考虑缓冲空间的行人行为决策模型

本文是一篇决策模拟论文，本文通过引入缓冲空间概念，利用现场观察法和控制实验来获取缓冲空间与行人决策之间的函数关系，然后建立基于缓冲空间的行人行为决策算法，并编制了仿真程序，来模拟行人流场景，验证了模型的有效性。
1绪论
1.1选题背景
在人类社会生活当中，行人交通作为最基础的交通方式，在人们日常生活中十分常见。行人交通系统是城市交通系统的重要组成部分，我国25个100万人口以上的特大城市中，步行在通勤方式上平均占37.2％，大约占总出行量的1／3[1]。截至2021年，中国的城市化率已经超过60%，随着人口不断向城市集中，公共场合中密度密集人群出现的频率大增，安全事件也频频出现。公共安全是一个国家、一个社会的基本要求和重要指标，我国中长期科学和技术发展规划纲要(2006-2020年)明确指出：“我国公共安全面临严峻挑战，对科技提出重大战略需求”[2]。因此，对于行人交通的研究变得越来越为重要。
城市中行人流动性强、密度大，特别是公共场合，行人拥挤的情况比较常见，严重时容易出现交通堵塞、踩踏等问题。例如12·31上海外滩踩踏事件，2014年12月31日23时35分，在上海外滩的跨年夜活动中，行人聚集在外滩陈毅广场东南角通往黄浦江观景平台的人行通道阶梯处，有人失去平衡跌倒，导致多人摔倒、叠压，最终造成了36人死亡和49人受伤的悲剧性踩踏事件[3]；2014年9月6日，云南昆明一小学发生踩踏事故，造成6人死亡，26人受伤[4]。密集人群的安全问题需要引起我们更多的关注，在人员密集的场所，如商场、演出场馆、车站等，拥挤踩踏事件时有发生，存在较高的安全隐患。因此，对公共场所内密集人群的风险进行识别、评价和处置等方面的科学研究，可以为今后组织大规模活动时的人员管理提供指导和依据。

决策模拟论文怎么写

......................
1.2研究意义
公共安全关系到国家的稳定和发展，与自然灾害不同，公共场所密集人群踩踏等安全事故是可以提前避免的。在大型的人群集会中，由于人群行为的随机性和不确定性，都有可能造成人员伤害甚至财产损失。为了最大限度地降低人口稠密情况下的风险，正确了解大量行人的运动和固有危险至关重要。随着计算机软件技术的快速发展，对行人流仿真模拟的技术也逐渐成熟，对于人群比较密集的场所，相关部门可以采用人群疏散仿真模拟技术，从理论上获取相关地点的人群数量上限，以此为基础对疏散路径进行优化和规划，这对于人口密集地区的公共安全具有重大意义。通过科学的仿真模拟，可以更好地预防和应对可能发生的人群拥挤踩踏事件，保障公众的安全和利益。本文将通过实验获取行人在紧急情况下的行人运动的相关数据，为研究行人疏散相关的行人流研究提供帮助。
近几十年世界人口增速较快，欧美等发达国家开始对行人流进行研究，涉及多种学科领域的学者进行大量的统计、实验和模拟。行人流研究的内容也相应的越来越丰富，从普通的行人流基本参数的观察到大规模人群的管理，从行人流宏观模型到行人流微观模型，从正常的行人流规律到紧急情况下的人员疏散，已经形成了一个比较系统的学科，与之相比，我国行人流研究起步较晚，中国作为世界第一人口大国，应该积极学习国外行人流研究的成果和经验，将其应用到我国行人交通的应用和管理当中。
............................
2行人行为决策建模技术
2.1行人微观仿真模型
在针对行人交通问题的研究技术中，基于实验的研究方法存在一些不可避免的缺点：如开展十分消耗人力和物力，并且紧急情况下的群体运动实验会有危险及不确定性，实验采集的数据难以提取分析以及实验结果不易预见。这主要是由于群体运动的复杂性和不确定性所导致的，而行人流建模能很好的解决这些问题。
行人具有自主意识，在运动时呈现出很高的复杂性，仅仅通过对行人群体的宏观模拟有时候无法满足我们的需要。近些年随着计算机硬件的发展，能够反映个体行为决策的微观仿真模型越来越成为行人流仿真的重点。微观仿真模型不仅能反映行人的微观行为特征，还能模拟出行人流中的自组织现象，不同的微观行人流具有不同的特点。微观行人流中比较常用的有元胞自动机、磁力模型、和社会力模型，本节将简述这几种模型的建模理论。
2.1.1元胞自动机
元胞自动机(Cellular Automata  简称CA)是一种时间、空间和状态都离散的模型，与其他模型不同，它的运动不是由一定的数学函数决定，而是通过模型中的最小单元（元胞）之间的相互作用的局部规则来运行的。元胞自动机中的每一个元胞都按照同样的局部规则进行更新，而整个系统内的元胞之间通过简单的相互作用来驱动模型的运行。元胞自动机具有很强的运算能力和建模能力，其简单的规则通常能够模拟出复杂的动态系统，被广泛应用于各种物理、化学、生物学等研究中。Blue将其应用到行人交通领域，由于CA模型的规则比较简单、空间建模和运算能力比较强的特点，被广泛应用与行人疏散仿真模拟当中[17][38][39][40][41]。
...........................
2.2典型的群体自组织现象
在行人交通领域，对于群体运动过程中的典型特征和规律的研究由来已久，行人流中的各种自组织现象也得到了解释。行人心理和行为存在着许多个体差异，但是在某些情况下也存在着许多共性，这些共性在一定程度上导致了群体行为的自组织现象。因此，自组织现象是行人流研究中的重要因素。并且对于行人流仿真模型而言，能 模拟出行人流中的自组织现象也是评价模型好坏的重要因素。
自组织现象是指人员没有通过交通管制，信号灯或特定规则等外部条件计划规定好、组织好的的模式，而是由于行人之间在时空上复杂的非线性作用的结果。虽然每个行人自身的目标和偏好都不尽相同，但是行人人群的运动是有规律且可以预知的，人员在密度很小的时候才能够不受限制的移动， 则人员的运动将受到其他人员行为的影响，从而导致某些自组织现象的发生。当前可以观察到的比较典型的行人自组织现象有自动渠化，瓶颈效应，密度波等，下面将简述这些自组织现象的发生条件和相关机理并附上实际拍摄到的两组自组织现象。
2.2.1自动渠化
自动渠化主要发生在两组相向而行的群体当中，两组人群的运动方向相反，呈180°。但并不是所有双向行人流都会发生渠化现象，当人群密度比较小的时候，相向而行的人员可以自由进行行为决策，例如转向、超越等，不需要考虑与对面方向的行人发生碰撞或者在路径选择上的冲突，此时并不会产生渠化。但随着人员密度的增加，行人的活动空间和行为决策会受到限制，行人与相向而来的行人容易在路径选择上发生冲突。所以行人为了防止与其他行人发生碰撞，行人会不断改变自己的运动速度和路径，相同方向的行人会选择跟随前方行人，保持一致的运动方向进而避免冲突。最后，两组人群就会自动形成几组队列，这就是自动渠化现象。
....................
3 行为决策实验与分析 ................................. 25
3.1 行人运动需求空间的研究 ............................ 25
3.2 行人形体模型 ............................. 28
4 行人行为决策模拟方法 ............................. 41
4.1 基于Agent建模方法 ............................ 41
4.1.1 Agent理论 ................................ 41
4.1.2 建模方法 ...................... 43
5 仿真实验及分析 ............................... 53
5.1 仿真实验设计 ........................................ 53
5.2 仿真结果分析 ............................. 54
5仿真实验及分析
5.1仿真实验设计
仿真程序通过Visual Basic语言进行编写， Visual Basic是Microsoft公司开发的一种结构化的、模块化的、面向对象的、包含协助开发环境的事件驱动为机制的可视化程序设计语言。通过Visual Basic2015平台设计一个双向行人流场景。双向行人流是指两组行人运动方向相反，相向而行的过程，自动渠化是双向行人流中比较常见的自组织现象。
分别对考虑缓冲空间和不考虑缓冲空间两种仿真模型进行双向行人流实验。因为考虑缓冲空间的仿真模型强调个体感知区域和行为决策的差异化，因此在不考虑缓冲空间的仿真模型中，将行人群体的感知区域都设置为半径固定为1.0 m、角度为120°的扇形区域，决策距离也固定为1.0 m。在进行双向行人流的过程仿真实验时，将人员设置在行人通道中。行人通道为长为 12.5 m，宽 5.0 m的矩形，每个方向各生成25人，排列为 5 行 5 列，一共 50 个行人，两组人员相向而行。为方便区分，两边的行人分别用不同颜色的圆来表示，圆直径为0.5 m。如下图所示，该实验通道内行人与行人前后之间的距离0.1 m、左右之间的距离为 0.8 m。行人速度由算法在相关范围内随机分配 ，正常运动状态下行人速度的取值范围为 0.8~1.6 m/s ；奔跑状态下行人速度的取值范围为2.2~5.4 m/s。

决策模拟论文参考

........................
6总结与展望
6.1主要工作及结论
本文通过引入缓冲空间概念，利用现场观察法和控制实验来获取缓冲空间与行人决策之间的函数关系，然后建立基于缓冲空间的行人行为决策算法，并编制了仿真程序，来模拟行人流场景，验证了模型的有效性。
本文研究的主要内容和结论如下：
（1）本文通过相关文献的研究探讨了影响行人行为决策的机理，分析行人运动空间与行为决策的关系，引入缓冲空间的概念，界定行人缓冲空间的具体范围及缓冲空间函数。
结论：通过研究发现，行人进行减速、转向等决策与自身周围的运动空间由很大关系，当这个空间小到一定程度时，行人就会被迫执行其他决策，本文将缓冲空间定义为使行人维持期望速度不做其他行为决策时的最小运动空间。
（2）设计了现场观测实验和单线行人运动实验，实验对象分别对正常运动状态下的和奔跑状态下的行人，从实验录像中提取了行人速度与缓冲空间的数据，然后通过对数据的分析建立了缓冲空间与速度的数学函数。
结论：行人缓冲空间与速度基本呈线性关系，在正常运动状态下，行人缓冲空间与速度关系可以用S=0.88v-0.262和S=0.54v-0.232来表示，行人的缓冲空间的范围位于两函数之间；在奔跑状态下 ，缓冲空间与速度的函数关系为S=0.4v-0.105。正常行走状态下速度对应的缓冲空间分布更广，而奔跑状态下行人不同速度对应的缓冲空间分布比较集中，这可能与实验中行人左右受约束有关。
参考文献（略）