Louvre_Evacuation

题目来源：2019年 美赛 D题
完整代码请见：https://github.com/izcat/Louvre_Evacuation

2019 ICM
Problem D: Time to leave the Louvre

问题背景

法国发生的恐怖袭击越来越多，在许多热门目的地，亟需一个应对紧急情况的疏散计划。
你们的ICM团队正在帮助设计在法国巴黎卢浮宫的疏散计划。
总的来说，疏散的目标是让所有的人都撤离，尽快安全离开大楼。
接到疏散通知后，为了尽快清空建筑，每个人尽可能的通过一个最佳出口。

问题要求

建立一个卢浮宫紧急疏散模型，以满足：

• 当出现突发意外事件时，指导游客人群从卢浮宫疏散 (evacuate visitors from the museum)
• 探讨安保/急救人员进入策略 (allow emergency personnel to enter the building)
• 确定人流移动的瓶颈 (identify potential bottlenecks limiting movement towards the exits)
• 模型考虑各种威胁 (a broad set of considerations and various types of potential threats)

My Work:

不考虑个体行为的情况下，可以将卢浮宫抽象为二维平面图，记录各个关键节点、出口、节点之间的长度、路径信息等，建立图论模型，求解最短路、网络流等，从而得到疏散时间，瓶颈等结果。

从人群疏散的角度看，查阅资料，我们发现目前疏散模型大致有两种处理方式，元胞自动机模型和社会力模型。
本程序主要模拟了人员疏散的撤离情况。

编程目的

• 研究人群在一般空间的流动情况
• 出口数量、分布对疏散时间的影响
• 障碍物对人员流动的影响
• 定量求解人流密度，确定疏散瓶颈

算法思想

利用元胞自动机实现 （社会力模型人员会在地图上重叠）

• 初始化地图，地图为矩形区域，基本信息包含长Length、宽Width、若干出口Exit、障碍物Barrier等
• 基于该论文，出口距离在地图上反映为势能的高低，初始化地图的势能
• 初始化人群，人群随机分布在地图的合法区域内
• 疏散模拟：
  • 移动方向：每个人优先选择最短路进行撤离，考虑使用Moore型元胞，有8个移动方向
  • 移动速度：一定区域内（周围8个邻居元胞）人流密度决定人员的移动速度 （待改进：统计可视角度内的人流密度）

模拟结果

人员疏散过程模拟

热力图

反映瓶颈位置

包含三个模块 main.py map.py people.py

main.py

界面实现，包含GUI类，显示地图、人员、疏散情况等信息

map.py

地图类，地图以点(px, py)集形式保存出口Exit位置及障碍物Barrier位置
出口对地图的势能初始化：利用BFS算法实现，多个出口取最小势能

people.py

包含两个类，Person类和People类，前者只有移动速度、位置等基本属性，后者包含了整个地图信息，人流密度等，方便指引每个人的移动

有待改进之处

模型人员移动策略可以修改为：

• 只设置一定比例的人员（作为安保/疏导人员）能够自动走到出口
• 其他人员随机走动/从众心理跟着人流走动

考虑人员增加更多属性，如年龄、性别、是否结队等

• 不同年龄人群移动速度不同
• 家人、朋友等同行人员等使用相同的移动策略
• 男性群体可能更理性，倾向于走最短路径/避让人群

编程收获

• 再次熟悉使用了pkinter实现GUI，并再次利用plt作图（热力图）
• 深刻领会了 Python 的赋值、引用、拷贝问题 ：可变对象之间的赋值是传引用，不可变对象的赋值是传值。详见博客
• 求解最短路要注意连通性！！！初始距离设为无穷大可避免出现更新距离问题（不连通的区块距离为0导致错误）
• 对矩阵np.array的访问，下标为浮点数只会报Warning，改了好久值类型dtype才发现下标为浮点数！

原文地址：https://www.cnblogs.com/izcat/p/12169268.html