去年做某高校实验楼的疏散演练优化时，我把整栋楼的平面图搬进了AnyLogic，完完整整跑了一遍紧急疏散模拟。这篇是这个系列的第九篇，前面几篇把行人库的基础操作、参数调整和路径逻辑讲得差不多了，今天集中聊紧急疏散模拟这个场景。它大概是人群仿真里最让人头疼、也最有实战价值的一类项目——阈值高、细节多，一个参数设错，仿真结果能差出好几倍。文章会沿一条完整链路走下来：从环境搭建、流程逻辑、参数标定到结果解读和问题排查，全程带实操细节。适合已经掌握AnyLogic基础操作、想真正上手疏散项目的朋友，也适合刚接触人群仿真、想了解这工具到底能干什么的人。
1. 先想清楚：紧急疏散仿真到底难在哪
很多人一听说“疏散模拟”，第一反应是画个平面图、撒上一堆行人、点运行就完事了。真做起来完全不是这个节奏。紧急疏散跟普通步行仿真最大的不同，在于它叠加了三个特殊条件：时间窗口极短、人群密度极高、行为决策高度应激化。日常逛街建模里，行人走走停停问题不大；但在疏散场景里，出口选择、楼道瓶颈、推挤滞留都会直接影响最终疏散时间，甚至决定一个方案到底能不能用。
我自己做疏散项目时，第一步从来不是急着打开软件画墙，而是先花半天把这几个问题想明白：要模拟的建筑有几层、哪些出口在紧急时可用、人群初始分布在哪、需不需要考虑烟雾扩散、有没有引导员介入。这些问题直接决定后面流程图模块怎么搭、参数怎么设。想不清楚就去建模，跑出来的结果再花哨，也没法跟实际方案对上。
1.1 为什么是AnyLogic而不是其他疏散工具
市面上的疏散仿真工具并不少，很多都自带一套固定交互流程，操作门槛不高，但扩展性很差。AnyLogic在这类项目里胜出的核心原因，是它的行人库（Pedestrian Library）提供了一套完全可编程的建模环境。它不只是让你“画几个人跑来跑去”，而是允许你自定义行人行为逻辑、接入外部数据、叠加危险源扩散过程，甚至跟离散事件系统做联动。
举个例子：我想模拟消防报警后的预动作时间——从警铃响起，到第一批人真正开始移动，这段时间跟人员类型、所在位置都有关系。用固定流程的工具很难做这种差异化设定，但AnyLogic里我可以按区域给不同人群设置不同的延迟参数，甚至让一部分先走、一部分迟疑几秒再动，真实度完全不一样。
另外，AnyLogic的建模范式是开放的，同一个模型里既能用基于智能体的行人模拟，也能用系统动力学模拟烟雾扩散，还能用离散事件模拟应急调度。这种多方法混合建模能力，在很多竞赛和复杂项目里是刚需。
1.2 三种建模范式，为什么疏散选ABM
AnyLogic支持离散事件、系统动力学和基于智能体三种范式。很多新手会混淆：同样是“模拟疏散”，用哪种都行？实际上完全不是一回事。
- 离散事件建模关注的是“排队、服务、延迟”这类过程，适合模拟检票口、加工车间，但每个人都是一样的“工单”，没法体现个体差异。
- 系统动力学建模关注的是宏观存量变化，适合做人口增长、市场扩散这类总量演化，但看不到单个人的位置和决策。
- 基于智能体（ABM）才是疏散模拟的正解：每个人是一个独立智能体，有自己的位置、速度、目标、感知范围和行为规则。
紧急疏散的核心问题恰恰是“个体如何相互作用”：出口拥堵、通道瓶颈、人群推挤，都是微观行为在宏观层面的涌现。用ABM建模，这些现象会自然出现，而不是靠公式硬拟合。
我常用一个类比跟人解释：离散事件像流水线生产，每个人都是传送带上的零件；系统动力学像水库蓄水，只关心水位总量；而ABM像把一整屋子人放进去，每个人自己决定怎么走、往哪走，你只需要给他们规则。
1.3 行人库的“社会力模型”到底做了什么
AnyLogic行人库底层用的是经过改良的社会力模型。这个模型的核心思想很简单：行人运动不靠“路径寻优”硬算，而是受力驱动。每个行人同时受三个力影响——朝向目标的吸引力、避开其他行人的排斥力、避开障碍物的排斥力，三个力叠加，决定行人下一步怎么挪。
听着抽象，其实你挤地铁就是活生生的例子：你想往车门方向走（吸引力），但前面有人挡着（排斥力），旁边也有人在挤你（另一个排斥力），你的实际曲线轨迹就是这三个力博弈的结果。社会力模型好就好在，它能自然产生减速、绕行、暂缓和拥挤时的挤压感，不一定需要人为写几百条规则。
了解这层原理，对你的参数调试特别有帮助。比如行人速度不是“设置多少就匀速多少”，而是受周边密度影响的动态值；当你发现模拟里某个区域行人停成一团，那不是bug，恰恰是社会力模型在表达“密度太大走不动了”。很多时候模型表现“不好”，其实不是模型错了，而是你的真实场景本身就存在这样的问题。
2. 环境搭建：从一张底图到能跑的空间模型
环境搭建是整个疏散模拟的地基。这一步如果偷懒，后面所有流程逻辑都白搭。我见过太多人把墙画歪、出口方向设反、楼层连接没接对，然后在结果分析里一头雾水。
环境搭建的核心目标只有一句话：让行人在空间里能够“看懂”路——知道哪里能走、哪里不能走、出口目标在他面前什么位置。
2.1 底图导入与比例尺设置
我习惯先从建筑方拿到CAD平面图，导出成清晰度够高的PNG图片，再拖进AnyLogic的“Main”画布。这里最关键的一步绝对不是“把图画上去”，而是设置比例尺。
比例尺设错，整栋楼在模型里就是“缩过水”或“放过大”的，行人速度、密度、疏散时间全都会失真。我最开始做这类项目时，忘记设置比例尺，直接按默认画，结果仿真里一条走廊的宽度够八个人并排走，实际那个走廊只能过两个人——跑出来的疏散时间比真实小了将近一半。
正确做法是：导入底图后，在空间工具栏里选“Scale”工具，在底图上选两个已知距离的点，把实际距离填进去。比如你确定某段走廊宽度是3米，就用这两面墙之间的距离做标尺。比例尺设置完成后，可以先画一段墙量一下长度，跟图纸核对一遍，确认无误再继续。
2.2 墙、楼梯与出口的绘制细节
绘制墙体的时候，我强烈建议把“Snap to Grid”和“Snap to Geometry”都开启，网格步长设成合适尺寸。这类项目里墙体稍微偏几个像素，可能导致行人路径寻优时判无可判，出现穿墙、绕路甚至原地打转。
楼梯和楼层处理是个重头戏。疏散模拟里，楼梯不是简单的“一条通道”，它同时承担垂直移动和容量瓶颈两个角色。在AnyLogic里处理楼梯有两种常见思路：如果只做单层疏散，可以把楼梯简化成出口附近的通道；如果是多层疏散，就得用“Level”和“ChangeLevel”功能把楼层连接起来。楼梯宽度和转弯平台在仿真里要尽量贴近实际尺寸，因为楼梯往往是全局疏散时间的瓶颈所在。
出口在行人库里的核心元素是TargetLine（目标线），不是点也不是墙缺口。画出口时注意两个细节：目标线必须跟墙体留出足够空隙，确保行人能正常通过；目标线本身有方向，方向表示行人到达线之后面向哪一侧，方向反了，行人会判定该目标不可达。我踩过这个坑，一跑模型二三十个人围着一个出口转圈，排查半天才发现是目标线方向设反了。
2.3 区域与目标线：定义人群从哪里来、往哪里跑
行人库里有几个跟空间紧密相关的对象：“Area”用来划分区域，“TargetLine”用来指定目标，“Attractor”用来让人群向某个点聚集。疏散模拟里，这三者配合能解决两类问题：人群初始分布在哪、最终往哪个出口跑。
疏散初始分布通常用一到多个“Area”表示：教室、办公室、会议室都可以定义成区域，然后在“pedSource”里指定行人诞生在这些区域内。区域边界要贴合实际空间，别把墙包进去，不然后面行人生成在墙里，模型一跑就乱套。
目标线的布置需要跟楼层平面和疏散策略配套。我一般会先把所有可用出口列出来，再根据疏散预案决定哪些出口在模拟时开放、哪些关闭、哪些门宽减半。很多新手把所有门全部开放然后让行人随意选，这其实背离了“紧急疏散”场景的初衷——真实疏散时有明确引导，不是所有人都有全局视野的。
2.4 空间连通性检查
这是一步不产生直接结果、但能救命的操作。画完墙和出口之后，我会在画布上双击一个“Pedestrian Density”图，或者直接用“Pedestrian Flow”状态查看空间是否连通。最暴力的办法是建一个临时pedSource，随机撒几个行人，看他们能不能从起点走到出口。
墙之间细微的缝隙，常常是穿墙的元凶。看起来是封死的墙，放大后可能留了一条只有几厘米的缝，行人寻路时判断“这里能过去”，于是直接穿墙。遇到这种情况，把墙体稍稍延伸、把缝隙压实，问题马上消失。
楼层模拟里，还要检查“Level”之间的连接是否在同一个连接点附近。ChangeLevel模块本身不会判断楼梯的位置，它只负责把人从一层“传送逻辑”到另一层——如果楼梯在空间上不是对齐的，行人会瞬间跨越大半个建筑，看起来像瞬移。这个问题是通过无数次实战总结出来的：每次改完楼层，先让一个行人走一遍全程，确认他在楼梯处正常上下，再放大规模。
3. 疏散流程：把“逃跑”翻译成人流逻辑
环境搭好以后，核心工作转移到流程逻辑上。在普通行人仿真里，可能只需要几个模块串起来就行：生成人、走路、离开。但疏散场景不一样，它需要模拟“警报响起→反应延迟→开始移动→选出口→通过瓶颈→离开建筑”这一整条行为链。
3.1 行人库流程模块怎么搭
先给你看我经常使用的一个基础疏散流程图，基本可以覆盖绝大多数单层和多层疏散模型的骨架：
pedSource -> pedGoTo -> pedExit -> pedSink整体逻辑很清晰：pedSource生成行人，pedGoTo指定他们要去的出口，pedExit记录通过出口的人数，pedSink收尾销毁行人的智能体实例。
但这只是骨架。实际项目中，我会在pedSource和pedGoTo之间插入一个“延迟模块”——这个delay模块在真实场景里的对应物是“反应时间”。火灾报警后，人的第一反应往往不是立刻跑，而是听、看、判断、确认警报是否真实。这个预动作时间在人群里差异很大：睡着的、教室上课的、办公开会的，反应速度完全不同。我在模拟里一般给不同区域行人设不同的delay时长，用三角分布采一个随机值，让模型有自然波动。
真正疏散开始后，pedGoTo是核心逻辑。它负责让行人沿着路径网络到达指定目标。这里特别提醒：pedGoTo不是“瞬移”到目标点，行人会通过社会力模型逐步推进，路径上任何拥堵都会被模拟出来，这正是我们想要的效果。
3.2 疏散启动机制：延迟、广播与分阶段疏散
疏散启动方式选择上，我常给不同行人设置差异化的延迟参数。最简单的方式是在延迟模块里写“delay( uniform(2, 5) )”，表示每个人的启动时间在2到5秒之间随机分布。这样做的好处是让流出的流量曲线更接近真实情况，而不是所有人一股脑同时涌向出口。
复杂一点的场景，可以考虑分阶段疏散策略：某个区域先走、几分钟后另一区域再走。这在高层建筑或医院、学校等场所的疏散预案里很常见，目的是避免所有楼层同时涌向楼梯间造成拥挤。实现起来也不复杂，可以用一个“事件”模块在模拟开始后触发特定区域的pedSource开关，或者直接控制delay模块的持续时间。
顺便说一句，真实疏散方案往往不是“全楼同时撤”，而是分层分时启动。如果你要评估某个建筑的疏散方案是否合理，分阶段疏散这个机制一定要在模型里体现出来。否则你模拟的是“全体同时冲”，结果自然会比预案更差，用这个结论去指导改造方向就容易跑偏。
3.3 最近出口选择的两种写法
行人选哪个出口，是疏散模拟里最影响结果的地方。如果你不指定出口逻辑，行人库默认行为会让行人根据空间可见性自由选择，这在仿真里可能导致所有人都选同一个最近的出口，其余出口闲置——和实际观察并不总是一致。
基础方案是直接给pedGoTo指定目标，比如每个教室门口对应一个固定出口。这个简单粗暴，适合单一楼层、功能分区明确的建筑。
进阶一点，可以用Java函数来计算行人到各个出口的距离，选择最近的一个。代码大致长这样：
TargetLine target = null; double minDist = Double.MAX_VALUE; for (TargetLine exit : exits) { double d = distanceTo(exit.getX(), exit.getY()); if (d < minDist) { minDist = d; target = exit; } }这段代码放在行人进入pedGoTo之前调用，就能让每个人主观上选择离自己最近的出口，而不是全局随机。需要注意，这里的“最近”是直线距离，不是实际路径距离。如果想要更严谨，可以把实测路径距离预存成矩阵，或使用路径网络图的方式做更精确的分配。不过对大多数初期项目来说，基于目标线坐标的最近出口选择，已经能覆盖大部分释放策略。
3.4 疏散完成判定与剩余人数统计
仿真的结束条件是有讲究的。有人习惯“让模型跑够10分钟再手动停”，但这样既浪费算力，又没法自动记录“所有人撤离完成的那一秒”。
更严谨的做法是统计“已撤离人数”，当撤离人数等于总人数时，立即终止仿真并记录时间。在行人库里，pedExit模块自带计数功能，你可以在模型里加一个事件：
if (pedExit.totalExitCount() >= totalPedestrians) { getExperiment().stop(); }这里totalPedestrians需要你在模型初始化时记录总人数。这样跑完一次仿真，仿真时钟停下来，直接读取时间，就是该次模拟的总疏散时间（即建筑内最后一个人离开建筑的时间）。
如果你还想统计“累计撤离曲线”，可以在pedExit后面挂一个计数变量，实时把“已撤离人数/总人数”写入数据集，后面用图表展示。这条曲线比单纯一个总时间信息量大得多：曲线前半段越陡，说明疏散启动越快；后半段拖尾越平缓，说明出口或楼梯处在长时间低效排队。
3.5 多楼层与楼梯模拟
多层疏散里，楼梯是绝对的主角。在AnyLogic的Pedestrian库中，楼梯用“Level”和“RefLevel”对象实现，中间通过“ChangeLevel”模块把行人从一层转交到另一层。
我再强调一遍：ChangeLevel模块只负责逻辑上的层间切换，行人能不能正常上下楼，完全取决于你在空间上画的楼梯是否连续、有没有跟Level连接正确。如果楼梯的入口和出口分别在两层纠结，行人就会在楼梯口卡住或瞬移。
楼梯宽度直接影响疏散流量，这是仿真结果里最值得关注的瓶颈参数。比如一个1.2米宽的楼梯，在两股人流交汇时天然会出现走走停停的“拉链效应”。这种效应在模型里是能够看见的——行人在台阶上密度很大、速度很低。你可以借这个现象反推楼梯是否真的够用。
4. 参数标定：让模拟结果对得起真实
仿真模型跑通容易，跑得“像真的”难。疏散模拟的结果是要给决策用的——校方、物业、消防评估方可能都会拿你的仿真数据做参考，参数设得不准，后面讨论全是空中楼阁。
我觉得参数标定是整个流程里最考验经验的环节，没有之一。同样的模型，不同人设的参数，结果可能大相径庭。
4.1 行人速度分布怎么设
正常步行速度和紧急疏散速度是两套完全不同的分布。日常行走或逛商场，速度大概在1.2到1.5米/秒之间；紧急疏散状态下，人会明显加快，但不会无限加速——疏散速度一般落在1.5到2.5米/秒区间。
注意，别把所有人都设成一个固定速度。我通常给全体行人设置一个“三角分布”或“正态分布”的随机速度。比如：
speed = triangular(1.2, 1.6, 2.2);意思是最慢1.2米/秒，最可能1.6米/秒，最快2.2米/秒。这样人群在走廊、楼梯处自然拉开差距，靠近出口时才会出现真实的“快慢交错”，而不是齐步走。
儿童、老人、行动不便人员的速度要单独设慢一些。这类人在真实疏散里是最容易被挤伤或落单的群体，如果你做的是医院、学校、养老院类建筑，一定把特殊人群的比例和速度分布单独标定出来，别混在一起。
4.2 身体尺寸与密度速度耦合
行人身体半径一般取0.15到0.25米，女性偏小一些，男性偏大，携带物品再大一点。这个参数直接决定一个出口或走廊能同时通过多少人。
更关键的是密度对速度的影响。社会力模型里，行人在低密度时能保持期望速度，密度一大速度就下降，接近物理接触密度时速度几乎归零。AnyLogic的行人库已经内部实现了这个耦合逻辑，但你需要留意一点：如果你把行人期望速度设得很高，密度明显高的情况下，模型可能出现行人互相穿透的现象，这是数值求解误差导致的，不是物理上真的穿过去了。
解决穿透问题，优先把时间步长调小，而不是一味降低速度。模型精度设置里有一个“Spatial Index”和“Precision”配置，做疏散模拟时不要为了跑得快而把它调到低档，不然容易出现穿透和穿墙。
4.3 实验框架与随机种子
疏散模拟单跑一次说明不了问题，因为行人出生位置、启动延迟、速度分布全是随机的。我强烈建议每次评估至少跑10到20次，取关键指标的平均值和区间。
AnyLogic自带的实验框架能很方便地做这件事。你可以创建一个“迭代多次运行”的实验，固定随机种子不行，必须让每次运行的随机数都不同，然后把每次运行的总疏散时间记录下来。最后用统计工具算出平均值、最大值、90分位数。
这里有个小坑：模型里时序事件如果写得不严谨，随机种子不同可能导致“无证访问”报错。排查时先固定种子跑三次，再把种子放开跑全量，能省不少事。
4.4 看什么指标
疏散模拟不只有“总疏散时间”一个指标可看。给你列一组我常用的评估维度：
- 总疏散时间：建筑内最后一个人离开所用时间，是大多数人最关心的单点数据。
- 平均疏散时间：所有人离开时间的均值，反映整体人群快速性。
- 出口流量曲线：每个出口单位时间通过人数，能看出哪个出口排队严重、哪个出口闲置。
- 密度热力图：空间上任意时刻的人群密度，一眼锁定瓶颈区域。
- 滞留人数曲线：疏散过程中仍留在建筑内的人数随时间变化，直观反映“人员清空速度”。
密度热力图是我最依赖的一项。它会把一栋楼在灾难高峰期最拥挤的位置，用颜色变化直接呈现出来——那些深红色区域就是你改造方案里该优先动刀的地方。
5. 踩坑实录：疏散模拟里的常见问题
这部分我打算用我踩过的一些坑来展开。如果你也做过一阵子行人仿真，下面这些问题多多少少都碰到过。
| 现象 | 常见原因 | 排查与解决 |
|---|---|---|
| 行人穿墙而过 | 墙体未闭合留缝隙；时间步长过大 | 放大视图检查墙体缝隙；调小时间步长/提高精度 |
| 行人原地打转 | 目标线方向设反；目标线被障碍物挡住 | 检查TargetLine方向箭头；删除遮挡物 |
| 所有人挤一个出口 | 未设定出口分配逻辑；路径寻优默认行为 | 给pedGoTo加最近出口选择函数 |
| 楼梯口瞬移 | Level未对齐；ChangeLevel连接位置错误 | 检查各层楼梯几何位置；单独调试单个行人 |
| 疏散时间忽大忽小 | 单次运行导致方差过大 | 用实验框架跑多次，取均值/分位数 |
5.1 行人穿墙
第一个遇到的就是穿墙。那时候我把墙体画得很大，但没注意一个转角处有个几厘米的缝隙，结果行人全部穿墙而过，还把后面的家人带偏了。
排查方法：暂停模型，点击穿墙行人，查看它当前所在的坐标和路径。如果路径穿过墙体，一定是空间模型有缝隙。不是模型的bug，是墙体本身没闭合。
解决办法：把墙拖长到明显交叉，或者用“断开墙”工具检查连接点。一定要在放大视图下检查每个墙角，特别是T型和L型连接处。
5.2 行人原地转圈
行人在目标线附近不停转圈，是最容易出现的“莫名行为”。我当时排查了很久“路径”和“速度”都没发现问题，最后发现出口目标线方向反了。
逻辑解读：目标线方向的箭头，表示行人到达这条线以后要跨越的方向。如果箭头朝外或者反了，行人会判断“我到了线但站的位置不对”，然后反复尝试绕到正确方向上，表现出来就是原地转圈。
所以画完目标线之后，随手按一下方向翻转按钮，看一眼箭头指向。我后来每次布置出口目标线，都会在心里默念一句：方向错了，模型能带你绕地球一圈。
5.3 出口瓶颈假象
有时候你觉得“这个出口肯定堵”，但仿真结果里它根本不堵；有时候你觉得明明有两个出口，结果全堵在一个上面。这就是没有设定出口分配策略的典型表现。
真实疏散中有引导、有指示、有习惯认知，不是所有人都同时知道“哪个门最近”。你可以在模型里做一个跟实际情况匹配的分配策略：比如一楼东侧教室的人全指向东出口，西侧走廊的人全指向西出口，而不是全模型统一找“最近的”。
再进一步，你可以给pedGoTo的目标添加一个权重偏好：某个出口距离稍远，但有指示牌引导大部分人优先选择它。这种设置在仿真里很容易实现，只要把目标线选为“可选目标并按权重分配”即可。
5.4 时间步长与精度
早期做仿真，图快，把时间步长调得很大。结果行人速度、密度数据都有点失真，最容易发现的问题就是穿模。后来我才意识到：行人库默认的“精确度”只是适合一般场景，疏散场景里人群密度高、互相作用密集，精度必须提高。
在模型属性里找“Advanced”设置，把“Level of Detail”调高，再把固定时间步长调小，比如0.03秒甚至0.01秒。代价是计算量上升，运行时长短一些，但换来的是更可信的碰撞避让和队列行为。
高密度疏散项目，我强烈建议就用高精度跑。宁可单次跑得慢，也不要因为省那几分钟得出一个完全偏离实际的结论——返工的时间成本远大于算力成本。
6. 疏散模型还能往哪里扩展
你把基础疏散模型跑顺以后，只要有心，这个模型可以接着向很多方向扩展。这里列几个我认为价值最大的方向，按难度排序。
6.1 叠加烟雾与危险源扩散
疏散模拟最常被追问的问题就是“如果有火灾，行人的路径会受烟雾影响吗”。在AnyLogic里，你可以让烟雾按区域逐渐扩散，行人经过高风险区域时减速或者直接绕行。
实现方式不复杂：定义一些“危险区域”对象，设定它们在一段时间后生效；在行人路径决策中，当危险区域激活时，将其中行人的期望速度降低，或者给该区域的通行施加额外“惩罚成本”，让算法倾向规避它。这跟我们在导航软件里“躲避拥堵路段”是一个道理。
这样做最大的价值，是能够回答一个经典问题：楼梯门是离危险源越远越好，还是离主要人群区域越近越好。单纯靠直觉做设计，常常跟仿真结论相悖。
6.2 引入引导员和疏散策略对比
真实的疏散不会完全靠人“自己找路”，通常现场有引导员、有应急广播、有指示标识。你可以在模型里加几个“引导员智能体”，他们站在关键分岔路口，把经过的行人导向指定出口，然后对比有引导和没有引导两种情况下的疏散时间差。
这种对比试验，对方案设计特别有说服力。我曾经在一个项目里做过：纯自然疏散的方案总时间偏长；加入两名引导员在走廊交叉口引导之后，总疏散时间缩了将近三分之一。因为引导员改变了出口选择的均衡性，让所有人不再扎堆一个出口。
6.3 用真实演练数据校准模型
最硬核的扩展是拿真实疏散演练数据来校准模型。你可以在演练现场用秒表记录各出口人数、总疏散时间、关键点位的通过流量，然后把观测数据倒推回模型参数里。
做法是：先把模型跑通，对比仿真结果和实测数据；如果不一致，优先检查行人的启动延迟分布和出口选择策略；再看楼梯宽度和速度分布是否需要微调。经过两三轮试算，你的模拟基本可以做到“看曲线跟实测贴合”。
这一步做完，模型的置信度就不一样了：它不再是一个纸面推演，而是经过真实场景验证过的决策工具。后面你再做任何改造方案对比，这些人都会拿你的数值当依据。
最后分享一个我个人的习惯：每次改完参数，先不看总疏散时间这个数字，而是先拖出密度热力图看一眼。数字只会告诉你“结果好不好”，热力图能告诉你“哪里出的问题”。很多看似出乎意料的反馈，其实源头都很简单——不是出口不够宽，而是走廊拐角堵住了；不是人太多，而是出发时间不够错峰。
多看清原因，少听结论，这才是疏散模拟这门手艺真正值钱的地方。
