مدل ارزیابی تحلیل نزدیکی فضایی شبکه‌های سه بعدی تخلیه داخلی

یک مدل ارزیابی برای تحلیل استحکام و نزدیکی فضایی شبکه‌های سه بعدی تخلیه داخلی

چکیده

راندمان تخلیه داخلی به شدت به وضعیت اتصال شبکه های ناوبری بستگی دارد. در طول شرایط فاجعه بار، گسترش خطرات (به عنوان مثال، آتش سوزی، ستون) به طور قابل توجهی بر وضعیت شبکه های ناوبری داخلی تأثیر می گذارد. با این وجود، تحقیقات فعلی بر استفاده از روش‌های آماری کلاسیک برای تجزیه و تحلیل این وضعیت متمرکز است و فاقد انعطاف‌پذیری برای ارزیابی تأثیر دامنه فاجعه‌بار فزاینده است. ما یک روش ارزیابی را با ترکیب فاصله هندسی فضایی سه بعدی و توپولوژی برای تخلیه اضطراری برای رسیدگی به این موضوع پیشنهاد می‌کنیم.

در این روش، مجموعه‌ای از شاخص‌ها را برای توصیف وضعیت گره‌ها و کل شبکه در شرایط اضطراری ارائه می‌کنیم. این شاخص ها می توانند به امدادگران کمک کنند تا به سرعت گره ها و مناطق آسیب پذیر شبکه را شناسایی کنند. تسهیل تولید طرح های تخلیه و بهبود کارایی تخلیه. ما این روش را برای تجزیه و تحلیل کارایی تخلیه آتش و انعطاف پذیری شبکه های داخلی دو ساختمان آزمایشی اعمال می کنیم. نتایج تجربی تأثیر قوی بر اتصال فضایی شبکه بر راندمان تخلیه تحت شرایط فاجعه را نشان می‌دهد.

کلید واژه ها:

سه بعدی ؛ شبکه تخلیه داخلی ؛ نفوذ فضایی ؛ استحکام ; انزوا

1. مقدمه

تخلیه اضطراری فرآیندی است که در آن افراد در مناطق خطرناک باید راهنمایی یا به مکان های امن منتقل شوند. این نقش اساسی در مدیریت بحران، نجات جان و مال مردم دارد. از زمان وقوع برخی رویدادهای اضطراری قابل توجه، مانند حملات تروریستی در 11 سپتامبر 2001 و بمب‌گذاری لندن در سال 2005 (که در محیط‌های داخلی رخ داد)، توجه بیشتری به تخلیه اضطراری داخلی شده است [ 1 ، 2 ، 3 ، 4 ].]. ما می‌توانیم کاربردهای عملی این نوع تحقیق را به سه دسته طبقه‌بندی کنیم: (1) برای بهینه‌سازی طراحی‌های فضایی محیط‌های داخلی. (2) برای بهبود تنظیمات از تسهیل پاسخ اضطراری (چراغ خروج، شلنگ آتش نشانی) برای آتش نشانی. (3) برای کمک به ایجاد طرح های ارزیابی.

تخلیه اضطراری داخلی یک پدیده پیچیده است که تحت تأثیر عوامل بسیاری مانند آگاهی و تعاملات انسانی، گسترش خطر و محیط های داخلی قرار دارد. با افزایش علاقه به شرایط اضطراری داخلی در سال‌های اخیر، بسیاری از محققان مطالعاتی را برای مطالعه تأثیر این عوامل بر کارایی تخلیه در محیط‌های داخلی در هنگام شرایط اضطراری انجام داده‌اند. نویسندگان [ 2 ] یک مدل شبیه‌سازی عامل را پیشنهاد کردند که رفتارهای انسانی را برای پیش‌بینی دسترسی فضایی یک ساختمان خاص تحت شرایط بلایای آتش‌سوزی ترکیب می‌کند. نویسندگان [ 1 ] همسایگی فضایی سه بعدی را با روابط توپولوژیکی برای پیاده سازی یک سیستم شبیه سازی تخلیه ساختمان مبتنی بر CA ترکیب کردند. در [ 3]، نویسندگان یک مدل چندشبکه ای را برای مطالعه فرآیند تخلیه عابر پیاده در شرایط کور به کار بردند و چندین ویژگی حیاتی افراد تخلیه شده را کشف کردند. این مطالعه در [ 5 ] حملات بالقوه بیوتروریسم در ایستگاه های مترو را بررسی کرد و تأثیر مواد خطرناک را بر افراد تخلیه شده بازرسی کرد. با این حال، مطالعات ذکر شده در بالا عمدتاً بر رفتارها و تعاملات انسانی در حین تخلیه متمرکز بودند. تا آنجا که ما می دانیم، تعداد کمی از کارها اتصال واحدهای فضایی را در محیط های سه بعدی برای تخلیه اضطراری داخل ساختمان ارزیابی کرده اند.

2. آثار مرتبط

یک جنبه مهم مربوط به تخلیه اضطراری داخلی، ناوبری است. در مواقع اضطراری، موانع مختلف (مثلاً آتش‌سوزی، سیل و توفان) می‌توانند شبکه‌های جاده‌ای را تحت تأثیر قرار دهند و مردم در مکان‌های خطرناک برای رسیدن به مناطق امن نیاز به راهنمایی دارند [ 6 ]. برخلاف ناوبری در فضای باز، ناوبری داخلی در فضاهای سه بعدی رخ می دهد و به اطلاعات سه بعدی توپولوژیکی و هندسی محیط های برنامه ریزی مسیر نیاز دارد. تلاش‌های زیادی بر توسعه مدل‌ها و روش‌هایی برای نمایش کارآمد داده‌های سه‌بعدی برای اهداف ناوبری داخلی روشن کرده است [ 7 , 8 , 9 , 10 , 11]. در دهه‌های اخیر، با توجه بیشتر به شرایط اضطراری داخل ساختمان، بسیاری از محققین علایق خود را به سمت ناوبری داخلی در موقعیت‌های فاجعه‌بار معطوف کرده‌اند و مدل‌ها و روش‌های جدیدی را برای حمایت از مسیریابی در محیط‌های داخلی توسعه داده‌اند. مطالعات در [ 12 ، 13 ، 14 ، 15 ] به طور سیستماتیک از یک مدل شبکه گراف سه بعدی ادغام شده با اندازه گیری فاصله متریک برای کمک به پاسخ دهندگان اضطراری و تخلیه کنندگان برای تعیین سریع ترین مسیرهای خروج استفاده کردند. نویسندگان [ 16] به طور کامل یک شبکه هندسی سه بعدی را برای محاسبه مسیرهای تخلیه برای افراد تخلیه شده اعمال کرد و دو نوع راه حل “تقریباً بهینه” و “تقریبا امکان پذیر” را با در نظر گرفتن محدودیت های زمانی تولید کرد. با این حال، این آثار بالا فقط به تولید مسیر در موقعیت‌های مختلف بلایای طبیعی پرداختند و تعداد کمی از محققان به تجزیه و تحلیل استحکام شبکه‌های متاثر از خطرات توجه کرده‌اند. از آنجایی که شبکه های سه بعدی نقش عمده ای در تولید مسیرهای داخلی ایفا می کنند، همچنین نیاز به تجزیه و تحلیل وضعیت مطالعه نشده شبکه مسیریابی داخلی برای تسهیل محاسبات مسیر در مواقع اضطراری وجود دارد.

بازنمایی های شبکه در زمینه های مختلف برای مدل سازی مشکلات دنیای واقعی مانند شبکه های اجتماعی، شبکه های ترافیک و شبکه های قدرت استفاده شده است. محققان مجموعه ای غنی از روش ها را برای رسیدگی به این مشکلات و تجزیه و تحلیل شبکه ها برای اهداف مختلف توسعه داده اند [ 17 ، 18 ]. نویسندگان [ 19 ] سیستم های ارزیابی مرکزیت چندگانه را برای ارزیابی ماهیت یک شبکه از دیدگاه اولیه پیشنهاد کردند. این سیستم می تواند فواصل متریک و سایر شاخص های ویژگی های مرکزیت نمودارهای مورد مطالعه را نشان دهد. برای موارد کلی در مورد وضعیت اتصال به شبکه، مراجع [ 20 ، 21] برخی از ویژگی ها و پویایی های اساسی برای گریدلاک های شبکه خیابان های شهری را بررسی کرد و مدلی را برای بازتولید پسماند و گریدلاک شبکه توسعه داد. آنها مدل توسعه‌یافته را در شبکه‌های شهری مهم به کار بردند و برخی از پدیده‌ها را از دیدگاه کل شبکه کشف کردند. در [ 22 ]، نویسندگان یک مدل تحلیل استحکام را بر اساس تغییرات کوتاه مدت در منابع پیشنهاد کردند. این مدل برای نشان دادن آسیب پذیری های شبکه های خاص کارآمد است. در [ 23 ]، نویسندگان تجزیه و تحلیل آسیب پذیری ساختاری سیستماتیک را برای ساختار شبکه برق در مقیاس بزرگ با توجه به اصول شبکه پیچیده انجام دادند. این مدل می تواند نقاط آسیب پذیر یک شبکه را شناسایی کند. نویسندگان [ 24 ، 25 ، 26] ساختارهای جامعه موجود در چندین شبکه بزرگ و تأثیرات تأثیرات آنها در طول حملات تصادفی و عفونی را مورد مطالعه قرار داد. در [ 27 و 28 ]، نویسندگان تأثیرات ناقلین بیماری را در میان یک شبکه پیچیده بررسی کردند و دریافتند که تأثیرگذارترین پخش کننده ها، گره هایی هستند که به جای مقادیر قابل توجه اتصال پیشنهاد شده توسط روش های ارزیابی کلاسیک، بالاترین مقادیر تجزیه k را دارند. اگرچه این مطالعات شبکه موجود بینش هایی را در مورد ارزیابی شبکه های ناوبری از جنبه توپولوژیکی ارائه کرده است، اما آنها اطلاعات هندسی سه بعدی را در نظر نمی گیرند و کاربرد آنها را در مورد تجزیه و تحلیل شبکه های ناوبری داخلی محدود می کند.

در این مطالعه، ما ارزیابی شبکه‌ها را برای شرایط اضطراری داخلی بررسی می‌کنیم و روشی را برای تحلیل استحکام شبکه‌ها در شرایط اضطراری پیشنهاد می‌کنیم. در این روش از فاصله فضایی سه بعدی به عنوان وزن لبه برای تولید مسیرهای ناوبری استفاده می کنیم و هم توپولوژی شبکه و هم فاصله فضایی سه بعدی را در تحلیل شبکه در نظر می گیریم. استفاده از فاصله فضایی سه بعدی به ما این امکان را می دهد که شبکه سه بعدی داده شده را واقعی تر و جامع تر ارزیابی کنیم. علاوه بر این، مدل‌های خطر را برای ارزیابی وضعیت اتصال شبکه داخلی معرفی می‌کنیم. بنابراین، با ادغام مدل‌های خطر، می‌توانیم تأثیر خطرات را بر ساختار شبکه در طول زمان تخمین بزنیم (یعنی با تقسیم پویا شبکه اصلی به زیرشبکه‌های مجزا) و وزن لبه‌ها را در شبکه ناوبری داخلی به‌روزرسانی کنیم. ما مجموعه ای از شاخص ها را برای ارزیابی گره ها و کل شبکه پیشنهاد می کنیم. این شاخص‌ها می‌توانند به ما کمک کنند وضعیت شبکه را در یک محیط سه‌بعدی متاثر از خطرات بررسی کنیم و گره‌ها و لبه‌های آسیب‌پذیر را شناسایی کنیم، و تولید طرح‌های تخلیه را برای شرایط اضطراری داخل ساختمان تسهیل می‌کند. ما بقیه این مقاله را به صورت زیر سازماندهی می کنیم: دربخش 3.1 ، ما شاخص های پیشنهادی برای تجزیه و تحلیل اتصال شبکه های ناوبری 3 بعدی داخلی را ارائه می کنیم. در بخش 3.2 – بخش 3.4 ، ما یک رویداد آتش سوزی را به عنوان مثال در نظر می گیریم و روش خود را برای مطالعه پدیده های جداسازی یک شبکه داخلی تحت تأثیر آتش سوزی ارائه می دهیم. در این بخش‌ها، آزمایش‌هایی را انجام می‌دهیم و روش خود را با مجموعه داده‌های دو ساختمان آزمایش می‌کنیم. بخش 3.5 آزمایش های ما را تشریح می کند و بخش 4 نتایج آزمایش ها را ارائه می دهد. در نهایت، در بخش 5 ، نتیجه گیری های خود را ارائه کرده و جهت های تحقیقاتی آینده را پیشنهاد می کنیم.

در بخش بعدی مجموعه‌ای از شاخص‌ها را ارائه می‌کنیم که اتصال شبکه را در سطوح جهانی و محلی تعریف می‌کنند. در سطح جهانی، ما از شاخص های انتخاب شده برای بررسی کارایی اتصال کل شبکه استفاده می کنیم. ما اثربخشی اتصال را برای همسایگی نمودارهای مطالعه شده خاص ارزیابی می‌کنیم و تأثیرات محلی گره‌ها یا لبه‌های همسایه در نظر گرفته شده را در سطح محلی تخمین می‌زنیم. شاخص‌های توسعه‌یافته از گره‌ها به عنوان عناصر اساسی برای بررسی اهداف و ادغام همبستگی‌های فضایی با اشیاء مجاور برای توصیف ویژگی‌های فضایی مشابه در شبکه ناوبری داخلی استفاده می‌کنند. ما به طور کلی در مورد شاخص های کلاسیک که عملکرد اندازه گیری وضعیت نمودار را در زیر انجام می دهند توضیح می دهیم:

آ.: شاخص گاما

شاخص گاما معیاری از اتصال است که رابطه بین تعداد پیوندهای مشاهده شده و پیوندهای ممکن را در نظر می گیرد. مقدار گاما بین 0 و 1 است، جایی که مقدار 1 نشان دهنده یک شبکه کاملاً متصل است که در واقعیت بسیار بعید است. ما از این شاخص برای اندازه گیری پیشرفت یک شبکه در طول زمان استفاده می کنیم.

ب.: گذر عمومی

گذرا بودن احتمال کلی این است که گره های مجاور آن به هم متصل شده باشند و بدین ترتیب جوامع به هم پیوسته آشکار شوند. ما از معیار گذر عمومی استفاده می کنیم که با میانگین ضریب خوشه بندی برای همه گره ها محاسبه می شود.

سی.: میانگین طول مسیر گره

میانگین کوتاهترین طول مسیر، معیاری از کارایی است که نشان دهنده میانگین تعداد مراحل مورد نیاز برای رسیدن به دو گره دورتر در نمودار است. هر چه نتیجه کمتر باشد، شبکه در سهولت گردش کارآمدتر است. در این مقاله از یک گره به عنوان واحد اندازه گیری طول مسیر متوسط استفاده می کنیم.

D.: قطر نمودار

قطر گراف طول کوتاه ترین مسیر بین گره های با فاصله بیشتر از یک گراف است. وسعت یک نمودار و طول توپولوژیکی بین دو گره را اندازه گیری می کند.

E.: اتصال محلی

اتصال حداقل تعداد عناصر حذف شده برای جداسازی گره های باقی مانده در زیر نمودارهای جدا شده است. ما مفهوم اتصال محلی تولید شده توسط میانگین حسابی مقادیر اتصال همه گره ها را معرفی می کنیم.

3. روش تحقیق

3.1. روش پیشنهادی

در قسمت بعدی، تعاریف شش شاخص روش پیشنهادی برای ارزیابی شبکه را نشان می‌دهیم. اولین شاخص ضریب خوشه بندی و شاخصی برای توصیف تأثیر فضایی حذف یک گره خاص در شبکه است. شاخص دوم میانگین هزینه شمارش گره های همسایه محلی است و تعداد گره های همسایه یک گره خاص تحت پوشش محدوده فاصله گره معمولی را نشان می دهد. سومین شاخص فاصله فضایی سه بعدی است که نزدیکی فضایی گره همسایه را از یک گره خاص توصیف می کند و بنابراین یک شاخص تأثیر فضایی برای این گره منبع است. چهارمین شاخص تعداد نتایج معنی‌دار است که برای نشان دادن میانگین تعداد برای نتیجه مسیر تولید شده استفاده می‌شود. نتایج مسیر ذکر شده در این مقاله همه توسط الگوریتم Dijkstra تولید می شوند. شاخص پنجم میانگین هزینه زمانی مسیریابی است و حالت کلی هزینه زمانی صرف شده برای فرآیند مسیریابی را توصیف می کند. آخرین شاخص میانگین طول مسیر است که برای نشان دادن فواصل عمومی مسیرهای خروجی استفاده می شود. دو زیرشاخص آن را پیاده سازی می کنند: طول مسیر متوسط اندازه گیری شده با فاصله گره و فاصله مکانی. علاوه بر این، در معادلات (1 )–( 9 )، از نماد v برای نشان دادن یک گره خاص استفاده می کنیم. نماد e برای نشان دادن یک یال. نماد V برای نشان دادن مجموعه کامل گره. و نمادهای p و P به ترتیب نشان دهنده مسیر تولید شده و مسیر کامل مجموعه در نمودار مربوطه هستند. جدول 1 نمادهای شاخص مورد استفاده در این مقاله را خلاصه می کند.

آ.: ضریب خوشه بندی گره

معادله ( 1 ) ضریب خوشه بندی را برای یک گره خاص v تولید می کند . برای محاسبه این شاخص، ابتدا تعداد یال های مجموعه گره همسایه گره v را محاسبه می کنیم.Vمنپس از حذف گره v از شبکه ناوبری. هتوwنشان دهنده مجموعه لبه های تشکیل شده توسط گره های u و w در مجموعه است Vمن. کvاندازه مجموعه است Vمن، که برابر با تعداد گره های این مجموعه است. این شاخص تأثیر یک گره انتخاب شده بر کل شبکه ناوبری را نشان می دهد. از آنجایی که مقدار این شاخص نشان دهنده اهمیت گره در نظر گرفته شده در سیستم است، مقدار بزرگتر به این معنی است که حذف این گره تأثیر کمتری بر بازده عبور سیستم خواهد داشت.

سیv=|{هتوw:تو،w∈Vمن،هتوw∈E}|کv(کv-1)/2

(1)

ب.: میانگین هزینه شاخص اتصال محلی

هنگام محاسبه میانگین هزینه شاخص اتصال منطقه‌ای برای همه گره‌های شبکه، هدف ما اندازه‌گیری میانگین سطح تأثیر فرآیند حذف گره در سیستم است. این مقدار یک چشم انداز کلی از وضعیت خوشه بندی همسایگی در معادله ( 2 ) را نشان می دهد.

سیل=1n∑v∈V(سیv)

(2)

سی.: فاصله فضایی سه بعدی و نزدیکی فضایی یک گره همسایه

با هدف نشان دادن توزیع فضایی سه بعدی شبکه ناوبری در نظر گرفته شده، دو ضریب تولید شده توسط معادلات ( 3 ) و ( 4 ) را معرفی می کنیم. در معادله ( 3 )، اسDvwنشان دهنده فاصله سه بعدی بین هر دو گره متصل v و w در شبکه ناوبری و |ه|تعداد لبه های یک سیستم را نشان می دهد. میانگین هزینه فاصله مکانی لبه اسDمیانگین فاصله سفر برای لبه های موجود را نشان می دهد. در حال حاضر، این لبه ها بدون جهت هستند. در کارهای آینده لبه های هدایت شده را در نظر خواهیم گرفت.

اسD=1|ه|∑v،w∈V،v≠wاسDvw

(3)

معادله ( 4 ) یک شاخص کمی Q برای نشان دادن نزدیکی فضایی گره‌های همسایه در شبکه ناوبری ایجاد می‌کند و دو مرحله محاسبه این شاخص را انجام می‌دهد. مرحله اول تعداد گره‌های پراکنده شده در محدوده فضایی اطراف گره در نظر گرفته شده v را محاسبه می‌کند. در جزئیات، این میدان یک توپ سه بعدی است که با استفاده از مختصات سه بعدی v به عنوان مرکز و مقدار تولید شده توسط معادله ( 3 ) به عنوان شعاع تشکیل شده است.اسD. به عبارت دیگر گره هایی با فواصل مکانی وجود دارند اسDvwکوچکتر از اسD، جایی که w نشان دهنده هر گره مجاور جریان در نظر گرفته شده گره v است. پس از تنظیم توپ های پوششی، مجموعه ای مجاور از آن را تولید می کنیم سvکه شامل گره های پوشاننده هر توپ است. سپس در مرحله دوم، میانگین حسابی Q را برای کل شبکه ناوبری با تعریف قبلی محاسبه می کنیم. سvمقادیر برای همه گره ها با تقسیم این مجموع بر تعداد کل گره n .

س=1n∑v،w∈V،v≠w،اسDvw<اسD(سv)

(4)

D.: شمارش نتایج معنادار

اجازه دهید ابتدا یک تعداد نتیجه را تعریف کنیم سیrکه از محاسبه مسیرهای تخلیه معنی دار که از یک گره خاص مشخص شده با برچسب t نشات می گیرد . بنابراین، نتیجه معنادار به حساب می آید، سیمتر، برابر با مجموع عناصر است سیrنه در مجموعه صفر و نه صفر ( سیzهro∪سیnتولل) که یا مورد گره در نظر گرفته شده را به عنوان هدف تخلیه پوشش می دهد یا موردی که در آن مسیر تخلیه قابل دسترس و ایمن به گره هدف وجود ندارد. علاوه بر این، این مقادیر بیشتر از آزمایشی می آیند که نمی تواند مسیر تخلیه معنی داری ایجاد کند یا از آستانه زمانی فرآیند تولید مسیر فراتر رود.

سیمتر=∑تی∉(سیzهro∪سیnتولل)(سیr)

(5)

E.: میانگین هزینه زمانی مسیریابی

میانگین هزینه زمانی تیآoپمسیریابی مقدار میانگین در بین هر نوع خاصی از اصل ایجاد مسیر برای روش های مقایسه شده است. علاوه بر این، این مجموع میانگین است (که با تقسیم شماره گره مسیر ایجاد می شود نپ) از هزینه زمان تیپبرای هر مسیر p در مسیر تخلیه کامل مجموعه P .

تیآoپ=1نپ∑پ∈پ(تیپ)

(6)

اف.: میانگین طول مسیرهای تولید شده

میانگین طول مسیریابی Lآoپمقدار متوسط است (با تقسیم شماره گره مسیر ایجاد می شود نپ) از فاصله مسیر تولید شده Lپبرای هر مسیر p که با موفقیت تولید شده است در مجموعه جستجوی مسیر کامل P . این مقدار برای منعکس کردن اثر اعمال اصول مختلف بهینه سازی برای راه حل ما معرفی شده است. برای هر مسیر پ={v1،⋯،vمن،vمن+1،⋯،vمن}، پ∈پ، I تعداد گره های مسیر p است و ما از دو نوع فاصله استفاده می کنیم: فاصله گره و فاصله مکانی. بنابراین، دو بخش زیر این دو فاصله را برای میانگین طول یک مسیر به طور مفصل توضیح می‌دهند.

Lآoپ=1نپ∑پ∈پ(Lپ)

(7)

فاصله گره نDپشمارش است نDvمنvمن-1از هر جفت گره متوالی در طول یک مسیر و در شمارش اندازه گیری می شود (معادله ( 8 )). علاوه بر این، نحوه عبور مسیر تخلیه تولید شده از بسیاری از گره های بحرانی را منعکس می کند. اینجا، vمننشان دهنده یک گره در مجموعه گره کامل I برای مسیر تولید شده p است.

نDپ=∑من=2مننDvمنvمن-1

(8)
فاصله فضایی اسDپمجموع فواصل مکانی است اسDvمنvمن-1از هر دو گره متوالی در طول یک مسیر که بر حسب متر اندازه گیری می شود (معادله ( 9 )). فضای هندسی را نشان می دهد که توسط مسیر تخلیه تولید شده پوشانده شده است. اینجا، vمننشان دهنده یک گره از مجموعه گره کامل I برای مسیر تولید شده p است.

اسDپ=∑من=2مناسDvمنvمن-1

(9)

3.2. مطالعه جداسازی و بازیابی شبکه ناوبری فضایی برای یک آتش سوزی در حال گسترش

برخلاف محیط‌های ثابت موقعیت‌های ناوبری معمولی، ناوبری تخلیه باید دینامیک خطرات در حال گسترش را در نظر بگیرد. با توسعه یک تهدید، بسیاری از لبه ها و گره ها در شبکه ناوبری تحت تأثیر قرار می گیرند و در دسترس نیستند. این وضعیت زمانی می تواند بدتر شود که تهدیدها همه خروجی های اصلی را مسدود کنند. در این شرایط، بسیاری از زیرشبکه های ایزوله می توانند به دلیل مسدود شدن مسیرهای خروجی خود ظاهر شوند و ما این وضعیت را انزوای شبکه ناوبری می نامیم.

پدیده انزوا می تواند به طور قابل توجهی مانع کارایی تخلیه شود و در شرایط شدید حتی می تواند کل شبکه تخلیه را به دلیل در دسترس نبودن همه مسیرهای خروج ایمن فلج کند. با این وجود، امدادگران اضطراری می‌توانند از نردبان یا دستگاه‌های پایین‌آوری پرسنل برای ساخت مسیرهای خروج جدید استفاده کنند. بنابراین، انعطاف پذیری شبکه ناوبری برای اهداف تخلیه نیز بسیار مهم است. از دیدگاه ما، ما می‌توانیم فرآیند توسعه اولیه بلایای آتش‌سوزی را به سه مرحله تقسیم کنیم: مرحله اشتعال، کل مرحله توسعه، و مرحله بسته شدن خروج. این مراحل تأثیرات فضایی متفاوتی بر شبکه ناوبری دارند. در مرحله اول، تنها منبع آتش و منطقه اطراف آن غیر قابل دسترس است. در مرحله دوم، توسعه آتش شدید است، و بخش بزرگی از شبکه ناوبری را فلج می کند. در مرحله آخر، خطرات بیشتر گره های حیاتی در شبکه ناوبری را مسدود می کنند و هیچ مسیر خروج ایمن در دسترس نیست. ما در حال حاضر فقط یک موقعیت احتراق خاص را در نظر می گیریم و موقعیت های احتراق چندگانه را در کارهای آینده با دقت مطالعه می کنیم. علاوه بر این، ما همچنین تفاوت ویژگی‌های مقاومت در برابر آتش را در مواد مختلف ساختمانی و مبلمان، به عنوان مثال، پلاستیک، چوب و رنگ، در تحقیقات آینده در مورد مدل‌های پخش آتش نتیجه خواهیم گرفت.

3.3. تخمین گسترش آتش در یک شبکه ناوبری سه بعدی

همانطور که قبلاً ذکر شد، گسترش آتش‌سوزی تأثیر فضایی بر شبکه ناوبری دارد. ما می‌توانیم این فرآیند را با علامت‌گذاری وضعیت‌های عبور گره‌های تحت پوشش خطر، مانند مناطق عبوری پر از ستون‌های آتش و شعله‌های آتش، به عنوان مسدود شده توصیف کنیم. بنابراین، یک مدل آتش سوزی باید تأثیر فضایی آتش را بر شبکه ناوبری تخمین بزند و اطلاعاتی در مورد شرایط ناوبری ساختمان در هنگام بلایا به دست آورد.

در این مطالعه، ما از یک مدل آتش سوزی (معادله ( 10 )) برای تخمین تأثیر فضایی آتش در مرحله توسعه کامل استفاده می کنیم. در این معادله، ایکس0، y0، و z0مختصات اولیه منبع آتش را نشان دهد. سایکس، سy، و سzنشان دهنده سرعت گسترش آتش در حال توسعه در سه محور است. تی0زمان شروع فاز فعلی و t نشان دهنده زمان حال است. ایکسمترمنnو ایکسمترآایکسحداقل و حداکثر پوشش فعلی آتش را در امتداد محور X نشان می دهد. همین توضیح در مورد نیز صدق می کند yمترمنnو yمترآایکسبرای محور Y و zمترمنnو zمترآایکسبرای محور Z. در اینجا t نشان دهنده زمان توسعه برای رویداد آتش سوزی است.

ایکسمترمنn=ایکس0-سایکس×(تی-تی0)ایکسمترآایکس=ایکس0+سایکس×(تی-تی0)yمترمنn=y0-سy×(تی-تی0)yمترآایکس=y0+سy×(تی-تی0)zمترمنn=z0-سz×(تی-تی0)zمترآایکس=z0+سz×(تی-تی0)

(10)

3.4. اقدامات اولیه برای تجزیه و تحلیل بازیابی یک شبکه ناوبری داخلی

همانطور که در ابتدای بخش 3 بحث شد ، گسترش یک فاجعه می تواند شبکه ناوبری اصلی را سازماندهی مجدد کند. این پدیده می تواند انزوا بین چندین گره و همسایگان آنها را به دلیل مسدود شدن لبه های اتصال آنها توسط خطرات نشان دهد. این وضعیت می تواند منجر به دو مسئله حیاتی شود که بر عملیات ناوبری تأثیر می گذارد. اولین مسئله یافتن مسیرهای حداقل نفوذ بین این گره ها است که با بررسی این گره ها ایجاد می شوند Lآoپمقادیر از بخش 2 و به عنوان زیرشبکه های جدا شده نامگذاری می شوند . مسئله دوم استفاده از کمترین تعداد گره ممکن برای رسیدگی به شبکه ناوبری در حال زوال پویا است. برای پرداختن به این دو موضوع، ما به مرتب‌سازی فضایی گره‌ها در هر دو زیرشبکه اصلی و جدا شده تکیه می‌کنیم و این گره‌ها همان گره‌های موجود در چارچوب اسکلتی ساختار ساختمان هستند. به دلیل عدم وجود داده های قابل اعتماد برای این اشیاء، ما در مرحله تحقیق فعلی درباره مبلمان، وسایل و تجهیزات (FF&E) بحث نکرده ایم. علاوه بر این، با توجه به نتایج مرتب‌سازی، تنها برخی از گره‌های مرتب شده برای ایجاد حداقل مسیرهای نفوذ در سراسر شبکه ناوبری معرفی می‌شوند.

3.4.1. مرتب سازی فضایی گره ها

ما می‌توانیم اصول مختلفی را برای مرتب‌سازی گره‌ها انتخاب کنیم، مانند مرتب‌سازی آن‌ها بر اساس فاصله گره‌هایشان تا منطقه آتش‌سوزی یا فاصله‌های فضایی آن‌ها با منطقه آتش‌سوزی و به‌کارگیری آن‌ها در این مطالعه. به نظر ما، مهم ترین مسئله برای ناوبری تخلیه، تعیین تأثیر وزن فاصله فضایی سه بعدی بر روی شبکه است. بنابراین، با ارزیابی فاصله گره تا منطقه آتش سوزی و فواصل مکانی منطقه آتش، گروه های مختلفی از گره ها را تنظیم می کنیم. ما این مفهوم را در شکل 1 نشان می دهیم . 26 گره برای جستجوی راه حل های تخلیه اضطراری در این شکل وجود دارد. ما فرآیند جستجوی تخلیه را با اختصاص اولویت های مختلف به 22 گره بهینه می کنیم (4 گره در منطقه ایزوله 1 به دلیل پوشش فاجعه فیلتر شده اند)، همانطور که در نشان داده شده است.جدول 2 . در مرحله بعد، گره های C و F را به عنوان مثال برای توضیح اصل مرتب سازی در نظر می گیریم. از آنجایی که گره C ناحیه جدا شده 1 را با حداقل عمق 1 به گره J متصل می کند، “فاصله گره” برای گره C از ناحیه جدا شده 1 برابر است با 1. طبق این اصل، “فاصله گره” گره F نیز برای مناطق جدا شده 1 و 3 1 است. بنابراین، می‌توانیم ناحیه مرتب‌سازی‌شده S1′ متشکل از گره‌های C، F، G، H، و I را دریافت کنیم. در نهایت می‌توانیم سه ناحیه مرتب‌سازی‌شده را تولید کنیم: S1، S3، و S5، با فاصله‌های گره 1 تا ناحیه ایزوله. 1. بنابراین، ما این مناطق را با اولویت های بالاتر نسبت به سایر مناطق مرتب شده با فاصله گره بزرگتر از 1 تا منطقه ایزوله 1 در شکل 2 انتخاب می کنیم.

3.4.2. انتخاب جزئی گره ها برای مسیریابی

برای مرتب‌سازی فضایی گره‌ها، توالی گره‌ها را بر اساس یک استاندارد خاص، مانند فاصله گره تا منطقه آتش، مرتب می‌کنیم و فقط گره‌های مربوط به فرآیند مسیریابی را واکشی می‌کنیم. برای این منظور، ما از 20 درصد اول گره های مرتب شده برای تولید مسیر تخلیه طبق اصل پارتو [ 29 ] استفاده می کنیم.]. علاوه بر این، موارد 10٪، 50٪ و 80٪ همه گره ها را به عنوان گروه مقایسه معرفی می کنیم. هدف از استفاده از تعداد متفاوت گره در طول مسیریابی، متعادل کردن حجم داده های گره و دقت مسیرهای تخلیه تولید شده است. وقتی تعداد گره ها زیاد باشد، استفاده از همه گره ها در تولید مسیر تخلیه برای صرفه جویی در زمان بهینه نیست. استفاده از تعداد لازم گره برای محاسبات مورد نیاز گزینه عاقلانه تری است. برای این منظور، ما فقط می‌توانیم تعداد دقیق گره‌ها را با درک کامل اینکه کدام یک از گره‌ها در طول عملیات تولید مسیر تخلیه حیاتی هستند، انتخاب کنیم.

3.5. معرفی ساختمان های مورد مطالعه

ما روش خود را با مجموعه داده های دو ساختمان ارزیابی می کنیم. اولین ساختمانی در دانشگاه ساخت و ساز شهری هنان (HUUC) است ( شکل 3 ). یکی دیگر ساختمان Meiluocheng (MLC) است ( شکل 4). اولین ساختمان در جاده Longxiang، منطقه Xincheng، Pingdingshan، چین واقع شده است و شامل سه ساختمان فرعی است که به نام‌های بخش A، B، و C (قسمت A در شمال، بخش B در وسط و قسمت C در جنوب است. ). هر سه قسمت توسط راهروهایی که در امتداد بال های غربی و شرقی توزیع شده اند به هم متصل می شوند. ساختمان HUUC دارای چهار طبقه است و در حال حاضر مرکز آموزشی و پژوهشی اولیه است که توسط دانشکده نقشه برداری و اطلاعات فضایی شهری اشغال شده است. بنابراین، ارزیابی اتصال به شبکه ناوبری این ساختمان می تواند خطر از دست دادن جان افراد را در مواجهه با حوادث آتش سوزی کاهش دهد. ساختمان MLC در جاده Zhaojiabang در منطقه Xuhui، شانگهای، چین است. دارای هشت طبقه در ساختار اصلی است و به خاطر توپ شیشه‌ای غول‌پیکرش که نقطه عطفی در شهر شانگهای است، مشهور است.

ابتدا، نمودارهای دو ساختمان آزمایشی را با اعمال استخراج محور میانی و استخراج گره کلید در درها، گوشه ها و پله ها ایجاد می کنیم. در مرحله بعد منابع آتش سوزی را با تنظیمات زیر تنظیم می کنیم: منبع آتش را هر بار در یک گره قرار می دهیم و پس از انجام تمام شبیه سازی ها، کل شبکه ناوبری را طی می کنیم و فاز اولیه برای اضطرار آتش سوزی فاز 2 است. در این مرحله، دسترسی به گره های همسایه در محدوده خاصی از منبع آتش غیرفعال است. ما این محدوده را با پارامترهای تعریف شده در کتاب راهنمای SFPE [ 30 ] تنظیم می کنیم] در شرایط عادی گسترش آتش: مناطق آسیب دیده با سرعت 0.0015 متر بر ثانیه برای 280 ثانیه و با سرعت توسعه 0.30 متر بر ثانیه برای 140 ثانیه افزایش می یابد. گره های خروجی ساختمان MLC عبارتند از گره های 1111، 111،122، 111،164، 111،155، و 111،158. گره های خروجی ساختمان HUUC گره های 15، 16، 22، 25، 26 و 37 هستند.

همانطور که در شکل 5 نشان داده شده است، نمودار ناوبری ساختمان HUUC به وضوح توزیع چهار لایه و تقسیم فضایی سه قسمتی آن را نشان می دهد. علاوه بر این، می‌توان مشاهده کرد که بخش A شامل بسیاری از تقسیم‌بندی‌های فضایی کوچک است، بخش B فشرده‌ترین اتصالات فضایی را در بین سه بخش دارد و قسمت C دارای بزرگترین دهانه اشیاء توزیع‌شده است. ما می‌توانیم این پدیده فضایی را به صورت زیر توضیح دهیم: بخش A شامل بسیاری از کلاس‌های متوسط برای استفاده کمتر از 50 دانش‌آموز است. بخش B دارای بسیاری از دفاتر مدرسه، اتاق کنفرانس کارکنان، حمام، و دو سالن سخنرانی است. از شکل 6، می بینیم که ساختمان MLC دارای دو گروه اصلی گره های ناوبری و گروه دیگری برای اتصال آنها است. علاوه بر این، به دلیل کد ایمنی آتش نشانی، بسیاری از مسیرهای خروج در اطراف این گروه از گره ها قرار دارند تا به سرعت مشتریان و کارکنان را در مواقع اضطراری تخلیه کنند.

3.6. پیکربندی آزمایشی

هدف ما معرفی چهار شاخص مشخصه جدید برای نمودار ناوبری مورد مطالعه است: تعداد لبه های خارج از توپ پوششی سه بعدی که با استفاده از آن تشکیل شده است. اسDبه عنوان شعاع و گره فعلی به عنوان مرکز، تعداد لبه های داخل این توپ، مجموع گره های خارج از این توپ، و مجموع گره های داخل این توپ. این چهار شاخص وزن لبه را در مقایسه با اسDو کمیت گره نسبت به طول متوسط، و ویژگی های توزیع فضایی نمودار ناوبری تجربی را نشان می دهند. علاوه بر شاخص‌های فوق، شناسه‌های اضافی برای شناسایی نتایج مسیریابی چندگانه برای دو ساختمان آزمایشی ارائه می‌کنیم. ما از این شناسه‌ها با چهار سطح درصد جستجوی گره‌ها برای طراحی طرح عملی اصلی استفاده می‌کنیم، که از آن برای نشان دادن کارایی زمان جستجو و کیفیت مسیر خروج به‌دست‌آمده با در نظر گرفتن وزن‌های فضایی شبکه تخلیه سه‌بعدی استفاده می‌کنیم.

https://gisland.org/

4. نتایج تجربی

4.1. تحلیل شاخص موجود ساختمانهای مورد مطالعه

ما مقادیر ویژگی‌های ساختمان‌های آزمایشی در جدول 3 و مقادیر کلاسیک را با توجه به روش‌های موجود تولید می‌کنیم (این روش‌ها را با جزئیات در مطالعات Duan و Porta توصیف می‌کنیم [ 19 ، 24 ]]). دو خط اول این جدول شبکه‌هایی را با نسبت‌های نسبتاً کم بین گره‌ها و لبه‌ها نشان می‌دهد. شاخص گاما نشان می دهد که این دو شبکه تعداد لبه های کمتری نسبت به یک سیستم کاملاً متصل بر اساس تعداد گره های مشابه دارند. مقادیر گذر این دو شبکه کاملاً متفاوت است. مقدار برای ساختمان HUUC بیش از 0.2 است، اما برای ساختمان MLC، مقدار بسیار کوچک است (کمتر از 0.0041). این تفاوت مقدار گذر به این معنی است که ساختمان اول می تواند گره های همسایه را بیشتر از ساختمان دوم متصل کند. میانگین طول مسیر ( Lآoپ) توضیح می دهد که کمتر از ده گره برای مسیر معمولی در کل شبکه برای ساختمان HUUC وجود دارد و این بدان معنی است که Lآoپکوتاه است؛ این مقدار برای ساختمان MLC بیش از 20 گره است، به این معنی که آن است Lآoپطولانی است. قطر نمودار در اینجا طولانی‌ترین فاصله مسیر را که بیش از 200 گره را پوشش می‌دهد، نشان می‌دهد و برای ساختمان MLC بسیار بزرگ است. اتصال محلی ( سیل) برای ساختمان HUUC تقریباً 0.8 و برای ساختمان MLC تقریباً 0.7 است. هر دوی این مقادیر کمتر از 1 هستند. این مقادیر اتصال محلی به این معنی است که میانگین تأثیر حذف یک گره منفرد حداقل است. به عبارت دیگر، حذف هر گره ممکن است ساختار شبکه اولیه را تحت تاثیر قرار ندهد. جالب توجه است، ویژگی‌های فوق که توسط روش تحلیل شبکه سنتی ایجاد شده‌اند، با عقل سلیم برای اهداف تحلیل ناوبری مقابله می‌کنند. اگرچه توزیع فضایی خروجی های ساختمان به طور قابل توجهی بر کارایی تخلیه تأثیر می گذارد، بسیاری از ویژگی های شبکه سنتی این پدیده را نادیده می گیرند، در حالی که روش پیشنهادی ما این پدیده مجاور خروجی را منعکس می کند.

شکل 7 و شکل 8 نماهای فضایی و نماهای آماری را نشان می‌دهند که با ترکیب چهار ردیف آخر جدول 3 ، برای تکمیل روابط فضایی فراتر از نمای ویژگی نمودار خالص تولید می‌کنیم. همانطور که در شکل 7 و شکل 8 نشان داده شده است ، این صحنه های سه بعدی میانگین فاصله بین مقادیر در ردیف “متوسط فاصله فضایی ( اسD)» که با محاسبه میانگین های حسابی آن تولید می کنیم اسDs برای کل شبکه ناوبری، جدول 3 و توزیع فضایی واقعی گره ها و لبه ها. ما می توانیم درک کنیم که بیشتر گره های ساختمان های MLC و HUUC فقط نزدیک ترین همسایگان داخل را پوشش می دهند اسD. این وضعیت برای لبه‌های ساختمان HUUC ادامه دارد که کمتر از 20 درصد از لبه‌های آن کوتاه‌تر از اسD. با این حال، نزدیک به یک سوم از لبه ها در ساختمان MLC گسترده تر از اسD.

4.2. تحلیل شاخص فضایی پیشنهادی ساختمانهای مورد مطالعه

جدول 4 نتایج حاصل از محاسبات ساختمان های مورد مطالعه را با استفاده از شاخص های پیشنهادی خلاصه می کند. ما نمودارهای نواری را برای تعداد مسیرهای معتبر در ساختمان های آزمایش ارائه می کنیم ( سیمتر) ( شکل 9 )، و مشاهده می کنیم که این تعداد برای ساختمان MLC قابل توجه است – بیش از 600 در اکثر شرایط. مقادیر نتایج معنی‌دار برای ساختمان HUUC کمی کوچک است زیرا رویدادهای آتش‌سوزی می‌توانند به طور قابل‌توجهی وضعیت اتصال کلی شبکه ناوبری داخلی را در مقایسه با ساختمان MLC تحت همان تنظیمات فضایی، مختل کنند. در شکل 10 ، اسDمقادیر بین گره ها و خروجی ها برای تست های مختلف کاملاً متفاوت است. تحت اکثر شرایط، معمولی اسDs برای هر دو ساختمان زیر 10 متر است. با این حال، این مورد برای تولید مسیر تخلیه کلاسیک نیست. برای هر دو ساختار، فرآیند سنتی جستجو در تمام گره‌ها نسبتاً بزرگ است اسDs، و این وضعیت همچنین در ردیف «مرتب‌سازی مکانی/مسیر گره/جستجوی درصد اول» جدول 4 ظاهر می‌شود . می‌توان مورد اول را به ناآگاهی از وزن‌های فضایی در فرآیند تولید مسیر نسبت داد. این ناآگاهی منجر به افزایش قابل توجهی در اسDاز ساختمان MLC به حدود 40 متر و افزایش مشابه در حدود 10 متر در ساختمان HUUC. ما می‌توانیم افزایش دوم را با ناآگاهی وزن‌های فضایی در طول فرآیند مسیریابی توضیح دهیم، زمانی که فقط فواصل گره‌ها را در نظر می‌گیریم. انتخاب تعداد کمتری از گره ها در امتداد مسیر خروجی که از مناطق حادثه آتش سوزی عبور می کند، منجر به افزایش قابل توجه وزن فضایی در طول مسیر خروج تولید شده می شود. ما می توانیم توضیح دهیم که این وضعیت برای سایر تنظیمات درصد استفاده از گره به صورت زیر ظاهر نمی شود: تنظیمات 20٪، 50٪ و 80٪ در ستون چهارم جدول 3 .به اندازه کافی بزرگ هستند تا به فرآیند مسیریابی اجازه دهند تا مسیرهای گره نسبتاً ایمن و کوتاه را برای خروج طی کند. بنابراین، فرآیند مسیریابی نمی تواند با افزایش دامنه جستجو، مزایای برجسته ای دریافت کند.

در شکل 11 ، میانگین هزینه های زمانی ( تیآoپ) برای ساختمان HUUC در شرایط مختلف از این روند پیروی می کند که افزایش زمان جستجو با افزایش درصد تنظیم همراه است و زمان جستجوی به دست آمده با در نظر گرفتن وزن های فضایی کوتاه تر از زمانی است که با یافتن تأثیرات فضایی در زیر گره های مرتب شده بدون در نظر گرفتن وزن های فضایی به دست می آید. . با این وجود، فرآیند مرتب‌سازی گره که از وزن‌های فضایی استفاده می‌کند، این روند را تغییر می‌دهد. وضعیت این مزیت را جبران می کند که هزینه زمانی برای به دست آوردن نتایج با در نظر گرفتن وزن های مکانی هنوز بیشتر از به دست آوردن نتایج بدون در نظر گرفتن وزن های مکانی است. هزینه زمان با تنظیمات درصد اول، دوم و سوم کاهش می یابد اما با تنظیم درصد چهارم کاهش نمی یابد. ممکن است این پدیده را به تعداد کمی از گره ها در ساختمان HUUC نسبت دهیم. و گسترش آتش تقریباً بخش مرکزی کل شبکه ناوبری آن را فلج می کند. بنابراین، در سه تنظیمات درصد اول، فرآیند مسیریابی در مرحله جستجوی اولیه متوقف می شود و بنابراین زمان جستجو کاهش می یابد. هنگامی که درصد جستجوی گره 80 درصد است، برنامه مسیریابی می تواند یک مسیر خروج ایجاد کند و هزینه زمان افزایش می یابد. وضعیت درشکل 12 با شکل 11 کاملاً متفاوت است. برای ساختمان MLC، با افزایش درصد گره‌های مورد استفاده و معرفی وزن‌های فضایی در طول فرآیند مرتب‌سازی گره، میانگین هزینه زمانی به طور مداوم افزایش می‌یابد. چند استثنا ظاهر می‌شود: هزینه زمانی تنظیم درصد سوم برای مرتب‌سازی گره‌ها بدون معرفی وزن‌های فضایی کمی کوتاه‌تر از سایر تنظیمات درصد است. ما این را به درصد افزایش از 20٪ به 50٪ نسبت می دهیم که به برنامه مسیریابی کمک می کند تا مناطق نفوذ آتش را دور بزند و بنابراین منجر به افزایش جزئی در زمان صرف شده می شود. برای هزینه بالای درازمدت تنظیم درصد اول با روش مرتب‌سازی گره از جمله وزن‌های فضایی،

در شکل 13 ، اسDs از روش ها با در نظر گرفتن درصدهای مختلف گره های مورد استفاده تقریباً مشابه مورد انتظار هستند: استفاده از روش مرتب سازی گره به طور قابل توجهی میانگین فاصله مکانی مسیر تولید شده را کاهش می دهد. فقط یک استثنا ظاهر می شود: نتیجه کلاسیک طبقه بندی نشده برای ساختمان HUUC کوتاهتر از نتیجه به دست آمده با تنظیم درصد اول است. این استثنا می تواند به تعداد محدود گره ها در این ساختمان نسبت داده شود. بنابراین، هنگامی که آتش گسترش می یابد، تنها چند گره برای مسیریابی در دسترس است. تعداد مسیرهای خروجی ممکن محدود است. بنابراین، روش‌های کلاسیکی که فقط مسیرهای گره را در نظر می‌گیرند، هنوز هم می‌توانند یک نتیجه بهینه فاصله فضایی ایجاد کنند.شکل 14نسبت کاهش فاصله نتیجه مسیر بین مسیر گره محور تولید شده و مسیر فضایی-مرکز را نشان می دهد. مشاهده می‌کنیم که نسبت کاهش در تمام نتایج ساختمان HUUC کوچک است، به جز روش کلاسیک و تنظیم درصد اول با توجه به وزن‌های فضایی فرآیند مرتب‌سازی گره. ما می توانیم این استثنا را با تعداد کم گره ها در ساختمان HUUC توضیح دهیم. بنابراین، برنامه مسیریابی مسیر وزن محور فضایی را بدون در نظر گرفتن عنصر وزن فضایی تولید می کند. با این حال، مورد نسبت کاهش برای ساختمان MLC متفاوت است: نسبت های کاهش برای همه موقعیت ها به راحتی قابل درک است. نسبت کاهش زمانی قابل توجه است که فاصله مسیر فضایی ایجاد شده توسط روش های وزن غیر مکانی نیز طولانی باشد و این نسبت زمانی که اسDکوتاه است.

به طور کلی، تصاویر از دیدگاه گراف، ویژگی‌های اتصال ساختار شبکه اصلی را نشان می‌دهند، اما ممکن است با توزیع فضایی شبکه ناوبری مبتنی بر ساختمان واقعی در تضاد باشند. با این وجود، می‌توانیم با معرفی وزن‌های فضایی این شکاف را کاهش دهیم. علاوه بر این، مشاهده می‌کنیم که نماهای فضایی شبکه‌های ناوبری می‌تواند روند توزیع فضایی ساختمان‌های آزمایشی و اتصالات شبکه را نشان دهد. عناصر فضایی اضافی، مانند شدت فضایی گره‌ها و لبه‌ها در شبکه‌های ناوبری، می‌توانند در تحلیل نمودار در کارهای آینده معرفی شوند.

5. نتیجه گیری و کارهای آینده

در این مقاله، ما روشی را برای ارزیابی اتصال شبکه‌های ناوبری داخلی برای تخلیه اضطراری پیشنهاد کرده‌ایم. ما مجموعه‌ای از شاخص‌ها را برای توصیف وضعیت شبکه‌های ناوبری در هنگام بلایا از نمای نمودار و دیدگاه متریک فضایی تعریف کرده‌ایم. در این روش، ما از اندازه‌گیری فاصله هندسی سه‌بعدی و مدل گسترش آتش استفاده می‌کنیم، و این به ما اجازه می‌دهد تا تأثیرات آتش‌سوزی را بر روی خوشه‌های همسایه گره‌های در دسترس در شبکه سه‌بعدی تخمین بزنیم. ما می‌توانیم گروه‌های جدا شده از گره‌های در دسترس را از طریق مرتب‌سازی فضایی گره‌ها، تسهیل فرآیند تولید و انتخاب مسیرهای تخلیه با حداقل خطر و کاهش هزینه زمان جستجو، پیوند دهیم.

ما چندین جهت را برای تحقیقات آینده پیشنهاد می کنیم: اول، در حال حاضر، یک مدل آتش سوزی ساده در این مقاله برای تخمین تأثیر آتش سوزی در شبکه های داخلی استفاده می شود. این مدل فرآیند پخش مداوم آتش را به مراحل گسسته تقسیم می کند و فرض می کند که آتش با سرعت ایستا در همه جهات گسترش می یابد. در مرحله بعدی، می‌توانیم یک مدل شبیه‌سازی آتش پیچیده‌تر را هدایت کنیم (به عنوان مثال، [ 31]) توسط داده های زمان واقعی و پیش بینی بهتر نحوه گسترش آتش سوزی برای تخمین تأثیر آتش سوزی در محیط های داخلی. دوم، روش‌های مسیریابی اکتشافی مانند A*، که می‌توانند شاخص‌های پیشنهادی را در نظر بگیرند، نیز برای ایجاد مسیرهای عملی و ایمن در شرایط فاجعه‌بار توسعه خواهند یافت. سوم، تعاریف شاخص را با در نظر گرفتن رفتارهای انسانی بهبود خواهیم داد. در مواقع اضطراری، وضعیت اتصال شبکه تحت تأثیر خطرات و تحت تأثیر حرکات تخلیه‌کنندگان قرار می‌گیرد که می‌تواند منجر به ازدحام در گره‌ها و لبه‌های خاص شود. بنابراین، نیاز به ادغام عامل انسانی در تحلیل استحکام شبکه نیز وجود دارد. در نهایت، ممکن است پس از بررسی کامل ویژگی های شبکه در نظر گرفته شده، روش ارزیابی استحکام شبکه خود را برای سیل و سایر شبکه های تخلیه اضطراری اعمال کنیم.

منابع

پارک، آی. لی، JN تعریف محله‌های فضایی سه‌بعدی برای تحلیل‌های توپولوژیکی با استفاده از مدل داده توپولوژیکی مبتنی بر شبکه سه‌بعدی – شبیه‌سازی تخلیه ساختمان مبتنی بر کلسیم. در مجموعه مقالات انجمن بین المللی فتوگرامتری و سنجش از دور کنگره 2008، پکن، چین، 3 تا 11 ژوئیه 2008. [ Google Scholar ]
تان، ال. هو، م. لین، اچ. شبیه سازی تخلیه ساختمان مبتنی بر عامل: ترکیب رفتار انسان با قابلیت دسترسی فضایی قابل پیش بینی در شرایط اضطراری آتش سوزی. Inf. علمی 2015 ، 295 ، 53-66. [ Google Scholar ] [ CrossRef ]
کائو، اس. آهنگ، دبلیو. Lv، W. Fang, Z. مدل چند شبکه ای برای تخلیه عابر پیاده در یک اتاق بدون دید. فیزیک آمار مکانیک. برنامه آن است. 2015 ، 436 ، 45-61. [ Google Scholar ] [ CrossRef ]
وانگ، ز. Niu, L. مدل داده ای برای استفاده از OpenStreetMap برای ادغام برنامه ریزی مسیرهای داخلی و خارجی. Sensors 2018 , 18 , 2100. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
آهنگ، ی. گونگ، جی. لی، ی. کوی، تی. نیش، ال. کائو، دبلیو. شبیه سازی تخلیه جمعیت برای بیوتروریسم در محیط های ریز فضایی بر اساس محیط های جغرافیایی مجازی. Saf. علمی 2013 ، 53 ، 105-113. [ Google Scholar ] [ CrossRef ]
وانگ، ز. زلاتانوا، S. طبقه بندی ناوبری برای اولین پاسخ دهندگان. در حال پیشرفت در خدمات مبتنی بر مکان . Springer: برلین/هایدلبرگ، آلمان، 2013; صص 297-315. [ Google Scholar ]
مایجرز، ام. زلاتانوا، اس. Pfeifer, N. geoinformation 3D indoors: Structuring for evacuation. در مجموعه مقالات مدل های شهر سه بعدی نسل بعدی، بن، آلمان، 21 تا 22 ژوئن 2005. [ Google Scholar ]
ایسیکداغ، یو. زلاتانوا، اس. Underwood، J. یک مدل BIM-oriented برای پشتیبانی از الزامات ناوبری داخلی. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 41 ، 112-123. [ Google Scholar ] [ CrossRef ]
صابریان، ج. ملک، ام.آر. زمستان، اس. همراه، م. چارچوبی جدید برای حل مسائل شبکه فضایی بر اساس نمودارهای خطی. ترانس. GIS 2014 ، 18 ، 767-782. [ Google Scholar ] [ CrossRef ]
کرومینایته، ام. زلاتانوا، S. بخش فضای داخلی برای ناوبری داخلی. در مجموعه مقالات ششمین کارگاه بین المللی ACM Sigspatial در مورد آگاهی فضایی داخلی، دالاس، تگزاس، ایالات متحده آمریکا، 4 نوامبر 2014. صص 25-31. [ Google Scholar ]
وانگ، جی. جبارا، ت. چانگ، SF یادگیری نیمه نظارتی با استفاده از حداکثر برش حریص. جی. ماخ. فرا گرفتن. Res. 2013 ، 14 ، 771-800. [ Google Scholar ]
مائو، بی. لی، بی. تقسیم بندی معنایی ساختمان سه بعدی مبتنی بر نمودار برای تجزیه و تحلیل پایداری. جی. جوویس. تف کردن مقعدی 2020 ، 4 ، 1-12. [ Google Scholar ] [ CrossRef ]
لی، جی. یک مدل داده قابل هدایت سه بعدی برای پشتیبانی از واکنش اضطراری در محیط های ساخته شده ریزفضایی. ان دانشیار صبح. Geogr. 2007 ، 97 ، 512-529. [ Google Scholar ] [ CrossRef ]
لی، جی. زلاتانوا، اس. یک مدل داده سه بعدی و تجزیه و تحلیل توپولوژیکی برای پاسخ اضطراری در مناطق شهری. در فناوری اطلاعات مکانی برای واکنش اضطراری ; زلاتانوا، اس.، لی، ج.، ویرایش. CRC Press: Boca Raton، FL، USA، 2008; صص 143-168. [ Google Scholar ]
لی، جی. تجزیه و تحلیل داده های مکانی در GIS سه بعدی. در پیشرفت در سیستم های اطلاعات جغرافیایی سه بعدی ; Springer: برلین/هایدلبرگ، آلمان، 2008; پ. 435. [ Google Scholar ]
تانگ، اچ. الالوف، ع. لونر، ای. چنگ، تی. محاسبه کارآمد مسیرهای تخلیه در یک شبکه هندسی سه بعدی. محاسبه کنید. مهندسی صنعتی 2014 ، 76 ، 231-242. [ Google Scholar ] [ CrossRef ]
Reddy، KUK بررسی مسئله کوتاهترین مسیرهای تمام جفت و انواع آن در نمودارها. دانشگاه Acta Sapientiae Inform. 2016 ، 8 ، 16-40. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کیولا، ام. کامب، جی. ساراماکی، جی. کارسایی، م. نگاشت نفوذ زمانی شبکه به نمودارهای رویداد ایستا و وزنی. علمی Rep. 2018 , 8 , 12357. [ Google Scholar ] [ CrossRef ] [ PubMed ]
پورتا، اس. کروسیتی، پی. Latora، V. تحلیل شبکه ای خیابان های شهری: یک رویکرد اولیه. محیط زیست طرح. طرح. دس 2006 ، 33 ، 705-725. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
محمسنی، ه.ش. صابری، م. قفل شبکه شهری: نظریه، ویژگی ها و پویایی. Procedia Soc. رفتار علمی 2013 ، 80 ، 79-98. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
لیو، جی. Xiong، Q. شی، دبلیو. شی، ایکس. وانگ، ک. ارزیابی اهمیت گره ها در شبکه های پیچیده. فیزیک یک آمار مکانیک. برنامه آن است. 2016 ، 452 ، 209-219. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
اسنلدر، ام. وان، اچ. Immers، L. چارچوبی برای تجزیه و تحلیل استحکام شبکه های جاده ای برای تغییرات کوتاه مدت در عرضه. ترانسپ Res. بخش A سیاست سیاست. 2012 ، 46 ، 828-842. [ Google Scholar ] [ CrossRef ]
چن، ال. ژانگ، جی. کای، ال.-جی. تشخیص جامعه همپوشانی بر اساس نمودار پیوند با استفاده از پویایی فاصله. بین المللی J. Mod. فیزیک B 2018 , 32 , 1850015. [ Google Scholar ] [ CrossRef ]
دوان، ی. Lu, F. استحکام ساختاری شبکه های جاده ای شهری بر اساس جامعه. محاسبه کنید. محیط زیست سیستم شهری 2013 ، 41 ، 75-87. [ Google Scholar ] [ CrossRef ]
جنلیوس، ای. متسون، تحلیل آسیب‌پذیری شبکه LG Road: مفهوم‌سازی، اجرا و کاربرد. محاسبه کنید. محیط زیست سیستم شهری 2015 ، 49 ، 136-147. [ Google Scholar ] [ CrossRef ]
لسکووچ، جی. لانگ، KJ; داسگوپتا، ا. ساختار جامعه ماهونی، MW در شبکه‌های بزرگ: اندازه‌های خوشه طبیعی و عدم وجود خوشه‌های بزرگ به خوبی تعریف شده. ریاضی اینترنتی 2009 ، 6 ، 29-123. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
کیتسکا، م. Gallos، LK; هاولین، اس. لیلجروس، اف. موچنیک، ال. استنلی، HE; Makse، HA شناسایی پخش کننده های تأثیرگذار در شبکه های پیچیده. نات. فیزیک 2010 ، 6 ، 888-893. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ژانگ، جی ایکس؛ چن، دی بی. دونگ، کیو. Zhao، ZD شناسایی مجموعه ای از پخش کننده های تاثیرگذار در شبکه های پیچیده. علمی Rep. 2016 , 6 , 27823. [ Google Scholar ] [ CrossRef ] [ PubMed ]
پارتو، وی. کتابچه راهنمای اقتصاد سیاسی ; AM Kelley: نیویورک، نیویورک، ایالات متحده آمریکا، 1971. [ Google Scholar ]
DiNenno, PJ SFPE Handbook of Fire Protection Engineering: National Fire Protection Association Quincy ; Springer: نیویورک، نیویورک، ایالات متحده آمریکا، 1988. [ Google Scholar ]
مورنو، آ. سگورا، Á. کورچی، ع. پوسادا، جی. Otaegui، O. شبیه سازی تعاملی آتش سوزی شهری و جنگلی با پشتیبانی اطفاء. در پیشرفت در علوم ژئو اطلاعات سه بعدی ؛ Springer: برلین/هایدلبرگ، آلمان، 2011; صص 131-148. [ Google Scholar ]

شکل 1. نمونه ای از مکانیسم گروه بندی فضایی برای شبکه تخلیه.

شکل 2. نمونه ای از نتیجه گروه بندی فضایی برای یک شبکه تخلیه. خطوط نقطه چین شبکه های جدا شده ای را نشان می دهد که مستقیماً تحت تأثیر آتش در I1 (به رنگ خاکستری) قرار دارند. خطوط چین نشان دهنده شبکه های جدا شده ای است که به طور بالقوه تحت تأثیر آتش سوزی در I1 (به رنگ خاکستری) قرار می گیرند.

شکل 3. نمای جنوبی مدل سه بعدی برای ساختمان دانشگاه ساخت و ساز شهری هنان (HUUC).

شکل 4. نمایش گرافیکی مدل سه بعدی برای ساختمان Meiluocheng (MLC).

شکل 5. نمای شرقی نمودار ناوبری برای ساختمان HUUC.

شکل 6. نمایش شبکه ناوبری برای ساختمان MLC.

شکل 7. محدوده میانگین فاصله مکانی گره برای ساختمان HUUC.

شکل 8. محدوده میانگین فاصله مکانی گره برای ساختمان MLC.

شکل 9. تعداد مسیرهای معتبر برای دو ساختمان مورد مطالعه با تنظیمات درصد متفاوت استفاده از گره ها.

شکل 10. مقادیر میانگین فاصله مکانی برای دو ساختمان مورد مطالعه با تنظیمات درصد متفاوت استفاده از گره ها.

شکل 11. هزینه های زمان جستجوی ساختمان HUUC با تنظیمات درصد استفاده از گره های مختلف.

شکل 12. هزینه های زمان جستجوی ساختمان MLC با تنظیمات درصد استفاده از گره های مختلف.

شکل 13. میانگین فاصله فضایی مسیر دو ساختمان مورد مطالعه با تنظیمات درصد استفاده از گره های مختلف.

شکل 14. نسبت های کاهش فاصله دو ساختمان مورد مطالعه با تنظیمات درصد استفاده از گره های مختلف.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

یک مدل ارزیابی برای تحلیل استحکام و نزدیکی فضایی شبکه‌های سه بعدی تخلیه داخلی

یک مدل ارزیابی برای تحلیل استحکام و نزدیکی فضایی شبکه‌های سه بعدی تخلیه داخلی

چکیده

کلید واژه ها:

1. مقدمه

2. آثار مرتبط