基于多速度元胞自动机的海洋平台人员疏散
Evacuation from offshore platform based on multi-velocity cellular automata
通讯作者:
收稿日期: 2020-10-15
基金资助: |
|
Received: 2020-10-15
Fund supported: | 工业与信息化部《大型生活区人员应急和逃生技术研究》(MC-201620-H01-04)资助项目 |
作者简介 About authors
高瑾(1993—),女,博士生,从事人员疏散仿真研究.orcid.org/0000-0001-8930-7487.E-mail:
为了研究海洋平台人员疏散过程,定量评估疏散方案的合理性,基于元胞自动机模型开发适用于海洋平台人员逃生疏散的仿真系统,提出在离散模型中精确考虑多种人员速度的方法. 使用真实海洋平台疏散实验数据校核模型参数,并对比商业软件maritimeEXODUS的计算结果,验证仿真系统的可行性. 从疏散时间和出口使用效率对无烟和有烟场景下的人员疏散结果进行对比和量化分析,并提出优化方案. 结果表明:有烟环境不仅折减人员移动速度,延长疏散时间,更会影响人员的路径选择,导致疏散不平衡.
关键词:
A cellular automaton-based system that is suitable for the evacuation from offshore platform was developed and a method to incorporate the variation of velocity in discrete model was proposed, in order to explore pedestrian evacuation dynamics on offshore platform and evaluate evacuation efficiency quantitatively. Model parameters were calibrated based on experiment results on real platform, and the feasibility of the simulation system was verified by comparing with maritimeEXODUS. Evacuation results in smoke-free and smoke scenarios on the platform were quantitatively analyzed and compared from evacuation time and exit efficiency, and an optimized evacuation plan was further proposed. Results show that the smoke environment not only reduces individual speed and extends evacuation time, but also affects personal route choice, inducing the imbalanced evacuation.
Keywords:
本文引用格式
高瑾, 龚景海, 何军.
GAO Jin, GONG Jing-hai, HE Jun.
近些年来,研究人员在海洋平台人员疏散建模与仿真以及海洋平台撤离能力评估方面做了大量研究,并取得显著成果[3-5]. 如张艺萌等[6]针对深海极端环境中的石油平台,结合BIM与Multi-agent技术优化人员逃生路线. Ping等[7]通过使用BuildingExodus软件进行仿真,控制海洋平台上的疏散路径来减少疏散时间和伤亡人数. 陈淼等[8]基于Agent理论,考虑甲板摇摆运动的特殊环境,研究疏散过程中人的决策机理. 也有学者针对海洋环境与海上建筑的特点,开展疏散演习和实验. 例如Sun等[9]通过实验验证海上建筑纵倾和横倾的角度对人员移动速度的影响,Wang等[10]研究人员速度在客船停泊和航行过程中的变化情况,这些数据对于建模仿真均具有参考价值. 但目前关于海洋平台整体人员疏散实验结合数值模拟的研究尚不多见,这导致仿真结果缺乏有效性.
为了弥补这一不足,本研究基于元胞自动机地面场模型开发适用于海洋平台应急疏散的仿真系统,并提出在离散模型中考虑不同人员疏散速度的方法. 结合海洋平台整体疏散实验,与海洋避难模型maritimeEXODUS[11]的仿真结果作对比. 通过疏散时间、出口使用率这2项评估准则,定量分析并优化疏散路线.
1. 疏散仿真模型
图 1
基于地面场元胞自动机[15]理论,使用C++语言开发人员应急疏散仿真系统. 地面场元胞自动机模型将人员间的长距离相互作用转换为局部影响,可提高计算机仿真效率,尤其是针对大型疏散场景. 模型中人员的转移概率由静态场
式中:i、j取值范围均为−1、0、1;N为正规化因子,以保证
模型静态场采用Dijkstra最短路径搜索算法获得,以出口元胞为源节点,计算出元胞(i,j)到出口的最短路径长度
动态场随疏散的进行不断发生变化,当人员经过元胞(i,j)时,该元胞的动态场值增加1;同时,动态场以
2. 考虑速度变化
本文提出离散时间步的方法,用该方法控制不同速度人员的疏散过程. 对于人员i,赋予亏欠时间的属性. 将相邻元胞间的距离定义为
式中:
当
人员i在整个过程中的疏散时间
式中:m为仿真总时间步数. 人员一旦离开疏散区域,便不会重复进入. 当所有人员成功撤离疏散区域后,仿真结束. 模型采用单线程并行更新的演化规则,考虑人员在8个方向的移动,具体步骤如图2所示.
图 2
3. 海洋平台实验与仿真
3.1. 场景介绍
疏散场景为某半潜式海洋平台生活区,该区域共有7层甲板,以其中4层甲板:间甲板、主甲板、A甲板、B甲板为疏散实验区域. 简化后,每层甲板的尺寸为46.0 m×36.0 m. 间甲板和主甲板主要为娱乐活动区域,分布有电影院、咖啡厅以及少量舱室. 船员休息舱室主要分布在A甲板、B甲板. 主楼梯、侧楼梯提供竖向疏散通道,最终集结点设于主甲板,该层甲板有2个安全出口直接通往最终集结点. 本次实验召集120名训练有素的海洋平台工作人员做志愿者. 人员初始分布情况如图3所示,图中,黑色方块内的数字代表该处的人员数目. 间甲板分布有80人,其中50人位于电影院区域,其余人员均位于舱室. A甲板、B甲板的舱室内各有20人,主甲板初始状态下无人.
图 3
3.2. 实验结果
警报声响起后,所有人员立即开始疏散,当最后一位到达最终集结点时,疏散结束. 如图4所示,本次实验共设置2个疏散场景:1)不设置烟气,人员在可见度正常的情况下有序疏散;2)工作人员使用烟雾弹在间甲板电影院右侧区域制造浓烟,使烟气浓度逐渐增大并扩散. 人员疏散过程的数据通过蓝牙定位手环与秒表计时直接提取. 场景1、场景2中人员疏散的总时间分别为84 s、90 s.
图 4
表 1 平均疏散速度统计结果
Tab.1
场景 | V1 | V2 | V3 | V4 |
1 | 1.78 | 1.58 | 1.42 | 1.97 |
2 | 1.34 | 1.95 | 1.61 | 2.19 |
图 5
3.3. 仿真分析
将处理好的海洋平台图纸导入仿真系统进行建模,并把实验测得的无烟和有烟场景下人员在各层甲板的平均疏散速度作为初始参数输入人员属性中.
3.3.1. 参数校正
分别使用T、TE、TM表示本文中的系统仿真疏散时间、实验疏散时间、maritimeEXODUS疏散时间,3类疏散时间的对比结果如表2所示. 在场景1中,当
表 2 仿真系统与实验、maritimeEXODUS软件疏散时间对比
Tab.2
疏散场景 | T/s | TE/s | TM/s |
场景1 | 80 | 84 | 86 |
场景2 | 88 | 90 | 91 |
3.3.2. 疏散时间
疏散时间越长,人员疏散安全性越低. 如图6所示为不同场景中初始位置位于不同甲板的人员的疏散过程随时间的变化曲线. 图中,i′为已疏散人员的数量. 由图可知,在场景1中,A甲板的人员率先完成疏散,各层甲板已疏散人数随疏散时间呈线性增长. 在场景2中,尽管各层甲板的人员几乎同时到达最终集结点,但是由于烟气蔓延对人员疏散路线与速度的改变,导致间甲板的疏散曲线有明显的非线性与离散性特征. 因为间甲板上的人员速度相对场景1明显降低,所以在40 s之前,间甲板人员的疏散效率低于场景1. 在40~65 s时,间甲板人员的疏散效率得到大幅提升,甚至高于场景1,原因是该时段内间甲板的人员同时在2个出口疏散. 65 s之后疏散成功的群体主要为电影院内选择出口2到达最终集结点的人员. 在场景2中,由于人员在A甲板和B甲板的疏散速度有明显提高,其疏散效率高于场景1.
图 6
图 6 各层甲板已疏散人数随疏散时间的变化曲线
Fig.6 Relationship between number of evacuees on each deck and evacuation time
3.3.3. 出口使用率
出口使用效率是衡量疏散安全性的重要评估指标,若出口未被合理使用,会出现疏散不平衡现象,人员疏散安全性降低. 如图7所示为各出口已疏散人数随疏散时间的变化曲线. 本文使用较佳功能参数(optimal performance statistic,OPS)、出口闲置参数(mean non-flow statistic,MNS)定量评估出口使用效率.
图 7
图 7 各出口已疏散人数随疏散时间的变化曲线.
Fig.7 Relationship between number of evacuees and evacuation time of each exit
式中:n为出口数量,TE为总疏散时间,
式中:
经仿真分析可知,场景1、2的
3.3.4. 路线优化
在场景2中出现严重的人员疏散不平衡现象. 本文采用文献[14]提出的权重系数法,实时监测各路线的人员分布密度,并重新分配静态场,以减少疏散不平衡现象,提高疏散效率.
如图8所示为各甲板已疏散人数随时间变化曲线. 经优化,间甲板舱室内的人员全部通过侧楼梯进入主甲板,避开烟雾弹燃放点;电影院内的人员全部通过主楼梯和出口1到达最终集结点,其他人员疏散路线未发生改变. 优化后的疏散时间为74 s,比原定路线的疏散时间减少了15.91%. 同时,疏散曲线的非线性特征不明显,表明疏散路径合理,人群可以做到有序连续疏散. 各出口的疏散过程曲线如图9所示. 经计算,优化方案中
图 8
图 8 各甲板已疏散人数随时间变化曲线
Fig.8 Relationship between number of evacuees on each deck and evacuation time
图 9
图 9 各出口已疏散人数随时间变化曲线
Fig.9 Relationship between number of evacuees and evacuation time of each exit
4. 结 论
(1)基于地面场元胞自动机模型开发适用于海洋平台的人员应急疏散仿真系统,提出在离散模型中考虑人员速度多样性的方法. 通过将仿真结果与半潜式海洋平台疏散实验结果及maritimeEXODUS仿真结果进行对比与校核,验证该仿真系统的可行性.
(2)通过疏散时间与出口使用效率对平台疏散结果定量分析,量化火灾对平台人员疏散安全性的影响. 说明烟气的蔓延不仅会降低人员疏散速度,延长疏散时间,也会影响人员对撤离路线的选择,造成各出口疏散不平衡.
(3)根据定量分析结果,对不符合评估指标的疏散场景进行路线优化,降低疏散不平衡的程度,减少疏散时间,提高人员疏散的安全性.
(4)本研究可为海洋平台应急疏散管理与预案制定提供参考,下一步计划把人员路线选择考虑在仿真系统中,更加准确地模拟人员疏散过程.
参考文献
基于事故场景的海洋平台应急撤离风险分析
[J].
Analysis of risk in EER from offshore platforms based on accident scene
[J].
深水半潜式支持平台火灾烟气蔓延规律
[J].
Fire smoke spread law in deep water semi-submersible platform
[J].
Assessing offshore emergency evacuation behavior in a virtual environment using a Bayesian network approach
[J].
Developing an evacuation evaluation model for offshore oil and gas platforms using BIM and agent-based model
[J].
Estimating probability of success of escape, evacuation, and rescue (EER) on the offshore platform by integrating Bayesian network and fuzzy AHP
[J].DOI:10.1016/j.jlp.2018.02.007 [本文引用: 1]
基于BIM和Multi-agent联合优化的海洋平台应急疏散仿真研究
[J].
Research on emergency evacuation simulation for offshore platform based on joint optimization of BIM and Multi-agent
[J].
Analysis of emergency evacuation in an offshore platform using evacuation simulation modeling
[J].
基于Agent的舰船人员疏散模型研究
[J].DOI:10.3969/j.issn.1007-130X.2013.04.029 [本文引用: 1]
Ship passenger evacuation model based on agent theory
[J].DOI:10.3969/j.issn.1007-130X.2013.04.029 [本文引用: 1]
An experimental study on individual walking speed during ship evacuation with the combined effect of heeling and trim
[J].
Experimental study on individual walking speed during emergency evacuation with the influence of ship motion
[J].
Analysing the evacuation procedures employed on a Thames passenger boat using the maritimeEXODUS evacuation model
[J].DOI:10.1023/A:1024189414319 [本文引用: 1]
A floor field cellular automaton for crowd evacuation considering different walking abilities
[J].
A cellular automaton model for pedestrian counterflow with swapping
[J].
A simplified method to provide evacuation guidance in a multi-exit building under emergency
[J].
Simulation of pedestrian dynamics using a two-dimensional cellular automaton
[J].DOI:10.1016/S0378-4371(01)00141-8 [本文引用: 1]
A novel algorithm of simulating multi-velocity evacuation based on cellular automata modeling and tenability condition
[J].DOI:10.1016/j.physa.2006.12.044 [本文引用: 1]
Cellular automaton simulation of pedestrian flow considering vision and multi-velocity
[J].
Evacuation performance of participants in an offshore platform under smoke situations
[J].
Simulation of evacuation processes using a bionics-inspired cellular automaton model for pedestrian dynamics
[J].DOI:10.1016/S0378-4371(02)00857-9 [本文引用: 1]
Experiment and simulation of pedestrian’s behaviors during evacuation in an office
[J].
运用buildingExodus评估台北捷运地下车站避难安全: 以捷运新店站为例
[J].
Safety evacuation in MRT underground station by using buildingExodus with example of Xindian station of TRTC
[J].
/
〈 |
|
〉 |
