Волновой алгоритм определения оптимального маршрута движения газодымозащитников в зданиях при пожарах и задымлениях

Введение. Одной из основных задач информационно-аналитической поддержки газодымозащитников является маршрутизация их передвижения в здании. Технические возможности в виде развитых систем дистанционного мониторинга обеспечивают руководителя тушения пожара необходимой информацией о месте первоначального возникновения пожара, а существующий математический аппарат позволяет осуществить прогноз параметров его развития. Цель данной работы — разработка алгоритма определения оптимального маршрута движения газодымозашитников в здании для поддержки принятия управленческих решений на пожаре. Для достижения поставленной цели необходимо разработать теоретическую основу и произвести ее программную реализацию.
Теоретические основы. В работе для моделирования движения газодымозащитников в здании использована теория клеточных автоматов. Применен клеточный автомат с окрестностью Мура. Для мониторинга параметров пожара использованы дифференциальные уравнения Колмогорова.
Результаты и обсуждения. Для определения оптимального пути в здании разработан модифицированный волновой алгоритм. Использовано разработанное программное средство, позволяющее моделировать движение газодымозащитников. При выполнении математического моделирования применяются коэффициенты важности, учитывающие приоритетное значение параметров работы газодымозащитников при выполнении разных видов работ.
Выводы. Результаты исследования дают основания считать, что разработанный алгоритм позволяет выявить оптимальный путь, тем самым давая лицу, принимающему решение о направлении звеньев газодымозащитной службы к месту проведения работ, возможность обоснованного выбора места ввода сил и средств, а также маршрута их движения внутри здания. 

1. Полехин П.В., Чебуханов М.А., Долаков Т.Б., Козлов А.А., Матюшин Ю.А., Фирсов А.Г. и др. Пожары и пожарная безопасность в 2019 году : статистический сборник. М. : ВНИИПО, 2020. С. 80.

2. Теребнев В.В., Семенов А.О., Смирнов В.А., Тараканов Д.В. Анализ и поддержка решений при тушении крупных пожаров // Пожаровзрывобезопасность/Fire and Explosion Safety. 2010. Т. 19. № 9. С. 51–57. URL: https://elibrary.ru/item.asp?id=16902937.

3. Теребнев В.В., Семенов А.О., Тараканов Д.В. Теоретические основы принятия решений при управлении силами и средствами на пожаре // Пожаровзрывобезопасность/Fire and Explosion Safety. 2012. Т. 21. № 10. С. 14–17. URL: https://elibrary.ru/item.asp?id=18059941.

4. Топольский Н.Г., Хабибулин Р.Ш., Рыженко А.А., Бедило М.В. Адаптивная система поддержки деятельности центров управления в кризисных ситуациях : монография. М. : Академия ГПС МЧС России, 2014. 151 с.

5. Khorram-Manesh A., Berlin J., Carlström E. Two validated ways of improving the ability of decision-making in emergencies; results from a literature review // Bulletin of Emergency and Trauma. 2016. Vol. 4. Issue 4. Pp. 186–196.

6. Minkin D.Yu., Sineshchuk Yu.I., Terekhin S.N., Yusherov K.S. A method of constructing a structured database of the typical objects of protection on the basis of cluster analysis // Journal of Theoretical and Applied Information Technology. 2017. Vol. 95. Issue 20. Pp. 5331–5339.

7. Lauras M., Benaben F., Truptil S., Charles A. Event-cloud platform to support decision-making in emergency management // Information Systems Frontiers. 2015. Vol. 17. Issue 4. Pp. 857–869. DOI: 10.1007/s10796-013-9475-0

8. Sanae Khali Issa, Abdellah Azmani, Benaissa Amami. Vulnerability analysis of fire spreading in a building using fuzzy logic and its integration in a decision support system // International Journal of Computer Applications. 2013. Vol. 76. Issue 6. Pp. 48–53. DOI: 10.5120/13255-0732

9. Hao Cheng, Hadjisophocleous G.V. The modeling of fire spread in buildings by Bayesian network // Fire Safety Journal. 2009. Vol. 44. Issue 6. Pp. 901–908. DOI: 10.1016/j.firesaf.2009.05.005

10. Mehdi Ben Lazreg, Jaziar Radianti, Ole-Christoffer Granmo. Smart rescue: architecture for fire crisis assessment and prediction // Proceedings of the 12 International Conference on Information Systems for Crisis Response and Management (ISCRAM 2015) (Kristiansand, Norway, May 24–27, 2015). 7. URL: http://iscram2015.uia.no/wp-content/uploads/2015/05/1 (дата обращения: 01.02.2021).

11. Топольский Н.Г., Тараканов Д.В., Баканов М.О. Многокритериальная модель мониторинга пожара в здании для управления пожарно-спасательными подразделениями. Пожаровзрывобезопасность/Fire and Explosion Safety. 2018. Vol. 27(5). Pp. 26–33. DOI: 10.18322/ pvb.2018.27.5.26-33

12. Малинецкий Г.Г., Степанцов М.Е. Применение клеточных автоматов для моделирования движения группы людей // Журнал вычислительной математики и математической физики. 2004. Т. 44. № 11. С. 2094–2098.

13. Топольский Н.Г., Тараканов Д.В., Степанов Е.В., Багажков И.В. Пространственная модель управления действиями поисково-спасательных подразделений при пожарах и задымлении // Современные проблемы гражданской защиты/Modern problems of civil protection. 2020. Т. 36. № 3. С. 47–52. URL: https://elibrary.ru/item.asp?id=43956593.

14. Кабелев Н.А. Пожарная разведка: тактика, стратегия и культура. Екатеринбург : Калан, 2016. 348 с.

15. Гринченко Б.Б. Вероятностная оценка необходимого запаса воздуха в дыхательных аппаратах при работе на пожаре // Технологии техносферной безопасности. 2017. № 4 (74). С. 155–162. URL: https://elibrary.ru/item.asp?id=32847853

16. Присадков В.И., Муслакова С.В., Хатунцева С.Ю., Костерин И.В., Фадеев В.Е., Шамаев А.М. Расчетные оценки эффективности тушения пожара в очаге внутренним противопожарным водопроводом // Пожарная безопасность/Fire Safety. 2017. № 1. С. 49–53.

17. Теребнев В.В. Расчет параметров развития и тушения пожаров. Екатеринбург : Калан, 2011. 460 с.

18. Lee E.W.M. Application of artificial neural network to fire safety engineering // Handbook on Decision Making. Intelligent Systems Reference Library / L.C. Jain, C.P. Lim (eds.). Berlin, Heidelberg : Springer, 2010. Vol. 4. Pp. 369–395. DOI: 10.1007/978-3-642-13639-9_15

19. Lee E.W.M., Lau P.C., Yuen K.K.Y. Application of artificial neural network to building compartment design for fire safety // Intelligent Data Engineering and Automated Learning – IDEAL 2006. Lecture Notes in Computer Science / Corchado E., Yin H., Botti V., Fyfe C. (eds.). Berlin, Heidelberg : Springer, 2006. Vol. 4224. Pp. 265–274. DOI: 10.1007/11875581_32

20. Mendonça D., Beroggi G.E.G., van Gent D., Wallace W.A. Designing gaming simulations for the assessment of group decision support systems in emergency response // Safety Science. 2006. Vol. 44. Issue 6. Pp. 523–535. DOI: 10.1016/j.ssci.2005.12.006

21. Joo-Young Lee, Joonhee Park, Huiju Park, Aitor Coca, Jung-Hyun Kim, Nigel A.S.T. et al. What do firefighters desire from the next generation of personal protective equipment? Outcomes from an international survey // Industrial Health. 2015. Vol. 53. Issue 5. Pp. 434–444. DOI: 10.2486/indhealth.2015-0033

22. Scholz M., Gordon D., Ramirez L., Sigg S., Dyrks T., Beigl M. A concept for support of firefighter frontline communication // Future Internet. 2013. Vol. 5. Issue 2. Pp. 113–127. DOI: 10.3390/fi5020113

23. Markus Scholz, Dawud Gordon, Leonardo Ramirez, Stephan Sigg, Tobias Dyrks, Michael Beigl. A concept for support of firefighter frontline communication // Future Internet. 2013. Vol. 5. Issue 2. Pp. 113–127. DOI: 10.3390/fi5020113

24. Xing Zhi-xiang, Gao Wen-li, Zhao Xiao-fang, Zhu De-zhi. Design and implementation of city fire rescue decision support system // Procedia Engineering. 2013. Vol. 52. Pp. 483–488. DOI: 10.1016/j.proeng.2013.02.172.