Resumen

Debido a la interacción y a las interferencias externas, las multitudes ajustarán constante y dinámicamente su trayectoria de evacuación en el proceso de evacuación para lograr el propósito de una evacuación rápida. La información del proceso anterior puede utilizarse para modificar la información de control de la evacuación actual con el fin de lograr un mejor efecto de evacuación, y el control de aprendizaje iterativo puede lograr una predicción eficaz de la trayectoria prevista dentro de un tiempo de ejecución limitado. Para representar este proceso, se mejora el modelo de fuerza social basándose en un observador de estado ampliado iterativo, de forma que las multitudes puedan moverse por la trayectoria de evacuación óptima. En primer lugar, se establece la función objetivo de la ruta de evacuación óptima en el modelo mejorado y se diseña un observador de estado extendido iterativo para obtener el valor estimado. En segundo lugar, se verifica el modelo anterior mediante experimentos de simulación. Los resultados muestran que, a medida que aumenta el número de iteraciones, el tiempo de evacuación muestra una tendencia primero decreciente y luego creciente.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:observador de estado ampliado iterativo, trayectoria de evacuación óptima, información de control de evacuación actual, mejor efecto de evacuación, control de aprendizaje iterativo, tiempo de ejecución limitado, modelo de fuerza social, multitudes, modelo anterior, predicción eficaz
• Keywords:iterative extended state observer, optimal evacuation path, current evacuation control information, better evacuation effect, iterative learning control, limited running time, social force model, crowds, above model, effective prediction