Abstrakt

pomocí teorie celulárních automatů lze simulovat mnoho vážných problémů v reálném životě. Na veřejných místech bylo mnoho požárů, které zabíjely mnoho lidí. Navržená metoda, nazvaná celulární automaty Evaluation (CAEva ve zkratce), využívá teorii celulárních automatů a může být použita pro kontrolu stavu budov při požáru. Testy provedené na skutečné nehodě ukázaly, že vhodně nakonfigurovaný program umožňuje získat realistickou simulaci evakuace člověka. Autoři analyzovali některé skutečné nehody a dokázali, že metoda CAEva se jeví jako velmi slibné řešení, zejména v případech rekonstrukcí budov nebo dočasné nedostupnosti únikových cest.

1. Úvod

celulární automaty jsou používány některými it větvemi, včetně oblasti umělé inteligence. Skládají se ze sítě buněk, z nichž každá se vyznačuje některými specifickými státu a soubor pravidel. Změna aktuálního stavu dané buňky je výsledkem výše uvedených vlastností a vzájemných vztahů se sousedními buňkami . Teorii buněčných automatů poprvé představil americký vědec maďarského původu John von Neumann. Prokázal, mimo jiné, že i jednoduché stroje vykazují schopnost reprodukce, která byla do té doby považována za základní vlastnost živých organismů . Po mnoho let byly buněčné automaty předmětem pouze teoretických studií. S vývojem počítačů a softwaru byly optimalizační metody založené na tomto přístupu stále častěji studovány a implementovány v praxi . Díky své všestrannosti se buněčné automaty používají v mnoha oblastech reálného života, jako je biologie, fyzika a matematika, a v různých oblastech IT, jako je kryptografie nebo počítačová grafika .

1.1. Aplikace celulárních automatů

celulární automaty byly v praxi aplikovány například při simulaci provozu na ulici, kde specificky definovaný celulární automat řídí provoz . Tok vozidla je řízen v podstatě na konkrétním segmentu dané intenzity provozu . To se týká například řízení intenzity provozu na dálnicích Porúří v Německu. Monitorovací centra určená výhradně pro tento účel shromažďují data z vybraných úseků dálnic . Takto získané informace jsou analyzovány a použity pro přípravu krátkodobých simulací intenzity provozu pomocí celulárních automatů. Projekty webových stránkách zveřejňuje statistické informace o provedených studií na chování řidičů, kteří byli prewarned o možné dopravní problémy, které by mohly nastat v průběhu několika následujících hodin . Dalším příkladem použití celulárních automatů jsou demografické simulace pro daný region. Cílem těchto simulací je vytvořit model zobrazující velikost populace v dané oblasti ve formě mapy předpokládané hustoty obyvatelstva. Takové simulace mohou být založeny na známé „hře života“. Zavedením určité modifikace algoritmu je možné sledovat chování okolních buněk . Další příklady buněčné automaty implementace zahrnují zpracování obrazu, generování textur, simulace vln, vítr, a lidé, evakuace, stejně jako simulační program, vyvinutý pro účely této studie . Cílem navrženého algoritmu je vygenerovat simulace vzorců úniku člověka z budovy v plamenech s daným počtem východů a zdrojů požáru .

1.2. Mřížka buněčných automatů

mřížka nebo diskrétní prostor, kde probíhá evoluce buněčných automatů, se skládá ze sady identických buněk . Každá z buněk je obklopena stejným počtem sousedů a může předpokládat stejný počet stavů . Existují tři strukturální faktory, které významně ovlivňují mřížky formy a, jako důsledek, chování celého celulární automat :(i)velikost prostoru, který závisí na velikosti studovaného problému, příklady, které jsou uvedeny na Obrázku 1 (sítí 1D, 2D, a 3D);(ii)poskytování pravidelnost, která vyžaduje mřížky musí být vyplněn zcela identické buňky;(iii)počet sousedů (v závislosti na obou zmíněných faktorech).

Obrázek 1

Typy sítí: 1D, 2D, a 3D ].

v tomto článku autoři představují možnost simulace skutečné požární nehody, aby se zabránilo obrovským požárním nehodám. Pro tento účel autoři použili metodu hodnocení celulárních automatů, zkráceně CAEva. Tento dokument má následující organizaci. Část 2 představuje myšlenku předpovědi nebezpečí požáru, popis dvou skutečných nehod a metodu simulace CAEva s jejich okrajovými podmínkami a přenosovou funkcí. Část 3 představuje výsledky experimentu, kdy byly simulovány zmíněné dvě skutečné požární nehody. Konečně Oddíl 4 se skládá z konečných závěrů.

2. Předpovídání nebezpečí požáru

2.1. Požární nehody na veřejných místech

požáry jsou jednou z nejvíce nekontrolovatelných kalamit, zejména pokud k nim dochází uvnitř. Bez ohledu na funkci budov, zda se jedná o obytnou, obchodní nebo jinou budovu, musí být její konstrukce v souladu s požárními předpisy. Šířka chodeb, počet nouzových východů a přípustný počet osob pobývajících uvnitř současně mají vážný dopad na bezpečnost svých uživatelů. Jednoduchá přítomnost dveří na půdorysu nestačí; musí být otevřené. V mnoha případech vysoký počet obětí pramenil z uzamčených dveří nouzového východu. V posledních desetiletích došlo k řadě katastrofálních požárů na veřejných místech, jako jsou restaurace a noční kluby. Tabulka 1 uvádí některé příklady takových nehod a uvádí počet obětí. Jak můžete vidět z předložených údajů, tam bylo mnoho požárů v zábavních klubů v průběhu let, působit mnoho zranění, a to bez ohledu na to, zda k nim došlo před desítkami let (1942) nebo v nedávné době (2013).

2.2. Případ nehody požáru nočního klubu kiss

událost s názvem „Aglomerados“ začala v sobotu 26.ledna 2013 v 23:00 UTC v nočním klubu Kiss. V klubu byli studenti šesti univerzit a lidé z technických kurzů na Federální univerzitě v Santa Maria . V časných ranních hodinách následujícího dne došlo k požáru, zatímco studenti drželi Osvěžovač a vypukla panika. Svědci vypověděli, že příčinou požáru byla buď světlice ohňostroje zapálená členy hudební kapely hrající během večírku. Požár způsobil zřícení střechy v několika částech budovy a uvěznil mnoho lidí uvnitř. Hasiči našli v klubové koupelně několik těl. V okamžiku požáru bylo uvnitř klubu asi 2000 lidí. Tento počet zdvojnásobuje maximální kapacitu budov 1 000. Při této katastrofě zemřelo nejméně 231 lidí a stovky dalších byly zraněny. Mnoho úmrtí bylo zřejmě způsobeno vdechováním kouře, zatímco další oběti byly pošlapány ve spěchu pro východy. Obrázek 2 představuje schéma nočního klubu Kiss.

Obrázek 2

2.3. Kokos Grove Fire Nehodu,

Kokosové Háje byla restaurace postavena v roce 1927 a nachází se na 17 Podhorské Ulici, v blízkosti Park Square, v centru Bostonu, Massachusetts . Podle zákazu, to bylo velmi populární v 1920. stavba byla jednopodlažní, se suterénem pod. Suterén se skládá z baru, kuchyně, mrazniček a úložných prostor. První patro obsahovalo velká jídelna a taneční sál s pódiem, spolu s několika bar oblasti oddělené od sálu. Jídelna měla také zatahovací střechu pro použití během teplého počasí, aby byl výhled na Měsíc a hvězdy. Hlavní vchod do háje Cocoanut byl přes Otočné dveře na straně Piedmont Street. V sobotu 28. listopadu 1942 došlo k velmi velké požární nehodě. Během toho večera, busboy byl nařízen opravit žárovku umístěnou na vrcholu umělé palmy v rohu sklepního baru. O chvíli později začaly hořet dekorace. Když se ostatní zařízení vznítilo, ohnivá koule plamene a toxického plynu se rozběhla po místnosti směrem ke schodům. Otočné dveře se zasekly kvůli rozdrcení panických patronů. Spousta lidí uvízla v ohni. Později bylo odhadnuto, že v době požáru bylo uvnitř Háje více než 1000 osob. Konečný počet mrtvých, zřízený Komisař Reilly byl 490 mrtvých a 166 zraněných, ale počet zraněných lidí byl počet pacientů léčených v nemocnici a později propuštěn, když mnoho lidí bylo zraněno, ale ne usilovat o hospitalizaci. Obrázek 3 představil schéma Háje Cocoanut.

Obrázek 3

Kokos Grove režimu .

2.4. Caeva Simulation Method

caeva simulation method je program připravený za účelem zkoušení scénářů požárního úniku v budovách . Pomáhá porovnávat různé výsledky simulace a vyvodit vhodné závěry. Program byl implementován v prostředí C++Builder, což je objektově orientovaný programovací nástroj v prostředí Windows a je k dispozici zdarma na webu AIRlab . Program umožňuje kreslení desky jakékoli velikosti, včetně plánu jednopodlažní budovy, lokalizovat lidi uvnitř a označit zdroj ohně. Deska se skládá z mřížky buněk. Každá buňka může předpokládat pouze jeden z následujících stavů: oheň, zeď, osoba, osoba v ohni nebo prázdná buňka. Obrázek 4 představuje diagram stavů pro jednu buňku v automatu simulace požáru.

obrázek 4

schéma buněčných stavů.

2.5. Okrajové podmínky

diskrétní prostor, kde dochází k různým vývojům buněčných automatů, zahrnuje d-dimenzionální, teoreticky nekonečnou mřížku. Vzhledem k tomu, že tento druh mřížky nelze implementovat do počítačové aplikace, je reprezentován ve formě omezené tabulky. Proto je nutné nastavit okrajové podmínky na hranicích mřížky, tj. Soubor základních podmínek je znázorněn na obrázku 5. Tyto podmínky jsou analogické po rotaci mřížky o 90 stupňů, takže další uspořádání bylo přeskočeno jako triviální. Tato pravidla byla použita pro simulaci buněčného pohybu ve zdi směrem:(i)rovinu pohybu: stav buněk zůstává beze změny,(ii)diagonální pohyb: stav buněčné změny do prázdné jeden, protože úhel dopadu se rovná úhlu odrazu, stavu buňky do zrcadla, obraz se změní do stavu buňky, který inicioval návrh,(iii)návrh podmínek:(iv)pohyb je možné v případě, že cílová buňka je v prázdném stavu. V opačném případě buňka nezmění svůj stav, (v) pokus o pohyb buňky ve stavu „osoba“ do buňky ve stavu „oheň“ zvyšuje počet popálenin iniciační buňky.

Obrázek 5

Okrajových podmínek (odrazu od mřížky, hrany).

zvláštním případem je pokus o pohyb z rohu desky. Odraz ve třech iniciačních směrech nemění stav buňky, ale může ji změnit v důsledku pokusu o pohyb v následujících pěti směrech. Je třeba také poznamenat, že pohybová pravidla a podmínky se vztahují na buňky ve stavu“ osoba „i ve stavu“ oheň“. Pole, do kterých nelze pohyb provést, jsou buňky ve stavu „zeď“. Podmínky odrazu se vyskytují na okraji mřížky celulárních automatů, což představuje bariéru, ze které se pohybují virtuální objekty (ve vizuálním smyslu). Tyto podmínky se používají k simulaci uzavřených empirických prostorů.

2.6. Přenosová funkce

vývoj celulárních automatů probíhá v diskrétním čase určujícím po sobě jdoucí cykly zpracování. Každý diskrétní moment se používá pro aktualizaci stavu jednotlivých buněk; každý automat je tedy dynamickým objektem v čase. V každé iteraci může přenosová funkce zpracovat (vypočítat) všechny buňky v mřížce jeden po druhém podle konkrétních pravidel. Každá zpracovaná buňka obdrží svůj nový stav na základě výpočtu aktuálního stavu a stavů sousedních buněk. Pravidla přenosu a stavový prostor, stejně jako definované sousedství, jsou neodmyslitelnými prvky procesu vývoje buněčných automatů. Po provedení program zobrazí hlavní obrazovku připravenou k nakreslení plánu budovy a uspořádání jednotlivých prvků uvnitř. Jakmile je deska nakreslena a všechny komponenty jsou uspořádány, může uživatel spustit konfiguraci parametrů ohně a lidí a nastavení skupinového efektu. Parametry požáru jsou následující:(i)oheň zhasne sám, pokud je počet sousedů je menší než 1,(ii)oheň vyjde z přelidnění, pokud je počet sousedů je více než 3,(iii)nový oheň je generována při počet sousedů je nejméně 3,(iv)oheň je generována při počet sousedů je méně než nebo rovno 4. Parametry týkající se lidí, jsou následující:(v)pravděpodobnost, že člověk jde k východu ve výchozím stavu je 50,(vi)počet popáleniny následkem smrti je 5,(vii)skupina efekt je On/Off.

na obrazovce jsou body simulující lidi unikající k východu a šířící se oheň. Všechny události jsou zaznamenány v tabulce statistik. Zahrnují počet lidí, kteří zůstali v desce, zachráněni a zemřeli v ohni nebo rozdrcením . Získané údaje umožňují vyvodit závěry z experimentů .

2.7. Implementace OFN notace do Fuzzy pozorování skutečné požární nehody

použití uspořádaných fuzzy čísel v buněčné automatizaci se zdá být přirozeným krokem. Existuje mnoho notací fuzzy čísel, které jsou zavedeny Zadeh, Klir, Dubois et al. , a Kłopotek et al. , mimo jiné. Protože máme v tomto případě dvourozměrný aparát, ve kterém se navíc používá Mooreovo okolí, existuje osm dostupných tahů z buněk . Příklad této situace je znázorněn na obrázku 6.

obrázek 6

příklad pohybu v simulačním algoritmu.

existuje část sousedství, která je blíže k východu, a druhá část blíže ke skupině buněk v lidském stavu . Existují tedy dvě možné sady pohybů pro tuto buňku, v závislosti na determinantu . Od každé sady je čtyři-prvek, pak notaci fuzzy čísla volal nařídil fuzzy čísla zavedena, je vhodné pro její popis . Po smrti tvůrce se v některých dílech také nazývají Fuzzy čísla . V tomto zápisu má fuzzy číslo a obecně tvar lichoběžníku popsaného souřadnicemi, který je znázorněn na obrázku 8.

šipka na obrázku 8 ukazuje směr, který odráží pořadí jednotlivých souřadnic. Na takové fuzzy čísla, je možné provádět aritmetické operace popsané v literatuře :(i)sčítání: (ii)skalární násobení: (iii)odčítání: (iv)násobení: (v)divize:

dané množiny možných tahů v moorově sousedství z buňky do buňky je znázorněno na Obrázku 9. V závislosti na Nastavení algoritmu může být determinant provozu(i) směrem k nejbližšímu východu, (ii) získání nejbližšího shromáždění lidí.

determinant bude vztažen k fuzzy číslu v notaci OFN .

Definice 1. Nechť jsou dva páry fuzzy čísel. Režie se být pozitivní pro podmnožinu pohybuje blíže uvedeno determinant:dvojice souřadnic, které jsou více vzdálené od determinant bude označen negativní režie:podmnožinu buňky, které dále pohyb může být stanoveno, je dvojice fuzzy čísla splňující následující pravidla: je pozitivní, je pozitivní, PAK JEŠTĚ Z této sady párů popsány , což představuje čtyři možné pohyby v další vývoj celulární automat, jeden pár souřadnic je vypracován. Ve výchozím nastavení musí být pole, ve kterých není provoz možný, ze seznamu odstraněna. Pokud v žádné ze čtyř buněk není možný žádný pohyb, buněčný stav se nezmění. To symbolizuje situaci, kdy člověk zůstává nehybný.

3. Experiment s metodou CAEva

autoři spustili simulaci scénáře nočního klubu Kiss v programu CAEva. Umístili lidi dovnitř a založili oheň. Budova se skládá ze sedmi místností a byl zde pouze jeden východ. Modré body označují lidi a červené oheň. Na základě tohoto schématu bylo provedeno několik testů a předpokládané podmínky byly následující: cílem testu bylo simulovat požár budovy na základě určitých pravidel a vztahů. Nastavení následujících parametrů, výběr verzí a inherentní pravidla tvoří prostředí, které ovlivňuje úmrtnost. Proměnné byly(i)plán budovy podlaží, včetně počtu a umístění dveří,(ii)rozdělení definované množství lidí uvnitř budovy v určených místech,(iii)stanovení požární parametry:(a)oheň zhasne sám, když tam nejsou žádné sousedy,(b)oheň zhasne, protože přelidnění, pokud existuje více než 3 sousedy,(c)nové oheň je generována, když jsou alespoň 3 sousedy, ale ne více než 4,(iv)nastavení parametrů pro lidi (živé buňky):(a)počet popáleniny následkem smrti je ve výchozím nastavení nastavena na 5,(v), umístění zdroje ohně na palubě,(vi)určující pravděpodobnost, že lidé míří směrem k východu (tři možnosti): 25%, 50% a 75%,(vii)upřesnění, zda se lidé pohybují směrem k východu ve skupinách (dvě možnosti): s nebo bez skupiny efekt.

obrázek 10 představuje schéma Kiss nightclub před zahájením simulačního procesu. Červené čtverce představují oheň, zatímco modré představují lidi. Figura 11 představuje Kiss nightclub schéma po dokončení simulace. Obrázek 12 představuje schéma Cocoanut Grove před zahájením simulačního procesu. Červené čtverce představují oheň, zatímco modré představují lidi. Figura 13 představuje schéma Cocoanut Grove po dokončení simulace. Simulace byla provedena dvě stěkrát pro každou podmínku; existovalo šest podmínek, které poskytují 1200 simulací pro jednu požární nehodu. Tabulka 2 uvádí průměrné výsledky provedené simulace. S ohledem na skutečné údaje o počtu úmrtí v Polibku požáru klubu, výsledek, který byl nejblíže ke skutečnému úmrtí bylo dosaženo použitím 75% pravděpodobnost, že lidé jdou k východu a se skupinou efekt off. Tabulka 3 porovnává průměrné výsledky s reálnými čísly.

Jak můžete vidět v Tabulce 2, zvýšení pravděpodobnosti lidí míří k východu snižuje počet lidí, kteří umírají v důsledku požáru. Počet obětí klesá pouze tehdy, když je účinek skupiny zapnutý. Navíc celkový počet lidí, kteří přežili oheň, také zvyšuje pravděpodobnost, že lidé pohybující se směrem k východu zvyšuje.

Jak je uvedeno v Tabulce 3, nejmenší relativní chyba byla získána v nepřítomnosti skupina efekt a na hodnotu 75% lidí míří k východu. Největších chyb bylo dosaženo se zapnutým skupinovým efektem a s 25% pravděpodobností, že lidé půjdou k východu. To by mohlo znamenat, že v případě tohoto požáru Skupinový efekt nefungoval a lidé hledali cestu ven sami.

jak můžete vidět v tabulce 4, zde také zvýšení pravděpodobnosti odchodu z areálu snížilo počet lidí, kteří zemřeli při požáru. Tabulka 5 porovnává průměrné výsledky s reálnými čísly. Nejmenší chyba byla získána pro efekt skupiny se zdravotním postižením, ale s hodnotou 50% lidí směřujících k východu. To může znamenat, že v případě požáru v tomto klubu, skupiny vliv také nefunguje, ale lidé neměli spěchat opustit klub, který způsobil tragický účinek.

míra úmrtnosti závisí na místě ohniska požáru. Pokud oheň blokuje jakoukoli místnost, pak lidé, kteří tam pobývají, nejsou schopni uniknout a dosáhnout východu, i když se k němu pohybují se 100% pravděpodobností. Skupinový efekt použitý v programu nemusí nutně pomoci při útěku lidí z budovy. Může generovat dav, protože lidé hledají jiné, aby vytvořili skupiny, a tak může dojít k pošlapání. Když člověk nemá žádný směr, kdy by se mohl pohybovat, je pošlapán. Na obrázcích 6-9 jsou místo požáru a šíření ohně označeny červeně. In contrast, blue indicates the location of people at the start of an event, a fire.

(a)

(b)

(c)

(d)

(a)
(b)
(c)
(d)

Figure 7

The OFN visualization of Nx-positive (a), Ny-positive (b), Nx-negative (c), and Ny-negative (d).

Obrázek 8

Fuzzy číslo s příponou.

Obrázek 9

Funkční špatné.

Obrázek 10

Kiss klub schématu s lidmi a oheň v CAEva program.

Obrázek 11

CAEva program po simulaci požáru v Kiss klub.

Obrázek 12

Kokos Grove schématu s lidmi a oheň v CAEva program.

Obrázek 13

CAEva program po simulaci požáru v Kokosovém Háji.

4. Závěry

Jak je vidět, provedena simulace může pomoci pochopit, jak se lidé chovali v době požáru, zda oni následovali dav v hledání výstupu, zda byly samy, nebo byli odhodlaní najít cestu ven. V jednom případě lidí, ukázal, vyšší úroveň stanovení (75% pravděpodobnost, že se dostanete k východu), zatímco v druhém případě byla úroveň nižší (50%). Simulace lze použít jako varování při analýze úrovně zabezpečení, ale také jako prvek podrobné analýzy událostí, ke kterým došlo.

porovnání navrhované metody se skutečným případem ukázalo, že je velmi obtížné vytvořit simulaci scénáře požárního úniku. Nejnáročnějším prvkem je chování lidí, které se může stát stochastickým a nepředvídatelným. Autoři této studie se podařilo vytvořit scénář útěk lidí z budovy pomocí celulárních automatů, realizace, která byla předmětem této práce. Použití vhodné konfigurace programu: určení pravděpodobnosti osoby směřující k východu, parametry požáru a zapnutí / vypnutí skupinového efektu umožňují vyvodit následující závěry. Při použití skupinového efektu v programu je počet lidí, kteří zemřou v důsledku pošlapání, větší než v případě, kdy je tento efekt zakázán. Úmrtnost stoupá, když lidé nejsou schopni se pohybovat v libovolném směru, což je výsledkem jednotlivci shromažďují ve skupinách, které vytvářejí oblasti s vysokou hustotou, kde pošlapávání často vyskytuje. Výsledky, které se ukázaly být nejblíže skutečným číslům, byly dosaženy, když hodnota pravděpodobnosti, s níž lidé uniknou, byla kolem 50-75%. Překážky, které ovlivňují rozhodovací proces při evakuaci patří, mimo jiné, omezená viditelnost kvůli kouři, vyplývající ze spalování hořlavých materiálů, vysoká teplota, jedovaté plyny. Výsledek dosažený metodou CAEva může poskytnout cenné informace pro architekty a stavební konstruktéry. Výsledky získané z programu potvrzují tezi, že nezákonné nebo nezákonné blokování únikových cest uvnitř budov může mít tragické důsledky v každé fázi provozu budovy. Lidé, kteří jsou odpovědní za požární bezpečnost a strukturální bezpečnostní kontroly, mohou použít takové nástroje k ospravedlnění svých rozhodnutí, která se někdy mohou zdát příliš přísná. Aby byla simulace ještě realističtější, stojí za to zvážit možnost automatické změny parametru souvisejícího s pravděpodobností, že se osoba během simulace pohybuje směrem k východu. Je také možné přidat další podmínky, aby byly poskytnuty přesnější výsledky. Budoucí experimenty by měly tuto skutečnost vzít v úvahu.

Střet Zájmů

autoři prohlašují, že neexistují žádné střety zájmů týkající se zveřejnění této práce.