Модель эффективности реагирования в иерархической системе управления по оценкам готовности пожарных подразделений

Введение. Готовность подсистем всех уровней в Единой государственной системе предупреждения и ликвидации чрезвычайных ситуаций (РСЧС) к реагированию на чрезвычайные ситуации является одной из важнейших характеристик, определяющих ее эффективность. Для поддержки принятия решений на верхних уровнях иерархии управления важно иметь комплекс моделей, адекватно отражающих зависимости ключевых показателей эффективности реагирования от частных показателей нижележащих уровней системы (пожарно-спасательных подразделений). Нормативный подход к построению таких моделей, когда аналитики задают не только их структуру, но и параметры, в большинстве случаев оказывается малопродуктивным в силу неадаптивного их характера в условиях динамично изменяющихся внешних условий и технологических возможностей современных средств. Применение подхода, основанного на решении обратных задач, замыкающих контур обратной связи и обеспечивающих адаптивную подстройку не только параметров, но и структуры моделей, позволяет обеспечить текущую адекватность моделей в изменяющихся условиях.
Актуальность исследования заключается в разработке технологии построения полиномиальных моделей, позволяющих оценить эффективность реагирования в РСЧС на основании оценок показателей готовности подсистем нижних уровней, полученных с помощью экспертного оценивания (тестирования) средствами внутреннего контроля.
Цели и задачи. Целью работы являются построение и апробация технологии создания аналитических полиномиальных моделей, позволяющих адекватно оценивать показатели эффективности реагирования РСЧС в зависимости от показателей готовности подсистем нижних уровней (пожарно-спасательных подразделений). В соответствии с этой целью поставлены и задачи выбора типа модели и методов получения необходимых исходных данных.
Методы. В исследовании использованы методы анализа иерархически организованных систем, математическая статистика, имитационное моделирование, методы экспертного оценивания. Исследование основано на материалах отечественных и зарубежных публикаций.
Результаты и обсуждение. Предложенный метод построения модели эффективности функционирования РСЧС по данным о готовности подсистем дает основу для построения и моделей, учитывающих другие показатели подсистем.
Вывод. Представленные результаты решения задачи построения полиномиальной модели, отражающей зависимость эффективности реагирования РСЧС от показателей готовности нижних уровней, дают основание для построения и других подобных моделей для их использования в составе систем поддержки принятия решений.

1. Собянин С.С. Московское правительство о пожарной безопасности в столице в 2018–2019 гг. // Каталог «Пожарная безопасность». 2019. URL: http://lib.secuteck.ru/articles2/firesec/moskovskoe-pravitelstvo-o-pozharnoy-bezopasnosti-v-stolitse-v (дата обращения 07.03.2021).

2. Найт Ф.Х. Риск, неопределенность и прибыль. М. : Дело, 2003. 360 с.

3. Брушлинский Н.Н., Шебеко Ю.Н., Болодьяп И.А., Вагнер П., Глуховенко Ю.М., Гилетич А.Н. и др. Пожарные риски: динамика, управление, прогнозирование / под ред. Н.Н. Брушлинского, Ю.Н. Шебеко. М. : ВНИИПО, 2007. 370 с.

4. Vilisov V.Ya. Internal control tools used within hierarchical organizational structures // 2017 Tenth International Conference Management of Large-Scale System Development (MLSD). Moscow : IEEE Publ., 2017. С. 1–5. DOI: 10.1109/MLSD.2017.8109705 URL: http://ieeexplore.ieee.org/document/8109705/ (дата обращения 07.03.2021).

5. Lee H.-R., Lee T. Multi-agent reinforcement learning algorithm to solve a partially-observable multi-agent problem in disaster response // European Journal of Operational Research. 2021. Vol. 291. Issue 1. Pp. 296–308. DOI: 10.1016/j.ejor.2020.09.018

6. Брушлинский Н.Н., Клепко Е.А., Попков С.Ю., Соколов С.В. Управление пожарной безопасностью субъектов Российской Федерации на основе анализа пожарных рисков // Проблемы пожарной безопасности и чрезвычайных ситуаций. 2010. № 3. С. 104–114. URL: https://elibrary.ru/item.asp?id=15121574

7. Бедило М.В., Бутузов С.Ю., Прус Ю.В., Рыженко А.А., Чурсин Р.Г. Модель адаптивного управления оперативными службами РСЧС в чрезвычайных ситуациях межрегионального и федерального уровня // Технологии техносферной безопасности. 2017. № 1 (71).

8. Овсяник А.И., Копнышев С.Л., Бурков В.Н., Щепкин А.В. О методике исследования достаточности мероприятий по обеспечению безопасности функционирования региона страны // Технологии техносферной безопасности. 2017. № 2 (72). URL: http://agps-2006.narod.ru/ttb/2017-2/39-02-17.ttb.pdf (дата обращения 07.03.2021).

9. Цвиркун А.Д., Акинфиев В.К. Структура многоуровневых и крупномасштабных систем. Синтез и планирование развития. М. : Наука, 1993. 160 с.

10. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М. : Мир, 1973. 344 с.

11. Орлов А.И. Организационно-экономическое моделирование. Экспертные оценки. М. : Изд-во МГТУ им. Н.Э. Баумана, 2011. 486 с.

12. Ларичев О.И., Мошкович Е.М. О возможностях получения от человека непротиворечивых оценок многомерных альтернатив // Дескриптивный подход к изучению процессов принятия решений при многих критериях : сб. тр. Вып. 9. М. : ВНИИСИ, 1980. С. 3–26.

13. Петровский А.Б. Теория принятия решений. М. : Издательский центр «Академия», 2009. 400 с.

14. Себер Дж. Линейный регрессионный анализ / пер. с англ. В.П. Носко. М. : Мир, 1980. 456 с.

15. Stroh R., Bect J., Demeyer S., Fischer N., Vazquez E. Gaussian process modeling for stochastic multi-fidelity simulators, with application to fire safety. 2016. URL: https://arxiv.org/abs/1605.02561 (дата обращения 07.03.2021).

16. Hamke E.E., Jordan R., Ramon-Martinez M. Breath activity detection algorithm. 2016. URL: https://arxiv.org/abs/1602.07767 (дата обращения 07.03.2021).

17. Zhang X., Mahadevan S. Bayesian neural networks for flight trajectory prediction and safety assessment // Decision Support Systems. 2020. Vol. 131. URL: https://www.sciencedirect.com/science/article/pii/S0167923620300014 (дата обращения 07.03.2021).

18. Taha H.A. Operations research: an introduction. 10th Global ed. Harlow (England): Pearson Education Limited, 2017. 848 p.

19. Fertier A., Barthe-Delanoë A.-M., Montarnal A., Truptil S., Bénaben F. A new emergency decision support system: the automatic interpretation and contextualisation of events to model a crisis situation in real-time // Decision Support Systems. 2020. Vol. 133. DOI: 10.1016/j.dss.2020.113260

20. Cavdur F., Sebatli A. A decision support tool for allocating temporary-disaster-response facilities // Decision Support Systems. Vol. 127. 2019. DOI: https://doi.org/10.1016/j.dss.2019.113145