firesmiПожаровзрывобезопасность/Fire and Explosion SafetyPozharovzryvobezopasnost/Fire and Explosion Safety0869-74932587-6201ФГБОУ ВО «Национальный исследовательский Московский государственный строительный университет»10.22227/0869-7493.2023.32.03.54-68firesmi-1237Research ArticleМАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ, ЧИСЛЕННЫЕ МЕТОДЫ И КОМПЛЕКСЫ ПРОГРАММMATHEMATICAL MODELING, NUMERICAL METHODS AND PROGRAM COMPLEXESМетод математического моделирования пассажиропотоков для обоснования объемно-планировочных решений станций метрополитена и расчета безопасной эвакуации пассажировMethod of mathematical modelling of passenger flows to justify the space-planning solutions of underground stations and calculate passenger evacuationhttps://orcid.org/0000-0002-6155-060XШабунинаД. Е.ShabuninaD. E.

научный сотрудник

Researcher

shabunina@ciofp.ruhttps://orcid.org/0000-0002-9162-7073ДаниловА. И.DanilovA. I.

генеральный директор

General Manager

danilov@ciofp.ruhttps://orcid.org/0000-0003-1071-427XГравитМ. В.GravitM. V.

канд. техн. наук, доцент

Cand. Sci. (Eng.), Associate Professor

marina.gravit@mail.ruООО «Центр исследований опасных факторов пожаров»РоссияLLC “Fire Hazard Research Center”Russian FederationСанкт-Петербургский политехнический университет Петра ВеликогоРоссияPeter the Great St. Petersburg Polytechnic UniversityRussian Federation2023230620233235468Copyright © Шабунина Д.Е., Данилов А.И., Гравит М.В., 20232023Шабунина Д.Е., Данилов А.И., Гравит М.В.Shabunina D.E., Danilov A.I., Gravit M.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.fire-smi.ru/jour/article/view/1237Введение

Введение. Объемно-планировочные решения станций метрополитена влияют на удобство и безопасность пассажиров. Математическое моделирование является перспективным методом для решения задач, связан­ных с определением достаточности принятых объемно-планировочных решений станций в зависимости от пассажиропотока.

Цели и задачи

Цели и задачи. Цель исследования — обоснование метода математического моделирования пассажиропотоков для разработки оптимальных объемно-планировочных решений пересадочных станций метро­политена. Для достижения цели решены следующие задачи: разработка концепции типовой пересадочной станции метрополитена; моделирование пассажиропотока с исходными и оптимизированными объемно-планировочными решениями; моделирование эвакуации пассажиров со станции при возникновении пожара в подвагонном пространстве центрального вагона прибывающего поезда.

Методы

Методы. В работе приведен метод математического моделирования для обоснования объемно-планировочных решений станций метрополитена. В ПК Pathfinder разработана индивидуально-поточная модель пересадочной станции, по результатам которой произведено моделирование пассажиропотока с исходными и оптимизированными объемно-планировочными решениями. Для моделирования распространения опасных факторов пожара использовался ПК PyroSim.

Результаты и их обсуждение. По результатам математического моделирования определены оптимальные объемно-планировочные решения станций метрополитена, на основе которых выполнен сценарий эвакуа­ции пассажиров. Получено, что в момент начала эвакуации на станции находится 3684 пассажира и 296 рабочих. Результаты моделирования показали, что общее расчетное время эвакуации из типовой пересадочной станции составляет 814 с. Также получено, что значения опасных факторов пожара в расчетных точках не достигают критических значений до момента завершения эвакуации.

Выводы

Выводы. Разработана и реализована математическая модель типовой пересадочной станции для опре­деления оптимальных объемно-планировочных решений и расчета безопасной эвакуации людей. На основе данного исследования в новой редакции СП 120.13330.2022 «Метрополитены» внесены изменения, определяющие, что расчетная численность пассажиров, эвакуирующихся со станции при пожаре, определяется на основе математического моделирования пассажиропотоков в час пик.

Introduction

Introduction. Space-planning solutions for underground stations have an effect on the comfort and safety of passengers. Mathematical modelling is a perspective method for solving problems dealing with the determination of adequacy of adopted space-planning solutions for stations depending on passenger traffic.

Aims and purposes

Aims and purposes. The purpose of the study is to justify the method of mathematical modelling of passenger flows to develop optimal space-planning solutions of interchange stations of underground. To achieve this goal, the following tasks were solved: the development of a model interchange station concept; modelling passenger flows with initial and optimized volume planning solutions; modelling of passenger evacuation from the station in case of fire in the basement of the arriving train’s central carriage.

Methods

Methods. The paper presents a method of mathematical modelling to justify the space-planning solutions of underground stations. The software package Pathfinder developed an individual flow model of the interchange station, which simulated the passenger flows with initial and optimized volume-planning solutions. The software package PyroSim was used to simulate the spread of fire hazards.

Results and discussion

Results and discussion. Based on the results of mathematical modelling, the optimal space-planning solutions for underground stations were determined, on the basis of which the passenger evacuation scenario was performed. It is obtained that there are 3,684 passengers and 296 workers at the station when the evacuation begins. The simulation results showed that the total estimated evacuation time from a typical transfer station is 814 seconds. It is obtained that the values of dangerous fire factors in the calculated points do not reach critical values until the evacuation is completed.

Conclusions

Conclusions. A mathematical model of a typical interchange station has been developed and implemented to determine the optimal space-planning solutions and calculate the safe evacuation of people. On the basis of this study in the new edition of the Code of Practice 120.13330.2022 “Underground” made amendments that determine that the estimated number of passengers evacuating from the station in case of fire, is based on mathematical modelling of passenger traffic during the rush hour.

транспортно-пересадочные узлыпропускная способностьиндивидуально-поточная модельбезопасностьопасные факторы пожараалгоритмы поведения пассажировinterchange hubscapacityindividual-flow modelsafetyfire hazardspassenger behavior algorithmsReferencesLiang X., Qin H., Xie M. Simulation study of passenger flow characteristics in subway passage // DEStech Transactions on Computer Science and Engineering. 2016. DOI: 10.12783/dtcse/cmsam2016/3565Liang X., Qin H., Xie M. Simulation study of passenger flow characteristics in subway passage. DEStech Transactions on Computer Science and Engineering. 2016. DOI: 10.12783/dtcse/cmsam2016/3565Yang X., Yang X., Pan F., Kang Y., Zhang J. The effect of passenger attributes on alighting and boarding efficiency based on social force model // Physica A: Statistical Mechanics and its Applications. 2021. Vol. 565. P. 125566. DOI: 10.1016/j.physa.2020.125566Yang X., Yang X., Pan F., Kang Y., Zhang J. The effect of passenger attributes on alighting and boarding efficiency based on social force model. Physica A: Statistical Mechanics and its Applications. 2021; 565:125566. DOI: 10.1016/j.physa.2020.125566Lei W., Li A., Gao R., Hao X., Deng B. Simulation of pedestrian crowds’ evacuation in a huge transit terminal subway station // Physica A: Statistical Mechanics and its Applications. 2012. Vol. 391. Issue 22. P. 5355–5365. DOI: 10.1016/j.physa.2012.06.033Lei W., Li A., Gao R., Hao X., Deng B. Simulation of pedestrian crowds’ evacuation in a huge transit terminal subway station. Physica A: Statistical Mechanics and its Applications. 2012; 391(22):5355-5365 DOI: 10.1016/j.physa.2012.06.033Авдеев В.С. Распределение пассажиропотока на примере транспортной системы Московского метрополитена // Этносоциум и межнациональная культура. 2020. № 147 (9). С. 36–40. URL: https://www.elibrary.ru/item.asp?id=44534003Avdeev V.S. Distribution of passenger traffic on the example of the transport system of the moscow metro. Ethno­society and Interethnic Culture. 2020; 147(9):36-40. URL: https://www.elibrary.ru/item.asp?id=44534003 (rus).Zou Q., Yao X., Zhao P., Dou F., Yang T. Managing recurrent congestion of subway network in peak hours with station inflow control // Journal of Advanced Transportation. 2018. Vol. 2018. Pp. 1–16. DOI: 10.1155/2018/6931025Zou Q., Yao X., Zhao P., Dou F., Yang T. Managing recurrent congestion of subway network in peak hours with station inflow control. Journal of Advanced Transportation. 2018; 2018:1-16. DOI: 10.1155/2018/6931025Peimbert M., Alcaraz L.D. Where environmental microbiome meets its host: Subway and passenger microbiome relationships // Molecular Ecology. 2022. Vol. 32. Issue 10. Pp. 2602–2618. DOI: 10.1111/mec.16440Peimbert M., Alcaraz L.D. Where environmental microbiome meets its host: Subway and passenger microbiome relationships. Molecular Ecology. 2022; 32(10):2602-2618. DOI: 10.1111/mec.16440Wang L., Chen Y., Wang C. Research on evolutionary model of urban rail transit vulnerability based on computer simulation // Neural Computing and Applications. 2020. Vol. 32. Issue 1. Pp. 195–204. DOI: 10.1007/s00521-018-3793-6Wang L., Chen Y., Wang C. Research on evolutionary model of urban rail transit vulnerability based on computer simulation. Neural Computing and Applications. 2020; 32(1):195-204. DOI: 10.1007/s00521-018-3793-6Jia F., Jiang X., Li H., Yu X., Xu X., Jiang M. Passenger-oriented subway network capacity calculation and analysis based on simulation // Transportation Letters. 2021. Vol. 13. Issue 8. Pp. 555–567. DOI: 10.1080/­19427867.2020.1741778Jia F., Jiang X., Li H., Yu X., Xu X., Jiang M. Passenger-oriented subway network capacity calculation and analysis based on simulation. Transportation Letters. 2021; 13(8):555-567. DOI: 10.1080/19427867.2020.1741778Xue H., Jia L., Guo J. Adaptive multilevel collaborative passenger flow control in peak hours for a subway line // Advances in Mathematical Physics. 2020. Vol. 2020. Issue 3. Pp. 1–16. DOI: 10.1155/2020/3862157Xue H., Jia L., Guo J. Adaptive multilevel collaborative passenger flow control in peak hours for a subway line. Advances in Mathematical Physics. 2020; 2020(3):1-16. DOI: 10.1155/2020/3862157Кударов Р.С. Математические модели формирования входного пассажиропотока станций метрополитена : автореф. дис. … канд. техн. наук. СПб., 2009. 16 с.Kudarov R.S. Mathematical models of formation of entrance passenger flow in metro stations :abstract of the dissertation of the Candidate of technical sciences. Saint Petersburg, 2009; 16. (rus).Константинова Т.Ю. Методы и средства оптимизации режимов работы устройств станций и узлов метрополитена : автореф. дис. … канд. техн. наук. СПб., 2006. 24 с.Konstantinova T.Yu. Methods and means to optimize operation modes ofstations and subway nodes : abstract ofPh.D. in Technical Sciences. Saint Petersburg, 2006; 24. (rus).Zhang B., Xu Z.S., Zhao Q.W., Liu Y.Y. A study on theoretical calculation method of subway safety evacuation // Procedia Engineering. 2014. Vol. 71. Pp. 597–604. DOI: 10.1016/j.proeng.2014.04.085Zhang B., Xu Z.S., Zhao Q.W., Liu Y.Y. A study on theoretical calculation method of subway safety evacuation. Procedia Engineering. 2014; 71:597-604. DOI: 10.1016/j.proeng.2014.04.085Revesz A., Chaer I., Thompson J., Mavroulidou M., Gunn M., Maidment G. Modelling of heat energy recovery potential form underground railways with nearby vertical ground heat exchangers in an urban environment // Applied Thermal Engineering. 2019. Vol. 147. Pp. 1059–1069. DOI: 10.1016/j.applthermaleng.2018.10.118Revesz A., Chaer I., Thompson J., Mavroulidou M., Gunn M., Maidment G. Modelling of heat energy recovery potential form underground railways with nearby vertical ground heat exchangers in an urban environment. Applied Thermal Engineering. 2019; 147:1059-1069. DOI: 10.1016/j.applthermaleng.2018.10.118Wu J., Shen F. Experimental study on the effects of ventilation on smoke movement in tunnel fires // International Journal of Ventilation. 2016. Vol. 15. Issue 1. Pp. 94–103. DOI: 10.1080/14733315.2016.1173295Wu J., Shen F. Experimental study on the effects of ventilation on smoke movement in tunnel fires. International Journal of Ventilation. 2016; 15(1):94-103. DOI: 10.1080/14733315.2016.1173295He Z., Chen Y., Sun L., Zhong J., Zhu Y. Identifying station-link correlation for target passenger flow control in subway network // 2018 21st International Conference on Intelligent Transportation Systems (ITSC). 2018. DOI: 10.1109/ITSC.2018.8569533He Z., Chen Y., Sun L., Zhong J., Zhu Y. Identifying station-link correlation for target passenger flow control in subway network. 2018 21st International Conference on Intelligent Transportation Systems (ITSC). 2018. DOI: 10.1109/ITSC.2018.8569533Ембулаев В.Н. Вероятностный метод определения поездок пассажиров на маршруте по данным входа и выхода // Территория новых возможностей. Вестник Владивостокского государственного университета экономики и сервиса. 2019. № 11 (2). С. 58–69. DOI: 10.24866/VVSU/2073-3984/2019-2/058-069Embulaev V.N. A probabilistic method of determining a travel route according to the input and output. Territoryof new opportunities. Bulletin ofVladivostok State University of Economics and Service. 2019; 11(2):58-69. DOI: 10.24866/VVSU/2073-3984/2019-2/058-069 (rus).Leng B., Zeng J., Xiong Z., Lv W., Wan Y. Probability tree based passenger flow prediction and its application to the Beijing subway system // Frontiers of Computer Science. 2013. Vol. 7. Issue 2. Pp. 195–203. DOI: 10.1007/s11704-013-2057-yLeng B., Zeng J., Xiong Z., Lv W., Wan Y. Probability tree based passenger flow prediction and its application to the Beijing subway system. Frontiers of Computer Science. 2013; 7(2):195-203. DOI: 10.1007/s11704-013-2057-yXu X., Li H., Liu J., Ran B., Qin L. Passenger flow control with multi-station coordination in subway networks: algorithm development and real-world case study // Transportmetrica B. 2019. Vol. 7. Issue 1. Pp. 446–472. DOI: 10.1080/21680566.2018.1434020Xu X., Li H., Liu J., Ran B., Qin L. Passenger flow control with multi-station coordination in subway networks: algorithm development and real-world case study. Transportmetrica B. 2019; 7(1):446-472. DOI: 10.1080/21680566.2018.1434020Ling X., Huang Z., Wang C., Zhang F., Wang P. Predicting subway passenger flows under different traffic conditions // PLoS ONE. 2018. Vol. 13. Issue 8. Pp. 1–23. DOI: 10.1371/journal.pone.0202707Ling X., Huang Z., Wang C., Zhang F., Wang P. Predicting subway passenger flows under different traffic conditions. PLoS ONE. 2018; 13(8):1-23. DOI: 10.1371/journal.pone.0202707Sun Y., Zhang G., Yin H. Passenger flow prediction of subway transfer stations based on nonparametric regression model // Discrete Dynamics in Nature and Society. 2014. Vol. 2014. Issue 1. Pp. 1–8. DOI: 10.1155/2014/397154Sun Y., Zhang G., Yin H. Passenger flow prediction of subway transfer stations based on nonparametric regression model. Discrete Dynamics in Nature and Society. 2014; 2014(1):1-8. DOI: 10.1155/2014/397154Лапшин В.А. Особенности моделирования пассажиропотока объектов транспортной инфраструктуры // Молодой ученый. 2020. № 291. С. 33–36. URL: https://moluch.ru/archive/291/65976/Lapshin V.A. Peculiarities of modeling the passenger flow of transport infrastructure facilities. Young Scientist. 2020; 291:33-36. URL: https://moluch.ru/archive/291/65976/ (rus).Jiaojiao X., Jin L. Simulation study on emergency evacuation of metro stations in fire degradation mode // Journal of Physics: Conference Series. 2019. Vol. 1187. Issue 5. P. 052072. DOI: 10.1088/1742-6596/1187/5/052072Jiaojiao X., Jin L. Simulation study on emergency evacuation of metro stations in fire degradation mode. Journal of Physics: Conference Series. 2019; 1187(5):052072. DOI: 10.1088/1742-6596/1187/5/052072Xie C., Li X., Chen B., Lin F., Lin Y., Huang H. Subway sudden passenger flow prediction method based on two factors: case study of the Dongsishitiao station in Beijing // Journal of Advanced Transportation. 2021. Vol. 2021. Pp. 1–8. DOI: 10.1155/2021/5577179Xie C., Li X., Chen B., Lin F., Lin Y., Huang H. Subway sudden passenger flow prediction method based on two factors: Case study of the Dongsishitiao station in Beijing. Journal of Advanced Transportation. 2021; 2021:1-8. DOI: 10.1155/2021/5577179Исаевич И.И. Разработка основ многовариантного анализа объемно-планировочных решений станций и пересадочных узлов метрополитена на основе моделирования закономерного движения людских потоков : автореф. дис. … канд. техн. наук. М., 1990. 18 с.Isayevich I.I. Development of foundations for the multivariant analysis of the space-planning solutions of metro stations and interchange hubs on the basis of simulation of the regular motion of human flows : abstract of Ph.D. in Technical Sciences. Moscow, 1990; 18. (rus).Qin J., Liu C., Huang Q. Simulation on fire emergency evacuation in special subway station based on pathfinder // Case Studies in Thermal Engineering. 2020. Vol. 21. P. 100677. DOI: 10.1016/j.csite.2020.100677Qin J., Liu C., Huang Q. Simulation on fire emergency evacuation in special subway station based on Pathfinder. Case Studies in Thermal Engineering. 2020; 21:100677. DOI: 10.1016/j.csite.2020.100677Wang F. Multi-scenario simulation of subway emergency evacuation based on multi-agent // International Journal of Simulation Modelling. 2021. Vol. 20. Issue 2. Pp. 387–397. DOI: 10.2507/IJSIMM20-2-CO8Wang F. Multi-scenario simulation of subway emergency evacuation based on multi-agent. International Journal of Simulation Modelling. 2021; 20(2):387-397. DOI: 10.2507/IJSIMM20-2-CO8Huang Y., Lei J., Wang K. The influence of obstructions of evacuation node on subway stations fire evacuation capability // Proceedings of the 8th Annual Meeting of Risk Analysis Council of China Association for Disaster Prevention (RAC 2018). 2018. DOI: 10.2991/rac-18.2018.42Huang Y., Lei J., Wang K. The influence of obstructions of evacuation node on subway stations fire evacuation capability. Proceedings of the 8th Annual Meeting ofRisk Analysis Council of China Association for Disaster Prevention (RAC 2018). 2018. DOI: 10.2991/rac-18.2018.42

The authors declare that there are no conflicts of interest present.