随着城市化进程的不断加深,城市公共空间内人群的安全管控也愈来愈受到人们的关注。近年来,随着公众安全防护意识的提高,行人流疏散研究已成为当前的研究热点。相比较真人实验,利用行人动力学模型进行仿真研究具有低成本、低风险的优势。本文以微观元胞自动机模型为基础,结合模糊逻辑理论、Logit模型、高斯混合模型建立行人动力学模型,为行人疏散提供有效建议,主要内容概括如下:首先,建立基于模糊逻辑理论的元胞自动机模型,模拟行人从多出口房间的疏散行为。行人的出口选择行为在疏散过程中起着重要的作用。当行人选择出口时,采用距离和密度作为模糊逻辑的两个输入变量,并将选择每个出口的概率定义为输出变量。结合考虑模糊逻辑的输出变量、出口宽度和从众行为来确定目标出口。Logit模型来解决行人之间的位置冲突。通过比较仿真结果和实际数据,进一步验证了模型的合理性。研究了行人属性、出口属性及障碍物属性对疏散效率的影响,结果表明大型公共建筑物内应控制行人的流量;合理增加出口数量和出口宽度能有效地提高疏散效率;障碍物不宜过长,同时障碍物应与出口保持一定距离以缓解拥堵。其次,建立基于模糊逻辑理论的地铁站台行人分布预测模型,研究站台设施与行人分布的关系。采集站台行人实际流量、速度数据,由距离、密度及候车区面积确定行人的目标车门。通过站台行人分布的仿真结果与实际数据的比较,验证了模型的合理性。研究了行人和扶梯属性对候车行人分布的影响,结果表明增加行人和扶梯数量有助于提高候车行人分布的均衡性;行人结伴行为对站台行人分布的影响不大,但会降低行人的整体平均速度;多个扶梯之间的间距应尽可能相同;在候车行人密度较大的车门前设置指示物或引导员有利于均衡站台上候车行人的分布。最后,建立考虑引导员的行人疏散模型,用于研究引导员对疏散行为的影响。贝叶斯信息准则用于确定引导员的最优数量,EM算法用于确定引导员的最优位置,模糊逻辑理论用于模拟行人对引导员的选择行为,行人及引导员由元胞自动机模型驱动。研究了引导员的数量、速度以及出口宽度对疏散动力学的影响,结果表明引导员在一定程度上可以提高疏散效率,但引导员的数量并非越多越好;一定范围内增加出口宽度可以提高出口的通行能力,有效降低疏散时间;引导员速度为行人速度的75%时,疏散效率最高;行人下车后应尽快出站,减少在站台逗留;行人在疏散过程中必须保持冷静,避免陷入恐慌。