基于多Agent的城市安全应急机制研究 v3

基于多Agent的城市安全

应急机制研究一、课题背景课题名称：基于多Agent的城市安全应急机制研究当前研究中遇到的问题及解决方法

在研究复杂系统时，基于还原论的建模方法往往不能很好地刻画复杂系统。复杂系统结构复杂,内部含有大量交互成分,并且交互过程频繁,难以用解析法、数值分析方法或其它形式化、半形式化方法来解决，系统仿真方法是目前最有效的解决途径。对于城市应急系统而言，由于其涉及的事故、灾害或事件影响因素与演变规律的不确定性和不可预见的多变性，应急响应过程中公众的反应能力、心理压力、公众偏向等突发行为的复杂性等，使得城市公共安全应急体现出“多主体、多因素、多尺度、多变性”的特征，包含着丰富而深刻的复杂性科学问题，难以采用常规的模拟仿真方法对城市应急过程进行模拟。

1.当前研究中遇到的问题及解决方法而基于Agent的建模（Agent-BasedModeling）方法是一种自底向上的建模方法，通过底层各Agent的自身的行为、不同Agent之间以及Agent与环境之间的交流来模拟系统的发展和变化情况，将系统中个体的微观行为与系统的整体属性——宏观的“涌现性”有机结合起来，最终形成整个系统宏观的发展和变化规律。这已被证明是一种有效的建模方式。一、课题背景2.国内外研究现状Agent是一类在特定环境下能感知环境，并能自治地运行以代表其设计者或使用者实现一系列目标的计算实体或程序，其最基本的特性应当包括:反应性、自治性、面向目标性和针对环境性。（Jennings,1998）

多Agent系统(MAS)是多个Agent所组成的系统，多Agent间逻辑上独立，但通过共享知识、任务和结果协同工作。（WooldridgeM,2004）

随着Agent应用延伸到矿山与公共安全领域，对仿真速度的要求逐渐提高，研究表明，并行仿真是提高仿真运行速度的一个直接手段，它通过将仿真计算任务分配到多个物理执行核心（仿真处理器）上并行运行，来缩短仿真运行时间（余文广，2012）。

随着大数据的到来，Agent技术和云计算开始密切结合，使得在云端服务组合以及优化的过程中，服务Agent之间相互沟通学习，最终获取优质的服务组合（徐前元，2014）。

基于多Agent的灾害仿真，在矿山安全（高太光.2016）与城市公共安全两个领域，也得到了大量的应用。（崔巍，2003,2007）

总之，Agent自上个世纪80年代开始，随着计算机技术的发展，从单个Agent、多Agent逐渐发展，在目前大数据时代，基于多Agent的城市应急机制将被广泛应用于各种灾害与应急响应仿真计算中。一、课题背景

多Agent系统研究也是国家自然科学基金长期资助的主题之一（截止2012年数据）：按研究类型分：理论研究58项，引用研究40项。按研究单位分：科研院所5项，985院校：54项，211院校16项，普通高校：23项按执行时间分：2008年3项，2009年17项，2010年15项，2011年29项，2012年34项。二、研究内容及学术价值研究内容（1）基于多Agent与地理本体的城市安全应急研究

城市安全应急是涉及多个职能部门的复杂系统，为协调各个部门有效、协同的处理城市安全问题，设计多Agent系统，每个Agent代表一个职能部门，通过多Agent协商机制，共同应对急、难、重、险的危机。

基于仿真Agent和地理信息Agent的紧急状态决策支持系统(EmergencyDecisionSupportSystems，EDSS)的框架,实现了各个相关行政部门的资源合力对多灾种并发时的紧急状态进行有效仿真并提供准确及时的决策支持。研究内容2：灾害情景仿真Agent设计

（2）多Agent体系结构研究内容包括多Agent的通讯、协商机制研究；基于数据挖掘技术的地理本体（知识库）更新机制研究；多Agent冲突消解、应急方案优化策略研究。1.研究内容（3）基于遥感影像的避难区动态规划和疏散路线优化研究

通过在遥感影像中提取建筑物的阴影，结合影像成像的时间和轨道参数，确定太阳高度角、方位角和卫星高度角，可以计算出居民楼、教学楼等建筑物的高度和面积，然后依据住建部、教育部门的相关标准，快速计算建筑物的最大可容纳人数。这样就能定量估算出受灾区域的人群总量以及避难场所的可容纳人数。然后通过GIS的空间分析能力，选择最合理的避险场所；然后根据网络分析功能，规划出最优撤离路径，为城市应急避险，提供决策支持。2.学术价值将城市安全应急与多Agent技术结合，以安全科学与工程的原理为主导，信息技术为手段，尝试对复杂系统进行建模，具有交叉学科优势；通过多Agent技术，动态模拟城市安全应急，通过众多智能体将复杂系统中个体的微观行为与系统的整体属性----宏观性有机地结合起来，将是一种有效的火灾应急建模方式；研究基于数据挖掘的Agent知识库自适应更新机制，通过时序分析、关联分析、聚类分析等手段，从成功的协作与任务中，提取相关知识，更新知识库，使智能体能够自我完善。医疗Agent交通Agent消防Agent风向风速Agent根据自己的能力确定接受预测问题的小任务，同时将所需信息告知用户Agent传递由用户Agent发出的广播信息

管理Agent用户Agent将生成的方案传给用户Agent

问题及解题初始条件转换Agent转换Agent接收仿真结果，并将其综合成一套紧急处置决策方案。转换Agent接收仿真结果，并将其综合成一套紧急处置决策方案。仿真Agent层数据管理Agent数据管理Agent与地理信息Agent层相互协作完成对地理信息数据的存取工作。空间数据Agent交通线路及流量Agent气象信息数据库基础空间数据库人文专题数据库疏散Agent气象Agent地地理信息Agent层

地数据库层

三、本人主攻内容与目标本人主攻的研究内容——基于多Agent的火灾应急机制研究（1）基于空间数据挖掘技术的灾害（火灾）预防机制研究●数据整理将收集的大量数据整理成可以满足空间数据挖掘要求的事故数据源。包括社会、经济、人文、气象和基础地理信息等数据。●发现规律利用空间数据挖掘技术，探讨火灾的空间分布特征和发生规律。●提出措施然后利用关联规则挖掘算法，发现各类火灾致灾高频因子，提出防灾减灾具体措施。1.本人主攻的研究内容（2）灾难情景仿真Agent设计与应急预案优化研究●多仿真Agent之间通讯机制研究

拟研究通过广播和点到点混合通讯方式。管理Agent帮助建立起其它仿真Agent之间的通讯链接,提供所有Agent的名称和地址，建立通讯黑板及异步通讯的缓存区。●多Agent之间冲突消解机制研究

多Agent系统中不同的Agent的知识和推理规则以及约束条件存在不一致和不完全性，从而导致Agent之间的可能冲突。冲突一般分为资源冲突、目标冲突和结果冲突3类；拟研究采用协商法和仲裁法探讨解决Agent之间的冲突消解机制。1.本人主攻的研究内容●多Agent知识库自适应更新机制研究

拟研究自适应更新仿真Agent知识库的机制：由Agent之间通过学习调整自己的知识库。多Agent系统中的各个Agent目标都服务于为用户输出准确的结果这个共同的目标，因此，各个Agent应该将问题的实际结果作为学习标准。预测问题的实际结果由用户发送给各个Agent，各个Agent将自己推理得到的结果与实际结果进行比较，按一定的方法调整自己，力求得到准确的结果，并能总结经验形成知识，更新知识库。●应急预案优化策略研究

拟通过设置火灾级别、气象条件、路网通达度以及人口密度的不同的初始条件，运行不同的应急预案进行灾害发生、发展和应急处理的仿真运算，并判定对应的灾害程度，从中选择、修改最优解，作为对应状况下备选的应急预案，为城市灾害（火灾）应急提供科学的决策支持。1.本人主攻的研究内容（3）基于遥感影像的灾害避难区动态规划和疏散线路优化研究●确定建筑物的高度及面积通过在遥感影像中提取建筑物的阴影，结合影像成像的时间和轨道参数，确定太阳高度角、方位角和卫星高度角，探讨计算居民楼、教学楼等建筑物的高度和面积的方法。●选择最优避难场所然后依据住建部、教育部门的相关标准，研究快速计算建筑物的最大可容纳人数算法。这样就能定量估算出受灾区域的人群总量以及避难场所的可容纳人数；并通过GIS的空间分析和规划能力，选择最合理的避险场所。●规划最优撤离线路最后根据网络分析功能，规划出最优撤离路径，为城市应急避险，提供决策支持。2.期望达到的目标通过多Agent系统，实现对城市灾害（火灾）的仿真与科学的应急决策支持；研究基于数据挖掘的Agent知识库更新机制；研究多Agent之间高效通讯机制；开发实现一个原型系统，验证提出的原理与方法。四、博士阶段的工作计划时间任务2017年9-12月2018年1-6月2018年7-12月2019年1-6月2019年7-12月2020年6-12月