趙靖普 馬會 肖云凡

摘 要：以steering技術(shù)為基礎(chǔ)，使用Pathfinder建立客船人員疏散仿真模型，利用“SAFEGUARD”項目中驗證數(shù)據(jù)進行模型驗證。由于“SAFEGUARD”項目中人員年齡、速度、路徑等參數(shù)未知，基于合理假設(shè)條件和參數(shù)設(shè)置，對模型中人員疏散路徑以及疏散時間進行仿真測試，并對測試結(jié)果進行適用性驗證。實驗結(jié)果表明，本文建立的疏散模型符合IMO相關(guān)標準，可為客船艙室設(shè)計以及疏散方案設(shè)計和優(yōu)化提供支持。

關(guān)鍵詞：客船人員疏散;steering;仿真建模;適用性驗證

中圖分類號：U695.1? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? 文章編號：1006—7973（2021）04-0082-03

1引言

如今，航運業(yè)的發(fā)展導(dǎo)致新建的船舶走向大型化，載客量也隨之變大。現(xiàn)代客船往往可以承載數(shù)千人，雖然涉及大型客船的事故很少發(fā)生，但一旦發(fā)生事故，其后果也是災(zāi)難性的。由于客船結(jié)構(gòu)特殊，考慮到人員安全及隱私等方面因素，對客船進行疏散演習(xí)以獲得乘客及船員的行為數(shù)據(jù)較為困難。因此，計算機仿真成為研究客船人員疏散的較好選擇。

對于疏散模型研究，通常將模型分為宏觀和微觀模型2種，宏觀模型利用流體力學(xué)模型將人員看作水流，忽略個人之間的相互影響，無法模擬個體之間的特殊性以及復(fù)雜疏散行為。微觀模型注重人群中個人之間的相互作用及影響，主要以元胞自動機模型[1]和社會力模型[2]為代表。

在現(xiàn)有的客船人員疏散模型中，英國格林威治大學(xué)消防安全工程組[3]對泰晤士河上一艘游輪進行疏散實驗得到的數(shù)據(jù)而建立了基于元胞自動機的復(fù)雜疏散模型，該模型下人員運動由數(shù)十個指標綜合決定，但為了簡化仿真計算過程，其疏散模型只是將各個客艙劃分為面積較大的正方形網(wǎng)格，使得仿真結(jié)果與真實結(jié)果相差相對較大;Balakhontceva[4]將風(fēng)向、波高等因素引入疏散模型，以社會力模型為基礎(chǔ)，建立了基于Multi-Agent技術(shù)的人員疏散模型，并對其進行了仿真驗證，其疏散模型準確度高，但計算復(fù)雜，所需硬件要求高且計算速度慢。

基于此，本文基于pathfinder平臺，建立了基于steering技術(shù)的疏散模型，并運用“SAFEGUARD”項目中驗證數(shù)據(jù)，依據(jù)IMO客船人員疏散指南MSC.1/Circ 1533[8]，對模型進行驗證

2基于steering技術(shù)的客船人員疏散模型

Steering技術(shù)是由Craig[5]于1999年提出的關(guān)于游戲中人員行為的復(fù)雜運動模型。該模型盡最大可能的模擬真實情況下的人類行動。該模型將人員分為兩種狀態(tài)，閑置狀態(tài)和尋路狀態(tài)，閑置狀態(tài)即人員由于某些原因靜止不動，尋路狀態(tài)指人員試圖遵循某條路徑到達目的地。

當(dāng)人員沿著他們的路徑移動時，他們計算出修正的最大速度，其取決于乘員的當(dāng)前地形、用戶指定的最大速度以及周圍人員的間距。具體公式如下：

是用戶輸入的最大速度，是用戶中定義的最小速度因子（默認值= 0.15），D是當(dāng)前房間中的人員密度。

對于人員速度的方向，在閑置狀態(tài)和人員速度的情況下，以人員正前方為起始方向，間隔45°，共8個方向， 使得人員得以在各個方向上移動;若人員速度，以人員規(guī)劃路徑的切線方向為起始方向，以15°為間隔，左右任一側(cè)各75°，選取人員9個方向。通過對指標進行加權(quán)近似計算，得出最終速度方向。

在閑置狀態(tài)下，權(quán)重計算公式如下：

在尋路狀態(tài)下，權(quán)重計算公式如下：

在Pathfinder中，路徑規(guī)劃由A*算法確定，人員行動由Steering技術(shù)驅(qū)動，通過Multi-Agent技術(shù)進行仿真實現(xiàn)。

3客船人員疏散仿真實驗

本文使用SAFEGUARD項目[6][7]中SGVDS1[10]作為模型仿真及驗證對象。SGVDS2是美國皇家加勒比郵輪公司的一艘名為“海洋珠寶”號的大型郵輪，該船船長293.25m，船寬32.2m，乘客定員3360人，共12層甲板，包括客艙、餐廳、酒吧、劇院、賭場、健身房等各種設(shè)施，船艙設(shè)計復(fù)雜，該郵輪共有4個集合站，40架樓梯。如圖1所示，集合站A、B、C分別位于該船四層甲板的尾部、右舷、左舷;集合站D位于郵輪五層甲板的中部。

該疏散實驗共有2292人參與，人群由主要人群和次要人群兩個群體組成。主要人群人數(shù)為1950人。這些人員為佩戴IR標簽的乘客，因此他們在船舶各層甲板的起始位置、終止位置和到達時間是已知的;次要人群人數(shù)為342人，這些人員由于個人隱私或其他原因沒有佩戴IR標簽，在實驗中，疏散中次要人群的存在也對整個撤離有較大影響，特別是在高度擁擠的地區(qū)，但他們的起始位置、終止位置和到達時間是未知的。在疏散模型建立時也應(yīng)考慮次要人群的存在。在疏散行動進行中，共有282人丟失其IR標簽，因此該次實驗共有1779個有效數(shù)據(jù)。

對于人員行走速度，本文采用IMO發(fā)布的客船人員疏散指南MSC.1/Circ 1533[8]中的規(guī)定。由于指南和SAFEGUARD項目的實船數(shù)據(jù)中并未給出人員的身體尺寸數(shù)據(jù)，根據(jù)Fruin[9]的定義，本文建模時男性肩寬設(shè)置為均值為43.2cm，方差為0.84，最小值為42.7cm，最大值為47.3cm的正態(tài)分布，女性肩寬設(shè)置為均值為39.6cm，方差為0.94，最小值為39.1cm，最大值為44.4cm的正態(tài)分布。

實驗主要研究疏散總時間以及各個集合站的疏散時間。對該船的12層甲板逐一建模，并按照真實情況布置主要人員，次要人員的513人按照蒙特卡洛方法隨機分布于各層甲板中。將模型進行50次的仿真實驗，求其均值以消除隨機影響，最終結(jié)果如圖2-圖6所示。

4仿真數(shù)據(jù)擬合度分析

本文按項目文件[10]中所采用EPC、SC、%TAT三個指標[10]來確定仿真數(shù)據(jù)與真實數(shù)據(jù)的相似程度。具體公式如下：

EPC表示仿真（m）與實測（E）曲線之間的最佳可能評價等級。SC表示仿真（m）與實測（E）曲線之間的相似程度。%TAT是仿真的疏散總時間與實測的疏散總時間之間的百分比差異。3個指標的標準范圍，具體為： 0.8EPC1.2;當(dāng)s/n=0.05時，SC0.6;%TAT45%。

仿真數(shù)據(jù)以及實驗數(shù)據(jù)如表1所示

由表1數(shù)據(jù)可知，兩套方案都符合IMO認證標準，當(dāng)使用最短路徑進行仿真實驗時，疏散總時間為1289s;當(dāng)使用隨機路徑時，疏散總時間為1587s，與實測數(shù)據(jù)接近，可見該模型各項指標均符合IMO的認證標準，可以用于客船人員疏散及其他相關(guān)研究。

5結(jié)論

本文以steering技術(shù)為基礎(chǔ)，Pathfinder為平臺，建立了基于Multi-Agent模型的客船人員疏散模型，并對真實的三層客滾船進行建模仿真，通過設(shè)置不同參數(shù)得出不同路徑下人員疏散模擬數(shù)據(jù)，與“SAFEGUARD”項目發(fā)布的驗證數(shù)據(jù)進行適用性分析驗證，仿真數(shù)據(jù)基本與驗證數(shù)據(jù)曲線吻合，證明基于Pathfinder建立的以steering技術(shù)為基礎(chǔ)的疏散模型可用于客船的疏散建模仿真及其他相關(guān)研究。

參考文獻：

[1] Alizadeh R.A dynamic cellular automaton model for evacuation process with obstacles[J].Safety Science，2011，49（2） ： 315-323.

[2] Helbing D， Farkas I， Vicsek T. Simulating dynamical features of escape panic[J].Nature，2000，407（6803）：487-490.

[3] S. Gwynne， E.R. Galea， C. Lyster， et al. Analysing the evacuation procedures employed on a Thames passenger boat using the maritimeEXODUS evacuation model[J]. Fire Technology，2003，39（3）： 225-246.

[4] Balanhontceva， M， Karbovskii，V， Rybokonenko， D， et al. Multi-agent Simulation of Passenger Evacuation Considering Ship Motions [J]. Procedia Computer Science，2015， 66; 140-149.

[5] Craig W. Reynolds. Steering Behavior For Autonomous Charters[C]. Miller Freeman Game Group. Proceeding of the Game Developers Conference 1999. San Francisco， California. 1999. 763-782.

[6] Galea. E. R. Deere， S， Brown， R， at el. Two Evacuation Model Validation Data-sets for Large Passenger Ships[J]， SNAME Journal of Ship Research，2013，57（3），155-170.

[7] Brown. R， Galea. E. R， Deere. S. J， et al. Passenger Response Time Data-sets for Large Passenger Ferries and Cruise Ships Derived from Sea Trials[J]， International Journal of Maritime Engineering， 2013，155（1），33-48.

[8] MSC. Revised Guidelines on Evacuation Analysis for New and Existing Passenger Ships.[R]. London： International Maritime Organization，2016.

[9] Fruin J. Pedestrian and Planning Design [M]. New York： Metropolitan Association of Urban Designer and Environmental Planners Inc， 1971.

[10] Galea. E. R， Filippidis. L， Deere. S， et al. The SAFEGUARD Validation Data-Set and Recommendations to IMO to Update MSC.1/Circ.1238[EB/OL].http：//www.safeguardproject.info/downloads/，2012.

基金項目：國家重點研發(fā)計劃“水上應(yīng)急救援關(guān)鍵技術(shù)及應(yīng)用示范”（2018YFC0810402）