Agent-based fire evacuation model using social learning theory and intelligent optimization algorithms

doi:10.1016/j.ress.2025.111000

2025-06-08

PRE

Peng Lü

Yufei Li *

DOI：10.1016/j.ress.2025.111000

原文链接

原文求助

摘要

En 中文

火灾事故往往会引发一系列社会问题。因此，优化疏散策略和推广相关社会安全知识尤为重要。基于此，本研究提出了一种将火灾动力学模拟器（FDS）与基于代理的建模（ABM）相结合的火灾疏散模型，用于模拟酒吧火灾场景。在该模型中，引入了社会学习的概念，并将疏散时间、踩踏风险和行人健康状况等多元因素作为风险评估指标。机器学习与智能优化方法相结合，用于优化疏散策略。首先，我们通过对比平均模拟结果与真实数据验证了模型的有效性。结果表明，本模型的模拟结果具有良好的准确性和鲁棒性。其次，我们分析了二楼安全出口的重要性。当二楼安全出口保持畅通时，疏散效率和伤亡风险可显著改善。随后，我们考察了社会知识的作用。当人们意识到火灾风险并选择立即疏散时，伤亡可显著减少。最后，我们研究了分阶段疏散在提升人群安全方面的有效性。通过采用结合随机森林与粒子群优化-遗传算法（PSO-GA）的方法，优化了分阶段疏散策略，形成了明确的降低疏散风险的策略。这一发现进一步扩展了社会安全知识，表明当交错疏散的比例适当时，疏散风险可显著降低。本研究对社会安全知识的发展有所贡献，并为不同场景下制定疏散策略提供了方法论参考。

Keyword:

Fire evacuation

Agent based model

Social knowledge

Random forest

Decision optimization