状态。
《基于空间细化元胞自动机的行人疏散建模与仿真》范文
《基于空间细化元胞自动机的行人疏散建模与仿真》篇一一、引言近年来，行人疏散建模与仿真在公共安全、城市规划、建筑安全等领域引起了广泛的关注。
空间细化元胞自动机作为现代建模和仿真的有效工具，其在处理大规模人群动态问题上的表现尤其出色。
本文旨在通过构建基于空间细化元胞自动机的行人疏散模型，进行行人疏散行为的仿真研究，为相关领域提供理论依据和参考。
二、元胞自动机模型与行人疏散元胞自动机是一种通过定义元胞（或单元）及其状态和变化规则，对离散的空间和时间进行建模的仿真方法。
在行人疏散过程中，可以将建筑物内部或特定区域的空间进行格网化，并采用元胞自动机进行仿真模拟。
然而，传统的元胞自动机在描述空间环境和个体行为方面往往较为简化，因此我们提出基于空间细化的元胞自动机模型进行行人疏散建模。
三、基于空间细化元胞自动机的行人疏散模型构建（一）模型假设与参数定义在构建模型时，我们假设每个元胞内的人员数量和速度等参数是可变的，同时考虑了多种影响因素，如空间布局、出口位置、出口容量等。
我们定义了包括个体行为特征、空间环境特征和动态变化特征等在内的多种参数。
（二）模型构建基于上述假设和参数定义，我们构建了基于空间细化元胞自动机的行人疏散模型。
该模型包括元胞的划分、个体行为的设定、动态变化规则的制定等部分。
在元胞划分上，我们根据实际场景的空间布局进行细致的划分；在个体行为设定上，我们考虑了行人的行走方向、速度、避障行为等因素；在动态变化规则上，我们根据行人的行为特征和空间环境的变化进行动态调整。
四、行人疏散仿真与结果分析（一）仿真实现我们利用计算机编程技术实现了基于空间细化元胞自动机的行人疏散仿真。
在仿真过程中，我们根据实际情况设置了不同的场景和参数，对行人疏散过程进行了多次模拟。
（二）结果分析通过对仿真结果的分析，我们可以得到以下结论：1. 空间布局对行人疏散效率有显著影响。
合理的空间布局可以有效地提高疏散效率，减少拥堵和混乱现象的发生。
基于元胞自动机的城市交通流模拟与仿真研究
基于元胞自动机的城市交通流模拟与仿真研究近年来，随着城市化进程的不断加快，城市交通问题日益凸显。
为了解决城市交通流量高峰时的拥堵问题，提高交通效率，研究人员们开始使用元胞自动机模型来进行交通流模拟与仿真研究。
一、元胞自动机模型简介元胞自动机是一种复杂系统建模与仿真的重要工具。
它由一系列格点（元胞）组成的二维网格构成，每个元胞代表一个交通参与者，可以是车辆、行人等。
每个元胞都有一定的状态和行为规则，如按照红绿灯信号进行行驶或停止等。
二、城市交通流模拟城市交通流模拟主要包括流量模拟和行为模拟两方面。
流量模拟通过统计每个时刻通过某一点的交通流量，来研究交通流量的分布和变化规律。
而行为模拟则是通过调整元胞的行为规则，控制交通参与者的行为，以实现交通流的优化与控制。
在城市交通流模拟过程中，研究人员可以根据真实的路网和交通组成，将其构建为元胞自动机模型，然后通过调整元胞的状态转换规则，模拟出不同时间段内的交通流量分布、拥堵现象等。
这样可以帮助决策者更好地了解和分析城市交通问题，从而制定更科学合理的交通规划方案。
三、元胞自动机在城市交通流仿真中的应用元胞自动机模型在城市交通流仿真中有着广泛的应用。
通过模拟交通流的运行情况，可以评估不同交通组织方式的效果，如交叉口信号灯、交通流量管制等。
此外，还可以通过模拟不同交通流量分布情况下的交通拥堵现象，探索拥堵产生的原因和解决方法。
另外，元胞自动机模型还可以用于研究特定道路网络中的交通流特性。
例如，可以通过模拟不同区域的交通流量分布，并分析路段的通行能力，以找出导致交通瓶颈的关键路段，并采用合适的调控措施来改善交通流动性。
四、元胞自动机模型的优势和挑战元胞自动机模型在城市交通流模拟研究中具有以下优势：首先，可以模拟大量交通参与者的行为，从而更真实地反映交通流的特征。
其次，可以通过调整元胞的行为规则，实现交通流的优化与控制。
再次，模型参数可调性强，模型灵活性高，适用于不同道路网络和交通组织方式的研究。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第9卷第3期2009年6月交通运输系统工程与信息Journa l of T ransporta ti on Syste m s Eng i neering and Infor m ation T echno logyV o l 9N o 3June 2009文章编号:1009 6744(2009)03 0140 06系统工程理论与方法基于元胞自动机模型的行人排队行为模拟廖明军1,2,孙 剑*2,王凯英1(1.北华大学交通建筑工程学院,吉林132013;2.同济大学交通运输工程学院,上海201804)摘要: 排队行为模型是常态下行人交通仿真系统模型的基础.本文利用排队论、有限状态自动机原理以及元胞自动机模型对排队系统进行建模.排队行为模型以邻居方向与目标方向间的修正夹角作为主要因子构造了元胞自动机模型的转移概念率函数.利用C#对行人排队行为模型进行实现,并构造了两个不同数量的售票服务台的仿真场景.从仿真动画来看,该模型逼真地模拟行人的排队活动;从不同场景的队长与时间关系曲线可以看出,增加一个售票服务台明显可以减少队列长度,排队系统性能得到改善.由此说明该模型具有模拟行人排队行为的能力.关键词: 行人仿真;排队行为;元胞自动机模型;修正夹角中图分类号: U491文献标志码: ASi m ulation of Queui ng Behavi or Based onCellular Auto m ataM odelLI A O M i n g jun1,2,SUN Jian2,WANG K ai ying1(1.T ra ffic and Construction Eng i neeri ng Co ll ege of Be i hua U nivers it y,Jili n132013,Ch i na;2.Schoo l o f T ransportation Eng i nee ri ng,T ong jiU n i versity,Shangha i201804,Ch i na)A bstrac t: Q ueu i ng behav ior m ode l i s the basis o f pedestrian tra ffic si m u lati on syste m i n no r m al situati on.T he pape r mode l s queue syste m usi ng queu i ng theo ry,finite sta te m achi ne princi p le,and ce ll u lar au t om atam ode.l The queuing behav ior mode l takesm od ifi ed i nc l uded ang le bet ween goa l directi on and ne i ghbor d i recti on as t he m a i n factors o f transiti on probab ili ty function.Then the queu i ng behav i or m ode l i s i m ple m entedw it h object or i ented prog ra m l anguag e C#.Two si m u l a ti on scenar i os are establi shed w it h different amoun t ofti cket sa l es w i ndow.The an i m a ti on of si m ulati on s how s t hat the queui ng m ode l effecti ve l y si m ulates queueac ti v iti es.F ro m the re lati onship be t w een queue leng t h and ti m e,i t can be found tha t t he l eng th of queue canbe decrease by addi ng ticket sa l es po i nt,and t he pe rf o r m ance o f queue syste m can a lso be i m proved,w hichde m onstrates that the m odel can be used to si m u l a te the pedestr i an queu i ng behav i o r.K ey word s: pedestrian s i m u l a tion;queu i ng behav i o r;ce ll u l a r auto m a t on mode;l m odifi ed i ncluded ang leCLC nu m ber: U491Docum en t code: A收稿日期:2008 10 09 修回日期:2009 02 11 录用日期:2009 03 31基金项目:同济大学青年优秀人才培养行动计划(2007K J027);上海市自然科学基金(07ZR14120);吉林教育厅 十一五规划重点项目(2007-122).作者简介:廖明军(1974-),男,湖南邵东人,博士生.*通讯作者:sun jian@126.co m1 引 言随着诸如奥运会和世博会等这样的大型活动的日益增多以及人群高度集中的交通枢纽的大量兴建,行人交通的研究已经变得越来越重要.行人设施的科学规划以及人群活动的组织离不开对行人交通行为的研究.行人交通行为一般分为两种情形:常态和疏散状态.在常态下,行人交通行为中一个普遍存在的现象就是有秩序的排队.服务设施的数量,排队空间的大小是否合理等这些问题都与排队有关.面对这些问题时,通常的做法是利用排队理论的方法大约估计行人的排队参数,该方法可以在一定程度上满足要求,但不直观而且不灵活.而微观仿真已是一个被证明用作分析复杂交通系统的一个有力工具.基于此,本文从微观仿真角度利用元胞自动机(Ce ll u l a r A uto m ata ,简称CA )模型模拟行人的排队行为,为常态下行人系统仿真模型开发奠定基础.CA 模型最初作为人工生命的研究工具和方法.1986年,C re m er et a l [1]首次将元胞自动机(CA )理论应用到交通领域,为交通流这一复杂系统的研究开辟了新的途径.德国学者Nage l et al[2]和美国学者B i h a m et al [3]分别在W o lfra m 规则的基础上分别将C A 模型应用于高速公路一维交通流和城市交通网络二维交通流.目前,借鉴机动车元胞自动机模型的一些思想,CA 模型也已经应用于行人交通流的微观仿真.V.J B l u e[4-7]用CA 模型对单向、双向通道以及十字交叉口和开放空间的行人运动进行了建模,制定一系列行为规则.我国从事公共安全、消防科学、建筑设计以及交通方面的学者也对行人CA 模型进行了大量研究,但他们主要利用元胞自动机模型来研究行人的疏散问题[8-11].从以往的研究可知,目前对行人行为模型的研究主要集中在道路上的行人交通流分析和人群疏散领域方面.对于行人有秩序的行人排队活动的相关行为研究较少.特此,本文将基于CA 模型,提出考虑目标方向的排队行为模型.并以售票设施为例构建排队仿真系统,分析该模型的适应性.2 行人排队系统建模2.1 排队系统概念排队系统包括3个组成部分:输入过程、排队规则和服务机构.输入过程是指顾客到达服务系统的规律.它可以用一定时间内顾客到达数或前后两个顾客相继到达的间隔时间来描述,一般分为确定型和随机型.排队规则可分为等待制、损失制和混合制.当顾客到达时,所有服务机构都被占用,则顾客排队等候,即为等待制.服务机构是指一个或多个服务台,多个服务台可以是平行排列的,也可以是串连排列的,其服务时间一般分为确定型和随机型两种.本模型假定:排队系统的行人到达服从泊松分布;行人的排队规则为等待制,先到先服务;服务时间服从正态分布.2.2 微观排队系统建模排队系统微观建模主要分为两个方面:排队系统设施建模和行人排队行为.微观排队系统设施主要有服务窗口、队列以及队列的形状.服务窗口一般由几个元胞单元格组成,定义中间的一个为提供服务的元胞.队列是微观排队系统的主要对象.一般的面向对象编程语言(C #)都把队列封装为最基本的数据结构.基本队列类封装有队长属性以及判断队列是否为空、入队和离队的基本方法.用户针对特定排队系统也可以在继承基类的基础上对自定义队列进行扩展.另外,队列具有一定的形状.队形一般成直线,但空间不够或者排队阻碍其他流向的行人行走时,为充分利用空间,队形变为曲线(见图1).因此,在程序中,用一个链表管理曲线的参数,以便确定队列的形状.程序中,队列的形状由用户自定义(见图2).图1 不同环境下的不同形状的队列(上海火车站地铁)F i g .1 D ifferent shapes of queue i n d ifferent env iron m ent排队行为与行人排队过程中的决策和运动行为有关.行人排队行为主要有:行人加入队列、等待服务,接受服务、离开队列以及队列中行人移动(见图3).为描述行人的排队行为,需要设置系列的状态变141第3期基于元胞自动机模型的行人排队行为模拟量和逻辑规则来反映行人行为状态的变化.行人的排队行为状态主要有:非排队(q 0)!排队(q 1)!等待(q 2)!接受服务(q 3)!服务完毕(q 4).假定行人的初始状态为非排队,则终止状态为服务完毕.这些活动状态转移可应用确定型有限自动机模型进行描述.确定型有限自动机五元组模型表示为M =(Q,T, ,q 0,F )(1)式中 Q 表示为有限的状态集合;T 为有限的输入; 为转换函数;q 0为初始状态;F 终止状态集.对应排队活动,式(1)中Q ={q 0,q 1,q 2,q 3,q 4};T 为行人位置和时间等规则的集合,该集合的元素记为t i ; 为排队状态转移函数,以确定下一个状态,如q j =q i ∀t i ;q 0为非排队状态;F 为服务完毕状态.3 基于CA 的行人运动行为模型3.1 元胞自动机模型概念行为模型.人的运动行为.力系统.散布在规则格网中的每一元胞取有限的离散状态,遵循同样的作用规则,依据确定的局部规则进行同步更新.元胞自动机最基本组成单位包括:元胞,元胞空间,元胞的邻居,元胞间的相互作用的局部规则,以及元胞的状态[12].为了构造基于C A 的行人运动行为模型,本文先对元胞自动机模型做一些假定:#元胞自动机中的元胞和行人的尺寸都设为30c m ∀30c m,也就是说,一个行人只能占据一个元胞;∃行人之间的速度差异不大,行人的最大速度为1个单元格;%模型的时间步长为0.25秒.根据假定∃,选择M oore 邻居作为本元胞自动机模型的邻居.具体见图4.图4 M oo re 邻居以及方向矩阵F i g .4 M oore ne i ghbor and directi on m atri x3.2 转移概率函数确定转移概率函数,也称为演化规则,是CA 模型中的一个重要组成部分,它用于实现行人从当前单元格运动到新的单元格.由于行人所从事的是有序的排队活动,如买票.此时,行人主要目的就是以一定的速度沿着当前位置和队尾连成的直线一步一步的朝队列方向靠近,并加入到队列的队尾进行排队.在选择路径时,行人一般考虑路径最短这个因素.根据M oore 邻居概念可知行人有8个运动方向,每个方向与目标方向都有一个夹角.行人倾向于选择与目标(动态队列队尾)方向夹角最小的那个方向作为运动方向.夹角越小说明偏离目标越小.因此,可用行人运动方向与目标方向之间的夹角对行人运动规则进行控制.基于此,下面将构造一个考虑该夹角的转移概率函数:ij )}(1-n ij ) ij k ij )}(1-n ij ) ij -1无障碍物可以利用(2)142交通运输系统工程与信息 2009年6月式中 p ij 为选择单元格(i ,j)的概率;N 为正规化数值以保证&(i,j)pij= 1.n ij 为单元格(i ,j )被行人占用状态; ij 用来判定单元格是否是障碍物; ij 为修正夹角;k 为方向敏感因子,其值越大,表示行人随机性越小,到一定程度后,该函数成为确定性演化规则.在式(2)中,最重要的是确定 ij .为计算 ij ,先假定一个坐标系.原点为当前行人的位置,横轴为东西方向,纵轴为南北方向.东、南、西、北以及各个象限的角平分线方向代表行人邻居的方向(见图5).它们与目标方向的最小夹角!ij 表示该单元格方向偏离目标的程度.在本模型中,最小夹角!ij 最小为0∋,最大为180∋.为揭示!ij 越小的单元格被选中的概率越大这样一种规律,须对!ij 进行修正,即 ij =180∋-!ij .接下来,介绍!ij 的算法.图5 夹角计算示意图F ig .5 Compu tati on sketch o f i ncl uded ang le先用式(3)计算紧邻的邻居单元格与目标方向的最小夹角,记为!(0(!(45∋):!=arctan ∀y ∀x =arctan y goal -y curx goal -x cur(3)式中(x cu r ,y cu r )为当前单元格的位置;(x goal ,y goa l )为目标点的位置.最小夹角!得到后,应用下面的算法计算修正夹角 ij .算法如下:#扫描周围8个邻居,得出紧邻的单元格与目标方向夹角最小的单元格的角度!;∃判断该单元格是在目标方向的左侧还是右侧;%以最小夹角所在单元格为基准,并根据∃所确定的位置,以目标方向为轴,分别向逆时针和顺时针方向计算出4个单元格的最小夹角!ij ;) ij =180∋-!ij .此时,通过式(2)就可以确定当前行人移动到邻居或者保持当前位置的概率,也就是说通过上述方法,可以确定每一个仿真步长的行人运动方向.另外,除了行人到达队列的运动行为外,还有队列内的行人运动,即一个行人服务完毕后,后面的行人一次往前移动一个位置,这种运动通过队列的元素位置属性更新即可解决.另外,上述模型同样适合多队列和曲线队列,只是在寻找队列时,需要增加路径搜索算法,可以用基于网络图的障碍物搜索方法,这将择文介绍.3.3 冲突解决方法另外,还需要注意行人冲突的问题.行人在移动的过程中,很可能存在两个不同单元格的行人在下一个步长运动到同一个空闲单元格的情况.由于一个单元格只能在同一时刻被一个人占据,所以需要在模型中设定一些规则来解决行人的冲突.解决的办法有很多,其主要的出发点是从人的属性考虑,比如,按照行人的体力,行人的迫切程度,或者干脆各50%的机会随机确定等,本文按照已经计算出来的方向选择概率的大小来决定谁将占据该单元格(见图6).这其实是行人优先的反映,从实际生活经验来看也具有一定的合理性.因此,可用式(4)~式(5)判断单元格的优先度:p 1=M (1)1,0M (1)1,0+M (2)-1,1(4)p 2=M (2)-1,1M (1)1,0+M (2)-1,1(5)式(4)和式(5)中,M (m)i,j 为位于(i ,j)单元格第m 个人向邻域移动的概率(参考图4)(m =1,2; i ,j =-1,0,1).图6 冲突解决示意图[13]F i g.6 The m e t hod for pedestr ian ∗s confli c t avo idance143第3期基于元胞自动机模型的行人排队行为模拟比较式(4)中的p 1和式(5)中p 2的大小,谁大谁优先.此时的选择变成一个确定型的选择,省去随机选择的麻烦,本文选择此种方法解决行人冲突问题.3.4 k 值对转移概率的影响夹角是转移概率函数中一个主要变量,其影响因子取不同的值,夹角的影响也是不一样的.为此,取一个单元格进行分析,假设目标方向与东边的单元格的顺时钟夹角为30∋.此时,通过上述修正夹角的算法得到如图7所示的修正夹角矩阵.其中右下角(ES)的单元格的夹角最大.图8(a)说明当k 在0到0.1之间变化时,右下角单元格的概率值变化还比较明显.从图8(b)可以看出:当k 值为0时,所有的值为11.11%,各个单元格机会均等;当k 值为0.3时,右下角单元格对应的概率值达到了99%,接近于1;当k 值大于0.3时,其对应的概率趋向于1,几乎不变.4 实例分析本实例构造了一个40∀50个单元格大小的售票大厅,并在厅里面设置了售票设施,行人从入口进入,50%的旅客排队买票.通过分析k 与转移概率的关系,确定式(2)中的方向敏感因子k 为0 03.假设行人服从到达率为1800人/小时的泊松分布,行人的服务时间服从正态分布N (17,42).利用C #对上述模型进行实现,最后得到图9所示的仿真动画场景.另外,为研究其他参数不变的情况下不同数量服务台的队长与仿真时间的关系,特别构造了一个单服务台和双服务台的场景并对它们进行仿真试验.从实验结果看(见图10和图11),由于其他条件不变,只设一个服务台的队列长度一直在增加,而设置两个服务台的队列长度却保持在稳定状态.这与现实情况吻合.从上述仿真动画看,文中排队行为模型具有描144交通运输系统工程与信息 2009年6月述现实世界排队活动的能力.另外,从上述两个仿真的队长和仿真时间的关系曲线看,该仿真模型具有评价排队系统的能力.5 研究结论本文主要研究基于CA模型的行人排队行为,从理论和试验来看,其主要结论有:(1)从仿真动画看,元胞自动机模型可适用于常态下行人排队行为的模拟.(2)基于目标方向修正角度的状态转移函数能够反映行人选择最短路线的心理,能较好地模拟行人的运动行为.(3)从不同服务台的队长与仿真时间关系曲线看,在其他参数相同的条件下,增加一个服务台能明显改善排队系统的服务,这与实际情况相吻合,也证明本文的模型的合理性和实用性.参考文献:[1] C rem erM,L ud w i g J.A fast si m u l a ti on m ode l for tra ffic flo w on the basis o f boo l ean operati ons[J].M athema ti cs and Co m puters i n S i m u lati on,1986,28(4):297-303.[2] N ag el K,Sch reckenberg M.A ce ll u lar auto m atonmodel f o r free w ay tra ffic[J].J.P hysique I,1992,2(12):2221-2229.[3] B iham O,M i dd l e t on A A,L ev i ne D.Se lf org an i zati onand a dyna m ica l transition i n traffi c flo w models[J].P hys.R ev.A,1992,46(10):6124-6127.[4] B l ue V J and A dler J L.E m erg ent funda m enta l pedestrian fl ows fro m ce ll u lar automa ta m icrosi m ulati on[J].T ranspo rtati on R esearch R ecord,1998,1644:29-36.[5] B lue V J and A dler J L.Ce ll u lar auto m ata mode l o f eme rgent co ll ective b i direc ti ona l pedestrian dyna m i cs[C]//A ccepted by A rtific i a l L ife V II,T he SeventhInternationa l Confe rence on the S i m u l a ti on and Synthesis o f L iv i ng Syste m s,R eed Co ll ege,Portland O regon,A ugust2000:1-6.[6] B l ue V J and A d l e r J L.M odeli ng f our directi onal pedestr i an m ove m ents[C]//the79th Annua lm eeti ng o ft he T ransportation R esearch Board,Janua ry2000.[7] B l ue V J and Ad ler J L.U sing ce ll u l a r auto m ata m ic rosi m ulati on t o m ode l pedestr i an m ove m ents[C]//P roceed i ngs of t he14th Inte rnati onal Symposi um onT ransporta ti on and T ra ffic T heo ry, A.Ceder ed.E l sev ier Sc i ence L td,Ju l y1999.[8] 田娟荣,周孝清,李健.地铁自动检票闸机对人员疏散的影响分析[J].火灾科学,2006,15(1):38-43.[T I AN J uan rong,Z HOU X i ao q i ng,L I Jian.Infl uences of auto m a ti c f a re gate i n sub w ay on pedestrianevacua ti on[J].F ire Safety Sc i ence,2006,15(1):38-43.][9] 宋娜娜.基于 元胞自动机的人员疏散仿真模型初探[J].消防科学与技术,2006,25(6):733-735.[SONG N a na.St udy on si m ulati on m ode ls of t heoccupant evacuati on based on cell ular auto m a ta[J].F ire Sc i ence and T echnology,2006,25(6):733-735.][10] 李伏京,方卫宁.磁悬浮车辆中人员紧急疏散的仿真研究[J].中国安全科学学报,2005,15(8):17-21.[L I F u ji ng,FANG W e i ni ng.Si m ulation o fpasseng er evacua ti on under e m erg ency i n m ag l ev tra i n[J].Ch i na Safe ty Sc i ence Jou rna,l2005,15(8):17-21.][11] 吕春杉,翁文国,杨锐,等.基于运动模式和元胞自动机的火灾环境下人员疏散模型[J].清华大学学报(自然科学版),2007,47(12):2158-2162.[LV Chun shan,W ENG W en guo,YANG Ru,i et a.lF ire evacuati on m ode l based on m otor sche m a and ce ll u lar autom aton[J].Journa l o f T si nghua U n i versity(Sc i ence and T echno l ogy),2007,47(12):2158-2162.][12] 贾斌,高自友,李克平,等.基于元胞自动机的交通系统建模与模拟[M].北京:科学出版社,2007:10-11.[JIA B i n,GAO Z i you,L I K e pi ng,et a.lM odels and si m ulati ons o f traffic syste m based on t het heory of ce llular au t om aton[M].Be iji ng:ScienceP ress,2007:10-11.][13] SC HAD SC HNE I DER.A ce llular automa ti on approachto pedestr ian dyna m i cs theo ry[M].Pedestr ian and Evacua ti on D yna m i cs,Spr i ng,2001:75-86.145第3期基于元胞自动机模型的行人排队行为模拟。