Preview

Пожаровзрывобезопасность/Fire and Explosion Safety

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Метод математического моделирования пассажиропотоков для обоснования объемно-планировочных решений станций метрополитена и расчета безопасной эвакуации пассажиров

https://doi.org/10.22227/0869-7493.2023.32.03.54-68

Полный текст:

Аннотация

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. 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. 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. 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.

Об авторах

Д. Е. Шабунина
ООО «Центр исследований опасных факторов пожаров»
Россия

научный сотрудник



А. И. Данилов
ООО «Центр исследований опасных факторов пожаров»
Россия

генеральный директор



М. В. Гравит
Санкт-Петербургский политехнический университет Петра Великого
Россия

канд. техн. наук, доцент

  • РИНЦ ID: 667288
  • ResearcherID: B-4397-2014
  • Scopus AuthorID: 56826013600


Список литературы

1. Liang 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/cmsam2016/3565

2. Yang 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.2020.125566

3. Lei 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.2012.06.033

4. Авдеев 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=44534003

5. 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: 10.1155/2018/6931025

6. Peimbert 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.16440

7. Wang 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/s00521-018-3793-6

8. Jia 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: 10.1080/­19427867.2020.1741778

9. Xue 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: 10.1155/2020/3862157

10. Кударов Р.С. Математические модели формирования входного пассажиропотока станций метрополитена : автореф. дис. … канд. техн. наук. СПб., 2009. 16 с.

11. Константинова Т.Ю. Методы и средства оптимизации режимов работы устройств станций и узлов метрополитена : автореф. дис. … канд. техн. наук. СПб., 2006. 24 с.

12. 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.2014.04.085

13. Revesz 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.2018.10.118

14. Wu 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: 10.1080/14733315.2016.1173295

15. He 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.2018.8569533

16. Ембулаев 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/2073-3984/2019-2/058-069

17. 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-y

18. Xu 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: 10.1080/21680566.2018.1434020

19. Ling 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.0202707

20. Sun 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: 10.1155/2014/397154

21. Лапшин В.А. Особенности моделирования пассажиропотока объектов транспортной инфраструктуры // Молодой ученый. 2020. № 291. С. 33–36. URL: https://moluch.ru/archive/291/65976/

22. 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: 10.1088/1742-6596/1187/5/052072

23. Xie 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: 10.1155/2021/5577179

24. Исаевич 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.

25. 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.2020.100677

26. Wang 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-CO8

27. Huang 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-18.2018.42


Рецензия

Для цитирования:


Шабунина Д.Е., Данилов А.И., Гравит М.В. Метод математического моделирования пассажиропотоков для обоснования объемно-планировочных решений станций метрополитена и расчета безопасной эвакуации пассажиров. Пожаровзрывобезопасность/Fire and Explosion Safety. 2023;32(3):54-68. https://doi.org/10.22227/0869-7493.2023.32.03.54-68

For citation:


Shabunina D.E., Danilov A.I., Gravit M.V. Method of mathematical modelling of passenger flows to justify the space-planning solutions of underground stations and calculate passenger evacuation. Pozharovzryvobezopasnost/Fire and Explosion Safety. 2023;32(3):54-68. (In Russ.) https://doi.org/10.22227/0869-7493.2023.32.03.54-68

Просмотров: 115


ISSN 0869-7493 (Print)
ISSN 2587-6201 (Online)