一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策方法、系统及介质

摘要: 本发明涉及城市轨道交通应急疏散、数字孪生与多智能体仿真,尤其涉及一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策方法、系统及介质。背景技术:1、站城...
一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策方法、系统及介质

本发明涉及城市轨道交通应急疏散、数字孪生与多智能体仿真,尤其涉及一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策方法、系统及介质。

背景技术:

1、站城融合复杂空间集成轨道交通站场、地下连通通道、商业建筑、城市广场等多类型空间,空间尺度跨度大、空间耦合关系复杂,灾害发生后,灾害蔓延、人群拥堵传播、设施状态变化互相交织,人员转移处置难度极高。

2、现有相关技术主要分为三类:

3、第一类为基于深度强化学习的非稳态人群疏散路径规划方案。例如公开号为cn120579696b的中国专利文献。该发明提出了一种面向动态灾害环境下的人群疏散路径规划方法,主要针对传统疏散路径规划方法难以适应灾害演化过程和复杂人群行为变化的问题,通过构建基于深度强化学习的人群疏散决策模型,实现非稳态环境下人员路径的动态优化。该技术方案首先获取疏散空间结构、危险区域分布以及人员状态等环境信息,将疏散区域抽象为可交互的环境模型,并将疏散人员作为智能体,通过深度强化学习算法建立智能体与环境之间的交互关系。在运行过程中,智能体根据当前位置、周围环境状态以及出口信息等状态变量选择下一步移动行为,并通过奖励函数对疏散效率、安全性和路径合理性进行评价,通过持续训练优化智能体决策策略,最终获得适应动态环境变化的疏散路径规划结果。该技术方案重点在于利用强化学习方法提升人员路径规划的动态适应能力,实现由固定规则路径选择向数据驱动路径优化的转变。然而,该技术方案的决策目标主要集中于单个或群体人员的路径选择优化,本质上仍属于“给定空间条件下寻找最优移动路径”的决策模式,未考虑站城融合空间中建筑空间、轨道交通空间、城市连接空间等多尺度空间之间的动态耦合关系。同时,该方法主要依据当前环境状态进行路径决策,缺少对灾害演化、人群聚集扩散以及空间通行能力变化的未来趋势预测,难以提前识别潜在风险区域。此外,该技术方案主要关注人员移动行为优化,未涉及对出入口、通道、诱导设施等空间控制资源的协同调节,无法实现从人员路径规划向空间资源自主调控和整体转移策略生成的转变。

4、第二类为基于数字孪生的高层建筑应急疏散方案,例如公开号为cn110929378b的中国专利文献,该发明提出了一种基于数字孪生技术的建筑应急疏散方法,通过建立物理建筑空间与虚拟数字空间之间的映射关系,实现建筑状态感知、人员状态分析以及疏散方案优化。该技术方案首先获取建筑空间结构、设备运行状态、人员分布以及灾害环境信息,构建与真实建筑对应的数字孪生模型;随后利用数字孪生模型对灾害发生过程和人员疏散过程进行动态模拟,通过仿真分析不同疏散方案下人员运动状态、疏散效率以及风险变化情况,并根据分析结果选择适宜的应急疏散方案。该技术方案的核心在于利用数字孪生技术实现物理空间与虚拟空间的数据交互,通过实时状态映射和仿真推演辅助应急管理人员制定疏散策略,从而提高复杂建筑环境下应急响应的科学性和准确性。然而,该方法中的数字孪生模型主要用于建筑状态展示、过程模拟以及方案评价,其作用仍停留在对现实空间状态的数字化映射和离线推演层面,未形成基于数字孪生空间的自主感知、自主预测和自主决策机制。针对站城融合复杂空间,人员转移过程涉及地下空间、站厅空间、商业空间以及城市交通空间之间的连续转换,空间状态受到灾害发展、人员行为和设施运行状态的共同影响,单一建筑尺度数字孪生模型难以满足多尺度、多主体耦合条件下的动态转移需求。此外,该技术方案主要依赖预设疏散方案或人工选择优化结果,缺少根据实时演化状态自动生成和调整转移策略的能力。

5、第三类是多智能体深度强化学习人群疏散仿真方案,例如公开号为cn118296938a的中国专利文献,该发明提出了一种基于多智能体深度强化学习的人群疏散仿真方法,通过将疏散过程中的不同人员个体建模为具有自主决策能力的智能体,实现复杂人群环境下的行为模拟与疏散过程分析。该技术方案首先根据疏散空间结构、人员分布以及个体行为特征构建多智能体环境模型,将人员位置、运动状态以及交互关系作为智能体状态输入,并利用深度强化学习算法训练智能体之间的协同决策能力。在疏散过程中,各智能体根据环境状态和自身目标选择移动策略,并通过智能体间的信息交互实现路径选择和行为调整,从而模拟不同人员行为特征下的群体疏散过程。该技术方案重点在于利用多智能体学习机制刻画人员之间的交互影响,提高人群疏散模拟过程中行为表达的真实性,为复杂空间环境下人员运动规律分析提供技术支持。然而,该技术方案中的智能体主要用于描述人员个体行为,其关注重点在于提高人群运动仿真的真实性,并未进一步扩展至环境状态演化和空间管理控制过程,无法形成环境、人员以及管理控制之间的协同决策机制。同时,该方法主要面向疏散过程模拟和行为规律分析,其输出结果通常为人员运动轨迹或疏散效果评价,缺少面向实际应急管理的可执行控制策略生成能力,例如动态调整出口开放状态、优化空间通行规则以及联动诱导设施等。因此,该技术方案难以支撑站城融合空间中多主体交互、空间功能动态变化以及应急资源协同配置条件下的自主人员转移决策需求。

6、综上,现有技术通常针对单一建筑空间或固定疏散网络开展人员路径规划与疏散方案优化,难以适应站城融合空间中地下交通空间、建筑空间、商业空间及城市连接空间相互耦合、功能动态变化的复杂特征;同时,现有技术主要依据当前时刻的环境状态进行路径选择或方案评价,缺少对灾害演化、人群聚集、空间通行能力变化等未来状态的预测能力,难以实现提前规避潜在风险区域。此外,现有智能疏散方法通常以人员个体或群体行为模拟为核心,未考虑环境状态、人员行为和空间控制资源之间的协同作用,无法根据实时变化环境自主生成包含路径调整、空间重构和设施联动的综合转移策略。

技术实现思路

1、本发明提供一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策方法、系统及介质,旨在解决现有人员转移与应急疏散技术中存在的空间表达能力不足、动态环境适应能力有限、转移策略依赖人工设定以及缺少闭环自主优化等问题。

2、本发明提供一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策方法,所述方法包括以下步骤:

3、步骤s10,获取站城融合空间中的多源动态信息,所述多源动态信息包括灾害事件信息、空间结构布局、人员分布状态、设施设备状态以及运行规则与通行条件;

4、步骤s20,基于所述多源动态信息构建物理空间与虚拟空间实时映射的多尺度数字孪生空间模型,对轨道交通空间、地下连接空间、商业及公共建筑空间和城市衔接空间进行统一表征;

5、步骤s30,构建环境智能体、空间智能体以及人员智能体,对环境、空间、人员状态进行同步感知与统一编码表征,解析环境、空间、人员之间双向反馈的耦合关系,开展多智能体时序协同演化分析,输出协同演化结果;

6、步骤s40,基于所述数字孪生空间模型与协同演化结果,预测未来时段内安全空间、拥堵空间、受限空间及可达性变化,生成随时间动态变化的未来安全域;

7、步骤s50,基于所述未来安全域,结合人员转移需求、空间资源状态及未来安全约束,生成包含人员转移路径调整、空间通行关系重构、出入口及通道状态调整、诱导控制和相关资源联动在内的组合式转移策略,并根据预测状态与实际执行状态的变化对转移策略进行持续演化调整;

8、步骤s60,采集现场人员运动、空间运行、策略执行效果的反馈信息,利用反馈信息迭代更新数字孪生空间模型、智能体状态、未来安全域以及人员转移策略,形成闭环人员转移决策机制。

9、本发明进一步地技术方案是,所述步骤s20中构建数字孪生空间模型的步骤包括:

10、步骤s201,获取站城融合物理空间与多源动态数据,用于接收物理空间对象信息,以及视频监测、客流数据、设备状态、灾害事件信息和运行规则与通行条件,所述物理量空间对象信息包括轨道车站、地下连通空间、商业及公共建筑、城市道路与广场、通道、楼梯、扶梯及出入口;

11、步骤s202,多尺度空间单元划分,根据站城融合空间的层级结构和连接关系,将整体空间划分为城市连接层、枢纽建筑层、楼层区域层和通道设施层等多级空间单元体系,以形成可分层表达、可独立描述、可关联分析的空间单元基础;

12、步骤s203,数字孪生空间构建,对所述空间单元执行几何映射、拓扑连接和状态同步处理,建立物理空间与虚拟空间之间的实时映射关系,形成反映空间结构特征、连接关系及运行状态的数字孪生空间;

13、步骤s204,空间属性建模,对各空间单元的结构属性、功能属性、通行属性、状态属性和控制属性进行统一建模形成空间属性模型,使空间单元具备位置、容量、连接关系、安全状态以及可变通行规则描述能力;

14、步骤s205,空间智能体生成与网络构建,基于所述数字孪生空间和空间属性模型生成区域智能体、通道智能体、出入口智能体和设施智能体,并根据各空间智能体之间的邻接关系、连接约束和控制耦合关系构建空间智能体网络。

15、本发明进一步地技术方案是,所述步骤s30中的协同演化过程包括以下步骤:

16、步骤s301,多智能体组成:所述多智能体包括环境智能体、空间智能体和人员智能体三类主体;所述环境智能体用于表征灾害状态、设备状态及外部环境因素;所述空间智能体用于表征空间对象,所述空间对象包括区域单元、通道单元、出入口单元和设施单元;所述人员智能体用于表征个体或群体特征,所述个体或群体特征包括人员位置分布、运动状态及行为偏好;

17、步骤s302,多智能体状态感知与表征:对环境状态、空间状态和人员状态进行同步感知与统一编码,形成环境、空间、人员三类智能体的统一状态表征;

18、步骤s303,多智能体交互作用关系:描述灾害演化、空间可达性变化与人员运动响应之间的耦合关系;

19、步骤s304,所述多主体协同演化分析:基于所述多智能体交互作用关系分析多主体之间的状态传播、交互反馈、行为调整和空间重构趋势,形成环境驱动、空间响应与人员反馈相互作用的时序协同演化过程;

20、步骤s305,协同演化结果输出:输出环境影响结果、空间状态变化结果、人员响应结果以及协同演化状态结果。

21、本发明进一步地技术方案是,所述步骤s40包括:

22、步骤s401,未来安全域输入基础:获取数字孪生空间中的空间单元状态、拓扑连接关系、人员分布及环境变化信息,以及结合环境智能体、空间智能体和人员智能体的协同演化结果;

23、步骤s402,未来状态预测:根据所述数字孪生空间中的空间单元状态、拓扑连接关系、人员分布及环境变化信息,以及协同演化结果预测时间窗内的环境演化趋势、人员流动趋势,并对空间容量与可达性变化进行联合推断,形成不同未来时刻各空间单元的状态序列预测结果;

24、步骤s403,空间单元未来状态评估:综合安全约束、通行能力约束及时序可达约束,对预测时间窗内各空间单元进行分类判定,并将其划分为不同状态类型,所述状态类型包括安全空间、拥堵空间、受限空间和不可达空间;

25、步骤s404,生成未来安全域:基于不同状态类型分类结果,通过空间筛选、连接关系约束及时序连续性判定,对满足安全性、可通行性和可达性要求的空间单元及其连接关系进行组合,形成随时间变化的未来安全域及其安全转移通道结构;

26、步骤s405,动态更新与结果输出:根据环境变化、人员运动和空间运行状态的反馈信息,通过比较预测状态与实际状态之间的偏差,滚动更新预测时间窗并修正相关空间单元的状态判定及连接关系,实现未来安全域的动态更新,输出未来安全域结果、时空变化结果和安全转移通道结果。

27、本发明进一步地技术方案是,所述组合式转移策略包括人员转移组织决策、空间重构与通行关系决策、诱导控制与信息发布决策以及策略评估与方案优选;所述步骤s50具体包括以下步骤:

28、步骤s501,人员转移组织决策:依据未来安全域中不同空间单元的可用时段、承载能力和连接关系,对待转移人员进行分区和分组,确定不同人员群体的目标安全区域及转移顺序,并结合目标空间剩余容量和转移时间窗形成分流方案;

29、步骤s502,空间重构与通行关系决策:根据人员转移组织结果及未来空间状态,对空间智能体的通行属性和控制属性进行调整,通过改变通道开放状态、通行方向、区域连接关系以及设施资源配置,构建与当前人员转移需求相匹配的临时转移空间网络;

30、步骤s503,诱导控制与信息发布决策:根据人员分流关系和空间重构结果,为不同区域和不同人员群体生成差异化引导信息,并确定相应的发布方式、发布时机和作用位置,从而使人员行为响应与空间控制结果保持协调;

31、步骤s504,策略评估与方案优选:人员转移效率、安全风险、执行代价以及状态变化条件下的策略稳健性,对候选策略进行综合评估与方案优选。

32、本发明进一步地技术方案是,所述步骤s50中将时刻 t 的人员转移策略定义为由人员组织、空间控制、引导控制及资源联动共同构成的策略集合:

33、

34、其中,表示时刻t的组合式人员转移策略;表示人员转移组织策略,用于确定不同区域或不同人员群体的转移对象、转移优先级、转移时序、目标区域及分流关系;表示空间控制策略,用于调整空间智能体的开放、关闭、限流、单向通行、功能切换及连接关系,并对通道、出入口和相关空间资源进行重新配置;表示人员引导策略,用于确定动态标识、广播、显示终端及其他诱导设施的引导方式、引导内容、发布时间及作用位置;表示资源联动策略,用于协调设备设施、现场管理人员、应急资源及相关业务系统,为人员转移过程提供协同支撑;

35、所述组合式转移策略的生成受到未来安全域及系统运行约束的共同限制,可表示为:

36、

37、其中,表示预测时间窗内的未来安全域及其时空变化结果;表示当前时刻及预测时间窗内环境智能体、空间智能体和人员智能体的状态信息;表示策略生成过程中需要满足的约束条件,包括但不限于空间安全约束、通行能力约束、时序可达约束、人员组织约束和设施设备可执行约束;表示由未来安全域、多智能体状态及上述约束共同确定的可行转移策略空间。

38、本发明进一步地技术方案是,所述步骤s60具体包括以下步骤:

39、步骤s601,执行状态监测:在人员转移策略执行过程中持续采集环境、空间和人员的实际运行状态,包括人员位置与运动轨迹、区域流量与速度、通道及出入口通行状态、设施设备运行状态以及灾害或环境变化信息,并将上述数据与当前已执行的组合式转移策略建立时序对应关系,以形成面向策略执行效果分析的实时状态数据集;

40、步骤s602,预测、实际偏差识别:将前述未来安全域预测结果、多智能体预测状态及策略预期执行结果,与实时监测获得的实际状态进行对比,计算人员状态、空间状态和环境状态等关键指标的偏差,并形成反映当前策略执行偏离程度的综合偏差量;

41、步骤s603,影响评估与问题识别:对所述偏差是否影响人员安全、空间通行效率以及转移策略可执行性进行判断,并识别造成策略失配的关键原因;

42、步骤s604,调整策略:当综合偏差量超过预设阈值,或任一关键安全、通行或资源约束条件不再满足时,则触发策略调整;

43、步骤s605,策略更新与下发以及自主演化闭环更新:更新环境智能体、空间智能体和人员智能体的实际状态,将最新监测数据重新映射至数字孪生空间,并据此修正环境演化趋势、人员流动趋势及空间容量与可达性预测结果;随后,根据修正后的多智能体状态重新生成未来预测时间窗内的未来安全域,对原有安全空间、受限空间和不可达空间的状态划分以及安全转移通道进行动态修正。

44、本发明进一步地技术方案是,所述步骤s605还包括:将执行过程中形成的预测偏差、状态变化以及策略处置效果作为后续决策的信息基础,用于修正未来状态预测参数、未来安全域生成条件及策略调整阈值,逐步形成针对不同空间状态和人员响应特征的运行经验。

45、为实现上述目的,本发明还提出一种基于数字孪生与多智能体协同演化的站城融合空间人员转移决策系统,所述系统包括存储器、处理器,以及存储在所述存储器上的基于数字孪生与多智能体协同演化的站城融合空间人员转移决策程序,所述基于数字孪生与多智能体协同演化的站城融合空间人员转移决策程序被所述处理器运行时执行如上所述的方法的步骤。

46、为实现上述目的,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有基于数字孪生与多智能体协同演化的站城融合空间人员转移决策程序,所述基于数字孪生与多智能体协同演化的站城融合空间人员转移决策程序被处理器运行时执行如上所述的方法的步骤。