1 引言
慢行交通系统是城市交通系统不可或缺的主要组成部分，是“最后一公里”和中短距离出行的常用方式，慢行系统的拥堵将影响整体城市交通系统。对慢行交通的研究很大一部分采用行人仿真。经过数十年的发展，现有行人慢行交通仿真模型包括：元胞自动机模型、社会力模型以及模型的改进。
2 元胞自动机模型
Cremer和Ludwig[1]于1986年首先利用元胞自动机模型研究机动车，随后其逐步成为应用广泛的交通仿真模型。一维元胞自动机模型常用于高速路段的机动车流仿真，代表模型有BML和Ns模型；二维元胞自动机模型通常用于城市网络交通。
Ahmed等[2]基于元胞自动机模型引入各情况下行人的行为规则，仿真分析了非定向高密度的行人流。M. Wolki[3]基于元胞自动机模型，考虑了行人在长通道的行为特性，建立行人仿真模型。Weng等[4]基于元胞自动机模型新增了超越、避让等运动规则，以扩展模型。
3 社会力模型
Lew in于1951年最早提出社会力模型的概念，即社会力决定行人的行为变化，行人在合力的作用下不断迭代改变位置，产生速度走向目标。德国学者Helbing于90年代在Lewin的基础上深入研究行人的微观仿真，奠基了原始社会力模型的研究系统。
3.1国外社会力模型的改进
国外对社会力模型有许多改进并扩展到其他场景中。Lakoba等[5]针对社会力模型中的行人重叠问题引入行人间的排斥作用，并提出了出口吸引力的概念。Marchant与Thompson[6]改进了经典模型中的人员作用范围系数，并通过仿真对比分析，初步建立了人员作用范围系数与疏散速度二者之间的函数关系。Parisi[7]在Marchant与Thompson的基础上增加尊重因子改进模型，使行人作用力的范围系数为以个体质点为圆心、尊重距离为半径的范围，当实际距离小于尊重半径时期望速度设为零以免冲突。
3.2国内社会力模型的改进
国内对社会力模型的研究主要是在国外现有的基础上进行优化和改进。陈涛[8]等认为行人间的速度差会影响心理力，因此增加了相对速度影响系数表示距离力和速度力的关系以优化模型。曹雷[9]为防止行人移动过快或挤压过度，设置了行人速度和加速度的极限值，并引入行人紧张系数表示行人与障碍物维持舒适距离的心理倾向。李珊珊[10]在模型中增加了减速避让机制以修正排斥力，当行人的运动需求空间被占用、路线受阻时行人会减速避让以保持与外界的安全距离。
4 总结
本文总结了行人流仿真的经典仿真模型，各类模型均有其优点和缺陷。
（1）元胞自动机为离散模型，易实现、运行快，但难以细致的实现行人仿真。
（2）社会力模型是连续模型，用物理力以量化行人间的虚拟影响，可模拟行人各时刻的行为，得到行人的轨迹，但要标定大量参数。
现有研究通常是基于观测交通个体行为进行建模，以重现该行为验证模型的有效性，未用实际交通数据对仿真结果进行详细的系统验证。且研究多集中在对各类典型模型自身的改进，场景中交通流比较单一，场景常为房间、商场和地铁枢纽等，对复杂场景和人非机混行流的研究有限，少有考虑行人一非机动车相互避让和穿越等相互作用。
参考文献：
[1] Cremer M, Ludwig J. A fast simulation model for traffic flow on the basis of Boolean operations[J]. Elsevier Science Publishers B. V. 1986. 28:297- 303.
[2] Abdelghany A, Abdelghany K, Mahmassani H, et al. Microsimulation Assignment Model for Multidirectional Pedestrian Movement in Congested Facilities[J]. Transportation Research Record J ournal of the Transportation Research Board, 2005, 1939(1):123-132.
[3] M. Wölki, A. Schadschneider, M. Schreckenberg. Fundamental diagram of a one-dimensional cellular automaton model for pedestrian flow - the ASEP with shuffled update[M]// Pedestrian and Evacuation Dynamics 2005. Springer Berlin Heidelberg, 2007:423-428.
[4] WG Weng, SF Shen, HY Yuan, WC Fan. A behavior-based model for pedestrian counter flow[J]. Physica A Statistical Mechanics & Its Applications, 2007, 375(2):668- 678.
[5] Lakoba T I, Kaup D J, Finkelstein N M. Modifications of the Helbing-Molnar-Farkas-Vcsek social force model for pedestrian evolution[J]. Simulation: Transactions of the Society for Modeling and Simulation Intemational, 2005, 81 (5):339-352.
[6] Thompson. PA, Marchant.E.W. A computer model for the evacuation of large building populations[J]. Fire Safe ty Journal, 1995, 24:131~148.
[7] Parisi D R, Gilman M, Moldovan H. A modification of the Social Force Model can reproduce experimental data of pedestrian flows in normal conditions[J]. Physica A Statistical Mechanics & Its Applications, 2009, 388(1 7):3600-3608.
[8] 陈涛,应振根,申世飞等.相对速度影响下社会力模型的模拟与分析[J].自然科学进展,2006,12(16):1606-1612.
[9] 曹雷,王琳.基于改进社会力模型的人群疏散研究[J].系统科学与数学,2016,36(9):1434-1447.
[10] 李珊珊,钱大琳,王九州.考虑行人减速避让的改进社会力模型[J].吉林大学学报(工学版), 2012,42(3):623-628.
