خلاصه

برنامه ریزی تخلیه کارآمد برای هدایت سریع مردم به پناهگاه ها در حین و پس از زلزله مهم است. سیستم‌های اطلاعات جغرافیایی اغلب برای برنامه‌ریزی مسیرهایی استفاده می‌شوند که مسافتی را که افراد باید طی کنند تا به پناهگاه‌ها برسند، به حداقل می‌رسانند، اما این رویکرد خطر قرار گرفتن در معرض خطراتی مانند فروریختن ساختمان‌ها را نادیده می‌گیرد. ما رویکردهای تعیین مسیر تخلیه را نشان می‌دهیم که هم قرار گرفتن در معرض خطر و هم فاصله پیاده‌روی را در نظر می‌گیرد، با تخمین مناطق خطر فروپاشی ساختمان و گنجاندن آنها به عنوان هزینه سفر هنگام عبور از شبکه‌های جاده‌ای. ما روش‌های خود را برای سناریوی شبیه‌سازی زلزله گیئونگجو در کره جنوبی در سال ۲۰۱۶، با استفاده از توزیع جمعیت شناور که توسط یک ارائه‌دهنده شبکه تلفن همراه تخمین زده شده است، اعمال می‌کنیم. نتایج ما نشان می‌دهد که مسیریابی متعادل به افراد تخلیه‌شده اجازه می‌دهد از پرخطرترین مناطق در حین پیاده‌روی در فواصل معقول تا پناهگاه‌های باز اجتناب کنند. ما امکان سنجی مدل را برای ایجاد تعادل بین ایمنی و مصلحت در برنامه ریزی مسیر تخلیه مورد بحث قرار می دهیم.

کلید واژه ها:

برنامه ریزی مسیر تخلیه ; برنامه ریزی کاهش بلایا ; سیستم های پشتیبانی تصمیم مبتنی بر GIS برای تجزیه و تحلیل ریسک و مدیریت اضطراری

1. معرفی

زمین لرزه های جدی در سال های 2016 و 2017 توجه عمومی را به نیاز به واکنش اضطراری و برنامه ریزی پیشگیرانه بلایا در کره جنوبی جلب کرد. زلزله 2016 گیونگجو به 5868 تأسیسات آسیب رساند و برای بازیابی بخش هایی از شهر به 117.94 میلیون دلار نیاز داشت [ 1 ]. برنامه ریزی تخلیه کارآمد یک استراتژی ضروری در بلایای زلزله برای امکان فرار سریع از مناطق خطر و هدایت شهروندان به پناهگاه های امن است. دولت کره جنوبی پناهگاه های اضطراری را به پناهگاه های موقت و دائمی طبقه بندی می کند [ 2 ]. پناهگاه های موقت از مردم در برابر آسیب های فوری در هنگام وقوع بلایا محافظت می کنند و می توانند هر فضای باز مانند پارک های کوچک یا پارکینگ های دور از خطر باشند.
در مقابل، شهروندان باید در لحظات پس از زلزله به پناهگاه های دائمی تخلیه شوند. اینها ساختمان هایی با طراحی لرزه ای هستند که فضای کافی برای اسکان شهروندان برای ساعت ها یا روزها دارند، در حالی که شهر آسیب را ارزیابی می کند و اطمینان حاصل می کند که بازگشت به خانه ایمن است. پناهگاه های دائمی توسط دولت های محلی انتخاب می شوند و معمولاً ساختمان های عمومی بزرگ مانند مدارس یا مراکز اجتماعی هستند. از آنجایی که جاده‌ها در محیط‌های ساختمانی متراکم ممکن است به دنبال زلزله مسدود یا توسط آوار مسدود شوند، پناهگاه‌های دائمی باید با پای پیاده برای اکثر کاربران قابل دسترسی باشند.
در بلایای زلزله، هدایت سریع شهروندان به پناهگاه ها مهم است. توانایی هر فرد برای یافتن بهترین مسیر تخلیه در صورت کمبود اطلاعات، از جمله اینکه کدام جاده‌ها خطرناک هستند و کدام پناهگاه‌ها به طور کامل اشغال می‌شوند، محدود خواهد شد [ 3 ، 4 ]. طرح‌های مسیر تخلیه، افراد تخلیه‌شده را به پناهگاه‌ها و مسیرهای ثابت قبل از وقوع بلایا اختصاص می‌دهند تا از هرج و مرج جلوگیری کنند و کارایی تخلیه را افزایش دهند [ 5 ، 6 ].
سیستم های اطلاعات جغرافیایی (GIS) معمولا برای ایجاد مسیرهای تخلیه از طریق شبکه های مسیر عابر پیاده استفاده می شود. اکثر رویکردها مسیرها را با استفاده از محاسبه کوتاه‌ترین مسیر انتخاب می‌کنند که حداقل فاصله از محل سکونت تا پناهگاه را انتخاب می‌کند [ 5 ، 6 ، 7 ]. با این حال، محاسبات کوتاه‌ترین مسیر، خطرات کشنده‌ای را که عابران پیاده ممکن است در حین راه رفتن در مناطق خطر تجربه کنند، در نظر نمی‌گیرند. مطالعات قبلی خطرات بالقوه را در حین تخلیه شناسایی کرده اند، مانند فروریختن ساختمان، سیل و گاز سمی [ 8 ، 9 ]. دیگران سعی کرده اند شاخص های ایمنی را در تجزیه و تحلیل مسیر تخلیه در موقعیت های فاجعه ترکیب کنند [ 10,11 ,12 ، 13 ، 14 ، 15 ]. این مطالعات مناطق خطر را تخمین زدند و جاده هایی را که از این مناطق خطر در موقعیت های فاجعه عبور می کردند، شناسایی کردند. [ 12 ، 13 ، 14 ، 15 ]. با این حال، آنها به جای محاسبه مسیرهای جدید که ایمنی عابران پیاده را در اولویت قرار می دادند، بر ارزیابی کوتاه ترین مسیرهای موجود به سمت پناهگاه ها تمرکز کردند [ 10 ، 11 ، 12 ، 13 ، 14 ، 15 ]. علاوه بر این، تحقیقات قبلی از جمعیت های شبیه سازی شده [ 14 ] یا توزیع جمعیت مسکونی مبتنی بر سرشماری [ 11 ، 12 ] استفاده کرد.، 13 ، 14 ، 15 ] که مکان واقعی افراد را در ساعات مختلف روز منعکس نمی کرد. به لطف توسعه فناوری های مکان یابی مانند شبکه تلفن همراه و ردیابی GPS، ما می توانیم توزیع جمعیت شناور را بازیابی کنیم و برنامه های تخلیه را در زمان واقعی ایجاد کنیم.
تحقیقات فعلی بر تعادل ایمنی و فاصله در برنامه ریزی تخلیه متمرکز شده است [ 16 ، 17 ، 18 ]. این مطالعات تلاش کردند رویکردهای قبلی را بهبود بخشند که فقط زمان سفر را برای نجات شهروندان در شرایط فاجعه به حداقل می رساند. آنها هنگام قضاوت در مورد مسیرهای تخلیه دو هدف مشترک داشتند: (1) ارزیابی خطر برای برآورد خطرات جاده در بلایا و استفاده از آنها به عنوان هزینه سفر در حین عبور از شبکه جاده، و (2) تجزیه و تحلیل مسیر برای یافتن بهترین مسیر همراه با کمترین فاصله و حداقل ریسک خطر قرار گرفتن در معرض خطر به هزینه مسیرهایی که حرکت عابر پیاده را به تاخیر می اندازد یا مانع می شود، تبدیل شد [ 16 ، 17 ]]. مسیرهای پیشنهادی عموماً طولانی‌تر از کوتاه‌ترین مسیرهای تعیین‌شده توسط الگوریتم Dijkstra [ 19 ] بودند، اما باعث کاهش صدمات و تلفات عابران پیاده در شرایط فاجعه شدند. قوانین بهینه‌سازی برای یافتن کوتاه‌ترین مسیر ایمن به اولویت و وزن اهداف بستگی دارد و محققان تلاش کرده‌اند فاصله پیاده‌روی و قرار گرفتن در معرض خطر را برای بهترین برنامه‌ریزی مسیر تخلیه متعادل کنند.
در این مطالعه، ما یک مدل تخصیص مسیر تخلیه جدید را پیشنهاد می‌کنیم که خطرات احتمالی جاده را در بلایای زلزله در نظر می‌گیرد. ما در این مطالعه سه هدف داریم: (1) تخمین خطرات احتمالی جاده ناشی از فروریختن ساختمان، (2) محاسبه مسیرهای تخلیه از طریق تحلیل مسیر اکتشافی که قرار گرفتن در معرض خطر و فواصل پیاده‌روی را به حداقل می‌رساند، و (3) مقایسه کارایی مسیرها. با روش هایی که با روش های دیگر مانند روش کوتاه ترین مسیر تعیین می شوند. ما رویکردهای خود را برای داده‌های مکانی که هسته شهری Gyeongju، کره جنوبی را پوشش می‌دهد، اعمال کردیم. بقیه این مقاله به شرح زیر سازماندهی شده است:
  • مواد و روش ها: مروری بر سایت مطالعه ما و مجموعه داده های فضایی، و روش های برآورد خطر جاده و تجزیه و تحلیل مسیر تخلیه عابر پیاده.
  • نتایج تجربی: تجسم مسیرهای حاصل.
  • بحث: بحث در مورد نتایج و محدودیت ها.
  • نتیجه گیری: خلاصه ای از مطالعه و جهت گیری برای کار آینده.
مشارکت‌های اصلی این مقاله به شرح زیر است: اولاً، ما روش محاسباتی خود را برای برنامه‌ریزی مسیر تخلیه ارائه می‌کنیم که به طور کمی خطرات جاده‌ای ناشی از فروریختن ساختمان را به عنوان خطرات ایمنی عابران پیاده در بلایای زلزله ترکیب می‌کند. ثانیا، ما نشان می‌دهیم که چگونه می‌توان این مسیرها را برای افراد در سراسر یک شهر بر اساس مکان‌های هم‌زمان آنها، همانطور که از تخمین‌های جمعیت شناور از شبکه‌های تلفن همراه تعیین می‌شود، تولید و بهینه کرد.

2. مواد و روشها

2.1. منابع اطلاعات

در این مطالعه، از داده‌های شهر گیونگجو، کره جنوبی، محل زلزله بزرگ و مخرب در سال 2016 استفاده کردیم. گیونگجو در منطقه جنوب شرقی کره جنوبی، در نزدیکی شهرهای صنعتی مهم مانند پوهانگ، اولسان و دائگو واقع شده است. این منطقه در سال های اخیر دچار بلایای زلزله شده است. زمین‌لرزه‌ای به بزرگی M L 5.8 در 12 سپتامبر 2016 گیونگجو و زمین‌لرزه‌ای به بزرگی M L 5.4 در 15 نوامبر 2017 پوهانگ را لرزاند [ 20 ]. به طور خاص، زمین لرزه Gyeongju بزرگترین زمین لرزه ثبت شده در کره جنوبی از زمان شروع اندازه گیری ها بود [ 21 ]. از سال 2017، 211 زمین لرزه بین M L 2 و M L4 مورد در مناطق داخلی کره جنوبی رخ داده است. 78٪ (164) به این منطقه جنوب شرقی کره ضربه زدند [ 22 ]. این بلایا صنایع اصلی منطقه را تهدید می کند: فولاد، کشتی سازی، خودروسازی و مواد شیمیایی.
خود گیونگجو دارای مناطق تاریخی بسیاری است و سازه های تاریخی آنها در معرض آسیب یا فروریختن در شرایط زلزله هستند. علاوه بر این، اگرچه دولت کره مقررات طراحی لرزه‌ای ساختمان‌های جدید را تقویت کرده است، اما بسیاری از ساختمان‌ها در نواحی مرکزی Gyeongju پیش از این قوانین هستند و در برابر بلایای زلزله آسیب‌پذیر هستند. با وجود اینکه گیونگجو یک شهر کوچک است، آسیب پذیری گیونگجو در برابر بلایای زلزله نشان دهنده خطری برای بسیاری از شهرهای کوچک و بزرگ منطقه است که پیامدهای اقتصادی و اجتماعی برای کشور به همراه دارد.
ما از چندین مجموعه داده فضایی، همراه با داده های جمعیت شناور از یک ارائه دهنده تلفن همراه استفاده کردیم. ما از مجموعه داده‌های فضایی زیر استفاده کردیم: (1) شبکه جاده (لایه خطی)، (2) ساختمان‌ها (لایه چند ضلعی)، و (3) مکان‌های سرپناه دائمی (لایه نقطه). ما از یک لایه جاده [ 23 ] استفاده کردیم که خطوط مرکزی جاده های وسایل نقلیه را به عنوان مسیرهای بالقوه تخلیه می گیرد. ما لایه جاده را به یک نمودار شبکه G (N, E) متشکل از یال‌های (E) که مسیرها و گره‌ها (N) را در هر کجا که دو یا چند یال به هم می‌رسند، تبدیل کردیم. لایه ساختمان ما خطوط سقف ساختمان را به عنوان ویژگی های چند ضلعی نشان می دهد که شامل تعداد طبقات در ویژگی های آنها می شود [ 24 ]. مکان های سرپناه دائمی توسط دولت محلی ارائه شده است [ 25] و شامل 20 مدرسه دولتی بود. ویژگی های آنها شامل مناطق تسهیلات بود.
داده های تلفن همراه جمع آوری شده توسط SKT، بزرگترین شرکت شبکه تلفن همراه کشور، فعالیت ساکنان را بر اساس الگوهای استفاده از تلفن همراه استنباط کرد [ 26 ]. آنها به شکل توزیع های جمعیتی ناشناس و تخمین زده شده در یک شبکه 50 × 50 متری آمدند. داده‌های مربوط به فعالیت‌های تلفن همراه برای یک ساعت جمع‌آوری شد و توزیع جمعیت در هر سلول شبکه در آن ساعت برآورد شد. ما داده ها را به یک لایه چند ضلعی از ویژگی های مربع 50 متر × 50 متر تبدیل کردیم.
در این مطالعه، ما 127867 نفر را در 4808 سلول شبکه ای هسته شهری گیونگجو در ساعت 8 بعد از ظهر 12 سپتامبر 2016 (ساعتی که زلزله رخ داد) مشاهده کردیم ( شکل 1 ). جمعیت مسکونی سایت مورد مطالعه در دسامبر 2016، 118992 نفر برآورد شد [ 27 ]]؛ جمعیت شناور در لحظه دقیق زلزله 7 درصد بیشتر از جمعیت مسکونی تخمین زده شد. بسیاری از گردشگران از Gyeongju بازدید می کنند و در هتل ها و مهمانخانه های مناطق مرکزی شهر اقامت می کنند. داده های تلفن همراه حاکی از آن است که جمعیت شناور ممکن است به طور قابل توجهی از جمعیت های مسکونی در شهرهای تاریخی و توریستی متفاوت باشد و باید بر اساس مکان افراد در برنامه های تخلیه لحاظ شود. مجموعه داده های شناور جمعیت همزمان با یک زلزله بزرگ، فرصتی منحصر به فرد برای آزمایش ایده های ما برای مدیریت بلایا در کره جنوبی است.

2.2. برآورد ریزش ساختمان و تحلیل خطر جاده

در این بخش، نحوه محاسبه خطرات احتمالی جاده ناشی از ریزش ساختمان در بلایای زلزله را شرح می دهیم.
ریزش ساختمان کشنده ترین خطر برای عابران پیاده در حالی است که آنها به پناهگاه ها منتقل می شوند [ 14 ]. سقوط آوار یا آوار در جاده ها می تواند به عابران پیاده آسیب برساند یا آنها را مسدود کند [ 28 ]. قانون ساختمان کره جنوبی مقررات طراحی لرزه ای را برای محافظت از ساختمان ها در برابر فشار باد، ارتعاشات، تحریکات و فروپاشی در شرایط فاجعه از سال 1990 تا 2018 بازبینی کرده است. به ویژه، قانون ساختمان پس از زلزله های بزرگ در سال های 2016 و 2017 مکررا مورد بازنگری قرار گرفته است. مقررات طراحی لرزه ای حداقل استانداردها را برای ساختمان هایی که از اندازه معینی فراتر می روند بر اساس تعداد طبقات یا مساحت آنها تعریف می کند ( جدول 1).). علاوه بر این، قانون ساختمان عموماً ساختمان‌هایی را که بیش از 30 سال پیش ساخته شده‌اند، به عنوان «ساختمان‌های قدیمی» در معرض خطر بیشتر ریزش طبقه‌بندی می‌کند. ما فرض کردیم که ساختمان‌هایی در Gyeongju که از مقررات طراحی لرزه‌ای مستثنی هستند و ساختمان‌های بیش از 30 سال، خطرات فروپاشی را در فاجعه زمین‌لرزه فرضی ما ارائه می‌کنند. در منطقه مورد مطالعه ما، 11819 ساختمان (61.2٪) در این دسته بندی ها قرار گرفتند. ما ارتفاع ساختمان را با ضرب تعداد طبقات در ارتفاع فرضی از طبقه به طبقه 3 متر تخمین زدیم.
مؤسسه ملی مدیریت بلایای کره، منطقه خطر احتمالی فروریختن ساختمان را به عنوان هر جایی در فاصله 1.5 برابر ارتفاع ساختمان مدل می کند [ 2 ]. ما این رویکرد را اتخاذ کردیم و بافرهایی را بر اساس این فاصله در اطراف هر ساختمان ترسیم کردیم ( شکل 2 ).
در مرحله بعد، خطرات احتمالی جاده را با استفاده از مناطق ریزش ساختمان تخمین زده کردیم. ما “خطر جاده” را با استفاده از طول تقاطع بخش های جاده و همپوشانی متناسب با مناطق خطر فروپاشی ساختمان محاسبه کردیم ( شکل 3 ).

2.3. تجزیه و تحلیل مسیر تخلیه عابر پیاده

ما از چهار رویکرد برای تأیید کارایی روش تجزیه و تحلیل مسیر تخلیه خود استفاده کردیم: (1) تجزیه و تحلیل پناهگاه با کوتاه‌ترین مسیر، که عابران پیاده را به هیچ پناهگاه خاصی هدایت نمی‌کند. (2) تجزیه و تحلیل پناهگاه اختصاص داده شده با کوتاه ترین مسیر که حداقل فاصله را با در نظر گرفتن ظرفیت پناهگاه محاسبه می کند. (3) تجزیه و تحلیل پناهگاه اختصاص داده شده با حداقل خطر که قرار گرفتن در معرض خطرات جاده را به حداقل می رساند. و (4) روش پیشنهادی ما، یک تحلیل جامع مسیر تخلیه که به دنبال به حداقل رساندن فاصله و خطر است. مدل تحلیل مسیر تخلیه پیشنهادی ما به‌عنوان یک اسکریپت پایتون با کتابخانه‌های GDAL و NetworkX اجرا و اجرا شد، و مسیرهای تخلیه در فایل‌های شکل قابل خواندن با استفاده از QGIS، یک ابزار نرم‌افزار GIS، صادر شدند. متغیرهای کلیدی برای تحلیل مسیر تخلیه در جدول 2 خلاصه شده است:

2.3.1. تحلیل کوتاه‌ترین مسیر، تخصیص‌نخورده-پناهگاه

تحلیل کوتاه‌ترین مسیر، سرپناه تعیین‌نشده (SUA) فرض می‌کند که شهروندان هیچ دستورالعملی دریافت نمی‌کنند که پس از زلزله به کدام پناهگاه بروند. تنها اطلاعاتی که آنها دارند مکان پناهگاه و شبکه جاده است. در مدل، هر فرد به نزدیکترین پناهگاه در امتداد کوتاهترین مسیر موجود از طریق شبکه جاده ای تخلیه می شود. ما الگوی تخلیه طبیعی را برای یک فاجعه زلزله در Gyeongju به این روش مدل‌سازی کردیم، زیرا برنامه‌ریزی مدیریت بلایا در کره در حال حاضر مسیرهای تخلیه را به پناهگاه‌ها اختصاص نمی‌دهد یا ارتباط برقرار نمی‌کند. در صورتی که همه عابران پیاده کوتاه‌ترین مسیرها را به سمت نزدیک‌ترین پناهگاه‌های خود طی کنند، نتیجه بهترین سناریو را منعکس می‌کند و ما انتظار داریم که مسیرهای تخلیه در سناریوهای واقعی زلزله کارآمدی کمتری داشته باشند. مدلی از تحلیل کوتاه ترین مسیر به صورت زیر مشتق شده است:

مترمن�∑من∈آر�د(من)

جایی که منلبه مسیر است و آرمسیر بین گره جمعیت و گره پناهگاه است. مدل حداقل مسافت مسافت را از طریق شبکه جاده محاسبه می کند.

با این حال، اگر شخصی به پناهگاهی برسد که در حال حاضر کاملاً اشغال شده است، باید به نزدیکترین پناهگاه بعدی نقل مکان کند و فاصله تخلیه آنها افزایش می یابد. ما ظرفیت سرپناه را 1 متر مربع برای هر فرد فرض می کنیم. این فرآیند در زیر توضیح داده شده است:
  • مرحله 1: کوتاه ترین مسیر از گره جمعیت i تا گره پناهگاه j را شناسایی کنید ، جایی که پمن>0.
  • مرحله 2: اگر سی�=0، نزدیکترین پناهگاه را به این پناهگاه شناسایی کنید j . کوتاه ترین مسیر را به سمت آن پناهگاه طی کنید، که تبدیل به پناهگاه جدید j می شود.
  • مرحله 3: مرحله 2 را تکرار کنید تا سی�≠0.
  • مرحله 4: اگر سی�≥پمن، اختصاص دهید پمنبه مسیر بعد، سی�=سی�-پمنو پمن=0.
  • مرحله 5: اگر سی�<پمن، اختصاص دهید پمن-سی�به مسیر بعد، سی�=0و پمن=پمن-سی�.
  • مرحله 6: اگر مجموع جمعیت یا ظرفیت سرپناه صفر است، فرآیند را پایان دهید. اگر نه، به مرحله 1 بازگردید.
2.3.2. تحلیل کوتاه‌ترین مسیر، تخصیص پناهگاه
کوتاه ترین مسیر، تجزیه و تحلیل سرپناه اختصاص داده شده (SAA) پناهگاه ها را به شهروندان در لحظه وقوع فاجعه اختصاص می دهد. SAA کوتاه ترین مسیرها را از جمعیت ها به پناهگاه ها به عنوان مسیرهای تخلیه احتمالی محاسبه می کند. علاوه بر این، SAA شناسایی می‌کند که اگر همه به نزدیک‌ترین گزینه خود سفر کنند، کدام پناهگاه‌ها با ظرفیت کامل خواهند بود و جمعیت اضافی را به پناهگاه‌هایی که ظرفیت باقیمانده دارند اختصاص می‌دهد. این تفاوت با SUA در این است که افراد تضمین می‌شوند که یک مکان در پناهگاه اختصاص داده شده خود داشته باشند، از بازدید از پناهگاه‌های متعدد جلوگیری می‌کند و مسافت کلی طی شده را کاهش می‌دهد. فرآیند در زیر شرح داده شده است:
  • مرحله 1: کوتاه ترین مسیر از گره جمعیت i تا گره پناهگاه j را شناسایی کنید ، جایی که پمن>0و سی�>0.
  • مرحله 2: اگر سی�≥پمن، اختصاص دهید پمنبه مسیر بعد، سی�=سی�-پمنو پمن=0.
  • مرحله 3: اگر سی�<پمن، اختصاص دهید پمن-سی�به مسیر بعد، سی�=0و پمن=پمن-سی�.
  • مرحله 4: اگر مجموع جمعیت یا ظرفیت سرپناه صفر است، به فرآیند پایان دهید. اگر نه، به مرحله 1 بازگردید.
2.3.3. تجزیه و تحلیل حداقل خطر، تخصیص پناهگاه

تجزیه و تحلیل پناهگاه اختصاص داده شده با حداقل خطر (MAA) مسیرهای تخلیه را محاسبه می کند که قرار گرفتن در معرض مناطق فروپاشی ساختمان بین جمعیت ها و پناهگاه ها را به حداقل می رساند. مدلی برای به حداقل رساندن خطرات جاده ای به شرح زیر است:

مترمن�∑من∈آر�ساعت(من)
این مدل مسیرهایی را محاسبه می کند که طول جاده های پیموده شده را که با مناطق فروریخت ساختمان همپوشانی دارند، به جای در نظر گرفتن فاصله کلی تخلیه، به حداقل می رساند. فرآیند MAA مشابه SAA ساختار یافته است، اما از آن استفاده می کند �ساعتبرای هزینه مسیر در مرحله 1. فرآیند در زیر توضیح داده شده است:
  • مرحله 1: مسیری را شناسایی کنید که خطرات جاده را از گره جمعیت i تا گره پناهگاه j به حداقل می رساند ، جایی که پمن>0و سی�>0. اگر مسیرهای منتهی به دو یا چند پناهگاه دارای خطر یکسانی باشند، کوتاه‌ترین مسیر را انتخاب می‌کنیم.
  • مرحله 2: اگر سی�≥پمن، اختصاص دهید پمنبه مسیر بعد، سی�=سی�-پمنو پمن=0.
  • مرحله 3: اگر سی�<پمن، اختصاص دهید پمن-سی�به مسیر بعد، سی�=0و پمن=پمن-سی�.
  • مرحله 4: اگر مجموع جمعیت ها یا ظرفیت های سرپناه صفر است، فرآیند را پایان دهید. اگر نه، به مرحله 1 بازگردید.
2.3.4. تجزیه و تحلیل جامع مسیر تخلیه
تجزیه و تحلیل جامع مسیر تخلیه (CEA) یک مدل مسیریابی اکتشافی است که تلاش می کند (1) فاصله تخلیه و (2) قرار گرفتن در معرض خطر جاده را به حداقل برساند. مسیریابی اکتشافی یک رویکرد عملی برای یافتن بهترین تصمیم بر اساس اهداف متضاد در مدت زمان محدود است [ 29 ، 30 ، 31 ]. تحقیقات قبلی الگوریتم‌هایی را پیشنهاد کردند که هزینه‌ها را برای محاسبه بهترین راه‌حل واحد برای همه اهداف، با تعیین حداکثر هزینه هر هدف [ 29 ] یا رتبه‌بندی اهداف [ 31 ] بهینه می‌کنند. در این مطالعه، ما یک مدل ساده برای محاسبه مسیرهای تخلیه پیشنهاد می‌کنیم که قرار گرفتن در معرض خطر و فاصله پیاده‌روی را متعادل می‌کند.
مدل پیشنهادی از دو فاز تشکیل شده است: فاز مسیریابی و تخصیص. در مرحله مسیریابی، مسیری را محاسبه می کنیم که خطرات جاده را از هر گره جمعیتی تا هر پناهگاه به حداقل می رساند. عابران پیاده در آن گره می توانند به هر پناهگاهی سفر کنند اما برای هر پناهگاه فقط یک مسیر انتخاب می کنند. در مرحله تخصیص، مدل جمعیت‌ها را به پناهگاه‌ها اختصاص می‌دهد که بر اساس آن پناهگاه در طول مسیر از پیش محاسبه‌شده نزدیک‌ترین است، در حالی که از پناهگاه‌هایی که در حال حاضر ظرفیت دارند صرفنظر می‌کند. فرآیند مرحله تخصیص به همان شیوه SAA ساخته شده است.
با جداسازی مراحل فرآیند، مدل سناریوهای بدتر دو رویکرد اول را کاهش می‌دهد. مرحله مسیریابی عابران پیاده را با فیلتر کردن مسیرهای تخلیه که با خطرات جاده ای زیادی مواجه می شوند، به مسیرهای ایمن هدایت می کند. مرحله تخصیص افراد را به نزدیکترین پناهگاه موجود می فرستد و در عین حال از سفرهای غیرضروری به پناهگاه های کاملاً اشغال شده جلوگیری می کند. فرآیندها در زیر و در شکل 4 و شکل 5 توضیح داده شده است :
فاز مسیریابی
  • مرحله 1: محاسبه مسیرهایی که خطرات جاده را بین گره های جمعیتی و گره های پناهگاه به حداقل می رساند.
تعیین فاز
  • مرحله 2: کوتاه ترین مسیر از گره جمعیت i تا گره پناهگاه j را شناسایی کنید ، جایی که پمن>0و سی�>0.
  • مرحله 3: اگر سی�≥پمن، اختصاص دهید پمنبه مسیر بعد، سی�=سی�-پمنو پمن=0.
  • مرحله 4: اگر سی�<پمن، اختصاص دهید پمن-سی�به مسیر بعد، سی�=0و پمن=پمن-سی�.
  • مرحله 5: اگر مجموع جمعیت ها یا ظرفیت های سرپناه صفر است، فرآیند را پایان دهید. اگر نه، در مرحله 2 تکرار کنید.

3. نتایج تجربی

3.1. خلاصه نتایج

در این بخش، ما چهار روش تجزیه و تحلیل مسیر تخلیه برای Gyeongju را خلاصه می‌کنیم. نتایج خلاصه شده در جدول 3 و جدول 4 و شکل 6 ارائه شده است. از آزمون t دو نمونه ای به منظور بررسی همزمانی بین هر روش استفاده شد.

3.2. مقایسه مدل

شکل 7 و شکل 8 مسیرهای تخلیه و قرار گرفتن در معرض خطر را برای هر تحلیل مسیر نشان می دهد. همانطور که در جدول 3 و جدول 4 نشان داده شده است ، SAA میانگین فاصله تخلیه و قرار گرفتن در معرض خطر را در مقایسه با SUA کاهش می دهد، زیرا به طور مستقیم عابران پیاده را به پناهگاه های خالی اختصاص می دهد، اما تفاوت ها از نظر آماری معنی دار نبود ( 05/0p >). اگرچه هر دو SUA و SAA مسیرهای تخلیه کوتاه تری را نسبت به دو رویکرد دیگر ارائه کردند، اما این مسیرها شامل خطرات جاده ای بیشتری بود. به ویژه، این خطرات جاده ای در سه منطقه اصلی که بیشتر جمعیت را شامل می شدند، متمرکز شده بودند ( شکل 1 و شکل 8 ). همانطور که کادر در شکل 5 نشان داده شده استنشان می دهد، برخی از نقاط پرت قرار گرفتن در معرض خطر به طور قابل توجهی بالا بود. در بدترین حالت، عابران پیاده باید در حین تخلیه 2.2 کیلومتر از مناطق فروریخته ساختمان عبور کنند.
MAA خطرات جاده را بیش از سه رویکرد دیگر کاهش داد. تفاوت آماری معنی داری در قرار گرفتن در معرض خطر بین مسیرهای MAA و مسیرهای دیگر وجود داشت ( 001/0 > P). با این حال، فاصله تخلیه را نیز بسیار افزایش داد (به طور متوسط ​​720٪ بیشتر از SAA، p <0.001) زیرا تلاشی برای به حداقل رساندن فاصله کلی مسیر انجام نداد. میانگین فاصله تخلیه حدود 5 کیلومتر بود که به معنای یک سفر 83 دقیقه‌ای با سرعت پیاده‌روی 1 متر بر ثانیه بود.
اگرچه قرار گرفتن در معرض خطر جاده ای برای CEA به طور قابل توجهی بیشتر از MAA بود ( 001/ 0p <)، همچنین قرار گرفتن در معرض خطر با CEA به طور قابل توجهی کمتر از SUA و SAA بود ( 001/ 0p <). علاوه بر این، CEA میانگین فاصله تخلیه کلی را تا 83٪ در مقایسه با MAA کاهش داد ( 001/ 0p <). اگرچه این باز هم طولانی‌تر از SUA بود، اما CEA موارد پرخطر را برای قرار گرفتن در معرض خطر که با SAA مشاهده شد حذف کرد ( شکل 6 ). این رویکرد به عابران پیاده کمک کرد تا از جاده های طولانی و خطرناک اجتناب کنند.

4. بحث

روش پیشنهادی ما، CEA، قرار گرفتن در معرض خطر را در مقایسه با محاسبات کوتاه‌ترین مسیر به طور قابل توجهی کاهش داد. در حالی که برخی معاوضه‌ها در اجبار سفرهای طولانی‌تر به منظور اجتناب از مناطق پرخطر وجود دارد، رویکرد جامع با انتخاب مسیرهای کوتاه‌تر از زیر مجموعه‌ای از گزینه‌های به حداقل رساندن ریسک، این مشکل را کاهش می‌دهد.
شکل 9 نمونه هایی از مسیرهای تخلیه را برای هر رویکرد نشان می دهد. در نمونه‌های SUA و SAA، بیشتر تخلیه‌شدگان از طریق مناطق مرکزی شهر سفر می‌کنند و در زمان صرفه‌جویی می‌کنند، اما با قرار گرفتن در معرض خطرات ناشی از محیط‌های متراکم. بسیاری از ساختمان‌های قدیمی‌تر و تاریخی در محله‌های اصلی گیونگجو قرار دارند، جایی که احتمال مسدود شدن جاده‌ها یا خطرناک‌تر شدن آنها پس از زلزله وجود دارد. همانطور که در شکل 7 نشان داده شده است، قرار گرفتن در معرض خطر طولانی در سه منطقه اصلی متمرکز شده است که بسیاری از جمعیت شناور در آن قرار داشتند. به طور کلی، عابران پیاده در سناریوهای SUA بیشتر از سناریوهای SAA راه می رفتند، زیرا آنها مجبور بودند از پناهگاهی به سرپناه دیگر راه بروند تا زمانی که پناهگاهی را پیدا کنند که کاملاً اشغال نشده بود. با این حال، فاصله تخلیه بین SUA و SAA زیاد نبود، زیرا پناهگاه ها در منطقه مورد مطالعه خیلی از یکدیگر دور نبودند.
در نتایج MAA، افراد تخلیه شده به جاده های بیرونی چسبیدند. حتی زمانی که در مناطق مرکزی قدم می زدند، از جاده های مجاور فضاهای باز بزرگ مانند پارک ها و استادیوم های عمومی استفاده می کردند. علاوه بر این، مرز سایت مطالعه ما با رودخانه‌ها، مزارع، و مناطق تپه‌ای هم مرز است که -در حالی که جمعیت کمی دارند- دارای مسیرهای پیاده‌روی توسعه‌یافته‌ای هستند که بسیاری از جاذبه‌های تاریخی گیونگجو را به هم متصل می‌کنند. MAA عابران پیاده را راهنمایی کرد تا در این مسیرهای امن قدم بزنند. با این حال، این امر برخی از افراد تخلیه شده را مجبور کرد تا مسافت های طولانی را به سمت پناهگاه ها طی کنند. برخی از کاربران ممکن است از نظر فیزیکی قادر به راه رفتن دو ساعت برای رسیدن به نزدیکترین پناهگاه نباشند.
CEA با ایجاد تعادل بین ایمنی و نزدیکی از پیاده‌روی عابران پیاده در فواصل بسیار زیاد تا پناهگاه‌ها جلوگیری می‌کند. به ویژه، به طور قابل توجهی مواجهه با خطر را در مناطق اصلی گیونگجو کاهش داد ( شکل 7 )، و بسیاری از افراد تخلیه شده از مناطق فروریخته ساختمان دور شدند. آنها ضمن انتخاب مسیرهایی با فواصل تخلیه معقول و در معرض خطر کم تا متوسط، از عبور از پرخطرترین مناطق جلوگیری کردند. اگرچه CEA خطرات مسیرهای تخلیه را به میزان قابل توجهی کاهش داد، برخی از عابران پیاده دورتر از کوتاه ترین مسیرها پیاده روی می کنند. در شکل 6مسیرهای تخلیه در سه منطقه (بخش شمالی، جنوبی و شرقی محل مطالعه) به طور قابل توجهی افزایش یافت. برای کاهش فاصله تخلیه در این مناطق می‌توان پیشنهاد کرد که پناهگاه‌های اضافی تعیین شود. رویکرد پیشنهادی ما قادر به یافتن مناطق آسیب‌پذیر و بهبود کارایی مسیرهای تخلیه در برنامه‌ریزی مدیریت بلایا برای زلزله است.
جهت‌گیری‌های تحقیقاتی آتی عبارتند از اعمال شاخص‌های مختلف ایمنی عابر پیاده در تجزیه و تحلیل مسیر تخلیه ما و مطالعه اینکه چگونه برنامه‌های تخلیه فعال با تغییر ساعت به ساعت و روز به روز توزیع جمعیت شناور تغییر می‌کند. ما همچنین می‌توانیم روش‌های بهینه‌سازی مسیریابی خود را بهبود بخشیم. تمام روش‌هایی که در اینجا به کار بردیم، اکتشافی حریصانه بودند، که هزینه‌های هر گره را به‌صورت جداگانه به ترتیبی به حداقل رساندند، بدون اینکه تلاشی برای بهینه‌سازی جهانی برای همه گره‌ها در مجموع انجام دهیم. علاوه بر این، از آنجایی که ما داده‌های جمعیت شناور به‌روزرسانی ساعتی را مدیریت می‌کردیم و روش پیشنهادی برای محاسبه مسیرهای تخلیه در عرض یک ساعت طراحی شده بود، روش ما می‌توانست کندتر از زمان واقعی اجرا شود. با این حال، ما می‌توانیم این عملکرد را بهبود بخشیم تا سریع‌تر از زمان واقعی کار کند.
با نگاهی فراتر از فروریختن ساختمان به‌عنوان خطر اصلی برای تخلیه‌شدگان، می‌توانیم عوامل خطر دیگری مانند انفجار گاز یا جابجایی زمین را در نظر بگیریم که امکان برنامه‌ریزی واقع‌بینانه‌تر در هنگام بلایای زلزله را فراهم می‌کند. با ضبط مکرر توزیع‌های جمعیت شناور از شبکه‌های تلفن همراه، می‌توانیم برنامه‌های تخلیه را بهتر اندازه‌گیری و اطلاع‌رسانی کنیم. داده‌های جمعیت شناور موجود ما شامل ویژگی‌های جمعیتی مانند سن و جنسیت یا روش‌هایی برای تمایز بین ساکنان محلی و بازدیدکنندگان، یا کسانی که چالش‌های حرکتی دارند، نمی‌شود. مطالعات دیگر مسیرهای تخلیه را با در نظر گرفتن ویژگی های فیزیکی جمعیت ها [ 32 ] یا شبیه سازی رفتارهای تخلیه برای گروه های مختلف جمعیت [ 33 ] مدل سازی کرده اند.

5. نتیجه گیری ها

در این مطالعه، ما نشان دادیم که چگونه می‌توانیم خطرات ایمنی عابران پیاده را در برنامه‌ریزی تخلیه در نظر بگیریم. ما با در نظر گرفتن قرار گرفتن در معرض خطر ریزش ساختمان در اثر زلزله، رویکردی را برای هدایت افراد به پناهگاه‌های دائمی پیشنهاد کردیم. ما این خطرات را با تخمین مناطق خطر فروپاشی ساختمان و گنجاندن آنها به عنوان هزینه‌های سفر برای عبور از شبکه مسیر در Gyeongju مدل‌سازی کردیم. ما از یک رویکرد مسیریابی اکتشافی برای محاسبه مسیرهای تخلیه استفاده کردیم که فاصله تخلیه و قرار گرفتن در معرض خطر را به حداقل می رساند. نتایج ما نشان داد که تعادل بین ایمنی و مصلحت با استفاده از این رویکرد جامع امکان پذیر است.
ما معتقدیم که مطالعه ما ارزش بالقوه و محدودیت های برنامه ریزی تخلیه را هنگام ترکیب شاخص های ایمنی در تجزیه و تحلیل مسیر نشان می دهد. ارزیابی خطر زلزله پیچیده است و می‌تواند شامل گزینه‌های زیادی مانند فروریختن ساختمان یا انفجار گاز باشد. ما می‌توانیم برنامه‌های خود را با کمی کردن این خطرات با همکاری کارشناسان مرتبط با بلایا بهبود بخشیم و به شهروندان کمک کنیم تا میزان بقای خود را در شرایط بلایا افزایش دهند. نتایج ما یک بیانیه نهایی در مورد برنامه ریزی تخلیه نیست، بلکه اولین گام به سمت مسیرهای تخلیه ایمن، پاسخگو و کارآمد در هنگام بلایای زلزله است.

منابع

  1. گریگولی، ف. سسکا، اس. رینالدی، AP; مانکونی، آ. لوپز-کامینو، جی. کلینتون، جی اف. وستاوی، آر. کوزی، سی. دهم، تی. Wiemer, S. زلزله 5.5 مگاواتی نوامبر 2017 پوهانگ: مورد احتمالی لرزه خیزی ناشی از کره جنوبی. Science 2018 ، 360 ، 1003-1006. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  2. لی، جی. پسر، م. پارک، دی. یونگ، تی. لی، بی. کیم، دی. لیم، ک. پارک، ک. کانگ، اچ. Han, S. توسعه استاندارد تعیین و عملیات پناهگاه تخلیه زلزله ; گزارش فنی PRI-2017-02-01-01; موسسه تحقیقات ملی مدیریت بلایا کره: اولسان، کره، 2017.
  3. دورازیو، ام. اسپالازی، ال. کوالیارینی، ای. برناردینی، جی. مدل مبتنی بر عامل برای تخلیه عابران پیاده زلزله در سناریوهای فضای باز شهری: تعریف الگوهای رفتاری و انتخاب مسیرهای تخلیه. Saf. علمی 2014 ، 62 ، 450-465. [ Google Scholar ] [ CrossRef ]
  4. یانگ، کیو. سان، ی. لیو، ایکس. شبیه‌سازی تخلیه یک جامعه شهری در طول یک فاجعه باران شهری در چین، وانگ، جی. پایداری 2020 ، 12 ، 546. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  5. کامپوس، وی. باندیرا، آر. باندیرا، الف. روشی برای برنامه ریزی مسیر تخلیه در موقعیت های بلایا. Procedia Soc. رفتار علمی 2012 ، 54 ، 503-512. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. وود، نیوجرسی؛ Schmidtlein، مدلسازی مسیر ناهمسانگرد MC برای ارزیابی پتانسیل تخلیه عابران پیاده از سونامی های مربوط به Cascadia در شمال غربی اقیانوس آرام ایالات متحده. نات. خطرات 2012 ، 62 ، 275-300. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  7. کووا، تی جی; آسیب پذیری تخلیه جامعه مدل سازی کلیسا، RL با استفاده از GIS. بین المللی جی. جئوگر. Inf. علمی 1997 ، 11 ، 763-784. [ Google Scholar ] [ CrossRef ]
  8. اوپاسانون، اس. میلر هوکس، ای. امن ترین مشکل فرار. جی. اوپر. Res. Soc. 2009 ، 60 ، 1749-1758. [ Google Scholar ] [ CrossRef ]
  9. لمل، جی. کلوپفل، اچ. Nagel، K. خطر به حداقل رساندن استراتژی های تخلیه تحت عدم قطعیت. در دینامیک عابر پیاده و تخلیه ; Springer: برلین/هایدلبرگ، آلمان، 2011; ص 287-296. [ Google Scholar ]
  10. خو، جی. یین، ایکس. چن، دی. آن، جی. Nie, G. مدل مکان یابی چند معیاره پناهگاه های تخلیه زلزله برای کمک به برنامه ریزی شهری. بین المللی J. کاهش خطر بلایا. 2016 ، 20 ، 51-62. [ Google Scholar ] [ CrossRef ]
  11. لی، ی.ال. ایشی، اچ. ارزیابی مکان پناهگاه زلزله تای، کالیفرنیا با در نظر گرفتن ساختار جاده. بین المللی Conf. هوشمند سیستم دس Appl. ISDA 2008 ، 1 ، 495-497. [ Google Scholar ] [ CrossRef ]
  12. Ndiaye، IA; نرون، ای. لینوت، ا. مونمارچه، ن. گوریگ، ام. مدلی جدید برای برنامه ریزی ماکروسکوپی تخلیه عابر پیاده با معیارهای ایمنی و مدت زمان. ترانسپ Res. Procedia 2014 ، 2 ، 486-494. [ Google Scholar ] [ CrossRef ]
  13. ژانگ، ن. هوانگ، اچ. زیر.؛ ژائو، جی. تجزیه و تحلیل خطر دینامیک جاده برای تخلیه عابر پیاده. فیزیک یک آمار مکانیک. برنامه آن است. 2015 ، 430 ، 171-183. [ Google Scholar ] [ CrossRef ]
  14. یاماموتو، ک. لی، ایکس. ارزیابی ایمنی مسیرهای تخلیه در مرکز توکیو با فرض یک تخلیه در مقیاس بزرگ در صورت بلایای زلزله. جی. ریسک مالی. مدیریت 2017 ، 10 ، 14. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  15. ژائو، ایکس. دو، پ. چن، جی. یو، دی. خو، دبلیو. لو، اس. یوان، اچ. IP، KP انتخاب پناهگاه طوفان و مدل تخصیص فرار: مطالعه موردی ماکائو (SAR)، چین. پایداری 2020 ، 12 ، 3308. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  16. لی، جی. زو، اچ. مدلی مبتنی بر ریسک از بهینه‌سازی مسیر تخلیه تحت آتش. Procedia Eng. 2018 ، 211 ، 365-371. [ Google Scholar ] [ CrossRef ]
  17. ال میوش، آر. ابونمه، م. حجاز، من. مبارکی، ع. شهرور، اول. توسعه مسیرهای بهینه برای تخلیه سایت های ساختمانی پرخطر. J. Constr. مهندس مدیریت 2018 , 144 , 4017099. [ Google Scholar ] [ CrossRef ]
  18. چن، پی. چن، جی. وانگ، ال. Reniers، G. بهینه سازی برنامه ریزی نجات و تخلیه اضطراری با اجتناب از موانع هوشمند در یک پارک صنعتی شیمیایی. J. Loss Prev. Process Ind. 2018 , 56 , 119-127. [ Google Scholar ] [ CrossRef ]
  19. Dijkstra، EW یادداشتی در مورد دو مسئله در ارتباط با نمودارها. عدد. ریاضی. 1959 ، 1 ، 269-271. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. کیم، ی. ری، جی. کانگ، T.-S. کیم، K.-H. کیم، ام. لی، اس.-جی. زمین لرزه های 12 سپتامبر 2016 گیونگجو: 1. مشاهده و سؤالات باقی مانده. Geosci. J. 2016 , 20 , 747-752. [ Google Scholar ] [ CrossRef ]
  21. پسر، م. چو، CS; Shin, JS; ری، اچ. شین، دی. توزیع مکانی و زمانی رویدادها در طول سه ماه اول 2016 گیونگجو، کره، توالی زلزله توزیع مکانی زمانی رویدادها در طول سه ماه اول توالی زلزله گیونگجو 2016. گاو نر سیسمول. Soc. صبح. 2018 ، 108 ، 210-217. [ Google Scholar ] [ CrossRef ]
  22. سرویس اطلاعات آماری کره آمار زلزله. در دسترس آنلاین: https://kosis.kr/index/index.do (در 20 آوریل 2020 قابل دسترسی است).
  23. پورتال ملی زیرساخت فضایی کره. در دسترس آنلاین: https://data.nsdi.go.kr/dataset/20180927ds0062 (در 15 مارس 2020 قابل دسترسی است).
  24. وزارت اداره عمومی و امنیت کره. وب سایت سامانه آدرس نام جاده کره. در دسترس آنلاین: https://www.juso.go.kr/ (دسترسی در 10 مارس 2019).
  25. پورتال ملی داده های عمومی کره. در دسترس آنلاین: https://www.data.go.kr/data/15021030/openapi.do (در 15 مارس 2020 قابل دسترسی است).
  26. پی، تی. سوبولفسکی، اس. راتی، سی. شاو، اس.-ال. لی، تی. ژو، سی. بینشی جدید در طبقه‌بندی کاربری زمین بر اساس داده‌های تجمیع شده تلفن همراه. بین المللی جی. جئوگر. Inf. علمی 2014 ، 28 ، 1988-2007. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  27. گیونگجو وضعیت جمعیت Gyeongju. در دسترس آنلاین: https://www.gyeongju.go.kr/open_content/ko/page.do?mnu_uid=292&parm_mnu_uid=1592&srchBgpUid=590 (در 10 مه 2020 قابل دسترسی است).
  28. لو، ایکس. یانگ، ز. Cimellaro، GP; Xu, Z. شبیه سازی تخلیه عابر پیاده تحت سناریو با سقوط آوارهای ناشی از زلزله. Saf. علمی 2019 ، 114 ، 61–71. [ Google Scholar ] [ CrossRef ]
  29. Wakuta، K. یک مسئله کوتاه ترین مسیر چند هدفه. ریاضی. روش ها. Res. 2002 ، 54 ، 445-454. [ Google Scholar ] [ CrossRef ]
  30. Sastry، VN; جاناکیرامان، TN; Mohideen، SI الگوریتم های جدید برای مسئله کوتاه ترین مسیر چند هدفه. Opsearch 2003 , 40 , 278-298. [ Google Scholar ] [ CrossRef ]
  31. وانگ، اس. یانگ، جی. لیو، جی. دو، اس. Yan, J. مسیریابی چند هدفه در شبکه های تصادفی با استفاده از روش بهینه سازی مبتنی بر جغرافیای زیستی. شبیه سازی 2016 ، 92 ، 637-647. [ Google Scholar ] [ CrossRef ]
  32. مایاساری، ز.ام. رافلزیا، U. آستوتی، م. فوزی، ی. رویکرد مدلسازی ریاضی یک مدل تخلیه برای کاهش خطر سونامی در بنگکولو. در مجله فیزیک: مجموعه کنفرانس ; انتشارات IOP: یوگیاکارتا، اندونزی، 2019؛ جلد 1188، ص. 12094. [ Google Scholar ]
  33. تکاباتکه، تی. شیبایاما، تی. استبان، م. ایشی، اچ. هامانو، جی. شبیه سازی رفتار تخلیه سونامی ساکنان و بازدیدکنندگان محلی در کاماکورا، ژاپن. بین المللی J. کاهش خطر بلایا. 2017 ، 23 ، 1-14. [ Google Scholar ] [ CrossRef ]
Ijgi 09 00432 g001 550
شکل 1. توزیع جمعیت در زمان زلزله، و مکان های سرپناه دائمی در Gyeongju. مردم بیشتر در سه منطقه اصلی شهر متمرکز هستند.
Ijgi 09 00432 g002 550
شکل 2. برآورد ریزش ساختمان. فضاهای داخلی مناطق اصلی در Gyeongju با بسیاری از ساختمان‌های قدیمی خطرناک‌تر می‌شوند، در حالی که جاده‌های بیرونی نسبتاً ایمن هستند.
Ijgi 09 00432 g003 550
شکل 3. تجزیه و تحلیل خطر جاده.
Ijgi 09 00432 g004 550
شکل 4. فرآیند تجزیه و تحلیل جامع مسیر تخلیه.
Ijgi 09 00432 g005 550
شکل 5. نمونه ای از نتایج مسیر تخلیه. جدول اول مسیرهایی را نشان می دهد که توسط مرحله مسیریابی تجزیه و تحلیل جامع مسیر تخلیه (CEA) فیلتر شده اند. تجزیه و تحلیل پناهگاه اختصاص‌یافته با حداقل خطر (MAA) مسیری را انتخاب می‌کند که خطرات جاده‌ای را به حداقل می‌رساند (دو کوتاه‌ترین مسیر اول به دلیل سرپناه‌های کاملاً اشغال شده انتخاب نشده‌اند). CEA مسیری را با فاصله تخلیه کمتر از مسیر MAA انتخاب می کند. اگرچه این مسیر طولانی‌تر از مسیرهای کوتاه‌ترین مسیر، تحلیل سرپناه اختصاص‌نشده (SUA)/SAA است، اما منجر به قرار گرفتن در معرض خطر بسیار کمتری می‌شود.
Ijgi 09 00432 g006 550
شکل 6. فاصله تخلیه و خطر جاده برای تجزیه و تحلیل هر مسیر.
Ijgi 09 00432 g007 550
شکل 7. فاصله تخلیه برای هر تحلیل مسیر.
Ijgi 09 00432 g008 550
شکل 8. خطر جاده برای تجزیه و تحلیل هر مسیر.
Ijgi 09 00432 g009 550
شکل 9. نمونه هایی از تغییر مسیر برای هر تحلیل. SAA با حذف سفر به پناهگاه های متعدد، مسیرهای مستقیم بیشتری را به پناهگاه ها نسبت به SUA فراهم می کند. عابران پیاده بیشتر از جاده های بیرونی از طریق MAA استفاده می کنند. CEA عابران پیاده را از طریق مسیرهای امنی که فاصله های پیاده روی معقولی دارند به پناهگاه ها هدایت می کند.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید