本發(fā)明涉及人群疏散動力學，具體為一種融合多維恐慌情緒特征的異質人群疏散模型。

背景技術：

1、在人群疏散動力學領域，高密度環(huán)境下的異質人群恐慌情緒演化與疏散行為建模是保障公共安全的關鍵課題?，F有研究表明，行人恐慌情緒的形成受動態(tài)環(huán)境刺激（如滯留時間、出口距離、人群密度、危險源接近程度）、個體異質性特征（如年齡、性別、身體狀態(tài)）及群體互動效應（如信息傳播、互助行為）的協(xié)同影響，其演化過程呈現復雜系統(tǒng)的非線性特征。

2、然而，現有技術在建模方法上存在顯著局限：

3、個體與環(huán)境維度的解耦分析：多數研究將個體異質性特征（如性格、身體狀態(tài)）與環(huán)境參數（如密度、危險源距離）割裂處理，未能構建?“個體-環(huán)境”?雙維度的動態(tài)耦合模型。例如，傳統(tǒng)社會力模型對行人同質化處理，或僅通過靜態(tài)參數表征個體差異，無法反映環(huán)境刺激對個體心理狀態(tài)的動態(tài)影響；環(huán)境壓力傳導模型則忽略個體異質性對壓力感知的調節(jié)作用，導致無法準確刻畫多因素交互下的恐慌情緒涌現規(guī)律。

4、群體維度的建模缺陷：現有研究或局限于個體認知偏差的微觀視角，或僅通過宏觀環(huán)境參數評估疏散效率，缺乏對群體互動結構（如信息傳播路徑、互助行為）的系統(tǒng)建模。例如，基于演化博弈的群體策略模型僅聚焦群體效應，未整合環(huán)境刺激與個體特征，難以再現恐慌情緒通過社會互動產生的反饋機制。

5、多維因素耦合機制的缺失：實際疏散中，恐慌情緒傳播是環(huán)境刺激、個體特征與群體效應三者耦合作用的結果，但現有模型普遍缺乏對該耦合機制的量化表達，導致模擬結果與真實場景存在偏差，進而影響應急疏散策略的有效性。

技術實現思路

1、本部分的目的在于概述本發(fā)明的實施方式的一些方面以及簡要介紹一些較佳實施方式。在本部分以及本技術的說明書摘要和發(fā)明名稱中可能會做些簡化或省略以避免使本部分、說明書摘要和發(fā)明名稱的目的模糊，而這種簡化或省略不能用于限制本發(fā)明的范圍。

2、因此，本發(fā)明的目的是提供一種融合多維恐慌情緒特征的異質人群疏散模型，以解決上述背景技術中提出的問題。

3、為解決上述技術問題，根據本發(fā)明的一個方面，本發(fā)明提供了如下技術方案：

4、一種融合多維恐慌情緒特征的異質人群疏散模型，其包括：

5、多維恐慌情緒解析單元，用于量化環(huán)境壓力、個體特征及群體效應三個維度的恐慌情緒影響，生成動態(tài)多維情緒壓力因子；

6、改進的社會力模型單元，用于基于所述多維情緒壓力因子調節(jié)異質個體的期望速度，實現人群疏散行為的動態(tài)模擬；

7、動態(tài)調節(jié)機制，基于實時恐慌壓力因子動態(tài)優(yōu)化疏散路徑及群體協(xié)作策略。

8、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述多維恐慌情緒解析單元包括：

9、環(huán)境壓力量化模塊，用于計算滯留時間、距出口距離、局部人群密度和距危險源距離對恐慌情緒的影響，生成環(huán)境壓力子因子；

10、個體特征量化模塊，用于基于個體的性格特征、年齡、性別和身體狀態(tài)，生成個體特征子因子；

11、群體效應量化模塊，用于量化幫扶行為和信息質量對恐慌情緒的影響，生成群體效應子因子；

12、所述多維情緒壓力因子由所述環(huán)境壓力子因子、個體特征子因子和群體效應子因子加權合成。

13、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述環(huán)境壓力量化模塊中，滯留時間、距出口距離、局部人群密度和距危險源距離的恐慌值通過邏輯斯蒂函數計算，公式為：，其中 x為對應環(huán)境參數， α為影響系數， β為函數的邊界約束；

14、所述個體特征量化模塊中，性格特征基于ocean人格模型，包括開放性、盡責性、外向性、宜人性和神經質，身體狀態(tài)通過性別和年齡的正態(tài)分布特征值量化；

15、所述群體效應量化模塊中，幫扶行為的影響通過幫扶者數量、效率及距離衰減系數計算，信息質量通過區(qū)域內信息可信度及傳播距離衰減系數計算。

16、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述多維情緒壓力因子的合成公式為：

17、；

18、其中，表示個體的多維情緒壓力因子，分別表示三個維度影響的權重參數，，環(huán)境壓力因子表示環(huán)境因素對恐慌情緒的影響量化結果，其由滯留時間、距出口距離、局部密度和距危險源距離四個子因素綜合加權得出；個體特征因子表示個體異質特征對恐慌情緒的影響量化結果，其由性格、性別、年齡以及身體狀態(tài)的綜合表征；群體行為因子表示社會群體效應對恐慌情緒的影響量化結果，其由幫扶行為和信息質量兩個子因素來進行綜合加權得出。

19、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述改進的社會力模型單元中，通過以下公式調整異質個體的期望速度：

20、

21、其中，表示多維情緒壓力因子，表示考慮恐慌因素后的期望速度，單位是m/s，為疏散個體初始的期望速度，單位是m/s，為疏散個體行走的最大速度，單位是m/s。

22、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述改進的社會力模型中，行人自驅動力的計算公式為，

23、

24、其中，為行人質量，為期望速度方向向量，為當前速度，為反應時間。

25、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述改進的社會力模型中，行人間作用力和行人與邊界作用力的計算包括：行人間作用力：

26、其中，與為位置參數，為行人i與行人j模型半徑之和；表示兩行人間的距離，是由行人j指向i的單位向量；k為擠壓系數，為基于間距的分段函數，當即行人間存在身體接觸時，則，當時即行人間不存在身體接觸時，，為摩擦力系數，表征行人切向相對速度；為行人之間的切線方向；

27、行人與邊界作用力：

28、

29、其中，表征行人與運動邊界間的相互作用力，其力學機制遵循與行人間作用力相似的框架，為行人i的模型半徑；為行人至墻體表面的最短距離；為墻體法線方向指向行人的單位向量；表示行人當前速度，為行人與墻體接觸時的切線方向單位向量。

30、作為本發(fā)明所述的一種融合多維恐慌情緒特征的異質人群疏散模型的一種優(yōu)選方案，其中，所述模型應用如下：

31、為地鐵、機場交通樞紐提供基于實時人群狀態(tài)的智能疏散方案；

32、為大型公共建筑的安全設計提供疏散通道容量評估；

33、為校園、醫(yī)院場所定制分級預警機制。

34、與現有技術相比，本發(fā)明具有的有益效果是：本發(fā)明為高密度環(huán)境下的精準疏散策略設計提供了技術支撐。該模型創(chuàng)新性地設計了多維恐慌情緒解析方法和融合多維恐慌情緒特征的改進社會力模型，能夠有效分析不同因素對行人恐慌情緒和疏散效率的影響機制，從而實現對行人疏散行為的真實模擬。具體而言，hcemmp通過系統(tǒng)解析個體特征、環(huán)境因素和群體效應三個維度對恐慌情緒的影響，建立了多維恐慌情緒量化計算方法。在此基礎上，本發(fā)明提出的改進社會力模型通過優(yōu)化整合三個維度的恐慌情緒壓力因子，實現了對異質個體期望速度的精準調控，從而真實反映實際疏散過程中個體的行走速度特征。hcemmp模型具備動態(tài)觀測和分析不同因素對恐慌情緒影響的能力，能夠準確模擬人群疏散的動態(tài)演化過程，在行為真實性、群體效應穩(wěn)定性和疏散效率提升等方面展現出顯著優(yōu)勢。