大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf

发布时间：2022-06-02 发布人：admin 分类：说明书资料大小：0.61M 资料格式：pdf 举报版权申诉

第1页 / 共6页

qq_44757734-12266131-大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf-第2页.png

第2页 / 共6页

qq_44757734-12266131-大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf-第3页.png

第3页 / 共6页

qq_44757734-12266131-大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf-第4页.png

第4页 / 共6页

qq_44757734-12266131-大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf-第5页.png

第5页 / 共6页

qq_44757734-12266131-大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf-第6页.png

第6页 / 共6页

文本预览

基金项目: 贵州省自然科学基金( 编号:[2009]2219);国家自然科学基金( 批准号:61363074);广西自然科学基金( 编号:2013GXNSFAA019346); 广西教育厅科研项目( 编号:2013YB148)”。收稿日期:2015－01－14修回日期:2015－04－04第32卷第06期计算机仿真2015年06月文章编号:1006－9348(2015)06－0398－05大规模聚集人群的疏散仿真模型研究蒋雪玲1，2，潘颖2(1．贵州大学光电子技术及应用重点实验室，贵州贵阳550025;2．广西师范学院计算机与信息工程学院，广西南宁530023)摘要:人群聚集区的安全疏散可以在最大程度上降低踩踏风险，但是在人群疏散的过程中，人员大量聚集导致发生突发状况时人群会存在较大的方向冲突，传统方法中的动态参数模型用参数简化了行人对周围环境的判断而进行的决策过程，但是该模型演化规则对冲突处理过于简单，对多人竞争同一个空位的冲突处理与实际不符，最终只有一个个体以等概率真正移动，其它几个则保持不动，降低了疏散效率。为此，提出了一种改进的基于摩尔型领域的二维元胞自动机的仿真疏散模型，修改了传统方法中多人竞争同一空位时的处理规则，并根据实际情况，将规则由同步更新变成了异步更新。改进后的模型强调理性个体在发生竞争冲突时对决策的理性判断，通过循环次优化选择模拟行人移动的决策，真实反映了行人对领域环境根据理性判断做出的行为选择，表现出了行人的思考和对周围环境反应的能力。利用该模型对室内行人进行疏散仿真，分析了行人分布、行人密度以及出口宽度对疏散效率的影响。仿真结果表明，改进模型更真实地模拟个体行为，平均疏散时间随密度和出口宽度变化的模拟结果与实际情况相符，证明了提出的模型的合理有效性，且适应性强，效率高。关键词:疏散仿真;元胞自动机;理性个体;更新规则;异步更新中图分类号:TP11文献标识码:BAnImprovedModelofLargeScaleCrowdfortheEvacuationJIANGXue－ling1，2，PANYing2(1．LaboratoryforPhotoelectricTechnologyandApplication，GuizhouUniversity，GuiyangGuizhou550025，China;2．CollegeofComputerandInformationEngineering，GuangxiTeachersEducationUniversity，NanningGuangxi530023，China)ABSTＲACT:ThispaperputsforwardanimprovedmodelbasedonMooreneiborhoodtwo－dimensionalcellularau-tomataforevacuationoflargescalecrowd，whichmodifiestherulesoftheconflicthandlingforcompetition．Atthesametime，thesynchronousupdateischangedintotheasynchronousupdateaccordingtotheactualenvironment．Theimprovedmodelemphasizestherationaljudgmentofindividualcompetitiveconflictinthedecision－makingprocess，andthemovementofpedestriansissimulatedwithiteratingthroughsub－optimalselection．Thismoretrulyreflectstheactualbehaviorprocessofthepedestriansinthefieldenvironmentaccordingtorationaljudgment，showsthepe-destrians＇thinkingprocessesandreactioncapacitytotheirsurroundings，andreproducesthetypicalgroupbehavior．Inthesimulationforevacuationofindoorpedestriansbyusingthemodel，theinfluencesofpedestriandistribution，pedestriandensityandexitwidthonevacuationtimeareanalyzed．Simulationresultsshowthattheproposedevacua-tionmodelhasstrongadaptabilityandhighefficiency．KEYWOＲDS:Evacuationsimulation;Cellcularautomata;Ｒationalindividuals;Updaterule;Asynchronousupdate1引言如今大型、高层公共场所的社会活动日趋频繁，并且建筑物具有体积大型化、结构复杂化等特点，这些公众场所中聚集的高密度人群，极易引发群体性灾害事故，存在极大的安全事故隐患。2014年底上海陈毅广场的踩踏悲剧给人们敲响了警钟，安全疏散是解决这一隐患的有效方法。因此，如何建立合理有效的疏散仿真模型成为了相关领域研究的焦点，越来越受到广泛的关注。很多相关学者提出了适应各种场合的不同微观疏散模型。MasakuniMuramatsu等提出格子气(Latticegas)［1］模型—893—

用来研究出口的动态相变、通道双向流的相变［2］及出口宽度与饱和流率的幂律关系［3］等。模型中行人被看作是随机移动的气体分子，每个行人根据自己周围的情况依照一定概率选择自己下一步的行动方向。宋卫国等将格子气模型作为框架，结合平均场模型提出了一种考虑人数分布特性的改进的格子气疏散模型［4］，还将社会力模型与格子气模型相结合提出了多网格模型［5］，模型中行人是非刚性体，占九个元胞的位置，且行人之间可以发生挤压和重叠等行为。房志明则利用多网格模型［6］针对一个正方形的大厅对人员疏散过程进行了模拟。YanagisawaD提出的地面场(floorfield)［7］模型引入摩擦参数反应个体之间的相互作用力，研究了行人之间拥挤力的影响。H．Yue利用动态参数建立了基于元胞自动机的行人流仿真模型［8］，利用几个动态参数简化了行人移动的决策过程。后来又建立了适用于人员疏散的动态参数疏散模型［9］。ZhuNuo，李特朗［10－11］等进一步增加了感知参数，增强了模型判断的可靠性。疏散过程中，行人移出的方向选择依赖于疏散的演化规则。在某些人群疏散仿真模型中［8，9］，当多人竞争同一个空位并发生冲突时，处理方法过于简单而理想化，最终只有一个个体以等概率真正移动，而其它几个则保持不动。实际上，在紧急情况下，一般行人都会择其次而行之，所以这种假定是不现实的。针对上述问题，提出了一种基于元胞自动机的大规模聚集人群疏散仿真模型。该模型注重个体的理性判断，在处理竞争冲突时通过对行人决策的次优选择，表现出行人的思考能力和对周围环境的适应能力。实验结果证明，本文提出的疏散仿真模型更真实刻画了个体的理性判断过程，适应性强。2动态参数疏散仿真模型的建立原理在人员较密集的区域，如果突发紧急情况，要能较好地掌握和分析疏散过程中的个体和群体行为，才能实现人员的快速安全撤离。基于元胞自动机的动态参数疏散模型，相关原理［8－9］如下所述:疏散仿真模型构建在面积为(W+2)×(W+2)的二维元胞网格系统，行人疏散范围的移动面积划分为W×W个大小均等的离散元胞空格。其中，W为系统规模，利用遮挡物占据系统边界元胞产生边界围栏，在围栏内有空元胞作为安全出口。在系统内，每个空位置与每个行人一一对应。同时行人的仿真进程被离散化为均等的时间步长。单位时间步长内，行人只可以挪动一个元胞的位置，即Vmax=1，同时行人也可以结束等待，以Vmax=1的最快速度移动。对于行人无法跨越的围栏，可以通过围栏的安全出口离开系统，疏散行人离开系统后将不再进入系统。仿真模型示意图如图1所示。该模型利用两个动态参数以位置吸引作为个体选择疏图1基于元胞自动机的疏散模型示意图散路线的依据，假设每个行人以最短路径的思维选择移动路径，计算出疏散场景中每个位置的吸引力，即移动收益后，疏散个体选择其邻域内移动收益最大的网格位置作为下一步移动的目标。移动收益通过两个反映对周围疏散条件判断的参数求和得出，分别是:方向参数和空格参数。方向参数表述下一时刻候选位置和行人目的位置之间的接近程度，采用静态领域来表达房间内不同位置对行人的吸引程度，即每个元胞到出口的最短距离，房间的几何形状和出口位置一旦确定，每个元胞到出口的最短距离也就确定了。无障碍物时，采用元胞位置距安全出口的欧氏距离作为该位置的静态领域参数值。静态领域参数根据式(1)计算Sxy=min(mminn((x－xmn)2+(y－ym)槡2))元胞(x，y)为空的M元胞(x，y)为障碍物(1)式中:Sxy为元胞的静态领域参数值:(x，y)为元胞在疏散房间中的坐标;(xmn，ymn)为第m个门内第n个元胞在疏散房间中的坐标;M为一个很大的正数。在疏散行人占据中心位置的移动领域内，与其对应的方向参数矩阵元素Dij的值表述为式(2)所示:Dij=S00－Sij1垂直水平方向移动i+i=1．－1S00－Sij槡2斜线方向移动{i+i=0．－2．2(2)式中，S00代表移动范围中心位置距安全出口的最短距离，Sij为行人移动领域内的静态领域参数值。空格参数值则映射出了下一刻候选位置是否被他人占据了。空格动态参数矩阵元素的值Eij由式(3)所示。Eij=1空的元胞位置0中心元胞位置－1{被其他行人占据的元胞位置(3)每个行人的每个时间步，在移动领域内的每个可能位置都拥有自己的移动收益。在模型演化的任何一个时间步内，行人可以等待，也可以向自己的领域移动。模型设置行人在进行疏散时，进行移动之前都会判别移动范围中不同位置的移动收益，选取具有最高移动收益值的位置作为下一时间步的目标位置。由于行人选择的目的位置可能是几个人都会—993—

选择移动的目标位置，也可能自己和别人位置正好交换，故疏散的过程中，行人之间位置的竞争与互换会经常发生。当两个行人互相选取彼此的位置作为自己的目标位置时，交换的时间会发生在下一时间步内。3基于元胞自动机的疏散优化模型的建立动态参数疏散仿真模型考虑的是室内空间的疏散仿真研究，该模型利用动态参数简化了移动的判断策略，虽然实现简单，但是当几个元胞竞争同一个目标位置时，模型处理不符合实际，无法避免更新规则中多人竞争同一空位冲突的低效问题，降低了疏散效率。动态参数模型是这样处理的:如果两个或多个行人试图移动到同一位置时，系统将以相同概率随机选出一个人，并移到目标位置，其他人员保持不动。位置交换也是以交换或停止的简化处理方式。动态参数模型对多人争抢同一位置的处理，只进行了简单的位置交换，而没有从理性个体角度出发，与现实不符。为此，提出了一种改进的基于元胞自动机的疏散仿真模型。3．1模型的描述正常情况下的疏散过程，处于理性状态下的个体作为理性思考者，不会在危急情况下坐以待毙，原地不动，没有最好的位置，一般会退而求其次找次好的，以此类推，直到最终找到合适位置，这比较符合紧急情况下个体的实际心理特征。本文据此遵循以人为本理念，围绕个体作为理性实施者的角度进行了改进。基本思路是:对每个元胞的每次选择，当前元胞都会移动，若同一位置多人竞争，则首选最优位置，如图2所示。图2多人竞争同一个位置若最优位置没被选中则选次优位置，若次优位置也没被选中则继续选择再次之位置，以此类推，直到最终选择到一个移动位置。这样，对于整体而言，每个元胞位置每次都会发生变化，不会有静止不动的情况，这更符合人作为理性思考者的实际情况。3．2实现疏散仿真模型的建立在疏散仿真模型建立的过程中，演化规则上使用了蒙特卡洛异步并行的演化规则。3．2.1演化规则1)每一代，随机挑选N个个体，N为疏散的人群总数。2)每一时间步长t内，疏散行人只能移动一个元胞的位置，行人有九个可选的下一步目标位置(如图3所示)。按式(4)［9］计算每一个元胞的移动收益Pij。Pij=Dij+Eij(4)图3行人移动领域及移动收益3)每次选择下一目标位置时，判断移动领域内九个位置的移动收益Pij，选择最大收益值的位置作为下一目标位置。4)若存在多个移动收益最大值的位置时，以相同概率随机选择一个作为下一目标位置。5)若演化过程中出现多个个体竞争同一个空闲位置时:a)假设选择A个体，通过计算A及邻近的移动收益，若A的下一个合适目标位置为B，如图2(a)所示，而B也可能是其它个体的最优逃生位置时，采用遍历法将B及邻域的元胞计算移动收益，观察B邻域中的人是否有意向移到B中(仅计算有人的)。若除了个体A，还有个体C，D，E也想移到B位置，见图2(b)，则等概率随机挑选个体占据位置B。b)如果个体A被选中移到位置B，则该次仿真结束，再次随机挑选个体进行下次循环。若被选中的个体不是A，而是C，D或E移到B，则让个体A假设性的选择次优路径(即收益矩阵排序第二的元胞位置)，然后按步骤(a)和(b)的方式再次寻找其它个体是否抢占其次优逃生路径，如果依然有个体争抢，则依然等概率随机选择占据其第二逃生路径的个体。c)在b中，如果A依然没有被选中，则再次进入循环(a)和(b)步骤，以此类推，一直选择下去，直到找到合适的位置6)当行人之间位置交换的条件满足时，位置交换一定会成功完成;当行人之间位置交换的条件不满足时，一个行人可以选择次优位置移动，如果次优位置也被占据，则继续—004—

选择，直到最终找到一个移动位置，另一个选择移动到对方位置。7)疏散出去的个体不再参与仿真，每一代蒙特卡洛步的N会逐渐减少，当个体全部疏散出去，仿真结束，输出疏散时间。3．2.2更新时序在实际的疏散场景中，疏散者由于获取信息的不完全性以及时间的延时等因素会出现行动上的不一致，从而导致行为上的变化呈现出异步性，因此，将规则的更新时序结合蒙特卡洛仿真方法采用异步并行更新机制，可以更加凸显随机的动态特性。从而建立了基本疏散仿真模型。该疏散模型在长、宽为(M+2)×(N+2)的二维离散网格空间系统内进行仿真。M，N称为系统规模，系统边界由障碍物形成的围墙占据，安全出口在墙的中心位置，由空格元胞代表。元胞和行人的位置一一对应，仿真时元胞只有两种状态:空闲或被占据。在每个时间步长内，行人或静止等待，或以速度Vmax=1移动。行人只能避让或绕行障碍，不能穿越或跨越。此外，该模型只考虑正常情况下的人员疏散仿真，忽略了焦虑、紧张等心理因素，也忽略了行人之间的作用力等影响因素。基于这样的假设，影响疏散过程的主要因素只有系统规模、人员密度和出口宽度。初始人员密度K定义为:房间内总的行人数量P与疏散空间元胞总数目的比值，用下述公式计算。行人平均疏散时间T为所有人离开房间的时间步。K=PM×N(5)假设仿真开始时，疏散人员均匀分布在室内，出口内没有行人。为了得到稳定而准确的数据，每项统计参数分别取10次运行参数的平均值。4仿真分析为了验证改进算法的有效性，通过仿真进行验证。在仿真过程中，研究在矩形室内空间下，不存在障碍物的单出口和多出口的两种情况。4．1单出口仿真研究了在墙中央设置一个同样宽度的单出口时，不同系统规模，行人疏散时间T随着人流密度K和出口宽度L变化的情况。这里由于选择M=N，则统一用W表示系统规模。图4显示了系统规模是W=30，出口宽度是L=3，行人密度是K=0.3的行人疏散演化过程。图中黑色圆表示行人，红色表示边界。由图4可以得出一些典型的疏散现象在仿真中得到了验证，如出口前的阻塞现象和拥挤形成的拱形现象。从图4看到，当行人密度较小时，个体移动的目标位置之间没有冲突，此时平均移动速度较快，疏散时间较短。随着行人密度的逐渐增加，行人移动趋于困难，平均移动速度渐渐变慢，疏图4单出口疏散演化过程散时间变长。图5显示了系统规模不同、安全出口宽度L分别是1和10时行人疏散时间T随行人初始密度K的变化曲线。图5单出口不同出口宽度时间密度曲线从图5可以看到出口宽度L=1，L=10时，同样系统规模下，曲线总体的延伸趋势类似，但是L=10时的疏散时间大大减少了，很显然随着门宽度的增加，疏散效率提高，所花的疏散时间相应减少了;L=1时，四种不同规模人群的疏散时间逐渐增大，呈线性分布。出口越小，曲线幅度越大，显示的疏散时间所受影响也较大。随着L从1到10，四种不同规模的人群疏散时间逐渐增大，呈线性分布。但是四种规模的曲线幅度差异要比L=1的时候要小。这说明，出口宽度越大，对疏散时间的影响越小。图6显示了在安全出口宽度不同、系统规模W=10和W=30的情况下行人疏散时间随行人初始密度的变化曲线。图6单出口不同规模时间密度曲线从图6看出，单出口矩形疏散空间中，不同的系统规模下，同样出口宽度时，虽然曲线总体的延伸趋势大致相同，但是W=10时的疏散时间更少。显然人数越少，同样出口宽—104—

度下，所花疏散时间会更少，与熟知的常识一致。无论是规模W=10还是W=30，当出门宽度为L=1的时候，曲线跳跃性较大，显示了所花疏散时间较多，而随着L从3到7的变化，相应的疏散时间的增加量由骤然上升趋势变得渐渐缓和，直至趋于持平，这表示出口即使继续增大，所花的疏散时间和幅度已较为接近，这说明到了一定程度，加大出口宽度，出口用于行人疏散的利用率逐渐降低，此时，出口宽度的改变对疏散时间的影响已经有限。4．2多出口下面实验研究了多个出口的矩形空间对疏散时间的影响。矩形空间系统规模为M×N，选择M=N，统一用W表示系统规模。大致分两种情况，出口分别为2个和4个。若为2个出口，则出口分别在对应两边中间;若为4个出口，则每边中间1个出口。每个出口宽度均为L=3。1)两出口图7显示了矩形空间下，两个出口的无障碍行人疏散动态演化示意图，图8是系统规模W=30时不同安全出口宽度的疏散时间随行人密度的变化曲线。2)四出口图9是矩形空间下四个出口的无障碍行人疏散演化过程。图10显示了系统规模W=30时不同安全出口宽度的疏散时间随行人密度的变化曲线。把图4和图7与图9的动态演示图进行对比，可以看出无论是两出口还是四出口，都分流了人群流量，通过多个不同出口疏散，缓解了单出口的压力，大大减少了疏散时间。这说明随着出口个数的增加，疏散时间缩短了，提高了疏散效率。从图8和图10的曲线同样显示当出口宽度为1时，疏散时间的曲线上升很快，而当出口宽度从3变成7的过程中，疏散时间改变的幅度已经渐渐趋于平缓。这再次说明出口宽度增大到一定程度，对疏散时间的影响已经逐渐减弱，主要是此时出口利用率降低了。综合言之，无论哪种情况，行人的疏散时间随行人密度呈线性变化。5结束语在疏散仿真模型建立过程中，采用传统方法建立的疏散仿真模型，无法避免疏散仿真模型演化规则中对多人竞争冲突处理造成的低效问题。为此，提出了一种基于元胞自动机的疏散仿真模型。该模型侧重理性个体的理性选择决策来描述行人行走时对环境的判断，反映出作为理性思考者的个体对周围环境反应的能力，并再现了典型的群体现象。实验结果证明，本文建立的疏散模型更真实地模拟出疏散个体的理性判断行为，仿真结果与实际情况相符，说明本文的改进是合理有效的，且适应性强，效率高。参考文献:［1］MasakuniMuramatsu，TunernasaIrie，TakashiNagatani．JammingtransitioninpedestrianCounterflow［J］．PhysicaA，1999，267:487:98．［2］MMuramatsu，TIrie，TNagatani．Jammingtransitioninpedestri-ancounterflow［J］．PhysicaA:StatisticalMechanicsanditsAp-plications，1999，267(3):487－498．［3］YTajima，TNagatani．Scalingbehaviorofcrowdflowoutsideahall［J］．PhysicaA:StatisticalMechanicsandItsApplications，2001，292(1－4):545－554．［4］宋卫国，张俊，胥旋，刘轩，于彦飞．一种考虑人数分布特性的人员疏散格子气模型［J］．自然科学进展，2008，18(5):552－558．(下转第415页)—204—

图6改进算法迭代次数5结语针对传统算法在进行复杂系统拆卸时，由于算法的局限性只能获取系统的某一断层的图像，从而导致拆卸的效率极低，且拆卸误差较大的缺陷，提出基于三维图像处理的复杂系统拆卸方法。将采集到的原始图像采用平滑、增强、边缘分割及格式转换等方法进行预处理，得到清晰度更高的图像，针对预处理后的图像进行坐标变换，通过计算获取不同视角的坐标系的位置关系，得到对应特征点的三维信息参数，从而完成复杂系统拆卸的虚拟建模。实验结果表明，采用改进算法进行复杂系统拆卸能够大大提高工作效率及算法收敛速度，具有极大的优越性。参考文献:［1］魏巍，薛鹏，王勇，池千艳．3Dwidgets交互在三维图像处理中的应用研究［J］．微计算机信息，2009，(15):300－302．［2］WangBingTuan，FengYongGe，PangKun，CuiJianYing，ZhuoLin，ChenLiCheng．Ｒesearchonmodeltestingofanewultrasonicmulti－wavedetectingmethod［J］．ActaSeismologicaSinica(Eng-lishEdition)，2006，19(1):108－112．［3］王鑫，姚军，杨永飞．一种新的基于图像的路径压缩优化方法及其在数字岩心中的应用［J］．科学技术与工程，2013，(36):10863－10866．［4］OmarAbdel－Ｒahman．Threedimensionalimage－basedbrachy-therapy:evaluatingthetrueimpactontreatmentoutcome［J］．TheChinese－GermanJournalofClinicalOncology，2014，(3):135－139．［5］魏楚亮，罗培羽，洪晓斌，邱超乐，蔡泽民．基于单张照片模式的三维图像重建新方法研究［J］．中国测试，2014，40(2):23－26．［6］JSChen，DPChu．Fastcalculationofwavefrontamplitudeprop-agation:atooltoanalyzethe3Dimageonahologram(InvitedPa-per)［J］．ChineseOpticsLetters，2014(6):95－98．［7］李朝晖，魏君，吕忠文，田宇，杜超．3D解剖图像、临床视频短片和影像学三维图像在神经外科教学中的应用［J］．中国实验诊断学，2013，17(9):1734－1735．［8］何为，牛富丽，李冰，余征．基于对应点匹配插值算法的电阻抗三维图像重建［J］．重庆大学学报(自然科学版)，2013，36(7):61－65．［9］AnastasiosKoulaouzidis，AlexandrosKarargyris．Three－dimen-sionalimagereconstructionincapsuleendoscopy［J］．WorldJour-nalofGastroenterology，2012，18(31):4086－4090．［10］DAIZhihua，WANGJingang，ZHAOXing，YANGYong，BUJing，YUANXiaocong．Fastacquisitionof3Dimagesinamodi-fiedopticalmicroscopebasedonintegralimaging［J］．ScienceChinaTechnologicalSciences，2012，55(4):977－981．［作者简介］胡迎刚(1982－)，男(汉族)，四川省富顺人，硕士，讲师，主要研究方向:FPGA嵌入式系统设计、数字图像处理、通信工程。(上接第402页)［5］SongWeiguo，etal．Simulationofevacuationprocessesusingamulti－gridmodelforpedestriandynamics［J］．PhysicaA．2006，363:492－500．［6］房志明，宋卫国，胥旋．一种多格子模型的实现及其对单室疏散过程的分析［J］．火灾科学，2008，17(3):165－171．［7］DYanagisawa，AKimura，ATomoeda，ＲNishi，YSuma，KOht-sukaandKNishinari．FloorFieldmodel［Ｒ］．Phys．Ｒev．E80036110．［8］HaoYue，HeruiHao，XiaomingChen，ChunfuShao．Simulationofpedestrianflowonsquarelatticebasedoncellularautomatamod-el［J］．PhysicaA2007，384:567–588．［9］岳昊，邵春福，姚智胜．基于元胞自动机的行人疏散流仿真研究［J］．物理学报，2009，58(7):4523－4530．［10］ZhuNuo，JiaBin，ShaoChun－Fu，YueHaoSimulationofpe-destrianevacuationbasedonanimproveddynamicparametermodel［J］．Chin．Phys．B2012，21(5)［11］李特朗，张喜，朱诺，曹伟，郑攀．基于动态参数模型的行人流疏散仿真［J］．交通运输系统工程与信息，2013，(5):42－47．［作者简介］蒋雪玲(1971－)，女(汉族)，广西桂林人，博士研究生，主要研究领域为复杂系统仿真。潘颖(1972－)，女(壮族)，广西宁明人，博士，教授，主要研究方向:数据空间与计算机应用，复杂系统仿真。—514—

分享到：

赞收藏

资料库

大规模聚集人群的疏散仿真模型研究_蒋雪玲.pdf

相关推荐

行业

热门标签

最新资料