Автореферат (Информационно-аналитическая поддержка управления пожарно-спасательными подразделениями при реагировании на крупные пожары), страница 3

На рисунке 7 представлен фрагментработы КИС, адаптированной к условиям ПСГ города Астаны.На следующем этапе производилась серия «имитационных прогонов»модели на компьютере, после этого проверялась адекватность модели реальному миру путем сравнения параметров функционирования исследуемой систе11мы, полученных при моделировании, с параметрами функционирования реальной системы (за основу были взяты реальные статистические распределения за2014–2016 гг.), а также производилась коррекция исходных данных. Проверкаадекватности производилась на основании результатов серии «прогонов» имитационной модели на отрезке времени равном одному году по основным статистическим распределениям:– распределение плотности потока вызовов во времени (по месяцам года,дням недели, часам суток);– распределение плотности потока вызовов в пространстве (по территориальным единицам исследуемой территории);– распределение плотности потока вызовов по «типам вызовов» (числувызываемой техники по вызовам);– по распределению временных характеристик обслуживания вызовов(время диспетчеризации, сбора и выезда, следования к месту вызова, работы наместе вызова и др.).Рисунок 7 – Фрагмент работы КИС, адаптированной к условиям ПСГ города АстаныПри сравнении реальных распределений с распределениями, полученными в результате моделирования, было установлено:– расхождение по распределению во времени (по месяцам года, дням недели и часам суток) составляет в среднем 2–8 % (рисунок 8);– расхождение по распределению плотности потока вызовов в пространстве (по районам обслуживания пожарных частей) составляет не более 4–9 %;– расхождение распределений по времени прибытия к месту вызова составляет не более 6–8 % (рисунок 9);– расхождение по времени занятости на месте вызова не более 4–6 %(рисунок 10).1210050120 154127 16016016818015919018721020317020818017316014515018212013310010490976086505360519049809470791007011096130125130138160100200120Число вызовов, шт.2500468500300113200196208400122Число вызовов, шт.600504Часы сутокРеальные данныеРезультаты моделированияРисунок 8 – Распределение реальных данных с результатами моделирования числа вызововпо часам суток10000–55 – 10Интервал времени, минРеальные данные>10Результаты моделирования306311007501415052112200111250169300193Число вызовов, шт.350320Рисунок 9 – Распределение реальных данных с результатами моделирования времениприбытия к месту вызова00 – 1515 – 3030 – 6060-120>120Интервал времени, минРеальные данныеРезультаты моделированияРисунок 10 – Распределение реальных данных с результатами моделирования временизанятости на месте вызоваСравнение реальных данных с результатами моделирования подтвердилоадекватность имитационной модели, что доказывает возможность ее использования для дальнейшего исследования.13На третьем этапе была произведена модернизация КИС КОСМАС.

Дляучета специфики функционирования объектовых ПСП была разработана имитационная модель процесса функционирования ПСП исследуемого объекта(в рамках общей модели функционирования ПСГ города).На рисунке 11 показан укрупненный алгоритм работы имитационной модели оперативной деятельности ПСП объекта.Рисунок 11 – Укрупненный алгоритм работы имитационной модели оперативнойдеятельности ПСП объектаПри поступлении сообщения о пожаре на пульт службы пожаротушенияпроисходит моделирование процесса диспетчеризации.

После идентификацииполученной информации (время, место возникновения, тип вызова) моделируется сбор и выезд сил и средств, необходимых для реагирования на данное сообщение. Затем моделируется прибытие оперативных подразделений к местувызова по каждому из выехавших пожарных автомобилей с учетом реальнойконфигурации транспортной сети объекта и города.Следующим шагом алгоритма является моделирование занятости на месте вызова, по истечении которого оперативное отделение возвращается на место дислокации и ожидает очередного вызова.

В случае крупного пожара илиодновременных вызовов происходит привлечение дополнительных сил исредств гарнизона.14Данная модель позволила значительно расширить возможности КИСКОСМАС для оценки возможностей ПСГ городов и территорий при реагировании на крупные пожары и ЧС.На заключительном четвертом этапе проводились множественные имитационные эксперименты в целях исследования поведения системы при различных условиях ее функционирования.В четвертой главе «Оценка возможностей пожарно-спасательногогарнизона по оперативному реагированию при ликвидации крупных пожаров и чрезвычайных ситуаций» был разработан алгоритм оценки возможностей ПСГ по оперативному реагированию при ликвидации крупных пожарови ЧС на основе технологий имитационного моделирования (рисунок 12).Разработанный алгоритм обеспечивает оценку возможностей гарнизона,при этом выполняются следующие операции:1. Для проведения оценки интересующих параметров процесса функционирования ПСГ необходимо иметь соответствующие статистические данные.Исходными источником статистических данных являются базы данных АСУ идиспетчерские журналы выездов ПСП по вызовам, а также различные отчетныедокументы.

Эти данные позволяют определить реальный объем работы ПСГ иего динамику, распределение вызовов во времени и по территории города, закономерности использования пожарной техники, временные характеристикипроцесса функционирования (время следования подразделений к месту вызова,время работы на месте вызова, время занятости на одном вызове) и др.2. Процесс адаптации КИС к исследуемой территории, параметрам и условиям функционирования ПСГ.3. Настройка КИС и проверка адекватности результатов моделированияреальным данным процесса функционирования ПСГ.4.

Разработка сценариев для моделирования и планирование имитационных экспериментов.5. Осуществляется выбор вариантов сценария для моделирования.6. На основе выбранных сценариев осуществляется проведение имитационных экспериментов.7. Интерпретация результатов моделирования. На основе детального анализа обработанных результатов накопленных в процессе моделирования подготавливаются выводы по проведенному моделированию и выбор оптимальноговарианта.8.

На заключительном этапе формулируются окончательные выводы иопределяются управленческие решения для повышения эффективности работыПСГ в случае возникновения крупных пожаров и ЧС.Данный алгоритм использовался ПСГ Астаны (рисунок 12).15Рисунок 12 – Алгоритм проведения оценки возможностей гарнизона по оперативному реагированию при ликвидации крупных пожаров и ЧС на основе технологий имитационного моделированияС помощью КИС КОСМАС произведена оценка возможностей прибытиясил и средств ПСГ к месту вызова при возникновении крупного пожара на объектах «ЭКСПО – 2017».Для этого был разработан и проведен комплекс имитационных экспериментов, состоящий из трех серий (каждая по четыре прогона).Предполагалось, что на объекте может возникнуть крупный пожар (взятанаихудшая ситуация – ранг вызова 3) и в соответствии с расписанием выездовгарнизона по данному рангу пожара высылаются все ближайшие свободныеоперативные отделения в количестве 23 единиц.Оценка вероятности и времени прибытия производилась при следующихвариантах: 1) при текущих параметрах оперативной обстановки в городе в различные месяцы, дни недели, время суток; 2) при гипотетическом увеличенииплотности потока вызовов, обслуживаемых ПСГ, в два раза (т.

е. при резкомувеличении объема оперативной работы); 3) при возникновении ситуации одновременного обслуживания двух крупных ЧС в ближайших к объекту рай16Время прибытия, минонах, требующих для своей ликвидации одновременного привлечения значительного числа сил и средств.В результате моделирования были сделаны следующие выводы:1. При текущих параметрах оперативной обстановки в городе время сосредоточения необходимого количества сил и средств к исследуемому районупо рангу вызова 3 (23 оперативных отделений) в случае возникновения пожарабудет находиться в интервале от 6 до 25 мин, при этом 50 % сил и средств смогут прибыть к месту вызова только через 16–18 мин.

Следует учитывать, чтовсе оперативные отделения соберутся в указанный интервал только в 71 % случаев, в других случаях это время окажется больше (рисунки 13–14).2. При гипотетическом увеличении плотности потока вызовов в два разавремя сосредоточения необходимого количества сил и средств в исследуемыйрайон будет колебаться от 9 до 30 мин, при этом только в 44 % случаев все оперативные отделения соберутся в течение указанного интервала (за счет увеличения случаев одновременных вызовов). Для отдельных типов оперативных отделений возможны отклонения во времени прибытия до 25 %, связанные с ихзанятостью обслуживанием других вызовов (рисунки 15–16).3. При возникновении ситуации одновременного обслуживания двухкрупных ЧС на исследуемом объекте и в соседних районах время сосредоточения необходимого количества сил и средств будет находиться в интервалеот 10 до 30 мин, при этом для некоторых отделений возможны существенныеотклонения времени прибытия (до 20 %), в то время как другие отделения вообще не смогут своевременно прибыть к месту вызова в силу своей занятости надругих вызовах, т.

е. вместо 23 отделений к месту вызова в указанные временныерамки прибудет меньшее число оперативных отделений (рисунки 17–18).Число отделений, %Рисунок 13 – Распределение времени прибытия для различного числа оперативныхотделений к исследуемому объекту при текущих параметрах оперативной обстановки(по результатам моделирования)17Время прибытия, минЧисло отделений, %Время прибытия, минРисунок 14 – Распределение вероятностей прибытия различного числа оперативных отделений к исследуемому объекту при текущих параметрах оперативной деятельности(по результатам моделирования)Число отделений, %Время прибытия, минРисунок 15 – Распределение вероятностей прибытия различного числа оперативных отделений к исследуемому объекту при гипотетическом увеличении плотности потока вызовов вдва раза (по результатам моделирования)Число отделений, %Время прибытия, минРисунок 16 – Распределение времени прибытия к исследуемому объекту при гипотетическомувеличении плотности потока вызовов в два раза (по результатам моделирования)Число отделений, %Рисунок 17 – Распределение времени прибытия к исследуемому объекту при возникновенииситуации одновременного обслуживания двух крупных ЧС (по результатам моделирования)18Число отделений, %Время прибытия, минРисунок 18 – Кумулята времени прибытия к исследуемому объекту при возникновенииситуации одновременного обслуживания двух крупных ЧС (по результатам моделирования)В результате проведенных экспериментов были разработан ряд рекомендаций по дислокации и реагированию ПСП в случае крупных пожаров в исследуемом городе, которые были внедрены в Астанинском ПСГ.На основе алгоритма оценки возможностей ПСГ при реагировании накрупные пожары и ЧС разработана схема принятия решений по поддержкеуправления ПСГ (рисунок 19).Рисунок 19 – Схема алгоритма принятия решений по поддержке управления ПСГУчитывая, что работа с имитационной моделью предполагает большоеколичество проведения имитационных экспериментов, эксперт использует сценарии, состоящие из сформулированных задач в виде параметров процессафункционирования ПСГ с учетом перспективного развития города, имея приэтом свои критерии и ограничения.

Следующий этап связан с определением вариантов управленческих решений (альтернатив), который можно подразделитьна еще три этапа: результаты моделирования, поиск и нахождение альтернатив,выбор оптимального варианта. Если полученные результаты оказались неудов19летворительными, то лицо, принимающее решение, может потребовать изменение условий в процессе моделирования.Описанный выше процесс позволяет проводить индивидуальные исследования для решения большого спектра задач, однако один или несколько экспертов не могут удержать в голове все принципиально важные детали исследуемого объекта, к тому же во многих случаях доступ к определенным базамданных строго ограничен. Поэтому при разработке и планировании имитационных экспериментов желательно подключать компетентных специалистов и руководителей гарнизона с распределением полномочий, которое дает существенноепреимущество на различных этапах исследования.