英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
基于实验场景和各种疏散数据的先进客轮人员疏散分析方法验证
Kwang-Phil Park，Seung-Ho Ham，Sol Ha
摘 要：用于计算整个疏散时间的人员疏散分析适用于所有客轮。计算机模拟是计算疏散时间的一种方法，这种方法模拟了在紧急情况下人类行为的各种影响。之前基于最新人类行为算法的研究，乘客疏散仿真系统（SIMPEV）已被开发来用于进行疏散分析。已经表明，SIMPEV基本满足了国际海事组织海事安全委员会(MSC)《Circ 1238》中提出的11个测试案例。本文的工作重点是通过使用“保障验证数据集1和2”对SIMPEV进行验证，该方法在两艘全尺寸船舶上进行了真实的疏散试验，并将模拟数据与实验数据进行了比较。总疏散时间由SIMPEV基于验证数据集(如图纸、初始分布和结束位置)计算得到。在对50次模拟的结果进行分析并与统计方法中的实验数据进行了比较后，其结果表明，SIMPEV满足每个数据集的接收标准。此外，该结果也表明了其与别的仿真程序的相似之处。
关键词：疏散分析、客船、人类行为、保障项目
1引言
为了改善客船的安全，我们已经做出了许多努力，特别是对于一些紧急的情况，如火灾和洪水。在这些努力中，包括根据国际海事组织（IMO）海事安全委员会（MSC）的《Circ 1238》，对“新和现有客船的疏散分析准则”[1]进行了疏散分析，为总疏散时间提供了指导方针。疏散分析分为简化疏散分析和高级疏散分析两种方法。在前者中，总疏散时间是用规则给出的经验方程计算的，而在后者中，总疏散时间是通过计算机模拟来估计的。一些研究机构最近开发了用于高级疏散分析的计算机程序，其中包括由DSME和SNU(首尔国立大学)开发的SIMPEV软件[2,3]。
当乘客们通过走廊向指定的组装站移动时，有必要通过一些算法和假设来反映计算机模拟中的人类行为。例如，每个乘客都必须找到一条去组装站的路，并且不会被困或穿透于任何墙壁。乘客们应该根据自己的年龄和性别拥有自己特有的速度。此外，也应该考虑到乘客们聚在一起并跟随着领导的群体行为。
IMO MSC/Circ.1238提出了对高级疏散分析软件进行验证的11个测试用例，但由于这些测试主要是在简单的间隔内进行的单元功能测试，即使一个程序满足所有的测试用例，该程序估计的总疏散时间也可能与实际的疏散时间有所不同。因此，为了获得真正的疏散数据，我们通过保障项目[4]对两艘全尺寸船分别进行疏散试验。从试验中得到的验证数据集可以用于验证和校准疏散分析软件。
本论文其余部分的内容如下。第2章简要回顾了利用SIMPEV实现的算法和仿真过程。第3章总结了保障项目的目的和主要成果。第4章和第5章给出了SIMPEV应用于保障项目数据集的仿真和验证结果。最后，基于第6章的验证结果，在本文第7章给出了结论。
2 SIMPEV-对客船进行高级疏散分析的综合系统
SIMPEV包含许多方便的功能和GUIs (图形用户界面)。SIMPEV的主要视图如图1所示。
图1 SIMPEV主要视图
2.1算法
为了描述客轮周围和内部的人员运动，在SIMPEV中实施了每个乘客或组的一些行为模型。SIMPEV中使用的主要算法如表1所示。关于算法的更详细的信息可以在Roh等人[3]和Cho[5]的论文中找到。
表1 在SIMPEV中实施的算法
|
算法 |
|
|
行为模型 |
Velocity-based模型 |
|
几何表示法 |
基本行走方向网格可见图 |
|
运动模型 |
Inter-person距离(蜂拥算法) |
|
领导者追随行为 |
领导跟随算法 |
|
反流行为 |
反流算法 |
假设一个人类模型会选择从起始位置到目的地的最短路径作为它的逃跑路线。当基本的行走方向被分配到网格中时，人类模型就可以很容易地找到它的逃跑路线。然后，由于周围乘客的影响，基本的行走方向被人群行为算法修改，如群集，领导跟随，和反流算法。不管这些模型的目的地是哪里，群集和反流算法都受到这个人类模型周围的其他人类模型的影响。另一方面，领导跟随算法只会受到向同一目的地移动的人类模型的影响。
2.2疏散分析仿真程序
SIMPEV的疏散分析仿真程序如图2所示。
-建模(图2-(1)):客船的舱室一般由公共空间、服务空间和船舱组成。当模拟开始时，所有乘客和机组人员都要留在这些空间里。这些空间被建模为房间。通道，如走廊和楼梯，被定义为乘客和机组人员用来到达目的地的空间，又可称之为组装站。如果有甲板的CAD文件，那么这些可以被用作背景图像。
-初始分布(图2-(2)):根据在模拟前被分配的白天或夜间的疏散场景，将乘客和机组人员随机分配到公共空间、服务空间和舱室。每个房间都有其指定的组装站，被分配在房间里的乘客和机组人员在疏散时可以朝着这些组装站移动。
-运行仿真(图2-(3)):根据IMO MSC/Circ.1238的规定，每种情况至少需要模拟50次。这些情况应由10次随机生成的人群组成，每次人群分布应重复5次模拟。
-结果(图2-(4)):从这50次模拟中可以获得总疏散时间和最长通过时间。
图2 SIMPEV高级疏散分析的仿真程序
2.3乘客和机组人员的建模
每名乘客的行走速度在IMO MSC/Circ.1238[1]中根据其年龄和性别分别定义。不同的乘客和机组人员有不同的身体颜色和形状，如图3和表2所示。
图3 乘客和机组人员的模型
表2 乘客的年龄用身体颜色表示
|
年龄 |
身体颜色 |
|
小于30岁 |
蓝色 |
|
30岁至50岁 |
绿色 |
|
大于50岁 |
红色 |
|
大于50岁且行动障碍（1） |
灰色 |
|
大于50岁且行动障碍（2） |
黑色 |
2.4通过IMO测试验证SIMPEV
为了验证算法，IMO MSC/Circ1238[1]附件3中提供了相关测试。测试包括检查程序的各个组件是否按预期执行，其中一种测试包括通过基本测试场景运行软件以确保模型的主要子组件按预期运行。此外，测试还关注了在知情期望下预测人类行为的性质。这些测试列在表3中。在本章中，只介绍了其中的两个代表性的测试。
表3 IMO MSC/Circ.1238推荐的为验证高级疏散分析方案的测试
|
测试 |
描述 |
|
测试1 |
在走廊上保持固定的步行速度 |
|
测试2 |
上楼梯保持步行速度 |
|
测试3 |
下楼梯保持步行速度 |
|
测试4 |
出口流量 |
|
测试5 |
响应时间 |
|
测试6 |
圆角 |
|
测试7 |
人口统计参数的分配 |
|
测试8 |
逆流:两间通过走廊连接的房间 |
|
测试9 |
人群从一个大的公共房间里消失 |
|
测试10 |
出口路线分配 |
|
测试11 |
楼梯 |
2.4.1 IMO测试9：出口流：人群从一个大的公共场所消失
一间公共房间有四个出口且有1000人均匀分布在该房间内，乘客们可以通过最近的出口离开该房间。乘客是30- 50岁的反应及时的男性，且步行速度分布在1000人中。测试的第一步是记录总的疏散时间。第二步是关闭1号和2号门，然后重复第1步。预期的结果是，第二步清空房间所需的时间大约增加一倍。图4显示，在一个大的公共房间里的人逐渐向最近的组装站拥去，最后全部离开该房间。
图4 IMO MSC/Circ. 1238测试9：步骤一的模拟结果
在两扇门被堵住后，测试9重复。步骤2的总模拟时间是步骤1的两倍(图5)。
图5 IMO MSC/Circ. 1238测试9：步骤二的模拟结果
2.4.2 IMO测试10：出口路线分配
如图6所示，建造了一个机舱走廊部分，乘客由30至50岁的男性组成，总人数为23人。在机舱1、2、3、4、7、8、9和10的人被分配使用主出口。其余剩下的乘客被指定使用备用出口。预期的结果是，乘客会移动到被分配的出口。
每个房间都有自己的组装站。因此，将人员转移到正确的组装站是很容易的。图6显示，从左到右的8个房间的人移动到组装站A，右边4个房间的人则移动到组装站B。
图6 IMO MSC/Circ. 1238测试10：模拟结果
3保障项目——基于船的疏散分析
3.1目的
IMO MSC/Circ. 1238的测试案例主要集中在一个疏散项目的组件测试和功能验证上。例如，在40米长的走廊里，一个人的步行速度为1米/秒，那么作为组件测试的一部分，应该论证这个人能在40秒走过这段距离。尽管这些测试案例对方案都感到满意，但这并不能保证方案得到充分的验证。因此，保障项目就架在了计算机模拟与实际情况之间，这是由于大规模的乘客运动存在着巨大的不确定性，模拟并不能反映出在紧急情况下可能出现的所有因素。
保障项目和IMO MSC/Circ.1238之间存在差异。根据IMO MSC/Circ.1238的要求，有四种情况必须考虑:夜间案例、白天案例和其他案件。同时,IMO MSC /Circ.1238认为，应该考虑到机组人员从组装站转移到舱室或其他公共空间从而产生的反流。然而，保障项目中并没有包含夜间案例、白天案例和人员运动产生反流这些情况。保障项目给出的乘客初始分布和他们的意识时间与IMO MSC/Circ1238中给出的也不同。
3.2目标
作为EU(欧盟)FP7(第7个框架项目)保障项目的一部分，在海上对三种不同的客轮类型进行了5次半未宣布的大规模装配试验。从这些试验中，收集了五个乘客响应时间数据集和两个完整的验证数据集。这两个保障验证数据集(SGVDS)其中一个是在罗帕克斯渡轮(RP1)上进行试验产生的，其中1349名乘客由彩色线操作，而另一个是在一艘大型游轮(CS)上，2292名乘客由皇家加勒比国际公司运营的游轮操作。前者称为SGVDS1[6]，后者是SGVDS2[7]。
3.3验证指标
为了验证模拟方案的有效性，该保障项目提出了基于统计处理的验证指标，即模拟和实验数据的吻合程度。用三种验证指标来量化巧合的程度。第一种是欧几里德相对差(ERD)，由Eq.(1)定义，是用于评估实验数据(Ei)与仿真数据(mi)之间的平均差值。ERD值越小，说明达成的整体协议就越好。因此，当ERD为0时，意味着这两个数据是相同的。
第二种是由Eq.(2)定义的欧几里得投影系数(EPC)，由每个模型数据点(mi)相乘，用EPC将模型(m)和实验(E)向量之间的距离减小到最小值。如果EPC是1.0，则意味着模型(m)和实验(E)数据之间的差异尽可能小。
第三种是由Eq.(3)定义的sec cos (SC)，与其他两种度量方法不同的是，它提供了一种度量模型数据曲线与实验数据曲线形状匹配程度的方法。Eq.(3)包括平滑项s，它试图去除噪声。s依赖于数据集合中数据点的个数，由n给出。通常s/n是从0.01到0.05的范围，它利用了两条曲线的sec。当SC值为1.0时，表明模型(m)曲线的形状与实验(E)曲线的形状相同。
4保障验证数据集1 全文共10533字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[10725]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
