洪 玲，高 佳，邱樹涵，朱 煒

（1. 同濟大學道路與交通工程教育部重點實驗室，上海201804；2. 同濟大學上海市軌道交通結(jié)構(gòu)耐久與系統(tǒng)安全重點實驗室，上海201804；3. 安誠傲林規(guī)劃設計顧問（上海）有限公司，上海200331）

地鐵車站作為城市中的重要交通節(jié)點，具有人員客流密集、空間封閉狹長、設施和設備種類繁多、疏散設備數(shù)量和能力有限、車站布局不規(guī)則等特點，給車站突發(fā)事件下的應急疏散工作帶來挑戰(zhàn)。目前，對于應急疏散研究的最直接方式是在車站內(nèi)進行疏散實驗，但一方面在車站內(nèi)進行大規(guī)模的人群疏散實驗各項成本高、不安全，另一方面疏散實驗只能在車站建成之后進行，具有很大的局限性。因此，仿真作為一種安全、直觀且低成本、易實現(xiàn)、可重復的方法，在車站設計階段可以提供優(yōu)化設計建議，在車站運營階段可以幫助并指導客流疏散組織工作，逐漸成為一種研究應急疏散過程及策略的有效手段?，F(xiàn)有模擬行人疏散的仿真模型［1-4］，大多是人工預先規(guī)劃疏散路徑，并采用常態(tài)行為替代應急行為，因此對突發(fā)事件下地鐵車站疏散環(huán)境的復雜性與動態(tài)性考慮不足，從而影響仿真結(jié)果的準確性和有效性。

從對地鐵車站火災場景特征的研究出發(fā)，提取各類應急事件影響的普遍規(guī)律，利用改進的勢能場模型對疏散環(huán)境進行模擬，并結(jié)合社會力行為模型提出統(tǒng)一的“環(huán)境刺激+受體反應”仿真方法及模型，建立應急疏散動態(tài)仿真機制。

1 應急疏散動態(tài)仿真模型的總體架構(gòu)

疏散仿真的重點研究內(nèi)容主要包括三部分：靜態(tài)空間結(jié)構(gòu)建模、行人行為驅(qū)動引擎和外部動態(tài)刺激環(huán)境。

（1）靜態(tài)空間結(jié)構(gòu)建模

相關(guān)研究比較成熟，國內(nèi)外的各類商業(yè)軟件和研究性模型均可實現(xiàn)基于AutoCAD 底圖的自動識別建模。

（2）行人行為驅(qū)動引擎

相關(guān)研究也比較深入，國內(nèi)外學者對行人仿真的研究經(jīng)歷了宏觀模型［5-6］、中觀模型［7-9］、微觀模型［10-15］等不同階段。微觀模型，尤其社會力模型，能夠連續(xù)計算行人行進過程中的行為變化（如自組織現(xiàn)象），對仿真行人的行為特征描述更加細膩，更符合行人運動的實際特征，還可通過個體“涌現(xiàn)”的方式真實模擬群體行為［16-17］。

（3）外部動態(tài)刺激環(huán)境

作為疏散仿真的熱點與難點，相關(guān)研究還不完善，尤其是針對疏散環(huán)境、事件影響、處置措施等方面的研究難以滿足實際的評估需求。

現(xiàn)階段多數(shù)行人仿真軟件針對應急條件的解決思路是忽略應急事件的環(huán)境影響，僅通過設置疏散路徑來分析相關(guān)問題（實際為簡單的“疏散仿真”），或者針對某一特定的物理場景來開展相關(guān)研究，但按照此種研究思路，則需要窮舉各類應急事件場景，勢必加重未來行人仿真研究的壓力。

針對目前行人仿真應急環(huán)境研究的不足，利用改進的勢能場模型模擬典型應急事件影響的普遍規(guī)律，并結(jié)合社會力模型，構(gòu)建能夠?qū)崿F(xiàn)“環(huán)境刺激+受體反應”的智能體模型體系（基于外部環(huán)境刺激而切換不同行為選擇），為真實模擬車站內(nèi)的動態(tài)疏散行為和不同引導方案效果比較提供理論基礎。模型體系的總體架構(gòu)如圖1所示。通過勢能場模型與社會力模型的改進與融合，構(gòu)建了響應環(huán)境刺激的三組主要應急驅(qū)動力，即勢能場作用力、人與障礙物之間的應急作用力以及人與人之間的應急作用力。

既有研究主要是通過在常態(tài)環(huán)境中，重新（通常是人工手動）設定疏散目的地和路徑來模擬疏散場景，但實際的疏散行為和疏散環(huán)境均沒有變化，仍為常態(tài)環(huán)境。通過勢能場概念，模擬了應急事件和管制措施等對疏散環(huán)境的影響（以事故發(fā)生源為中心呈漣漪擴散形式），重新構(gòu)造了車站內(nèi)疏散吸引區(qū)域的“高差”變化，引導乘客自動疏散。疏散環(huán)境勢能場變化如圖2所示。

圖1 基于勢能場環(huán)境刺激的智能體模型架構(gòu)Fig.1 Agent model framework based on environment stimulation of potential energy field

圖2 疏散環(huán)境的勢能場變化Fig.2 Changes of potential energy field in evacuation environment

2 基于改進勢能場模型的建模方法

地鐵車站環(huán)境建模是應急疏散動態(tài)仿真建模的第一步，車站結(jié)構(gòu)、設施設備和障礙物等對站內(nèi)乘客在目標選擇、路徑規(guī)劃和走行運動方面的影響屬于靜態(tài)因素，在此基礎上進一步重點考慮車站的特定事件（如火災等）對乘客應急疏散行為的動態(tài)影響。這是實現(xiàn)動態(tài)疏散外部刺激的主要來源，也是本研究模型區(qū)別于其他應急疏散仿真模型的關(guān)鍵特征。

2.1 車站改進勢能場模型構(gòu)建

“勢能”的概念來源于物理學，指由于各物體間存在相互作用而具有的、由各物體間相對位置決定的能。以“勢能場”進行人群疏散仿真則是為地圖上每個點構(gòu)造勢能值，使事件發(fā)生源（如火災等）的勢能場最大，同時安全方向的出入口、樓扶梯、導向標志等的勢能場最小，進而為仿真環(huán)境構(gòu)建了可以隨著時間、空間變化而變化的外部動態(tài)刺激條件，對各個仿真Agent的疏散行為模型產(chǎn)生影響和刺激。

利用勢能場模型構(gòu)建上述仿真環(huán)境，不是為了模擬每個事故源本身的特征（否則會陷入對特定事故的窮舉分析），而是為了模擬事故發(fā)生后在疏散方向上車站環(huán)境的變化，進而自動引導仿真乘客實現(xiàn)動態(tài)疏散。具體事件影響強度的變化應該通過對不同事件影響強度的統(tǒng)計來逐漸完善標定，并通過公式中的系數(shù)來調(diào)整。

傳統(tǒng)上勢能場構(gòu)造的方法有2種：第1種是人工勢能場的方法，由Khatib 于1986 年提出并應用于機器人的無碰撞路徑規(guī)劃［18］，指的是對在運動場景中的個體構(gòu)造2種力——目的地的吸引力和障礙物的排斥力，由這2 種力分別形成2 個不同的勢函數(shù)，在計算勢能時每一點的總勢能為吸收勢能與排斥勢能之和；第2 種是通過求解帶有狄利克雷函數(shù)邊界條件的拉普拉斯方程來構(gòu)造勢能場［19］，利用調(diào)和函數(shù)構(gòu)造勢能場相比人工勢能場的方法計算量較小。在實際應用中，障礙物處為勢能最小點，障礙物的個數(shù)越多，局部勢能極小點的個數(shù)就越多。當行人運動到局部勢能極小點時，行人將陷入局部最小點無法運動，這顯然是不符合實際的。這種方法的目的是引導仿真乘客到達最終目的地，一般情況下成立，但在特殊情況下（如最終目的地附近有一塊較小障礙物），按照傳統(tǒng)計算方法，越接近最終目的地吸引力就越小，但越靠近障礙物斥力就越大，有可能造成引力和斥力相當，進而造成仿真乘客震蕩徘徊。

為此，提出“改進勢能場”概念，在勢能場的計算中僅考慮目標點的吸引勢能，而將障礙物的作用抽象為對目標點吸引作用的阻礙。由于障礙物的作用是阻礙乘客沿直線方向前進，因此目標點在遇到障礙物時，會繞過障礙物而對障礙物另一邊的點產(chǎn)生作用，即目標點是沿著最短路線的方向?qū)Τ丝彤a(chǎn)生作用的。最短路線越長，則對應點的勢能越高，因此將問題轉(zhuǎn)化為如何求解兩點間的最短路徑和最短距離。具體地，兩點間最短距離的計算和求解主要遵循以下原則：

（1）在可見的兩點之間，直線距離為最短（見圖3）。

圖3 兩點間無障礙物的示例Fig.3 Example of no obstacle between origin and destination points

（2）在中間有直邊障礙物（如欄桿或矩形障礙物）的兩點之間，最短路線必通過直邊障礙物的端點（見圖4）。

圖4 兩點間有直邊障礙物的示例Fig.4 Example of straight edge obstacles between origin and destination points

（3）在中間有曲邊障礙物（如大廳立柱等）的兩點之間，最短路線必與曲邊障礙物相切，并沿障礙物的邊緣延伸一段距離（在實際模擬沿障礙物的邊緣延伸時采用多段直線代替曲線的方式），如圖5所示。

圖5 兩點間有曲邊障礙物的示例Fig.5 Example of curved edge obstacles between origin and destination points

此外，在同一場景下可能有多條滿足上述原則的路線，則選取最短的一條來計算距離，如圖6 所示。圖6 中，按照以上3 個原則，從起點到終點的最短路徑可能為a、b、c中的一條，這取決于障礙物的位置、大小和起點與終點的位置。同時，在實際仿真時，考慮到乘客不會緊密地沿著障礙物的邊緣行走，在生成勢能場時將障礙物適當?shù)胤糯笠徊糠?，以反映該現(xiàn)象。

圖6 同時滿足3個原則的示例Fig.6 Example satisfying three principles at the same time

在所建立的車站環(huán)境改進勢能場模型中，勢能場的作用在于體現(xiàn)目標點對乘客的吸引作用（即乘客趨向于目標點的作用）。在實際車站中，往往有多個出口與屏蔽門，因此乘客往往也有著多個可選擇的目標點。這種情況下的勢能場為具有多個目標點的勢能場，每個位置的勢能為到所有目標點的最短距離的最小值。

2.2 車站改進勢能場迭代生成算法

上述基于改進勢能場模型進行車站環(huán)境建模的優(yōu)點是符合實際的，不會產(chǎn)生局部最小值。在此方法的基礎上擴展后，不但可以描述事件（如火災等）發(fā)生源、障礙物等的斥力，還可以為車站中指路標識的設立提供指導。

為了利用計算機生成上述車站環(huán)境勢能場，通過邏輯分析建立勢能場的生成算法。

首先考慮最簡單的情況，即只有一個出入口的一層車站的情況。對于給定場景，由于要計算場景中所有可達點的勢能值，而地圖中相近的許多點在最短路徑的選擇上具有明顯的相似性，并且從上文中可以看出最短路徑的尋找較為困難，因此在生成勢能場時不能針對每個具體的點去尋找最短路徑，而是要從出口處出發(fā)，逐步遍歷圖中的各個點，通過迭代算法來實現(xiàn)勢能場的生成。

針對單一出口的單層車站建立可行的迭代算法。在迭代過程中，設A 為該輪迭代中要考慮的點集，B為在該輪迭代中發(fā)現(xiàn)的下一輪要考慮的點集，C為遞歸時的出發(fā)點集。

迭代算法的具體實現(xiàn)步驟如下所示：

步驟1從出口開始逐步向外迭代，即將出口的勢能賦為初始勢能，出口周圍一圈的點（如果是通道點）放入A中。

步驟2對A中的所有點進行考慮。若點P與出口的連線沒有經(jīng)過障礙物，說明該點對出口可見，則將P 點處的勢能值賦為P 到A 的距離加上初始勢能，并將P周圍一圈的點放入B。若點P與出口的連線經(jīng)過障礙物，說明該點對出口不可見，對該點做標記。

（1）如果點P附近沒有標記點，就說明該點是應急疏散時的拐點，將該點添加進集合C。

（2）如果點P附近存在標記點，就說明該點是對出口可見區(qū)域的邊界點。

注意，對于以上2 種情況，均不將P 周圍的點放入B中，即對可見區(qū)域的遍歷到此為止。

步驟3進行多次迭代后，若B中沒有其他點，則說明對該出口可見區(qū)域的遍歷已經(jīng)完成。此時，對C 中所有點進行函數(shù)遞歸調(diào)用，即將C 中的每個點單獨作為出口，將未遍歷區(qū)域作為新的場景，進行勢能場的求解。

步驟4若在整個程序中，某個點被遍歷了多次，則說明該點到出口存在多條符合上文中3個原則的路線（即圖6 中的復雜情況）。此時，將該點處最小勢能值作為該點的勢能值。

步驟5當所有點都計算出最小勢能值后，程序結(jié)束。

如圖7所示，計算目標點為出口的勢能場時，先計算對出口可見的區(qū)域①的勢能場。在第1次迭代中發(fā)現(xiàn)了A1、A2這2 個拐點；第2 次迭代以A1、A2為目標點，A1、A2處勢能為初始勢能，計算區(qū)域②的勢能場；同理第3 次迭代以B1、B2為目標點，計算區(qū)域③的勢能。對于復雜的區(qū)域，以此類推。

圖7 迭代算法生成勢能場Fig.7 Potential energy field generated by iterative algorithm

對于多出口情形，對各個出口逐一進行遍歷。對某次遍歷中的出口，如果程序運行到所計算的勢能值比場中已有的勢能值高的位置（說明這個位置是離乘客最近出口區(qū)域的分界點），程序就不再從此向遠處遍歷。該方法相比于對各個出口遍歷取最小值的方法大大縮短了程序的運行時間。

3 改進勢能場模型與社會力模型的融合方法

行人行為模型根據(jù)描述行為細節(jié)的詳細程度分為宏觀、中觀和微觀模型。宏觀模型描述的對象是行人的集體交通行為，描述的行人流信息較為簡單，一般為行人流量、速度和密度等。中觀模型位于宏、微觀模型之間，主要代表是格子氣模型，將平面劃分為小格子或三角形用于描述行人運動，但不描述行人之間的相互作用力。微觀模型描述的對象是單個行人的交通行為，描述的信息較為詳盡，如行人的位置、速度和加速度等，由多個行人的位置和速度可以得到行人流量、速度和密度等宏觀量，因此微觀行人模型是未來發(fā)展的重要方向。微觀行人模型又分為離散模型（如元胞自動機）和連續(xù)模型（如社會力模型），其中連續(xù)模型對行人行為的模擬更為細膩和真實，而且社會力模型具有接受各類外界影響的參數(shù)接口。

社會力模型為多粒子自驅(qū)動模型，將行人類比為運動形態(tài)符合牛頓第二定律的粒子，并假設質(zhì)量為單位1，最大特點是行人的坐標和速度都是連續(xù)的而不是離散的。社會力模型主要考慮行人的內(nèi)在動機，將內(nèi)在動機類比為各種作用力即“社會力”，并大體分為三類：一是為到達目的地行人自身產(chǎn)生的驅(qū)動力Fd；二是人與人之間的作用力Fαβ，其中又分為人與人之間的吸引力、人由于“領(lǐng)域效應”而產(chǎn)生的心理排斥力、人與人之間由于相互接觸而產(chǎn)生的摩擦力和擠壓力等；三是行人對各種障礙物或邊界的躲避作用力FαW?！吧鐣Α庇嬎闶饺缦滤荆?/p>

式中：W 表示障礙物；mα表示行人α 的質(zhì)量；aα表示行人α 的加速度；下標β 表示其余行人；ξ為隨機項。Fd可通過勢能場作用力予以替換，以反映應急事件的疏散影響（為疏散仿真乘客自動指明方向）。Fd本身含義即為按照“期望”速度向目的地運動的力，與本研究勢能場作用吸引力含義類似，因此其功能是可以替代的。

在疏散仿真中，社會力模型有著以下優(yōu)點：

（1）行人之間的作用力、領(lǐng)域效應以及行人受障礙物的擠壓作用力表示起來比較簡單。

（2）模型中速度與加速度方向均比較豐富。

（3）可以體現(xiàn)多種現(xiàn)實情形，如行人的從眾行為、自組織行為和擠壓行為等。

另一方面，結(jié)合改進勢能場模型生成的精細網(wǎng)格的勢能值，可構(gòu)成完整的地鐵車站勢能場。目的地的勢能值最低，其余網(wǎng)格距離目的地的距離越遠，勢能值就越高（事故源最高）；此處的距離并非到目的地的直線距離，而是在不穿過障礙物的前提下，到目的地的最短距離；每個網(wǎng)格的勢能值是對其到最近某個目的地的最短行走距離的量化描述，乘客沿著勢能下降最快的方向行走，就可以盡可能快地走向最近的目的地；在勢能場的引導下，乘客結(jié)合周圍可感受范圍內(nèi)的環(huán)境信息，在宏觀層面上進行決策以更快地到達目標點。

同時，在人群疏散仿真模型建立的過程中，不僅要考慮目標點對乘客的作用，還要考慮人與人之間的相互作用、障礙物對人的作用。由于社會力模型能較好地反映運動過程中多個乘客之間相互作用的變化，特別是在模擬領(lǐng)域效應、擠壓等現(xiàn)象上的優(yōu)越性，在實時模擬中有著較好的效果，因此仍采用社會力模型來體現(xiàn)人與人之間的相互作用、障礙物對人的作用。

綜上，地鐵車站乘客所受到的合力由勢能場產(chǎn)生的指引作用力Fa、乘客之間的作用力，以及行人與障礙物之間的作用力等三力合成，乘客在合力的作用下產(chǎn)生加速度aα，計算式為

（1）勢能場的作用力

勢能場的作用力為式（2）等號右邊的第一項，即由勢能場產(chǎn)生的指引作用力。根據(jù)車站環(huán)境建模，勢能場對乘客的作用力指向勢能的最快下降方向，并且正比于勢能場梯度的大小，表達式如下所示：

式中：M為比例系數(shù)，代表了仿真效果與實際情況之間的貼合度，其取值可通過對歷史事件的仿真效果評估來擬定；q為根據(jù)仿真環(huán)境中劃分的精細網(wǎng)格像素單位確定的仿真乘客位置（虛擬相對位置）。Ua(q)的計算式為

式中：qo為障礙物坐標；D（qo，q）為仿真乘客到障礙物的最小距離；Do為障礙物所能影響到的范圍。

（2）人與人的作用力

乘客在行走過程中，出于“領(lǐng)域效應”的心理作用總是與其他乘客保持一定距離。乘客α 與乘客β之間的排斥力Fαβ由心理排斥力FPαβ和身體接觸力FGαβ兩部分構(gòu)成，計算式如下所示：

在經(jīng)典社會力模型中，心理排斥力FPαβ的計算式如下所示：

式中：NP是乘客α 周圍一定視野范圍對α 產(chǎn)生作用的人數(shù)；A 是乘客α 心理排斥力的強度；B 是心理排斥力的作用范圍；eαβ是乘客β指向乘客α的單位方向向量。乘客α 與乘客β 之間的距離（去除乘客的半徑）

式中：Rα是乘客α的身體半徑；Rβ是乘客β的身體半徑；dαβ是乘客α與乘客β之間的距離。當εαβ為負時，除了心理排斥力，乘客還會受到身體接觸力，計算式如下所示：

式中：kn、kt分別表示擠壓力和摩擦力對εαβ的比例系數(shù)；eαβ，n、eαβ，t分別表示法線和切線方向的單位方向向量。式（7）中，等號右邊第一項為乘客α受到的擠壓力，等號右邊第二項為乘客受到的摩擦力。

（3）人與障礙物或邊界的力

乘客α與障礙物W之間同樣存在排斥力。該排斥力與乘客之間的力類似，同樣分為心理排斥力和身體接觸力，故采用類似的計算式，如下所示：

經(jīng)過從仿真環(huán)境中勢能場的生成，到將其用于改進社會力模型后，乘客將會沿著勢能場所指引的方向在其他乘客、障礙物之間的共同作用下到達目標點。

此外，本研究所關(guān)注的主要是應急事件所造成的疏散空間方向指向方面的變化，進而引導仿真乘客實現(xiàn)自動疏散。在此基礎上，實際疏散過程中應急事件還可能會對疏散乘客產(chǎn)生“心理”上的壓迫，使乘客在空間方向指向變化的基礎上進一步產(chǎn)生諸如“回返行為”、“退避行為”、“從眾行為”、“競爭行為”等行為［15］，該部分的內(nèi)容需要在本研究基礎上進一步完善。

4 仿真實驗與分析

利用Unity 平臺結(jié)合C#編程開發(fā)技術(shù)，基于上述模型及算法初步搭建地鐵車站勢能場生成仿真實驗系統(tǒng)。

根據(jù)所要繪制車站的節(jié)點坐標信息，通過Unity平臺輸入網(wǎng)格邊長，將樓層、樓梯、扶梯等劃分成精細化網(wǎng)絡，為勢能場的建立提供環(huán)境，其中運用了計算機圖形學的柵格算法和掃描線算法。車站設施勢能場建模和表示如圖8所示。

通過對全局勢能場和局部勢能場的生成，計算出每個網(wǎng)格的勢能值并用色階圖來直觀地表示距離遠近，如圖9、10 所示。深灰色代表勢能值最高，淺灰色代表勢能值最低，亮白色代表過渡帶。

圖8 車站設施建模和表示Fig.8 Station facility modeling and representation

圖9 車站站廳層勢能場生成Fig.9 Potential energy field generation for station hall layer

圖10 車站站臺層勢能場生成Fig.10 Potential energy field generation for station platform layer

勢能場模型構(gòu)建完成后即可為社會力模型提供詳細的環(huán)境影響因素，進而影響社會力模型的參數(shù)取值和執(zhí)行效果。

基于以上成果，使用Unity Prefab完成基本模型平臺（構(gòu)建車站靜態(tài)結(jié)構(gòu)，并在后臺加載行人行為驅(qū)動引擎（社會力模型）、外部動態(tài)刺激環(huán)境模型（勢能場模型））的建立。Unity Prefab是Unity2D軟件的一類基本對象，對仿真中的物體外觀、屬性、物理特征做出了基本描述。圖11 為所用到的Unity Prefab 及所代表的對象。

利用Unity Prefab 構(gòu)建通路、驗票閘機、車站扶梯、車輛、車站出口等多個基本的Prefab 對象，并且在合適的時機創(chuàng)建并生成，構(gòu)造如圖12和圖13所示的多層車站。

經(jīng)過各種經(jīng)典場景的仿真驗證，可以得到如下結(jié)論：

圖11 Unity Prefab對象Fig.11 Unity Prefab objects

圖12 車站站廳層的圖像Fig.12 Images of station hall layer

圖13 車站的總圖像Fig.13 Images of station

（1）場景一：乘客從出口逃生

如圖14所示（右圖一并顯示了勢能場），圖中點代表了移動的行人。左圖中方格主要用于劃分空間，使行人的相對位置醒目；右圖中方格用于后續(xù)的勢能場顯示（每個方格顯示某一顏色，通過不同方格顏色的漸變產(chǎn)生連續(xù)勢能場）。

圖14 乘客從出口逃生Fig.14 Passengers escaping from the exit

上方乘客即將從左前方的車站出口處逃生。接觸到車站出口時，乘客會顯示已經(jīng)逃生或出站，從車站出口消失。

（2）場景二：乘客上樓、下樓等活動

如圖15 所示，乘客到達樓梯時可以進入樓梯、扶梯層，完成上樓、下樓的過程仿真。在常態(tài)時，扶梯是單向的，乘客只能通過對應的扶梯上下樓；在應急疏散時，扶梯停止運行，乘客可以雙向通過。圖15中，點代表了移動的行人，方格主要用于空間劃分，使行人的相對位置醒目。

圖15 乘客上樓、下樓等活動Fig.15 Passengers going upstairs and downstairs

（3）場景三：乘客繞過障礙物

如圖16所示（一并顯示了勢能場），在算法上采用改進勢能場模型與社會力模型的融合方法，乘客在障礙物較遠處便會產(chǎn)生轉(zhuǎn)彎來躲避障礙物進而到達終點。這說明模型達到了克服傳統(tǒng)社會力模型缺點的目的。圖16 中，點代表了移動的行人，方格用于后續(xù)勢能場顯示（每個方格顯示某一顏色，通過不同方格顏色的漸變產(chǎn)生連續(xù)勢能場）。

圖16 乘客繞過障礙物Fig.16 Passengers bypassing obstacles

（4）場景四：乘客的歸巢行為

如圖17 所示（一并顯示了勢能場），標號為6 的乘客進入車站右上角出入口，出于歸巢心理，其在應急疏散開始后沒有選擇從較近的左下角出口逃生，而是從右上角出口疏散。圖17中，點代表了移動的行人，方格用于后續(xù)勢能場顯示（每個方格顯示某一顏色，通過不同方格顏色的漸變產(chǎn)生連續(xù)勢能場）。

圖17 乘客的歸巢現(xiàn)象Fig.17 Phenomenon of returning to the nest

（5）場景五：乘客的從眾行為

如圖18所示（一并顯示了勢能場），處在線路交叉口的乘客在2 個交叉口中選擇了人多的1 個交叉口，這很好地體現(xiàn)了實際中盲目從眾現(xiàn)象。圖18中，點代表了移動的行人，方格用于后續(xù)勢能場顯示（每個方格顯示某一顏色，通過不同方格顏色的漸變產(chǎn)生連續(xù)勢能場）。

圖18 盲目從眾現(xiàn)象的示例Fig.18 Example of blind herd phenomenon

（6）場景六：瓶頸現(xiàn)象

如圖19所示（一并顯示了勢能場），當一群乘客處在一個較窄的交叉口時人與人之間相互擁擠，處于被擁擠狀態(tài)的乘客半徑相對減小，人群呈扇形分布。圖19 中，點代表了移動的行人，方格用于后續(xù)勢能場顯示（每個方格顯示某一顏色，通過不同方格顏色的漸變產(chǎn)生連續(xù)勢能場）。

圖19 瓶頸現(xiàn)象的示例Fig.19 Example of bottleneck phenomenon

（7）場景七：乘客自組織現(xiàn)象

如圖20所示，當一個通道中存在兩部分人群相向而行時，會不由自主地形成相間的相向人流，此現(xiàn)象能夠加速人流通行的速度。圖20中，點代表了移動的行人，方格主要用于空間劃分，使行人的相對位置醒目。不同箭頭代表了不同人群的行進方向，如深色點向左，淺色點向右。

圖20 乘客自組織現(xiàn)象的示例Fig.20 Example of self-organizing phenomenon

從以上場景實驗示例可以看出，基于本研究提出的模型及算法所建立的仿真系統(tǒng)能夠較好地模擬并復現(xiàn)現(xiàn)實中地鐵車站乘客在應急疏散時的一些經(jīng)典行為現(xiàn)象，從而達到了預期目的。

5 結(jié)語

在已有研究基礎上進一步改進了勢能場模型和社會力模型，并提出了用于地鐵車站應急疏散的動態(tài)仿真方法及模型。通過利用Unity平臺和C#編程開發(fā)技術(shù)構(gòu)建了原型系統(tǒng)，實驗驗證了基于所提出的仿真方法建立的仿真系統(tǒng)與實際情況的符合程度，可為地鐵規(guī)劃、設計及運營等各階段的應急疏散仿真評估工作提供理論方法及模型基礎。