面向行为引导的行人疏散集成建模与仿真框架：系统最优路径与元胞自动机（CA）耦合的自动化流程

《Physica A: Statistical Mechanics and its Applications》：An integrated modelling and simulation framework for pedestrian evacuation: Automating behavioral guidance through coupled system-optimal routing and cellular automata

　　

有效的应急疏散规划（emergency evacuation planning）需要能够弥合战略系统优化（strategic system optimization）与真实个体行为仿真（individual behavior simulation）之间差距的方法。为此，研究人员提出一种新型混合建模框架（hybrid modelling framework），将用于全局系统最优路径规划（system-optimal routing）的宏观网络流模型（macroscopic network flow model）与用于细粒度、行为丰富仿真的微观元胞自动机（cellular automata, CA）模型无缝耦合。该框架建立自动化仿真流水线（automated simulation pipeline），将建筑布局数据转化为行为信息驱动的疏散引导（behaviorally-informed evacuation guidance）。核心创新在于将网络模型的最优流解自动转化为参数化规则（parameterized rules），主动引导CA仿真中的行人路径选择，从而缓解以自我为中心决策（egocentric decision-making）所致的次优和危险结果。在一项工业厂房概念验证案例研究（proof-of-concept case study）中，该框架证明能够成功实施系统最优路径规划，实现出口使用均衡（balanced exit usage，每个出口约300人），与常规基于距离的方法（distance-based approach）相比缩短疏散时间。所提出框架展示了一种可行的疏散研究混合建模范式（hybrid modelling paradigm），其中仿真不仅是预测工具，也是引导集体行为的主动设计工具。它为开发安全信息驱动的数字孪生（digital twins）并推进基于性能的疏散设计（performance-based evacuation design）提供了实用、自动化的基础。

研究背景与问题方面，原文指出建筑与土木工程中建筑安全与韧性至关重要，数据驱动仿真工具已成为应急疏散规划不可或缺的手段；建筑信息建模（Building Information Modeling, BIM）和数字孪生（digital twins）的集成进一步凸显自动化仿真工具支撑设计决策的必要性。BIM在施工安全风险管理中的价值已确立，但将丰富建筑设计数据转化为可靠、动态安全评估仍主要依赖人工和知识密集型操作，形成基于性能设计（performance-based design）的信息学瓶颈。紧急情况下每一秒都关系伤亡，大型城市结构规模和内部复杂性增加，复杂布局会阻碍快速疏散并可能导致灾难性人群事故。安全科学界将计算疏散模型视为风险评估和主动安全管理的关键工具；由于真实实验存在伦理、安全和成本限制，基于仿真的疏散数据尤为重要。理解并模拟 occupant behavior and movement（包括压力下的决策启发式）是消防安全工程和风险评估的基础；行人对环境的感知、步行环境服务质量感知以及时间压力等外部压力对依从和决策的影响，对安全干预也重要。计算行人疏散模型大致分为宏观和微观。宏观网络流模型（network flow model）将行人运动视为连续体，优化系统级资源分配和流效率，适合战略规划，但缺乏局部拥堵和行人交互粒度，而这些是踩踏等安全事件的主要触发因素。微观CA或基于智能体模型（agent-based model）模拟个体决策和运动，捕捉车道形成、瓶颈拱形等涌现现象；微观模型已与BIM集成用于自动安全分析，并能模拟出口选择、竞争疏散、信息共享等复杂行为和认知过程，但主要预测给定情境下个体如何行为，常无显式宏观优化，可能导致系统级次优。原文强调，理解行为不等于设计干预以引导行为走向全局高效结果。既有研究在理解个体决策机制、分析集体行为、改进CA参数、发展优化算法等方面有贡献，但往往孤立运行；关键空白在于缺乏自动化、语义一致的流水线，把宏观优化计划直接转化为微观行为智能体的参数化规则，限制基于性能设计中战略规划与行为仿真的快速迭代。出口均衡原则已在运筹学文献中广泛研究；该研究贡献不是重新发现该原则，而是建立自动框架将系统最优策略转化为CA仿真中的概率行为规则，范式从预测行为转向主动引导行为。

研究人员开发自动化软件框架，将宏观网络流优化与微观CA仿真集成于统一平台，目标是最小化人工干预，提供从建筑布局直接开展疏散分析的实用工具，重点在于系统级策略如何转化为个体行为引导。框架用网络流模型在宏观层生成全局高效疏散策略，用CA模型在微观层模拟由此产生的行人运动；与模拟自发信息共享的智能体模型不同，该研究将系统最优策略直接嵌入微观行为，主动引导路径选择以实现全局效率。概念验证工业厂房案例表明，框架能成功实施系统最优路径，实现出口使用均衡（每出口约300人）并较传统基于距离方法缩短疏散时间；其意义在于展示仿真不仅是预测工具，也是引导集体行为的主动设计工具，为安全信息驱动的数字孪生和基于性能疏散设计提供自动化基础。

关键技术方法（不超过250字）：研究导入DXF建筑布局，在图形界面半自动构建网络流模型，定义节点、弧、源/汇节点；节点容量按0.4 m × 0.4 m可步行网格数自动导出，弧容量按门/通道有效宽度对应网格数导出，弧通行成本按距离/步行速度1.6 m/s计算；采用多阶段时变最快流（Multi-Stage Time-Varying Quickest Flow, MSTVQF）算法求解系统最优流；将最优流比自动翻译为CA概率路由规则，驱动0.4 m × 0.4 m单格CA仿真；CA采用静态地板场（Static Floor Field, SFF）、K_S=5、摩尔邻域、同步更新和按原选择概率解决目标格冲突；案例样本来源为现场调查数据设置的约1000 m²工业厂房、600名行人、南/东两个安全出口，按面积受控初始化于6个区域。

研究结果如下。4.1 基线：以自我为中心（基于距离）路径下的涌现行为——在工业厂房受控初始化（Zone 1、3各125人，Zone 2、5、6各100人，Zone 4为50人）下开展距离型CA仿真，600人全部疏散，底部出口456±12人、右侧144±10人，右侧28 s后空闲，底部出现严重拥堵；50次重复平均总疏散时间约82 s。结论：仅追求最近出口的路径选择造成出口利用失衡和“更快即更慢”（faster-is-slower effect）风险。4.2 干预：系统最优路径下的引导行为——同一布局与人数下，先构建网络流模型并以MSTVQF优化，再将优化流比转为CA概率路由，50次重复（五次不同初始分布）平均约57 s，底部299±8人、右侧301±9人。结论：系统最优引导可实施出口均衡并缩短时间。4.3 比较与讨论——比较距离型与优化型，框架把宏观优化转化为微观行为引导；原文强调性能指标反映框架正确实施系统最优出口均衡策略，而非发现新原理，框架独特贡献在自动化耦合。4.3.1 定量性能优势——50次运行范围无重叠（距离型80–85 s，优化型56–60 s），平均疏散时间降低约30.5%，出口利用由456/144变为约300/300。结论：改进稳健，非随机波动。4.3.2 涌现行为与人群动力学分析——通过占用频率与动态冲突分析，框架不仅改善数值，还改变人群动力学。5. 瓶颈“拱形”与“越快越慢”效应缓解——距离型在底部出口前形成稳定密集拱形；优化型提前分流，阻止稳定拱形建立，拥堵更短暂、密度更低，总流出率更高更持续。6. 竞争压力再分配——基线竞争集中于单出口，目标格冲突多、部分行人停滞；优化型将竞争分散至双出口，冲突强度较低且更快解决，出口流更平滑连续，累积疏散曲线更少阶梯。7. 更平滑的空间密度演化——基线主出口附近密度快速峰值，易形成人群湍流；引导型密度波更均匀渐进，降低压力骤增导致跌倒或挤压的风险。7.1 对仿真建模与安全实践的启示——从交通心理学看，距离型是自利策略导致社会困境（social dilemma），框架将集中计算效率嵌入分散智能体行为，解决困境；从建模实践看，从DXF加载到优化仿真结果约5 min标准工作站完成，支持快速迭代what-if和安全by design；仿真由被动预测转为主动规定工具。8. 结论与未来工作——研究结论翻译如下：本研究提出并验证了一个集成仿真框架，该框架建立了从建筑数据到行为优化疏散引导的自动化工作流；研究证明，网络流优化器与CA模拟器的自动化耦合在计算上是可行的，能够成功实施系统最优策略并产生行为基础的仿真；在概念验证案例研究中，与传统基于距离的方法相比，该方法实现了出口使用均衡并缩短了疏散时间；更重要的是，它验证了所提出的混合建模范式，表明不同仿真模型之间的自动化、语义耦合是复杂系统工程中可行且有力的方法。讨论部分总结：原文明确因果归因，性能提升来自实施已知的出口均衡策略，框架贡献在自动化耦合；安全实践意义在于形成设计阶段快速迭代和仿真驱动的安全设计流程。限制包括优化在仿真开始时静态执行、假设完全遵守引导、CA无动态地板场、行人同质、仅单一工业厂房验证；未来五方向为BIM集成自动模型生成（如IFC中IfcSpace、IfcDoor语义映射）、动态数字孪生实时应急管理与行为适应、云原生平台协同设计与高级行为建模、参数校准与增强行为真实性、跨多样场景扩展验证。