隧道火灾疏散模型实时仿真算法的实现

隧道火灾疏散模型实时仿真算法的实现
袁野;田中旭
【摘要】Cellular automaton algorithm is commonly used in fire evacuation simulation, but it has large amount of computation and is difficult to simulate real-time. A tunnel fire evacuation model algorithm based on mesh selection is presented. The evacuation attribute parameters such as personnel type, running speed, running direction, surrounding environment are designed. The simulation model based on the meshed divergence field variable and the coordinate value is established. This algorithm is simple and can simulate real-time. Finally, computer simulation is implemented with Open Inventor, and the simulation model is applied to verify validity from two aspects. One is escape routes have effect on evacuation time and the other is inducing sign design has effect on evacuation time. This model can provide the theoretical basis for evacuation designation safely. The experimental results show that simulation model is effective.%由于隧道火灾的人员疏散难题,提出一种基于网格选择的隧道火灾人员疏散模型算法,设计了人员类型、奔跑速度、奔跑方向、人员所在环境等疏散属性参数,建立基于网格化离散场变量和坐标值的仿真模型.该算法克服了常用的元胞自动机算法计算量大,实时仿真比较困难的缺点.最后,利用Open Inventor进行了计算机仿真,并应用该仿真模型进行了分析,从逃生通道对疏散时间的影响及诱导标志设计对疏散时间的影响两方面验证了模型的有效性,并可直观地为安全疏散设计提供理论依据.
【期刊名称】《计算机工程与应用》
【年(卷),期】2017(053)023
【总页数】5页(P208-211,240)
【关键词】隧道火灾;人员疏散模型;元胞自动机;网格化离散场
【作者】袁野;田中旭
【作者单位】上海对外经贸大学统计与信息学院,上海 201620;上海海洋大学工程学院,上海 201306
【正文语种】中文
【中图分类】TP242.3
几年来，随着高速公路的不断发展，世界各地隧道火灾事故频发，已广泛引起人们的高度重视。

从2003年韩国的地铁隧道火灾到2004年的中国的渝黔高速真武山隧道火灾、2008年京珠高速公路广东韶关段南行大宝山隧道火灾等事故，都造成了巨大的人员伤亡和财产损失。

可以说，隧道火灾事故已经成为当今世界各国面临的一大难题。

由于隧道内能见度低、疏散通道有限，加之驾驶人员对烟火的恐惧，严重影响车辆疏散，人员疏散速度必然会放慢。

随着隧道长度和直径的增加，在提高车辆通行能力的同时也大大提高了车辆和人流数量、密度，为了安全疏散设计做指导，建立一个实时仿真的隧道内火灾抢险和人员疏散模型的研究已经引起人们的高度重视。

建立人员疏散模型的通常做法是建立基于元胞自动机的人员疏散模型[1-2]。

元胞自动机模型（Cellular Automaton，CA）是一个时间、空间、状态都离散的数学模型框架，按照一定的局部规则，在离散的时间维度上演化的动力学系统。

通过单
元间的相互作用来构造动态演化系统，具有较强模拟各种物理系统和自然现象的能力，它经常应用到交通流和行人流模型中[3-7]。

这种方法能够再现真实交通流中
各种现象的发展规律过程。

但它在元胞形态、邻居规则等方面的定义存在极大限制，制约了元胞自动机对真实世界的模拟和应用能力，难以满足实时的仿真要求[8-9]，很多疏散模型的建立也没有就这方面提出改进[10-12]。

本文提出了一种基于网格化离散场变量选择的人员疏散模型，可以提高效率，快速而准确地对隧道人员疏散进行仿真，为隧道防灾设施的设置与耐火性能的设计及人员的逃生等提供安全、经济的科学依据。

因仿真规模庞大，包含因素众多，计算量和数据量都很大，本文提出采用网格化离散场变量的算法来有效降低计算量，具体体现在以下几个方面：（1）网格化后，很多数据量可以采用整型量来表达，如用坐标值可用横向和纵向的格子序号来表达，环境参数可采用离散的各个格子的属性值来表达；（2）在人员疏散模型中，人员的运动规律可以简化为：依据格子属性值对格子进行选择，从而使得人员疏散模型得以简化；（3）为各个因素的集约化表达提供了方便。

如影响人员疏散规律的温度、氧气含量、疏散口位置等不同形式的因素，可以通过采用不同权值后统一成一个或少数几个格子属性值，为人员疏散仿真中对格子的选择提供了方便。

数学模型是仿真的基础。

因此本文需要根据被仿真的对象、系统运动规律、约束条件和物理特性建立人员疏散数学模型。

为了进行三维场景下的仿真，采用以人员单体运动为表达对象的微观的人员疏散仿真模型。

这里提出的人员疏散仿真模型的主要思路是：对隧道区域分成网格，通过网格属性值表达环境状态；人员的运动通过对附近网格的选择来体现。

其具体过程如下所述。

疏散属性参数有人员类型、奔跑速度、奔跑方向、人员所在环境等。

其中人员类型包括成年男性、成年女性、老人、孩子。

随机产生人员类型，根据车
的类型随机产生人员数量。

按每辆车的最大人数来算，在火灾发生后，从车辆里一个一个出现人物。

系统会随机分配人物的类型，根据人员类型，分别确定奔跑速度。

奔跑速度是时间量，影响本片速度的因素包括当前位置温度、当前位置氧气含量、当前位置能见度（是否适合人员生存），并与位置属性值关联。

奔跑方向是自己要达到的目标如尽快到达最近的出口，尽量远离危险源等，它用周围格子的属性值来决定；奔跑方向是根据人员所在位置判断与哪一个出口最近，以及所在位置周围的温度和氧气含量来判断。

人员所在环境是将隧道区域划分成二维网格，每个格子具有属性参数：温度、氧气含量、距逃生门的远近程度等。

首先，采用区域的网格表示法对人群的活动区域进行固态网格化，即全部空间网格化后，所有网格不再发生变化。

该表示方法吸取了元胞自动机理论的成果[1]，常
用于为个体Agent提供动作级的决策辅助，简单的说用于个体考虑局部交互作用
的情况下决定下一步迈向哪一网格。

其次，采用对周围网格的选择来表达个体的运动。

通常网格大小为0.4 m×0.4 m，假若一个隧道为长为1.6 km，宽为20 m，则横向网格数为4 000，横向网格数为50。

个体在某规定时间间隔内，可以根据一定的格子属性，选择其Moore领域（包围该个体所在网格的相邻20个网格）中的任一可达网格，这个格子应不是障碍物所在地，也未被其他个体所占据。

这样的个体模型一般基于概率方法。

也有的模型假定个体一次可以跨过几个网格，与模型中选取的视野有关。

具体过程可如下描述：
图1中圆圈代表人员个体，画阴影的网格代表个体可以一步到达的区域。

每一个
网格只有三种状态，即为障碍、被其他人员所占据或空闲。

三种状态只能居其一。

在任意时刻，一个Agent也只能占据一个单元格，因此个体Agent对外表现出来的位置可以用其所处的单元格表示。

同一单元格内属性相同，即该单元格若为障碍
占据，则障碍占据该单元格所代表的全部空间，其他情况类似。

网格采用一个逻辑值表示格子是否被占用。

1表示占有，0表示空闲。

对网格的编号采用二维编号，NUM(i,j)，i表示横向格子序号，j表示纵向格子序号。

然后，通过格子属性值S来表达逃生口的位置，该属性值决定着人员疏散奔跑方
向及目标。

为了能够表达格子距离逃生门的远近程度，网格的属性值可如下计算：采用一个整型数描述，是衡量该位置是否适合逃生和生存的指标。

它由温度、氧气含量、距逃生门的远近程度、能见度等参数加权和得出。

依据网格中心点坐标，由环境模型确定。

属性刷新可采用较长的时间间隔。

式中，WT、WO、WL分别是温度、氧气和距离逃生门的距离的权重，分别定为0.4、0.4和0.2；ST、SO、SL分别是温度、氧气和距离逃生门的距离对人员生存的适应度（值0～100），其中100为最适应。

（1）温度范围20（环境常温）～100℃：温度在20～30℃之间的ST均为100，（2）氧气含量在14%～21%，对应于So的数值为0～100，通过线性关系对应，So与氧气含量的转换公式为：
式中，Co表示氧气含量。

当温度大于100℃或者氧气浓度小于14%（一氧化碳浓度大于0.1%）时，此网格完全不适合人生存。

（3）距离逃生门的距离对人员生存的适应度参数SL：
式中，(l1,l2)分别为逃生门的网格横向和纵向序号；(i,j)分别为目标网格横向和纵
向序号；为了使SL取值在一定合适范围内，保证公式（1）中的其他因素同样起
作用，这里取网格横向和纵向跨度之和，即N=横向网格数＋纵向网格数。

其中分母加了0.001是为了避免计算出现奇异性。

然后，通过邻域范围的大小表
达个体的运动能力。

即运动能力强的个体，在固定时间间隔内，它可能到达的范围大，也就是可选择的格子更多。

最后，通过单位时间消失的人数来表达逃生门的通过能力。

在仿真算法中对逃生门位置的格子的状态不断初始化为“空”（这里用0表示），即表示个体离开隧道
区域。

当初始化频率增加，表面逃生门通过能力强，反之则表示通过能力差。

仿真前，首先对环境进行初始化，对隧道进行网格的划分，并确定各个逃生口在网格中的序号，并计算出各个网格距离相近的逃生口的生存的适应度参数SL。

当发生火灾时，首先判断火灾发生的位置，在火灾的上游区域的交通指示灯改变为禁止通行，火灾的上游区域的车辆全部停下，同时对系统进行更新，车辆所占据的网格属性修改为1。

然后根据每辆车的类型，随机地从车中一个一个地出现人员，同时系统会随机分配人物的类型（成年男性、成年女性、老人、小孩）。

当第一个人员下车后，他就可以开始向逃生口逃离。

在人员运动的过程中，虽然可以向人员所在网格周围的各个网格运动，但在运动过程中要判断目标网格的属性，是否适合人员生存，是否距离逃生口是较近的位置作为疏散的方向。

每个人员的逃生采用并行更新（parallel update）的方式。

首先
让所有的个体同时做出行为决策并进行虚拟的动作，因为虚拟移动的个体并不知道他选择的地方是否已经被其他虚拟个体占据，这样就可能产生多个虚拟个体占据同一地方的情况。

然后用一定的规则对产生的冲突加以消除。

如对网格空间，同时有几个个体都想占据同一单元格，通过竞争，决定胜者占据该单元格，而其他失败者退回原来的地方，此时进行实际的动作更新，仅有冲突中的获胜者位置发生了变化。

网格空间以网格坐标(i,j)表示每一网格，每一个网格的状态当为障碍或被其他人员
所占据时为1，当为空时为0。

根据上述约定可知，当某一Agent感知到某一网
格状态为1时，表示该网格所代表的全部面积非空，当状态为0时，则全部为空。

反之，当某一Agent的物理坐标(i,j)落在某一网格时，则认为该Agent占据了该
网格的全部面积且仅在该网格内。

因此，当个体Agent的横向序号和纵向序号落
入目标格时，表示该Agent到达了目的地。

计算过程中用到的目标位置，选取目
标网格的中心点。

在计算人员的运动时，会根据所在的单元格进行判断，预测下一步位置，在判断过程中，系统会比较周围单元格的含氧量、烟雾浓度和距离出口的位置。

然后进行网格状态检测，若下一步网格为空闲，人员就运动到下一个网格，若下一步网格状态为1（可能为障碍物，也可能为其他人员占据），则重新预测下一步的位置后运动。

本系统采用Microsoft Visual Studio为开发平台，集成SGI公司的Open Inventor三维开发包。

Windows平台下的Open Inventor能够与Microsoft Visual Studio紧密结合，并方便地进行仿真结果的可视化显示，如图2所示。

利用系统仿真技术对隧道进行系统建模，在系统模型的基础上进行仿真实验，通过仿真结果的分析、对比和评估来为隧道设计及人员的逃生等提供安全、经济的科学依据。

为了研究逃生通道对疏散时间的影响，对该仿真模型做了如下实验，将逃生门通过能力提高50%（可通过提高逃生门宽度来实现），图3为66 s时的逃生通道示意图。

可以看出，提高逃生通道通过能力后，疏散时间变少。

图4为通过能力提高
前后对疏散时间影响的对比示意图。

通过图4中两条曲线对比，可以看出：人群对疏散时间的影响规律可以大致分为
两个阶段：（1）逃生门不拥堵阶段，即在隧道内人群密度比较小的情况下（人群密度＜0.5%）；（2）逃生门疏散口拥堵阶段，即在人群密度较大情况下（人群密度≥0.5%）。

逃生门不拥堵阶段的特点是疏散时间主要由疏散人群全部到达逃生
门或两侧隧道口的时间决定；这个阶段下，人群密度对疏散时间影响不大。

逃生门拥堵阶段的特点：疏散时间主要由逃生门通过人群的能力决定；这个阶段下，随着人群密度的增加，人群的疏散时间将越来越长。

在逃生门通过能力提高50%后，
逃生口更不容易拥堵；在逃生口不拥堵阶段，提高逃生口通过能力不会明显加快人群的疏散速度；在逃生门拥堵阶段，提高逃生口通过能力会明显加快人群的疏散速
度。

这里再探讨一下诱导标志对疏散规律的影响。

隧道诱导标志的主要作用及处理方式分为如下两个方面：
（1）诱导标志对逃生方向和逃生口的指示作用。

这一方面可通过增加公式（1）
中某些逃生口的WL来实现。

（2）诱导标志可以缩短人员的判断时间，从而表现为运动能力的加强。

这一方面可在仿真模型中增加每段时间内可选择范围来实现。

其中不同人员对诱导标志的理解不同，可采用随机数结合统计规律来调节不同人员运动能力的改变量。

这里对该仿真模型做了如下实验，图5为有诱导标志和无诱导标志对人群疏散时
间的影响对比图。

通过图中两条线对比，可以看出：具有诱导标志后，人群疏散时间总体减少；在逃生门不拥堵阶段，增加诱导标志后，人们到达逃生门的时间增加，同时在一个相对较低的人群密度下，逃生门前便会人群拥堵现象，即拥堵阶段提前到来；在逃生门拥堵阶段，诱导标志出现后，疏散时间会有缩短，这主要是因为人群向两侧隧道口分流而出现的现象。

本文提出了一种基于网格选择的人员疏散模型算法，并进行了隧道人员疏散仿真的实现。

为了验证该仿真模型算法合理性，研究了逃生通道对疏散时间的影响及诱导标志设计对疏散时间的影响，通过对输出分析，得出了在逃生门拥堵阶段，提高逃生口通过能力会明显加快人群的疏散速度，而诱导标志出现后，在逃生门拥堵阶段，疏散时间会有缩短的结论。

与真实情况相符，说明该仿真模型是有效的，可以应用该算法建立的仿真模型，来为隧道防灾设施的设置与安全设计等提供指导。

同时，算法具有非常高的效率，实现起来简单灵活，可以应用于各种实时仿真中。

【相关文献】
[1]邓肯·瓦茨.小世界：有序与无序之间的网络动力学[M].北京：中国人民大学出版社，2006：4-16.
[2]孙敏，王中华.基于元胞自动机人员疏散模型的分析研究[J].科技视界，2005，22（1）：197-210.
[3]郑建荣，基于元胞自动机的交叉口混合交通模型研究[J].数学的实践与认识，2011，41（24）：107-110.
[4]赵康嘉，陈淑燕.基于元胞自动机的交通事件交通流仿真模型[J].公路交通科技，2014，31（3）：133-138.
[5]张兴强，汪滢，胡庆华.交叉口混合交通流元胞自动机模型及仿真研究[J].物理学报，2014，63（1）：1-8.
[6]罗龙飞，黄伟亮.基于元胞自动机的单车道智能交通流模型[J].研究轻工科技，2014（2）：71-72.
[7]杨福龙，曹佳，白夜.基于元胞自动机的林火蔓延三维模拟仿真研究[J].计算机工程与应用，2016，52（19）：37-41.
[8]何素芳，罗平，黄耀丽，等.标准元胞自动机模型的缺陷及拓展研究[J].佛山科学技术学院学报：自然科学版，2002，20（2）：52-56.
[9]任达鑫，杜有成，王艺霖，等，基于元胞自动机的交通流分析[J].上海工程技术大学学报，2014，28（2）：128-132.
[10]张士辰，周克发，王晓航.水库溃坝条件下应急撤离路径上风险人口分配优化机制研究[J].水力
发电学，2014，33（1）：246-251.
[11]李海鹏，牟瑞芳.铁路客运站旅客应急疏散仿真研究[J].铁道运输与经济，2014，36（7）：54-59.
[12]谢康.基于DISC性格模型的人员疏散行为建模与仿真研究[D].北京：北京建筑大学，2015.。