MATLAB元胞自动机四房间走廊疏散模型设计与实现

接手这个模型纯属偶然。当时帮某公司评估一个四间办公室共享一条走廊的疏散方案，手头没有商业仿真软件，甲方给的期限又紧。我第一反应是：这东西用MATLAB就能做，而且元胞自动机（CA）的思路刚好契合——空间离散化以后，房间、走廊、门、出口全变成矩阵格子，剩下的就是一套更新规则。项目标题就叫“MATLAB四房间走廊疏散模型设计与实现”，过程踩了不少坑，最后跑出来的结果倒挺能说明问题。

这篇内容不是给你抄代码的，而是把从“需求拆解”到“模型设计”再到“调试出结果”完整捋一遍。如果你手头有类似的小型疏散评估、流程仿真，或者纯粹想用MATLAB做个可视化模型练手，这篇能帮你少走弯路。我把关键参数、规则设计、代码思路和常见坑都放在下面，你可以直接照着复现。

1. 项目需求与建模思路拆解

1.1 先搞清楚模型到底要回答什么问题

四房间+走廊的结构非常典型，医院诊区、教研楼办公室、小型企业工区都是这种格局。通常要回答三个问题：

• 总疏散时间是多少，是否满足安全要求（比如规范通常给2分钟这种指标）。
• 哪个部位是真正的瓶颈，房门、走廊还是出口。
• 如果调整门的宽度、走廊宽度，或增加出口，效果能改善多少。

这些问题看起来简单，但纯粹靠解析计算很难回答。排队论能算稳态流量，但算不出空间拥堵的动态过程；社会力模型精度高，但在MATLAB里调参和计算量大得让人头疼。元胞自动机恰好卡在中间：离散网格天然匹配建筑平面，规则简单，计算快，可视化直观，而且拥堵、排队、瓶颈这些现象，用简单的局部规则反复迭代就能涌现出来。

1.2 为什么最终选了元胞自动机而不是其他方法

我用一个表格对比过三种常见方案的适用性：

元胞自动机最核心的一点是：复杂行为不需要复杂规则来堆。你只需要五个方向（前、后、左、右、原地）的决策逻辑，配合一个全局导航场，人群的排队、绕行、拥堵就自然出现了。这很像蚁群或者交通流模拟——微观规则简单，宏观现象丰富。

1.3 模型的输入输出与基本假设

动手前必须把模型的边界写清楚，不然后面根本没法解释结果。

• 输入：建筑平面参数（四间房间尺寸、走廊长宽、门与出口的位置和宽度）、人员数量与初始分布、行为参数（移动概率、每步耗时）。
• 输出：总疏散时间、剩余人数-时间曲线、房间清空时序、瓶颈位置。
• 基本假设：
  • 所有人员熟悉出口方向，不做随机乱窜。
  • 移动速度均匀，没有老人小孩差异。
  • 没有逆行人流，所有人朝出口方向推进。
  • 忽略恐慌造成的推挤超越。

这些假设在真实场景里不可能完全成立，但对比较方案而言足够了。仿真模型的价值从来不是预测绝对时间，而是对比不同策略、定位系统短板。

2. 空间网格设计与建筑拓扑实现

2.1 网格分辨率与地图尺寸怎么定

网格分辨率是整个模型的第一个关键决策。格子太小，矩阵爆炸、循环慢；格子太大，门和走廊的宽度失真。我按0.4米一个格子来处理：一个成年人占据的平面投影大约0.5米见方，0.4米格能勉强模拟单格通行，又不会太细。

以四房间走廊为例，我的尺寸是这样定的：

• 每个房间：6米×5米，换算成15×12格。
• 走廊：长20米，宽1.4米，换算成50×4格。
• 门：宽0.8米，即2格宽。
• 出口：宽1.2米，即3格宽（基准方案）。
• 整体网格：长约21米，宽约11.2米，换算后是62×28格左右。

这里有个经验要记住：门至少留2格宽。如果门只有1格，模型就会产生一个人为瓶颈，哪怕实际情况中门能并行侧身通过两人，网格模型也模拟不出来。这个失真会让疏散时间虚高，导致错误的结论。

2.2 地图状态编码：墙、空地、门、出口

我不建议只用0和1标记“可走/不可走”。后面可视化要区分房间、走廊、门、出口，建议直接用枚举值：

建地图时先铺空地，再把墙体坐标填1，门和出口单独填2和3。MATLAB代码大概长这样：

% 初始化地图：row是y方向, col是x方向 gridMap = zeros(nRows, nCols); % 四房间区域 room1 = [2, 13; 2, 16]; % 用 [rowStart, rowEnd; colStart, colEnd] room2 = [2, 13; 34, 48]; room3 = [17, 28; 2, 16]; room4 = [17, 28; 34, 48]; % 走廊区域 corridor = [14, 17; 2, 58]; % 先全部置墙，再开洞 gridMap(:) = 1; gridMap(room1(1):room1(2), room1(3):room1(4)) = 0; % 走廊 gridMap(corridor(1):corridor(2), corridor(3):corridor(4)) = 0; % 门（2格宽） gridMap(14:15, 16:17) = 2; % 房间1门 % 出口（3格宽，走廊右端） gridMap(15:17, 61:63) = 3;

骨架先打出来，后面再细调。矩阵的行列顺序在MATLAB里对应y和x，后画画的时候经常搞反，这个我在第6章会专门说。

2.3 距离场：让每个人都知道该往哪走

人群里每个个体的视线范围有限，但疏散者又要整体朝出口移动，不能瞎走。最简单有效的做法是预先计算一张“距离场”：每个可通行格点都有一个到出口的步数。每走一步，各人检查上下左右四个相邻格，选择距离场数值最小的那个格子就行。

这个距离场用广度优先搜索（BFS）生成。从出口格开始，每往外扩展一层，步数加1。墙不能穿，门可以过。核心逻辑是：

function distField = computeDistanceField(gridMap, exitIdx) [nRows, nCols] = size(gridMap); distField = inf(nRows, nCols); queue = exitIdx; distField(sub2ind([nRows, nCols], exitIdx(:,1), exitIdx(:,2))) = 0; dirs = [-1 0; 1 0; 0 -1; 0 1]; % 上下左右 head = 1; while head <= size(queue, 1) cur = queue(head, :); head = head + 1; for k = 1:4 nr = cur(1) + dirs(k,1); nc = cur(2) + dirs(k,2); if nr < 1 || nr > nRows || nc < 1 || nc > nCols continue; end if gridMap(nr, nc) == 1 continue; end if distField(nr, nc) > distField(cur(1), cur(2)) + 1 distField(nr, nc) = distField(cur(1), cur(2)) + 1; queue(end+1, :) = [nr, nc]; end end end end

这张距离场就是所有人的“全局导航图”，相当于默认所有人知道离出口最近的路。走廊里距离场沿出口方向递减，房间里的人会先朝门走，再到走廊汇流。

3. 人员生成与移动规则实现

3.1 初始人员怎么分布

初始位置我建议均匀随机分布在房间内，而不是全堆在门口。这样更贴近常态。人数按功能需求来，比如某办公室最多容纳15人，四间一共60人；想评估极端情况就把人数调到120人。

生成方式是从每个房间的可走格子里随机取样：

roomCells = find(gridMap(r1:r2, c1:c2) == 0); idx = randperm(length(roomCells), 15); [rowSub, colSub] = ind2sub(size(gridMap), roomCells(idx)); peoplePos = [rowSub(:), colSub(:)];

这里有个小建议：同一个格子不要放两个人。初始占据就重叠的话，后面移动规则会乱套。所以取样要用不重复的随机采样，人数也不要超过房间格数。

3.2 单步移动规则与冲突处理

每个时间步长模拟0.5秒。每个人按顺序做一次决策：

1. 检查相邻四格的距离场值，挑出最小值所在格。
2. 如果这个目标格是空的（没有人占），且该人格未在本步被占用，则移过去。
3. 如果目标格已经被人占了，那就原地等待，或者以30%的概率选择次优邻格（模拟轻微绕行）。
4. 一旦走到标记为出口的格子，该人员立即从模型中移除，记为“已疏散”。

冲突处理是CA模型最容易翻车的地方。最简单的做法是“两步走”：第一步所有人上报目标格，第二步检查同一个目标格是否被多人选中，如果冲突则随机保留一人，其他人原地不动。这个规则不一定能完全模拟现实的推挤，但胜在稳定性高、不穿模。

% 伪代码逻辑 targets = zeros(nPeople, 2); for i = 1:nPeople if isEvacuated(i), continue; end [bestR, bestC] = findBestNeighbor(peoplePos(i,:), distField); targets(i, :) = [bestR, bestC]; end for i = 1:nPeople if isEvacuated(i), continue; end conflict = false; for j = 1:nPeople if i ~= j && isequal(targets(i,:), targets(j,:)) conflict = true; end end if conflict && rand() > 0.5 % 留着原地 else peoplePos(i,:) = targets(i,:); end end

移动概率也可以加。默认0.9说明每10步可能有人原地停顿一次，用来模拟反应迟缓。这个参数对疏散时间的影响很直接，我后面会在实验部分提到。

3.3 单格占用与速度标定

0.5秒走一格，相当于速度约0.8米/秒，属于比较保守的疏散速度。如果想让结果更乐观，可以改成0.4秒一格，也就是1米/秒。实际调试中我一般先从0.5秒开始，等模型稳定后再调速度参数。这样你能明确看到“时间参数”对结果的影响，而不是所有因素搅在一起。

4. 主程序流程与可视化实现

4.1 主循环的结构

整个模型就是一个大的while循环，直到所有人都疏散成功或步数超过上限：

maxSteps = 300; currentStep = 0; remaining = totalPeople; while remaining > 0 && currentStep < maxSteps currentStep = currentStep + 1; % 移动人员，处理冲突，检查是否到达出口 [peoplePos, remaining] = updatePeople(peoplePos, distField, gridMap); % 每10帧画一次图 if mod(currentStep, 10) == 0 drawEvacuationMap(gridMap, peoplePos, currentStep); end % 记录剩余人数 remainingCurve(currentStep) = remaining; end

主循环本身不复杂，真正的复杂度全在“updatePeople”这个函数里。建议把“计算目标格”和“冲突处理”分开写成子函数，后面加规则或者调试时都方便。如果一开始就全部塞在主循环里，代码注定变成一团乱麻。

4.2 可视化技巧：别让动画拖死性能

我第一次跑的时候每步都画图，结果计算10秒，画图拖慢50秒。后来改成每5到10步才刷新一次画面，流畅度马上上来了。

画图的核心是把人数叠到地图上：

function drawEvacuationMap(gridMap, peoplePos, step) imagesc(gridMap); hold on; colormap([0.8 0.8 0.8; 0.2 0.2 0.2; 1 0.8 0; 0 1 0]); if ~isempty(peoplePos) plot(peoplePos(:,2), peoplePos(:,1), 'b.', 'MarkerSize', 10); end title(sprintf('Step %d', step)); hold off; drawnow; end

注意plot的x坐标用了列号，y坐标用了行号，这样才和imagesc的显示一致。更精细的可以人用圆形patch，墙深色、门黄色、出口绿色，一眼扫过去就知道状态。

4.3 数据记录：疏散曲线才是核心输出

动画只是给人看的，真正拿去向别人说明问题的，是“剩余人数-时间”曲线。这条曲线有两个关键特征：

• 斜率最大处，代表人员排空速率最高的阶段，往往出现在前半段。
• 曲线尾部变平，说明瓶颈处还有零散人员在排队或等待。

把这条曲线画出来，比任何动画都有说服力。

5. 典型实验结果与瓶颈分析

5.1 基准方案：四房间60人

基准方案参数我设为：门宽2格，出口宽3格，总人数60人，移动概率0.9，每步0.5秒。

一次典型运行的结果：

• 总疏散时间：约38步，折合19秒。
• 房间清空顺序：离出口近的房间率先清空，离出口远的最后一个房间最后清空。
• 例如出口附近房间清空约10步完成，远端房间拖延到30步后才结束。
• 剩余人数曲线呈两段式：前期线性快速下降，尾部明显放缓。

尾部放缓就是瓶颈在起作用。观察动画时你会看到最后十几个人基本都堵在走廊靠出口处，门口没有多余容量，相当于一个漏斗。

5.2 变量对照：出口宽度是否真的越大越好

我做了三组对照，都保持60人不变：

看出来没有，出口从1格加到2格，时间缩短了约13%；从2格加到3格，时间只缩短了约7%。当出口做到3格以上，瓶颈就转移到走廊内部了，再继续加宽出口的意义非常有限。

这个结论在疏散评估里特别重要。它告诉我们：盲目加大某个环节的尺寸，不如先找到真正的卡点。如果走廊本身只有1.4米宽，出口再宽也没用，人都在走廊排队。

5.3 参数敏感性：人数翻倍、移动概率变化的影响

我把人数从60人翻到120人，其他条件不变，疏散时间从19秒左右变成约37秒，接近翻倍但略低于线性增长。翻倍并不是严格两倍，因为初始人数多了以后，走廊里更早进入“高密度排队”状态，出口能够始终保持饱和通行。排队论里的“流量守恒”在这个模型里看得清清楚楚。

移动概率从0.9降到0.7，总时间增加约25%。这说明人员反应速度对极端工况下疏散时间影响很大，也侧面反映了演练与应急预案的重要性。

还有一个发现：门宽2格变成门宽1格时，远端房间的清空时间拉长非常明显，说明门宽瓶颈对远端房间不公平。疏散设计里，不能只看整体时间，还要看每个房间的清空顺序是否合理，得避免某个房间的人要跨越整个走廊才能出去。

6. 常见问题与调试心得

6.1 新手最容易踩的四个坑

坑一：门画成1格宽。这是最隐蔽的错误。单格门天然只能单列通行，模型出来的疏散时间一定偏大。任何门至少两格宽起步，除非这个门真的窄到只能侧身。

坑二：坐标轴方向搞反。矩阵的第1维是行，对应y方向；第2维是列，对应x方向。用plot画人员位置时，如果把x和y颠倒，动画里所有人都在镜面世界里乱跑，而距离场却按原来的方向算，结果就是明明出口在右边，人却往左边冲。调试方法很简单：只放一个人，看他走的路对不对。

坑三：随机数种子不固定。做对照实验时，如果不固定rand的种子，每次人数分布、移动冲突都不一致，你根本分不清结果的差异是参数带来的还是随机波动带来的。开跑前加一句rng(2021)，后面所有结果都可复现。

坑四：不画图裸跑，出问题完全不知道。我第一次跑完数据，发现疏散时间异常短，想破脑袋没找到原因。后来把动画打开，才发现所有人都从墙体里“穿”过去了。因为生成初始位置时，我把墙格也算进了可走格列表里。可视化是排查这种低级错误的最直接手段。

6.2 调试方法论：从单人测试开始

我的调试流程已经固定了：

1. 先放一个人，从每个房间各测一次，确保路径最短且不穿墙。
2. 再放10个人，近距离观察是否发生卡死或来回抖动。
3. 最后放满60人，跑完整流程，记录疏散曲线。
4. 分析曲线拐点，对照动画，确认瓶颈位置合理。

如果第2步就出现人员“原地抖动”，多半是两个格子的距离场值相等，人物在振荡。解决办法是给每个格子的距离场加一个非常小的随机扰动，打破对称性。也可以用“优选前方优先”规则：上>下>左>右，固定顺序，避免抖动。

6.3 规则可以往哪里扩展

这个四房间走廊模型只是骨架，扩展空间很大：

• 改成多出口场景，比较“最近出口”和“均匀分流”策略的差别。
• 加一个烟雾扩散场，距离场加上烟雾权重，模拟能见度降低时人员的路径选择。
• 把0.4米网格改成0.25米网格，更精细地模拟门的占用情况，但计算量会明显上升。
• 把走廊改成长廊+楼梯间，就能向多层建筑疏散延伸。

我自己的体会是，这个模型的价值不在“精确还原某一天某栋楼的疏散”，而在于它是一个低成本、可反复实验的决策工具。改一个参数、跑一遍、看曲线、找瓶颈，这套流程比任何口头判断都踏实。项目做到后期，我开始对“出口越宽越好”“人越多时间越长”这些直觉结论产生了新的理解——很多时候直觉方向是对的，但量的关系完全出乎意料。这大概就是仿真的意义所在。