com
Abstrak
Peraturan Federal telah menyarankan bahwa semua penumpang di pesawat harus menyelesaikan evakuasi dalam waktu
90 detik. Penelitian ini menerapkan model Discrete Event Simulation (DES) untuk menyelidiki penumpang ' jalur evakuasi
dan proses pengambilan keputusan untuk evakuasi pesawat dalam keadaan darurat. ARENA® 14 digunakan pada
konfigurasi kabin Airbus A380 dengan kapasitas 538 sebagai model dasar. Total waktu evakuasi dan kondisi kemacetan
setiap gerbang digunakan sebagai ukuran untuk proses evakuasi. Model dasar divalidasi menggunakan latihan evakuasi
sertifikasi A380 dunia nyata. Eksperimen dilakukan berdasarkan modifikasi model dasar untuk menyelidiki pengaruh
strategi perencanaan jalur yang berbeda terhadap total waktu evakuasi. Hasil menunjukkan bahwa pendekatan yang
diarahkan oleh pramugari menghasilkan efisiensi yang jauh lebih tinggi daripada pemilihan pintu keluar acak penumpang
dan pergantian pintu keluar.
Kata kunci Simulasi peristiwa diskrit. Evakuasi pesawat. Respon darurat . ARENA. Kebijakan evakuasi
faktor konfigurasi dapat memainkan peran penting yang laporan demonstrasi evakuasi sertifikasi A380, perilaku dan
mempengaruhi proses evakuasi. Sebuah studi yang dilakukan oleh tindakan penting seperti waktu respons, memanjat kursi, dan
Federal Aviation Administration (FAA) di pintu keluar Tipe-III perilaku perusahaan telah diamati [ 13 ]. Mempelajari perilaku dan
menemukan bahwa lorong antara 13 inci dan 25 inci memberikan keputusan dalam evakuasi dapat memberikan wawasan tentang
laju aliran yang optimal [ 8 ]. Faktor lingkungan terdiri dari masalah strategi untuk meningkatkan efisiensi evakuasi. Dalam studi
yang terkait dengan orientasi pesawat, adanya asap dan gas evakuasi, informasi dari basis data Statistik dan Pengetahuan
beracun, kabin terkena air, sifat atmosfer kabin mengenai suhu Kecelakaan Pesawat (AASK) telah digunakan untuk mempelajari
yang meningkat secara dramatis, tingkat pencahayaan, dan puing- perilaku penumpang [ 17 ]. Analisis database AASK
puing di dalam kabin. 4 ]. Laporan kecelakaan menunjukkan bahwa mengidentifikasi banyak sifat perilaku manusia dalam keadaan
faktor lingkungan ini meningkatkan kemungkinan cedera darurat, termasuk kesulitan melepaskan sabuk pengaman,
penumpang selama evakuasi [ 1 , 11 ]. Gangguan kognitif dan hambatan bahasa, dan perilaku radikal seperti memanjat kursi.
perilaku sebagai akibat dari faktor-faktor ini membuat pelarian Pengambilan keputusan pemilihan pintu keluar sangat dipengaruhi
lebih menantang dan dengan demikian kecil kemungkinannya oleh faktor-faktor tersebut di atas, yang pada gilirannya mempengaruhi
untuk berhasil. Faktor prosedural meliputi instruksi lisan, fisik dan pemanfaatan setiap pintu keluar dan total waktu evakuasi. Menarik
tertulis dari awak kapal sebelum, selama, dan setelah evakuasi. untuk dicatat bahwa jalan terpendek seringkali bukan jalan tercepat
Studi dari Dewan Keselamatan Transportasi Australia (ATSB) [ 17 ] karena kemacetan, hambatan fisik, dan ketersediaan pintu keluar.
telah menunjukkan bahwa pramugari memberikan perintah untuk Namun, penelitian oleh Galea et al. [ 17 ] telah menunjukkan bahwa
membimbing dan menginstruksikan penumpang selama situasi 89% penumpang berusaha memanfaatkan strategi keluar terdekat
evakuasi secara signifikan berdampak pada hasil evakuasi dalam selama evakuasi. Salah satu faktor yang berkontribusi terhadap
hal evakuasi mulai, pemilihan pintu keluar, dan geser. Faktor bio- keputusan pemilihan pintu keluar yang buruk adalah penumpang yang
behavioral terkait dengan sifat penumpang. Perilaku individu memiliki pemahaman yang terbatas tentang lokasi dan konfigurasi
selama evakuasi berbeda antara jenis kelamin, usia, dan pintu keluar pesawat, dan perkiraan yang buruk tentang proses
kemampuan fisik individu, dan afiliasi sosial di antara penumpang; evakuasi saat ini. Sebagian besar pesawat komersial dilengkapi dengan
Dengan menganalisis perilaku penumpang dalam kecelakaan masa dua pasang pintu keluar yang didistribusikan di dekat kedua ujungnya,
lalu, peneliti dari University of Greenwich telah menemukan 947 dan sepasang lainnya terletak di atas sayap. Namun, hanya sedikit
penumpang membuat 1048 referensi pendamping [ 17 ]. Galea orang yang tahu bahwa pintu keluar over-wing lebih kecil dari yang lain.
dkk. [ 17 ] juga menyimpulkan bahwa ada 104 kasus yang Penelitian menemukan bahwa dengan antrean di setiap pintu keluar,
dilaporkan di mana bantuan diberikan kepada pendamping hampir dua perlima dari seluruh populasi memilih untuk menggunakan
perjalanan selama evakuasi oleh 87 penumpang individu yang pintu keluar di atas sayap yang lebih kecil yang terletak di pusat [ 19 ].
terlibat dalam evakuasi darurat. Faktor bio-perilaku, khususnya,
memengaruhi kecepatan gerakan manusia, keputusan jalur, dan Perilaku manusia ditemukan menjadi salah satu kendala yang paling
pemilihan jalan keluar. Di bawah pengaruh faktor-faktor ini, Galea signifikan, terutama ketika mempertimbangkan pilihan tujuan dan pilihan
et al. [ 5 ] telah menunjukkan bahwa kecepatan gerakan bervariasi rute. Dari tahun 1990-an, masalah perilaku yang diamati dalam evakuasi
dari 1,08 hingga mendapat banyak perhatian, dan sebagian besar penelitian difokuskan pada
1,27 m/s, seperti yang ditunjukkan pada Tabel 1 . faktor emosi penumpang dan perilaku pejalan kaki. Para peneliti
Semua faktor yang disebutkan sebelumnya mempengaruhi efek evakuasi menunjukkan bahwa waktu keluar meningkat secara signifikan karena lebih
efisiensi dengan mempengaruhi perilaku dan keputusan manusia. Dalam banyak penumpang panik [ 9 , 14 ]. Perilaku panik selanjutnya dipengaruhi
oleh faktor-faktor seperti sisa waktu, frekuensi menunggu, dan kesulitan
menemukan gerbang. Semua indikator tersebut selanjutnya secara langsung
Tabel 1 Kecepatan berjalan
atau tidak langsung mempengaruhi tingkat kepanikan. Ketika penumpang
menurut faktor yang Tipe penghuni Kecepatan ( MS)
berada dalam situasi panik, orang bergerak dalam pola yang tidak teratur,
mempengaruhi
Anak-anak 1.08 yang menyebabkan kemacetan, memperlambat kecepatan pergerakan
Wanita tua 1.04 secara keseluruhan, dan mengurangi penggunaan pintu keluar seperti yang
Pria tua 1.05 disarankan oleh Miyoshi et al. [ 9 ]. Selanjutnya, Miyoshi et al. [ 9 ]
Wanita dewasa 1.24 tingkat kepanikan penumpang, yang menjalar ke pengungsi lainnya.
Sumber
Antre
Tersedia?
Ya
Area Gerbang
Antre
Tidak
Tersedia?
Ya
Rute ke Gerbang
Jumlah Gerbang Menunggu
Sumber Daya Tempat
Menghasilkan
Statistik
Tidak
Ya
Meluncur ke bawah
Tidak
Ya
Sistem
Berhenti
Gambar 2. Konfigurasi dek utama A380. Diadaptasi dari Amedeo di Runway Girl Network. Diakses pada 21 Oktober 2015 dari http://i0.wp.com/www.
runwaygirlnetwork.com/wp-content/uploads/2014/05/Amedeo.jpg
Evakuasi telah menjadi subjek studi simulasi sejak tahun 1960-an. evakuasi, penumpang individu ' jalur evakuasi dan proses
Salah satu model simulasi evakuasi pesawat berbasis komputer pengambilan keputusan harus dipertimbangkan, serta
pertama adalah model General Purpose Simulation System (GPSS) pada pemodelan perilaku dan gerakan manusia. Tujuan dari
tahun 1970-an oleh Snow et al. [ 16 ], yang menggunakan teori antrian penelitian ini adalah untuk mengetahui proses evakuasi untuk
berdasarkan Discrete Event Simulation untuk mempelajari proses pesawat komersial, lebih khusus untuk mengetahui efisiensi
evakuasi. Pada 1990-an, perangkat lunak simulasi berbasis Antarmuka evakuasi dengan mempertimbangkan penumpang ' s jalur dari
Pengguna Grafis pertama kali muncul untuk digunakan dalam desain kursi ke pintu keluar, dan proses slide-down di evakuasi,
dan evaluasi pesawat, termasuk evakuasi, seperti perangkat lunak menggunakan model Simulasi Peristiwa Diskrit. Dengan
airEXODUS [ 5 ] dan AvatarSim [ 14 ]. mempertimbangkan rencana jalur evakuasi, model ini
Untuk membantu evaluasi sertifikasi untuk proses evakuasi, dimaksudkan untuk memprediksi total waktu evakuasi sambil
beberapa model simulasi komputer komersial lainnya yang mencakup mendemonstrasikan penggunaan setiap pintu keluar dan
lebih banyak faktor telah dikembangkan selama tiga dekade terakhir, kondisi kemacetan di setiap pintu keluar dan lorong.
seperti AIREVAC, ARCEVAC, VacateAir, dan Robbin. ' s Metode Elemen
Diskrit [ 20 ]. Xue dan Bloebaum [ 20 ] telah merangkum bahwa model
evakuasi ini mensimulasikan penumpang ' gerakan dan beberapa faktor
perilaku manusia. Sebuah model simulasi, Particle Swarm Optimization
2 Metode
(PSO), dikembangkan pada tahun 2008 untuk mendemonstrasikan
metode yang dapat digunakan baik dalam sertifikasi maupun darurat.
2.1 Testbed dan struktur model
Ini mengusulkan metode heuristik baru untuk mengoptimalkan jalur
Sebuah pesawat Airbus A380 dipilih sebagai testbed untuk penelitian
bagi penumpang untuk mengevakuasi gerbang terdekat [ 20 ]. Untuk
ini. Model evakuasi dasar pertama kali dikembangkan. Program
mensimulasikan perilaku massa pada saat keadaan darurat,
perangkat lunak simulasi kejadian diskrit (DES) yang dikenal sebagai
pendekatan model kekuatan sosial menggunakan kekuatan yang
ARENA® 14 digunakan untuk membangun model. Dikembangkan oleh
menunjukkan keinginan orang untuk mencapai tujuan tertentu. Asumsi
Rockwell Automation, perangkat lunak pemodelan ARENA telah
model kekuatan sosial adalah pejalan kaki bersedia bergerak dengan
kecepatan dan arah tertentu untuk mencapai tujuan. Mereka
berakselerasi atau melambat berdasarkan “ menginginkan ” [ 14 ].
Dalam model kekuatan sosial, interaksi penghuni berpasangan juga
digambarkan oleh kekuatan sosial, semua kekuatan mempengaruhi
pejalan kaki ' s dinamika dengan mengubah kecepatan aktual [ 3 ].
banyak digunakan di berbagai industri sebagai perangkat lunak lebar tidak kurang dari 42 inci kali tinggi 72 inci, dengan jari-jari sudut
simulasi operasi [ 6 ]. Demonstrasi evakuasi sertifikasi AnA380 tidak lebih dari seperenam lebar pintu keluar [ 2 ].
digunakan untuk memvalidasi model ini. Dengan menggunakan waktu Model mengadopsi pengukuran tubuh yang dikembangkan oleh
yang dibutuhkan untuk evaluasi sebagai ukuran dependen untuk Thompson et al. [ 18 ], seperti yang ditunjukkan pada Gambar. 3 . Tiga
perbandingan, tingkat signifikansi 0,05 ditetapkan sebagai ambang lingkaran mewakili jari-jari lingkaran seluruh tubuh, lingkaran batang
batas untuk uji perbandingan statistik. Setelah model divalidasi, model tubuh, dan lingkaran bahu. Jari-jari lingkaran seluruh tubuh (Rb) adalah
eksperimental dikembangkan untuk menyelidiki pengaruh dari dua 10,6 inci; jari-jari lingkaran batang tubuh (Rt) adalah 6,3 in.; dan jari-
keputusan pencarian jalan, yaitu pintu keluar terdekat dan antrian jari lingkaran bahu (Rs) masing-masing adalah 3,9 inci (Gbr. 3 ).
seimbang untuk keluar.
Diagram alir berikut (Gbr. 1 ) menjelaskan simulasi 2.3 Kecepatan bergerak penumpang
dalam penelitian ini sebagai contoh rantai peristiwa.
Dari penelitian Galea et al. [ 5 ], penumpang ' kecepatan rata-
rata selama evakuasi darurat bervariasi untuk berbagai
2.2 Konfigurasi pesawat kelompok usia dan jenis kelamin. Nilainya antara 1,04 m/s dan
1,30 m/s; modusnya adalah 1,27 m/s. Berdasarkan hal
Angka 2 menunjukkan salah satu konfigurasi khas dek bawah A380. tersebut, pada simulasi baseline, kecepatan penumpang
Kapasitas penumpang bervariasi dengan konfigurasi kursi yang dipilih diatur memiliki Distribusi Segitiga T ~ [ 1,04, 1,27, 1,30]. Tabel 2
oleh maskapai, biasanya, A380 - 800 disertifikasi untuk hingga 853 dan 3 menggambarkan data input untuk model, termasuk
penumpang dengan 538 di dek utama. Semua kursi yang digunakan waktu slide down untuk setiap penumpang, kapasitas lorong
dalam simulasi ini disebut sebagai kelas tiga yang nyaman. Ada lima dan jumlah penumpang pada Tabel 3 dihitung berdasarkan
gerbang penumpang/awak yang tersebar di kedua sisi badan pesawat, jumlah kursi di setiap bagian kursi.
termasuk satu pintu keluar darurat di atas sayap di setiap sisi. Semua
pintu keluar adalah pintu keluar tipe A dengan bukaan persegi panjang 2.4 Validasi model dasar
Meja 2 Parameter Input dan Output Penumpang. Untuk memvalidasi model simulasi, validasi wajah dilakukan
untuk memverifikasi apakah model ARENA berperilaku seperti
Parameter Nilai Satuan
yang dimaksudkan. Validasi wajah dapat mendukung peneliti
dengan mengonfirmasi bahwa sistem mencakup konsep yang
Waktu Geser ke Bawah TRIA(0.50, 0.60, 0.90)* kedua
seharusnya diukur. Selain itu, validasi statistik akan
Kecepatan berjalan TRIA(40.94, 46.06, 51.18)** inci/s
membedakan antara sistem simulasi saat ini dan skenario
* Diadaptasi dari [ 10 ] ** Diadaptasi dari [ 15 ] evakuasi nyata yang dilakukan oleh
Aplikasi Jaringan Seluler
Variabel terikat adalah total waktu (dalam detik) bagi penumpang untuk mengevakuasi pesawat
T dd.f. Tanda tangan. (2-ekor) Perbedaan Berarti Interval Keyakinan 95% dari Selisih
Airbus pada tahun 2006, sebagai bagian dari sertifikasi keselamatan yang 3. Hasil
tion, akibatnya, mendemonstrasikan 853 penumpang dan awak dievakuasi
2.5 Eksperimen Total waktu evakuasi untuk simulasi baseline memiliki mean sampel
78,53 s dan SD = . 12 detik Dengan alpha yang ditetapkan pada .05, satu-
Berdasarkan model dasar yang divalidasi, percobaan dilakukan sampel T- pengujian mengungkapkan bahwa waktu evakuasi yang
untuk menguji apakah total waktu evakuasi akan lebih sedikit jika disimulasikan secara statistik tidak berbeda secara signifikan dari total
penumpang dapat ditugaskan ke gerbang tertentu. Lebih khusus, waktu evakuasi yang sebenarnya, yaitu 78,5 detik, T( 99) = 0,273,
penumpang membuat keputusan untuk berpindah gerbang p = 0,786. Dengan demikian model tersebut dianggap valid.
(I) Tingkat penyesuaian D (J) Tingkat penyesuaian D Selisih Rata-Rata (IJ) Std. Kesalahan Tanda tangan.
ditolak dengan F( 2,297) = 498,61, p < . 05. post Menjalankan proses di simulasi yang mendekati kenyataan dalam simulasi
hoc mengungkapkan bahwa ketiga kelompok secara signifikan model. Hasil eksperimen menunjukkan bahwa ketika penumpang
berbeda satu sama lain. diberi pilihan untuk memilih gerbang untuk mengungsi, beralih
gerbang setelah bergabung dengan antrian gerbang-tunggu dapat
mengurangi total waktu evakuasi. Hal ini disebabkan karena
4 Diskusi dan kesimpulan jumlah penumpang di setiap pintu keluar lebih seimbang daripada
tidak memperhatikan panjang antrian. Hasil ini dapat
4.1 Diskusi menunjukkan nilai proses evakuasi terpandu, yaitu pramugari
mengarahkan penumpang ke pintu keluar yang sesuai sehingga
Hasil validasi simulasi mengungkapkan bahwa simulasi antrian antar pintu keluar lebih seimbang, dapat mengurangi total
sangat dekat dengan evakuasi sertifikasi dalam total waktu waktu evakuasi secara signifikan, kemudian dalam hitungan detik,
simulasi, yang menyiratkan model dasar yang valid untuk dan ini dapat lebih menghemat hidup.
eksperimen. Namun, perlu dicatat bahwa keakuratan Pandangan lebih lanjut pada pemanfaatan keluar menunjukkan fluktuasi di antara
model simulasi evakuasi ini juga bergantung pada pintu keluar yang berbeda, seperti yang ditunjukkan pada Gambar. 5 (D=0). Efek negatif
representasi perilaku manusia. Sulit untuk memvalidasi dari berpindah pintu keluar adalah penumpang dapat membuang waktu untuk berpindah
perilaku manusia, terutama pengambilan keputusan dari satu gerbang ke gerbang lainnya yang dapat menyebabkan
Gambar 5 Plot pemanfaatan Sumber Daya Gerbang untuk Model Eksperimental dengan (D=1)
Aplikasi Jaringan Seluler
Gambar 6 Plot pemanfaatan Sumber Daya Gerbang untuk Model Eksperimental dengan (D) =5
penundaan yang tidak perlu. Saklar keluar yang sering tidak layak, memberikan panduan untuk perencanaan kursi evakuasi. Dengan
mengingat ruang sempit di pesawat. Namun, ketika frekuensi simulasi ini, maskapai dapat menganalisis rencana evakuasi dengan
perpindahan penumpang antara dua gerbang dikurangi dengan simulasi dan dengan demikian meningkatkan rencana kursi evakuasi.
meningkatkan ambang batas perbedaan panjang antrian, total Arah lain untuk meningkatkan model ini akan berfokus pada
waktu berkurang secara dramatis, seperti yang diilustrasikan pada pengambilan hasil eksperimen dari penelitian ini dan menyelesaikan
Gambar. 6 . tingkat perbedaan terbaik dengan transfer yang tidak perlu paling
Secara keseluruhan, hasil perbandingan antara skenario yang sedikit. Ini membutuhkan fungsi untuk mengoordinasikan penumpang '
berbeda sangat menunjukkan bahwa perbedaan panjang antara s pergerakan di lorong dan area gatewaiting. Untuk akurasi yang lebih
antrian gerbang mempengaruhi total waktu evakuasi secara baik dalam mensimulasikan penumpang ' s, itu juga merupakan ide
signifikan. yang baik untuk mengembangkan alat bantu keputusan waktu nyata
seperti model pemrograman dinamis untuk memprediksi ketersediaan
sumber daya dan panjang antrian.
5. Kesimpulan
5. Galea ER, Finney KM, Dixon AP, Siddiqui A, Cooney DP (2006) Statistik 14. Sharma S, Singh H, Prakash A (2007) Pemodelan multi-agen dan
kecelakaan pesawat dan database pengetahuan: menganalisis perilaku simulasi perilaku manusia dalam evakuasi pesawat. IEEE: 1477 -
penumpang dalam kecelakaan penerbangan. J Aircr 1488
6. Kelton DW, Sawdowski RR, Swets NB (2010) Apa itu simulasi? 15. Shi L, Xie Q, Cheng X, Chen L, Zhou Y, Zhang R (2009)
Dalam: Kelton DW, Sawdowski RR, Simulasi Swets NB (eds) dengan Mengembangkan database untuk model evakuasi darurat.
Arena, edisi ke-5. McGraw-Hill Companies, Inc., New York, hal 10 Bangun Lingkungan 44(8):1724 - 1729
7. Koh, WL, Zhou, S. (2011). Pemodelan dan Simulasi Perilaku 16. Snow CC, Carroll JJ, Allgood MA (1970) Bertahan dalam pelarian
Pejalan Kaki di Tempat Ramai. Transaksi ACM pada darurat dari pesawat penumpang. Kantor Kedokteran
Pemodelan dan Simulasi Komputasi, 20 Penerbangan, Washington DC
8. McLean GA (2001) Access-to-egress: meta-analisis dari faktor- 17. Thomas LJ, O'Ferrall S, Caird-Daley A (2006) Perintah evakuasi untuk
faktor yang mengontrol evakuasi darurat melalui pintu keluar manajemen penumpang yang optimal. Biro Keselamatan Transportasi
Overwing tipe-III pesawat angkut. Institut Aeromedis Sipil, Kantor Australia, Kota Canberra
Kedokteran Penerbangan. Layanan Informasi Teknis Nasional, 18. Thompson, P., Lindstrom, H., Ohlsson, P., & Thompson, S. (2003).
Springfield Simulex: analisis dan perubahan untuk Kepatuhan IMO. Prosiding
Konferensi Internasional ke-2: Pedestrian dan Dinamika Evakuasi,
9. Miyoshi T, NakayasuH, Ueno Y, Patterson P (2012) Simulasi
(hlm. 173-184)
evakuasi pesawat darurat dengan mempertimbangkan emosi
19. Togher, M., Galea, ER, & Lawrence, PJ (2009). Investigasi
penumpang. Teknik Komputer & Industri: 746 - 754
Keputusan Pemilihan Keluar Penumpang dalam Situasi
10. Motevalli V, Monajemi L, Rassi M (2008) Studi tentang
Evakuasi Pesawat Udara. Perilaku Manusia dalam Simposium
tantangan evakuasi darurat pada pesawat angkut besar.
Api, 421-432
Program Penelitian Koperasi Bandara: 66 - 67
20. Xue Z, Bloebaum C (2008) Sebuah optimasi segerombolan partikel berbasis
11. Muir, H., Marrison, C., Evans, A. (1990). Evakuasi pesawat investigasi
model simulasi evakuasi pesawat-mengosongkan udara. Institut
awal tentang efek asap tidak beracun dan konfigurasi kabin yang
Penerbangan dan Astronautika Amerika, Buffalo
berdekatan dengan pintu keluar. Inggris
21. Yeo SK, He Y (2008) Karakteristik komuter dalam mass rapid transit
12. Muir HC, Thomas LJ, Wilson RL (2004) Keselamatan penumpang di masa depan
di Singapura. Api Saf J
pesawat angkut sangat besar. Faktor Manusia dan Keselamatan Dirgantara: 259 -
271
Penerbit ' s catatan Springer Nature tetap netral sehubungan dengan klaim
13. Rosenkrans, W. (2007). Lebih dalam sekejap. Dunia Aerosafety
yurisdiksi dalam peta yang diterbitkan dan afiliasi institusional.