企业官网建设流程全解析

做人群仿真的人，对Vadere这个名字应该不会陌生。作为一套开源的微观行人仿真工具，它最大的价值在于把研究级的人群运动模型做成了开箱即用的GUI程序，不用写一行代码就能模拟出疏散演练、地铁换乘通道、展览馆人流这类典型场景。前面几篇基础篇聊了安装部署和界面操作，这一篇我单独把“场景设置”拎出来讲。原因很简单：它是整个仿真流程里最容易被忽略、又最决定结果可信度的环节。翻过车的老手都知道，仿真跑出来的结论不靠谱，绝大多数不是模型算法的问题，而是场景里的墙没画对、目标编号绑错、行人初始位置卡进了障碍物。

这篇内容会围绕一个完整的疏散案例展开，从新建场景、导入底图、画障碍物、放目标区、配置行人源，一直到参数校验和常见问题排查，每一步操作后面我都会解释为什么这么做，以及哪些坑我已经替你踩过了。适合正在搭仿真环境的学生、需要做方案比选的设计师，以及想用程序化方式批量生成场景的进阶用户。看完你就能独立搭出一个可复现、能校准、拿得出手的Vadere仿真场景。

1. 先理解Vadere场景的三个核心变量

1.1 场景在Vadere里到底是个什么结构

很多人第一次打开Vadere就被界面左上角那棵树吓住了，其实它的结构比想象中简单。一个Vadere场景（Scenario）本质上是一个JSON文件，GUI里你做的所有画线、拖拽、配置操作，最终都在生成结构化的JSON数据。文件顶层就三大块：attributesModel、topography、simulationOptions。

topography是地理层，记录场景里所有几何元素的位置、形状、层级关系，包括障碍物、目标区域、行人来源点、楼梯等。attributesModel是行为层，决定行人怎么走路，比如用的是改进的梯度人群模型GCM，还是社会力模型SCM，对应的参数都挂在这一层。simulationOptions是运行层，控制时间步长、仿真时长、随机种子等全局设置。

理解这个分层结构有一个实际好处：当你在GUI里摆弄半天发现画布卡顿或者想批量生成大量场景时，完全可以绕开界面，直接用脚本修改JSON再导入Vadere运行。我在做多组对照实验时，就是用Python批量生成几十个只有出口位置不同的场景JSON，效率比手动画高一个数量级。所以下面讲场景设置时，我会同时对照GUI操作和JSON结构，方便你两种路子都能走。

1.2 核心组件：障碍物、目标区、行人来源

从功能上看，一个场景能不能跑起来，取决于三样东西是否配置齐全：障碍物（Obstacles）、目标区（Targets）、行人来源（Sources）。

• 障碍物：所有不可通过的固体边界，包括墙体、柱子、展台、家具。Vadere的导航算法会把障碍物视为梯度场的边界，行人不会穿越，但会贴着边缘绕行。
• 目标区：行人的导航目的地。可以理解成“打卡点”，行人规划路径时会朝着目标区的几何中心或边缘移动。一个场景可以有多个目标区，行人来源可以指定分配给哪些目标区。
• 行人来源：行人在场景中的出生点。你可以把它想象成入场闸机，它决定了行人在什么时间、以什么速率、总共生成多少人、生成后去往哪个目标区。

我用一个生活化类比帮你串起来：障碍物是“场地条件”，目标区是“任务的终点”，行人来源是“入场安排”。三者缺一个，行人要么无处可走，要么不知道该去哪儿，要么压根没有行人出现。

还有一个容易混淆的元素叫吸收区（Absorbing Area），它可以让行人到达某个区域时从仿真中消失。如果你只想观测行人通过某个断面的流量，或者模拟行人离开建筑后不再纳入统计，就用吸收区。注意它和目标区不一样：目标区是导航目标，行人要“想到达”那里；吸收区是数据过滤器，行人碰到就消失。简单场景里可以不用它。

1.3 动手画图之前，先问自己三件事

场景设置最容易犯的错误是一上来就画墙，画到一半才发现自己想要的结果根本测不出来。我建议动手前先回答三个问题：

第一个问题：研究问题是什么？是要测疏散总时间，还是看某个通道的拥堵程度，还是对比不同出口布置方案的效果？问题不同，场景的精细度要求完全不同。测疏散总时间时，出口外3米外的区域也值得画出来；只想分析通道内拥堵时，大厅内部可以粗化为一个开阔矩形。

第二个问题：场景的物理尺度是多少？Vadere内部单位是米，画布上没有“像素”这个概念。如果你手里只有一张位图图纸，必须先把图纸缩放到与实际尺寸一致再描边，否则疏散距离、行人密度、门宽流量通通失真。一个2.5米宽的门，你按5米画，仿真结果直接差一倍。

第三个问题：人群规模和密度是多少？这决定行人源的速率、人数上限和仿真时长。比如500人在一个2000平方米的大厅里，密度只有0.25人/平方米，属于舒适流动状态；同样500人挤进200平方米的房间，密度到了2.5人/平方米，就会出现明显的拥堵和排队。场景设置时要把行人源放在人员实际进入的位置，不要图方便随手放在角落。

1.4 用一个案例贯穿全文

为了下面实操步骤不空谈，我给出一个固定的研究案例：一个长40米、宽20米的展览大厅，南墙右侧有一个5米宽的入口，北墙有两个2米宽的疏散门，门中心分别位于距左墙10米和30米处。模拟500名参观者在听到警报后向北侧两个出口疏散。

这个案例包含一个入口、两个出口、四面墙、一个开阔大厅，结构简单但足够覆盖Vadere场景设置的绝大部分功能点。后面第2章的所有操作，都是在这个案例的框架下进行的。

这个案例你会看到：障碍物如何开出门洞、目标区应该放在门内还是门外、行人来源如何同时分配两个出口、以及不同的目标分配比例会对疏散效率产生多大影响。

2. 场景搭建实操：从空白画布到可运行场景

2.1 新建场景与导入底图

打开Vadere后，通过菜单或顶栏的New Scenario按钮创建新场景。界面上会出现一个空白地形视图，同时右侧的Topography面板列出障碍物、目标、源等组件的空列表。

如果你有CAD导出的平面图或手绘草图，第一步先导入底图。Vadere支持加载PNG等常见图片格式作为背景参考，操作位置在视图菜单或工具栏的地图图标。导入后调整图片的缩放和位置，让图上的关键尺寸大致落在对应的坐标范围。注意，Vadere的坐标原点默认在场景左下角，画布网格单位为米。

这里有一个关键实操习惯：底图只是视觉参考，不会参与碰撞计算。你需要参考底图用几何工具把墙体等障碍物重新描一遍。我的做法是先在CAD软件里量出关键点的坐标，再直接按坐标在Vadere里输入多边形顶点，而不是用鼠标在底图上“描”。鼠标描边看着省事，实际画出来的墙体宽度不一致、角度偏几度，后面仿真结果出偏差时你甚至不知道问题出在几何上。

新建场景后建议第一时间保存，在Scenario菜单中选择保存场景，格式选择JSON。Vadere自带一个Scenario Database概念，可以把多个场景存在本地数据库中，但我不太推荐依赖它做版本管理。直接把JSON文件交给Git管理才是正道，每次修改生成一个可对比的diff，排查问题会轻松很多。

2.2 障碍物添加与绘制技巧：墙、门洞和柱子

场景里的墙体需要使用障碍物工具绘制。在Topography面板中选中Obstacles，点击添加按钮，画布上会出现多边形绘制模式。沿着墙体中心线逐点单击，添加完最后一个点后双击或按回车完成绘制。画出来的闭合多边形就是障碍物轮廓。

我建议用Rectangle Obstacle这类预设工具画直墙。在添加障碍物时，Vadere提供矩形障碍物快速生成方式，输入左下角坐标、宽度、高度、旋转角，就能生成一个标准矩形墙体。40m×20m大厅的外墙，用四个矩形拼出来：南墙、北墙、东墙、西墙各一个矩形，其中南墙和北墙需要预留门洞，所以不能一整个矩形铺过去，要分成多段绘制。

以案例中的北墙为例：墙体总长40米，需要开两个2米宽的门洞。从左侧开始画第一段墙，长度9.7米，留出2米门洞，再画第二段墙从门洞右侧延伸到下一个门洞左侧，长度约9.7米，再留出2米门洞，最后画第三段墙。为什么要留0.3米的“冗余”而不是精确等于墙长减去门宽？因为门洞处的目标区会占据一定空间，墙端点与目标区边缘留一点间隙可以避免碰撞检测时报重叠错误。

墙厚也值得注意。Vadere的导航梯度场对障碍物厚度有一定要求，我通常把墙厚设在0.2米到0.4米之间，案例里统一用0.3米。太薄的墙会让导航场梯度在墙体两侧变化过于剧烈，行人可能出现贴墙抖动；太厚的墙会压缩可用疏散宽度，门洞实际宽度失真。

如果场景里有柱子或展台，同样用矩形或多边形障碍物表示。柱子这类小尺寸障碍物在疏散仿真中会显著改变局部人群流，建议按真实尺寸绘制，不要简化成点。展台这类临时设施可以根据研究目的决定是否保留，如果研究的是“最不利疏散条件”，通常会删除展台，只保留固定建筑结构。

2.3 目标区域：出口到底应该怎么圈

障碍物画完，接下来部署目标区。这里的坑最多，值得多花点篇幅。

目标区在Topography面板的Targets下添加，支持圆、矩形、多边形等形状。大多数情况下，我用矩形或圆形来标记出口位置。关键问题是：目标区应该圈住哪里？我见过太多新手把目标区直接放在出口门洞内部，导致行人刚走到门口就算到达，疏散时间统计偏短。

正确的做法是把目标区放在门洞外侧，靠近门外0.5到1米的位置，中心对准门洞中线。这样行人必须完全踏出门口才算完成疏散，符合实际疏散演练中“走出建筑物才算安全”的判定标准。以案例北侧出口1为例，目标区可以设为一个宽2.5米、深1.5米的矩形，中心坐标与门洞中心一致，落在墙外0.75米处。

多个出口对应多个目标区。Vadere的目标编号从0开始自动递增，第一个添加的目标区是Target 0，第二个是Target 1。这部分要格外留意：当你删除一个目标区再重新添加时，编号不会自动重排，可能出现Target 2在前面、Target 1在后面这种错乱情况。目标编号直接关系到行人来源的targetIds配置，所以我每次画完目标区都会在笔记里记录“出口名 → 目标编号”的对应关系，防止后面绑错。

关于目标区尺寸还有一个细节：如果目标区太小，行人会为了“精确到达”目标中心而放慢速度，形成不自然的减速；如果目标区太大，行人到达边缘就停止，可能与实际疏散速度不符。我习惯将目标区的宽度设置为出口宽度的1.2倍左右，深度1到2米，这样既不会形成不真实的目标点排队，也不会过早判定疏散完成。

2.4 行人来源：人数、速率与目标分配

行人来源（Source）是场景的“演员入场口”。在Topography面板的Sources下添加，然后配置参数。你会在JSON中看到一个Source包含几个关键字段：position、spawnAt、spawnFrequency、numberOfPedestrians、targetIds。

position是源点坐标，在案例中放在南墙入口外侧或内侧边缘。注意行人源产生的行人会首先出现在这个点，所以这个点不能落在障碍物内部，否则运行会直接报错或行人陷在墙里。

spawnFrequency是每秒生成的行人数。案例中参观者以约5人/秒的速率进入大厅，那么这个值就设置为5。如果模拟的是紧急疏散开始时所有人员已在建筑内，就不需要在门口放源，而是在室内划定一个矩形区域作为行人初始分布区，并把spawnFrequency设成“一次性全部生成”，Vadere中可以通过把频率设为一个很大的值，比如1000人/秒，来近似瞬时释放。

numberOfPedestrians是总人数上限，案例中设为500。每次仿真运行，Vadere会从这个源生成最多500个行人。如果spawnFrequency太小或仿真时间不够，部分行人可能没有生成完，疏散总时间值就会偏低。我一般会把最大仿真时间设得充裕一些，并在跑完后检查实际生成人数是否等于500。

targetIds是源点对应的目标区编号数组。案例中入口处的参观者需要从两个北门疏散，targetIds设为[0, 1]。当源点关联多个目标区时，Vadere会给行人分配目标。分配逻辑有多种策略可选，有的按比例随机分配，有的根据距离最近目标分配。如果你希望模拟“就近疏散”，选择距离最近策略会更接近真实；如果想模拟“随机选择出口”，则用随机分配。这部分选择会影响两个出口的流量分配，在不同方案对比实验里要固定下来，别在对比时悄悄改掉。

补充一个经验：源点的行人初始速度方向，Vadere通常会按目标方向给出。若行人一出生就朝目标走，会在入口处形成一条弧形队列，这在大多数场景中符合直觉。如果你希望行人先在某区域自由游荡再疏散，需要增加“waiting area”之类的机制，或者用两个Source分阶段控制生成，但这些属于进阶操作，本次不讲太深。

2.5 检查碰撞、保存JSON与首轮试跑

所有几何元素摆放完毕，先别急着调模型参数，做两件事。

第一件事：运行碰撞检查。Vadere工具栏上有碰撞检查按钮，它会自动扫描障碍物之间、障碍物与目标区、源点之间的重叠情况。重叠会导致导航场计算异常，行人卡住或穿模。检查报告会在界面上列出冲突项，按照提示逐个修复。这个操作非常快，强烈建议在每次修改地形后都跑一遍。

第二件事：保存场景为JSON文件，并打开看一眼。你不需要读懂每一行，但需要确认几个关键值：topography下有obstacles数组且有元素，targets数组个数正确，sources的numberOfPedestrians等于目标人数。如果以后要批量做参数扫描，这一步也是你写脚本前必须熟悉的对象结构。

然后直接运行一次仿真。看到行人从入口陆续出现、绕过大厅、走到两个出口并消失，说明场景设置已经通了。首次试跑不要追求结果精确，而是确认流程不报错、行为不穿模、人数生成正确。流程通了再进入第3章的参数精调。

3. 不可跳过的仿真参数配置与模型选型

3.1 时间步长、仿真时长与随机种子：三个基础参数的逻辑

场景能跑起来之后，你需要回头审视运行层的三个基础参数，它们决定了仿真的时间粒度和可复现性。

第一个是timeStepLength，时间步长，Vadere默认值是0.4秒。在微观仿真里，这个值是个平衡点：步长太短会让计算机反复计算行人间的受力，速度慢一个量级；步长太长会让行人每个时间步位移过大，容易出现穿入障碍物边缘或抖动。0.4秒对应的行人每步位移约半米出头，对于疏散模拟已经够用。如果你的场景里行人密度很高，拥堵状态下行人位移很小，0.4秒仍然安全；但如果你观测到行人抖动明显，可以尝试调低到0.2秒，代价是计算时间翻倍。

第二个是仿真时长，主要包括simTimeInSec和最大仿真时间上限。Vadere会让你设定期望仿真时长，相当于给行人“多长时间完成任务”。案例中500人从40米长的大厅疏散，正常情况下最多两三分钟足够，但我建议把最大时长设到360秒以上，宁可多算也不要让部分行人因为时间到而停在半路。疏散总时间的统计口径通常以最后一个人到达目标区为准，仿真时间不够会直接截断尾部数据。

第三个是随机种子。微观仿真里有大量随机因素：行人速度波动、目标分配、初始位置的微小扰动。同一个场景每次跑出来的疏散时间曲线不会完全重合，这是正常现象。要得到稳定结论，必须固定随机种子或对多组种子取平均。我的实验流程是：同一场景至少跑5个不同随机种子，记录疏散总时间，计算均值和标准差，再把均值作为该场景的结果。这个做法在对比场景改造效果时尤其重要，否则你可能把一个随机种子带来的波动误判成优化效果。

3.2 三套模型怎么选：GCM、SCM与OSM的适用边界

Vadere内置多套行人运动模型，最常用的是GCM、SCM和OSM。场景设置时选哪一套，直接影响后续要调哪些参数。

GCM是梯度导航模型，基于空间中的导航场指导行人运动。它的最大优点是行人能自动绕开障碍物、保持间距，整体行为稳定，而且参数相对少，适合大多数疏散场景和通道流量研究。Vadere的默认配置也倾向GCM，我个人建议新手直接用GCM起步。

SCM是社会力模型，模拟行人受到“目标吸引力”和其他行人“排斥力”的合力作用。它对拥挤压力、人群推挤、恐慌行为的刻画更细腻，但参数多、敏感度高，稍微没调好就出现行人原地抖动或互相穿透。如果你是要研究“恐慌情绪下的拥挤踩踏风险”这类微观相互作用课题，SCM值得深挖；如果只是做工程评估，用它反而增加不必要的调试成本。

OSM是最优步进模型，更偏离散化，每一步从相邻网格中选代价最小的方向。它对空间栅格依赖较强，适合教学演示，实际研究应用相对少。

给一个简单的选型对照表：

案例中我们选GCM，因为主要测的是疏散总时间，关心的是宏观效率和出口瓶颈，不是个体间的推挤力细节。

3.3 关键行为参数速查与调参思路

选好模型后，行为参数集中在attributesModel里。我总结一份GCM默认参数表，这是我在Vadere验证过的可起步配置：

这些值不是拍脑袋定的。期望速度均值1.34 m/s来自大量步行速度研究，代表了成年人正常步速；标准差0.26体现了人群中有人走得快有人走得慢。行人半径0.2米意味着两个人肩并肩时最小间距约0.4米，对应高密度人群里每平方米最多约6人，和实际观测基本吻合。

调参我有一个原则：一次只动一个参数。很多人喜欢同时调速度又调斥力又改分辨率，结果结果变了也不知道是谁的功劳。我会先固定其他参数，单独把obstacleRepulsionStrength从4调到6，看疏散时间是否变长、行人是否更贴墙；再单独把导航场分辨率从8调到12，看行人过门洞时是否更顺滑。每个参数都按“改一档→跑三次→记录均值→回归原值”的流程来。

当仿真结果和真实实验数据对比时，优先校准速度分布参数，其次校准障碍物斥力，最后才动导航场分辨率。分辨率的改动对结果影响最不明显，但计算开销最大，放在最后试探最稳妥。

4. 场景调试：我踩过的坑和排查清单

4.1 行人原地不动或随机乱跑

场景搭好跑起来，最常见的异常是行人站在源点附近不动，或者像无头苍蝇一样来回打转。出现这种问题，90%的原因是targetIds配置错误或者目标区不可达。

先查targetIds：在场景JSON里找到对应Source，确认数组里的编号确实存在于targets列表中。Vadere不会因为你填了不存在的编号就报错，行人会因为没有有效目标而原地发呆，这种隐性错误最容易漏掉。

再查可达性：目标区是否真的和行人所在区域连通。比如你画北墙时忘了预留门洞，或者门洞被一段看不见的墙边线挡住，导航场会判定目标不可达，行人会一直贴着墙寻找路径。检查方法很简单，在Vadere视图里开启导航场可视化，看目标区周围梯度场颜色是否连续。如果目标区附近出现明显的断裂带，就说明有障碍物把路堵死了。

最后一招：把场景里所有障碍物暂时删除，跑一次。如果行人能直接到达目标区，说明问题一定在障碍物绘制上，逐个加回障碍物就能定位。这个方法我用过好多次，排查效率极高。

4.2 行人抖动、穿墙和卡墙角

行人走几步就抖一下、穿过墙缝走捷径、或者在墙角反复摩擦，这些问题多集中在数值层面，不是几何错误。排查优先级如下：时间步长、墙厚、斥力参数。

时间步长过大时，行人每一步位移超过障碍物的薄壁厚度，就可能“穿越”到墙的另一侧。碰到这种情况，先把timeStepLength从0.4降到0.2试试，抖动通常立竿见影地消失。代价是计算时间增加，但总比数据作废强。

墙太薄是另一个常见隐患。如果你画的墙只有0.05米厚，而导航场分辨率又不够高，梯度场在墙两侧几乎没有区分度，行人对墙的“感知”很弱，就会出现贴墙穿模。把墙厚加到0.2米以上能明显改善。

至于墙角摩擦，通常和障碍物斥力强度设置有关。斥力太小时行人会压着墙角挤过去，斥力太大时行人会被弹开绕远路，增加疏散时间。我的调法是从斥力强度4开始，每次加0.5，观察行人轨迹在墙角处是否平滑，直到既不顶墙也不绕路为止。

4.3 运行报错和崩溃

Vadere在以下三种情况容易直接报错：障碍物之间重叠、行人生成在障碍物内部、场景JSON版本不匹配。

障碍物重叠是最低级的错误，但画多边形时很容易留一条看不见的边。曾经画一个U形通道，两段墙体端点离得太近，放大到图层级才发现有0.02米的交点重叠，结果行人跑到那个位置就直接报“Out of bounds”错误。解决办法还是那句话：每次改完地形就跑Check Collision，不要依赖眼睛。

行人生成在障碍物内部，常见于把Source放在了门框边界上。因为门框本身有多段墙，Source坐标距离墙边不足一个行人半径时，Vadere会在初始化的时侯报错。务必让Source中心与最近的障碍物边缘保持至少0.5米距离。案例中入口Source我放在南墙门洞外侧0.8米处，既有实际意义也避开了碰撞。

JSON版本问题多发生在不同版本Vadere之间传场景文件时。老版本创建的JSON用新版本打开，可能导致模型参数缺失或默认值改变。我的建议是：明确项目所用的Vadere版本，并在场景文件名里标注版本号；如果跨版本导入，先在新版本里另存一遍，再继续编辑。

4.4 性能突然变差、跑一次要好几分钟

场景没改多少，仿真却越来越慢，通常不是电脑问题，是场景设计的细节在拖后腿。头号嫌疑是障碍物多边形顶点过多。CAD底图导入后如果你沿着弧线墙描了几十个顶点，Vadere每一次导航场计算都要处理这些顶点，性能就会出现断崖式下降。解决办法是把弧线用两三条折线近似，把几十上百个装饰性顶点全部合并掉。

第二个嫌疑是导航场分辨率设置过高。分辨率调到16确实让行人轨迹更细腻，但计算量是分辨率8的四倍以上。如果只是看疏散总时间，分辨率8完全够用。第三个嫌疑是仿真时间设得过大。最大仿真时间设到几千秒，而实际300秒就疏散完了，Vadere会继续空转到时间上限，白白耗费算力。把最大时长压到预期的1.3倍左右即可。

还有一个很实用的省算力技巧：前期调试阶段把人数降一半。比如案例中先用250人跑通流程、调好参数，再恢复到500人正式跑。反正问题排查靠的是参数和场景，人数减半对排错没有影响，但能让你在同样的时间内多试好几轮方案。

4.5 仿真结果跟真实实验对不上

最后也是最头疼的问题：场景搭得没问题、参数也是文献值，但结果就是和真实实验对不上。先别怀疑软件，多数情况下是场景和实验的边界条件不一致。

边界条件包括：行人初始位置的分布方式、人群的年龄构成对应的速度分布、行人对出口的熟悉程度。案例里如果真实实验是“参观者在展厅均匀分布后听到警报”，而你设置的是“所有参观者从南门鱼贯而入后再疏散”，那两边的初始空间分布完全不同，疏散时间当然对不上。调整方式是让行人初始位置尽可能贴近实验视频里的人群分布，而不是让Source群从头生成。

另一个常见问题是目标分配策略。真实人群在双出口疏散时，靠近哪个门就往哪个门走的人占大多数。如果你在targetIds分配策略中选择了均匀随机分配，两个门会同时承担250人，而实际可能是左侧门320人、右侧门180人。对比实验时需要参考实验录像统计实际出口使用比例，在Source分配策略里做相应设置。

调模型的耐心也很重要。我见过很多同行花了大量时间调社会力模型参数，想把每一步都拟合到分毫不差，结果越调越偏。正确路径是先校准几何和边界条件，再调速度分布，最后才微调斥力参数。边界条件没对齐之前，调模型参数就是在错误的道路上加速。

最后分享一点我的体会

场景设置这件事，我做了这么多仿真项目下来，最大的体会是：它的工作量通常占整个仿真流程的七成以上，但恰恰这七成决定了研究成果可信度的下限。模型再先进，场景里的墙画歪了、目标区放错位置了、行人来源分组绑错了，跑出来的结论都只能算是数字游戏。

所以最后再分享一个小技巧：画场景前，先在文本编辑器里把目标区的布局规划好，包括编号、位置、对应出口，再切换到GUI里落点。我每次做双出口疏散实验，都会在草稿纸上先写“Target 0=北左门，Target 1=北右门”，画完再打开JSON核对一次。这个小习惯看似多余，但能避免至少80%的返工。

如果你打算后续做真实的工程评估，我强烈建议你养成把场景JSON当工程文件管理的习惯：版本控制、修改注释、参数记录一个不落。Vadere的GUI可以让你快速上手，但真正让你在复杂项目里游刃有余的，永远是你能完全控制和追溯的场景数据。