郁彤彤，王 坚，陈晓薇

(同济大学 CIMS研究中心，上海 201804)

发生突发事件时，能否高效安全疏散直接关系到公众生命财产安全，是对安保能力的巨大挑战。因此，研究人群的安全有序疏散，建立合理安全快速的疏散模型并利用计算机进行模拟仿真，是国内外一直以来的重要研究课题。目前人群疏散模型主要分为微观模型[1-2]、介观模型[3]和宏观模型[4]。由于微观疏散模型以个体建模为出发点，能够对复杂动态疏散环境中个体间的微观相互作用进行描述，在目前研究中更为广泛。

相比社会力、元胞自动机等微观模型，群智能疏散模型由于模型简单、运算速度快、且能够较真实的模拟行人运动等优点，为越来越多学者关注。Aymaz等[5]针对火灾疏散场景，采用PSO算法对疏散路径进行了优化；王超等[6]基于静态地面场模型和粒子群优化模型，构建了地面场PSO(FF-PSO)人群疏散模型，可用于高密度人群的拥挤管理和快速疏散问题；Yamamoto等[7]使用蚁群算法对东京市中心的疏散路线安全性进行了量化评估；Yan等[8]构建了一种基于ACO算法的实时消防疏散系统(RFES-ACO)，公众可以使用移动Web3D设备顺畅地实时体验火灾疏散演练。

然而这些模型大多只考虑了粒子群算法、蚁群算法等单一的经典算法，不足以描述复杂的群体疏散行为，且应用新型群智能算法进行人群疏散建模的研究较少。由于生物群体动力学与人群疏散动力学具有一定的相似性[9]，许多新型群智能算法十分适合描述疏散中的不同场景。……