【仿真建模】第三课:AnyLogic入门基础课程 - 多层建筑行人疏散仿真讲解

简介: 为了实现对一楼和二楼不同的疏散时间,复制之前的按钮,创造两个新按钮分别对一楼和二楼进行控制。在MyFloor1中,选择colOut,按照Ctrl键移动,复制一个colOut1出来。好像服务的延迟时间太长了,可以调小一点,设置为uniform(0.5, 1.0)为了区分一楼和二楼,在Main中调整MyFloor2的高度为40。把等待时间设置长一点,设置为uniform(1.5, 2.0)为了控制人们的逃生目的地,我们先拖拽一个集合出来。在Main中,把MyFloor2拖拽出来。

@[toc]


一、Agent类的概念

在这里插入图片描述

二、行人疏散仿真

2.1 仿真模型示意图

在这里插入图片描述

2.2 具体实现步骤

首先,新建模型

在这里插入图片描述
新建一个MyFloor1对象,代表第一个楼层
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
创建矩形墙,并放到原点

在这里插入图片描述
建立如下的模型,需要注意的是:

  • 服务的延迟时间、PedWait的延迟时间的单位都设置为分钟
  • PedSource、PedGoTo和PedWait都设置在矩形范围

在这里插入图片描述
修改PedSource到达根据为inject()函数调用

在这里插入图片描述
在启动时执行命令【作用是一次性生成20个人】:pedSource.inject(20);

在这里插入图片描述

回到Main窗口,将MyFloor1拖拽出来

在这里插入图片描述
放置视角区域和三维窗口

在这里插入图片描述
启动时执行命令:viewArea.navigateTo();

在这里插入图片描述
运行,查看效果

在这里插入图片描述

好像服务的延迟时间太长了,可以调小一点,设置为uniform(0.5, 1.0)

把等待时间设置长一点,设置为uniform(1.5, 2.0)

接下来,我们让行人可以成功撤离

在这里插入图片描述

根据上述逻辑,布局如下

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

进行连线

在这里插入图片描述

新增两个目标线和两个墙
在这里插入图片描述

回到Main窗口,往布局中加入一个按钮

在这里插入图片描述
为按钮加上单击事件

myFloor1.pedService.cancelAll();
myFloor1.pedGoTo.cancelAll();
myFloor1.pedWait.cancelAll();

在这里插入图片描述

为了控制人们的逃生目的地,我们先拖拽一个集合出来

在这里插入图片描述

修改集合的相关属性

在这里插入图片描述

打开行动图
在这里插入图片描述

拖拽一个行动图出来
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
定义当前搜索到的最小距离

在这里插入图片描述

拖拽出一个for循环
在这里插入图片描述
获取人离当前遍历到的出口的距离

ped.distanceTo(colOut.get(i).getX(),colOut.get(i).getY())

在这里插入图片描述

加入逻辑判断
在这里插入图片描述

k = i;
minDistance = curDistance;

在这里插入图片描述
定义返回值

在这里插入图片描述
设置pedGoTo1的目的地

colOut.get(actionChart(ped));

在这里插入图片描述
运行查看效果

在这里插入图片描述

接下来我们创建二楼

首先复制MyFloor1
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
删除部分组件

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
删掉这两个目标线

在这里插入图片描述
在这里插入图片描述

创建一个行人类型

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在Ped中加入变量

在这里插入图片描述
修改变量类型和名称
在这里插入图片描述
把所有enter和pedSource的智能体类型设置为Ped

在这里插入图片描述
设置MyFloor2中的pedGoTo

进入时执行代码:ped.stairIndex=actionChart(ped);

在这里插入图片描述

修改疏散按钮的点击事件为

myFloor1.pedService.cancelAll();
myFloor1.pedGoTo.cancelAll();
myFloor1.pedWait.cancelAll();
myFloor2.pedService.cancelAll();
myFloor2.pedGoTo.cancelAll();
myFloor2.pedWait.cancelAll();

在这里插入图片描述

在MyFloor1中,选择colOut,按照Ctrl键移动,复制一个colOut1出来

在这里插入图片描述
修改colOut1的属性

在这里插入图片描述
设置pedEnter的目标线:

colIn.get(ped.stairIndex);

在这里插入图片描述

在Main中,把MyFloor2拖拽出来

在这里插入图片描述

到MyFloor2中,设置exit离开时执行代码:

main.myFloor1.enter.take(agent);

在这里插入图片描述

为了实现对一楼和二楼不同的疏散时间,复制之前的按钮,创造两个新按钮分别对一楼和二楼进行控制

在这里插入图片描述
在这里插入图片描述
为了区分一楼和二楼,在Main中调整MyFloor2的高度为40

在这里插入图片描述

运行查看最终效果

全部疏散的效果
在这里插入图片描述

先疏散一楼再疏散二楼

在这里插入图片描述

先疏散二楼再疏散一楼

在这里插入图片描述

目录
相关文章
|
6月前
|
机器学习/深度学习 算法 安全
m基于深度学习网络的中药识别系统matlab仿真,包含GUI界面
在MATLAB 2022a中,一个基于GoogLeNet的中药识别系统展示了其仿真效果,通过6张图像展示了识别流程。该系统利用深度学习解决传统识别方法的局限,尤其是借助CNN自动提取中药图像特征。核心程序涉及数据集加载、分割、预训练模型加载以及网络调整,如替换GoogLeNet的特征学习层和分类器层以适应中药分类任务。
61 1
|
6月前
|
机器学习/深度学习 算法 计算机视觉
基于深度学习网络的美食检测系统matlab仿真
基于深度学习网络的美食检测系统matlab仿真
|
机器学习/深度学习 算法 测试技术
m基于深度学习网络的宠物狗种类识别系统matlab仿真,带GUI界面
m基于深度学习网络的宠物狗种类识别系统matlab仿真,带GUI界面
359 0
|
3月前
|
机器学习/深度学习 监控 算法
基于深度学习网络的人员行为视频检测系统matlab仿真,带GUI界面
本仿真展示了基于GoogLeNet的人员行为检测系统在Matlab 2022a上的实现效果,无水印。GoogLeNet采用创新的Inception模块,高效地提取视频中人员行为特征并进行分类。核心程序循环读取视频帧,每十帧执行一次分类,最终输出最频繁的行为类别如“乐队”、“乒乓球”等。此技术适用于智能监控等多个领域。
70 4
|
6月前
|
机器学习/深度学习 并行计算 算法
m基于深度学习网络的瓜果种类识别系统matlab仿真,带GUI界面
m基于深度学习网络的瓜果种类识别系统matlab仿真,带GUI界面
63 0
|
6月前
|
机器学习/深度学习 监控 算法
LabVIEW使用机器学习分类模型探索基于技能课程的学习
LabVIEW使用机器学习分类模型探索基于技能课程的学习
50 1
|
6月前
|
机器学习/深度学习 算法 计算机视觉
m基于深度学习网络的美食识别系统matlab仿真,带GUI界面
m基于深度学习网络的美食识别系统matlab仿真,带GUI界面
85 0
|
机器学习/深度学习
交通流量预测LSTM实战 详细教学计算机毕设
交通流量预测LSTM实战 详细教学计算机毕设
144 0
|
机器学习/深度学习 数据采集 算法
m基于深度学习网络的智能垃圾分类系统matlab仿真,带GUI界面
m基于深度学习网络的智能垃圾分类系统matlab仿真,带GUI界面
83 0
|
供应链 BI Windows
基于Flexsim的供应链建模与仿真课程设计(上)
基于Flexsim的供应链建模与仿真课程设计
336 0
基于Flexsim的供应链建模与仿真课程设计(上)