Обзор
STAM — итальянская консалтинговая компания, которая разрабатывает высокотехнологичные решения для бизнес-задач своих клиентов. Компания специализируется в различных инженерных областях, включая секторы безопасности и транспорта, область устойчивого развития и экономики замкнутого цикла, оборонную робототехнику, индустрию 4.0 и многое другое. Компания также является активным участником исследовательских проектов Европейского Союза.
Проблема
Из-за возросшего количества террористических атак в Европе в последние годы Европейская комиссия расширила финансирование проектов, направленных на повышение общественной безопасности и противодействие террористической деятельности.
Компания STAM работала над одним из таких проектов. Инженеры создали имитационную модель пассажиропотоков на станции метрополитена, чтобы проанализировать их поведение при различных сценариях атак.
Цель состояла в том, чтобы смоделировать поведение пассажиров в инфраструктуре станции в нормальных условиях и сравнить его с поведением в случае атак. Инженеры также хотели выявить критические уязвимости в общественной инфраструктуре с помощью моделирования эвакуации.
Решение
Инженеры смоделировали двухэтажную станцию открытого типа с двумя обособленными входами и платформой на верхнем этаже. Модель также включала в себя объекты, которые пассажиры используют во время поездок на метро: банкоматы, туалеты, кофе-поинты и магазины.
В рамках модели инженеры из STAM создали 3 сценария атак на станцию метрополитена:
- взрыв бомбы;
- атака оружием ближнего боя;
- атака дроном.
Каждый тип атаки был задан в виде агента. Для каждого агента инженеры создали диаграмму состояний, которая отражала разные фазы атаки. Сочетание диаграммы состояний и диаграммы процессов позволило агентам передвигаться внутри среды моделирования. Единственным агентом без заданной диаграммы процессов стал агент-«взрыв», поскольку он является статичным.
Встроенная 2D и 3D анимация в AnyLogic дает возможность наблюдать за выполнением запусков модели разными способами, позволяя исследовать поведение агента при каждом сценарии.
В первом сценарии со взрывом бомбы модель показала влияние взрыва и его последствия, в том числе время реакции пешеходов поблизости и их эвакуацию.
Во втором сценарии с оружием ближнего боя модель показала, что толпе потребовалось больше времени, чтобы среагировать и эвакуироваться, т.к. атака имела локализованный характер. Также модель показала путь преступника, пытавшегося покинуть станцию, но задержанного охраной.
Наконец, в третьем сценарии с дроном основная атака произошла в момент, когда поезд прибыл на платформу, т.е. когда количество людей на платформе было максимальным.
Результат
Карты плотности, используемые при моделировании пассажиропотоков, помогли инженерам определить критические точки в пешеходной зоне, где потенциальная угроза безопасности может возрасти.
В результате запусков сценариев были получены данные для сравнительного анализа: количество пострадавших и погибших, а также среднее время эвакуации и критические зоны.
Результаты моделирования показали, что среднее время эвакуации примерно одинаково вне зависимости от сценария, поскольку для всех прогонов использовалась одна и та же инфраструктура станции. Вместимость и пути эвакуации также одинаковы для каждого случая.
Но несмотря на то, что время эвакуации схоже, количество пострадавших отличается в зависимости от типа атаки. Атака с применением дрона повлекла за собой наибольшее число жертв и пострадавших, поскольку дрон «ориентирован» на ожидание прибытия поезда и максимальную концентрацию пассажиров для атаки.
Компания STAM продолжает сотрудничество с Европейской комиссией по проекту общественной безопасности.
Более того, STAM планирует дополнить текущий проект новыми решениями, например, применить умную систему сигнализации для сокращения времени эвакуации пешеходов. Компания также хочет внедрить и смоделировать систему безопасности на основе искусственного интеллекта, которая сможет распознавать подозрительные объекты (например, бомбу). Оценка этих систем даст возможность понять, какая из них лучше всего поможет предотвратить атаки.
STAM представила свой проект [англ., PDF] на конференции AnyLogic 2021.
Похожие проекты
-
Моделирование пассажирских и автопотоков в аэропорту «Шереметьево»
Шереметьево — крупнейший аэропорт в России с годовым пассажиропотоком в 40 млн. человек. Инфраструктура аэропорта расширяется: в 2018 будет введён в эксплуатацию пассажирский терминал B, а 2020 и 2023 он будет интегрирован со строящимися терминалами С1 и С2. Кроме того, планируется расширить автомобильную стоянку на...
-
Моделирование пассажиропотоков в пересадочном узле Малого кольца Московской железной дороги
Запуск пассажирского движения по Малому кольцу Московской железной дороги должен снизить напряжение на дорожную сеть Москвы и разгрузить метро. Многие станции этой дороги будут связаны с метрополитеном и радиальными ветками железной дороги с помощью транспортно-пересадочных узлов. Пассажиропотоки на одном из будущих узлов были...
-
Оптимизация пропускной способности железнодорожных вокзалов к чемпионату мира по футболу-2018
В 2018 году Россия принимала чемпионат мира по футболу. Перед организаторами стояло много задач, одной из которых было подготовить железнодорожную транспортную инфраструктуру страны к работе в условиях увеличенной нагрузки. Для этого руководство компании РЖД решило оценить готовность к чемпионату 31 ж/д вокзала в...
-
AnyLogic моделирует пассажиропоток на вокзалах к Олимпиаде Сочи-2014
НИИАС, организация, специализирующейся на управлении движением и инфраструктурой железных дорог, смоделировала 5 вокзалов для совмещенной автомобильной и железной дороги Адлер — горноклиматический курорт Альпика-Сервис, строящейся для Олимпиады в Сочи.
-
Оценка планировочных решений станции «Киевская» Московского метрополитена
Во время планирования работ по реконструкции инженерам метрополитена нужно быть уверенными в правильности проектных решений. Так, на станции “Киевская”, одном из крупнейших транспортных узлов Московского метро, инженеры решили усовершенствовать существующие вестибюли для увеличения пропускной способности, а также заменить...
-
Определение лучшего планировочного решения для вагонов электропоездов
Крупнейшему предприятию России по производству пассажирских вагонов, Тверскому вагоностроительному заводу, требовалось оценить предлагаемые планировочные решения новых вагонов для электропоездов городского сообщения. Необходимо было сравнить время входа/выхода пассажиров для решений с разным количеством и шириной дверей и...
-
Моделирование пассажиропотоков в аэропорту Франкфурта
Аэропорт Франкфурта, крупнейший международный авиационный узел, внедрил систему активного управления терминалом для контроля пассажиропотоков с помощью динамических электронных табло. Система основана на измерении текущего пассажиропотока и прогнозировании его изменений посредством симуляционной модели, разработанной с...
-
Transforming Smart City Transport with eVTOL Urban Mobility Solutions
Archer Aviation is reshaping urban mobility by introducing a fleet of electric aircraft designed to operate in urban environments. These aircraft can save valuable time by utilizing the third dimension. To support them, the company focused on utilizing a network of vertiports from which these aircraft would take off and land...
-
Внедрение системы предварительного хранения багажа в международном аэропорту Монреаля
Проектно-конструкторская компания GSS Inc. из Канады предоставляет услуги стратегического и технического консалтинга, специализируясь на имитационном моделировании и оптимизации в рамках крупных инфраструктурных и трансформационных проектов. Компания GSS консультирует клиентов в различных отраслях, таких как здравоохранение...
-
Оптимизация работы аэропортов и проектирование объектов транспортной инфраструктуры
TranSystems – строительно-инжиниринговая компания с более чем 25-летним опытом моделирования в транспортном секторе. Компания занимается проектированием железных дорог, аэропортов, морских портов, транспортных магистралей, наладкой цепей транзитных поставок, автоматизацией промышленных объектов и даже организацией быстрого...