基于元胞自动机进行的室内人员疏散模拟代码

基于元胞自动机（Cellular Automata, CA）的室内人员疏散模拟的MATLAB代码实现，结合核心模型设计、动态规则优化及可视化技术，适用于教室、商场等场景的疏散效率评估。

一、模型核心设计

1. 元胞空间与状态定义

网格划分：将室内空间划分为 N×N 的均匀网格，每个元胞代表固定区域（如0.4m×0.4m）。
元胞状态：
- 0：空单元格（可行走区域）
- 1：人员（初始随机分布）
- 2：障碍物（墙壁、家具）
- 3：出口（目标位置）

% 参数初始化
N = 50;                      % 网格尺寸
density = 0.3;               % 人员密度
exit_pos = [N, round(N/2)];  % 出口位置
exit_size = 3;                % 出口宽度

% 初始化网格
grid = zeros(N); 
grid(randperm(N*N, round(density*N*N))) = 1;  % 随机分布人员
grid(exit_pos(1), exit_pos(2)-exit_size:exit_pos(2)+exit_size) = 3;  % 设置出口
grid([1,end],:) = 2; grid(:,[1,end]) = 2;    % 边界障碍物

2. 移动规则设计

方向选择：采用 Moore型邻居（8邻域），行人优先向静态场梯度下降方向移动。

静态场计算：基于Dijkstra算法生成距离场，引导人员走向最近出口：

function S = computeStaticField(grid, exit_pos)
    [rows, cols] = size(grid);
    S = inf(rows, cols);
    S(exit_pos(1), exit_pos(2)-exit_size:exit_pos(2)+exit_size) = 0;  % 出口处距离为0
    
    % 使用队列传播距离
    queue = exit_pos;
    while ~isempty(queue)
        [r, c] = queue(1,:); queue(1,:) = [];
        neighbors = [r-1,c; r+1,c; r,c-1; r,c+1];  % 4邻域
        for k = 1:size(neighbors,1)
            nr = neighbors(k,1); nc = neighbors(k,2);
            if nr>=1 && nr<=rows && nc>=1 && nc<=cols && grid(nr,nc)~=2
                new_dist = S(r,c) + 1;
                if new_dist < S(nr,nc)
                    S(nr,nc) = new_dist;
                    queue = [queue; nr,nc];
                end
            end
        end
    end
end

3. 冲突处理机制

优先级策略：当多人竞争同一目标格时，按 未移动步数 排序，等待时间最长者优先移动。
死锁检测：若人员连续多步未移动，触发随机扰动（随机选择邻域空位）。

二、MATLAB代码

function evacuation_simulation()
    % 1. 初始化参数
    N = 50; density = 0.3; 
    exit_pos = [N, round(N/2)]; exit_size = 3;
    max_steps = 500; 
    
    % 2. 生成网格和静态场
    grid = init_grid(N, density, exit_pos, exit_size);
    S = computeStaticField(grid, exit_pos);
    
    % 3. 主循环
    figure;
    evacuated_count = 0;
    for t = 1:max_steps
        new_grid = grid;  % 创建新网格暂存更新
        moved = false(size(grid));  % 标记已移动人员
        
        % 遍历所有元胞
        for i = 2:N-1
            for j = 2:N-1
                if grid(i,j) == 1 && ~moved(i,j)  % 未移动的人员
                    % 获取邻居信息
                    neighbors = get_neighbors(grid, i, j);
                    if isempty(neighbors), continue; end
                    
                    % 选择梯度下降方向
                    [~, idx] = min(S(neighbors(:,1), neighbors(:,2)));
                    target_r = neighbors(idx,1); target_c = neighbors(idx,2);
                    
                    % 冲突处理：检查目标格是否被占用
                    if new_grid(target_r, target_c) == 0
                        new_grid(i,j) = 0;  % 原位置清空
                        new_grid(target_r, target_c) = 1;  % 移动到目标格
                        moved(target_r, target_c) = true;
                    end
                end
            end
        end
        
        % 4. 更新网格并检查出口
        grid = new_grid;
        exit_area = grid(exit_pos(1), exit_pos(2)-exit_size:exit_pos(2)+exit_size);
        evacuated = sum(exit_area == 1);  % 统计到达出口人数
        grid(exit_pos(1), exit_pos(2)-exit_size:exit_pos(2)+exit_size) = 3;  % 重置出口
        evacuated_count = evacuated_count + evacuated;
        
        % 5. 实时可视化
        imagesc(grid); 
        colormap([1 1 1; 1 0 0; 0.5 0.5 0.5; 0 1 0]);  % 白:空, 红:人, 灰:障碍, 绿:出口
        title(sprintf('Step: %d, Evacuated: %d', t, evacuated_count));
        pause(0.05);
        
        % 终止条件：全部疏散
        if evacuated_count >= round(density*N*N)
            disp('Evacuation completed!');
            break;
        end
    end
end

% 获取可行邻居列表（8邻域）
function neighbors = get_neighbors(grid, i, j)
    offsets = [-1,-1; -1,0; -1,1; 0,-1; 0,1; 1,-1; 1,0; 1,1];
    neighbors = [];
    for k = 1:size(offsets,1)
        ni = i + offsets(k,1); nj = j + offsets(k,2);
        if ni>=1 && ni<=size(grid,1) && nj>=1 && nj<=size(grid,2) && grid(ni,nj)~=2
            neighbors = [neighbors; ni,nj];
        end
    end
end

三、关键优化技术

动态场融合
- 动态场（D）
  
  ：记录人员移动轨迹，通过衰减机制避免路径重复：
```
D_new = (1 - sigma) * D_current + delta * (sum(neighbor_D)/8);  % 衰减与扩散
```
- 火源场（F）：排斥力场引导远离危险源（如火灾位置）。

路径规划增强

A*算法：结合启发式函数优化路径选择，减少绕行：

h = abs(r-exit_r) + abs(c-exit_c);  % 曼哈顿距离作为启发函数
f = g + h;  % 总代价 = 实际步数 + 启发值

性能加速技巧
- 向量化计算：用矩阵运算替代循环（如静态场更新用imfilter）。
- 并行处理：对独立人员移动使用parfor并行更新。

四、可视化与结果分析

1. 疏散过程动态显示

实时热力图：用imagesc显示网格状态，颜色编码不同物体。

疏散曲线：记录每步疏散人数，绘制时间-人数曲线：

plot(1:t, evacuation_log, 'LineWidth', 2);
xlabel('Time Step'); ylabel('Evacuated People');

2. 参数影响分析

参数	疏散时间变化	优化建议
人员密度↑	时间指数增长	增设出口/拓宽通道
出口宽度↑	时间线性下降	最小宽度≥1.2m（建筑规范）
障碍物复杂度↑	时间显著增加	简化空间布局

总结

该模型通过静态场引导、冲突优先级和动态场优化实现高效疏散模拟，核心代码如下：

静态场生成 → Dijkstra算法计算最短路径；
移动决策 → 梯度下降方向选择；
冲突解决 → 等待时间优先策略；
可视化 → 热力图动态更新疏散进度。

参考代码与案例：

基于元胞自动机进行的室内人员疏散模拟代码 www.youwenfan.com/contentcnc/97613.html