成琳娜，鐘彤思，李秀金，廖舒妍

（五邑大學(xué) 軌道交通學(xué)院，廣東 江門(mén) 529020）

城市軌道交通在綜合交通系統(tǒng)中占據(jù)重要地位，其中，位于地下的地鐵客運(yùn)量大、空間結(jié)構(gòu)復(fù)雜且具有密閉性，一旦發(fā)生火災(zāi)，就會(huì)產(chǎn)生大量濃煙和有毒氣體，容易造成人員傷亡和財(cái)產(chǎn)損失. 盡管在火災(zāi)發(fā)生過(guò)程中，地鐵車(chē)站有相應(yīng)的應(yīng)急處置方案，但是由于站內(nèi)環(huán)境復(fù)雜多變，干擾事件容易影響原方案的實(shí)施. 因此，有效處理這些干擾事件，及時(shí)控制火災(zāi)煙氣、減小人員傷亡和車(chē)站損失，使地鐵在最短的時(shí)間內(nèi)恢復(fù)運(yùn)行具有重要意義.

在地鐵站火災(zāi)煙氣控制研究方面，李兆文[1]建立一個(gè)雙層島式地鐵車(chē)站的物理模型，研究了地鐵站火災(zāi)煙氣發(fā)展規(guī)律和煙氣擴(kuò)散控制方法；周汝[2]構(gòu)建雙層地鐵站的物理模型，提出在樓梯口采用防煙空氣幕的煙氣控制模式；紀(jì)杰[3]通過(guò)小尺寸地鐵模型試驗(yàn)和數(shù)值模擬，研究了車(chē)站內(nèi)不同地方起火該如何開(kāi)啟不同的排煙口. 在干擾管理研究方面，Yusen[4]利用干擾管理的思想和方法對(duì)供應(yīng)關(guān)系的庫(kù)存控制系統(tǒng)和兩階段生產(chǎn)進(jìn)行了研究，建立了擾動(dòng)恢復(fù)模型；Niklas[5]通過(guò)分析航班調(diào)度中出現(xiàn)的干擾事件，建立了多資源多方案的系統(tǒng)模型；Walker等[6]綜合考慮車(chē)次和成本問(wèn)題，建立了鐵路運(yùn)輸系統(tǒng)多目標(biāo)優(yōu)化干擾管理模型. 綜上，既有研究主要通過(guò)構(gòu)建模型和數(shù)值模擬找出現(xiàn)有方案的不足，在火災(zāi)前確定較好的煙氣控制方案，但針對(duì)地鐵站火災(zāi)實(shí)時(shí)變化方面的研究較為不足. 針對(duì)地鐵站火災(zāi)的實(shí)時(shí)性變化會(huì)導(dǎo)致火災(zāi)煙氣控制方案受不確定性干擾事件影響的問(wèn)題，本文建立了基于干擾管理的煙氣控制模型，應(yīng)用遺傳算法對(duì)其進(jìn)行求解得到干擾管理方案，以期減小干擾事件對(duì)初始計(jì)劃的擾動(dòng)，并達(dá)到快速有效控制地鐵站火災(zāi)煙氣的目的.

1 地鐵站火災(zāi)煙氣控制仿真研究

本文以廣州地鐵13號(hào)線白江站作為研究對(duì)象，運(yùn)用Pyrosim軟件對(duì)地鐵火災(zāi)進(jìn)行仿真. 如圖1所示，該車(chē)站是一個(gè)雙層島式車(chē)站，地下一層為站廳層，地下二層為站臺(tái)層. 站廳層有4個(gè)排煙設(shè)備，站臺(tái)層兩側(cè)各有5個(gè)排煙設(shè)備，排煙設(shè)備面積為212 m. 本文設(shè)置起火地點(diǎn)為站臺(tái)中央，從防煙和排煙兩個(gè)角度，通過(guò)多次仿真實(shí)驗(yàn)，設(shè)計(jì)了如表1所示的4個(gè)初始煙氣控制方案.

表1 各方案實(shí)驗(yàn)工況

為分析車(chē)站火災(zāi)煙氣擴(kuò)散情況，在站廳層和站臺(tái)層每隔10 m設(shè)置一個(gè)探測(cè)設(shè)備. 仿真后選取旅客逃生必經(jīng)點(diǎn)及其附近點(diǎn)進(jìn)行數(shù)據(jù)分析，具體探測(cè)點(diǎn)為10、12、07、014、-7、-11，如圖1所示. 其中探測(cè)點(diǎn)10位于站廳層左側(cè)樓梯出口附近，探測(cè)點(diǎn)014位于站廳層?xùn)|邊閘機(jī)附近，探測(cè)點(diǎn)12位于站廳層右側(cè)的扶梯出口處，都是人員逃生的必經(jīng)之路；探測(cè)點(diǎn)-7位于站臺(tái)層的左側(cè)自動(dòng)扶梯附近.

圖1 白江站平面圖以及排煙設(shè)備和探測(cè)點(diǎn)的布置

各探測(cè)點(diǎn)的溫度和能見(jiàn)度仿真結(jié)果如圖2、圖3所示.

圖2 各探測(cè)點(diǎn)的溫度變化

圖3 各探測(cè)點(diǎn)的能見(jiàn)度變化

由圖2可知：探測(cè)點(diǎn)10在超過(guò)180 s后，方案1、2、3都會(huì)使人陷入危險(xiǎn)，在該點(diǎn)，排煙送風(fēng)功率更高的方案2展示出了更好的降溫性能，但在300 s時(shí)溫度再次出現(xiàn)上升，方案4則表現(xiàn)出良好的降溫效果；探測(cè)點(diǎn)12在方案3和方案4的作用下能夠?qū)囟瓤刂圃诎踩秶?，由此可知在站臺(tái)層安裝排煙送風(fēng)設(shè)備對(duì)站臺(tái)火災(zāi)的煙氣處理具有重要作用；探測(cè)點(diǎn)07在方案2、3、4的作用下，能夠保持360 s內(nèi)溫度一直處于安全范圍，而方案1在240 s時(shí)溫度超過(guò)了安全值，說(shuō)明其附近的排煙設(shè)備功率不足；探測(cè)點(diǎn)014和探測(cè)點(diǎn)7-在各個(gè)方案下都能保持相對(duì)安全的溫度范圍，但方案4能夠使溫度更低，更有利于人們的疏散；只有靠近火源點(diǎn)的探測(cè)點(diǎn)11-的溫度在各個(gè)方案下都不能控制在人員能夠接受的范圍內(nèi)，因此建議在這附近進(jìn)行隔離.

由圖3可知：探測(cè)點(diǎn)10在火災(zāi)發(fā)生不到60 s，大部分的優(yōu)化方案所能保持的能見(jiàn)度都低于10 m，火災(zāi)180 s時(shí)，大部分優(yōu)化方案的能見(jiàn)度都為0 m；探測(cè)點(diǎn)12火災(zāi)后不到60 s，大部分方案的能見(jiàn)度都小于10 m，只有方案4還能保持30 m的能見(jiàn)度；探測(cè)點(diǎn)07在火災(zāi)初期，除了方案2，其他方案的排煙效果都比原方案好；探測(cè)點(diǎn)014在火災(zāi)60 s后，所有優(yōu)化方案的能見(jiàn)度都低于10 m，只有方案4能夠在60 s內(nèi)穩(wěn)定保持30 m的能見(jiàn)度；探測(cè)點(diǎn)7-所有方案的能見(jiàn)度在60 s后都低于10 m；探測(cè)點(diǎn)11-位于火源附近，任何排煙方案均不能取得良好效果.

通過(guò)分析各探測(cè)點(diǎn)溫度和能見(jiàn)度的變化情況，可得到以下結(jié)論：

1）方案1和方案2的排煙效果比原方案好，送風(fēng)和排煙功率較高的方案2比方案1的效果更優(yōu). 因此，站廳層宜采用正壓送風(fēng)+排煙模式.

2）方案3、方案4的排煙效果也比原方案好，因此，站臺(tái)層可以采用一側(cè)正壓送風(fēng)另一側(cè)排煙或者兩側(cè)都采取排煙模式.

2 地鐵站火災(zāi)煙氣控制干擾管理模型構(gòu)建

2.1 干擾事件分析

火災(zāi)發(fā)生后，以下一些實(shí)時(shí)變化的不確定性事件將影響火災(zāi)煙氣控制方案的實(shí)施.

1）煙氣控制效用時(shí)間的變動(dòng)

設(shè)火災(zāi)發(fā)生在0時(shí)刻，t為實(shí)際排煙時(shí)間，為發(fā)生干擾事件后的效用時(shí)間，Δte為發(fā)生干擾事件后乘客所能接受的煙氣控制延遲時(shí)間。若說(shuō)明使用初始排煙方案不能及時(shí)控制煙氣，會(huì)導(dǎo)致乘客難以逃生并增加車(chē)站的損失，屬于干擾事件。

2）排煙設(shè)備需求的變動(dòng)

① 排煙設(shè)備數(shù)量需求增加

設(shè)車(chē)站的排煙設(shè)備備用量為Δd，干擾事件發(fā)生后設(shè)備需求的增加量為Δd′. 若Δd＜Δd′，說(shuō)明排煙設(shè)備需求的增加量超出排煙設(shè)備的備用量，需要調(diào)整排煙方案，屬于干擾事件.

② 排煙設(shè)備功率需求增加

設(shè)車(chē)站的排煙設(shè)備可實(shí)現(xiàn)的功率增加量為Δp，干擾事件發(fā)生后排煙設(shè)備功率需求增加量為Δp′. 若Δp＜Δp′，則該需求屬于干擾事件.

3）排煙設(shè)備運(yùn)力變動(dòng)

設(shè)當(dāng)使排煙設(shè)備運(yùn)力變動(dòng)的干擾事件發(fā)生時(shí)，消除該事件的時(shí)間為Δt. 若t+Δt＞tθ′，則消除干擾使得排煙時(shí)間超出了車(chē)站的排煙效用時(shí)間，此時(shí)會(huì)增加乘客逃生的不安全性，屬于干擾事件.

2.2 確定擾動(dòng)度量

1）乘客角度的擾動(dòng)度量

設(shè)F表示乘客安全逃生的可能性.

式中，max表示無(wú)限接近于1的實(shí)數(shù).

設(shè)FΔ 為乘客的擾動(dòng)度量值，則FΔ 可表示為：

式中，F(xiàn)0為初始排煙方案乘客安全逃生的可能性，F(xiàn)1為調(diào)整后排煙方案乘客安全逃生的可能性.

2）車(chē)站角度的擾動(dòng)度量

當(dāng)有煙氣從車(chē)站排出，就會(huì)產(chǎn)生相應(yīng)的煙氣控制成本D，其可表示為：

式中，D0為初始煙氣控制方案的控制成本，D1表示調(diào)整后新控制方案的控制成本.

2.3 模型構(gòu)建

1）目標(biāo)函數(shù)分析

由式（1）和（2）可知，從乘客安全逃生可能性的角度分析，可得目標(biāo)函數(shù)表達(dá)式為：

式中，A1為乘客角度擾動(dòng)度量對(duì)最終煙氣控制方案的影響程度；pj為站廳層排煙設(shè)備功率；poi和po′i為站臺(tái)層兩側(cè)的排煙設(shè)備效率；Q為煙氣產(chǎn)生總量；t燃燒時(shí)間為火災(zāi)時(shí)間；msmoke為每秒的煙氣生成量；d為火源周長(zhǎng)；y為煙氣層高度.

由式（3）和（4）可知，從煙氣控制成本變化量的角度分析，可得目標(biāo)函數(shù)的表達(dá)式為：

式中，A2為車(chē)站角度擾動(dòng)度量對(duì)最終煙氣控制方案的影響程度.

2）約束條件分析

① 站廳層排煙模式約束

其中，0表示開(kāi)啟送風(fēng)模式，1表示開(kāi)啟排煙模式.

② 站臺(tái)層排煙模式約束

③ 排煙量約束

根據(jù)《地鐵設(shè)計(jì)規(guī)范》，地下車(chē)站站臺(tái)、站廳火災(zāi)時(shí)其排煙量按1 m3/(min·m2)乘以防煙分區(qū)的建筑面積計(jì)算，則其約束表達(dá)式為：

式中，P為車(chē)站最小排煙量，S為車(chē)站公共面積.

④ 單個(gè)設(shè)備排煙量約束

根據(jù)《高層居民用建筑設(shè)計(jì)防火規(guī)范》規(guī)定，地下車(chē)站單臺(tái)排煙機(jī)的最小排煙量不應(yīng)小于20 m3/s(或7200 m3/h)，則其約束表達(dá)式為：

3 算法設(shè)計(jì)

本文選用遺傳算法求解模型，計(jì)算過(guò)程如下：

1）簡(jiǎn)化目標(biāo)函數(shù)

式中，B為車(chē)站所能接受的最大煙氣控制成本增加量.

2）初始種群和編碼設(shè)計(jì)

本文實(shí)數(shù)編碼原則為：對(duì)于排煙模式，0表示送風(fēng)，1表示排風(fēng)；排煙設(shè)備功率24~120 m3/s，步長(zhǎng)為12，2表示24 m3/s，10表示120 m3/s.

3）適應(yīng)度函數(shù)

選取minA1作為適應(yīng)度函數(shù)，取值越小，表明個(gè)體適應(yīng)度越好，反之則越差.

4）生成新種群

選擇：選擇適應(yīng)度好的算子遺傳到新的種群中.

交叉：選擇兩個(gè)相互配對(duì)的染色體按某種方式互相交換部分基因，從而形成兩個(gè)新的個(gè)體.

變異：根據(jù)變異概率將親代個(gè)體編碼串中的某些基因用其他基因代替，從而形成新的個(gè)體.

4 算例分析

本文以廣州地鐵13號(hào)線白江站為背景，運(yùn)用MATLAB軟件求解模型. 設(shè)置遺傳算法的相關(guān)參數(shù)，得到地鐵站火災(zāi)煙氣控制方案基因型如表2所示，再根據(jù)編碼原則對(duì)該煙氣控制方案基因型進(jìn)行解碼，可得如表3所示的煙氣控制干擾管理方案.

表2 地鐵站火災(zāi)煙氣控制方案基因型

表3 地鐵站火災(zāi)煙氣控制干擾管理方案

根據(jù)表3的煙氣控制干擾管理方案設(shè)置仿真模型排煙設(shè)備的模式和功率，得到的仿真結(jié)果見(jiàn)表4和表5.

表4 各探測(cè)點(diǎn)的溫度值

表5 各探測(cè)點(diǎn)的能見(jiàn)度值

由表4和表5可以看出，除了靠近火源的探測(cè)點(diǎn)11-外，其余探測(cè)點(diǎn)都保持在火災(zāi)前的20C°溫度及30 m能見(jiàn)度，與初始方案相比，這兩個(gè)指標(biāo)都在人體更加能夠接受的范圍內(nèi). 證明了干擾管理方案可以及時(shí)將煙氣從車(chē)站排出，并將其控制在火源附近，防止了煙氣擴(kuò)散.

5 結(jié)論

本文基于干擾管理的煙氣控制模型在地鐵站發(fā)生火災(zāi)出現(xiàn)干擾事件后，能在效用時(shí)間內(nèi)將煙氣排出，減少了站內(nèi)環(huán)境恢復(fù)時(shí)間，提升了乘客安全逃生的概率. 但是本研究仍存在一些不足需要持續(xù)改進(jìn)：

1）在仿真時(shí)只假設(shè)了站臺(tái)中央起火的工況，對(duì)于車(chē)站其他位置的起火，尚未進(jìn)行分析.

2）在模型構(gòu)建方面，目標(biāo)函數(shù)和約束條件的表達(dá)、多目標(biāo)函數(shù)的處理都需要繼續(xù)進(jìn)行研究. 3）在求解算法方面，本文設(shè)計(jì)的遺傳算法的全局搜索能力強(qiáng)、求解效率高，但易出現(xiàn)局部收斂. 因此，以該算法為基礎(chǔ)與其他智能算法相結(jié)合將會(huì)是以后的研究方向.