郑瑶辰 陈建桥 魏俊红 郭细伟

（华中科技大学力学系 武汉 430074） （工程结构分析与安全评定湖北省重点实验室 武汉 430074）

目前，人员疏散模型的建模方法大致可分为2种：一种是宏观的方法，即把人群视为连续流动介质，利用Navier－Stokes控制方程来描述人群的运动，但此方法忽略了疏散人群中个体的作用和个体间的差异；另一种是微观的方法，如社会力模型［1］和元胞自动机模型［2－4］.格子气模型（LGA）是元胞自动机的一种特殊形式.在格子气模型中，每个行人在栅格中被视为自主粒子.LGA可以再现拥挤的人群在疏散过程中的某些特征［5］.Izquierdo等提出在模拟人员疏散过程的时候使用粒子群算法（particle swarm optimization，PSO）模型.PSO模型属于微观建模方法，将行人抽象为粒子，并利用自身最优以及群体最优的信息，不断向出口靠近并完成疏散［6］.本文对PSO方法用于人员疏散进行拓展，考虑局部密度对个体最大速度和保有区域的影响，建立时空非均匀人员疏散动力学数值模型，提出理想化流程思想以及人员受伤理论.其成果可以为大型公共建筑的防灾设计、安全疏散性能评估、日常管理和应急管理提供依据.

1 PSO方法描述

粒子群优化算法是一种进化型算法，原始的想法是模拟一群鸟试图到达一个未知目的地（如食物位置）的社会行为［7］.利用粒子群算法来模拟人群疏散的问题中，目的地就是疏散区域的某个出口，“粒子”理解为公共空间里每个移动的人.模拟过程中首先由计算机生成等同于人群数目的粒子，并随机分布在目标区域，然后粒子根据自己个体和社会行为规则，随时间进行位置更新（进化），朝向目的地移动.