本书内容是国家自然科学基金项目(No.51378076，No.51278221)研究成果的凝练和总结，全面系统地介绍了行人流建模与仿真的主要方法。详细介绍了基于元胞自动机理论的行人流模型，并给出了基于元胞自动机模型的扩展交织区行人流线分析，以及基于元胞自动机和事件驱动模型的商场疏散仿真。详细论述了基于智能计算的行人流模拟，及基于机器学习的行人流模拟。为满足读者进一步研究和学习的需要，书中详细介绍了相关研究，并列出了主要参考文献。

  
\t李军，1974年10月生，工学博士，吉林财经大学副教授，九三学社社员，吉林省互联网金融重点实验室成员，吉林大学量化金融研究中心研究员，中国计算机学会会员。1997年毕业于吉林大学计算数学专业，获理学学士学位。2004年6月毕业于吉林大学计算机软件与理论专业，获工学硕士学位。2011年6月毕业于吉林大学计算机软件与理论专业，获工学博士学位。吉林大学交通运输规划与管理博士后。2013年12月至2014年12月受国家留学基金资助到美国罗德岛大学电气工程学院，从事博士后访问学者研究工作。主要研究方向为机器学习、大数据技术、交通行人流分析。精通Python语言、MATLAB语言下的数据分析与挖掘。主持完成吉林省科技发展计划项目1项（自然科学基金项目，20140101199JC），横向合作项目5项。参与国家自然科学基金面上项目3项（51378076，51278221，60373097）、吉林省科技发展计划项目2项，公安部应用创新计划项目1项，其他省部级项目4项。发表学术论文40余篇，其中SCI、EI检索论文16篇。参编专著及重量教材共4部。

  
\t《智能科学技术著作丛书》序



\t前言



\t章 总论 1



\t1.1 行人行为 1



\t1.1.1 正常行为 1



\t1.1.2 恐慌状态下的行为 2



\t1.2 行人建模与仿真 2



\t1.3 行人建模 3



\t1.3.1 行人动力学宏观特性 3



\t1.3.2 行人动力学微观特性 5



\t1.3.3 现有行人模型分类 5



\t1.3.4 离散选择模型 6



\t1.3.5 元胞自动机模型 7



\t1.3.6 排队论模型 9



\t1.3.7 基于导航的模型 10



\t1.3.8 流体动力学模型 11



\t1.3.9 社会力模型 12



\t1.3.10 基于智能主体的模型 13



\t1.3.11 基于优化的模型 14



\t1.3.12 人群的建模 17



\t1.4 行人仿真 18



\t1.5 避碰策略 18



\t1.5.1 行人避碰 18



\t1.5.2 机器人和行人避碰 19



\t1.6 疏散 20



\t1.6.1 疏散标准 20



\t1.6.2 疏散模型分类 21



\t1.6.3 疏散模型比较 22



\t参考文献 25



\t第2章 基于元胞自动机模型的扩展交织区行人流线分析 33



\t2.1 交织区 33



\t2.2 交织区设置方式 34



\t2.3 基于背景场和行人行走习惯的元胞自动机模型 35



\t2.3.1 背景场 35



\t2.3.2 局部运动规则 37



\t2.3.3 靠右行走倾向 38



\t2.4 行人流实验及数值仿真 39



\t2.4.1 单一交织区情形下的行人流仿真 39



\t2.4.2 扩展交织区情形下的行人流仿真 40



\t2.4.3 单一交织区与扩展交织区的比较 42



\t2.4.4 两个瓶颈间隔的影响 44



\t2.5 结论 45



\t参考文献 45



\t第3章 基于元胞自动机和事件驱动模型的商场疏散仿真 48



\t3.1 简介 48



\t3.2 行人疏散相关研究 49



\t3.3 仿真模型 50



\t3.3.1 仿真方法概述 50



\t3.3.2 仿真场景 50



\t3.3.3 系统事件 52



\t3.3.4 模型表达 53



\t3.3.5 移动模式 55



\t3.4 背景场的形成 56



\t3.4.1 静态背景场 56



\t3.4.2 动态背景场 59



\t3.4.3 局部运动规则 60



\t3.5 仿真结果 61



\t3.5.1 仿真算法流程图 61



\t3.5.2 购物场景 62



\t3.5.3 顾客流量变化 62



\t3.5.4 顾客购物时间分布图 63



\t3.5.5 紧急疏散场景 64



\t3.5.6 疏散时间及出口宽度的影响 64



\t3.5.7 疏散时间及人数的关系 65



\t3.5.8 多出口场景 65



\t3.6 结论 67



\t参考文献 68



\t第4章 基于增强学习的行人流仿真 72



\t4.1 增强学习要素 72



\t4.2 Agent-环境接口 73



\t4.3 目标设置和如何达到目标 74



\t4.4 马尔可夫决策过程 74



\t4.5 值函数 75



\t4.6 增强学习在行人流仿真中的应用 77



\t参考文献 78



\t第5章 基于智能计算的行人流模拟 80



\t5.1 粒子群优化 80



\t5.1.1 粒子群算法起源 80



\t5.1.2 粒子群算法基本思想 81



\t5.1.3 粒子群算法流程 82



\t5.2 基于粒子群优化的行人流模拟 82



\t5.2.1 利用粒子群控制计算机图形学巾的行人移动 82



\t5.2.2 基于粒子群算法预测行人疏散时间 84



\t参考文献 87



\t附录 89