文摘

传统的动态模型并不能完全描述microdetails情绪感染的影响对个人当行人疏散模拟的状态和行为。本文解决了问题,构建一个动态演化机制之间的情感,状态,和行为。首先,行人在疏散的方向感知域的定义。然后,行人在疏散的动态情感感知研究,考虑到情感增加引起的个人步行速度和其他认知域的方向。接下来,情绪感染引入改进的元胞自动机(CA)仿真模型在地板领域(FF),名为“盲囊模型。“行人在不同状态的转移概率,提出了通过定义“敏感的情绪状态”和“传染性的情绪状态。”最后,与已知的模型仿真结果进行比较。结果表明,改进后的模型能显著提高疏散效率的系统。同时,情感阈值的影响,感染系数,平静的系数,和感知半径疏散系统的行人疏散过程进行了模拟和分析,提供了一个依据疏散管理者制定疏散策略。

1。介绍

在公共场所行人紧急疏散的动力学已成为一个热门话题。如何建模行人疏散和优化行人疏散策略科学尤为重要。目前,有许多成就在行人疏散仿真模型。常用的评价模型包括宏观和microevaluation模型。宏模型主要研究行人运动的特点,瓶颈问题,和集群现象。相比之下,微模型考虑更多细节行人运动或人工疏散行为在不同的环境中。近年来,它已成为行人疏散研究的重点研究microbehavior特征的行人仿真模型通过模拟真实的场景。标准的模拟模型包括元胞自动机(CA)模型、社会力模型,多重网格模型,晶格气体模型、和视觉障碍模型(1- - - - - -5]。

1997年,蓝色等。6)提出了CA模型,并应用到行人交通研究。CA模型的优势在于它拥有强大的能力来模拟空间复杂系统的时空动态演化,需要更低的计算。Burstedde et al。7]和Schadschneider [8]介绍了静态和动态的概念“地板场”(FF) CA模型和构造场CA模型研究疏散人流的特征。方等。9]讨论了行人的各种可能性移动移动社区旁边,进一步丰富了CA模型。杨et al。10CA)用来模拟行人逆流现象行人行走的通道通过引入正确的偏好。悦et al。11)的动态特性模拟行人疏散通过构建一个动态参数模型。李等人。1)提出了一个CA模型来研究在黑暗中行人的潜在可见性。霁et al。12)提出了一种新的三角网格CA模型来解决高密度人群疏散的问题。郑et al。13)提出了一个扩展的FF模型来研究三维烟雾扩散对行人疏散的影响。施等。14]提出了一种新的不耐烦的判断模型,定性和定量地描述耐心程度在疏散,并将结果应用到CA模型验证结果。耿et al。15)提出了一个扩展CA模型来模拟行人疏散不良视距条件下通过考虑不确定信息的影响。

在紧急情况期间,紧张会影响人们的判断和行为决策(16]。掌握行人和指导他们的情绪是一种有效的方法以避免受伤。许多研究人员进行了深入研究行人疏散的情绪和行为。海洋模型提出的科斯塔和McCrae17)是使用最广泛的人格模式。海尔宾(18)模拟行人逃离在紧急情况下的动态行为,认为恐慌逃离行为的行为表示紧张。大卫et al。19)通过实证研究得出结论,行人走路有关情绪状态下可能风险感知能力的负面影响,有可能遭遇交通事故的后果。如何表达情感和嵌入的交替和动态演化的动态情感到行人运动模型是一个复杂的问题构造一个疏散仿真模型。傅et al。20.)使用多栅的模型来理解行人动力学在逆流,加上情绪在人群中传播的影响踩踏事件引起的恐慌。陈等人。21)提出了一个扩展FF CA模型考虑行人恐慌调查行人动力学在人工攻击的威胁。郑et al。22FF)提出了一种改进的CA模型,研究行人疏散在紧急情况下通过考虑紧急的扩散和行人紧张。李等人。23)提出了一个扩展成本势场CA来模拟行人逆流在紧急情况下通过考虑行人行为的变化引起心理紧张。

行人疏散过程中,张力不仅影响个人,还通过个体之间的情感感染传播。击发et al。24)通过实证分析指出,情绪会在人群中迅速蔓延在紧急疏散,即使是陌生人。傅et al。25]表明,行人有接触感染的情感。尼尔森和约翰逊(26)使用实证实验确认行人情感和疏散行为更受近距离长途。毛等。27演示了一个基于亲密的情绪感染模型来模拟同行在紧急疏散决策。

本文分析了张力对行人疏散的影响从人格的角度。人类群体情绪感染的研究起源于传染病。这是一个科学的传染病模型,探索如何组之间传播的疾病。有两种典型的模型:先生和SIS。爵士模式指三种类型的个人状态:易感,感染,和删除(28]。傅et al。25]提出了一种新的情绪感染模型(CA-SIRS)结合流行病学先生与CA模型。然而,爵士模型不考虑一些疾病的感染,因此,个人很难实现完整的免疫力。因此,SIS情感感染模型提出,只有在感染易感,感染人(29日]。曹et al。30.构造一个基于SIS的情绪感染模型和社会力模型以反映个体的多样性。然而,macromathematical传染病模型。大多数的研究仍集中在macrocharacteristics和定性分析等情感和情绪感染而忽略microdetails情绪感染影响疏散个体和个体运动的可能的类型在不同的情绪状态。

行人运动期间,异质性的情绪感染发生由于行走方向,视觉障碍,和其他因素。改进微模型的动态情感和感染机制理论的基础上,本文构造情感交流和传染病动力学检查行人疏散问题彻底考虑情绪感染。首先,情感感知域的定义。然后,行人在疏散的动态情感感知分析从两个方面:个人的变化速度和不同的感知距离感知域的方向。本文的其余部分的结构如下。节2,macro-SIS模型修改为微盲囊模型,和疏散个体的情绪状态被定义为两种类型:“敏感的情绪状态”和“传染性的情绪状态。“动态行人疏散模型结合CA考虑情绪感染了,转移概率是改善。然后,在节3模型的有效性进行了分析,模拟疏散过程。情感阈值的影响,感染系数、稳定系数,感知半径疏散效率和人群疏散状态在不同情绪下的变化进行了讨论。最后,研究总结了第四节。

2。动态情感知觉感知域考虑方向

2.1。方向感知域的定义

行人疏散过程中,张力在许多人有传染性。行人将承认、感觉和周围受到他人的情绪的影响(18]。研究行人情感的差异影响不同位置周围的行人,本文定义了方向感知域。

介绍了行人的位置和周围的邻居在邻近地区疏散使用摩尔在传统的CA模型(9- - - - - -11),它可以有效地描述行人的疏散行为。基于摩尔附近,本文定义了疏散仿真场景在独立空间。空间在长度和宽。它是分成一定数量的单元格 。每个细胞都是一个人站的面积,这是由一个位置坐标 。相邻细胞之间的距离 。出口的数量 ,宽度是 ,在哪里 。当初始状态 ,行人在空间随机分布,每占领一个细胞。疏散后,摩尔附近采用规则。每次,行人决定下一步行动策略根据细胞的转移概率在每个方向,直到行人到达出口和逃生。

傅et al。25)认为行人离散化后的情感感知范围是一个广场细胞半径和行人为中心。然而,有一个行人的判断的差异不同方向的限制行人的视线。因此,信息传播在视距的影响不同于nonline-of-sight。因此,感知域分为视觉成效,如图1。

视觉感知域被定义为单元的离散区域协调 疏散个体在时间为中心, 角,随着半径。

非可视感知域被定义为单元的离散区域协调 疏散个体在时间为中心,随着半径,排除域 。

疏散方向和个人感知域在不同的前进方向描绘在图2。

行人更敏感的情感感知附近地区疏散期间(25,31日]。因此,本文也认为对个人的影响别人的情绪在视觉和非可视感知域里是不同的。结合距离因素,本文认为在近距离感知他人的情绪的程度大于,在很长一段距离在视觉感知域。此外,感知他人的情绪的程度在视觉感知域大于在非可视感知域。

2.2。基于方向的动态情感知觉感知域

击发et al。24]相信疏散个体的情感价值与自我情感和周围其他人的情绪。在这篇文章中,行人的紧张情绪强度的动态方程在时间被定义为 在哪里疏散个体的自我情感强度吗在时间 , 是别人的情感强度变化被疏散个体在时间 , 是随机干扰,的值范围是 。

2.2.1。自我情感强度疏散个体在时间

本文认为自我疏散个体的情感强度在时间基于情感强度在时间吗然后用造成的情感感知增量叠加速度。在疏散过程中,如果个人的最大步行速度低于预期的速度,他的负面情绪迅速增加。此外,如果个人的步行速度接近最大预期速度,他的负面情绪的增长相对较慢(11]。因此,定义的速度比上一次的最大预期速度,表示为 。因此,自我疏散个体的情感强度在时间描述了 在哪里自我情感强度在时间吗 , 个人的speed-sensitive参数吗在 ,和值范围 。

方程(3)计算行人情绪的波动造成的变化速度精确。如果实际的速度接近最大预期速度,也就是说,接近1,疏散个体的紧张情绪波动更少。如果实际的速度远小于最大预期速度,也就是说, ,疏散个体的紧张情绪波动很大。

2.2.2。情感上的增量的定义引起的其他方向感知域

感知域的方向,不同的距离有不同的影响情绪。郑et al。22建议距离可以影响情绪的重量增益函数。假设 行人的位置协调细胞吗和 靶细胞的位置坐标吗 。细胞采用欧氏距离之间的距离。然后,行人细胞之间的距离和目标细胞所示的是 在哪里是相邻细胞之间的距离。

本文反映了知觉的差异程度在感知域中通过重新定义重量的距离,如图所示

当单个细胞感知情感的区别与他人在前一刻,他们将受到影响,情绪的变化。情感的区别是表示为 。基于重量的距离,因此,他人的情绪的平均变化函数被单个细胞在时间定义如下: 在哪里是疏散个体在视觉感知域的数量吗单独的细胞 , 是疏散个体在非可视感知域的数量吗单独的细胞 , 是别人的情感差异的程度在其非认知域是受到个人吗 ,和值不大于最小距离体重在视觉感知域,例如, 。

方程(5)计算平均增量改变别人的情绪被行人的视觉和非可视感知域。它还表明,他人的情绪的变化正是与距离有关。在视觉感知域,情感差异近距离对行人有很大的影响 ,并在长途恰恰相反。此外,在非可视感知域,情感的区别被行人是削弱了作为一个整体。

2.3。情绪状态的更新机制

情绪积累到一定程度时,行人状态会改变,以及行人的情感会被更新。经典的SIS流行病模型是一个macrostatic数学模型基于常微分方程,可描述情感组间的传染,但不适合定义自由移动的个体在疏散的状态。在本文中,我们修改它以反映microcontagion个人情感的过程。根据SIS模型,一个行人的张力可以被定义为“敏感的情绪状态”( )和“传染性的情绪状态”( )。两个人群的情感状态的转换规则遵循SIS模型。傅et al。25)提出,情绪的变化阈值会导致疏散行人的动态变化状态。因此,本文定义了以下。如果紧张情感强度的“敏感的情绪状态”( )高于阈值 ,它变成了“传染性的情绪状态”( )的概率 ,和被称为感染系数。如果紧张情感强度的“传染性的情绪状态”( )低于阈值 ,它变成了“敏感的情绪状态”( )的概率 ,和被称为稳定系数。状态转换图如图3。

不同的疏散个体采取不同的疏散策略,因为他们的不同状态。徐et al。16]分析了踩踏事故的视频“爱的游行”2010年在德国,观察到人群中表现出两种不同的行为特征。一个表现出积极的行人(积极寻找出口,加速前进,和明显的羊群行为),而另一个不活动的行人展出(试图避免人群,缓慢前进,没有明显的羊群行为)。因此,本文相关的行人情感强度与行人行为:“敏感的情绪状态”( )采用“平静”的策略 ,速度是 ,倾向于选择低密度的方向 ;“传染性的情绪状态”( )采用“冲动”战略 ,速度是 ,倾向于选择高密度的方向发展 。

3所示。细胞自动机(CA)仿真模型与情感上的更新

CA模型,本文提出了一种改进的情绪感染,《盲囊模型。在这个模型中,细胞机模型是用来模拟和分析疏散场景在独立空间。行人在空间随机分布,每占领一个细胞。在疏散,行人受到内部自我情感和他人的外在情绪,导致张力波动。每一次,行人决定下一步行动策略根据细胞的转移概率在每个方向上,直到行人到达安全出口和离开危险的空间。

行人的智能行为后可以显示和内存及时性CA的动态FF。在每个时间步,行人决定方向的转移概率下一个时刻。转移概率与周围细胞的距离退出,是否它是一个障碍细胞细胞或一场灾难。正向的人口密度也是一个因素决定目标细胞的选择。在这个模型中,转移概率函数的“敏感的情绪状态”( )和“传染性的情绪状态”( )团体。

当情感强度低于 ,“敏感的情绪状态”采用“平静”的策略 ,倾向于选择人口密度较低的方向 。速度是 ,和最大期望速度 ,每更新移动一步。“平静”行人的靶细胞是周围八个细胞细胞(蓝色),如图4(一个)。目标细胞被认为是开始 。如图4(b),密度范围的“平静”行人(红细胞)的密度接近细胞(灰色细胞)细胞周围邻居(蓝色的细胞)。这种类型的行人的转移概率计算如下:

当情感强度高于 ,“传染性的情绪状态”采用“冲动”的策略 ,倾向于选择高人口密度的方向 。速度是 ,和最大期望速度 ,移动两个步骤/更新。如图5(a),“冲动”行人的靶细胞是两个步骤细胞(蓝色细胞)在每一个方向,假定为将 。此时,移动的速度 。如图5(b)、靶细胞中转移概率最高的8个细胞在附近选择(蓝色细胞)如果所有的首选八细胞被占领。然后,细胞被认为是设置为目标 。此时,移动的速度 。密度范围的半径“冲动”行人是两个步骤,如图6。这种类型的行人的转移概率计算如下:

转移概率函数的参数如下所述:是距离出口的影响系数,密度的影响系数,附近细胞的状态参数吗疏散的个人在时间(如果它已被疏散个体,它等于0;否则,它等于1),是附近的细胞疏散的个人在时间是一个障碍(如果这是一个障碍,它等于0;否则,它等于1)细胞密度在附近吗疏散的个人在时间 ,所示 在哪里 因为摩尔邻居规则之后。

从附近的细胞是最短的距离吗的行人的退出时间 。假设 附近细胞的位置坐标吗的行人 ,有有效的疏散空间的出口, 每个出口的是中点坐标。根据静态层字段(设定触发器)规则的CA,表示为下面的公式: 在哪里 欧几里得距离附近细胞吗到退出。

有两个层次的进步关系方程(9)。首先,邻居家的8个细胞之间最短的距离,所有的计算有效的出口。第二,最短的距离之间的偏差,其最大的比较。如果偏差是0,那么 ;如果偏差更大更大,这表明细胞从出口,最短的距离和细胞被选中的概率较高。

3.1。更新规则

行人的紧张情绪强度波动由于他人的传染。然后,每个行人的疏散策略不是单一的,而是动态的。考虑到行人影响他们运动的情感在紧急情况下(16),行人状态的更新过程如下:(1)情绪状态和疏散空间布局初始化。(2)每个单元格设定触发器的计算根据方程(9)。(3)人群疏散空间随机分布,行人紧张情感强度是初始化。如果情感强度低于阈值 ,行人位置和情感强度将会记录在“敏感的情绪状态” ;否则,它将被记录在“传染性的情绪状态” 。(4)更新情感强度根据方程(1)- (5)。(5)疏散人口的动态更新状态。如果“敏感的情绪状态”的情感强度高于阈值 ,它将改变成“传染性的情绪状态”的概率 。如果“传染性的情绪状态”的情感强度低于阈值 ,它将改变成“敏感的情绪状态”的概率 。(6)计算转移概率根据方程(6)和(7),选择靶细胞。(7)当多个行人选择相同的靶细胞,一个行人是随机选择的。本文假定所有行人被选中的概率是相等的(22]。(8)空间中的所有行人离开时,仿真结束;否则,跳转到(4)。(9)每次行人移动,增加1直到最后计步器的模拟。

4所示。实验仿真

摘要盲囊模型与经典CA模型来验证其有效性。然后,情感强度阈值的影响 ,感染系数 ,稳定系数 ,和感知半径系统的疏散效率进行了分析。

4.1。实验1

以下实验进行分析改进模型的有效性。的基本场景14)作为模拟实验的场景。单位细胞大小 ,和 。一个退出房间大小 ,和出口宽度 。当初始状态 ,150行人随机分布在空间,每占领一个细胞。每个时间步 。摩尔的邻居规则是当行人移动使用。摘要盲囊模型的不同的参数是用来执行多个实验,结果是一致的。这里只给出一组实验结果,和相应的参数 , , ,和 。数据7和8的密度图是两个模型在不同的时间步骤。

图中所描绘的一样7和8行人运动趋势的盲肠古典CA模型的模型是一致的,随着时间的推移。行人聚集在逐渐退出,证明拱的特征流在exit-consistent行人运动流的特点。在相同的时间步长,盲肠模型的行人运动速度快于CA模型。结果表明情绪感染和波动的行人模型导致行人动态变化速度和减少总疏散时间。

盲肠的总疏散时间模型与经典的CA模型进一步验证,盲肠模型能反映行人运动特征。结果在图9。从图可以看出9这两个模型的趋势是相同的。当的人数和出口的宽度都是一样的,盲囊模型的疏散时间短因为情绪感染模型中被认为是和不同的行人疏散策略采用与不同的情感。

4.2。实验2

数的影响进行了实验研究,分析情感强度阈值对行人疏散过程。仿真场景是一个退出房间。在初始状态,行人在空间随机分布。每个实验由200人使用相同的初始位置和情感价值,和系统参数设置 , ,和 。当情感阈值 ,仿真实验进行三个参数,反映了该集团的动态特性在每一刻:集团的比例的拱半径在出口处,和系统的平均移动速度。仿真程序执行100次在每种情况下,计算平均值。结果中描述的数据10- - - - - -12。

基于图10,当 ,系统中所有行人细胞转变成集团最后的模拟。阈值越小,越快的转换。当 ,所有行人细胞转变成集团 。组状态变化的拐点可以近似为 。

基于图11,总疏散时间 大于,在吗 。之间的区别 和 是最小的。当 ,退出拱半径更小;当 ,退出组半径三个案例的接近。这表明,当 ,尽管集团移动迅速退出,也加速聚合在出口处的形成,导致排队的现象。

随后的执行分析 。基于图10,当 ,网站群 ,当 ,网站群 。在这个阶段,人口密度的减少会导致群体选择的机会将增加;集团说明了比集团更快疏散的特点 。

图12说明了系统的平均疏散速度在每一个时间。当 ,三个案例的速度迅速下降。当 ,平均速度在一个小范围内波动,因为拱的半径组在出口处形成三种情况几乎相同的图11。这时,退出更拥挤,导致一些疏散个体无法移动,所以平均移动速度小。当 ,系统的平均移动速度曲线上升,表明整个系统的平均速度先增加然后减少。同时,系统的平均移动速度 高于 。

4.3。实验3

感染系数和平静的系数至关重要的因素在疏散个体情感驾驶行为改变。基于前面的分析实验,模拟实验认为情感阈值的两种情况 和 ,探讨组织感染系数时的系统状态和平静的系数独立变化。考虑同一组200人固定初始情感价值和固定的初始位置。四个场景实验不同的参数设计:场景1: , ,和 ;场景2: , ,和 ;场景3: , ,和 ;场景4: , ,和 。仿真程序执行100次在每种情况下,计算平均值。仿真结果图中描述13。

在场景1中,感染系数越高 ,越快的比例从0.5增加到1。在场景2中,不管感染系数 ,组的数量逐渐减少。此外,的价值对减少组没有显著的影响 。在场景3中,集团的比例最终趋近于1。在疏散的早期阶段,稳定系数越大 ,组的比例越多的比例减少,这意味着更大的集团是多少。

然而,集团的比例趋势略有下降后上升。1震荡,特别是在 。在此期间,没有显著影响的比例 。在场景4中,行人细胞组 。冷静系数越大 ,过渡到集团越快 。

4.4。实验4

基于前面的分析,情感的阈值 ,感染系数 ,和平静的系数的三个关键参数影响个体疏散状态。本文分析了这三个因素对总疏散时间的影响在疏散时进行仿真实验 ,的人数 ,和感染系数和平静的系数同时改变。仿真程序执行100次在每种情况下,计算平均值。

实验结果用数字表示14和15。每个图表示三维总疏散时间在不同的鸟瞰图 。水平轴是平静的系数 ,纵轴是感染系数 。不同的颜色表示疏散时间的值,这往往是更高的红色和蓝色低。

图中所描绘的一样14和15,总疏散时间 和 低于 和 。当情感的阈值 和 ,感染系数越大 ,总疏散时间越小。这个结果时更明显 在图15。相反,当感染系数0倾向,总疏散时间增加。当情感的阈值 和 ,冷静系数越大 ,更大的总疏散时间。

基于数据14和15,当 ,总疏散时间是相对较大。在这种情况下,当 ,的比例在最初的集团是大。此外, 表明,过渡的可能性来较高;结合实验分析3,越大价值,过渡到集团越快 ,这将导致一个更长的疏散时间。

4.5。实验5

疏散个体的情绪波动动态疏散期间由于感知域。在改进后的模型中,情感感知区域疏散个体是一个圆的半径 。这个实验分析感知域半径的影响在总疏散时间。设置一个退出房间的大小 模拟场景。单位细胞大小 , ,出口宽度 ,和200人随机分布的空间和情感分配一个随机的初始值。为了方便分析感知半径的影响 ,选择参数设置 ;然后, 。

三个不同的场景,不同的参数对仿真实验设计:场景1: ;场景2: ;场景3: 。不同的感知半径的影响在三种情况下的总疏散时间与情感的阈值 进行了分析。每个实验运行100次,总疏散时间的平均值计算。仿真结果图中描述16。

基于图16没有区别,总疏散时间场景1和场景3之间 。在场景2中,总疏散时间的感知半径 更小。对于所有三个场景,当 ,总疏散时间知觉的半径 小于 。当 和 ,这三个场景显示最低总疏散时间出现在 ,和感知域半径越大,总疏散时间越大。虽然总疏散时间减少 当 在场景3中,也高于 。因此,可以得出结论,当 ,感知半径越大 ,总疏散时间越短,当 ,情况恰恰相反。本文验证这一结论进行仿真实验在相同的三个场景与最初的300年和400年的数字,和结论是一致的。

4.6。实验6

在前面的实验中,疏散个体随机给定的初始情绪情感强度的范围,以及不同的系统参数对疏散效率的影响进行了分析。然而,当紧急事件发生时,它将引起系统中行人的总体情绪紧张。这个实验的目的是利用改进的模型来研究组织状态的变化在不同的情绪。实验前实验的场景是一样的。结合之前的实验,系统参数设置有利于疏散时间: , , , ,和 。

在初始状态,200人被随机分布在空间。三个不同的场景设计:场景1:情感是随机分配的 ;场景2:情绪是随机分配的范围 ;场景3:情绪是随机分配的范围 。的位置两种类型的国家组织疏散网站在特定时间进行描述在图17。的行人疏散组(蓝色)、组(红色)和出口(绿色)。

如图17在场景1,行人的整体情感是在正常范围内。在 ,组的数量和是平等的,什么时候 ,组的数量比这更组吗 。在场景2中,整体情绪有点紧张。在 ,组的数量大于组吗 。当 ,大部分的行人变成组并采用“冲动”战略经过短暂的疏散,示威人群的现象关闭退出。在场景3中,一个极端的场景模拟,和整体行人情绪更加紧张。在 ,行人在州 ,而当 ,整个人群聚集在出口处迅速。

可以看出,在场景2和场景3中,整个行人情绪紧张,这表明,行人迅速聚集。尤其是在场景3中,拥挤等危险的情况下推,甚至践踏容易发生,这将影响疏散效率。因此,一个管理策略来提高疏散效率应采用在疏散。同时,应采取措施安抚行人的过度紧张和恐慌。

5。结论

因为研究动态疏散行为考虑情感因素是目前有限的,情感和行为决策的动态更新模型还有待研究,本文提出了一种改进的行人疏散CA模型,《盲囊模型。改进后的模型能有效地实现动态演化的行人疏散考虑情感感染通过定义方向感知域和动态情感感知。与经典CA行人疏散模型相比,盲肠模型可以代表人群整合和退出拱特征,可以模拟行人疏散过程更有效率。通过模型参数的仿真分析,得到以下结论:(1)该组织的动态变化是受情绪影响阈值。当 ,所有行人细胞转变成集团 ,当 ,所有行人细胞转变成集团 。不同的群体采取不同的疏散策略。疏散管理者,疏散管理措施可以用来维护尽量低于0.4,这有利于快速疏散。(2)感染的影响系数和平静的系数在不同情绪下的阈值不同。当 ,感染的影响系数较高。的价值就越高 ,组织越快转换成集团 。最后,整个组形成,导致更少的疏散时间。当 ,感染的影响系数较高。的价值就越高 ,组织越快转换成集团 。最后,整个组形成,总疏散时间是相对较高的。这一结论提供了一个重要依据疏散管理者了解组织状态变化的因素来控制有效地疏散。(3)感知半径的影响总疏散时间也与情感的阈值。当 ,疏散个体的感知半径越大,越高的平均情感价值系统和更有利的疏散个人转变为群体并迅速离开现场。当 ,感知个人疏散半径越大,平均系统的情感价值越低,就越容易疏散个人转变为群体 ,导致疏散时间更长。(4)由于“从众”的疏散个体,当周围的人的一般情感浓度高,个人必须感知,提高状态转换的可能性。此时,个人一般采用“不耐烦”战略。虽然动作加快撤离,整体情绪紧张也会导致人群迅速聚集在出口处。这种现象很容易导致大量人群,踩踏事件,和其他危险的事件,所以应该尽量避免。

这些结论有助于疏散管理者了解组织行为的变化因素状态和疏散个体的策略。管理人员可以促进 和增加感染系数通过一个外部管理策略来增加的概率从集团的转变组 。此外,他们可以指导疏散个体扩展他们的视野,观察遥远的领域,并参与积极的行动策略。如果 ,管理者可以使用管理策略来抑制系数的平静和控制的概率从集团的转变组 。同时,他们可以指导疏散个体关注他人的情感或行为策略附近,哪个更有利于改变个人的情绪和状态,达到尽快疏散的目的。此外,一些应采取措施避免过度紧张和恐慌。改进后的模型更符合实际的疏散,但是仍有一些方面需要改进在未来的研究。仿真结果需要实验数据的支持。将进行实证实验来验证本文的结论的重要性在未来。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本研究支持中国辽宁省自然科学基金(批准号2019 - zd - 0558)。