基于免疫協(xié)同進(jìn)化的軌道交通樞紐緊急疏散框架與流程設(shè)計(jì)

李 偉，許 強(qiáng)，徐 凱，張 穎

（重慶交通大學(xué)信息科學(xué)與工程學(xué)院，重慶 400074）

近幾年來，隨著重慶等國內(nèi)中心城市的大規(guī)模城市軌道項(xiàng)目的施工與運(yùn)行，軌道交通樞紐越發(fā)凸顯作為大型人群集散設(shè)施的作用，在一個旅客人群密度較高且相對封閉的空間中，如何采取合理的技術(shù)和管理措施，在出現(xiàn)突發(fā)情況時，將封閉空間中的人員安全、迅速地疏散到開闊地帶，保障軌道交通運(yùn)輸系統(tǒng)的順利運(yùn)行，是一個新的重要課題。在國內(nèi)現(xiàn)有的地鐵等軌道交通設(shè)計(jì)規(guī)范中，針對城市軌道交通樞紐車站在突發(fā)事件下旅客安全疏散的時間標(biāo)準(zhǔn)涉及較少，如我國現(xiàn)行《地鐵設(shè)計(jì)規(guī)范》（由國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局和建設(shè)部于2003年5月30日聯(lián)合發(fā)布）中，對于突發(fā)事件下，是否能按照此規(guī)范規(guī)定的疏散時間將旅客人員從站臺疏散到站廳、從站廳疏散到站外開闊地帶，并沒有明確的規(guī)定。

當(dāng)前國際上已建立和正開發(fā)的人員疏散模型約有22種，如將模型中所有人作為具有共同特性的群體加以分析和模擬的WAYYOUT 模型、EVACNET 模型、EXIT89 模型等，研究大多是基于元胞自動機(jī)模型的微觀模擬，可在一定程度考慮到個人行為間的差異，使疏散過程的展現(xiàn)更為直觀，容易理解。如李伏京等［1］基于車輛環(huán)境約束以及人員行為特性建立的人員速度可變、能以自組織現(xiàn)象修正人員行為的元胞自動機(jī)模型；譚惠麗等［2］基于碰撞規(guī)則與人員方向選擇行為的元胞自動機(jī)模型，可實(shí)現(xiàn)出口寬度與人員疏散時間的計(jì)算；Pursals等［3］通過優(yōu)化疏散路徑求取更好的疏散時間；Candy［4］分析了公交站點(diǎn)疏散中的等候時間；劉棟棟等［5］研究了基于人員從眾心理下的疏散行為效應(yīng)；張琦等［6］利用勢能場建立了地鐵站臺乘客行為模式；刑彥林［7］通過對影響疏散效果的空間布局、設(shè)施配置因素等進(jìn)行多方面的分析，已經(jīng)形成了一些連通人流流量、人群密度和人流平均速度的模型算法，但較少涉及基于旅客人群應(yīng)急分布特征和疏散措施通行能力的實(shí)時協(xié)同疏散誘導(dǎo)控制決策策略和方法研究，同時城市軌道交通樞紐各疏散裝置往往相距較近，旅客聚集度大，應(yīng)急疏散流存在互相影響關(guān)系，各應(yīng)急設(shè)施缺少實(shí)時聯(lián)動性，對于如何合理地進(jìn)行動態(tài)協(xié)同誘導(dǎo)，實(shí)現(xiàn)旅客人員的最佳疏散路徑分配，從而提高應(yīng)急疏散效率尚未得到廣泛深入研究。

本文借鑒免疫協(xié)同進(jìn)化策略，利用多智能代理（Multi-Agent）系統(tǒng)技術(shù)，通過“目標(biāo)協(xié)同”和“進(jìn)化融合”實(shí)施疏散誘導(dǎo)決策，形成開放環(huán)境下的“動態(tài)協(xié)同關(guān)系”，構(gòu)建一種易于協(xié)同進(jìn)化重構(gòu)的軌道交通樞紐緊急疏散框架，使該區(qū)域應(yīng)急疏散誘導(dǎo)系統(tǒng)自身可通過不斷“動態(tài)學(xué)習(xí)”和“協(xié)同進(jìn)化”獲得較好的自適應(yīng)能力，以適應(yīng)復(fù)雜可變環(huán)境的軌道交通樞紐緊急疏散求解的過程，提高人員緊急疏散的效率。

1 疏散智能體知識模型設(shè)計(jì)

1.1 免疫機(jī)制簡介

生物免疫系統(tǒng)是一種卓有成效的自然防御系統(tǒng)，使生物即使在受到它們從未遇到過的新有機(jī)物或外來分子的感染時，也可生存下去。理論免疫學(xué)將上述免疫細(xì)胞識別抗體、活化、分化、增殖抗體以及清除抗原的過程，稱為免疫系統(tǒng)的免疫應(yīng)答過程，分為初次應(yīng)答和再次應(yīng)答兩個過程［8-9］，圖1對上述免疫應(yīng)答過程做了簡單的描述。

圖1中，Ag、Ab、Ap、B、Bm、Th、Ts、Tc分別代表抗原、抗體、吞噬細(xì)胞、B 細(xì)胞、記憶B 細(xì)胞、輔助T 細(xì)胞、抑制T 細(xì)胞和毒性T 細(xì)胞。從信息處理的角度來看，Bm 細(xì)胞和Ap細(xì)胞主要負(fù)責(zé)處理輸入信息，T 細(xì)胞負(fù)責(zé)控制決策，B細(xì)胞負(fù)責(zé)數(shù)據(jù)處理和執(zhí)行，通過免疫細(xì)胞間的相互作用，免疫系統(tǒng)對環(huán)境具有很強(qiáng)的適應(yīng)性。免疫系統(tǒng)具有的識別多樣性，使其使用少量的抗體就可以識別數(shù)量比它大得多的抗原，抗體最優(yōu)的分布情況應(yīng)是以最少的抗體數(shù)量覆蓋幾乎整個抗原空間，細(xì)胞個體在自身進(jìn)化過程中，主要受三個因素的影響：個體親合度、環(huán)境以及與其他個體之間的相互作用。多智能體（Agent）緊急疏散系統(tǒng)也可由多個Agent疏散單元組（EAU）組成，通過個體的進(jìn)化，提高問題求解的效率，使疏散系統(tǒng)適合于復(fù)雜領(lǐng)域問題求解，具有良好的開放性和可維護(hù)性。

1.2 疏散單元組結(jié)構(gòu)

借鑒免疫應(yīng)答過程的信息傳遞機(jī)制，如圖2所示，每一個EAU 由一個管理智能體、感知智能體、疏散特征智能體、決策智能體、協(xié)同進(jìn)化智能體、記憶智能體和通信智能體組成。EAU 中每個Agent都是自治的、實(shí)時性很強(qiáng)的基本框架式模塊單元，需要集成的個人應(yīng)用功能可作為某個Agent的功能模塊，并把它描述知識存入知識庫中，Agent根據(jù)消息來調(diào)用該功能模塊，構(gòu)成特定功能的Agent。

（1）管理智能體。管理智能體在一個EAU 中屬于管理者，主要具有下列能力：同系統(tǒng)管理智能體、其他輔助智能體之間進(jìn)行信息交互；協(xié)調(diào)EAU內(nèi)其他智能體在疏散過程中的響應(yīng)行為；獲取EAU對疏散狀態(tài)的總體評價。

（2）感知智能體。感知智能體是一個綜合狀態(tài)識別系統(tǒng)，具有提取抗原信息特征，形成抗原特征模式的能力。

（3）疏散特征智能體。疏散特征智能體提供本EAU 的疏散特征，并具有對抗原特征模式辯識的能力，在感知智能體識別到疏散環(huán)境（抗原）特征后，同自身的疏散特征模式、疏散協(xié)同因子、疏散特征因子、疏散影響因子等進(jìn)行匹配分析，對出現(xiàn)過的抗原特征模式，與記憶智能體協(xié)作，直接給出相應(yīng)的抗體模式，并將新的抗原特征模式（異常）送管理智能體分析。

（4）決策智能體。決策智能體提供對疏散環(huán)境狀態(tài)的疏散決策，在感知智能體和疏散特征智能體識別到異常狀態(tài)后，綜合各種征兆信息和領(lǐng)域知識，對疏散環(huán)境狀態(tài)進(jìn)行分析，用于啟動疏散決策或EAU 免疫進(jìn)化行為，并將上述疏散決策結(jié)果送與管理智能體，以便于綜合評價。

（5）協(xié)同進(jìn)化智能體。當(dāng)EAU 不能解決當(dāng)前疏散任務(wù)時，管理智能體需要對EAU 中的多智能體進(jìn)行調(diào)整，協(xié)同進(jìn)化智能體優(yōu)化重構(gòu)EAU 中各個智能體的領(lǐng)域知識、模型等，尋求獲得適合當(dāng)前抗原的抗體模式。

（6）記憶智能體。用于創(chuàng)建EAU 的抗體模式庫，在每一種新抗體模式出現(xiàn)后，實(shí)時更新抗體模式庫，增強(qiáng)再次應(yīng)答功能，實(shí)現(xiàn)對已知疏散環(huán)境模式的快速響應(yīng)。

（7）通信智能體。通信智能體基于特定的信息通信模式可依據(jù)其自身特有的動態(tài)監(jiān)控共享信息區(qū)域機(jī)制和管理智能體的信息交互功能需求，實(shí)現(xiàn)EAU 群體間疏散信息的協(xié)同交互和其他任務(wù)信息交流。

1.3 Agent知識粒度結(jié)構(gòu)

基于Agent的BDI理論模型，在免疫疏散領(lǐng)域中，Agent［10］在組織構(gòu)造結(jié)構(gòu)上可表示為五元組Agenti：：=＜IDi，TSi，DKi，IMEi，COMMi＞，組中五元組分別代表智能體標(biāo)識、智能體任務(wù)求解器、智能體領(lǐng)域知識、智能體免疫協(xié)同進(jìn)化、智能體通信。

（1）智能體標(biāo)識。智能體標(biāo)識可表示為IDi：：=＜Name，Role，Preference，Environment＞，由智能體姓名（Name）、角色（Role）、偏好（Preference）、環(huán)境（Environment）四部分組成，是對智能體在系統(tǒng)中身份的約定。其中，偏好＜Preference＞：：=＜Respondence-P，Operation-P，F(xiàn)unction-P，Resource-P＞，由響應(yīng)偏好、行為偏好、功能偏好和資源偏好四部分組成；環(huán)境＜Environment＞：：=＜Position，ES-T，NA-T＞，由智能體位置（Position）、鄰近疏散設(shè)施表（ES-T）和鄰近智能體表（NA-T）三部分組成，是對智能體所處疏散環(huán)境的描述說明。

（2）智能體任務(wù)求解器。智能體任務(wù)求解器可表示為TSi：：=＜T-Aim，PCM，T-D＞，由目標(biāo)（TAim）、規(guī)劃與協(xié)作模塊（PCM）和執(zhí)行機(jī)（T-D）三部分組成。其中，目標(biāo)＜T-Aim＞：：=＜Task-Name，Limitation，Resource＞，用以對任務(wù)進(jìn)行描述，從任務(wù)名稱（Task-Name）、任務(wù)條件（Limitation）和任務(wù)資源（Resource）三個方面進(jìn)行說明；規(guī)劃與協(xié)作模塊＜PCM＞：：=＜Task，Evaluation，Initiation＞，用以對任務(wù)進(jìn)行評估，決定該任務(wù)是否需要和其他智能體協(xié)作完成；執(zhí)行機(jī)＜T-D＞：：=＜Decision，Management，R-Evaluation＞，完成本智能體承擔(dān)的任務(wù)，反映了該智能體任務(wù)求解的全過程，其中Decision、R-Evaluation和Management分別代表廣義上的任務(wù)求解決策、求解流程管理和結(jié)論自我評價，依據(jù)任務(wù)和角色的差異，具體流程各有不同。

（3）智能體領(lǐng)域知識。智能體領(lǐng)域知識可表示為DKi：：=＜S-M，A-M，Knowledge-B，Data-B，Decision-B＞，提供了對智能體局部問題求解的智能支持，由能力表（S-M）、熟人模型（A-M）、領(lǐng)域知識庫（Knowledge-B）、數(shù)據(jù)庫（Data-B）和決策庫（Decision-B）等組成，既可以是獨(dú)立的智能系統(tǒng)，和智能體具有特定的接口，也可內(nèi)嵌在智能體內(nèi)部。其中，能力表＜S-M ＞：：=＜Action，Object，Condition＞，是對智能體自主行為能力的定義，以能力表的形式表示，每一表項(xiàng)表示為＜Action，Object，Condition＞，即該智能體在條件Condition滿足情況下能對Object采取行為Action；熟人模型＜A-M＞：：=＜A-Name，Task，Inputs，Outputs＞，包含熟人姓名、協(xié)作任務(wù)、請求變量和結(jié)果返回值，每個智能體的熟人模型以關(guān)系表形式表示，每一表項(xiàng)構(gòu)成了智能體的一個協(xié)作通道。

（4）智能力免疫協(xié)同進(jìn)化。智能體免疫協(xié)同進(jìn)化可表示為IMEi：：=＜ICE-Aim，Operation，Solution，Evaluation，Pop＞，用于執(zhí)行自身和其他智能體的免疫協(xié)作要求，按照免疫協(xié)同進(jìn)化機(jī)制給出一個問題求解策略。其中，ICE-Aim 代表免疫協(xié)作抗原目標(biāo)；Operation 代表免疫協(xié)同進(jìn)化算子；Solution代表結(jié)論；Evaluation代表評價；Pop代表相應(yīng)的進(jìn)化群體。

（5）智能體通信。智能體通信可表示為COMMi：：=＜CM-Pattern，CM-Data，CM-Process＞，其使用事先約定的格式和規(guī)則，通過消息形式完成功能智能體間的信息交互。其中，CM-Pattern代表通信格式和規(guī)則；CM-Data代表通信消息數(shù)據(jù)內(nèi)容；CM-Process代表通信消息過程處理機(jī)制。

為滿足疏散系統(tǒng)免疫進(jìn)化的需要，各Agent疏散能力知識模型主要按可定量化的疏散參數(shù)類、疏散環(huán)境征兆類、疏散狀態(tài)類和疏散規(guī)則類等形成不同粒度構(gòu)件組織［11］。疏散參數(shù)類組件用于存放反映疏散環(huán)境運(yùn)行狀態(tài)的基本參數(shù)，如溫度﹑濕度、人流量、人密度等；疏散環(huán)境征兆類組件用于存放反映疏散環(huán)境構(gòu)成的基本主體，如空間位置﹑設(shè)施名稱等；疏散狀態(tài)類組件是具有確定信息的一個判斷、關(guān)系表達(dá)式或指令，用以描述知識的一個條件或結(jié)論，是組成知識的基本單位，當(dāng)疏散環(huán)境征兆類組件的疏散參數(shù)類組件被賦值后，就可以得出一個疏散狀態(tài)；疏散規(guī)則類組件的屬性包括規(guī)則名稱、前提、結(jié)論和可信度等，其基本操作有：判斷某一個給定疏散狀態(tài)或結(jié)論是否在疏散規(guī)則的前提或結(jié)論中，計(jì)算總的結(jié)論數(shù)據(jù)，計(jì)算總的前提數(shù)。

根據(jù)上述4個主要可定量化的疏散參數(shù)類、疏散環(huán)境征兆類、疏散狀態(tài)類和疏散規(guī)則類組件的定義，可建立4個主要的定量數(shù)據(jù)表——疏散參數(shù)類組件表、疏散環(huán)境征兆類組件表、疏散狀態(tài)類組件表和疏散規(guī)則類組件表，4個表之間并不是完全相互獨(dú)立的，圖3說明了4種知識粒度組件之間的關(guān)系。

2 疏散協(xié)同組織策略與框架設(shè)計(jì)

復(fù)雜軌道交通樞紐的人員疏散問題中，待疏散軌道交通樞紐結(jié)構(gòu)和疏散環(huán)境狀態(tài)的復(fù)雜程度決定了人員疏散領(lǐng)域問題的復(fù)雜程度，需應(yīng)用多種分析疏散方法實(shí)現(xiàn)高效地疏散人員。復(fù)雜軌道交通樞紐的人員疏散的分布式任務(wù)分解可根據(jù)軌道交通樞紐的結(jié)構(gòu)、疏散環(huán)境狀態(tài)特點(diǎn)進(jìn)行分級分解。結(jié)構(gòu)分解是從空間分布結(jié)構(gòu)組成上，對待疏散的軌道交通樞紐人員對象進(jìn)行分解，把疏散人員對象的空間分布總體結(jié)構(gòu)分布分解為下一層次的子結(jié)構(gòu)，這種分解可以直到最低層次的基本軌道交通樞紐設(shè)施；疏散任務(wù)分解是根據(jù)疏散環(huán)境狀態(tài)類型進(jìn)行分解，下層疏散任務(wù)總是上層疏散任務(wù)的組成部分特例之一，上層疏散任務(wù)則是下層子疏散任務(wù)的概括，這種分解可以直接到最具體的疏散任務(wù)。

2.1 免疫協(xié)同進(jìn)化策略

在協(xié)同疏散過程中，假定在一個時間步長T內(nèi)，在一定的空間范圍內(nèi)，每個EAUi個體隨機(jī)選擇另一個個體EAUj，并觀察其行為模式.當(dāng)EAUi和EAUj個體之間的行為空間距離相差不超過其觀測距離d 時，T+1時間EAUi和EAUj個體之間的行為模式會發(fā)生變化［12-13］?；谌蝿?wù)分解的疏散模型EAUi和EAUj之間的行為交互模式R（EAUi，EAUj）可定性描述如下：

αT=，αT∈［0，1］表示T時刻各行為模式歸一化相似度值

疏散問題的任務(wù)分解原則是子任務(wù)目標(biāo)明確，并且使子任務(wù)之間的耦合盡量少，以減少疏散子任務(wù)的疏散單元之間的協(xié)作、通訊。一般來說，在高層多采用空間分布結(jié)構(gòu)分解，而底層多采用疏散任務(wù)分解，可一直分解到軌道交通樞紐某個基本設(shè)施的一個明確的疏散任務(wù)問題，將得到一個層次結(jié)構(gòu)清晰的軌道交通樞紐疏散任務(wù)樹。

本文借鑒免疫協(xié)同進(jìn)化機(jī)制，針對故障疏散問題求解特點(diǎn)，提出了一種多推理模型協(xié)同進(jìn)化集成疏散策略［13］，如圖4所示。

該疏散策略注重疏散個體間的協(xié)作關(guān)系，簡單疏散問題單獨(dú)一個疏散模型就能解決，在一些復(fù)雜疏散任務(wù)中，可根據(jù)疏散對象的結(jié)構(gòu)、故障特點(diǎn)對人員緊急疏散問題進(jìn)行分解，將疏散任務(wù)劃分為不同的疏散子任務(wù)，根據(jù)已有的不同疏散模塊特點(diǎn)分配不同的疏散子任務(wù)，每個不同EAUi模塊的責(zé)任只是完成系統(tǒng)分配的疏散子任務(wù)。由于各個疏散模型的資源和能力是有限的，自身無法求解出完整疏散方案，具有不同目標(biāo)的多個疏散模型必須對其目標(biāo)、資源使用協(xié)調(diào)重構(gòu)，運(yùn)用多種疏散模型，得出子結(jié)果再進(jìn)行綜合，以協(xié)同完成復(fù)雜疏散問題的求解。疏散協(xié)同體（疏散完全解）的適應(yīng)度確定涉及到對作出疏散結(jié)論的緊急疏散系統(tǒng)評價問題，可使用決策論中的風(fēng)險函數(shù)作為一種評價測量方式［14-15］。

在人員緊急疏散過程中，疏散系統(tǒng)對特定疏散環(huán)境狀態(tài)作出特定決策的損耗，稱之為疏散決策損耗。疏散決策風(fēng)險及損耗主要來自疏散失敗、疏散錯誤等多方面，疏散決策損耗EL 同疏散環(huán)境狀態(tài)參數(shù)ep、疏散決策ed（包括疏散失敗、疏散錯誤、成功疏散等）密切相關(guān)。疏散決策損耗可記為函數(shù)EL（ed，ep）=λ（δ（ed，ep）），其中，ed∈｛無疏散，疏散失敗，疏散錯誤，部分疏散失敗，疏散成功、疏散未知｝；ep∈｛無疏散，疏散環(huán)境狀態(tài)模式1，疏散環(huán)境狀態(tài)模式2，…，疏散環(huán)境狀態(tài)模式n-1｝；δ（ed，ep）為疏散規(guī)則，同ep 和ed 的組合關(guān)系決定EL（ed，ep）的不同取值；λ為疏散規(guī)則δ（ed，ep）同其疏散決策損耗EL（ed，ep）之間的上述特定取值映射關(guān)系。

根據(jù)最小風(fēng)險貝葉斯決策理論，在當(dāng)前疏散環(huán)境信息數(shù)據(jù)為EX、疏散規(guī)則為δ（ed，ep）的前提下，疏散協(xié)同體（疏散完全解）風(fēng)險具體計(jì)算步驟為

將疏散協(xié)同體（疏散完全解）的適應(yīng)度加到每個構(gòu)成疏散協(xié)同體的疏散個體的適應(yīng)度變量上，每個疏散個體的平均適應(yīng)度值等于累計(jì)適應(yīng)度值除以參與協(xié)同疏散的次數(shù)。

2.2 緊急疏散系統(tǒng)框架

多Agent緊急疏散系統(tǒng)框架可描述為MAES=｛SM-Agent、MP-Agent、TR-Agent、TC-Agent、TAAgent、AFAU、EAU1、…、EAUK…、AFDUN｝，其中SM-Agent為系統(tǒng)管理智能體；MP-Agent為信息處理智能體；TR-Agent為任務(wù)分解智能體；TC-Agent為任務(wù)控制智能體；TA-Agent為疏散評價智能體；AFAU 為輔助智能體單元組；其他為緊急疏散單元組，具體見圖5。

圖5中，SM-Agent主要負(fù)責(zé)緊急疏散系統(tǒng)管理與協(xié)調(diào)，監(jiān)督疏散單元組EAU 的工作狀態(tài)，提高整個疏散系統(tǒng)的適應(yīng)性；MP-Agent主要負(fù)責(zé)疏散信息處理形成疏散任務(wù)需求；TR-Agent對當(dāng)前的疏散任務(wù)進(jìn)行評價，決定是否和怎樣分解為相關(guān)的子任務(wù)集，便于診斷問題求解；TC-Agent采用相關(guān)控制策略，控制疏散任務(wù)執(zhí)行過程；TA-Agent完成對疏散整體方案的評價，確定各相關(guān)EAU 的進(jìn)化方向；AFAU 為輔助智能體單元組，組中包括通信智能體、界面交互智能體、知識處理智能體等，它們主要協(xié)助SM-Agent完成一系列任務(wù)，如人機(jī)交互、知識編輯等；各緊急疏散單元組EAU 負(fù)責(zé)對疏散子任務(wù)的識別和處理，具體實(shí)現(xiàn)系統(tǒng)的緊急疏散任務(wù)。

MAES系統(tǒng)采用的協(xié)同進(jìn)化策略具有分離性和并行性的問題求解特點(diǎn)方式，適合采用并行任務(wù)控制策略：疏散系統(tǒng)從疏散任務(wù)樹的頂端開始，先啟動疏散全局任務(wù)線程，再根據(jù)其子任務(wù)情況啟動疏散子任務(wù)線程；子任務(wù)線程再啟動其下層的子任務(wù)線程，這樣直到疏散任務(wù)樹中位于最底層的疏散子任務(wù)；當(dāng)疏散任務(wù)樹中的所有子任務(wù)均結(jié)束后，疏散全局任務(wù)順利完成。

軌道交通樞紐緊急疏散系統(tǒng)MAES的工作流程［16］如下：

（1）系統(tǒng)初始化，各疏散單元組EAUi初始化，記憶Agent建立本EAUi的抗體模式庫EY。

（2）在t=Tk時刻，MP-Agent處理軌道樞紐環(huán)境疏散信息，形成當(dāng)前疏散任務(wù)；TR-Agent分析疏散任務(wù)，獲得各疏散子任務(wù)集；TC-Agent分配疏散子任務(wù)給相應(yīng)EAUi。

（3）相應(yīng)的EAUi開始執(zhí)行疏散子任務(wù)過程，具體步驟如下：①管理Agent判斷EAUi是否進(jìn)化，若需要，則進(jìn)化Agent優(yōu)化重構(gòu)EAUi中各個Agent的領(lǐng)域知識、模型等，尋求獲得適合當(dāng)前抗原的抗體模式；②感知Agent接收抗原（診斷子任務(wù)）信息，提取、形成疏散環(huán)境狀態(tài)抗原特征EX；③疏散特征Agent對已形成的抗原特征EX 進(jìn)行匹配分析，如果EX?EY，向管理Agent請求進(jìn)一步的解決，如果EX∈EY，已有解決方案（抗體），和記憶Agent配合進(jìn)行再次應(yīng)答，轉(zhuǎn)步驟⑤；④管理Agent和協(xié)同進(jìn)化Agent綜合獲得疏散環(huán)境狀態(tài)信息、已有疏散知識、免疫進(jìn)化策略等，完成子任務(wù)，得出當(dāng)前疏散子結(jié)論；⑤管理Agent向TE-Agent提交疏散子結(jié)論。

（4）TA-Agent合成疏散子結(jié)論，進(jìn)行完全解適應(yīng)度評價，將評價結(jié)果送系統(tǒng)管理智能體SMAgent。

（5）SM-Agent判斷疏散完全解是否滿足要求；不滿足，對EAUi提出進(jìn)化要求，轉(zhuǎn)步驟③。

（6）SM-Agent向EAU 中的管理Agent發(fā)出疏散完成信息，記憶Agent更新本EAUi抗體模式庫EY。

軌道交通樞紐緊急疏散系統(tǒng)MAES的上述運(yùn)行機(jī)理，充分利用了免疫細(xì)胞在免疫應(yīng)答過程中的學(xué)習(xí)、記憶、進(jìn)化等特性，以此構(gòu)建的軌道交通樞紐疏散系統(tǒng)具有更強(qiáng)的靈活性、適應(yīng)性和更新性，適用于復(fù)雜環(huán)境下的緊急疏散任務(wù)。

3 結(jié)論

為了改變現(xiàn)有疏散系統(tǒng)在集成化方面的不足之處，提高軌道交通樞紐緊急疏散系統(tǒng)的效率，本文借鑒了免疫協(xié)同進(jìn)化機(jī)制，提出了一種基于免疫協(xié)同進(jìn)化集成疏散策略，構(gòu)建了結(jié)構(gòu)靈活、具有一定異常處理能力的緊急疏散組織模式和系統(tǒng)框架，為軌道交通樞紐疏散系統(tǒng)中的緊急狀態(tài)識別并記憶、疏散決策進(jìn)化等人員緊急疏散核心問題的求解，提供了一種新的可行方案。

［1］李伏京，方衛(wèi)寧.磁懸浮車輛中人員緊急疏散的仿真研究［J］.中國安全科學(xué)學(xué)報，2005，15（8）：17-20，115.

［2］譚惠麗，邱冰，劉慕仁，等.房間內(nèi)人群疏散過程的元胞自動機(jī)研究［J］.廣西師范大學(xué)學(xué)報（自然科學(xué)版），2004，22（4）：1-4.

［3］Pursals S C，Garzon F G.Optimal building evacuation time considering evacuation routes［J］.European Journal of Operational Research，2009（2）：692-699.

［4］Candy M Y.Waiting time in emergency evacuation of crowded public transport terminals［J］.Safety Science，2008（5）：844-857.

［5］劉棟棟，劉金亮，張遠(yuǎn)青.基于從眾心理影響的交通樞紐人員疏散［J］.消防科學(xué)與技術(shù)，2011，30（10）：889-893.

［6］張琦，韓寶明，李得偉.地鐵樞紐站臺的乘客行為仿真模型［J］.系統(tǒng)仿真學(xué)報，2007，19（22）：20-20.

［7］刑彥林.城市軌道交通換乘樞紐站安全疏散模擬分析［J］.中國鐵路，2012（1）：81-85.

［8］Costa B P J，Dente J A，Vilela M R.Using immunology principles for fault detection［J］.IEEE Transaction on Industrial Electronics，2003，50（2）：362-373.

［9］莫宏偉.人工免疫系統(tǒng)原理與應(yīng)用［M］.黑龍江：哈爾濱工業(yè)大學(xué)出版社，2002.

［10］樊友平，黃席樾，柴毅，等.基于細(xì)胞免疫應(yīng)答理論重建故障診斷智能體［J］.系統(tǒng)仿真學(xué)報，2003，15（1）：50-55.

［11］Ren M L，Yang S L.On building of an architecture of the information system［J］.Journal of Hefei University of Technology，2002，25（1）：124-125.

［12］李智，樊運(yùn)曉.基于系統(tǒng)思考的“7.23”動車事故主體行為模式分析［J］.安全與環(huán)境工程，2014，21（2）：124-129.

［13］李蒙，丁凌靈，林從謀，等.采用演化博弈的地質(zhì)災(zāi)害人員疏散仿真［J］.華僑大學(xué)學(xué)報（自然科學(xué)版），2013，34（3）：324-328.

［14］Nyberg M.Automatic design of diagnosis systems with application to an automotive engine［J］.Control Engineering Practice，1999，7（2）：993-1005.

［15］曾笑雨，劉蘇，張奇.基于事故統(tǒng)計(jì)分析的城市軌道交通運(yùn)營安全和可靠性研究［J］.安全與環(huán)境工程，2012，19（1）：90-94.

［16］馬笑瀟，黃席樾，柴毅，等.免疫Agent概念與模型［J］.控制與決策，2002，17（4）：509-512.