180 likes | 307 Vues
基于实时信息与群体心理的 紧急疏散策略研究. 姓 名: 郭 莹 指导教师:贾庆山副教授. 议程. 课题背景 文献综述 数学模型 技术路线 已有工作 时间计划. 工作内容. 难点. 发现问题. 及时监测事件的发生. 对当前系统的信息了解不全,耗费时间较长. 收集当前系统详细信息. 如何确定指挥人员的位置,如何尽快将指挥人员部署到相应位置. 部署指挥人员,开启当前疏散系统程序. 如何实时获得系统信息,如何制定疏散策略. 实时监测疏散状态,动态改变疏散策略. 确定所有人都已经疏散出去.
E N D
基于实时信息与群体心理的紧急疏散策略研究 姓 名:郭 莹 指导教师:贾庆山副教授
议程 • 课题背景 • 文献综述 • 数学模型 • 技术路线 • 已有工作 • 时间计划
工作内容 难点 发现问题 及时监测事件的发生 对当前系统的信息了解不全,耗费时间较长 收集当前系统详细信息 如何确定指挥人员的位置,如何尽快将指挥人员部署到相应位置 部署指挥人员,开启当前疏散系统程序 如何实时获得系统信息,如何制定疏散策略 实时监测疏散状态,动态改变疏散策略 确定所有人都已经疏散出去 收尾工作 课题背景 针对紧急事件,提前进行紧急人员疏散,制定疏散策略,那么能够有效地减少人员生命财产损失。
已有疏散数学模型 基于静态网络流的算法 基于最快动态流的算法 基于排队网络的算法 多智能体 微观 宏观 文献调研 存在问题 方法分类 • 是预案性质的方法 • 无法根据系统信息实时做出新的决策 • 没有考虑系统的随机性和动态过程 • 考虑了系统的动态过程 • 无法根据系统信息实时做出新的决策 • 没有考虑随机性,人员的心理状态 • 没有考虑决策信息的不完整 • 随机模型 • 但是没有考虑人员的心理状态 • 都是用于过程仿真,没有优化模块 已有不少疏散问题模型,但其无法描述该问题包含的心理因素、多阶段等特性
大规模疏散系统的特点 人员心理因素对疏散过程的影响 系统的状态估计 多阶段闭环控制 马氏决策过程能够较好的刻画大规模疏散问题的诸多特点 • 通过系统状态中的一维元素来刻画 • 通过状态转移来描述系统的随机特性 • 摄像头传感器信息 • 指挥人员信息 • 仿真系统的估计信息 • 通过网络信息融合手段将三个信息源的信息融合起来 • 通过系统状态中的一维元素来刻画 • 通过状态转移来描述系统的随机特性
数学模型:状态描述 • 状态的数学描述 表示第i个人在t时刻所在的边或者顶点编号 表示第i个人的心理状态 表示第i个人的运动速度 这两个元素表示第i个人员的x和y坐标 表示第i个人的运动方向
数学模型:状态转移 人员密度 转移概率 在以第i个人为中心、边长为4.75米得矩形内的人员数目大于10的时候 在以第i个人为中心、边长为4.75米得矩形内的人员数目小于10的时候
数学模型:控制行为、费用函数、目标函数 • 假设共有m个指挥人员,t时刻的行动 • 费用函数 • 费用函数是总共仿真进行完毕所需要花费的平均时间。其中 是指策略序列集合。因为系统中具有随机性,因此我们使用总费用的平均值来评估系统的性能。 :表示第i个指挥人员的指挥策略 如果系统中至少有一个人 如果系统中没有人了 问题P:
以“基于仿真的策略改进”为核心思想 • 问题计算量非常大,计算出最优解不现实。因此,我们使用rollout方法来寻找改进策略,而不是最优策略。 • 然而这种方法确实不够实际的。通常来说是使用给定仿真的数量,并且一个给定策略来使用,而不是最优策略,也就是说: • 我们使用基于最短路径的贪婪策略作为基础策略。 ROLLOUT的基本思想
系统控制目标 充分利用问题结构 对系统信息进行估计 减少计算量 技术路线 将基于“事件的仿真优化、网络信息融合以及最优计算量分配”结合起来 基于事件的仿真优化 网络信息融合 最优计算量分配
技术路线:基于事件的仿真优化 • 之前我们详细的介绍了大规模疏散问题的数学模型,以及如何使用rollout方法进行问题求解。但是经过在仿真平台上运行发现其运行效率很低,这只要是由于较多次数的仿真导致的。 • 在大规模疏散问题当中,我们定义如果有人来到了指挥人员所在位置为一个事件,而且只有当事件发生时指挥人员才进行控制。用指挥人员的节点编号来定义事件。 检测当前发生的事件 进行仿真寻找当前改进策略 根据当前的事件生成当前的可行策略集合 制定该步优化策略为,仿真一定步长
技术路线:网络信息融合、最优计算量分配 信息来源 信息特点 数据可信度较高 但是只能提供不完整的局部信息 分布在不同节点的摄像头 网络化信息融合 当前系统状态的估计(采用贝叶斯推理方法等) 指挥人员提供的信息 数据可信度较高 但是只能提供不完整的局部信息 可以实时地与指挥人员沟通确认 仿真系统估计的结果 数据可信度较低 但是可以提供较完整的估计信息 给定总的计算量情况下,合理的在不同的仿真之间分配计算量 最优计算量分配
两套系统平台,一个核心思想 两套系统平台 一个核心思想 平台 特点 • 将显示模块、运动控制模块、优化模块和信息融合模块有机结合 • 基于多智能体的仿真平台 • 提供多个开放接口 • 可以通过简单的编程实现对多智能体的仿真 • 显示模块 • 运动控制模块 • 基于多智能体的仿真平台 • 提供矢量化的地图 • 满足大规模仿真需求 • NETLOGO平台曾经作为我们的主力仿真优化平台 • 但是由于NETLOGO在进行优化编程时并不方便,有些接口不开放,给我们进一步研究问题带来了很多麻烦 • 因此,我们转移到了以MATLAB语言开发的新的平台上 • 信息融合模块 • 优化模块
现有工作说明基于仿真的优化能够制定出合理的大规模疏散策略现有工作说明基于仿真的优化能够制定出合理的大规模疏散策略 测试地图 以清华地图为例进行算法测试
取得一定结果,仍有改进空间 结果1 结果2 结果3 • rollout方法在大多情况下要比基础策略的性能要好。例如在图 11中那样,在每一个疏散时刻,rollout策略的系统人数要比基础策略下的系统人数要少。 • 平均来看,rollout方法要比基础策略下的疏散时间短,如表格 1所示。当初始人数增加,rollout方法能够得到更大程度的改进 • 那些没有考虑心理因素的模型很有可能高估了自己的算法性能 • rollout方法能够根据实时信息动态地将人流进行分配,这种方法自动产生了负载均衡的作用,并且降低了总的疏散时间
“逐步推进、分步实施、动态更新”的工作计划安排“逐步推进、分步实施、动态更新”的工作计划安排
“逐步推进、分步实施、动态更新”的工作计划安排“逐步推进、分步实施、动态更新”的工作计划安排 • 感谢导师贾庆山副教授的指导和帮助! • 研究本课题的过程当中,与苏中华、张继哲、阴小骐、朱琳等同学进行了有益的讨论,在此一并感谢!
谢 谢 Q&A