Robocup-Rescue仿真救援简介

作为一个比赛，我们的比赛任务是在模拟的地震火灾现场火势蔓延和建筑倒塌的恶劣环境下，

• 利用有限的救援人员在给定的时间内尽可能地救出多的市民（存活的市民数量越多、总生命值越大，得分越高）
• 利用有限多的消防员来进行灭火操作，尽量减少烧毁建筑的面积（未被完全烧毁的建筑越多，得分越高，如果仿真周期结束时某个建筑在燃烧但是没有烧毁，则不减分）。

１ 人类：

救援人员包括警察（蓝色），救护员（白色），消防员（红色）
普通市民的颜色为绿色
各自的任务：

对人类而言，有以下几个常用的重要属性，罗列如下：

属性名	含义
buriedness	掩埋深度，埋得越深，需要的救援时间越久
damage	每个周期损失了多少生命值
HP	生命值，初始为10000，受伤的话则会降低，到达避难所则会保持不变，不会上升
position	记录当前实体所在地的EntityID，可能是在建筑内、道路上、避难所内、救护员身上
X、Y	当前实体所在位置的笛卡尔坐标

2.区域（Area）

区域包括两种类型：建筑和道路
一座建筑有一个EntityID值，而道路则不同，一段道路可能是有多个道路段拼接而成，道路段形状不一定一样，形状不规则

一些属性：

属性名	含义
blockades	该区域的障碍的list,因为路障形状不规则，可能一个area内有多个路障
edges	该区域边界线的列表，一个区域是一个多边形，有边界的存在，edges存储的便是这些边(项目里有一个Edge类)的List
neighbours	存储的是与当前区域相邻的Area们，可供之后操作
X、Y	区域中心所在位置的笛卡尔坐标

2.1路障

路障是对比赛成绩影响极大地一个方面，我们需要尽快安排警察将主干道路清理通畅，这样市民、消防、救护员的动作才能正常执行。
清理路障主要有两种方式：区域清理和矩形框清理方式

区域清理： 警察对目标路障执行清理动作，路障开始以一定速度逐渐向中心收缩变小，最终消失（耗时很久）
矩形框清理 对当前目标路障，警察行进前方生成一个矩形框，在矩形框范围内的障碍会消失，没有被矩形框覆盖的障碍则不会变化（速度相对很快）

代码策略：
仿真初期： 由于此时的主要目标是尽快将各大主干道疏通，让消防能尽快前往着火建筑灭火、救火员尽快前去救人，所以我们采用矩形框清障方式，疏通主干道路
仿真中后期：由于此时大部分的道路已经可以通行了，但是由于矩形框清障时可能会在路上留下毛刺型障碍，可能还是会卡住其余人类，此时我们将清障方式改为区域清障，保证每条道路障碍被完全清理干净

关键问题在于：如何判断什么时候开始转换为区域清障方式，这也是亟待我们解决的问题

2.2建筑

• 一般未着火建筑为灰色，如果着火的话会颜色会由黄色逐渐向红色加深，最终烧毁的话则变成纯黑色
• 如果某一建筑被消防员浇水的话则为蓝色。
  
  建筑的属性值如下：

属性名	含义
temperature	掩埋深度，埋得越深，需要的救援时间越久
damage	每个周期损失了多少生命值
HP	生命值，初始为10000，受伤的话则会降低，到达避难所则会保持不变，不会上升
position	记录当前实体所在地的EntityID，可能是在建筑内、道路上、避难所内、救护员身上
X、Y	当前实体所在位置的笛卡尔坐标

几种特殊的不会着火的建筑：

名称	作用
避难所	人类实体在里面生命值不会降低，消防员们可以在里面补水，救护员会将受伤市民移动到此处
救护中心	实现救护员的总体统筹管理
消防中心	实现消防员的总体统筹管理
警察局	实现警察的总体统筹管理
消防栓	水量无限，数量较多，随机分布在地图内，同一时间仅可以供一个消防员补水
汽油站	重点关照目标，如果火势蔓延到汽油站的话会导致汽油站爆炸，瞬间汽油站周围的建筑都会剧烈着火**

3. 比赛得分计算

3.1 Time - 周期

一般的，每场比赛的仿真周期为300,300周期结束之后仿真器停止工作

3.2 Score—比赛得分

这是非对抗性比赛，所以比赛结果按照谁跑的分高来评判。
比赛的时候一支队伍需要跑很多张图，以总的积分来决定谁更优秀。

比赛得分的计算方法：

• V 表示得分
• P 表示存活市民的数量，
• S 表示仿真结束时所有市民健康值之和
• Sint 表示仿真开始阶段所有市民健康值之和
• B 表示比赛结束时未烧毁建筑物总面积
• Bint 表示仿真开始阶段所有建筑物总面积

由上面的表达式可知：

• P所占的权值非常非常地大，活着的市民数量是决定得分的关键。所以应给尽量减少市民的死亡数量。
• 救护员智能体对被掩埋受伤的市民和其它智能体的救治以及 消防员对着火建筑物的灭火会直接影响得
  分，而警察清除路障的效率通过影响救护员和 消防员的行动而间接影响得分。

4、项目模块简介与联系

4.1. Kernel （系统内核）

Kernel 是整个系统的核心模块。Kernel 负责调度各个模块之间的通信，转发他们之间发送的消息，管理协调各个模块。

仿真每个仿真周期分为两部分：

前半周期 Sub-simulator 发来各种仿真数据，Kernel 对这些数据进行分析和计算并发送给 GIS 和 Viewer，Viewer 会进行更新；
后半周期用于与 Client 端的Agent 进行交互，等待 Agent 动作命令响应。Kernel 必须在后半周期内接收到 Client 端发来
的动作命令消息，否则该动作将不会被执行。

4.2 Sub-simulator 仿真器

Sub-simulator 模块模拟现实灾害情况，如房屋倒塌、建筑物起火等，同时响应救援队伍的救援行为。
Sub-simulator 主要由火灾仿真器、交通环境仿真器、道路阻塞仿真器、建筑倒塌仿真器和其他仿真器等构成。

• 火灾仿真器模拟建筑物燃烧情况并考虑相邻建筑之间的火势蔓延，同时响应 Fire Brigade 智能体的灭火动作；
• 交通环境仿真器模拟移动智能体在不同路况下的移动情况，如移动速度，是否被路障阻塞而无法移动、若干智能体在
  通过狭窄路段时发生拥堵等；
• 道路阻塞仿真器模拟建筑物倒塌后在道路上形成的阻塞情况，
  同时响应 Police Force 智能体的清障动作；
• 建筑倒塌仿真器模拟由地震引起的房屋、桥梁以及道路塌方等情况。

各个仿真器根据自身内部的状态信息以及从 Kernel 接收到的信息和命令来计算世界模型将要发生的事件，其中包括 Agent 的各种动作以及它们的动作带来的环境变化，然后把计算结果反馈回 Kernel。

4.3 Viewer 可视化界面，即我们跑地图时看到的2D场景

Viewer 动态地映射仿真系统内发生的所有仿真行为动作和事物变化，通过 2D 图形界面形式直观、清晰地表现出系统世界模型的运动发展。建筑物坍塌和着火燃烧、道路阻塞、市民被掩埋和受伤以及各种异构智能体的不同救援行为
Viewer 界面随着每个仿真周期而更新一次。

4.4 智能体感知与行为

智能体的感知器用于获取自身以及环境信息，是做决策的核心部分。Agent 通过感知器获取自己所处的位置信息、建筑物信息、道路信息等。
为提高模拟仿真的真实度，感知器从Kernel 获得的信息都是带有噪音的,并且所有感知能力都受到距离的限制：视觉范围一般为 10米，而听觉范围一般为 30 米。
下图是仿真系统中 Viewer 表现下的 Agent 视线情况。在仿真系统实际运行时，Agent 的视觉、听觉感知范围都会受到物体阻挡等因素影响而出现不同程度上的浮动。

不同智能体和指挥中心可执行的动作：

4.4 联系与运行实例

以下列出救援仿真系统运行过程中各模块之间消息传递步骤，救援仿真系统的运行就是这些步骤的不断循环迭代。

• 1.Kernel 根据智能体的位置将该坐标点周围一定范围内的感知信息发送给对应智能体。
  感知信息包括视觉信息和听觉信息：视觉信息指智能体所处坐标 10 米范围内能够看见的空间视觉信息；听觉信息指智能体坐标 30 米范围内（一般来讲）能够听见的声音信息。通常 Kernel 发送给智能体的信息会加入一定程度的噪声，以最大限度
  的模拟真实灾难情况
• 2.智能体根据 Kernel 发来的感知信息以及与其他智能体通信获得的信息进行行为决策。根据决策将对应原子命令（如移动、救护和灭火等动作命令）发送给 Kernel；
• 3.Kernel 接收到来自智能体的命令后将其转发给相应仿真器；
• 4.各个仿真器根据从 Kernel 发来的命令和当前自身所存储的环境空间状态进行综合计算和分析，对灾难空间的发展变化做出预测，然后发送给 Kernel。如果 Kernel 在给各仿真器发送命令之后的半个周期内没有接收到相应反馈信息，则系统本周期的仿真状态将不会发生任何变化；
• 5.Kernel 接收到来自仿真器的灾难预测数据后，将集成这些仿真信息并分别发送给 GIS和 Viewer；
• 6.Viewer 接到 Kernel 的仿真更新信息后，向 GIS 发送信息更新请求；
• 7.GIS 得到 Viewer 的请求后，将更新的灾难空间信息发送给 Viewer。

5. 常用模块介绍

5.1 世界模型 WorldInfo

• 仿真系统运行过程中通过自身的感知信息和来自其它智能体的通信信息，救援智能体能够获得灾难空间的各种信息及其变化，包括智能体的异构类型、所处位置、自身状态以及灾难空间中其它对象的相关状态信息，因此世界模型可以看成是描述状态信息的一个接口。
• 世界模型把所有外部灾难空间和内部自身状态的状态信息整合，体现了救援智能体对当前环境的认知能力。其准确性和信息量的完整性直接决定了智能体的行为和协作能力并最终影响救援效果。
• 每个智能体都有自己独立的世界模型，包含的信息都是智能体与 Server 端进行交互并通过建模分析而获得。

5.2 路径规划 PathPlanning

• 可移动救援智能体在灾难空间中可以自由移动，在执行救援任务时，它们需要移动到特定目标地点。智能体在灾难空间中的移动需要某种路径规划方法来实现从当前所处位置到目的地的移动，同时满足路径最短即耗时最短的要求。

• 我们项目代码中是用的是A*寻路算法，采用启发式搜索算法来寻找最优路径。

路径规划具体流程为：以智能体当前所处位置为起始点，以目的地为终点，每一条路径中所经过所有道路的长度之和为评价依据。 如果路径中存在有路障的道路，该路径的长度将变为无穷大，下一轮路径搜索时将不再考虑该路径。所有路径计算完成后按照评价值进行从小到大排序，智能体使用长度最短的路径作为从当前所处位置到目的地的路径。通过这种动态的启发式搜索方法，智能体能够及时找到一条到达目的地的最短通路。

5.3 地图聚类与分区

• 当救援智能体在某个运行周期任务列表为空，智能体便开始探索灾难空间，即探索地图。探索地图的目的是在更大范围上发挥感知环境的作用，然后将感知信息共享给其它智能体。
• 探索过程中，涉及到智能体的协同问题。具有一定位置分布的救援智能体需要在有限且较短时间内进行对地图所有区域的遍历，从而在救援团队层面获得世界模型的全局信息。我们采用将地图分区的方法，根据智能体的位置分布将它们各自分配到不同的分区，然后只在自身所属的分区内探索，最后通过通信的方式分享局部视图，从而获得全局视图。
• 在智能体开始救援工作之前，我们通过 K-means 方法]对地图进行聚类分区
  对地图上的各个节点按照它们的距离关系进行聚类分析，聚类获得的数据结构将会作为救援智能体实施协作方案的决策依据。