Диссертация (Агентная модель поведения толпы в условиях чрезвычайной ситуации для оценки интенсивности фронта выходного потока), страница 4

В рамках такой модели каждый агент исходит16из близости выхода, его достижимости (выход не перекрыт пожаром), а также изстремления сохранить прямолинейную траекторию движения. При этом факторы взаимодействия агентов (в частности, столкновения) в модели не рассматриваются. В работах [57;71], также посвященных эвакуации при пожаре, дополнительно вводятся такие параметры как состояния агента (степень удушья), оценкаагентом ситуации (паника или нормальное состояние), а также появляется гендерно-возрастная зависимость ряда характеристик.В статье [70] система принятия решений агента основана на “плотности”траектории движения и времени необходимом на ее преодоление.

Указанная модель примечательна таким дополнительным фактором, как степень информированности агента об окружающей ситуации. Данный фактор меняется со временем как за счет анализа ситуации самим агентом, так и за счет других источниковинформации (звонок от другого агента, данные из интернета и пр.).Также нельзя не упомянуть про проект Gamma на базе Университета Северной Каролины [41], поддерживаемый рядом крупных спонсоров, среди которых министерство обороны США, а также компании Intel и Google. В рамках данного проекта группа ученых и программистов разработали модульныйфреймворк Menge [42], в котором реализованы наработки коллектива для такихмоделей поведения толпы, как модель сверхплотной толпы [90], модель энергозатрат агента вдоль траектории движения [75], модель психотипа агента [74],модель превентивного уклонения от столкновения [73], модель общего адаптационного синдрома [86] и др.

Тем не менее, при том, что сам фреймворк является бесплатным, но исходные коды классов и интерфейсов разработчиками непредоставляются, а статьи, на основе которых был создан программный продукт,при всей ценности описания базовых принципов не предоставляют читателюявные вычислительные формулы. Данный факт, по-видимому, также напрямуюкоррелирует с коммерческой составляющей проекта. При этом, в части самойдинамики движения агентов, в качестве дальнейшего развития, относительнопредлагаемой в данной работе модели, автор видит именно уточнение расчетовтраектории движения, согласно указанным выше работам.Наиболее близкими в части системы принятия решений, к предлагаемой вданной диссертации модели, являются агентные модели, представленные в работах [65] и [58].

В обеих указанных моделях каждому агенту сопоставляетсянекий сектор обзора, в рамках которого агент выбирает дальнейший вектор сво-17его движения на основе функции полезности, которая, в свою очередь, отражаеттакие стремления, как избегать столкновения с другими агентами, не менятьнаправление своего движения, прямолинейность движения к выходу, максимизация скорости движения в случае паники и пр. В предлагаемой модели функцияполезности расширена дополнительными факторами и учитывает такие характеристики, как состояние агента, состояние ситуации и др.Также стоит упомянуть модели в рамках четвертого, так называемого, потокового подхода (например, [43]). Данные модели рассматривают движениелюдских потоков по аналогии с движением жидкости или газа, считая людскую массу несжимаемой средой. Потоковые модели не оперируют человекомкак агентом модели, а рассматривают толпу в целом, где основной характеристикой является плотность потока.

Данный подход, скорее, противопоставляетсяописанным выше, которые как раз ставят своей задачей получение макрохарактеристик толпы, исходя из законов взаимодействия агентов, без эмпирическихзаключений о макроуровне изначально. Вдобавок, толпа не может быть корректно сведена ни к жидкости, ни к газу, так как относится к умеренно сжимаемымсредам [83], не говоря уже о том, что возникающие важные эффекты паникующей толпы в таких моделях не регистрируются.В данной работе рассматривается непрерывная стохастическая агентнаямодель в ограниченном пространстве с заданной геометрией, основанная на феноменологической модели Бекларяна-Акопова [55;56] с использованием уточнений характеристик агента и системы принятия решений агентом, приведенных вмодели Антонини [58] и моделях Хелбинга [79;80;89]. Такая интеграция видитсяавтору наиболее перспективным развитием данного типа задач, ввиду того, чтофеноменологический подход (модели Бекларяна-Акопова) позволяет привнестиестественную дискретизацию задачи с последующим вычислением приращениявсех характеристик агентов в каждый момент времени.

Это снимает вопрос численного интегрирования уравнений Ньютона (молекулярный подход), и предлагает явные вычисления всех характеристик системы. С другой стороны, уточнение характеристик агента и его системы принятия решений, заимствованное измоделей Хелбинга и Антонини, позволит получить максимально реалистичнуюдинамику толпы. В предлагаемом подходе автором даются явные вычислительные формулы для всех значимых характеристик модели.18Отметим, что в рассматриваемой модели совокупность агентов являетсясовокупностью индивидуумов, лишенных каких-либо общих изначальных целеполаганий.1.1.2Требования к предлагаемой агентной моделиПредлагаемая модель не ставит своей целью решение задачи оптимального управления динамикой ЧС, а предназначена для проведения вычислительных экспериментов, нацеленных на прогнозирование интенсивности потока на“фронте выхода”, с учетом возникающих эффектов турбулентности, притяжениятолпы и ряда других.В предлагаемой модели реализуется концепция перехода от фиксированных значений ряда показателей, отражающих как геометрию помещения, так ифизику процесса перемещения агентов, к представлению их в качестве управляющих параметров модели.

В результате удается построить гибкую, универсальную модель, позволяющую варьировать управляющими параметрами и, какследствие, калибровать модель с целью максимизации правдоподобия с реальными процессами. Также построенная модель допускает дальнейшее усложнение во всех аспектах (геометрия помещения, механика взаимодействия агентов,характеристики самих агентов и т.д.) и введение новых уравнений связи и условий.В результате анализа имеющихся моделей и подходов, законодательныхактов, а также исследований по психологии толпы были сформулированы основные требования, которые легли в основу предлагаемой агентной модели поведения при ЧС. Перечень требований представлен в Таблице 1, где также отражено выполнение указанных требований рядом существующих моделей.

Длясравнения были выбраны наиболее часто используемые модели.19Таблица 1 — Требования к разрабатываемой модели и программному комплексу№ ТребованиеМоделиХелбингаДискрет- Имитационноныестохастическаямоделимодельдвижениялюдскихпотоков МЧСРоссииИсточник1среднеевремярасчета одногосценария ЧС неболее 10 мин.–++[44] (сводправилМЧС)2моделированиефронта выхода–––требованияЛПР*3расчет интенсивности выходногопотока на фронте выхода–––требованияЛПР*4учет пола/возраста агентов+++[37](методикаМЧС)5наличие случайных препятствий+––требованияЛПР*6учетвлияниявзрыва на поведение агентов+––[88](исследованиясоциальных-психологов)7возможность изменения геометрии помещения++–требованияЛПР*208учетэффекта“притяжения”толпы––+[88]9учетэффекта“турбулентности”толпы+––10 расчет плотностипотока+–+ВидеозаписиШвейцарскойвысшейтехническойшколыЦюриха[44]11 наличие личногопространстваагента+–+[49](исследованияпсихологов)12 расчет для большого количестваагентов–++требованияЛПР*13 прогнозированиеколичестваэвакуированныхагентов с точностью 95%–––[44]14 разная степень ранения агентов–––[54] (федеральныйзакон РФ)2115 индивидуальноевосприятие ситуации агентом–––[7](исследованиясоциологов)16 учетплощадипроекции агента+–+[37]17 различное начальное распределение агентов18 учет угла обзораагента++–[44]++–19 учетблизостиагента к стенам20 учет скорости потока++–[67](исследованияфизиков)[88]+++[37]21 учет направленияпотока–+–22 учет комфортнойскорости агента+––ВидеозаписиШвейцарскойвысшейтехническойшколыЦюриха[88]2223 учет многочастичного взаимодействия–––ВидеозаписиШвейцарскойвысшейтехническойшколыЦюриха24 возможность конфигурирования имасштабированиямодели–––ЛПР*25 параметризациямодели для имитации различныхусловий реализации ЧС–––ЛПР**ЛПР — лицо принимающее решения при возникновении ЧС.

В частности,для постановки задачи в качестве ЛПР выступило ООО “ГЕНКЕЙ-ТЕЛЕКОМ”.Тем не менее, иные ЛПР имеют схожие требования [38; 45].Курсивом в Таблице 1 выделены центральные требования к модели.Как видно из Таблицы 1, модели Хелбинга хотя и отличаются высокойстепенью адаптации к реальности, тем не менее имеют ряд ключевых недостатков, таких как низкое быстродействие, отсутствие ряда важных индивидуальныххарактеристик агентов, а также высоким уровнем сложности внесения изменений в модель, что делает невозможным ее дальнейшее масштабирование.Дискретные модели и утвержденная на законодательном уровне модель МЧС, всвою очередь, отличаются высокой скоростью работы, но при этом значительноуступают в части соответствия реальным процессам.Предлагаемая модель имеет следующую структуру.

Задано активное пространство прямоугольной формы с диаметральными выходами. Все простран-23ство поделено на одинаковые области также прямоугольной формы, в каждой изкоторой задано свое распределение агентов по площади. Каждый агент характеризуется своим состоянием и правилами взаимодействия с другими агентами.При этом как состояние, так и правила перемещения каждого из агентов являются функциями от статуса ситуации, которая характеризует степень экстремальности обстановки в восприятии агента.Параметры модели, характеризующие геометрию пространства, состояниеагента и правила взаимодействия агентов, делятся на две группы: параметры,принимающие абсолютные значения; параметры, требующие калибровки.