一种灾害条件下人群踩踏行为演化的知识发现方法

摘要

本发明涉及一种灾害条件下人群踩踏行为演化的知识发现方法，包括以下步骤：1)提取人群踩踏情景要素特征，在群智能人群疏散模型中进行仿真，得到疏散过程中踩踏演化行为特征，构建论域空间层的论域对象集合；2)对所述人群踩踏情景要素特征和踩踏演化行为特征进行粗糙集属性离散化处理；3)建立“条件—决策”二维信息模式的踩踏演化机理知识表达式，并对所述踩踏演化机理知识表达式进行知识约简；4)根据所述踩踏演化行为特征生成元规则库；5)加载所述元规则库和疏散实例，生成踩踏演化的泛化规则库。与现有技术相比，本发明通过经典粗糙集理论，实现人群踩踏行为演化机理的自动知识发现，解决人群踩踏演化机理的知识缺乏问题。

说明书

技术领域

本发明涉及人群踩踏防范技术领域，尤其是涉及一种灾害条件下人群踩踏行为演化的知识发现方法。

背景技术

目前，对于人群踩踏事故的分析和预防还处于起步阶段。人群疏散过程中发生的踩踏可能是“谣言-恐慌”模式单独发生的，也可能作为突发灾害(火灾、地震、爆炸、毒气泄漏等事故)的次生灾害，以“灾害-恐慌”模式耦合发生。

现有人群疏散模型多是聚焦在人群运动学和动力学方面的研究，主要描述人群疏散行为，并分析建筑物疏散要素(楼梯口和消防通道最小宽度等)与人群通行能力和疏散时间的关系，给出建筑物预防人群踩踏的若干应急管理策略和建议。多数现有模型尚未系统研究踩踏发生的条件和演化机理，仅仅把踩踏作为现有疏散模型中的典型失稳现象加以考虑。

分析现有人群疏散研究结论可以发现，对于踩踏演化机理的研究处于初步阶段，仍存在知识经验依赖和知识缺乏等问题。对于踩踏防范问题，多停留在基于经验的预案管理阶段，对于踩踏的实时控制问题，多依赖于应急疏散现场指挥人员的组织经验和人群的配合程度。迫切需要采用科学方法，分析人群踩踏成因机制，揭示人群踩踏演化规律。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种灾害条件下人群踩踏行为演化的知识发现方法，仅仅依赖实际论域记录数据本身，利用粗糙集理论严密梳理逻辑，自动计算和发现人群踩踏行为演化的知识。

本发明的目的可以通过以下技术方案来实现：

一种灾害条件下人群踩踏行为演化的知识发现方法，包括以下步骤：

1)提取人群踩踏情景要素特征，在群智能人群疏散模型中进行仿真，得到疏散过程中踩踏演化行为特征，构建论域空间层的论域对象集合，所述踩踏演化行为特征包括踩踏概率；

2)对所述人群踩踏情景要素特征和踩踏演化行为特征进行粗糙集属性离散化处理；

3)以所述离散化处理后的人群踩踏情景要素特征作为论域对象的条件属性，以相应的所述踩踏演化行为特征作为论域对象的决策属性，建立“条件—决策”二维信息模式的踩踏演化机理知识表达式，并对所述踩踏演化机理知识表达式进行知识约简；

4)根据所述踩踏演化行为特征生成元规则库；

5)加载所述元规则库和疏散实例，生成踩踏演化的泛化规则库。

所述人群踩踏情景要素特征包括疏散个体生理因素、社会因素、行为特征和环境特征，所述疏散个体生理因素包括年龄、性别、残障程度、敏捷性和体重，所述社会因素包括陌生程度，所述行为特征包括恐慌程度，所述环境特征包括灾害因素和空间约束。

所述恐慌程度根据Helbing,D.恐慌“心理—行为”波动模型映射为疏散个体的个体直径，所述个体直径的求解过程具体为：

f_iw＝{A_i>i-d_iw)/B_i]+kg(r_i-d_iw)}n_iw-γg(r_i-d_iw)v_it_iw(3)

式中，m_i是第i个疏散个体的质量，是第i个疏散个体的理想速度，是第i个疏散个体的设定方向，v_i是第i个疏散个体的实际速度，τ_i是第i个疏散个体的特征时间，t是时间，f_ij是疏散个体i与疏散个体j之间的相互作用力，f_iw是疏散个体i与边界之间的相互作用力，A_i、B_i为常数，d_cij是两疏散个体的质量中心距离，d_ij为两疏散个体之间距离，n_ij是由疏散个体j指向i的标准向量，t_ij是n_ij的切向方向，是t时刻速度的矢量差，kg(d_ij-d_cij)表示质量力，表示t时刻滑动摩擦力，k和γ为决定疏散个体i和j之间的相互作用的阻塞效应的参数，d_iw是疏散个体i与边界之间的距离，n_iw是指垂直方向，t_iw是指切向方向，r_i是第i个疏散个体的个体直径，v_i为第i个疏散个体的个体速度，g(x)是一个函数，如果疏散个体发生碰撞，g(x)＝0，否则g(x)＝x。

所述灾害因素映射为经恐慌传播后的疏散个体的个体速度进行表达，具体为：

定义规则θ为：

式中，μ_DA为灾害损失度DA的隶属度函数，DA_max为最大灾害损失度，为风险评估强度I₀的隶属度函数，I_max为最大风险评估强度，下标t是h_dis的排序号，s是i值的序号，i是风险评估强度I₀上的坐标值，n为i的最大值，r_st是模糊关系矩阵中的元素，采用推论公式：

DA＝I₀θR(5)

将风险评估强度I₀以信息分配的方法分配到控制点上，最后求出灾害风险指数h_dis的值，R为模糊关系矩阵；

计算各疏散个体经恐慌传播后的个体速度：

h_dis＝f(ρ)(6)

式中，ρ为人流密度，f(·)表示灾害风险指数h_dis与人流密度ρ所线性关系函数，D_L＝NA_P/W_AL_A＝ρA_P，D_L是水平投影面内单位面积的疏散个体数量，N为行走人流中的总人数，A_P为单个人的水平投影面积，W_A为人流的宽度，L_A为人流的长度，v_i为第i个疏散个体的个体速度。

所述人群踩踏情景要素特征分为定性特征和定量特征，执行步骤2)时，对于定性特征，直接将其映射为粗糙集离散属性；对于定量特征，先将其映射为粗糙集连续属性，然后采用启发式SOM自组织聚类模型，对粗糙集连续属性进行自动离散化处理，将粗糙集连续属性值转化为粗糙集矩阵可分辨的数学符号。

所述知识约简包括采用全距离降维模型进行的论域空间降维约简以及运用粗糙集理论约简和核计算模型进行的属性约简和属性值约简。

运用粗糙集理论进行知识约简具体为：

对于知识系统S＝(U,A)，U为论域对象集合，U＝{x₁,x₂,…,x_n}，其中的元素x_i为论域中的对象，n为对象总数，A为非空的属性集合，A＝C∪D，C是条件属性集合，D是决策属性集，且C∩D＝φ，计算该知识系统的区分矩阵M_DS(C)：

分辨矩阵中的元素m_ij是区分对象x_i和x_j的所有条件属性的集合；

定义布尔函数f_DS如下：

其中，布尔变量对应于m个条件属性符号∨表示析取运算，符号∧表示合取运算；

计算知识系统S的决策矩阵M_DS(C)：

决策矩阵中的元素是区分对象x_i和x_j的所有条件属性的集合；

定义决策函数f_DRDS如下：

这里

与现有技术相比，本发明具有以下优点：

构建人群踩踏演化机理的粗糙集知识发现模型，将人群踩踏演化的知识发现问题转化为粗糙集决策规则自动生成问题。

对于人群踩踏情景要素的特征提取和离散化的研究，基于自组织映射(SOM)网络的启发式自动聚类模型，抽取人群踩踏关键情景要素和演化行为特征，并离散化为粗糙集论域对象的条件属性和决策属性，构建蕴含人群踩踏演化知识的二维信息表，以简洁和完备的方式提出了人群踩踏演化机理的知识表达系统。通过粗糙集矩阵计算模型自动生成知识表达的元规则，加载人群疏散过程中的踩踏情景实例，可以将元规则严密的还原成为具有现实背景意义的泛化规则，形成显性知识。上述各方法的一致性和完备性，为系统计算并发现人群踩踏演化行为所蕴含的宝贵知识提供了科学依据，成为本发明的创新点。

附图说明

图1为本发明的原理示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

如图1所示，本实施例提供一种灾害条件下人群踩踏行为演化的知识发现方法，包括以下步骤：

步骤一、提取人群踩踏情景要素特征，在群智能人群疏散模型中进行仿真，得到疏散过程中踩踏演化行为特征，构建论域空间层的论域对象集合，踩踏演化行为特征包括踩踏概率。

所述人群踩踏情景要素特征包括疏散个体生理因素、社会因素、行为特征和环境特征，所述疏散个体生理因素包括年龄、性别、残障程度、敏捷性和体重等，所述社会因素包括陌生程度，所述行为特征包括恐慌程度，所述环境特征包括灾害因素和空间约束。

本发明中，所述恐慌程度根据Helbing,D.恐慌“心理—行为”波动模型映射为疏散个体的个体直径，从疏散个体紧张程度(恐慌心理)和速度变化度量其恐慌程度，将恐慌程度映射为疏散个体的直径，建立恐慌量化模型。

所述个体直径的求解过程具体为：

f_iw＝{A_i>i-d_iw)/B_i]+kg(r_i-d_iw)}n_iw-γg(r_i-d_iw)v_it_iw(3)

式中，m_i是第i个疏散个体的质量，是第i个疏散个体的理想速度，是第i个疏散个体的设定方向，v_i是第i个疏散个体的实际速度，τ_i是第i个疏散个体的特征时间，t是时间，f_ij是疏散个体i与疏散个体j之间的相互作用力，f_iw是疏散个体i与边界之间的相互作用力，A_i、B_i为常数，d_cij是两疏散个体的质量中心距离，d_ij为两疏散个体之间距离，n_ij是由疏散个体j指向i的标准向量，t_ij是n_ij的切向方向，是t时刻速度的矢量差，kg(d_ij-d_cij)表示质量力，表示t时刻滑动摩擦力，k和γ为决定疏散个体i和j之间的相互作用的阻塞效应的参数，d_iw是疏散个体i与边界之间的距离，n_iw是指垂直方向，t_iw是指切向方向，r_i是第i个疏散个体的个体直径，v_i为第i个疏散个体的个体速度，g(x)是一个函数，如果疏散个体发生碰撞，g(x)＝0，否则g(x)＝x。

从灾害模型库中导出典型火灾和毒气泄漏等灾害的模型数据，抽取灾害对疏散的关键影响因素；从建筑物模型库中导出疏散相关的大型建筑物空间结构数据，抽取空间约束(如出口宽度和墙面位置等)对疏散的关键影响因素。将灾害因素和空间约束作为环境特征，并按照定性和定量进行分类。灾害是人群恐慌传播的触发条件，将灾害因素映射到恐慌传播模型中，灾害因素影响疏散个体的速度。

本发明中，所述灾害因素映射为经恐慌传播后的疏散个体的个体速度进行表达，具体为：

定义规则θ为：

式中，μ_DA为灾害损失度DA的隶属度函数，DA_max为最大灾害损失度，为风险评估强度I₀的隶属度函数，I_max为最大风险评估强度，下标t是h_dis的排序号，s是i值的序号，i是风险评估强度I₀上的坐标值，n为i的最大值，r_st是模糊关系矩阵中的元素，采用推论公式：

DA＝I₀θR(5)

将风险评估强度I₀以信息分配的方法分配到控制点上，最后求出灾害风险指数h_dis的值，R为模糊关系矩阵；

计算各疏散个体经恐慌传播后的个体速度：

h_dis＝f(ρ)(6)

式中，ρ为人流密度，f(·)表示灾害风险指数h_dis与人流密度ρ所线性关系函数，D_L＝NA_P/W_AL_A＝ρA_P，D_L是水平投影面内单位面积的疏散个体数量，N为行走人流中的总人数，A_P为单个人的水平投影面积，W_A为人流的宽度，L_A为人流的长度，v_i为第i个疏散个体的个体速度。

步骤二、对人群踩踏情景要素特征和踩踏演化行为特征进行粗糙集属性离散化处理，采用基于SOM自组织映射网络的特征属性离散化算法对抽取的疏散特征进行离散化，并进行量化和相关线性映射。

所述人群踩踏情景要素特征分为定性特征和定量特征，执行步骤2)时，对于定性特征(如性别)，直接将其映射为粗糙集离散属性(如1和0等)；对于定量特征(如年龄、恐慌度和踩踏概率等)，先将其映射为粗糙集连续属性，然后采用启发式SOM自组织聚类模型，对粗糙集连续属性进行自动离散化处理，将粗糙集连续属性值转化为粗糙集矩阵可分辨的数学符号(如1,2,……等)。

步骤三、以所述离散化处理后的人群踩踏情景要素特征作为论域对象的条件属性，以相应的所述踩踏演化行为特征作为论域对象的决策属性，建立“条件—决策”二维信息模式的踩踏演化机理知识表达式，并对所述踩踏演化机理知识表达式进行知识约简。

在踩踏演化知识表达与约简方法研究方面，基于人群踩踏情景要素的属性离散化表达，采用粗糙集理论知识表达模式(论域、属性、属性值、信息函数)，分析情景要素(如人群数量、移动速度和恐慌程度等)属性之间的关系和变化特征，形成知识表达系统的属性和属性值。

U＝{x₁,x₂,x₃···x_n}(8)

其中，U为论域集合，集合中各个元素x，在本专利中x表示人群疏散结果(含人群疏散各特征值)的单条记录。

以情景要素中的生理、社会、心理和环境特征为粗糙集论域对象的条件属性a_i，以群智能疏散模型仿真结果中的踩踏概率为粗糙集论域对象的决策属性D，提出“条件—决策”二维信息表模式的信息函数表达式，形成踩踏演化机理的知识表达，可以表示为：

C＝{a₁,a₂,a₃···a_n}(9)

其中，C为条件属性，可设置a₁为年龄、a₂为性别、a₃为残障程度、a₄为敏捷性、a₅为体重，a₆为由恐慌程度映射的个体直径，a₇为由灾害因素映射的个体速度。D为决策属性集。

知识约简方面，在保持论域对象集合分类能力不变的条件下，采用全距离降维模型合并论域对象，对论域空间进行降维约简，简化后续论域空间计算。运用粗糙集理论约简(Reduct)和核(Core)计算模型，删除论域对象的冗余属性，进行属性约简和属性值约简，以简化踩踏演化知识。设Q是独立的，且Q∈C，若有

IND(Q)＝IND(C)(10)

则Q为等价关系族C的一个约简，C中所有不可省关系的集合为等价关系族C的核，记Core(C)。有多个约简，用Red(C)表示C的所有约简的集合。

本发明中，知识约简包括采用全距离降维模型进行的论域空间降维约简以及运用粗糙集理论约简和核计算模型进行的属性约简和属性值约简。

步骤四、踩踏演化机理的粗糙集知识发现。根据所述踩踏演化行为特征生成元规则库，加载所述元规则库和疏散实例，生成踩踏演化的泛化规则库。

采用经典Skowron矩阵计算方法，构建粗糙集矩阵计算模型；对于知识系统S＝(U,A,V,f)，U为论域，x_i为论域中的对象，U＝{x₁,x₂,…,x_n}。A为非空的属性集合，A＝C∪D，C是条件属性，D是决策属性，且C∩D＝φ。V表示属性值，f为信息函数。对于系统S，只考虑条件属性，形成关于条件属性C的信息系统。该系统的区分矩阵DM，其阶数与论域中的对象数量有关，即为n×n阶，记为M_DS(C)：

分辨矩阵中的元素m_ij是区分对象x_i和x_j的所有条件属性的集合。对于变量j,i的范围定义为1≤j≤i≤n，得到下三角矩阵，但是当变量j＝i时，即M_DS(C)，得到对角线元素，而对象自己比较的结果肯定是空集φ。所以为了减少n次比较，这里对j,i的范围界定为：1≤j＜i≤n，减少了原有定义的计算复杂度。

引入一个布尔函数f_DS，称为分辨函数，如下：

其中，布尔变量对应于m个条件属性符号∨表示析取运算，符号∧表示合取运算；

计算知识系统S的决策矩阵，其阶数与论域中的对象数量有关，即为n×n阶，记为M_DS(C)：

随着对上述矩阵的计算发现，这种定义仅反映了决策属性值相同以外的对象比较情况，而没有对于冲突对象(不一致)的描述。条件属性值相同而决策属性值不同的冲突对象的矩阵值仍然为空集，这就无法反映冲突现象的存在，更为无法反映冲突的程度问题。为此，对该矩阵进行了改进定义，消除了局限性。

决策矩阵中的元素是区分对象x_i和x_j的所有条件属性的集合。

定义决策函数f_DRDS如下：

这里

粗糙集理论研究的目的在于简化计算、降低计算复杂度、优化算法结构，更有效地解决工程实际问题。综合上述研究成果，在数据预处理阶段，对论域空间进行MAWD降维计算；对于连续属性，采用基于改进型IMDV的SOM网络方法进行聚类计算；对于定性属性或是变化不大的(即取值相对固定)的定量属性，这里采用直接离散方法。

这样，将上文各个环节的优化成果集成为有机的整体，就得到整体性能改良的MS-VPRS知识发现模型。在以后的章节，将研究如何将IMSRS模型应用于工程和医学领域中的若干典型诊断案例中，为企业用户和医学研究人员解决实际问题，也从知识发现和决策支持方面，对该模型的有效性和通用性进行工程验证。

粗糙集矩阵计算模型可生成属性核集的元规则，并输入到元规则库；元规则可表示为：

规则1：

if>3＝0and>4＝0and>7＝1.then>

规则2：

if>3＝1and>4＝0and>7＝1.then>

规则3：

if>3＝0and>4＝1and>7＝0.then>

规则4：

if>3＝1and>4＝0and>7＝1.then>

对元规则加载，采用属性离散化的可逆过程解析方法，将论域对象属性与踩踏情景要素形成可逆映射；重新加载论域对象特征值，离散化的数学符号(如性别属性值为0)还原成为疏散情景要素(如性别为男)；在踩踏演化的规则生成部分，将加载疏散实例，将粗糙集元规则泛化成为面向具体疏散实例的泛化规则，形成具有现实指导意义的泛化规则库，形成显性知识。如规则1，在灾害严重情况下，非残障、超重的女性老人，不产生恐慌心理时发生踩踏的概率为0。

以上海虹桥交通枢纽的一个实例验证上述方法。

第一步、通过提取上海虹桥综合交通枢纽建筑实例数据，分析和抽取环境特征，模拟出现场的真实状况，进行仿真。总人数N＝2109人(按照国家统计局人口比例数据计算可得男人723人、女人686人、儿童348人、老人221人和残障人士131人)。

第二步、从整个仿真中抽取出4条记录组成论域集合U，且U＝{x₁,x₂,x₃,x₄}。a₁为年龄、a₂为性别、a₃为残障程度、a₄为敏捷性、a₅为体重，a₆为由恐慌程度映射的个体直径，a₇为由灾害因素映射的个体速度，C＝{a₁,a₂,a₃,a₄,a₅,a₆,a₇}。其中，老人为2，儿童为1，青年中年为0；男为1，女为0；残障为1，非残障为0；动作敏捷为2，动作一般为1，行动不便为0；超重为2，,低于正常体重为1，正常体重为0；恐慌为2，紧张为1，正常为0；灾害情况严重为1，灾害情况不严重为0，如表1所示。

表1

Ua₁a₂a₃a₄a₅a₆a₇Dx₁20002010x₂00100111x₃01010201x₄11101212

第三步、求出区分矩阵、分辨函数和决策函数。

根据公式(11)，得到区分矩阵：

分辨函数为：

f_DS＝(a₁∨a₂∨a₃∨a₅∨a₆)(a₁∨a₂∨a₄∨a₅∨a₆∨a₇)

(a₂∨a₃∨a₄∨a₆∨a₇)(a₁∨a₂∨a₃∨a₅∨a₆)

(a₁∨a₂∨a₅∨a₆)(a₁∨a₃∨a₄∨a₅∨a₇)

＝a₁a₂a₄a₅a₇

根据公式(14)，得分辨矩阵：

得到决策函数：

f_DRDS＝(a₁∨a₂∨a₃∨a₅∨a₆)(a₁∨a₂∨a₄∨a₅∨a₆∨a₇)

(a₂∨a₃∨a₄∨a₆∨a₇)(a₁∨a₂∨a₅∨a₆)

(a₁∨a₃∨a₄∨a₅∨a₇)

＝a₃a₄a₇

约简后如表2所示。

表2

Ua₃a₄a₇Dx₁0010x₂1011x₃0101x₄1012

根据元规则，求出决策属性集D(D为发生踩踏的概率,其范围为0-1)中的元素值为；再通过泛化规则，将决策属性翻译为显性知识，d₁＝0为发生踩踏的概率为0，d₂＝1为发生踩踏的概率为0.1，d₃＝1为发生踩踏的概率为0.1，d₄＝2为发生踩踏的概率为0.2。

本发明提出人群踩踏演化机理的知识发现方法，从灾害条件下疏散情景要素和人群踩踏演化行为中抽取相关特征要素，用已有的规则库进行计算，得到决策属性值，来预防恶性踩踏事故提供科学依据和理论支持，具有重要的理论价值和社会意义。