傅 惠，姚奕鵬，陳賽飛

(廣東工業(yè)大學(xué) 機(jī)電工程學(xué)院，廣東 廣州 510000)

樞紐站客流存在流量大、流線復(fù)雜的特點(diǎn)?？茖W(xué)有效的客流組織優(yōu)化方案是提升站內(nèi)交通流效率的重要手段。智能體模型仿真可針對(duì)樞紐站內(nèi)實(shí)際交通流情況描述旅客站內(nèi)的運(yùn)動(dòng)特征，從實(shí)際數(shù)據(jù)出發(fā)評(píng)估站內(nèi)客流組織優(yōu)化方案，相較于采用數(shù)值仿真的方案能夠更加細(xì)致地描述站場(chǎng)交通流情況。為減少站內(nèi)客流組織優(yōu)化方案的構(gòu)建成本，評(píng)估方案的有效性，基于自主學(xué)習(xí)智能體模型的樞紐站流線仿真技術(shù)十分必要。

現(xiàn)有的樞紐站客流組織優(yōu)化方案的制定方法大致可分為兩類。第1 類從宏觀旅客交通流建模出發(fā)[1]，通過(guò)建立多種宏觀評(píng)價(jià)指標(biāo)[2]，利用宏觀交通流規(guī)律，指導(dǎo)生成樞紐站的客流組織優(yōu)化方案。例如，Liu 等[3]基于多層時(shí)間序列著色Petri 網(wǎng)絡(luò)和多目標(biāo)優(yōu)化模型，研究地鐵站應(yīng)急疏散場(chǎng)景下的人員疏散方案。Guo 等[4]建立地鐵站的疏散指標(biāo)與乘客行為、電梯配置等運(yùn)營(yíng)因素之間的關(guān)系模型，結(jié)合多目標(biāo)優(yōu)化模型獲得地鐵站客流疏散最優(yōu)化方案。第2 類從微觀角度出發(fā)，依賴Anylogic、Legion 等基于智能體模型或元胞自動(dòng)機(jī)的行人仿真軟件，細(xì)致刻畫行人個(gè)體的行為與交互[5-6]，結(jié)合運(yùn)營(yíng)效果評(píng)估指標(biāo)[7]，生成組織優(yōu)化方案并做出評(píng)價(jià)[8-10]。例如，孫立山等[11]以北京市宋家莊交通樞紐為例建立微觀仿真模型，研究樞紐站的設(shè)施部署的合理性；Liu 等[12]基于Anylogic 仿真軟件，研究分層次的城市火車站行人網(wǎng)絡(luò)系統(tǒng)。

目前，采用宏觀交通流建模的方法缺乏對(duì)樞紐站場(chǎng)客流狀況的細(xì)致描述，難以生成可具體實(shí)施的應(yīng)用方案；雖然微觀角度建模的方法是基于智能體模型的微觀仿真，但是缺少利用實(shí)際數(shù)據(jù)驗(yàn)證行人行為模型的手段，難以保證模擬的交通流模型符合實(shí)際規(guī)律。現(xiàn)有智能體仿真軟件無(wú)法超出單個(gè)計(jì)算節(jié)點(diǎn)的性能局限，仿真規(guī)模和效率受到較大限制。

針對(duì)上述問(wèn)題，本文從微觀仿真角度出發(fā)，構(gòu)建基于自主學(xué)習(xí)智能體模型的樞紐站流線仿真框架，提供了仿真中行人智能體對(duì)實(shí)際數(shù)據(jù)的學(xué)習(xí)能力。同時(shí)，通過(guò)分布式的智能體仿真計(jì)算框架，提供仿真超出單個(gè)計(jì)算節(jié)點(diǎn)性能限制的能力，仿真規(guī)模和效率得到較大提升。最后，以廣州南站作為仿真場(chǎng)景，基于站場(chǎng)實(shí)際運(yùn)營(yíng)數(shù)據(jù)，利用所提出的樞紐站流線仿真，對(duì)站內(nèi)客流組織優(yōu)化方案進(jìn)行評(píng)估。

1 基于自主學(xué)習(xí)智能體模型的樞紐站流線仿真框架

基于智能體模型構(gòu)建的仿真，可以從樞紐站的各個(gè)要素出發(fā)，設(shè)計(jì)每一個(gè)要素智能體模型之間的交互行為，以此達(dá)到符合現(xiàn)實(shí)規(guī)律的仿真效果。19 世紀(jì)80 年代Bratman 基于對(duì)理性和意圖的哲學(xué)分析，提出BDI 模型 (Belief-Desire-Intention, BDI)，將個(gè)體的思維組成定義為信念 (belief)、愿望 (desire)、意圖 (intention) 3 個(gè)組件，提供了個(gè)體組成的抽象表達(dá)模型[13]。其中，信念表現(xiàn)為個(gè)體的能力和知識(shí)，代表個(gè)體對(duì)環(huán)境和自身的狀態(tài)的認(rèn)知；意圖表現(xiàn)為個(gè)體為實(shí)現(xiàn)各種目標(biāo)而采取的方法和計(jì)劃；愿望表現(xiàn)為個(gè)體的目標(biāo)。

BDI 模型能夠有效描述實(shí)體的感知、決策、響應(yīng)的過(guò)程，可體現(xiàn)人、機(jī)器等實(shí)體的行為邏輯，適合作為智能體模型的基本形式。該模型廣泛應(yīng)用于機(jī)器人等智能體系統(tǒng)的智能體設(shè)計(jì)框架中[14-15]。但是，BDI 模型在實(shí)際應(yīng)用過(guò)程中，難以對(duì)實(shí)體的抽象邏輯進(jìn)行描述，因此，本文結(jié)合實(shí)體的實(shí)際行為數(shù)據(jù)，提出能夠擬合實(shí)體抽象行為邏輯的自主學(xué)習(xí)智能體模型。基于BDI 模型，本文任意智能體個(gè)體的自我推理和決策過(guò)程可抽象為如下過(guò)程 (見圖1) ：智能體通過(guò)信念組件獲取環(huán)境感知信息，由愿望組件基于環(huán)境信息生成當(dāng)前的目標(biāo)，意圖組件獲取當(dāng)前目標(biāo)結(jié)合環(huán)境信息，生成自身的動(dòng)作或計(jì)劃并實(shí)施，進(jìn)而更新自身狀態(tài)。

圖1 基于BDI 模型的智能體自我推理和決策過(guò)程Figure 1 Self-reasoning and decision-making processes of agents based on BDI model

1.1 基于BDI 模型的智能體模型基本屬性構(gòu)建

考慮主要對(duì)樞紐站內(nèi)的旅客和設(shè)施智能體的狀態(tài)和行為進(jìn)行仿真推演，本文基于BDI 模型，構(gòu)建了可用于描述樞紐站內(nèi)旅客和設(shè)施智能體行為的基本屬性與屬性更新模型。

智能體包含兩類基本屬性，分別是參數(shù)屬性與方法屬性。任意智能體i的參數(shù)屬性如下。

1) 任務(wù)：智能體所需要完成的一系列任務(wù)流程，驅(qū)動(dòng)智能體進(jìn)行自身狀態(tài)和行為推演。例如旅客智能體在站內(nèi)的乘車流程。

2) 狀態(tài)：智能體所具備的一系列需要被計(jì)算更新的狀態(tài)信息。例如旅客智能體的空間位置、移動(dòng)速度等信息。

3) 目標(biāo)：智能體經(jīng)過(guò)自我決策后生成的短期行動(dòng)目標(biāo)。例如旅客根據(jù)當(dāng)前自身位置和檢票口位置，決定下一時(shí)刻到達(dá)的位置。

對(duì)任意智能體i，其在t時(shí)刻的屬性表示為

其中，Pi,t、Ai,t、Si,t分別為智能體i在t時(shí)刻的任務(wù)、目標(biāo)、狀態(tài)。

假設(shè)t時(shí)刻下智能體數(shù)量為N，那么，仿真中所有智能體的參數(shù)屬性構(gòu)成當(dāng)前時(shí)刻環(huán)境Et= {Ci,t},i∈{1, 2, ···,N}。

任意智能體i的方法屬性如下。

1) 環(huán)境感知方法。

在t時(shí)刻下，智能體i的環(huán)境感知方法Fiu中，智能體獲取環(huán)境信息Et，結(jié)合自身參數(shù)屬性Ci,t，篩選出智能體自身可獲知的環(huán)境信息ei,t，獲得當(dāng)前需完成的事項(xiàng)pi,t，返回獲知的環(huán)境信息ei,t和當(dāng)前所需完成的事項(xiàng)pi,t。描述為

2) 動(dòng)作決策方法。

在t時(shí)刻下，智能體i動(dòng)作決策方法Fid中，智能體結(jié)合自身可獲知的環(huán)境信息ei,t、當(dāng)前所需完成的事項(xiàng)pi,t和自身的狀態(tài)屬性Si,t，計(jì)算生成并返回當(dāng)前短期決策目標(biāo)Ai,t+1。描述為

3) 動(dòng)作實(shí)施方法。

在t時(shí)刻下，智能體i的動(dòng)作實(shí)施方法Fia中，智能體獲取當(dāng)前短期決策目標(biāo)Ai,t+1和自身的狀態(tài)屬性Si,t，計(jì)算生成并返回智能體下一時(shí)刻的狀態(tài)屬性Si,t+1。描述為

為實(shí)現(xiàn)智能體能夠準(zhǔn)確描述對(duì)應(yīng)實(shí)體的自我推理和決策行為，賦予智能體學(xué)習(xí)實(shí)際實(shí)體行為的能力，對(duì)智能體的方法屬性，采用如下兩類構(gòu)建方式。

1) 根據(jù)實(shí)體的決策邏輯過(guò)程構(gòu)建。

若所需構(gòu)建的方法屬性行為的邏輯流程清晰且易于描述，可根據(jù)實(shí)體具體的推理決策過(guò)程，構(gòu)建智能體的推理分析流程，對(duì)輸入的環(huán)境信息、所需完成的事項(xiàng)和自身狀態(tài)進(jìn)行處理，輸出短期決策目標(biāo)，構(gòu)建獲得的方法作為該智能體的指定方法屬性。

2) 通過(guò)實(shí)體的行為特征學(xué)習(xí)構(gòu)建。

若所需構(gòu)建的方法屬性行為的邏輯流程復(fù)雜且難以描述，則考慮構(gòu)建抽象描述模型對(duì)實(shí)體行為進(jìn)行描述。首先需要構(gòu)建實(shí)體的行為反饋模型，該模型旨在描述實(shí)體在自身的狀態(tài)為u時(shí)，所能做出的行為o。該模型依賴實(shí)體的實(shí)際行為數(shù)據(jù)進(jìn)行構(gòu)建，行為反饋模型描述為

其中，h為行為反饋函數(shù)；U為已知的實(shí)體狀態(tài)集合；O為已知的實(shí)體行為集合。

其次，構(gòu)建行為描述模型對(duì)智能體的行為進(jìn)行描述，即對(duì)任意可能出現(xiàn)的狀態(tài)值u′，行為描述模型輸出該狀態(tài)下的行為o′。模型表述為

其中，g為行為描述函數(shù)；ω 為行為描述模型的參數(shù)；U′為實(shí)體所有行為集合；O′為實(shí)體所有狀態(tài)集合。

再次，建立參數(shù)優(yōu)化模型，對(duì)行為描述模型的參數(shù)進(jìn)行優(yōu)化，使智能體通過(guò)行為描述模型學(xué)習(xí)實(shí)體的行為特征。

其中，J為所有數(shù)據(jù)標(biāo)簽集合；uj、o′j、oj分別為第j個(gè)狀態(tài)值、實(shí)體行為反饋、智能體描述值。

最后，將優(yōu)化參數(shù)后的行為描述模型作為智能體的動(dòng)作決策或動(dòng)作實(shí)施方法，完成對(duì)智能體的動(dòng)作決策或動(dòng)作實(shí)施方法的構(gòu)建。

該方法提供了智能體對(duì)實(shí)際數(shù)據(jù)的利用方法，通過(guò)該方法，可使智能體的描述更加符合實(shí)際規(guī)律，具備了基于實(shí)際數(shù)據(jù)的自學(xué)習(xí)能力。

1.2 樞紐站場(chǎng)要素的智能體屬性模型建立

基于智能體模型，根據(jù)實(shí)際樞紐站場(chǎng)內(nèi)要素補(bǔ)充對(duì)應(yīng)仿真中各類要素的智能體模型的屬性，以建立樞紐站旅客流線仿真的要素智能體模型。

樞紐站內(nèi)要素包括旅客、人臉驗(yàn)證閘機(jī)、安檢閘機(jī)、檢票閘機(jī)、扶梯、商鋪以及各種墻體，本文考慮建立邊界、服務(wù)臺(tái)和行人三類智能體模型抽象描述樞紐站內(nèi)的要素，智能體模型與樞紐站內(nèi)要素的抽象對(duì)照關(guān)系如表1 所示。

表1 樞紐站內(nèi)要素抽象對(duì)照表Table 1 The summary and comparison table of elements in a passenger transport hub

1.2.1 邊界智能體屬性建模

邊界根據(jù)墻體特性可抽象為不可穿透的邊界，并且不需要更新自身的狀態(tài)信息，在仿真中僅用于提供空間限制信息。因此，對(duì)仿真中邊界智能體集合W中的任意邊界w，其在t時(shí)刻的狀態(tài)Sw,t定義為

其中，Ew為邊界坐標(biāo)序列，即按照在樞紐站場(chǎng)平面中該墻體的邊界折線的節(jié)點(diǎn)序列形成的坐標(biāo)點(diǎn)序列，n為節(jié)點(diǎn)序列點(diǎn)個(gè)數(shù)；Lw為邊界所在樓層。

在構(gòu)建智能體仿真時(shí)，將所有墻體按照其空間信息，構(gòu)建為邊界智能體。

1.2.2 服務(wù)臺(tái)智能體屬性建模

服務(wù)臺(tái)根據(jù)閘機(jī)、扶梯等設(shè)施特性，定義為可穿透的一塊功能區(qū)域，具備與行人交互、更新自身狀態(tài)的功能。對(duì)仿真中的服務(wù)臺(tái)集合E中的任意設(shè)施e，其在t時(shí)刻的狀態(tài)Se,t定義如下。

1) 服務(wù)臺(tái)的邊界，包括層和邊界坐標(biāo)信息。

2) 服務(wù)臺(tái)交互的位置，包括層和邊界坐標(biāo)序列信息，該邊界坐標(biāo)序列即服務(wù)臺(tái)的服務(wù)區(qū)域多邊形的頂點(diǎn)序列。

3) 與服務(wù)臺(tái)交互后的位置LEe，包括層和邊界坐標(biāo)序列信息，該邊界坐標(biāo)序列即服務(wù)臺(tái)的離開服務(wù)區(qū)域多邊形的頂點(diǎn)序列。

4) 服務(wù)臺(tái)內(nèi)部包含的行人智能體信息集合，描述為Me,t，對(duì)任意信息，有，r為包含的行人，為集合中包含的第n個(gè)行人的進(jìn)入時(shí)間。

5) 服務(wù)臺(tái)窗口數(shù)目。

6) 服務(wù)臺(tái)的單次服務(wù)時(shí)間Te。

7) 服務(wù)臺(tái)的工作狀態(tài)SOe,t，包括“開放”和“不開放”兩類狀態(tài)。

其任務(wù)屬性Pe,t定義為

其中，Pe,t為服務(wù)臺(tái)的運(yùn)行時(shí)間表，服務(wù)臺(tái)按照該時(shí)間計(jì)劃調(diào)整自身服務(wù)的開放與否；tmax為最大仿真時(shí)間；為t時(shí)刻下服務(wù)臺(tái)e的工作狀態(tài)，值為“開放”或“不開放”。

圖2 服務(wù)臺(tái)智能體方法屬性流程Figure 2 The framework of service agent method properties

對(duì)實(shí)際環(huán)境中的閘機(jī)與扶梯，將其入口抽象為服務(wù)臺(tái)的到達(dá)位置，出口抽象為服務(wù)臺(tái)的離開位置，工作區(qū)域抽象為服務(wù)臺(tái)的邊界，單次可通過(guò)人數(shù)抽象為服務(wù)臺(tái)的窗口數(shù)目，由此可構(gòu)建閘機(jī)和扶梯智能體參數(shù)屬性。

1.2.3 行人智能體屬性建模

行人在仿真中，具備感知周邊邊界和服務(wù)設(shè)施，基于自身狀態(tài)做出行為決策的能力。對(duì)仿真中的行人集合R中的任意設(shè)施r，其在t時(shí)刻的參數(shù)屬性定義如下。

1) 行人的位置Lr,t，分別為行人二維空間位置的橫、縱坐標(biāo)及其所在樓層。

2) 行人的任務(wù)序列，任務(wù)序列由一系列空間位置或服務(wù)臺(tái)智能體構(gòu)成。

3) 行人當(dāng)前的目標(biāo)，即行人每一時(shí)刻下生成的短期目標(biāo)。

行人的方法屬性定義如下。

1) 環(huán)境感知。

行人智能體根據(jù)自身位置以及感知范圍篩選所能獲取的仿真環(huán)境信息。同時(shí)，按照自身任務(wù)序列，結(jié)合當(dāng)前位置判斷是否已完成目標(biāo)。若已完成，則更新待實(shí)現(xiàn)事項(xiàng)為任務(wù)序列中的下一任務(wù)；若未完成，則保留待實(shí)現(xiàn)事項(xiàng)的值。

2) 動(dòng)作決策。

行人智能體讀取待實(shí)現(xiàn)的事項(xiàng)，結(jié)合自身狀態(tài)，判斷是否已到達(dá)實(shí)現(xiàn)待辦事項(xiàng)的位置。若未到達(dá)，則結(jié)合所需要到達(dá)的位置、可獲知的環(huán)境信息和自身狀態(tài)屬性，通過(guò)路徑規(guī)劃算法 (本文采用A*算法[16])，規(guī)劃生成行人智能體的路徑，選擇路徑的下一時(shí)刻位置作為行人智能體的目標(biāo)。若已到達(dá)實(shí)現(xiàn)待辦事項(xiàng)的位置，且待辦事項(xiàng)為一個(gè)服務(wù)臺(tái)，則將該服務(wù)臺(tái)作為行人智能體的目標(biāo)。

3) 動(dòng)作實(shí)施。

行人智能體讀取當(dāng)前目標(biāo)，若目標(biāo)為一個(gè)位置點(diǎn)，則按照行人運(yùn)動(dòng)學(xué)模型 (本文采用社會(huì)力模型[17])生成下一時(shí)刻行人的空間位置，并更新行人自身的狀態(tài)屬性。若目標(biāo)為服務(wù)臺(tái)，行人智能體不處于服務(wù)臺(tái)中，且該服務(wù)臺(tái)仍有剩余服務(wù)空間，則將自身放置于該服務(wù)臺(tái)的行人智能體集合中。

行人智能體的所有方法屬性構(gòu)成的更新流程如圖3 所示。

圖3 行人智能體方法屬性流程Figure 3 The framework of Process of pedestrian agent method properties

1.3 仿真場(chǎng)景中智能體屬性更新模型

仿真推演的進(jìn)行依賴于仿真環(huán)境中智能體的狀態(tài)屬性的同步更新。

在每一仿真時(shí)刻t時(shí)，環(huán)境中每一智能體i均按照以下更新模型生成下一時(shí)刻t+ 1 時(shí)的智能體屬性，基本更新模型描述如下。

基于上述的仿真推進(jìn)過(guò)程，結(jié)合樞紐站內(nèi)旅客與設(shè)施實(shí)體的行為，補(bǔ)充旅客和設(shè)施智能體的屬性，在仿真過(guò)程中實(shí)時(shí)記錄各個(gè)智能體的屬性信息，即可獲得樞紐站場(chǎng)內(nèi)旅客流線仿真的運(yùn)行數(shù)據(jù)，進(jìn)而對(duì)站場(chǎng)運(yùn)營(yíng)指標(biāo)進(jìn)行評(píng)估。

1.4 基于分布式計(jì)算的智能體仿真計(jì)算框架

對(duì)任意智能體而言，每一次更新計(jì)算過(guò)程中，除與環(huán)境交換信息外，其計(jì)算過(guò)程均可獨(dú)立進(jìn)行。因此，可構(gòu)建多個(gè)計(jì)算容器，建立容器間的信息交換連接接口，使智能體在容器內(nèi)可通過(guò)信息交換連接接口與其他智能體進(jìn)行信息交換，即可將多個(gè)仿真環(huán)境中的智能體分布在多個(gè)計(jì)算容器內(nèi)，利用多個(gè)計(jì)算容器的計(jì)算能力進(jìn)行仿真，以提高仿真的計(jì)算效率。

本文通過(guò)分布式計(jì)算的方式，將系統(tǒng)中的智能體平均分配至各個(gè)已有的計(jì)算容器中，構(gòu)成計(jì)算集群。通過(guò)網(wǎng)絡(luò)代理方式接管集群中計(jì)算容器間智能體對(duì)環(huán)境信息的獲取。同時(shí)，建立一個(gè)仿真控制器，連接至網(wǎng)絡(luò)代理；構(gòu)建屬性導(dǎo)入方法，將初始智能體屬性通過(guò)網(wǎng)絡(luò)代理下發(fā)至各計(jì)算容器構(gòu)建智能體；構(gòu)建仿真驅(qū)動(dòng)方法，用以控制所有計(jì)算容器并同步所有智能體更新；在仿真進(jìn)行過(guò)程中，仿真控制器將對(duì)每一智能體的屬性值進(jìn)行匯總輸出，保留至仿真數(shù)據(jù)庫(kù)中。在計(jì)算集群中，智能體接收到仿真控制器的計(jì)算命令后，調(diào)用計(jì)算容器的計(jì)算資源，結(jié)合更新模型更新自身屬性。構(gòu)建的智能體模型分布式仿真框架如圖4 所示。

圖4 基于分布式計(jì)算的智能體仿真計(jì)算框架Figure 4 The agent simulation computing framework based on distributed computing

以上構(gòu)建的智能體仿真模型的優(yōu)點(diǎn)如下所示。

1) 實(shí)體模型構(gòu)建更加真實(shí)。

相較于傳統(tǒng)仿真抽象的規(guī)律描述方式，基于BDI 模型構(gòu)建的智能體模型具備更加細(xì)致的行為描述能力，結(jié)合智能體的自主學(xué)習(xí)模型，使得仿真模型具有更加符合現(xiàn)實(shí)實(shí)體行為規(guī)律的潛力。

2) 支持多類實(shí)體混合仿真。

該智能體模型具備描述任意具有自我推理和決策行為的實(shí)體的能力，行人、車輛等實(shí)體均具備這種行為，通過(guò)對(duì)智能體自我推理和決策過(guò)程的具象描述，即可搭建多類仿真智能體模型，實(shí)現(xiàn)在單個(gè)仿真內(nèi)多類實(shí)體的仿真推演。

3) 支持更大規(guī)模實(shí)體仿真。

傳統(tǒng)仿真軟件如Anylogic、Pathfinder 等，在行人仿真計(jì)算中，對(duì)計(jì)算性能的利用都局限于單臺(tái)計(jì)算機(jī)上。本文通過(guò)智能體分布式計(jì)算方式，充分利用多臺(tái)計(jì)算機(jī)的計(jì)算資源協(xié)同推進(jìn)仿真，可支撐更大規(guī)模的仿真需求。

2 行人智能體模型誤差評(píng)估實(shí)驗(yàn)

為評(píng)估智能體仿真計(jì)算框架中行人運(yùn)動(dòng)軌跡的誤差，以某校食堂為實(shí)驗(yàn)場(chǎng)景，以133 名志愿者為實(shí)驗(yàn)對(duì)象，開展室內(nèi)行人運(yùn)動(dòng)測(cè)試。實(shí)驗(yàn)過(guò)程中，為志愿者定義了各自的任務(wù)序列，志愿者需按照任務(wù)序列完成到達(dá)指定位置或服務(wù)臺(tái)的任務(wù)。實(shí)驗(yàn)采集了133 名志愿者在實(shí)驗(yàn)場(chǎng)景中的運(yùn)動(dòng)時(shí)空軌跡，共3 296 份數(shù)據(jù)，采集時(shí)長(zhǎng)為25 min。將志愿者的開始時(shí)空斷面位置、結(jié)束時(shí)空斷面位置作為行人智能體的任務(wù)，啟動(dòng)仿真獲得仿真中志愿者的行走軌跡。

對(duì)每一行人智能體，令任意行人的第j條實(shí)際軌跡時(shí)空數(shù)據(jù)為qj。

其中，xj、yj、tj分別為該行人的第j條實(shí)際軌跡的橫坐標(biāo)、縱坐標(biāo)、到達(dá)位置時(shí)間。

令行人智能體仿真中行人的第k條仿真軌跡時(shí)空數(shù)據(jù)為。

行人智能體運(yùn)動(dòng)軌跡誤差評(píng)估指標(biāo)為

其中，K為行人仿真軌跡數(shù)據(jù)標(biāo)簽集合。

該指標(biāo)描述了單位仿真步長(zhǎng)下行人智能體與實(shí)際行人運(yùn)動(dòng)的平均誤差距離。其中，仿真步長(zhǎng)為1 s，誤差距離單位為m，指標(biāo)單位為m/s。

使用上述指標(biāo)對(duì)所有智能體的仿真運(yùn)動(dòng)軌跡進(jìn)行誤差評(píng)估，得到誤差直方圖如圖5 所示。其中，91%行人智能體的運(yùn)動(dòng)誤差落在[0,12.6]的范圍內(nèi)；9%行人智能體產(chǎn)生了大于12.6 m/s 的運(yùn)動(dòng)誤差，即大部分行人智能體在單次仿真下產(chǎn)生的平均偏差小于12.6 m/s。這說(shuō)明本文建立的行人智能體動(dòng)作決策和實(shí)施模型能夠在較小的誤差范圍內(nèi)擬合行人在設(shè)施內(nèi)部的運(yùn)動(dòng)行為。

圖5 行人智能體模型運(yùn)動(dòng)誤差Figure 5 Motion errors of the pedestrian agent model

3 基于樞紐站場(chǎng)旅客流線仿真的設(shè)施優(yōu)化

樞紐站場(chǎng)運(yùn)營(yíng)過(guò)程中，在客流水平較低時(shí)期，通過(guò)減少各類服務(wù)設(shè)施的開放數(shù)量，可減少運(yùn)營(yíng)成本；在客流水平較高時(shí)期，樞紐站場(chǎng)的服務(wù)設(shè)施開放量應(yīng)滿足旅客站內(nèi)的服務(wù)需求，提高旅客在樞紐站內(nèi)的服務(wù)體驗(yàn)。樞紐站場(chǎng)的旅客進(jìn)站流程分為實(shí)名驗(yàn)證、乘坐扶梯、安檢候車。其中，實(shí)名驗(yàn)證過(guò)程中的閘機(jī)數(shù)量和安檢候車過(guò)程中的安檢通道開放數(shù)量會(huì)影響旅客在站內(nèi)的服務(wù)體驗(yàn)和站場(chǎng)運(yùn)營(yíng)成本。為降低設(shè)施運(yùn)營(yíng)成本并提高旅客在站內(nèi)的服務(wù)體驗(yàn)，以廣州南站作為仿真場(chǎng)景，基于站場(chǎng)實(shí)際運(yùn)營(yíng)數(shù)據(jù)，通過(guò)上述智能體仿真計(jì)算框架構(gòu)建樞紐站旅客流線仿真。

廣州南站的日常規(guī)旅客出行量約為15 萬(wàn)人，主要集中于8 時(shí)至20 時(shí)。取2021 年12 月15 日廣州南站的實(shí)際入站客流數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，當(dāng)日入站旅客總量為165 306 人，每小時(shí)客流分布如圖6所示。根據(jù)廣州南站實(shí)際建筑布局和設(shè)施部署情況，實(shí)驗(yàn)中于廣州南站模型的一層實(shí)名驗(yàn)證的東北區(qū)、東南區(qū)、西北區(qū)、西南區(qū)，分別部署了17、15、16、15 臺(tái)實(shí)名驗(yàn)證設(shè)備；在一層與二層換層接駁處、二層與三層換層接駁處均部署3 臺(tái)雙向扶梯；在三層的候車區(qū)入閘處共計(jì)部署44 處安檢閘機(jī)?；诜植际阶灾鲗W(xué)習(xí)智能體模型的樞紐站旅客流線仿真如圖7 所示。根據(jù)仿真獲取設(shè)施運(yùn)營(yíng)成本和旅客站內(nèi)運(yùn)動(dòng)時(shí)間，通過(guò)調(diào)整優(yōu)化實(shí)名驗(yàn)證閘機(jī)和安檢閘機(jī)的開放數(shù)目及時(shí)間計(jì)劃表，達(dá)到最小化樞紐站的設(shè)施運(yùn)營(yíng)成本和旅客站內(nèi)通行時(shí)間的目標(biāo)。

圖6 客流需求和優(yōu)化方案Figure 6 Passenger flow demand and optimization solutions

圖7 廣州南站“實(shí)名驗(yàn)證”、“乘坐扶梯”、“安檢候車”仿真 (下)、廣州南站旅客進(jìn)站仿真 (上)Figure 7 The passenger simulation of Guangzhou South Railway Station (top), the simulation of "Real-Name Verification", "Escalator Riding","Security Checking and Waiting" in Guangzhou South Railway Station (bottom)

優(yōu)化模型為

其中，m為所有設(shè)施總體運(yùn)行時(shí)間；l為旅客在站內(nèi)的平均通行時(shí)間；a1、a2分別為設(shè)施成本和通行時(shí)間成本的權(quán)重；F為廣州南站旅客流線仿真模型；Q、S分別為實(shí)名驗(yàn)證閘機(jī)、安檢閘機(jī)的開放數(shù)目時(shí)間表；F為進(jìn)站旅客數(shù)目時(shí)間表；f4,f5,···,f22分別表示廣州南站一天內(nèi)從4:00, 5:00, ···, 22:00 起始1 h 內(nèi)的進(jìn)站旅客數(shù)；q4,q5,···,q22表示對(duì)應(yīng)時(shí)間段內(nèi)實(shí)名驗(yàn)證閘機(jī)開放數(shù)；s4,s5,···,s22表示對(duì)應(yīng)時(shí)間段內(nèi)安檢閘機(jī)開放數(shù)；M1和M2分別是實(shí)名驗(yàn)證閘機(jī)和安檢閘機(jī)的數(shù)目。

輸入的客流需求及優(yōu)化結(jié)果如圖6 所示。圖6的客流需求為平峰時(shí)間段下的每小時(shí)進(jìn)站旅客數(shù)。根據(jù)優(yōu)化結(jié)果可知，閘機(jī)開放數(shù)量與旅客數(shù)量成正比，在高客流時(shí)期應(yīng)開放更多閘機(jī)口，且實(shí)名驗(yàn)證與安檢閘機(jī)的平均服務(wù)時(shí)間相似，求得兩類閘機(jī)的開放數(shù)目也接近。

優(yōu)化前后所有閘機(jī)的平均排隊(duì)長(zhǎng)度對(duì)比如圖8所示。可見在應(yīng)用優(yōu)化方案后，閘機(jī)的平均排隊(duì)長(zhǎng)度增加幅度較小，對(duì)旅客在樞紐站內(nèi)的運(yùn)動(dòng)不會(huì)造成較大影響。同時(shí)，相對(duì)于所有閘機(jī)開放的運(yùn)營(yíng)方案，選擇性開啟閘機(jī)的方案節(jié)省了大量閘機(jī)運(yùn)營(yíng)的成本，使閘機(jī)的負(fù)載率由100%降低至57%。

圖8 優(yōu)化前后閘機(jī)平均排隊(duì)長(zhǎng)度Figure 8 Average queue lengths of gates before and after optimization

因此，在客流平峰期，南站可參照?qǐng)D6 中實(shí)名驗(yàn)證設(shè)施和安檢通道開放數(shù)目，調(diào)節(jié)站場(chǎng)的設(shè)施開放數(shù)目，降低站場(chǎng)的設(shè)施開放運(yùn)營(yíng)成本。

4 結(jié)論與展望

本文基于BDI 模型構(gòu)建一種具備自主學(xué)習(xí)能力的智能體模型框架，結(jié)合其分布式仿真驅(qū)動(dòng)，可支持規(guī)模大、種類多、邏輯復(fù)雜的實(shí)體仿真。在此基礎(chǔ)上，以樞紐站場(chǎng)的客流組織優(yōu)化工作為背景，構(gòu)建樞紐站場(chǎng)的要素智能體模型，同時(shí)評(píng)估了行人智能體模型的誤差。搭建了基于廣州南站的“實(shí)名驗(yàn)證”、“乘坐扶梯”、“安檢候車”流程的旅客流線仿真模型，構(gòu)建設(shè)施計(jì)劃表優(yōu)化模型獲得了廣州南站各類設(shè)施的服務(wù)計(jì)劃表。本文得到以下結(jié)論。1) 通過(guò)本文建立的智能體模型及其構(gòu)造方法可支撐樞紐站內(nèi)的行人流線仿真，以較低的誤差模擬行人在設(shè)施內(nèi)的運(yùn)動(dòng)行為；2) 廣州南站的入站流線的設(shè)施能夠滿足日常運(yùn)營(yíng)的入站客流需求，多余的設(shè)施能力能夠通過(guò)設(shè)施優(yōu)化方案得以節(jié)省。

本文僅對(duì)站內(nèi)旅客的行為進(jìn)行整體的建模，未考慮到不同出行需求、不同出行時(shí)間下的旅客群體的行為差異。從站場(chǎng)運(yùn)營(yíng)服務(wù)的靈活性來(lái)看，考慮旅客行為的差異性，有助于站場(chǎng)更加靈活調(diào)整站內(nèi)設(shè)施部署方案，提供更加穩(wěn)定的出行服務(wù)。未來(lái)工作將從旅客群體角度出發(fā)構(gòu)建旅客模型，進(jìn)一步提升對(duì)站場(chǎng)旅客的描述水平。