基于NETLogo模块的人群行为仿真.doc

基于NETLogo模块的人群行为仿真摘要现如今，人口不断加剧，大型公共环境中人群聚集现象通常是事故发生的隐患。人员拥挤度越高，事故风险也就越大，而且造成的人员伤亡和财产损失也会更为严重，所以人群行为的仿真在现实生活中的地位已经越来越高。本论文在人员疏散研究的背景下，应用基于Agent的仿真建模工具：Netlogo软件进行人群疏散的仿真。本文首先描述了课题的来源、意义、目标，然后在基于了解Netlogo的工作原理及产品特性的基础上，应用Netlogo模块来实现一个简单的人群疏散实验。本实验主要应用Flocking算法来实现人群疏散，模拟大量人群在发生灾害时撤离一个大型公共场所，通过修改人口的数量及旋转角度来更为真实地模拟人群疏散。因为本实验可以较好地再现人群疏散场景和调整变量，所以更加直观简单。关键词：人群行为；人员疏散；Netlogo；仿真；Flocking算法The Crowd Simulation Based on the Netlogo Module ABSTRACTNowadays, the population are increasing largely.Frequently,large crowds gather in public , there is usually a hidden danger of accident. The workers congestion level is higher , the risk is greater, and cause casualties and property loss will be more serious, so the status of the crowd behavior simulation in real life have been already more and more significant. In this paper under the background of the evacuation study ,we use the Netlogo which is a simulation modeling tool based on the Agent for the evacuation study.This paper describes the source of the subject, the significance, goals, and then based on the understanding of the operating principle and the product feature of Netlogo, we apply Netlogo module to achieve a simple crowd evacuation experiment. This experiment mainly used Flocking algorithm to implement the evacuation,simulate the crowd evacuation in case of disasters in a large public places.In this experiment, we can modify the number of population and the rotation Angle to more accurately simulate the crowd evacuation. This experiment can better represent the crowd evacuation scenario and adjust variables, so it is more intuitive and simple. Key words：crowd behavior;crowd evacuation;Netlogo;simulation;Flocking algorithm目录1引言11.1课题的来源及意义11.2国内外发展状况11.3课题的研究目标22Netlogo介绍32.1Netlogo简介32.2Netlogo特性33flocking算法及在群体行为仿真的应用43.1Flocking算法的简介43.2Flocking在群体行为仿真中的应用44基于Netlogo的人群行为仿真的实验64.1实验目的74.2基于flocking算法的人群行为规则74.3基于Netlogo软件的人群疏散模块95总结及展望15参考文献16致谢17附录1831引言1.1课题的来源及意义人群在现实世界中是无处不在的,是一个重要的组件的疏散计划和应急培训系统。模拟大量的虚拟因素的问题和人类在不同领域中研究人群,包括计算机图形学、社会和行为科学、建筑、物理学、心理学、民事和交通运输工程和机器人。特别是,人群被视为复杂的动力系统,表现出不同的特征,如紧急行为,自组织和模式形成由于个人和团体之间的的多范围的相互作用。如今的第一反应者需要新一代的技术和资源准备和应对恐怖主义袭击,自然灾害,以及大规模的紧急情况。下一代模拟和经验技术的第一反应者能帮助他们更好地准备疏散计划和灾难响应,便于培训经验,使领导和执法人员优化策略,通过使用基于真实的情况下的假设仿真,他们可能工作和更有效地评估各种备选方案。用适当的集体行为模型模拟人群行为对于在城市环境下疏散计划和培训的急救人员对意外事件是必需的。这些技术在建筑设计、应急疏散、城市规划、人员培训、教育和娱乐方面也有不同的应用。一个关键的挑战是模拟大规模人群拥有数万或数十万因素。在世界各城市如此大规模的人群越来越普遍。此外,比如游戏或虚拟环境的一些应用程序需要交互仿真模拟功能，例如以30帧/秒(fps)或更多模拟当前的桌面系统。除了整体性能,另一个主要的挑战是产生现实的人群的行为。尽管几十年的观察和研究,集体行为对于关于非均匀空间分布的组和异构行为特征尤其不清楚。这样的场景包括行人运动,关于复杂结构的疏散流和耦合的人类自然系统1。由以上看来，人群行为仿真在现实生活中的地位越来越高。本文应用Netlogo模块对人群行为进行仿真。Netlogo是一个用来对自然和社会现象进行仿真的可编程建模环境。它特别适合对随时间演化的复杂系统进行建模，这正对应现实生活中的各种现象，将现实转化在虚拟环境下研究更加方便简单，通过模拟环境下各参数变化研究各种环境下的个体行为。NetLogo 拥有自己丰富的模型库，可立即使用或修改。 使用NETLogo对人群行为仿真是非常简单直接的。基于NETLogo模块的人群行为仿真可以解决人群行为仿真中的路径规划、避免碰撞、紧急情况下人群疏散等。1.2国内外发展状况1.2.1国外发展对人群的运动和疏散动态的研究大约近50年的历史。最早，一个日本研究者于1955年提出疏散所需时间的公式。随之，1971年由统计得出的人群平均行进速度与人群密度的关系曲线开创了对人群运动的研究。与此同时，Henderson运用热力学Maxwell-Boltz-mann分布给出了人前进速度的概率分布，并最早提出了宏观模型。在前面理论基础上，提出了“排队网络”仿真模型，因为它在理论组织和计算速度方面有较大优势，所以在七八十年代成为了疏散仿真模型研究了重点。该模型“排列网络”将建筑物的平面布局抽象为一个连通图，丢失了大亮的空间信息，把众多的人群作为一个整体来考虑，不能够考虑个体的不同反映、个体特点、个体行为等因素2。近十年来，微观模型逐渐成为研究重点。它可以准确描述在疏散过程中的任何时刻每个个人的位置，把重点放在个体上，主要针对个人而非总体。该模型分为两大类：连续性模型和离散型模型，其中最具有代表性的是社会力模型、元胞自动机模型。但是微观模型数据量大，且对计算机的要求非常高。1.2.2国内发展在我国，对于人员疏散的研究始于90年代末，处于起步阶段，并且缺乏创新，主要引进外国知识。在国内刊物上发表关于人员安全疏散的模型有少之又少。黄恒栋对人群在安全出口的流动特性、聚集特性进行了研究；东北大学的陈宝智、肖国清等人对紧急状态下的疏散模型进行了研究；武汉大学和香港大学人员提出了网络疏散模型；上海大学一学者通过离心力模型对人群疏散进行了模拟；中国科技大学建立了火灾科学国家重点实验室，采用元胞自动机模型对火灾下人群疏散2进行研究；王兆其等人又对奥运体育场等密集场所进行了人群疏散的仿真研究总之，国内研究者对人群疏散模型的研究相对外国学者的研究相差很多，我们不应该总是借鉴外国成果，应该加以创新，使我们的研究赶上或超过他们。1.3课题的研究目标当前疏散模型软件有很多，本课题使用Netlogo对人群行为模拟。通过修改本软件flocking模型来实现简单的人员撤离。该软件模拟度已很高，且能够通过直接调整各种因素研究各个因素对人群行为的影响。最主要的是简单直接，我们可以随时观察人群行为的变化。当设计大型交通工具及公共场所时，可以通过NETLogo模块对人群行为的仿真来充分考虑各个因素，以此更好地设计走廊宽度、出口数量、出口位置、人群疏散应急方案、分配警力等等。2Netlogo介绍2.1Netlogo简介Netlogo是由Uri Wilensky在1999年发起，由美国西北大学网络学习和计算机建模中心（CCL）负责持续开发，最终推出的一个基于多智能体的可编程建模平台。CCL是一个致力于有创造性的使用技术来深化学习的研究机构，Netlogo软件就是该机构免费提供的一个计算机建模和仿真的平台，为人们学习和使用建模提供了更好的平台。Netlogo软件应用非常广泛，它可将自然和社会的各种现象进行仿真，使之在计算机所营造的虚拟环境下进行相互作用并演化，让人们对各种现象更好的研究。它特别适用于对随时间演化的复杂系统进行建模和仿真。建模人员可以通过发出指令对独立运行的成百上千的主体（agent）进行控制，已达到各种环境变化下主体变化。建模人员控制独立运行的主体，实现了宏观层面的人与微观层面的个体行为形成了联系，通过微观层面的个体之间的相互作用涌现出宏观现象。Netlogo可以让学生参与其中，通过修改条件，探究不同条件下的变化。它是一个很好的编程环境，对各类人群来说都很简单掌握，然后再创建自己需要的模型。NetLogo足够简单，学生、教师和编程人员都可以非常容易的进行仿真，或者创建自己的模型。并且它也足够先进，在许多领域都可以做为一个强大的研究工具。 而且Netlogo包含有完备的帮助文档和教学资料，还提供了丰富的可直接使用和修改的模型库。提供的模型涉及了自然和社会科学领域，例如：生物、医学、物理、化学、数学、计算机、经济学、心理学等等3。 2.2Netlogo特性Netlogo是下一代的多智能体建模语言，它起源于starlogo，但增加了许多新的特性，语言和界面也进行了修改。它功能强大，简单易用，便于开发。它可以在多个平台上运行，例如：Mac,Windows,Linux等，并且语言简单，对Logo语言进行扩展支持主体。在Netlogo中包括三种智能体：海龟（turtles)、块（patches)和观察员（observer),前两种构成了整个仿真世界，观察员可以观察或控制仿真世界的运行。通过海龟在虚拟环境下的运动仿真某一个体在现实活动中特性，而块代表海龟生存的环境，则通过对海龟和块的编程来实现个体在某一个或多个环境下的运行4。3flocking算法及在群体行为仿真的应用3.1Flocking算法的简介Flocking算法是一种聚类算法。在过去的几十年里，有许多聚类算法提出，比如：K-means,支持向量聚类（SVC）等，这些算法主要将重点放在了找到聚类中心和边界。但是要聚类或分类的数据点是固定不动的，所以研究者需设计各种函数去找到复杂的聚类或分类平面。这些算法非常繁琐，而且通用性很差。Flocking算法是一种新型的聚类算法，不再像以前的算法那样算法麻烦，数据点可以像Agent一样，可以根据一定的规则，在空间内自由移动，而自动聚集在一起5。在现代群智能学中，研究者主要关注：模拟形成、聚集、链形成、协调行为、避开障碍物、觅食等。Flocking是群居动物的一种合作行为，它主要表现为大量个体一起运动产生的蜂拥现象。从数学角度来看，“植绒”是集体运动着的大量的自走式实体和许多众生，如鸟群，鱼群，细菌和昆虫展现出的集体的动物行为。Flocking行为被认为是一种新兴的行为，该行为所产生的简单规则只遵循个人，不涉及任何中央协调。植绒行为是克雷格雷诺兹在1986年先在电脑上模拟的仿真程序，类鸟群。该程序模拟简单的代理类鸟群允许根据一组基本规则移动。其结果类似于一群鸟，一池塘的鱼群，或一大群昆虫。一群参加换鸟，它必须有行为，允许它来协调其走势与群聚伙伴。这些行为看似特别独特，但是所有的生物在一定程度上都有它们。天然成群似乎由两个平衡：保持接近鸟群的愿望和以避免碰撞。原因是显而易见的，个别鸟要与伙伴群聚但是同时要避免碰撞。 鸟儿们加入群体的基本冲动，似乎是从几个因素得出的结果：保护自己群体数量，在统计学上改善生存（共享）基因库，防御掠食者的攻击，寻求有效的生存模式等等。有没有证据可以显示自然成群的复杂性。成群不会成为“完全”或“超载”新鸟加入。当鲱鱼朝着自己的产卵场迁移，再延伸17英里，会含有数以百万计的鱼。天然成群似乎以完全相同的方式操作一个巨大的群体。它似乎并不十分重视每一个群聚伙伴，认为其是理所当然，缺少一个两个也无妨， 但是，当一个巨大的鸟群分布在广阔的距离，个别鸟必须有一个本地化和过滤的看法。 一只鸟可能是意识到三类：本身，它的两个或三个近邻，其余的鸟群6。3.2Flocking在群体行为仿真中的应用Flocking行为在自然界是很容易观察到的自组织行为。下面介绍几个例子来说明图3-1大雁群飞行上图3-1为大雁群飞行，左边为大雁呈“一”字形飞行，右边为大雁呈“人”字形飞行，他们一个群体聚集有序的朝一个方向共同移动。他们之所以变化队形，是因为当他们迁徙的时候，他们需每天飞行前进，要是单靠一只雁的力量是不够的，他们必须互相帮助，才能飞的更远更快。前面的大雁很有力量和经验，通过煽动翅膀带动气流，以此帮助后面的小雁，后面的飞起来就会很轻松。头雁飞行的过程中在其身后形成了一个低气压区，紧跟其后的大雁飞行时可以利用这个低气压区减少空气的阻力。由于他们之间的相互帮助，才得以整个群体持续飞行。图3-2狼吃羊、羊吃草模型图3-2所表示的是大自然的一个食物链，狼吃羊、羊吃草。食物链是生态系统中贮存于有机物中的化学能在生态系统中层层传导的过程。狼群、羊群互相帮助，狼群只有互相帮助才得以获得更多的食物，羊群互相帮助才得以更好的保存羊群的数量和质量。图3-3模拟BOID的涌向避免了圆柱形障碍物（1986）上图3-3是早期实验中应用中的一个稍微复杂的行为模式，它不是要求群体简单前进，而且需要预测障碍和追求目标。该图画中类鸟群在模拟环境下飞行，当遇见静态障碍物时，绕开障碍物继续前进。类鸟群模型也可以类推，人群好多行为与人鸟群行为是类似的。例如：分组、通过人行横道、逃离危险地等。建立通用的人群模型具有很大难度。一方面，人是自然最复杂的智能体；另一方面，现实世界人群中每一个个人都是一个独立的智能体，即使拥有共同的目标，但是每个人的想法不同、性格不同。本文我们只介绍了一些简单的人群行为仿真。4基于Netlogo的人群行为仿真的实验 4.1实验目的在社会生活中，地震、火灾等灾难时有发生，如果疏散不及时，就会造成很大的人员伤亡和财产损失。每个地方都提前进行人群疏散演习是不可能，因为这关系到人力、财力、物力、可操作性，所以说要掌握疏散规律，减少损失，进行实地演习不是最好的选择。随着计算机仿真技术的发展，如今有很多仿真软件可以来实现人群疏散的仿真，可以详细考虑各种因素的影响，研究人群行为规律。本文主要应用Netlogo软件对人群疏散进行仿真，下图4-1展示了简单的人群疏散。图4-1人群疏散上图左边的俯视图展示出了一个疏散场景的全部方案，是撤离的情况架空图，要求参与者（圆圈）聚集通过大厅穿过狭窄的通道。右边是一个正在疏散的静态摄影。4.2基于flocking算法的人群行为规则本实验最主要是将Flocking算法7进行了推广，人群行为规则包括三个简单的规则，描述一个人的位置和速度及其附近的群聚伙伴。（一）分离 图4-2分离度 上图4-2最中心的那个个体测量周围群体与自己的距离，如果距离过短，那么这个个体，远离本地群聚伙伴，以避免拥挤。就像同性磁铁一样，距离适当时，可以保持之间的距离，如果距离过近，就会互相排斥。（二）调整图4-3调整上图4-3中间个体测量自己一定距离范围内的群聚伙伴，寻求周围本地群聚伙伴的平均标题，中间个体转向其平均标题。（三）凝聚力 图4-4凝聚力上图4-4中间个体测量自己一定距离范围内的群聚伙伴，寻求周围本地群聚伙伴的平均仓位，中间个体转向其平均仓位。上面每一个个体的对周围群聚伙伴进行测量是采用从中心的BOID测量（下图4-5）。一个BOID的邻里可以认为是有限的感知模型（犹如鱼在黑暗的水里），可以把它看做是在某个地区的影响一类鸟群转向的的群聚伙伴。此外，有关这种内聚倾向的凝聚现象，针对邻居的鸟的侧面，而不是在前面和后边。毫无疑问，这是由于领域的视野向两侧，而不是直接向前或向后。图4-5BOID测量有了这三个简单的规则，类鸟群在移动时根据这几个简单规则，创建复杂的运动和交互创建，否则这将是十分困难的。雷诺兹提出几种不同的方式，因为它的基本模型已拓展。例如，德尔加多马塔等人的基本模式扩展，考虑人心理的恐惧影响，动物之间用嗅觉来传输情感，把信息做为自由膨胀气体颗粒。 Hartman和贝奈斯介绍了一个互补的力量。 Hemerlijk和Hildenbrandt注重吸引力、对齐和避免因素：第一，鸟儿飞翔，根据固定机翼的空气动力学，同时滚动转弯时（从而失去升力）；第二，邻居之间互相协调；第三，他们尝试上面留一个空间，当他们发生向外移动现象，他们返回到它的转向；第四，他们以相对固定的速度移动8。4.3基于Netlogo软件的人群疏散模块4.3.1初始化状态在初始化中，首先设置海龟和块的初始状态，搭建场景。设置海龟初始化程序to setup-turtles set-default-shape turtles person crt population set color orange - 2 + random 6 ; random shades look nice set size 2.5 ; easier to see setxy random-xcor random-ycor ;the turtles random distribution in the patches endset-default-shape turtles person：海龟默认的图形形状为箭头，本实验是研究人群行为，为了更直观，将海龟设置成人图形。为了图形更加美观，将图形的颜色随机涂成橘色，或深或浅（set color orange - 2 + random 6），并设置大小（set size 2.5）。块的初始程序是：to setup-patches ask patches if pycor = 0 and abs(pxcor - 30) 10 ;build a simple export set pcolor orangeend在设置场景前，还需设置坐标。将原点置于网格的左下角（便于后面算法的设计），可以调整网格的最大X和Y坐标。在程序设计中只需搭建一个简单的出口，让人群聚集通过出口。本实验的初始状态为下图4-6，一开始，人们散落地分布在一个公共场所内，最下面为该公共场所的出口图4-6初始状态4.3.2主要模块设计4.3.2.1主程序运行的主程序为：to go ask turtles flock ; the following line is used to make the turtles ; animate more smoothly. repeat 5 ask turtles fd 0.2 display ; for greater efficiency, at the expense of smooth ; animation, substitute the following line instead: ; ask turtles fd 1 tickendgo按钮为永久性按钮。点击go，动画就可以开始运行，直至再次点击go才停止。ask turtles flock 是观察者让海龟聚集repeat 5 ask turtles fd 0.2 display 是为了让海龟移动更加流畅。让海龟移动0.2后立刻更新视图（防止更新被跳过，影响视图效果），重复五次，也就是让海龟移动1tick为命令时钟计数器加1。可以设置模型在特定的时间停止，因此，我们可以改变参数，来观察同一时间下的不同状态，比较各参数对模型的影响。4.3.2.1flock子程序子程序flock：to flock ; turtle procedure find-flockmates if any? flockmates find-nearest-neighbor ifelse distance nearest-neighbor minimum-separation separate align cohere turn-towards-exit disappearendflock程序运行过程为：首先找到聚集群（find-flockmates），即其它海龟在自己的视线范围内，人的一般视角范围为60度。如果聚集群为空，那么找到最近的邻居（离自己最近的最小群）；如果与最近邻居（nearest-neighbor）的距离小于最小分离距离（minimum-separation），两者分离（separate），否则簇拥（align和cohere）。并且，朝着出口移动（turn-towards-exit），然后通过出口后消失（disappear）。4.3.2.2簇拥的算法flocking算法中的凝聚力的程序为：to align ; turtle procedure turn-towards average-flockmate-heading max-align-turnendto-report average-flockmate-heading ; turtle procedure ; We cant just average the heading variables here. ; For example, the average of 1 and 359 should be 0, ; not 180. So we have to use trigonometry. let x-component sum dx of flockmates let y-component sum dy of flockmates ifelse x-component = 0 and y-component = 0 report heading report atan x-component y-component end其中与最近邻居未在分开范围内时簇拥,上述程序表示为转向簇拥群的平均位置。假如本个体朝聚集群方向前进一步时的x的增量为,，y的增量为,，分别求和。假设结果分别为和，计算公式为4-1和4-2。 （4-1） （4-2） 如果结果和都为零，则返回零，即位置不变，否则，自身海龟旋转的角度为反正切函数的结果。flocking算法中的调整的程序为：to cohere ; turtle procedure turn-towards average-heading-towards-flockmates max-cohere-turnendto-report average-heading-towards-flockmates ; turtle procedure ; towards myself gives us the heading from the other turtle ; to me, but we want the heading from me to the other turtle, ; so we add 180 let x-component mean sin (towards myself + 180) of flockmates let y-component mean cos (towards myself + 180) of flockmates ifelse x-component = 0 and y-component = 0 report heading report atan x-component y-component end上述程序为旋转平均角度。首先求得其它海龟朝向自身海龟的角度分别为，（其中求得的角度为其它海龟朝向自身的角度，但是我们需要自身海龟朝向其它海龟的角度，所以所有角度必须加上180度）。计算公式为4-3和4-4。（4-3）（4-4）如果求得结果为都为0，返回零，即不旋转角度，否则，求得反正切函数返回结果，自身海龟旋转此角度。但是，如果得出的角度需要与最大可旋转角度进行比较，如果大于最大旋转角度，只能旋转最大角度。4.3.2.3朝向出口运动的模块朝向出口运动的程序为：to turn-towards-exit turn-towards direction-towards-exit max-exit-turn endto-report direction-towards-exit ifelse xcor - 30 = 0 report 90 + atan abs(ycor) abs(30 - xcor) report 270 - atan abs(ycor) abs(xcor - 30) endto disappear if (abs(ycor - 1) 1) and (abs(xcor - 29) 10 set pcolor orangeendto go ask turtles flock ; the following line is used to make the turtles ; animate more smoothly. repeat 5 ask turtles fd 0.2 display ; for greater efficiency, at the expense of smooth ; animation, substitute the following line instead: ; ask turtles fd 1 tickendto flock ; turtle procedure find-flockmates if any? flockmates find-nearest-neighbor ifelse distance nearest-neighbor max-turn ifelse turn 0 rt max-turn lt max-turn rt turn endto turn-towards-exit turn-towards direction-towards-exit max-exit-turn endto-report direction-towards-exit ifelse xcor - 30 = 0 report 90 + atan abs(ycor) abs(30 - xcor) report 270 - atan abs(ycor) abs(xcor - 30) endto disappear if (abs(ycor - 1) 1) and (abs(xcor - 29) 1) die end ; Copyright 1998 Uri Wilensky.; See Info tab for full copyright and license.袁节膅薂羄肅蒃薁蚃芀荿薀螆肃芅蕿袈芈膁蚈羀肁蒀蚇蚀袄莆蚇螂肀莂蚆羅袂芈蚅蚄膈膄蚄螇羁蒂蚃衿膆莈蚂羁罿芄螁蚁膄膀螁螃羇葿螀袅膃蒅蝿肈羆莁螈螇芁芇莄袀肄膃莄羂艿蒂莃蚂肂莈蒂螄芈芄蒁袆肀膀蒀罿袃薈葿螈聿蒄葿袁羁莀蒈羃膇芆蒇蚃羀膂蒆螅膅蒁薅袇羈莇薄罿膄芃薃虿羆艿薃袁节膅薂羄肅蒃薁蚃芀荿薀螆肃芅蕿袈芈膁蚈羀肁蒀蚇蚀袄莆蚇螂肀莂蚆羅袂芈蚅蚄膈膄蚄螇羁蒂蚃衿膆莈蚂羁罿芄螁蚁膄膀螁螃羇葿螀袅膃蒅蝿肈羆莁螈螇芁芇莄袀肄膃莄羂艿蒂莃蚂肂莈蒂螄芈芄蒁袆肀膀蒀罿袃薈葿螈聿蒄葿袁羁莀蒈羃膇芆蒇蚃羀膂蒆螅膅蒁薅袇羈莇袄芈蒇袇螀芇蕿蚀聿芆艿蒃肅芅蒁螈羁芄薃薁袆芃芃螆螂芃莅蕿肁节蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈蚂螂羂薁袈肀肁芀蚁羆肁莃袆袂肀薅虿袈聿蚇蒂膇肈莇螇肃肇葿薀罿肆薂螆袅肅芁薈螁膅莃螄聿膄蒆薇羅膃蚈螂羁膂莈蚅袇膁蒀袀螃膀薂蚃肂腿节衿羈腿莄蚂袄芈蒇袇螀芇蕿蚀聿芆艿蒃肅芅蒁螈羁芄薃薁袆芃芃螆螂芃莅蕿肁节蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈蚂螂羂薁袈肀肁芀蚁羆肁莃袆袂肀薅虿袈聿蚇蒂膇肈莇螇肃肇葿薀罿肆薂螆袅肅芁薈螁膅莃螄聿膄蒆薇羅膃蚈螂羁膂莈蚅袇膁蒀袀螃膀薂蚃肂腿节衿羈腿莄蚂袄芈蒇袇螀芇蕿蚀聿芆艿蒃肅芅蒁螈羁芄薃薁袆芃芃螆螂芃莅蕿肁节蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈蚂螂羂薁袈肀肁芀蚁羆肁莃袆袂肀薅虿袈聿蚇蒂膇肈莇螇肃肇葿薀罿肆薂螆袅肅芁薈螁膅莃螄聿膄蒆薇羅膃蚈螂羁膂莈蚅袇膁蒀袀螃膀薂蚃肂腿节衿羈腿莄蚂袄芈蒇袇螀芇蕿蚀聿芆艿蒃肅芅蒁螈羁芄薃薁袆芃芃螆螂芃莅蕿肁节蒈螅羇莁薀薈袃莀艿螃蝿荿莂薆膈莈薄袁肄莇蚆蚄羀莇莆袀袆羃蒈蚂螂羂薁袈肀肁芀蚁羆肁莃袆袂肀薅虿袈聿蚇蒂膇肈莇螇肃肇葿薀罿肆薂螆袅肅芁薈螁膅莃螄聿膄蒆薇羅膃蚈螂羁膂莈蚅袇膁蒀袀螃膀薂蚃肂腿节衿羈腿莄蚂袄芈蒇袇螀芇蕿