论文部分内容阅读
摘 要：以steering技术为基础，使用Pathfinder建立客船人员疏散仿真模型，利用“SAFEGUARD”项目中验证数据进行模型验证。由于“SAFEGUARD”项目中人员年龄、速度、路径等参数未知，基于合理假设条件和参数设置，对模型中人员疏散路径以及疏散时间进行仿真测试，并对测试结果进行适用性验证。实验结果表明，本文建立的疏散模型符合IMO相关标准，可为客船舱室设计以及疏散方案设计和优化提供支持。
关键词：客船人员疏散;steering;仿真建模;适用性验证
中图分类号：U695.1 文献标识码：A 文章编号：1006—7973（2021）04-0082-03
1引言
如今，航运业的发展导致新建的船舶走向大型化，载客量也随之变大。现代客船往往可以承载数千人，虽然涉及大型客船的事故很少发生，但一旦发生事故，其后果也是灾难性的。由于客船结构特殊，考虑到人员安全及隐私等方面因素，对客船进行疏散演习以获得乘客及船员的行为数据较为困难。因此，计算机仿真成为研究客船人员疏散的较好选择。
对于疏散模型研究，通常将模型分为宏观和微观模型2种，宏观模型利用流体力学模型将人员看作水流，忽略个人之间的相互影响，无法模拟个体之间的特殊性以及复杂疏散行为。微观模型注重人群中个人之间的相互作用及影响，主要以元胞自动机模型[1]和社会力模型[2]为代表。
在现有的客船人员疏散模型中，英国格林威治大学消防安全工程组[3]对泰晤士河上一艘游轮进行疏散实验得到的数据而建立了基于元胞自动机的复杂疏散模型，该模型下人员运动由数十个指标综合决定，但为了简化仿真计算过程，其疏散模型只是将各个客舱划分为面积较大的正方形网格，使得仿真结果与真实结果相差相对较大;Balakhontceva[4]将风向、波高等因素引入疏散模型，以社会力模型为基础，建立了基于Multi-Agent技术的人员疏散模型，并对其进行了仿真验证，其疏散模型准确度高，但计算复杂，所需硬件要求高且计算速度慢。
基于此，本文基于pathfinder平台，建立了基于steering技术的疏散模型，并运用“SAFEGUARD”项目中验证数据，依据IMO客船人员疏散指南MSC.1/Circ 1533[8]，对模型进行验证
2基于steering技术的客船人员疏散模型
Steering技术是由Craig[5]于1999年提出的关于游戏中人员行为的复杂运动模型。该模型尽最大可能的模拟真实情况下的人类行动。该模型将人员分为两种状态，闲置状态和寻路状态，闲置状态即人员由于某些原因静止不动，寻路状态指人员试图遵循某条路径到达目的地。
当人员沿着他们的路径移动时，他们计算出修正的最大速度，其取决于乘员的当前地形、用戶指定的最大速度以及周围人员的间距。具体公式如下：
是用户输入的最大速度，是用户中定义的最小速度因子（默认值= 0.15），D是当前房间中的人员密度。
对于人员速度的方向，在闲置状态和人员速度的情况下，以人员正前方为起始方向，间隔45°，共8个方向， 使得人员得以在各个方向上移动;若人员速度，以人员规划路径的切线方向为起始方向，以15°为间隔，左右任一侧各75°，选取人员9个方向。通过对指标进行加权近似计算，得出最终速度方向。
在闲置状态下，权重计算公式如下：
在寻路状态下，权重计算公式如下：
在Pathfinder中，路径规划由A*算法确定，人员行动由Steering技术驱动，通过Multi-Agent技术进行仿真实现。
3客船人员疏散仿真实验
本文使用SAFEGUARD项目[6][7]中SGVDS1[10]作为模型仿真及验证对象。SGVDS2是美国皇家加勒比邮轮公司的一艘名为“海洋珠宝”号的大型邮轮，该船船长293.25m，船宽32.2m，乘客定员3360人，共12层甲板，包括客舱、餐厅、酒吧、剧院、赌场、健身房等各种设施，船舱设计复杂，该邮轮共有4个集合站，40架楼梯。如图1所示，集合站A、B、C分别位于该船四层甲板的尾部、右舷、左舷;集合站D位于邮轮五层甲板的中部。
该疏散实验共有2292人参与，人群由主要人群和次要人群两个群体组成。主要人群人数为1950人。这些人员为佩戴IR标签的乘客，因此他们在船舶各层甲板的起始位置、终止位置和到达时间是已知的;次要人群人数为342人，这些人员由于个人隐私或其他原因没有佩戴IR标签，在实验中，疏散中次要人群的存在也对整个撤离有较大影响，特别是在高度拥挤的地区，但他们的起始位置、终止位置和到达时间是未知的。在疏散模型建立时也应考虑次要人群的存在。在疏散行动进行中，共有282人丢失其IR标签，因此该次实验共有1779个有效数据。
对于人员行走速度，本文采用IMO发布的客船人员疏散指南MSC.1/Circ 1533[8]中的规定。由于指南和SAFEGUARD项目的实船数据中并未给出人员的身体尺寸数据，根据Fruin[9]的定义，本文建模时男性肩宽设置为均值为43.2cm，方差为0.84，最小值为42.7cm，最大值为47.3cm的正态分布，女性肩宽设置为均值为39.6cm，方差为0.94，最小值为39.1cm，最大值为44.4cm的正态分布。
实验主要研究疏散总时间以及各个集合站的疏散时间。对该船的12层甲板逐一建模，并按照真实情况布置主要人员，次要人员的513人按照蒙特卡洛方法随机分布于各层甲板中。将模型进行50次的仿真实验，求其均值以消除随机影响，最终结果如图2-图6所示。 4仿真数据拟合度分析
本文按项目文件[10]中所采用EPC、SC、%TAT三个指标[10]来确定仿真数据与真实数据的相似程度。具体公式如下：
EPC表示仿真（m）与实测（E）曲线之间的最佳可能评价等级。SC表示仿真（m）与实测（E）曲线之间的相似程度。%TAT是仿真的疏散总时间与实测的疏散总时间之间的百分比差异。3个指标的标准范围，具体为： 0.8EPC1.2;当s/n=0.05时，SC0.6;%TAT45%。
仿真数据以及实验数据如表1所示
由表1数据可知，两套方案都符合IMO认证标准，当使用最短路径进行仿真实验时，疏散总时间为1289s;当使用随机路径时，疏散总时间为1587s，与实测数据接近，可见该模型各项指标均符合IMO的认证标准，可以用于客船人员疏散及其他相关研究。
5结论
本文以steering技术为基础，Pathfinder为平台，建立了基于Multi-Agent模型的客船人员疏散模型，并对真实的三层客滚船进行建模仿真，通过设置不同参数得出不同路径下人员疏散模拟数据，与“SAFEGUARD”项目发布的验证数据进行适用性分析验证，仿真数据基本与验证数据曲线吻合，证明基于Pathfinder建立的以steering技术为基础的疏散模型可用于客船的疏散建模仿真及其他相关研究。
参考文献：
[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：国家重点研发计划“水上应急救援关键技术及应用示范”（2018YFC0810402）
关键词：客船人员疏散;steering;仿真建模;适用性验证
中图分类号：U695.1 文献标识码：A 文章编号：1006—7973（2021）04-0082-03
1引言
如今，航运业的发展导致新建的船舶走向大型化，载客量也随之变大。现代客船往往可以承载数千人，虽然涉及大型客船的事故很少发生，但一旦发生事故，其后果也是灾难性的。由于客船结构特殊，考虑到人员安全及隐私等方面因素，对客船进行疏散演习以获得乘客及船员的行为数据较为困难。因此，计算机仿真成为研究客船人员疏散的较好选择。
对于疏散模型研究，通常将模型分为宏观和微观模型2种，宏观模型利用流体力学模型将人员看作水流，忽略个人之间的相互影响，无法模拟个体之间的特殊性以及复杂疏散行为。微观模型注重人群中个人之间的相互作用及影响，主要以元胞自动机模型[1]和社会力模型[2]为代表。
在现有的客船人员疏散模型中，英国格林威治大学消防安全工程组[3]对泰晤士河上一艘游轮进行疏散实验得到的数据而建立了基于元胞自动机的复杂疏散模型，该模型下人员运动由数十个指标综合决定，但为了简化仿真计算过程，其疏散模型只是将各个客舱划分为面积较大的正方形网格，使得仿真结果与真实结果相差相对较大;Balakhontceva[4]将风向、波高等因素引入疏散模型，以社会力模型为基础，建立了基于Multi-Agent技术的人员疏散模型，并对其进行了仿真验证，其疏散模型准确度高，但计算复杂，所需硬件要求高且计算速度慢。
基于此，本文基于pathfinder平台，建立了基于steering技术的疏散模型，并运用“SAFEGUARD”项目中验证数据，依据IMO客船人员疏散指南MSC.1/Circ 1533[8]，对模型进行验证
2基于steering技术的客船人员疏散模型
Steering技术是由Craig[5]于1999年提出的关于游戏中人员行为的复杂运动模型。该模型尽最大可能的模拟真实情况下的人类行动。该模型将人员分为两种状态，闲置状态和寻路状态，闲置状态即人员由于某些原因静止不动，寻路状态指人员试图遵循某条路径到达目的地。
当人员沿着他们的路径移动时，他们计算出修正的最大速度，其取决于乘员的当前地形、用戶指定的最大速度以及周围人员的间距。具体公式如下：
是用户输入的最大速度，是用户中定义的最小速度因子（默认值= 0.15），D是当前房间中的人员密度。
对于人员速度的方向，在闲置状态和人员速度的情况下，以人员正前方为起始方向，间隔45°，共8个方向， 使得人员得以在各个方向上移动;若人员速度，以人员规划路径的切线方向为起始方向，以15°为间隔，左右任一侧各75°，选取人员9个方向。通过对指标进行加权近似计算，得出最终速度方向。
在闲置状态下，权重计算公式如下：
在寻路状态下，权重计算公式如下：
在Pathfinder中，路径规划由A*算法确定，人员行动由Steering技术驱动，通过Multi-Agent技术进行仿真实现。
3客船人员疏散仿真实验
本文使用SAFEGUARD项目[6][7]中SGVDS1[10]作为模型仿真及验证对象。SGVDS2是美国皇家加勒比邮轮公司的一艘名为“海洋珠宝”号的大型邮轮，该船船长293.25m，船宽32.2m，乘客定员3360人，共12层甲板，包括客舱、餐厅、酒吧、剧院、赌场、健身房等各种设施，船舱设计复杂，该邮轮共有4个集合站，40架楼梯。如图1所示，集合站A、B、C分别位于该船四层甲板的尾部、右舷、左舷;集合站D位于邮轮五层甲板的中部。
该疏散实验共有2292人参与，人群由主要人群和次要人群两个群体组成。主要人群人数为1950人。这些人员为佩戴IR标签的乘客，因此他们在船舶各层甲板的起始位置、终止位置和到达时间是已知的;次要人群人数为342人，这些人员由于个人隐私或其他原因没有佩戴IR标签，在实验中，疏散中次要人群的存在也对整个撤离有较大影响，特别是在高度拥挤的地区，但他们的起始位置、终止位置和到达时间是未知的。在疏散模型建立时也应考虑次要人群的存在。在疏散行动进行中，共有282人丢失其IR标签，因此该次实验共有1779个有效数据。
对于人员行走速度，本文采用IMO发布的客船人员疏散指南MSC.1/Circ 1533[8]中的规定。由于指南和SAFEGUARD项目的实船数据中并未给出人员的身体尺寸数据，根据Fruin[9]的定义，本文建模时男性肩宽设置为均值为43.2cm，方差为0.84，最小值为42.7cm，最大值为47.3cm的正态分布，女性肩宽设置为均值为39.6cm，方差为0.94，最小值为39.1cm，最大值为44.4cm的正态分布。
实验主要研究疏散总时间以及各个集合站的疏散时间。对该船的12层甲板逐一建模，并按照真实情况布置主要人员，次要人员的513人按照蒙特卡洛方法随机分布于各层甲板中。将模型进行50次的仿真实验，求其均值以消除随机影响，最终结果如图2-图6所示。 4仿真数据拟合度分析
本文按项目文件[10]中所采用EPC、SC、%TAT三个指标[10]来确定仿真数据与真实数据的相似程度。具体公式如下：
EPC表示仿真（m）与实测（E）曲线之间的最佳可能评价等级。SC表示仿真（m）与实测（E）曲线之间的相似程度。%TAT是仿真的疏散总时间与实测的疏散总时间之间的百分比差异。3个指标的标准范围，具体为： 0.8EPC1.2;当s/n=0.05时，SC0.6;%TAT45%。
仿真数据以及实验数据如表1所示
由表1数据可知，两套方案都符合IMO认证标准，当使用最短路径进行仿真实验时，疏散总时间为1289s;当使用随机路径时，疏散总时间为1587s，与实测数据接近，可见该模型各项指标均符合IMO的认证标准，可以用于客船人员疏散及其他相关研究。
5结论
本文以steering技术为基础，Pathfinder为平台，建立了基于Multi-Agent模型的客船人员疏散模型，并对真实的三层客滚船进行建模仿真，通过设置不同参数得出不同路径下人员疏散模拟数据，与“SAFEGUARD”项目发布的验证数据进行适用性分析验证，仿真数据基本与验证数据曲线吻合，证明基于Pathfinder建立的以steering技术为基础的疏散模型可用于客船的疏散建模仿真及其他相关研究。
参考文献：
[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：国家重点研发计划“水上应急救援关键技术及应用示范”（2018YFC0810402）