Содержание к диссертации
Введение
ГЛАВА 1. Аналитический обзор предметной области 7
1.1 Морские катастрофы и проблемы эвакуации пассажиров с судна 7
1.2 Математическое моделирование социальных систем 10
1.3 Технологии мультиагентного моделирования 17
1.4 Моделирование эвакуации с аварийного судна 20
1.5 Выводы к главе 1 24
ГЛАВА 2. Метод моделирования эвакуации с судна, находящегося в штормовых условиях 26
2.1 Общая постановка задачи мультиагентного моделирования эвакуации с судна в штормовых условиях 26
2.2. Метод моделирования движения агентов на качающейся поверхности 33
2.3 Выбор и адаптация метода моделирования качки судна для определения сил, действующих на движущихся агентов 42
2.4 Идентификация и валидация метода моделирования движения агентов в условиях качки 47
2.5 Выводы по главе 2 53
ГЛАВА 3. Разработка программной системы моделирования эвакуации с аварийного судна 54
3.1 Алгоритм и архитектура программной системы 54
3.2 Стенд для выполнения экспериментальных расчетов на основе платформы CLAVIRE
3.3 Модуль визуализации процессов эвакуации с аварийного судна 69
3.5 Выводы по главе 3 77
ГЛАВА 4. Вычислительный эксперимент по исследованию процессов эвакуации с аварийного судна 78
4.1 Исследование влияния эффекта «конкуренции» физических и социальных сил на характеристики процесса эвакуации 78
4.2 Исследование влияния скорости и курсового угла на время эвакуации с аварийного судна 83
4.3 Исследование процессов эвакуации с поврежденного судна при наличии статического крена
4.4 О применимости разработанного метода в бортовых системах обеспечения безопасности мореплавания и для обучения судоводителей действиям в экстремальных ситуациях 96
4.5 Выводы по главе 4 99
Заключение 100
Список использованных источников 102
- Технологии мультиагентного моделирования
- моделирования движения агентов на качающейся поверхности
- Модуль визуализации процессов эвакуации с аварийного судна
- Исследование процессов эвакуации с поврежденного судна при наличии статического крена
Введение к работе
Актуальность темы диссертационной работы обусловлена тенденциями применения методов математического моделирования для исследования сложных социотехнических систем реального мира в ситуациях, экспериментальное воспроизведение которых невозможно или ограничено (например, природные или техногенные катастрофы, угрожающие жизни и здоровью людей). Исследования в данной области выполняются в рамках научных школ СВ. Клименко, Л.В. Массель, Ю.И. Нечаева, А.С Бугаева и др. Особый интерес представляют социотехнические системы, находящиеся в заведомо сложных условиях эксплуатации, например, современные пассажирские суда, вмещающие до 5 тыс. пассажиров. Аварийные ситуации на море возникают внезапно и развиваются стремительно; как следствие, большинство пассажиров оказывается не готово к эффективным действиям в таких условиях. При этом 72 % всех морских катастроф происходит в штормовых условиях, когда судно подвергается интенсивным ветроволновым нагрузкам нерегулярной природы, что сильно затрудняет процессы спасания на водах.
Для принятия решений по снижению рисков жизни и здоровью людей принципиально важно учитывать индивидуальные или коллективные поведенческие реакции, позволяющие человеку избежать опасности в чрезвычайной ситуации в целом и при эвакуации с аварийных объектов - в частности. Математический аппарат моделирования эвакуации со стационарных объектов и сооружений развит достаточно хорошо; на его основе реализовано разнообразное промышленное и исследовательское программное обеспечение (AENEAS, BYPASS, Evi, maritimeEXODUS и др.). Однако применение этого математического аппарата для морских пассажирских судов ограничено невозможностью учета с его помощью воздействия внешней среды, а именно качки (например, при пожаре в порту или на рейде) или наличия статических углов крена и дифферента (посадка судна на мель). Возможности обобщения аппарата на случай эвакуации с судна в штормовых условиях (реализуемые, например, KRISO, IMEX) ограничиваются средствами моделирования кинематических характеристик перемещения людей, исходя из статических наклонов палубы, в то время как в условиях сильной качки определяющее воздействие на траекторию движения человека оказывают локальные ускорения. В экстремальных условиях принципиально важно учитывать этот фактор, поскольку он приводит к потере равновесия, падениям и возможным травмам. Как следствие, решение данной задачи экстенсивным путем невозможно: требуется создание новых и развитие существующих методов математического моделирования процессов эвакуации с подвижных объектов, которые могли бы воспроизводить динамику коллективного поведения людей на поверхности переменного наклона с учетом локальных ускорений циклической природы, обусловленных нерегулярными ветроволновыми нагрузками на объект.
Предметом исследования являются методы, вычислительные алгоритмы и комплексы программ для имитационного моделирования процессов эвакуации.
Целью исследования является разработка, анализ и программная реализация метода мультиагентного (МА) моделирования, позволяющего воспроизводить процессы эвакуации с аварийного судна в штормовых условиях с учетом влияния нерегулярной качки.
Задачи исследования:
оценить применимость существующих подходов к моделированию процессов эвакуации и на их основе сформулировать требования к методу МА-моделирования эвакуации с аварийного судна в штормовых условиях;
разработать информационную модель и метод МА-моделирования движения толпы на качающейся поверхности, учитывающие физические силы, действующие на агента в условиях сильной качки (включая движение при меняющемся ускорении, падение, сохранение равновесия за счет неподвижных предметов и пр.);
спроектировать и разработать программную среду для МА-моделирования эвакуации с качающегося судна, а также экспериментальный стенд для выполнения численных экспериментов на ее основе, функционирующий в облачной распределенной среде;
экспериментально изучить производительность разработанного метода и его программной реализации в различных модификациях, а также провести численное исследование временных характеристик процессов эвакуации при различных условиях эксплуатации судна.
Методы исследования включают в себя методы дискретно-событийного моделирования, мультиагентных систем, вычислительной гидромеханики, теории графов, теории вероятностей и математической статистики, инженерии программного обеспечения.
Научная новизна исследования заключается в том, что впервые предложен метод МА-моделирования коллективного движения агентов на подвижной поверхности, который позволяет учитывать не только наклоны, но и локальные ускорения, действующие на агентов. Это дало возможность разработать новый метод имитационного моделирования процессов эвакуации с аварийного судна в штормовых условиях, учитывающий эффекты движения толпы, обусловленные способностью человека сохранять равновесие в условиях сильной качки.
Практическую значимость определяет:
- программное обеспечение МА-моделирования процессов эвакуации с
аварийного судна, которое может использоваться в составе современных
систем исследовательского проектирования морских объектов и соору
жений, а также в бортовых системах обеспечения безопасности морепла
вания крупных пассажирских судов;
- экспериментальный стенд на основе платформы CLAVIRE, функциони
рующий в распределенной среде, предоставляющей доступ к результатам
моделирования в форме облачных сервисов, и применимый в составе
тренажерных систем и виртуальных лабораторий.
На защиту выносятся
Метод математического моделирования коллективного движения агентов на качающейся поверхности на основе совмещения феноменологического механизма социальных сил (SF1, social force) и физических сил (локальных ускорений), действующих на агента в условиях сильной качки.
Метод имитационного моделирования эвакуации с аварийного судна в штормовых условиях, учитывающий эффекты потери агентами равновесия, столкновения с препятствиями и другими агентами при циклически меняющихся наклонах палубы и локальных ускорениях, обусловленных ветроволновыми нагрузками нерегулярной природы.
Достоверность научных результатов и выводов обусловлена корректным применением математического аппарата при выводе основных уравнений метода, адекватной процедурой идентификации параметров модели на основе обобщенных экспериментальных данных, а также непротиворечивостью результатов численных экспериментов документально зарегистрированным особенностям процессов эвакуации с аварийных судов в штормовых условиях.
Внедрение результатов работы. Результаты работы использованы при выполнении проектов «Распределенные экстренные вычисления для поддержки принятия решений в критических ситуациях», дог. № 11.G34.31.0019 от 02.12.2010 г. с дополнительным соглашением № 02 от 01.03.2013 г.; «Создание высокотехнологичного производства комплексных решений в области предметно-ориентированных облачных вычислений для нужд науки, промышленности, бизнеса и социальной сферы», дог. № 21057 от 15.07.2010 г.; «Предсказательное моделирование экстремальных явлений и оценка рисков устойчивого развития сложных систем», дог. № 713581 от 10.09.2013 г.; «Облачные технологии высокопроизводительных вычислений в задачах интерактивной ЗЭ-визуализации сложных процессов и систем», соглашение № 14.В37.21.0178 от 20.07.2012 г.; «Суперкомпьютерное моделирование критических явлений в сложных социальных системах», соглашение № 14-21-00137 от 15.08.2014 г.
Апробация работы. Полученные результаты обсуждались на шести международных и всероссийских научных конференциях, семинарах и совещаниях, включая Школу суперкомпьютерных вычислений Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики (Санкт-Петербург, 2012), XVIII Байкальскую Всероссийскую конференцию "Информационные и математи-
1 Термин введен D. Helbing в 1995 г.
ческие технологии в науке и управлении" (Иркутск, 2013), 14th GeoConference on Informatics SGEM (Варна, Болгария, 2014), Международную конференцию "International Joint Conference SOCO'14-CISIS'14-ICEUTE'14" (Бильбао, Испания, 2014), Международную научно-практическую конференцию молодых ученых и специалистов "4th International Young Scientists Conference" (Афины, Греция, 2015).
Публикации. По материалам диссертации опубликовано 5 печатных работ, в том числе 4 статьи - в изданиях, индексируемых ВАК, WoS, SCOPUS.
Личный вклад автора в работах, выполненных в соавторстве, заключается в детализации постановки задачи моделирования процессов эвакуации с учетом динамических условий изменения среды; адаптации модели на основе SF к специфике учета качки судна; выводе основных уравнений метода и исследовании процессов, учитывающих влияние локальных ускорений на динамику агентов; разработке метода идентификации модели на основе обобщенных экспериментальных данных; разработке программной среды моделирования движения агентов; создании экспериментального стенда для выполнения вычислительных экспериментов на основе разработанного и заимствованного прикладного программного обеспечения; проведении и интерпретации численных экспериментов, демонстрирующих применимость предложенного метода моделирования; разработке предложений по дальнейшему использованию результатов работы.
Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы (100 источников). Работа содержит 109 страниц текста, включая 35 рисунков и 9 таблиц.
Технологии мультиагентного моделирования
Моделирование социальных и социотехнических систем является относительно новой областью знания. В 1999 г. Гилберт и Тройтщ [Gilbert, 2000] определили три периода в развитии социального моделирования на протяжении второй половины ХХ века: макромоделирование, микромоделирование и агентно-ориентированное моделирование. История развития методов моделирования социальных систем. В первой волне инноваций 1960-х гг. компьютеры использовались для моделирования процессов управления и обратных связей в масштабах отдельных организаций, различных отраслей промышленности, а также городов и мирового населения. Макромодели состоят из набора различных уравнений, которые прогнозируют распределение генеральной совокупности как глобальную функцию других систематических факторов. Приложения, разработанные в это время, обеспечивали моделирование потока сырья на фабриках, контроль инвентаризация на складе, городского движения, миграций, распространения заболеваний, демографических изменений и экологических пределов роста [Macy, 2002].
В начале 1970-х гг. в качестве единиц анализа стали рассматриваться отдельные индивидуумы (люди), но при этом особое внимание по-прежнему уделялось эмпирическому прогнозу на макроуровне. Автор статьи [Caldwell, 1997] указывает на то, что микромоделирование – это восходящая стратегия моделирования поведения взаимодействующих лиц, принимающих решения (ЛПР), в пределах большой системы. Такая стратегия моделирования использует данные репрезентативных выборок ЛПР вместе с уравнениями и алгоритмами, описывающими поведенческий процесс, для моделирования эволюции во времени каждого ЛПР и, следовательно, всей популяции. Однако такие модели не позволяют индивидуумам взаимодействовать друг с другом непосредственно и приспосабливаться к окружающей среде. Чаще всего они используются для базовых теоретических исследований, главным образом для прогнозирования макроэффектов, которые изменяют индивидуальное поведение [Macy, 2002]. В 1970 г. Хендерсон [Henderson, 1974] успешно сравнил измерения пешеходного потока с уравнениями Новье-Стокса. Такой подход был усовершенствован и реализован Хелбингом в рамках газокинетической модели движения пешеходов лишь в 1990 г. [Helbing, 1995]. Эта модель тесно связана с некоторыми газокинетическими и гидродинамическими моделями трафика. В настоящий момент модели общественных сил/факторов (social force model) для динамики передвижения пешеходов широко применяются в гибридных социальных моделях городских систем [Gilbert, 2000].
Третья волна в социальном моделировании совпала с появлением персональных компьютеров в 1980-х гг. Как и в микромоделировании, агентные модели являются восходящими и позволяют исследовать микроэлементы в глобальных структурах. Но, в отличие от изолированных акторов, в микроаналитических моделях, агенты могут свободно взаимодействовать друг с другом. Такие системы обычно включают некоторое число агентов, общающихся через сообщения, которые передаются в рамках определенной среды. Все агенты и среда представлены в виде компьютерной программы. Концепция агентно-ориентированного подхода была предложена в 1990 г. Шохемом и получила широкое распространение как в моделировании в целом, так и в моделировании социальных систем – в частности [Gilbert, 2000].
Применение мультиагентных систем (МАС) начинается с построения таких приложений, как DVMT (Distributed Vehicle Monitoring Test) [Lesser, 1983]. Система распознает события дорожного движения, а агенты в ней, отслеживая положение автомобилей на основе избыточной, противоречивой и зашумленной информации, снимаемой с датчиков, должны выработать согласованную точку зрения на конкретную ситуацию. С середины 1990-х гг. мультиагентные системы стали использоваться для решения множества коммерческих и технологических задач, например, для оптимизации сети поставщиков и логистики; моделирования потребительского поведения (социальные сети); распределенных вычислений; менеджмента трудовых ресурсов; управления транспортом; управления инвестиционными портфелями [Drogoul, 1994]. Необходимость использования методов моделирования социальных систем определяется тем, что непосредственно исследовать многие объекты и взаимодействия между ними в таких системах полностью невозможно или требуются большие ресурсы. Кроме того, в ряде случаев (пример – эвакуация с аварийного судна) проведение пассивного эксперимента невозможно, а активного – предельно затруднено (и связано, в том числе, с этическими вопросами). Современные задачи моделирования социальных систем. Согласно источникам [Helbing, 2011; Macy, 2002], моделирование социальных систем призвано решать следующие задачи в различных областях знаний. 1) Экономические задачи: средствами крупномасштабного агентного моделирования необходимо разработать т.н. «Обсерваторию финансового кризиса» – обширную систему наблюдения, анализа и прогнозирования финансовых кризисов, решения проблем экономической нестабильности (государственные долги, налогообложение, инфляция, динамика потребления и инвестиций…). 2) Задачи здравоохранения общества: создание сети по сбору данных о состоянии здоровья населения, а также организация и т.н. «обсерватории рисков для здоровья», для того чтобы отслеживать, моделировать и предсказывать распространение заболеваний; а также строить планы на случай непредвиденных обстоятельств. 3) Задачи экологии: разработка удобных в использовании инструментов информационно-коммуникационных технологий для реалистичного моделирования динамики комплексных систем и создание новых систем мотивации для рационального использования ресурсов окружающей среды (транспортная подвижность, привычки потребления, рациональное использование энергии, участие в цикле переработки, защита окружающей среды…). 4) Задачи социологии: изучение групповой динамики средствами веб-лабораторий и веб-экспериментов и интеллектуального анализа социальных данных (коллективное социальное поведение и динамика мнений); понимание основ, корней возникновения конфликтов, для того чтобы избегать или смягчать возникающие конфликтные ситуации (организованная преступность, терроризм, массовые беспорядки, конфликты, войны…). 5) Задачи кибернетики: использование анализа сетей, построение конфиденциальной надежной критической инфраструктуры, в частности, информационных систем (киберриски, злоупотребление конфиденциальными данными, шпионаж, нарушение неприкосновенности частной жизни). 6) Политические задачи: разработка механизмов координации и синхронизации, а также новых парадигм для управления сложностью (manage complexity) и соблюдения баланса власти в мультиполярном мире (между разными странами и экономическими центрами, между индивидуальными и коллективными правами, между различными коалиции и т.д.); использование т.н. электронного правительства; социальное, экономическое и политическое участие граждан. 7) Задачи демографии: создание поддержки систем информационно-коммуникационных технологий для поддержки людей в различных жизненных ситуациях. При моделировании социальных процессов следует учитывать два подхода к построению модели: с точки зрения "восходящей" (bottom up) и "нисходящей" (top-down) моделей. В восходящей модели идут от индивидуального взаимодействия к групповому, что, в свою очередь, ведет к модели общества в целом. А в нисходящем случае, наоборот, от модели общества в целом "спускаются" к моделям группового и индивидуального взаимодействия [Manley, 2014]. Моделирование передвижения людей: динамика пешеходов в толпе.
моделирования движения агентов на качающейся поверхности
Движение агентов в задачах МА-моделирования пешеходной мобильности может быть воспроизведено с использованием: RVO-подхода [Van den Berg, 2008], который построен на кинематических характеристик агентов и интерпретируется в терминах задания характерных скоростей и направлений перемещений, подстраиваемых под текущие условия. Такой подход достаточно нагляден и может за счет введения т.н. редукционных коэффициентов [Meyer-Knig, 2007] быть адаптирован для объектов, в которых меняется угол наклона палубы. Обычно такие коэффициенты рассчитываются с использованием данных, полученных в результате экспериментов по определению скорости отдельного человека при статическом изменении углов крена или дифферента. Подход RVO требует задания графа перемещений и множества препятствий OBT. Недостатком такого подхода является то, что он не учитывает динамических характеристик качки - ускорений, действующих на конкретных агентов; - силовых моделей, которые построены на феноменологической интерпретации классической задачи движения многих тел применительно к индивидам в толпе. Наиболее проработана модель социальных сил (Social Force, SF) предложенная Дирком Хельбингом [Helbing, 1995]. Согласно ей, движение пешехода может быть описано тремя составляющими: ускорение (замедление), притяжение (к объектам интереса, в том числе другим людям, членам семьи) и отталкивание (от препятствий, от других людей), которые являются мерами внутренней мотивации человека для совершения того или иного действия. Модель SF, в отличие от RVO, не требует прямого задания множества ОBT, поскольку оно естественным путем получается за счет задания потенциалов притяжения и отталкивания для вершин графа перемещений. Несмотря на то что модель SF является динамической, а не кинематической (т.е. интерпретируется в терминах ускорений, это принципиально для данного исследования), она хорошо зарекомендовала себя в моделях пешеходного движения на стационарных объектах. Ее адаптация к задачам эвакуации подвижных объектов связана со следующими проблемами: в постановке [Helbing, 1995] так называемые «social forces» являются виртуальными и безразмерными, так как они рассматриваются применительно к нематериальным объектам с унифицированной (условно - единичной) массой. Это означает, что они не могут быть простым путем суммированы с силами физической природы, действующими на человека при качке; - механизм SF основан на избегании столкновения с препятствиями за счет мотивации самого агента (задается в форме потенциала «взаимодействия» агента с препятствием). Однако в условиях сильной качки агент не всегда может избежать столкновения с препятствием. Другими словами, локальные ускорения позволяют преодолеть порог потенциала отталкивания от препятствия, что в итоге приводит к удару об него.
Общая формулировка метода моделирования на основе формализма социальных сил. В диссертационном исследовании разработан комбинированный метод моделирования перемещения агентов по качающемуся судну2, сочетающий положительные черты SF и прямой учет препятствий в RVO. Движение агентов описывается в виде задачи многих тел, в которой изменение скорости vk к-го индивидуума с унифицированной единичной массой описывается уравнением:
Может быть применен к любому динамическому объекту (поезду, самолету). агентами к и j, Fkn - сила отталкивания между агентом к и препятствием и, Fki- сила притяжения между агентом и окружающими его объектами (другие пассажиры - члены семьи, друзья; стационарные объекты - поручни или леера на стенах). Все перечисленные силы определяются согласно классической работе [Helbing, 1995]. Дополнительно введены члены, зависящие от комплексов X, X, X - линейных и угловых перемещений, скоростей и ускорений качки судна в различных плоскостях. Так, Fk совокупно характеризует статические и динамические силы, влияющие на передвижение человека по поверхности переменного наклона, Fk - силы, связанные со сменой режима движения по поверхности переменного наклона: проскальзыванием или падением. Для учета смены режима движения (включая остановку или падение) в Fk(S) включен случайный фактор, нормируемый на основе ускорений в диапазоне 3-7 м/с в зависимости от принадлежности агента к той или иной группе (по физическим или психологическим признакам, см. раздел 2.1). Безразмерный коэффициент /Д где D - водоизмещение судна, необходим для нормировки при приведении физических сил, действующих на агента, как материальное тело, к безразмерным социальным силам.
Так, собственное ускорение, связанное с желанием и возможностью достичь определенной (в этом примере - максимальной для пассажиров с данными физическими способностями) скорости, определяется через желаемое и текущее значение скорости:
Определение ускорений, действующих на агента при качке. Специфическое значение имеют компоненты (2.1), зависящие от X, X, X. Так, для определения F требуется рассчитать скорость и ускорение точки М0 относительно некоторой неподвижной системы отсчета (x,y,z), если известно, как точка движется в некоторой подвижной системе отсчета (х, Vі, т\), в данном случае - системе отсчета судна (рис. 2.4). Полное ускорение точки M (фактически - безразмерная сила РкІЮ) в проекциях на подвижные оси, с учетом того, что начало отсчета подвижной системы координат совпадает с началом отсчета неподвижной, будет иметь вид [Благовещенский, 1976]: W = ш х [ш х R] + Й х R - 2[ш х Vm] + Wm. (2.8) где R - радиус-вектор, определяющий положение материальной точки относительно неподвижной системы координат. Полное ускорение состоит из переносного, относительного и кориолисова ускорения. При определении ускорения, действующего на человека при качке, необходимо учесть вертикальное перемещение судна (в дополнение к углам бортовой в и килевой у/ качки), а также ускорение свободного падения, тогда (см. выражение (2.2)) получим: Ffc(R)= ш X [to X й] + [Й X й] - 2[й) X vm] + f + д . (2.9) Все силы в формуле (2.9) представлены для неподвижной системы координат. Для вычисления силы, действующей на агента во время качки, необходимо перейти от (x,y,z) к системе судна (x,fi,rj). Скорость агента и радиус-вектор его положения в неподвижной системе координат можно выразить через проекции следующим образом:
Модуль визуализации процессов эвакуации с аварийного судна
Появление агентов в модели осуществляется согласно установленной модели генерации (интерфейс IPulseAgentFactory). Такая модель определяет, какие агенты создаются в модели в определенное модельное время, т.е. где появляется агент, куда и как он следует, какими свойствами обладает (метод GenerateAgent). Класс AbstractPulseAgent содержит основные свойства агента, в том числе его модель передвижения, класс физических возможностей, предпочтительную скорость, точку назначения и точку генерации. В дальнейшем эти свойства будут использоваться при создании ролей для агента, а также при назначении модели передвижения.
Описание точек интереса и порталов (лестниц и лифтов) также реализовано при помощи классов и наследуемых интерфейсов. Диаграмма, представленная на рис. 3.4, является представлением части проекта, реализующего моделирование эвакуации с судна. Класс ShipSceneryBuilder реализует геометрию пространства судна, в свою очередь, класс ShipPortalPreparer обеспечивает точку входа в моделирование для каждого агента, а также отвечает за возможность перемещения агентов между палубами. Рисунок 3.4 – Диаграмма классов точек интереса и порталов В рамках разработанной программной системы реализовано несколько вариантов модели передвижения агента (RVO и SF (2.1)-(2.2), а также простая модель без столкновений, позволяющая агенту просто передвигаться по графу). Модели RVO и SF реализованы в виде отдельных библиотек и встроены в систему с помощью определенной иерархии классов. В качестве основной модели передвижения используется расширенная реализация SF. Класс SfMultilevelMovementSystem определяет основные методы и параметры использования библиотеки SF в мультиагентной системе. Метод MovePlatform данного класса доступен для вызова внутри отдельного плагина, который отвечает за поступление данных о качке в класс SFSimulator, являющийся классом динамически подключаемой библиотеки SF, реализованной на базе объектно-ориентированного языка программирования C++. Методы класса SFSimulator доступны в классе SfMultilevelMovementSystem и позволяют рассчитывать следующую точку положения агента на карте, в зависимости от значений сил, влияющих на агента на каждой итерации. ч Рисунок 3.5 – Диаграмма классов модели передвижения SF 3.2 Стенд для выполнения экспериментальных расчетов на основе платформы CLAVIRE В силу того что для работы модели эвакуации могут использоваться принципиально различные модели динамики судна (см. раздел 2.3), представленные разными программными системами, для проведения численных экспериментов был построен распределенный экспериментальный стенд на основе облачной платформы CLAVIRE [Бухановский, 2011]. Стенд включает в себя программные модули, обеспечивающие расчет качки по линейной спектральной модели, нелинейной модели и имитационной модели, с возможностью передачи полученных результатов в систему моделирования движения агентов в соответствии с рис. 3.1.
Экспериментальный стенд включает в себя несколько композитных приложений (КП), которые воплощают разные подходы к моделированию качки. Так, КП, реализующее линейную спектральную модель (2.16)-(2.17), предназначено для оценки мореходности надводных водоизмещающих судов. В основе данного приложения лежит скрипт интерпретации задания прикладного пакета STRIP [Sutulo, 2008]. В основу программы положена распространенная математическая модель удлиненного судна, независимо разработанная на рубеже 1960-1970-х гг. несколькими исследователями в разных странах.
Программа STRIP, разработанная в Институте кораблестроения Гамбургского университета (авторы: Н. Sding и Achner), написана на языке Фортран 77, в течение длительного времени она используется в немецкой судостроительной промышленности. В настоящей работе использована ее исследовательская модификация STRIPmod.
Форма корпуса судна задается координатами точек расчетных шпангоутов, причем в последующем шпангоуты аппроксимируются вписанными полигонами. Гидродинамические характеристики (ГДХ) шпангоутов определяются методом Yeung, т.е. методом граничных интегральных уравнений (ГИУ) для комплексной амплитуды потенциала скорости. Этот метод эффективен для шпангоутов произвольной формы и не имеет особых частот. Комплексные присоединенные массы, а также комплексные амплитуды дифракционных возмущающих сил определяются для следующих значений частотного параметра—: 0.025, 0.06, 0.15, 0.40, 0.70, 1.10, 1.70, 2.80, 4.00, 7.00, 12.00, 20.00 (здесь Т - осадка шпангоута, g - ускорение земного тяготения, а со - истинная частота волнения, если речь идет о возмущающих силах, но - кажущаяся частота, если рассчитываются присоединенные массы и коэффициенты демпфирования). Рассчитанные ГДХ шпангоутов выводятся в промежуточный файл, из которого затем считываются и интерполируются по частоте для расчета интегральных ГДХ корпуса.
В программе используются две инерциальные полусвязанные (т.е. перемещающиеся со средней скоростью судна, но не участвующие в качке) правые декартовы системы координат. Начало К обеих систем лежит в точке пересечения диаметральной плоскости, плоскости мидель-шпангоута и основной плоскости. Первая система Kxyz используется только при задании исходных данных. Ее ось х направлена горизонтально к носу судна, ось у - на левый борт, а z - вертикально вверх. В программе происходит переход к другой системе координат - К г/ , и именно в ней представляются результаты расчета, т.е. силы моменты и перемещения. Ось совпадает с осью х, но ц направлена на правый борт, а С, - вертикально вниз. Кроме того, эти оси пронумерованы в соответствии с правилом: - 1; ц - 2; С– 3, причем цифровые индексы используются для спецификации компонентов сил, моментов, линейных и угловых перемещений в файлах результатов. При этом индексу «1» соответствуют комплексные амплитуды продольно-горизонтальных колебаний и бортовой качки ф, «2» - комплексные амплитуды поперечно-горизонтальных колебаний rj и килевой качки в, а «3» - то же для вертикальной качки С, и рыскания у/. Кроме того, при рассмотрении шпангоутных сечений используются местные двумерные системы координат с осью X в плоскости ватерлинии с левого на правый борт и с осью у вертикально вниз [Sutulo, 2005]. Все исходные данные задаются в файле «indata.dat», содержащего описание модели судна (листинг 3.1).
Исследование процессов эвакуации с поврежденного судна при наличии статического крена
Основная задача данного раздела - исследовать, как учет локальных ускорений качки в модели (2.1)-(2.2) сказывается на движении агентов в процессе эвакуации. Специфика этого влияния состоит в том (см. раздел 2.4), что из-за локальных ускорений агент часто не может держаться заданной траектории и происходит его столкновение с препятствиями. Таким образом возникает эффект «конкуренции» физических и социальных сил: - агент старается самостоятельно обойти все препятствия; - «соседи» действуют по той же стратегии и мешают агенту выполнить задуманное; - локальные ускорения приводят его к отклонению от желаемой траектории и столкновению как с соседними агентами, так и с препятствиями. Вычислительный эксперимент проводился для трех уровней интенсивности океанского волнения (5, 7, 9 баллов); судно не имело хода. При расчетах предполагалось, что курсовой угол к генеральному направлению распространения волн составляет 30. Это допущение отражает условия штормования, в которых проявляются как килевая, так и бортовая качка. В эвакуации участвовало 500 агентов (т.е. судно не было полностью заполнено пассажирами).
На рис. 4.1 приведены фрагменты расчетных реализаций углов бортовой и вертикальной качки по модели (2.18)-(2.19). Видно, что, несмотря на большие размеры судна, углы бортовой качки в этих условиях могут достигать 18, а килевой – 3 (т.е. качка достаточно интенсивна).
Для изучения того, как эффект потери равновесия и столкновения со стенами влияет на характеристики эвакуации, использовалось два варианта моделей в форме (2.1) (2.2).
Модель P1, в которой параметры SF и параметр в (2.1) откалиброваны таким образом, что агенты не сталкиваются со стенами (т.е. агент может самостоятельно противодействовать влияющему на него ускорению, меняя траекторию таким образом, чтобы избегать препятствия). Данная модель является, по сути, мотивационной: она позволяет лишь изучить влияние эффектов, связанных со столкновениями и ответить на вопрос, возможно ли описать это явление только моделью SF (как, например, в пакете EVAC, табл. 1.1). Модель P2 с параметрами, описанными в разделе 2.4 (полная модель cо столкновениями – объект разработки данной диссертации).
На рис. 4.2 приведены ядерные оценки плотности распределения времени эвакуации, полученные на основе вычислительного эксперимента, в табл. 4.1 приведены соответствующие числовые значения квантилей распределения времени эвакуации.
Из табл. 4.1 видно, что для обеих моделей с увеличением интенсивности волнения (и судя по рис. 4.1 – размахов качки) общее время эвакуации возрастает. При этом эффект увеличения интенсивности сказывается на хвостах распределения. Видно, что мотивационная модель P1 приводит к гораздо более длинным «хвостам» (для 9 баллов 99 % квантиль на порядок больше медианы). Это является следствием того, что в модели Р1 невозможность воспроизведения самих фактов фиксации агентов при касании стен или падении приводит к тому, что агенты при качке начинают случайно блуждать, «уворачиваясь» от соприкосновения с препятствиями, и их траектория становится гораздо длиннее. В предлагаемой модели Р2 процесс более реалистичен: агенты, по сути, движутся «по стенкам», держась за поручни. И хотя модель Р2, в отличие от Р1, может воспроизводить падения, сам процесс эвакуации становится более регулярным (99 % квантиль больше медианы всего в три раза для 9 баллов). Таблица 4.1 – Квантили распределения времени эвакуации (с) при различной интенсивности волнения
Из рисунка видно, что даже на тихой воде есть доля агентов, которые не могут избежать соприкосновения с препятствиями (что потенциально ведет к травмам). Однако это обусловлено не влиянием локальных ускорений, а взаимодействием самих агентов в узких проходах, стремящихся первыми пройти к эвакуационному выходу (фактически эффектами давки в толпе).
При этом видно, что с увеличением интенсивности качки доля потенциально травмированных агентов только возрастает, и при 9 баллах колеблется в диапазоне от 15 до 25%. При этом с увеличением скорости хода также виден рост данного показателя до 27-37%. Это связано с тем, что при движении под острым углом к волне кажущаяся частота уменьшается и становится ближе к собственной частоте килевой качки для данного судна (т.е. на отдельных пакетах волн наблюдаются резонансные явления).
Таким образом, данное исследование показывает, что полная модель P2 с параметрами из раздела 2.4 физически непротиворечиво описывает эффекты, связанные с движением человека на качающемся судне. При этом модель учитывает и влияние качки на отдельного человека, и взаимодействие людей в толпе: удары о препятствия и потенциальные травмы являются результатом обоих факторов.
Аварийное судно имеет определенный курсовой угол по отношению к волнению, а также может в ряде случаев обладать определенной скоростью. К таким случаям относятся, например: эвакуация при пожаре во внутренних помещениях (пассажиры не садятся в спасательные средства, но выводятся на верхнюю палубу), эвакуация при выходе из строя энергетической установки (судно сохраняет ход по инерции). Кроме того, в ряде случаев при штормовой погоде судоводитель должен, по возможности, варьировать скоростью и курсовым углом судна для ухода от заведомо опасных ситуаций (например, оголения винтов, резонансных явлений и пр.).
Для исследования того, как выбор скорости и курсового угла влияет на процесс эвакуации, проведены численные эксперименты с моделью Р2 с параметрами раздела 2.4, при различных скоростях хода и курсовых углах, для 5, 7, 9-балльного волнения, а также на тихой воде. На рис. 4.4 приведены ядерные оценки распределения времени эвакуации для 1000 агентов, размещенных на двух палубах судна. Эвакуация для всех агентов начинается одновременно. В данном случае рассматривается так называемый «ночной» сценарий, когда пассажиры находятся в своих каютах. В табл. 4.2 приведены характерные квантили распределения соответствующего им времени эвакуации.
Из рис. 4.4 видно, что, как и в разделе 4.1, время эвакуации в целом возрастает по мере увеличения интенсивности волнения. При этом лучшее с точки зрения эвакуации положение судна относительно генерального направления – 0 или 180 (судно расположено по волне): этот вывод является тривиальным с точки зрения морской практики. А худшие условия – 60 (а не ожидаемые 90, волна в борт). Это связано с тем, что локальные ускорения связаны как с бортовой, так и с килевой качкой, и потому максимальное время эвакуации соответствует области, когда явно выражены колебания в обеих плоскостях. Это подтверждается непосредственно характеристиками качки. На рисунке представлены ядерные распределения плотности вероятности для амплитуд килевой и бортовой качки, рассчитанные непосредственно по реализациям (рис. 4.1).