, Россия
УДК 614.84 Пожарная охрана. Опасность пожара. Пожары
В данной статье рассматривается всестороннее исследование предэвакуационного поведения людей при возникновении чрезвычайной ситуации. В связи с этим целесообразно применение подходов машинного обучения, в частности нейронных сетей, для интеллектуального анализа данных в области безопасности. Статистические данные, которые получены в условиях чрезвычайных ситуаций могут быть ограниченными и являться в целом неопределенными, по этой причине рекомендуется выбрать архитектуру нейронной сети - адаптивную сетевую систему нечеткого вывода (ANFIS), основанную на системе нечеткого вывода Такаги–Сугено. Рассматриваемая в статье архитектура нейронной сети в виде архитектуры адаптивной сетевой системы нечеткого вывода состоит из пяти слоев, где каждый слой выполняет вполне определенную функцию. Данные о поведенческой реакции людей до начала эвакуации для обучения искусственной нейронной сети получены с помощью таких подходов, как интервьюирование, анкетирование, опрос. В результате в статье предложен подход к прогнозированию предэвакуационного поведения людей при пожаре, основанный на адаптивной сетевой системе нечеткого вывода, который может применяться для манипулирования ограниченными данными человеческой реакции при пожаре.
модель, искусственная нейронная сеть, предэвакуационное поведение, адаптивную сетевую систему нечеткого вывода, машинное обучение, чрезвычайной ситуации, факторы, влияющие на поведение
1. Самарцев А.А., Иващенко В.А., Резчиков А.Ф. [и др.] Мультиагентная модель процесса эвакуации людей из помещений при возникновении чрезвычайных ситуаций // Управление большими системами: сборник трудов. – 2018. – № 72. – С. 217-244.
2. Колодкин В.М., Чирков Б.В., Ваштиев В.К. Модель движения людских потоков для управления эвакуацией при пожаре в здании // Вестник Удмуртского университета. Математика. Механика. Компьютерные науки. – 2015. – Т. 25. – № 3. – С. 430-438.
3. Matveev A.V. The model of the process of emergency evacuation from the building while using the self-rescue equipment in case of the fire. ARPN Journal of Engineering and Applied Sciences. 2018; 13(15): 4535-4542.
4. Коткова Е.А. Системно-динамическая модель распространения паники при эвакуации из общественных зданий // Научно-аналитический журнал Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России. – 2022. – № 1. – С. 182-194. – EDN TITMEC.
5. Коткова Е.А. Анализ подходов к исследованию поведения людей при эвакуации в экстремальных ситуациях // Здоровье - основа человеческого потенциала: проблемы и пути их решения. – 2021. – Т. 16. – № 4. – С. 1476-1479. – EDN SKRFSM.
6. Самошин Д.А., Холщевников В.В. Проблемы нормирования времени начала эвакуации // Пожаровзрывобезопасность. – 2016. – Т. 25. – № 5. – С. 37-51. – DOI 10.18322/PVB.2016.25.05.37-51. – EDN WAAOXZ.
7. Беляева К.С., Матвеев А.В. Структурная схема мультиагентного моделирования поведения людей при эвакуации в чрезвычайных ситуациях // Проблемы обеспечения безопасности при ликвидации последствий чрезвычайных ситуаций. – 2018. – Т. 1. – С. 70-73. – EDN YXLMXZ.
8. Авдеева М.О., Данилова К.А. Оценка влияния особенностей поведения людей на время эвакуации с помощью имитационного моделирования // Проблемы управления безопасностью сложных систем: Материалы XXVIII международной конференции, Москва, 16 декабря 2020 года / Под общей редакцией А.О. Калашникова, В.В. Кульбы. – М.: Институт проблем управления им. В.А. Трапезникова РАН, 2020. – С. 415-419. – DOI 10.25728/iccss.2020.24.42.075. – EDN PXLTUY.
9. Щербакова Т.В. Организация эвакуации и поведение людей при пожарах // Экономика и социум. – 2021. – № 1-2(80). – С. 772-778. – EDN GUVRVR.
10. Коткова Е.А., Матвеев А.В. Методика интеллектуального прогнозирования эффективности управления эвакуацией людей из общественных зданий // Научно-аналитический журнал Вестник Санкт-Петербургского университета Государственной противопожарной службы МЧС России. – 2021. – № 4. – С. 107-120. – EDN PLARHX.
11. Антюхов В.И., Остудин Н.В. Применение систем искусственного интеллекта в деятельности должностных лиц органов управления МЧС России при чрезвычайных ситуациях на транспорте // Транспорт России: проблемы и перспективы - 2016 : материалы Международной научно-практической конференции, Санкт-Петербург, 29–30 ноября 2016 года. – СПб: Институт проблем транспорта им. Н.С. Соломенко РАН, 2016. – С. 246-249. – EDN VEWNJB.
12. Станкевич Т.С. Разработка интеллектуальной системы прогнозирования динамики развития лесного пожара // Балтийский морской форум: Материалы VII Международного Балтийского морского форума. В 6-ти томах, Калининград, 07–12 октября 2019 года. – Калининград: Калининградский государственный технический университет, 2019. – С. 179-184. – EDN LZXFUC.
13. Арутюнян В.Г. Проблема извлечения текста из памяти: ассоциативные и семантические сети (коннекционистский подход) // Альманах современной науки и образования. – 2013. – № 7(74). – С. 12-14. – EDN QISNJF.
14. Wei-Guo S. et al. Evacuation behaviors at exit in CA model with force essentials: A comparison with social force model // Physica A: Statistical Mechanics and its Applications. –2006. – V. 371. – №. 2. – P. 658-666.
15. Калачин С.В. Прогнозирование распространения паники среди людей при эвакуации из здания во время пожара // Безопасность труда в промышленности. – 2020. – № 10. – С. 77-82. – DOI 10.24000/0409-2961-2020-10-77-82.
16. Касьяник П.М. Современные зарубежные исследования поведения толпы в экстремальных ситуациях // Прикладная юридическая психология. – 2014. – № 3. – С. 157-164.
17. Canter D. Studies of human behaviour in fire: empirical results and their implications for education and design. – Building Research Establishment Report. – UK, 1985.
