大型校園人群行為仿真與管控優(yōu)化技術(shù)

陳 劍，李東芮，王 靜，鐘競(jìng)輝

(1. 肇慶醫(yī)學(xué)高等專(zhuān)科學(xué)校，廣東 肇慶526020；2. 華南理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，廣東 廣州 510000；3. 中新國(guó)際聯(lián)合研究院，廣東廣州 510000)

1 引言

人群行為仿真是利用人群行為模型來(lái)模擬人群在特定場(chǎng)景中的宏觀或微觀行為的過(guò)程[1]。隨著社會(huì)經(jīng)濟(jì)的發(fā)展和城鎮(zhèn)化進(jìn)程的加快，人群密集的大型公共場(chǎng)所(如火車(chē)站、飛機(jī)場(chǎng)和大型商場(chǎng)等)的數(shù)量急劇增加。利用人群行為模型對(duì)大型公共場(chǎng)所進(jìn)行仿真與優(yōu)化成為當(dāng)前各國(guó)政府和學(xué)術(shù)界都十分關(guān)注的熱點(diǎn)研究問(wèn)題[2]-[4]?？煽康娜巳盒袨槟Ｐ涂捎糜陬A(yù)測(cè)大型公共場(chǎng)所中人群的分布和密度、人群疏散的瓶頸區(qū)域等，從而輔助場(chǎng)所的管理人員提前做好應(yīng)對(duì)措施，防止發(fā)生公共安全事故，同時(shí)也可以對(duì)場(chǎng)所的布局合理性進(jìn)行評(píng)估和優(yōu)化等。目前，人群行為仿真已被成功用于飛機(jī)場(chǎng)和旅游區(qū)等公共場(chǎng)所的仿真，取得了令人鼓舞的應(yīng)用成效[5]-[10]。

然而，人群行為仿真在校園安全方面的應(yīng)用還比較缺乏，目前尚未有基于人群行為仿真的大型校園人群管控應(yīng)用?，F(xiàn)有的基于ZigBee技術(shù)的校園實(shí)時(shí)監(jiān)控主要專(zhuān)注于幫助安保人員在異常事件發(fā)生后盡快采取措施，但無(wú)法預(yù)測(cè)未來(lái)將要出現(xiàn)的異常，也無(wú)法預(yù)測(cè)在假定場(chǎng)景下的人群行為[11]。因此，如何利用人群行為仿真技術(shù)對(duì)大型校園人群行為進(jìn)行預(yù)測(cè)和管控優(yōu)化，實(shí)現(xiàn)校園人群智慧管控，是智慧校園建設(shè)亟待研究的課題。

針對(duì)上述問(wèn)題，本文提出了一個(gè)通用的大型校園人群行為仿真與管控優(yōu)化框架，并以肇慶醫(yī)學(xué)高等專(zhuān)科學(xué)校北嶺新校區(qū)為例進(jìn)行仿真，驗(yàn)證了所提出方案的可行性和有效性。

2 相關(guān)工作

本文旨在提出校園人群行為仿真與管控優(yōu)化技術(shù)。因此，本小節(jié)對(duì)人群行為的研究現(xiàn)狀以及相關(guān)應(yīng)用領(lǐng)域進(jìn)行概述。

2.1 人群行為建模與仿真

人群行為建模旨在定義特定場(chǎng)景下的人群行為，相對(duì)其它建模問(wèn)題更有挑戰(zhàn)性，因?yàn)槿巳旱男袨椴坏艿轿锢?、心理和社?huì)的影響[1]，還涉及到路線(xiàn)規(guī)劃、碰撞避免等復(fù)雜的行為。人群行為建模的方法可分為宏觀行為建模與微觀行為建模兩大類(lèi)。宏觀的建模方法將人群視作整體，幾乎不關(guān)注內(nèi)部行人自身的特點(diǎn)及人與人之間的作用，而是用宏觀的特征來(lái)描述人群，比如基于流的模型[12]。微觀的建模方法則關(guān)注人群中個(gè)體的微觀行為，常見(jiàn)的方法包括基于元胞自動(dòng)機(jī)的方法[15]和基于智能體的方法[13][14][16]。其中，基于智能體的方法用具有智能的、與人的行為相似的智能體來(lái)代表行人，通過(guò)設(shè)定智能體的行為規(guī)則來(lái)獲得微觀和宏觀的群體行為，具有建模靈活和建模質(zhì)量高等優(yōu)點(diǎn)，是當(dāng)前人群行為建模的主流方法。

2.2 碰撞避免模型

碰撞避免模型通常被用于人群行為模型的底層，以實(shí)現(xiàn)人與人、人與物之間的碰撞避免。社會(huì)力模型[13]是一種經(jīng)典的碰撞避免模型，它認(rèn)為行人受到來(lái)自障礙物的斥力和來(lái)自目的地的引力，人的速度變化同時(shí)受到這些力的影響。另一種常用的模型是基于射線(xiàn)的碰撞避免方法RVO2[14]。與RVO2模型相比，社會(huì)力模型具有模型結(jié)構(gòu)簡(jiǎn)單，建模過(guò)程靈活性高和建模質(zhì)量好等特點(diǎn)。因此，本文采用社會(huì)力模型來(lái)實(shí)現(xiàn)底層的碰撞避免機(jī)制。下面簡(jiǎn)要介紹社會(huì)力模型的原理，更詳細(xì)的內(nèi)容可參閱[13]。

在社會(huì)力模型中，個(gè)體受到的合力由式(1)給出

(1)

障礙物分為兩類(lèi)，一類(lèi)是動(dòng)態(tài)障礙物，即其他行人，另一類(lèi)是靜態(tài)障礙物，即場(chǎng)景內(nèi)的墻壁、裝飾等短期內(nèi)不會(huì)發(fā)生變動(dòng)的障礙物。行人與行人之間的力由式(2)給出

(2)

-κg(ri-diW)(vitiW)tiW#

(3)

其中，式子右邊的第一部分表示行人i與墻體W連線(xiàn)方向上的力，第二部分則表示行人i與墻體W之間的滑動(dòng)摩擦力。同樣，當(dāng)行人與墻體沒(méi)有接觸時(shí)，壓力與滑動(dòng)摩擦力均為零。式(2)和(3)表明，行人之間或行人與靜態(tài)障礙物之間的距離越小，行人受到的斥力越大，行人越有遠(yuǎn)離障礙物的趨勢(shì)。當(dāng)行人與障礙物有了接觸時(shí)，會(huì)受到滑動(dòng)摩擦力摩擦力和強(qiáng)大的壓力。上述特點(diǎn)與一般的認(rèn)知是吻合的。社會(huì)力模型屬于基于智能體的算法，社會(huì)力模型與路徑導(dǎo)航算法相結(jié)合后，仿真中的個(gè)體更加智能，能夠產(chǎn)生具有真實(shí)感的人群行為仿真結(jié)果。

2.3 路徑導(dǎo)航算法

A*算法[17]是利用廣度優(yōu)先搜索原理和適當(dāng)?shù)膯l(fā)式，從起點(diǎn)向外擴(kuò)張，找到抵達(dá)終點(diǎn)的最短路徑的算法。相比Dijkstra算法，A*算法能在優(yōu)秀的啟發(fā)式的幫助下用更快的速度和更小的搜索空間找到最短路徑。在擴(kuò)張過(guò)程中，對(duì)于候選點(diǎn)n，A*算法用下式對(duì)其進(jìn)行代價(jià)估計(jì)

f(n)=g(n)+h(n)

(4)

其中，g(n)是從起點(diǎn)到n經(jīng)過(guò)的距離，h(n)是一個(gè)啟發(fā)式函數(shù)，表示從n到終點(diǎn)的估測(cè)距離。每次擴(kuò)張都選擇f值最小的n點(diǎn)，直到抵達(dá)目的地，A*算法求最短路徑的過(guò)程結(jié)束。此時(shí)，從目的地開(kāi)始，尋找每個(gè)點(diǎn)的上一個(gè)點(diǎn)，連起來(lái)就得到了最短路徑。

針對(duì)具體的問(wèn)題特性，A*算法的變種被提出。D*算法[18]即動(dòng)態(tài)的A*算法，針對(duì)機(jī)器人在場(chǎng)景障礙物分布動(dòng)態(tài)變化的情況下的尋路問(wèn)題提出，該算法從目的地向起點(diǎn)進(jìn)行搜索，每個(gè)結(jié)點(diǎn)記錄當(dāng)前到終點(diǎn)的值和該值的歷史最低值。在機(jī)器人沿著所得路徑行進(jìn)卻碰到障礙物時(shí)，則在當(dāng)前位置重新規(guī)劃路徑并更新結(jié)點(diǎn)記錄的信息。LPA*[19]是另一種動(dòng)態(tài)A*算法，該算法從起點(diǎn)向目的地進(jìn)行搜索，當(dāng)最短路上出現(xiàn)障礙物或清除了障礙物時(shí)，路徑會(huì)根據(jù)需要重新進(jìn)行規(guī)劃。另一種A*算法D* Lite[20]與D*一樣利用了反向搜索，與LPA*一樣不斷重新規(guī)劃路徑，但與LPA*對(duì)整條路徑進(jìn)行更新不同的是，D*規(guī)劃的是機(jī)器人所在位置到目的地的路徑。由于本文涉及的校園場(chǎng)景固定，故不需要采用動(dòng)態(tài)算法，直接采用A*算法即可。

2.4 數(shù)據(jù)驅(qū)動(dòng)的人群行為仿真

隨著監(jiān)控技術(shù)的發(fā)展，大量的公共場(chǎng)所監(jiān)控視頻被獲取，為數(shù)據(jù)驅(qū)動(dòng)的人群行為仿真提供了數(shù)據(jù)。在設(shè)計(jì)好人群行為模型的整體框架之后，數(shù)據(jù)驅(qū)動(dòng)的人群行為建模方法將從真實(shí)數(shù)據(jù)中提取信息，以得到更真實(shí)的仿真人群。近年來(lái)，大量數(shù)據(jù)驅(qū)動(dòng)的人群行為建模與仿真技術(shù)被提出。在Kluepfel等人提出的方法中[21]，人群行為被建模為元胞自動(dòng)機(jī)，其行走速度、元胞大小等參數(shù)都根據(jù)真實(shí)數(shù)據(jù)來(lái)設(shè)置。Bera等人[22]則根據(jù)歷史數(shù)據(jù)調(diào)整RVO2模型的參數(shù)，使調(diào)參后的RVO2模型可以被用于預(yù)測(cè)行人軌跡。Tan等人[23]提出的數(shù)據(jù)驅(qū)動(dòng)模型關(guān)注起點(diǎn)、終點(diǎn)和路徑的選擇，使用差分進(jìn)化算法來(lái)根據(jù)視頻的密度分布調(diào)整相關(guān)參數(shù)。在自動(dòng)生成人群行為規(guī)則的演化計(jì)算框架[16]中，真實(shí)數(shù)據(jù)既提供了人流量、路徑分布等輸入?yún)?shù)，也作為仿真效果好壞的參考依據(jù)。在數(shù)據(jù)驅(qū)動(dòng)方法中，參數(shù)的設(shè)置和調(diào)整更有依據(jù)，建模人員也不必從無(wú)到有，可以更有效率地生成具有真實(shí)感的人群。

3 大型校園人群行為仿真與管控優(yōu)化框架

為了實(shí)現(xiàn)校園的人流智能管控，本小節(jié)提出大型校園人群行為仿真與管控優(yōu)化框架。如圖1所示，本文所提出的框架主要包含以下四個(gè)模塊。

圖1 大型校園人群行為仿真與管控優(yōu)化框

第一個(gè)模塊是建模數(shù)據(jù)模塊。智慧校園人群仿真所需的數(shù)據(jù)信息包括場(chǎng)景信息、歷史視頻信息和實(shí)時(shí)視頻數(shù)據(jù)信息。場(chǎng)景信息包括校園內(nèi)的可行走的區(qū)域分布、障礙物分布、出入口分布等。歷史視頻信息提供了校內(nèi)人群的主要路線(xiàn)分布、各路線(xiàn)上的人群密度分布、各入口的人流量等，比如，師生下課后走向飯?zhí)?，可能從教學(xué)樓不同位置開(kāi)始出發(fā)，經(jīng)過(guò)不同的路線(xiàn)抵達(dá)飯?zhí)?。所提供的環(huán)境參數(shù)越準(zhǔn)確，利用這些參數(shù)得到的人群仿真就更接近真實(shí)情況，更具參考意義。實(shí)時(shí)視頻數(shù)據(jù)可以利用監(jiān)控錄像幫助模型實(shí)現(xiàn)動(dòng)態(tài)的參數(shù)變化，使得模型能夠更加準(zhǔn)確地預(yù)測(cè)未來(lái)人群。場(chǎng)景、人流量的變化有時(shí)是無(wú)法預(yù)知、突然發(fā)生的，比如突發(fā)事件導(dǎo)致人流量變化、可行區(qū)域變化等。此時(shí)，如果能夠提供實(shí)時(shí)的視頻數(shù)據(jù)，就能及時(shí)根據(jù)實(shí)時(shí)信息進(jìn)行仿真，快速定位安全隱患，迅速采取措施。

第二個(gè)模塊是人群行為模型。人群行為模型的功能是根據(jù)場(chǎng)景信息提供的可行區(qū)域信息、障礙物信息和出入口位置信息，歷史視頻提供的各路線(xiàn)起點(diǎn)終點(diǎn)對(duì)，以及實(shí)時(shí)視頻提供的實(shí)時(shí)變化信息，利用路徑導(dǎo)航方法來(lái)引導(dǎo)個(gè)體行走，從而產(chǎn)生宏觀的人群行為。本文框架采用關(guān)鍵點(diǎn)與A*算法結(jié)合的方式實(shí)現(xiàn)路徑導(dǎo)航。其中，關(guān)鍵點(diǎn)由人為設(shè)定，用于設(shè)置起點(diǎn)到終點(diǎn)經(jīng)歷的關(guān)鍵位置。關(guān)鍵點(diǎn)確定后，再利用A*算法確定從一個(gè)關(guān)鍵點(diǎn)到達(dá)另一個(gè)關(guān)鍵點(diǎn)的路徑。個(gè)體在移動(dòng)過(guò)程中，需要盡力規(guī)避靜態(tài)障礙物和其他行人，并以盡可能短的路線(xiàn)長(zhǎng)度抵達(dá)目標(biāo)(即關(guān)鍵點(diǎn)或終點(diǎn))。由于社會(huì)力模型具有實(shí)現(xiàn)簡(jiǎn)單和建模靈活可靠等特性，本框架選擇社會(huì)力模型為仿真提供具有真實(shí)感的碰撞避免行為。

第三個(gè)模塊是仿真可視化模塊。本文所提出的可視化模塊支持2D和3D顯示功能。其中，2D的仿真主要通過(guò)融合第二個(gè)模塊產(chǎn)生的人群軌跡數(shù)據(jù)、環(huán)境障礙物信息以及JAVA提供的2D繪圖開(kāi)發(fā)接口實(shí)現(xiàn)。為了實(shí)現(xiàn)3D的仿真可視化，首先建立場(chǎng)景的3D模型，然后將環(huán)境模型以及有人群行為模型產(chǎn)生的人群移動(dòng)軌跡導(dǎo)入U(xiǎn)nity開(kāi)發(fā)引擎中，從而產(chǎn)生3D的可視化仿真。

第四個(gè)模塊是人群預(yù)測(cè)與管控優(yōu)化模塊。人群仿真將在給定的場(chǎng)景中，按照指定的或從歷史視頻信息所得的人流量，讓個(gè)體持續(xù)不斷地從入口進(jìn)入場(chǎng)景，并沿著指定的或從歷史視頻信息所得的路徑，走向目的地。通過(guò)可靠的人群仿真，校園管理人員可以直觀地發(fā)現(xiàn)場(chǎng)景的瓶頸區(qū)域或其它安全隱患，及時(shí)采取措施，防患于未然。人群仿真除了可以基于正常情況下的參數(shù)進(jìn)行仿真，還可以進(jìn)行極端情況下的仿真。考慮到大型的公共場(chǎng)所在周邊有大型活動(dòng)時(shí)，人流量可能遠(yuǎn)高于平時(shí)，帶來(lái)平時(shí)不會(huì)出現(xiàn)的安全問(wèn)題。為此，可以調(diào)整人群仿真模型中的入口人流量參數(shù)，對(duì)極端情況進(jìn)行仿真和預(yù)測(cè)。當(dāng)確實(shí)有大量行人經(jīng)過(guò)時(shí)，管理人員可以根據(jù)仿真的結(jié)果提前對(duì)存在隱患的區(qū)域采取措施。場(chǎng)景內(nèi)的可行區(qū)域、障礙物分布可能發(fā)生變化，此時(shí)也可以通過(guò)分析修改參數(shù)后的仿真結(jié)果來(lái)判斷這些變化是否會(huì)帶來(lái)問(wèn)題，以便及時(shí)采取應(yīng)對(duì)措施。

4 仿真與分析

4.1 仿真場(chǎng)景介紹以及仿真參數(shù)設(shè)置

為了測(cè)試本文所提出方法的有效性，本小節(jié)以肇慶醫(yī)學(xué)高等專(zhuān)科學(xué)校北嶺新校區(qū)為例進(jìn)行校園人群行為仿真。肇慶醫(yī)學(xué)高等專(zhuān)科學(xué)校北嶺新校區(qū)于2017年開(kāi)始建設(shè)，占地面積約53萬(wàn)平方米，其布局如圖2所示。防洪堤在校園內(nèi)穿插而過(guò)，防洪堤以南最西側(cè)是運(yùn)動(dòng)區(qū)，其南邊是校園正門(mén)，正門(mén)正對(duì)圖書(shū)館，圖書(shū)館西南和東南各布置一處公共教學(xué)組團(tuán)。防洪堤以北的東西兩側(cè)各布置一處生活區(qū)組團(tuán)，并分別配套食堂；東側(cè)的生活區(qū)組團(tuán)西邊是運(yùn)動(dòng)區(qū)，與校園西南處的運(yùn)動(dòng)區(qū)相對(duì)；中央?yún)^(qū)域是實(shí)驗(yàn)樓群。該校區(qū)可容納12000名以上的學(xué)生，生活區(qū)分布在校園兩側(cè)的設(shè)計(jì)使得學(xué)生與教學(xué)、生活設(shè)施的距離均在550米以?xún)?nèi)，步行十分鐘即可到達(dá)。本實(shí)驗(yàn)通過(guò)對(duì)步行人群進(jìn)行仿真，探索校園內(nèi)人流在不同情況下的分布，為校園人群管控和布局優(yōu)化提供輔助決策工具。

圖2 校園俯瞰圖

在模塊1中，根據(jù)校園的CAD圖設(shè)置障礙物坐標(biāo)和出入口的位置。肇慶醫(yī)學(xué)高等專(zhuān)科學(xué)校北嶺新校區(qū)一共包含30棟建筑物，包括學(xué)生宿舍11棟，圖書(shū)館1棟，教學(xué)樓2棟，實(shí)驗(yàn)樓5棟和食堂2棟，總計(jì)有3個(gè)出入口。由于校區(qū)尚未建成投入使用，視頻數(shù)據(jù)尚未獲得。因此，人為設(shè)定各出入口人流服從泊松分布。在模塊2中，從入口中涌現(xiàn)的個(gè)體隨機(jī)選擇一個(gè)出口作為最終的目標(biāo)，并沿著關(guān)鍵點(diǎn)到達(dá)目標(biāo)，其中關(guān)鍵點(diǎn)之間的路徑導(dǎo)航采用A*導(dǎo)航。校園最終設(shè)置的障礙物信息和關(guān)鍵點(diǎn)如圖3所示。其中，灰色部分為不可行走區(qū)域，白色部分為可行走區(qū)域，圓圈為關(guān)鍵點(diǎn)。仿真模型的主要參數(shù)設(shè)置如表1所示。

圖3 用于校園路徑導(dǎo)航的關(guān)鍵點(diǎn)配置圖

表1 仿真模型的主要參數(shù)設(shè)置

4.2 校園人群行為仿真結(jié)果與管控分析

圖4所示為本文所提出的框架實(shí)現(xiàn)的校園人群3D仿真結(jié)果示意圖(具體的仿真視頻可通過(guò)如下鏈接觀看：https：//www.jianguoyun.com/p/Dfg-XcgQrdfiCBi20tsD)。通過(guò)仿真發(fā)現(xiàn)，校園的人流在正常情況下是比較順暢的，不存在人流密集的瓶頸。上述仿真結(jié)果說(shuō)明校園的布局設(shè)計(jì)是比較合理的。

校園防洪提南北兩側(cè)兩座橋(即圖4中的橋梁1和橋梁2)是連接教學(xué)樓、圖書(shū)館和生活區(qū)與飯?zhí)玫慕煌ㄒ?，在就餐時(shí)間會(huì)產(chǎn)生一定的擁堵現(xiàn)象。為了測(cè)試在極端情況下的人流狀況，利用本文提出的框架對(duì)校園就餐時(shí)人流的情況進(jìn)行仿真和分析。設(shè)計(jì)了三種方案：①方案1：人流未加管控，兩座橋都可雙向同行；②方案2：遇到極端情況，橋梁2無(wú)法同行，所有行人從橋梁1通過(guò)；③方案3：管控橋梁?jiǎn)蜗蛲?，由北往南的行人由橋?通過(guò)，由南往北的行人則由橋梁2

圖4 正常狀態(tài)下的校園人群行為仿真3D效果圖

通行。由于是就餐時(shí)間，各棟建筑物涌出的人流大部分選擇往飯?zhí)靡苿?dòng)，而從飯?zhí)糜砍龅娜肆鞔蟛糠滞线叺膱D書(shū)館等地移動(dòng)。記錄了兩座橋梁在5秒間隔時(shí)間內(nèi)的通行人數(shù)以及行人在橋梁上的平均通行時(shí)間。圖5和圖6分別為三種方案下的通行人數(shù)和人流通行時(shí)間隨時(shí)間變化的情況。從仿真結(jié)果可以發(fā)現(xiàn)如果人流未加管控(即方案1)，兩座橋梁上的人流會(huì)出現(xiàn)一定的擁堵現(xiàn)象，但是總體還能保持人流持續(xù)通行。如果橋梁2被禁止通行(即方案2)，所有南北通行的人都由橋梁1通行，則橋梁1很快出現(xiàn)了嚴(yán)重?fù)矶拢ㄐ腥藬?shù)迅速下降到接近0。如果采用方案3，則人流通行比較順暢，人流的通行時(shí)間是三種方案中最少的。通過(guò)上述仿真測(cè)試，可以得出以下結(jié)論：若南北通行人數(shù)非常大的時(shí)候，可以采用單行管控的方式來(lái)避免橋梁的擁堵，提高校園的人流通行安全性和效率。

圖5 通行人數(shù)隨時(shí)間變化的關(guān)系

圖6 人流通行時(shí)間隨時(shí)間變化的關(guān)系

5 小結(jié)與討論

本文提出了一個(gè)通用的校園人群行為仿真與管控優(yōu)化框架，并以肇慶醫(yī)學(xué)高等專(zhuān)科學(xué)校北嶺新校區(qū)為例進(jìn)行了仿真和測(cè)試。仿真結(jié)果顯示本文所提出的框架能產(chǎn)生可靠的仿真結(jié)果，并能用于壓力測(cè)試，輔助校園管理人員管控人流。未來(lái)有幾個(gè)值得進(jìn)一步研究的方向。一方面，近年來(lái)，大量智能優(yōu)化算法(如遺傳算法和蟻群算法等)被提出用于解決難以建模的復(fù)雜優(yōu)化問(wèn)題，將智能優(yōu)化算法與本文所提出的框架結(jié)合，實(shí)現(xiàn)校園布局設(shè)計(jì)優(yōu)化是值得研究的課題。另一方面，隨著傳感技術(shù)的發(fā)展，校園監(jiān)控系統(tǒng)已能獲得大量的人群數(shù)據(jù)，將傳感設(shè)備獲取的人群軌跡數(shù)據(jù)與本文所提出的框架結(jié)合，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的平行仿真，為校園管理人員全面感知校園人流狀態(tài)以及輔助管理決策亦是未來(lái)值得深入研究的課題。此外，將本文所提出的框架應(yīng)用于其它大型公共場(chǎng)所(如飛機(jī)場(chǎng)和大型商場(chǎng)等)的管理也是一個(gè)值得研究的課題。