Abstrack

.Dengan struktur yang lebih kompleks dan populasi padat, kemacetan

merupakan faktor penting dalam memperkirakan izin evakuasi waktu.ini Makalah
menyajikan model evakuasi novel yang menerapkan teori permainan
mengabungkan kriteria optimasi entropi terbesar dengan stochastic metode Monte
Carlo untuk mengoptimalkan masalah kemacetan dan fitur lain dari perencanaan
evakuasi darurat.Kami memperkenalkan kriteria entropi terbesar bagi konvergensi
untuk keseimbangan Nash di n-person noncooperative game Proses pengelolaan
masalah konflik dibagi menjadi dua langkah. Pada langkah pertama, kami
menggunakan metode Monte Carlo untuk mengevaluasi tingkat risiko masingmasing rute. Pada langkah kedua, kami mengusulkan metode perbaikan
berdasarkan teori permainan,yang memperoleh solusi optimal untuk memandu
evakuasi semua agen dari bangunan.

1. Pendahuluan/Latar Belakang
rencana evakuasi darurat dikembangkan untuk memastikan waktu evakuasi paling
aman dan paling efisien dari semua diharapkan wargadari struktur atau wilayah[14].Dengan meningkatnya kompleksitas bangunan dan frekuensi bencana, yang
evacu masalah optimasi routing yang telah menjadi sangat populer di bidang
perencanaan darurat. Secara khusus, pengungsi terkait kemacetan pemodelan
evakuasi telah menarik perhatian karena kemacetan pengungsi memiliki dampak
signifikan pada perencanaan evakuasi darurat. Ha dan Lykotrafitis[5]co kekuatan
motivasi sidered, kecenderungan psikologis menjijikkan, kompresi, redaman
viskos / kekuatan pribadi, dan gesergesekan dalam simulasi evakuasi darurat
tertentu.Mereka mengatur gerakan partikel 'dengan model sosial-force untuk
menyelidiki efek dari kerumunan evakuasi. Chooramun et al.[6]mengembangkan

model evakuasi memanfaatkan ruang bedahybrid,yang menggunakan campuran

tiga teknik dasar untuk beda ruang, yaitu, jaringan jaringan dan baik-baik
kasar,saja,dan jaringan yang terus menerus. Manley dan Kim[7]mengambil
pendekatan berbasis agen untuk memperkirakan pembentukanbotol-selama leher
evakuasi mendesak. Selain itu, banyak penelitian telah dilakukan untuk
menafsirkan beberapa pilihan-keluar masalah dalam kerangka teori permainan.
Karya Zhenget al.[8-10]mempelajarikooperatif dan kompetitif pengungsi perilaku
denganmenggunakan analogi dekat dengan permainan ayam-jenisal.Tanimoto
et[11]mengusulkan pendekatan deduktif menganalisis untukmasalah bottleneck
evakuasi pejalan kaki dengan menggunakan analogidekat dengan saint dan godaan
timbal balik permainan.Shi dan Wang[12]mengusulkan kerangka kerja
mikroskopis untuk penelitian interaksi rumit antara bersaing pejalan kaki
berdasarkan dimodifikasi gas model kisi dengan menggunakan teori gundukan
salju permainan. Lo et al.[13]mengusulkandinamis model pilihan keluardengan
menghitung campuran-strategi Nash equilibrium dari zero-sum game. Li et al.[14]
mengusulkan permainan Bayesian untuk penelitian bagaimana pejalan kaki
memilih keluar untuk optimasi evakuasi. Mereka mengusulkan model QRA hanya
mempertimbangkan satu faktor dengan metode Monte Carloevakuasi mereka
dianggap individu sebagai peserta dan menyiapkankerangka kerja lokal untuk
penelitian masalah Namun, metode ini menghilangkan faktor evakuasi global
Selama dekade terakhir teori permainan telah dikembangkan dibidang perilaku
kompetitif dan masalah rasionalitas pengungsi[15-18].Namun, tingkat kemacetan
dari pintu darurat, tingkat rata-rata kemacetan jalur evakuasi,tingkat kemacetan
lalulintas di alihkan derajat jalur evakuasi, laju aliran maksimum keluar,dan lokasi
asal api enam faktor penting yang mempengaruhi evakuasi waktu clearance dan
proses evakuasi. Dalamkebanyakan model evakuasi, pemodelan way finding
dinamis orang sehubungan dengan situasi kemacetan ini dan tindakanpengungsi
lain secara bersamaan jarang. Oleh karena itu,penelitian ini merupakan upaya
untuk menyajikanevakuasi baru optimasi routing yangdari perspektif enam faktor
tersebut.Dalam tulisan ini, kami menyajikan model evakuasi multiple-exit(mim)
berdasarkan permainan dengan penilaian risiko kuantitatif(QRA) ke membuat

rencana rute egress optimal, dengan mempertimbangkan enam faktor-faktor ini.

Meem menggunakan informasi tentang kemacetan dan pengungsi untuk
mengevaluasi risiko dan menghitung Nash equilibrium pengungsi menggunakan
pembayaran fungsidari permainan. Untuk menunjukkan metode kami, simulasi
kerumunan memperlakukan semua pengungsi sebagai individu diskrit
menggunakan pemodelan berbasis agen (ABM)[5]. ABM menganggap setiap
individu sebagai partikel yang gerak diatur oleh Newton,persamaan dengan
asumsi bahwa kita tahu distribusiagen dan lokasi'. Kami mengukur data
eksperimen daripertama lantai Gedung Komputer di Universitas Jilin
Tulisan ini membahas dua isu. Yang pertama adalah bagaimana
memperkirakan tingkat risiko dari rute,yang kedua adalah bagaimana menentukan
rute evakuasi yang optimal untuk pengungsi.ini Tulisan meneliti rencana evakuasi
optimal menggunakan game-model teoritis untuk memperkirakan tingkat risiko
rute.Waktu izin evakuasi dan kepadatan kerumunan dapat ditingkatkan dengan
menggunakan teknik ini, yang juga mengambil tungan tagepenuh beberapa keluar
untuk mendapatkan paling aman rute evakuasi.
sisa dari makalah ini disusun sebagai berikut. Bagian 2.1 memperkenalkan
model QRA berdasarkan metode Carlo. Bagian 2.2 menyajikan optimasi rute
berdasarkan teori permainan dan memperkenalkan kerja terkait tentang
perencanaan evakuasi. Bagian 3 menyajikan optimasi hasil. Bagian 4
menyimpulkan tulisan ini dan melihat ke masadepan penelitian ini.

2.Metodologi
2.1. Penilaian Risiko.

Model penilaian risiko kuantitatif berdasarkan Carlo algoritma Monte

dirancang untuk memperkirakan indeks risiko untuk rute, yang digunakan dalam
analisis kuantitatif dan pengambilan keputusan. Mereka melibatkan kelas
algoritma komputasi yang mengandalkan diulangrandom pengambilan
sampeldom untuk menghitung hasil mereka. Beberapa peneliti menggunakan
metode Monte Carlo untuk simulasi pejalan kaki evakuasi [2, 4,19-21].Mereka
sering digunakan untuk model fenomena dengan ketidakpastian yang signifikan
dalam input.
Monte Carlo simulasi melengkapi pembuat keputusan dengan berbagai
kemungkinan hasil dan terkait probabilitas.Mereka akan terjadi untuk setiap
pilihan tindakan. Ini menunjukkan kemungkinan ekstrim "pergi untuk bangkrut"
serta keputusan yang paling konservatif bersama dengan semua yang mungkin
konsekuensidi antara.
Metode simulasi ini tidak selalu memerlukan benar Data harus dihitung,
seperti penilaian risiko. Kami menggunakan deterministic dan pseudorandom
urutan, sehingga mudah untuk menguji dan simulasi jalankan kembali. Hanya
kualitas biasanya diperlukan untuk Masalah Matematika Teknik membuat
simulasi memuaskan adalah urutan pseudorandom tampil "cukup acak" dalam arti
tertentu. Model ini mengikuti pola
1. Tentukan domain dari kemungkinan masukan bagi risiko
tertentu.assessment
2. secara acak menghasilkan masukan dari probabilitas distribusi sampel
lebih dari domain input.
3. Melakukan perkiraan deterministik pada input menurut karakteristik
distribusi variabel acak.
4. Mendapatkan nilai penilaian risiko.
prinsip-prinsip penilaian risiko kuantitatif memperkirakan indeks risiko
rute melarikan diri dengan menggabungkan berbagairisiko bobot kandang.
Kami pilih faktor sensitif sebagai stokastik variable dalam analisis Monte

Carlo. Faktor terdiri dari lima peristiwa penting: lokasi asal api, kemacetan
tingkat

dari pintu darurat,kemacetan rata-rata tingkat rute dari jalur

evakuasi, tingkat kemacetan persimpangan lalu lintas dialihkan,dan rute

evakuasi gelar evakuasi
disini, evakuasi = keluar / kamar: keluar adalah jarak antara pintu
keluar dan lokasi dan kamar kecepatan rata-rata dari para pejalan kaki di sebuah
kandang. Tingkat kemacetan adalah nilai antara waktu kemacetan evakuasi dan
yang waktu evakuasi ideal.Konstruksi bangunan mengatur persyaratan minimal
tingkat outflow per lebar keluar satuan dan satuan waktu, disebut tingkat
koefisien mengungsi outflow.Waktu yang ideal evakuasi adalah hasil bagi dari
jumlah pejalan kaki dibagi dengan tingkat.mengungsi Sebagai variabel acak,
keluar,,rute dan evakuasi mematuhi distribusi lognormal dalam model QRA,
dan persimpangan mematuhi distribusi segitiga.
Distribusi segitiga didefinisikan menggunakan nilai yang paling optimal
OP(optimistic value), nilai maksimal yang mungkin MP(maximum possible), dan
yang paling nilai tidak mungkin PP(pessimistic value), di mana 0 <OP
<MP<PP.Nilai-nilai di sekitar nilai maksimal yang mungkin lebih mungkin terjadi
Variabel yang di jelaskan oleh segitiga distribusi antara kemacetan per unit
waktu.Data distribusi segitiga tingkat kemacetan dialihkan lalulintas ditunjukkan
pada Tabel1.
Model QRA menghitung OP, MP, dan PP untuk waktu durasi
persimpangan kemacetan kunci. = (1 +2 + + )/ , V (koefisien
dispersi) = / , dan V <10%.
Distribusi lognormal didefinisikan menggunakan nilai-nilai yang positif
miring, tidak simetris seperti distribusi normal.Hal ini digunakan untuk mewakili
nilai-nilai yang tidak pergi di bawah nol tetapi memiliki potensi positif yang tak
terbatas. Untuk lognormal, distribusi parameter dilambangkan dengan dan
adalah,masing-masing, mean dan standar deviasi dari logaritma variabel alami,
= +,dan adalah standar.variabel normal Norma = NORMSINV (LAP),
NORMSINV adalah fungsi kebalikan dari distribusi normal fungsi standar,dan
= -/ norma. Lihat Tabel 2 untuk kemacetan tingkat pintu darurat

Menurut fungsi distribusi, kita mengurai fungsi kebalikan dari variabel

acak. Kemudian, kita menghitung hasil iteratif, setiap kali menggambar set yang
berbeda dari simpangan acak dari fungsi probabilitas. Lima ratus iterasi simulasi
Monte Carlo digunakan. Akhirnya,kita menghitung nilai rata-rata dari setiap
peristiwa sebagai tabular pernyataan kriteria penilaian (TSAC).
Pada bagian ini, kami mengusulkan sebuah indeks risiko (RI) untuk
mengukur besarnya risiko untuk keluar darurat berdasarkan TSAC. Sebagai kasus
umum, kami mempertimbangkan contoh kandang yang telah keluar terkemuka
ke luar bangunan. Biarkan

RI =pi / pj, i N dan

jN ,

pi mewakili

yang keluar th telah dikenakan pembatasan kapasitas. Kita mempunyai

pi ( x )=min(f i ( x ) ci )

(1)

Di sini,x adalah jumlah pejalan kaki di kandang dan c adalah ambang

pejalan kaki di i th keluar memastikan bahwa setiap kemacetan keluar waktu
kurang dari ambang waktu kemacetan (20 detik). Kita menghitung setiap keluar
yang dapat menampung sejumlah maksimum orang dievakuasi fx, konkret sebagai
PERSAMAAN 2
PERSAMAAN 3
PERSAMAAN 4
mana adalah durasi waktu sumber pembakaran, adalah Jarak antara lokasi api
dan keluar, dan radius risiko sumber pembakaran.
RI adalah faktor bobot fungsi hasil di MEEM,mengalokasikan distribusi
pengungsi di setiap rute menggunakan teori permainan

2.2 ROUTE OPTIMIZATION BASED ON GAME THEORY

Permainan ini terdiri dari seperangkat peserta, strategi yang tersedia untuk
peserta, dan spesifikasi hadiah untuk setiap kombinasi strategi [22]
Di paper ini, kami menyajikan MEEM dengan menggunakan analogi yang
dekat untuk permainan noncooperative -orang. MEEM menyediakan makro
skopik perspektif untuk memahami konflik selama evakuasi darurat serta
rasionalitas pengungsi.Kami menggunakan metode deteksi kepadatan untuk
menilai kemacetan masalah. Metode deteksi kepadatan yang digunakan menilai
kepadatan kerumunan selama evakuasi darurat dalam kasus mana lampiran
persegi panjang diskrit homogen membangun kandang. Jika rapatan kerumunan
persegi panjang Lampiran adalah di atas ambang batas kepadatan, kami
menganggap semua melarikan diri keluar sebagai peserta permainan. Kita
mendefinisikan apapun kombinasi evakuasi didistribusikan setiap peserta sebagai
permainan strategi. Laju aliran maksimum keluar setiap jumlah agen yang
berjalan melalui pintu keluar per satuan waktu.Laju aliran maksimum (MFR)
dapat mempengaruhi evakuasi waktu. Sebagai contoh, ketika jumlah pengungsi
yang memutuskan untuk melalui keluar datang untuk MFR, pengungsi harus
antrian di pintu keluar. Koridor memiliki laju aliran maksimum, seperti
pengeluaran. Untuk memperkenalkan MFR, kami menetapkan rasio dari MFR
pengeluaran ke MFR koridor sebagai bobot faktor dalam fungsi hasil
Kandang menghitung Perencanaan evakuasi menggunakan permainan
teori dengan mekanisme penilaian risiko Monte Carlo. Perencanaan evakuasi
mendistribusikan kembali agen lain keluar dalam antrian, yang mengurangi
ukuran antrian dan waktu melarikan diri.
Masalah konflik menggunakan MEEM yang memiliki dua signifikan
proses yang berbeda dalam dua yang berbeda fase Serikat.Yang pertama adalah
sebuah negara optimasi pra, di mana Dijkstra algoritma memperoleh rute
terpendek kandang masing-masing (misalnya,Kamar) untuk keluar pada awal
evakuasi. Yang kedua adalah konflik mengoptimalkan negara, di mana kerumunan
kepadatan atas kepadatan ambang threshold memicu penyeleksian kembali lain
keluar untuk mengurangi waktu pembersihan evakuasi.
Proses agen evakuasi terutama dipengaruhi oleh agen lain dan lingkungan.
Setiap agen akan selalu memilih rute maksimum utilitas (minimal biaya)

sehubungan dengan negara-negara yang keluar untuk meminimalkan waktu

melarikan diri.Dalam keadaan optimasi pra, keluar setiap perkiraan kepadatan
kerumunan sesuai dengan waktu perjalanan diharapkan semua lampiran dan
koefisien keluar. Jika rapatan kerumunan keluar akan melebihi ambang batas
kepadatan, kita memperlakukan kandang sebagai seluruh badan dan menetapkan
semua pengungsi kandang untuk keluar.
Dalam konflik mengoptimalkan negara, kita memperlakukan para
pengungsi dari berkerumun sebagai seluruh badan dan memilih ulang setiap
keluar, ketika berkerumun dibentuk di sekitar keluar dalam evakuasi proses. Jarak
ke pintu keluar yang dipilih adalah kurang dari lingkup ambang batas antara pintu
keluar yang dipilih dan kandang.
Sebagai kasus umum, kami menganggap MEEM di yang pejalan kaki
ada cemas untuk mengevakuasi dari kandang. Kandang memiliki keluar menuju
luar bangunan.Posisi awal pengungsi didistribusikan secara acak pada awal
evakuasi. Permainan didefinisikan sebagai = {, , , }, dimana
(1) participator adalah th melarikan diri keluar didefinisikan sebagai , ,
= {1, 2, . . . , };
(2) strategi ruang adalah strategi yang , [0, ], dan kita
berasumsi bahwa jumlah pengungsi terbesar adalah dari dan sama
dengan () dalam metode QRA;
(3) tindakan adalah yang merupakan serangkaian tindakan untuk kandang ;
Biarkan = {pilih, pilih tidak ada}, ;
(4) preferensi adalah tingkat permainan seperti yang lebih berbahaya rute
memperoleh prioritas yang lebih tinggi;
(5) (1,..., ) adalah fungsi hasil dari permainan,mana mewakili nilai
hasil ;lebih formal, biarkan
PERSAMAAN 5
PERSAMAAN 6

Produk RI kali mewakili angka maksimal dari pengungsi di th keluar.

Berdasarkan metode QRA,kami dapat memperkirakan jumlah penumpang
dievakuasi di th keluar dengan produk RI dan . mewakili angka dari
pengungsi yang th keluar sebagai tujuan. Kapan meningkat, RI
menurun dan demikian juga pendapatan. Selain itu, kami menganggap parameter
sebagai aliran Koefisien untuk mempengaruhi Perencanaan evakuasi. Ketika <
1,itu menggambarkan bahwa penghuni yang berjalan melalui koridor untuk
pengeluaran lebih banyak daripada mereka yang melarikan diri melalui
pengeluaran. Dengan penurunan , kapasitas evakuasi menjadi lebih kecil, dan
lebih dari 0. Ketika sama dengan 1, hal ini menunjukkan bahwa koridor dan
pengeluaran memiliki aliran keluar Koefisien lebar yang sama. Oleh karena itu,
kita mengambil () untuk mempengaruhi kapasitas evakuasi di setiap
keluar dalam istilah tingkat evakuasi.
Dalam teori permainan, keseimbangan Nash adalah kombinasi yang
optimal dari strategi. Itu akan memaksa strategi yang diusulkan oleh beberapa
peserta menjadi reaksi terbaik strategi yang diajukan oleh peserta lain. Kami
memperkenalkan kriteria entropi terbesar (GEC) untuk memecahkan
keseimbangan Nash terlibat dalam teori permainan. GEC menunjukkan bahwa
setiap pemain harus memahami apa strategi Pilih pemain lain untuk mendapatkan
sejumlah besar informasi. Nash sebut yang diharapkan sebut dalam kondisi
noncooperative -orang permainan di bawah GEC. kami menetapkan
(1,...) sebagai keseimbangan diharapkan; adalah maksimum titik fungsi
() dengan formulasi berikut
PERSAMAAN 7
where = { | () = 0, }. adalah jumlah terukur set
pada ruang terukur, {1, 2,..., }, dan = { | () }.
Ketika masing-masing pemain memilih tindakan, adalah hasil fungsi (,
1,...)
untuk pemain . Dalam studi ini, kita memecahkan titik maksimum dengan
turunannya sebagai berikut:

PERSAMAAN 8
Matematika deskripsi rinci dari turunan dari fungsi () diberikan oleh
PERSAMAAN 9
Kita melihat bahwa () variabel menjadi
PERSAMAAN 10
Turunan dari fungsi () adalah
PERSAMAAN 11
Kita dapat menyelesaikan untuk . Biarkan pro = dan mendapatkan
pro pejalan kaki distribusi yang menetapkan kerumunan ke . Gambar 1
menunjukkan aturan teori permainan untuk menangani konflik. Proses
perhitungan akan mengulangi pada setiap langkah waktu.
GAMBAR 1