Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jaringan dan Aplikasi Seluler

https://doi.org/10.1007/s11036-019-01416-2

Menyelidiki Strategi Path Planning pada Proses Evakuasi Pesawat Udara

Menggunakan Discrete Event Simulation

Dahai Liu 1 & Xiaoqing Deng 1

# Springer Science+Business Media, LLC, bagian dari Springer Nature 2020

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

1. Perkenalan berfokus pada pemodelan interaksi manusia dengan

Evakuasi pesawat yang efisien sangat penting bagi penumpang untuk
selamat dari kecelakaan pesawat. Diakui secara luas bahwa sebagian
besar kecelakaan pesawat dapat bertahan. Untuk memastikan
pelancong hidup dan untuk meningkatkan keselamatan penerbangan,
Judul 48 Kode Peraturan Federal (CFR) bagian 121.291 mengharuskan
penumpang harus mengungsi dari pesawat dalam waktu 90 detik
dengan setengah dari pintu keluar yang tersedia selama sertifikasi
pesawat [ 2 ]. Sementara itu, peraturan tersebut juga mewajibkan
maskapai penerbangan ' program pelatihan darurat anggota kru harus
mencakup pelatihan evakuasi. Di bawah regulasi ' Berdasarkan
peraturan tersebut, produsen pesawat diharuskan melakukan
demonstrasi evakuasi langsung dan simulasi komputer untuk
memenuhi peraturan tersebut. Maskapai melatih kru mereka untuk
membantu penumpang dan melakukan latihan evakuasi dalam
berbagai skala. Untuk meningkatkan efisiensi perencanaan evakuasi
dan untuk menghemat biaya, maskapai penerbangan dan produsen
pesawat telah menggunakan model berbasis komputer untuk
mensimulasikan skenario evakuasi. Sebagian besar model ini
* Dahai Liu
Dahai.liu@erau.edu
1
Sekolah Pascasarjana, Sekolah Tinggi Penerbangan, Universitas
Aeronautika Embry-Riddle, Pantai Daytona, FL 32114, AS
manusia, struktur dan bahaya. Beberapa model simulasi
lainnya difokuskan pada optimasi jalur evakuasi. Data dari
skenario evakuasi dunia nyata sangat terbatas;
keterbatasan ini pada gilirannya telah membuat simulasi
berbasis komputer menjadi alternatif penting untuk
demonstrasi evakuasi langsung untuk studi evakuasi [ 19 ].
Karena model berbasis komputer tidak dapat sepenuhnya
menggantikan situasi nyata, sangat penting bahwa tujuan
pemodelan simulasi tidak hanya menggambarkan perilaku
dan interaksi manusia dengan lingkungan, tetapi juga
menganalisis jalur evakuasi penumpang dan memprediksi
total waktu evakuasi. proses.
Karena struktur area di dalam kabin pesawat unik
dibandingkan dengan bangunan dan tempat umum lainnya,
dinamika evakuasi dipengaruhi oleh faktor kabin yang
berbeda. Salju dkk. [ 16 ] menemukan bahwa ada empat faktor
yang menentukan efisiensi evakuasi pesawat: (a) faktor
konfigurasi, (b) faktor lingkungan, (c) faktor prosedural, dan
(d) faktor biobehavioral. Kemudian, dengan berkembangnya
manajemen keselamatan pesawat, Muir et al. [ 12 ] menambahkan
dua faktor lagi, yaitu crashworthiness, dan alat bantu evakuasi.
Keenam faktor tersebut dianggap sebagai variabel dasar penentu
efisiensi evakuasi pesawat. Faktor konfigurasi meliputi konfigurasi
tempat duduk, lebar lorong, lebar sekat, dan lokasi keluar, karena
faktor-faktor ini mempengaruhi penumpang ' akses ke pintu keluar
[ 16 ]. Dalam situasi darurat,

faktor konfigurasi dapat memainkan peran penting yang
mempengaruhi proses evakuasi. Sebuah studi yang dilakukan oleh
Federal Aviation Administration (FAA) di pintu keluar Tipe-III
menemukan bahwa lorong antara 13 inci dan 25 inci memberikan
laju aliran yang optimal [ 8 ]. Faktor lingkungan terdiri dari masalah
yang terkait dengan orientasi pesawat, adanya asap dan gas
beracun, kabin terkena air, sifat atmosfer kabin mengenai suhu
yang meningkat secara dramatis, tingkat pencahayaan, dan puing-
puing di dalam kabin. 4 ]. Laporan kecelakaan menunjukkan bahwa
faktor lingkungan ini meningkatkan kemungkinan cedera
penumpang selama evakuasi [ 1 , 11 ]. Gangguan kognitif dan
perilaku sebagai akibat dari faktor-faktor ini membuat pelarian
lebih menantang dan dengan demikian kecil kemungkinannya
untuk berhasil. Faktor prosedural meliputi instruksi lisan, fisik dan
tertulis dari awak kapal sebelum, selama, dan setelah evakuasi.
Studi dari Dewan Keselamatan Transportasi Australia (ATSB) [ 17 ]
telah menunjukkan bahwa pramugari memberikan perintah untuk
membimbing dan menginstruksikan penumpang selama situasi
evakuasi secara signifikan berdampak pada hasil evakuasi dalam
hal evakuasi mulai, pemilihan pintu keluar, dan geser. Faktor bio-
behavioral terkait dengan sifat penumpang. Perilaku individu
selama evakuasi berbeda antara jenis kelamin, usia, dan
kemampuan fisik individu, dan afiliasi sosial di antara penumpang;
Dengan menganalisis perilaku penumpang dalam kecelakaan masa
lalu, peneliti dari University of Greenwich telah menemukan 947
penumpang membuat 1048 referensi pendamping [ 17 ]. Galea
dkk. [ 17 ] juga menyimpulkan bahwa ada 104 kasus yang
dilaporkan di mana bantuan diberikan kepada pendamping
perjalanan selama evakuasi oleh 87 penumpang individu yang
terlibat dalam evakuasi darurat. Faktor bio-perilaku, khususnya,
memengaruhi kecepatan gerakan manusia, keputusan jalur, dan
pemilihan jalan keluar. Di bawah pengaruh faktor-faktor ini, Galea
et al. [ 5 ] telah menunjukkan bahwa kecepatan gerakan bervariasi
dari 1,08 hingga
1,27 m/s, seperti yang ditunjukkan pada Tabel 1 .
Semua faktor yang disebutkan sebelumnya mempengaruhi efek evakuasi
efisiensi dengan mempengaruhi perilaku dan keputusan manusia. Dalam
Tabel 1 Kecepatan berjalan
menurut faktor yang Tipe penghuni
mempengaruhi
Anak-anak
Wanita tua
Pria tua
Tua
Wanita dewasa
Pria dewasa
Dewasa
Kecepatan berjalan menurut tipe penghuni
merupakan data rata-rata. Semua data ini
diambil ketika kepadatan pejalan kaki kurang
dari 0,43 orang/m 2 . Diadaptasi dari [ 21 ]
Aplikasi Jaringan Seluler
laporan demonstrasi evakuasi sertifikasi A380, perilaku dan
tindakan penting seperti waktu respons, memanjat kursi, dan
perilaku perusahaan telah diamati [ 13 ]. Mempelajari perilaku dan
keputusan dalam evakuasi dapat memberikan wawasan tentang
strategi untuk meningkatkan efisiensi evakuasi. Dalam studi
evakuasi, informasi dari basis data Statistik dan Pengetahuan
Kecelakaan Pesawat (AASK) telah digunakan untuk mempelajari
perilaku penumpang [ 17 ]. Analisis database AASK
mengidentifikasi banyak sifat perilaku manusia dalam keadaan
darurat, termasuk kesulitan melepaskan sabuk pengaman,
hambatan bahasa, dan perilaku radikal seperti memanjat kursi.
Pengambilan keputusan pemilihan pintu keluar sangat dipengaruhi
oleh faktor-faktor tersebut di atas, yang pada gilirannya mempengaruhi
pemanfaatan setiap pintu keluar dan total waktu evakuasi. Menarik
untuk dicatat bahwa jalan terpendek seringkali bukan jalan tercepat
karena kemacetan, hambatan fisik, dan ketersediaan pintu keluar.
Namun, penelitian oleh Galea et al. [ 17 ] telah menunjukkan bahwa
89% penumpang berusaha memanfaatkan strategi keluar terdekat
selama evakuasi. Salah satu faktor yang berkontribusi terhadap
keputusan pemilihan pintu keluar yang buruk adalah penumpang yang
memiliki pemahaman yang terbatas tentang lokasi dan konfigurasi
pintu keluar pesawat, dan perkiraan yang buruk tentang proses
evakuasi saat ini. Sebagian besar pesawat komersial dilengkapi dengan
dua pasang pintu keluar yang didistribusikan di dekat kedua ujungnya,
dan sepasang lainnya terletak di atas sayap. Namun, hanya sedikit
orang yang tahu bahwa pintu keluar over-wing lebih kecil dari yang lain.
Penelitian menemukan bahwa dengan antrean di setiap pintu keluar,
hampir dua perlima dari seluruh populasi memilih untuk menggunakan
pintu keluar di atas sayap yang lebih kecil yang terletak di pusat [ 19 ].
Perilaku manusia ditemukan menjadi salah satu kendala yang paling
signifikan, terutama ketika mempertimbangkan pilihan tujuan dan pilihan
rute. Dari tahun 1990-an, masalah perilaku yang diamati dalam evakuasi
mendapat banyak perhatian, dan sebagian besar penelitian difokuskan pada
faktor emosi penumpang dan perilaku pejalan kaki. Para peneliti
menunjukkan bahwa waktu keluar meningkat secara signifikan karena lebih
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
atau tidak langsung mempengaruhi tingkat kepanikan. Ketika penumpang
Kecepatan ( MS)
berada dalam situasi panik, orang bergerak dalam pola yang tidak teratur,
1.08 yang menyebabkan kemacetan, memperlambat kecepatan pergerakan
1.04 secara keseluruhan, dan mengurangi penggunaan pintu keluar seperti yang
1.05 disarankan oleh Miyoshi et al. [ 9 ]. Selanjutnya, Miyoshi et al. [ 9 ]
1.04 menyatakan bahwa kemacetan pengungsi juga menyebabkan peningkatan
1.24 tingkat kepanikan penumpang, yang menjalar ke pengungsi lainnya.
1.30
1.27 Selain itu, faktor lingkungan seperti asap, cahaya, atau penurunan
suhu juga dapat berdampak pada pejalan kaki ' perilaku dan
menyebabkan pencarian jalan baru dan perubahan perilaku, seperti
pemisahan, kohesi, dan keberpihakan, juga perlu dipertimbangkan [ 21
]. Ketidakpastian dan variabilitas ini selanjutnya berdampak pada
validitas dan akurasi model evakuasi [ 7 ].
Aplikasi Jaringan Seluler

Menghasilkan Total Penumpang

di kursi

Sumber
Antre
Tersedia?

Ya

Jumlah tempat duduk Merebut Lorong terdekat

Sumber Sumber

Lepaskan Sumber Daya Kursi

Area Gerbang
Antre
Tidak
Tersedia?

Ya

Rute ke Gerbang
Jumlah Gerbang Menunggu
Sumber Daya Tempat
Menghasilkan

Rebut Gerbang Menunggu Sinyal untuk

Sumber Daya Daerah Sistem Mulai

Rilis Sumber Daya Lorong

Mengumpulkan

Statistik

Slide Tersedia? Antre

Tidak
Ya

Rebut Sumber Daya Slide

Jumlah slide
Sumber
Masukkan slide

Meluncur ke bawah

Rilis Sumber Daya Slide

Tidak

Dievakuasi Penumpang terakhir?

Ya

Sistem
Berhenti

Gambar 1 Alur Peristiwa Evakuasi Penumpang

 Aplikasi Jaringan Seluler

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 ].

Dalam beberapa tahun terakhir, fokus simulasi gerakan

manusia telah diperluas ke perencanaan jalur dan pemrograman
dinamis, yang juga berpotensi digunakan dalam simulasi evakuasi
penerbangan. Namun, evakuasi pesawat memiliki karakteristik
yang unik, dan faktor-faktor yang mempengaruhi efisiensi evakuasi
berbeda dari simulasi evakuasi dari model evakuasi lainnya.
Ditemukan bahwa untuk mempelajari efisiensi evakuasi, presisi
dalam jalur dan pergerakan penumpang individu diperlukan.
Untuk mengembangkan simulasi yang lebih lengkap untuk Gambar 3 Representasi Tubuh Manusia Dewasa
Aplikasi Jaringan Seluler
Gambar 4 Plot rata-rata dari tiga
skenario
banyak digunakan di berbagai industri sebagai perangkat lunak
simulasi operasi [ 6 ]. Demonstrasi evakuasi sertifikasi AnA380
digunakan untuk memvalidasi model ini. Dengan menggunakan waktu
yang dibutuhkan untuk evaluasi sebagai ukuran dependen untuk
perbandingan, tingkat signifikansi 0,05 ditetapkan sebagai ambang
batas untuk uji perbandingan statistik. Setelah model divalidasi, model
eksperimental dikembangkan untuk menyelidiki pengaruh dari dua
keputusan pencarian jalan, yaitu pintu keluar terdekat dan antrian
seimbang untuk keluar.
Diagram alir berikut (Gbr. 1 ) menjelaskan simulasi
dalam penelitian ini sebagai contoh rantai peristiwa.
2.2 Konfigurasi pesawat
Angka 2 menunjukkan salah satu konfigurasi khas dek bawah A380.
Kapasitas penumpang bervariasi dengan konfigurasi kursi yang dipilih
oleh maskapai, biasanya, A380 - 800 disertifikasi untuk hingga 853
penumpang dengan 538 di dek utama. Semua kursi yang digunakan
dalam simulasi ini disebut sebagai kelas tiga yang nyaman. Ada lima
gerbang penumpang/awak yang tersebar di kedua sisi badan pesawat,
termasuk satu pintu keluar darurat di atas sayap di setiap sisi. Semua
pintu keluar adalah pintu keluar tipe A dengan bukaan persegi panjang
Meja 2 Parameter Input dan Output Penumpang.
Parameter Nilai Satuan
Waktu Geser ke Bawah TRIA(0.50, 0.60, 0.90)* kedua
Kecepatan berjalan TRIA(40.94, 46.06, 51.18)** inci/s
* Diadaptasi dari [ 10 ] ** Diadaptasi dari [ 15 ]
lebar tidak kurang dari 42 inci kali tinggi 72 inci, dengan jari-jari sudut
tidak lebih dari seperenam lebar pintu keluar [ 2 ].
Model mengadopsi pengukuran tubuh yang dikembangkan oleh
Thompson et al. [ 18 ], seperti yang ditunjukkan pada Gambar. 3 . Tiga
lingkaran mewakili jari-jari lingkaran seluruh tubuh, lingkaran batang
tubuh, dan lingkaran bahu. Jari-jari lingkaran seluruh tubuh (Rb) adalah
10,6 inci; jari-jari lingkaran batang tubuh (Rt) adalah 6,3 in.; dan jari-
jari lingkaran bahu (Rs) masing-masing adalah 3,9 inci (Gbr. 3 ).
2.3 Kecepatan bergerak penumpang
Dari penelitian Galea et al. [ 5 ], penumpang ' kecepatan rata-
rata selama evakuasi darurat bervariasi untuk berbagai
kelompok usia dan jenis kelamin. Nilainya antara 1,04 m/s dan
1,30 m/s; modusnya adalah 1,27 m/s. Berdasarkan hal
tersebut, pada simulasi baseline, kecepatan penumpang
diatur memiliki Distribusi Segitiga T ~ [ 1,04, 1,27, 1,30]. Tabel 2
dan 3 menggambarkan data input untuk model, termasuk
waktu slide down untuk setiap penumpang, kapasitas lorong
dan jumlah penumpang pada Tabel 3 dihitung berdasarkan
jumlah kursi di setiap bagian kursi.
2.4 Validasi model dasar
Untuk memvalidasi model simulasi, validasi wajah dilakukan
untuk memverifikasi apakah model ARENA berperilaku seperti
yang dimaksudkan. Validasi wajah dapat mendukung peneliti
dengan mengonfirmasi bahwa sistem mencakup konsep yang
seharusnya diukur. Selain itu, validasi statistik akan
membedakan antara sistem simulasi saat ini dan skenario
evakuasi nyata yang dilakukan oleh
 Aplikasi Jaringan Seluler

Tabel 3 Kapasitas lorong

Bagian lorong Kapasitas (Penumpang/per lorong) Jumlah penumpang

gerbang 1 ke gerbang 3 13 102

gerbang 3 ke gerbang 5 27 192
gerbang 5 ke gerbang 7 20 142
gerbang 7 ke gerbang 9 14 102

Variabel terikat adalah total waktu (dalam detik) bagi penumpang untuk mengevakuasi pesawat

Tabel 4 Uji T Satu Sampel

Nilai Uji = 78,5

T dd.f. Tanda tangan. (2-ekor) Perbedaan Berarti Interval Keyakinan 95% dari Selisih

Lebih rendah Atas

Waktu Evakuasi . 273 99 . 786 . 0312 . 20 . 26

Airbus pada tahun 2006, sebagai bagian dari sertifikasi keselamatan yang 3. Hasil
tion, akibatnya, mendemonstrasikan 853 penumpang dan awak dievakuasi

Uated pesawat dalam waktu 78 s ( https://www.youtube.com/ 3.1 Validasi hasil model

watch?v=XIaovi1JWyY ). A T- uji digunakan untuk membandingkan
data aktual (78 detik) dengan data simulasi untuk melihat apakah Total waktu evakuasi dibandingkan dengan waktu evakuasi
ada perbedaan yang signifikan antara keduanya. aktual dari tes evakuasi Airbus 2006 (78,5 detik). Meja 4
menggambarkan hasil uji-t pada validasi model dasar.

2.5 Eksperimen
Berdasarkan model dasar yang divalidasi, percobaan dilakukan
untuk menguji apakah total waktu evakuasi akan lebih sedikit jika
penumpang dapat ditugaskan ke gerbang tertentu. Lebih khusus,
penumpang membuat keputusan untuk berpindah gerbang
Total waktu evakuasi untuk simulasi baseline memiliki mean sampel
78,53 s dan SD = . 12 detik Dengan alpha yang ditetapkan pada .05, satu-
sampel T- pengujian mengungkapkan bahwa waktu evakuasi yang
disimulasikan secara statistik tidak berbeda secara signifikan dari total
waktu evakuasi yang sebenarnya, yaitu 78,5 detik, T( 99) = 0,273,
p = 0,786. Dengan demikian model tersebut dianggap valid.

berdasarkan perbedaan antara panjang antrian keluar terdekat

dan antrian yang berdekatan ' panjang s. Penumpang diizinkan 3.2 Hasil eksperimen
untuk membuat keputusan untuk beralih ke antrian terpendek.
Percobaan pertama mensimulasikan skenario bahwa penumpang Simulasi eksperimental dijalankan 100 kali untuk setiap skenario.
mulai berpindah selama perbedaan panjang antrian berbeda; Skenario pertama adalah ketika perbedaan antrian ( D) sama
Eksperimen kedua menetapkan ambang batas panjang menjadi dengan nol (0), skenario kedua adalah ketika selisihnya D = 1
lima, dengan kata lain, penumpang hanya beralih ke gerbang dan skenario ketiga adalah ketika D = 5. ANOVA satu arah dijalankan
alternatif jika perbedaan antara kedua gerbang lebih dari lima. Tes untuk membandingkan total perbedaan waktu evakuasi di antara ketiga
ANOVA satu arah dilakukan untuk menguji efek dari dua skenario skenario, dengan tingkat signifikansi ditetapkan pada 5%.
dan baseline (tidak ada Tabel berikut 5 menunjukkan tabel ANOVA untuk
switching) pada evakuasi total waktu (dalam detik). analisis.
Karena pengaruh skenario signifikan, uji Tukey post-hoc
Tabel 5 tabel ANOVA dilakukan untuk menyelidiki lebih lanjut pasangan skenario mana
yang signifikan, seperti yang ditunjukkan pada Tabel 6 .
ANOVA satu arah
Dari hasil tersebut, tingkat penyesuaian (D) berpengaruh
TotalWaktu (Detik) signifikan terhadap total waktu evakuasi. Lebih spesifik, D = 5 (
Jumlah Kuadrat df Rata-rata Persegi F Tanda tangan.
M = 85.28, SD = 3.77) adalah yang terkecil, dan rerata
Antar Grup 78.119.494 2 39.059.747 498.610.000 kelompok tanpa penyesuaian berdasarkan selisih ( D) = 0 ( M =
Dalam Grup 23,266.149 297 78.337 96.31, SD = 3,32 lebih kecil dibandingkan dengan kelompok
Total 101.385.643 299 dengan pergantian gerbang dengan selisih ( D) = 1 ( M =
123,67, SD = 14.48). Hipotesis nol
Aplikasi Jaringan Seluler

Tabel 6 Pasca Hoc Analisis

(I) Tingkat penyesuaian D (J) Tingkat penyesuaian D Selisih Rata-Rata (IJ) Std. Kesalahan Tanda tangan.

Tukey HSD . 00 1.00 - 27.36544* 1.25170 . 000

5.00 11.01833* 1.25170 . 000

1.00 . 00 27.36544* 1.25170 . 000

5.00 38.38377* 1.25170 . 000

5.00 . 00 - 11.01833* 1.25170 . 000

1.00 - 38.38377* 1.25170 . 000

* menunjukkan perbedaan yang signifikan antara rata-rata

ditolak dengan F( 2,297) = 498,61, p < . 05. post
hoc mengungkapkan bahwa ketiga kelompok
berbeda satu sama lain.
4 Diskusi dan kesimpulan
4.1 Diskusi
Hasil validasi simulasi mengungkapkan bahwa simulasi
sangat dekat dengan evakuasi sertifikasi dalam total waktu
simulasi, yang menyiratkan model dasar yang valid untuk
eksperimen. Namun, perlu dicatat bahwa keakuratan
Menjalankan proses di simulasi yang mendekati kenyataan dalam simulasi
secara signifikan model. Hasil eksperimen menunjukkan bahwa ketika penumpang
diberi pilihan untuk memilih gerbang untuk mengungsi, beralih
gerbang setelah bergabung dengan antrian gerbang-tunggu dapat
mengurangi total waktu evakuasi. Hal ini disebabkan karena
jumlah penumpang di setiap pintu keluar lebih seimbang daripada
tidak memperhatikan panjang antrian. Hasil ini dapat
menunjukkan nilai proses evakuasi terpandu, yaitu pramugari
mengarahkan penumpang ke pintu keluar yang sesuai sehingga
antrian antar pintu keluar lebih seimbang, dapat mengurangi total
waktu evakuasi secara signifikan, kemudian dalam hitungan detik,
dan ini dapat lebih menghemat hidup.
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)

Gambar 6 Plot pemanfaatan Sumber Daya Gerbang untuk Model Eksperimental dengan (D) =5
penundaan yang tidak perlu. Saklar keluar yang sering tidak layak,
mengingat ruang sempit di pesawat. Namun, ketika frekuensi
perpindahan penumpang antara dua gerbang dikurangi dengan
meningkatkan ambang batas perbedaan panjang antrian, total
waktu berkurang secara dramatis, seperti yang diilustrasikan pada
Gambar. 6 .
Secara keseluruhan, hasil perbandingan antara skenario yang
berbeda sangat menunjukkan bahwa perbedaan panjang antara
antrian gerbang mempengaruhi total waktu evakuasi secara
signifikan.
5. Kesimpulan
Kesimpulannya, penelitian ini mengembangkan dasar yang divalidasi
untuk mensimulasikan penumpang ' jalur evakuasi dari pesawat besar
(A380) mempertimbangkan rencana jalur penumpang. Garis dasar ini
mempertimbangkan konfigurasi pesawat dengan pergerakan manusia
dan perilaku pejalan kaki dan menemukan efek signifikan dari kebijakan
evakuasi yang berbeda pada efisiensi evakuasi, yang diukur dengan
total waktu. Penelitian di masa depan dapat menggunakan garis dasar
ini sebagai titik awal untuk mengembangkan interpretasi yang lebih
maju tentang perilaku manusia, algoritma pencarian jalan, dan
mentransfer model ini ke konfigurasi kabin lain untuk mensimulasikan
efek perubahan konfigurasi pada total waktu evakuasi. Karena
konfigurasi dan struktur kabin yang berbeda dapat mempengaruhi
kecepatan bergerak penumpang dan panjang antrian di pintu keluar.
Juga
Aplikasi Jaringan Seluler
memberikan panduan untuk perencanaan kursi evakuasi. Dengan
simulasi ini, maskapai dapat menganalisis rencana evakuasi dengan
simulasi dan dengan demikian meningkatkan rencana kursi evakuasi.
Arah lain untuk meningkatkan model ini akan berfokus pada
pengambilan hasil eksperimen dari penelitian ini dan menyelesaikan
tingkat perbedaan terbaik dengan transfer yang tidak perlu paling
sedikit. Ini membutuhkan fungsi untuk mengoordinasikan penumpang '
s pergerakan di lorong dan area gatewaiting. Untuk akurasi yang lebih
baik dalam mensimulasikan penumpang ' s, itu juga merupakan ide
yang baik untuk mengembangkan alat bantu keputusan waktu nyata
seperti model pemrograman dinamis untuk memprediksi ketersediaan
sumber daya dan panjang antrian.
Referensi
1. Institut Penerbangan Universitas George Washington. (2008).
Evakuasi dan mitigasi cedera evakuasi pesawat tergelincir.
terbakar abu
2. Administrasi Penerbangan Federal. (nd). Peraturan Penerbangan
Federal Bagian 121.291. Diperoleh dari Peraturan Penerbangan
Federal: http://www.ecfr.gov/cgi-bin/retrieveECFR?gp=
&SID=257c1bb863261dd217bf30e8aa04df32&mc=true&n=pt14.
3.121&r=PART&ty=HTML#se14.3.121_1291 .
3. Frank G, CO, D. (2011) Ruang evakuasi dengan adanya dan
halangan. Fisika: 2135 - 2145
4. Galea ER, Blake SJ, Lawrence PJ (2004) Laporan pengujian dan
evaluasi sistematis model evakuasi pesawat airEXODUS.
Documedia Solutions Ltd., Cheltenham
Aplikasi Jaringan Seluler
5. Galea ER, Finney KM, Dixon AP, Siddiqui A, Cooney DP (2006) Statistik
kecelakaan pesawat dan database pengetahuan: menganalisis perilaku
penumpang dalam kecelakaan penerbangan. J Aircr
6. Kelton DW, Sawdowski RR, Swets NB (2010) Apa itu simulasi?
Dalam: Kelton DW, Sawdowski RR, Simulasi Swets NB (eds) dengan
Arena, edisi ke-5. McGraw-Hill Companies, Inc., New York, hal 10
7. Koh, WL, Zhou, S. (2011). Pemodelan dan Simulasi Perilaku
Pejalan Kaki di Tempat Ramai. Transaksi ACM pada
Pemodelan dan Simulasi Komputasi, 20
8. McLean GA (2001) Access-to-egress: meta-analisis dari faktor-
faktor yang mengontrol evakuasi darurat melalui pintu keluar
Overwing tipe-III pesawat angkut. Institut Aeromedis Sipil, Kantor
Kedokteran Penerbangan. Layanan Informasi Teknis Nasional,
Springfield
9. Miyoshi T, NakayasuH, Ueno Y, Patterson P (2012) Simulasi
evakuasi pesawat darurat dengan mempertimbangkan emosi
penumpang. Teknik Komputer & Industri: 746 - 754
10. Motevalli V, Monajemi L, Rassi M (2008) Studi tentang
tantangan evakuasi darurat pada pesawat angkut besar.
Program Penelitian Koperasi Bandara: 66 - 67
11. Muir, H., Marrison, C., Evans, A. (1990). Evakuasi pesawat investigasi
awal tentang efek asap tidak beracun dan konfigurasi kabin yang
berdekatan dengan pintu keluar. Inggris
12. Muir HC, Thomas LJ, Wilson RL (2004) Keselamatan penumpang di masa depan
pesawat angkut sangat besar. Faktor Manusia dan Keselamatan Dirgantara: 259 -
271
13. Rosenkrans, W. (2007). Lebih dalam sekejap. Dunia Aerosafety
14. Sharma S, Singh H, Prakash A (2007) Pemodelan multi-agen dan
simulasi perilaku manusia dalam evakuasi pesawat. IEEE: 1477 -
1488
15. Shi L, Xie Q, Cheng X, Chen L, Zhou Y, Zhang R (2009)
Mengembangkan database untuk model evakuasi darurat.
Bangun Lingkungan 44(8):1724 - 1729
16. Snow CC, Carroll JJ, Allgood MA (1970) Bertahan dalam pelarian
darurat dari pesawat penumpang. Kantor Kedokteran
Penerbangan, Washington DC
17. Thomas LJ, O'Ferrall S, Caird-Daley A (2006) Perintah evakuasi untuk
manajemen penumpang yang optimal. Biro Keselamatan Transportasi
Australia, Kota Canberra
18. Thompson, P., Lindstrom, H., Ohlsson, P., & Thompson, S. (2003).
Simulex: analisis dan perubahan untuk Kepatuhan IMO. Prosiding
Konferensi Internasional ke-2: Pedestrian dan Dinamika Evakuasi,
(hlm. 173-184)
19. Togher, M., Galea, ER, & Lawrence, PJ (2009). Investigasi
Keputusan Pemilihan Keluar Penumpang dalam Situasi
Evakuasi Pesawat Udara. Perilaku Manusia dalam Simposium
Api, 421-432
20. Xue Z, Bloebaum C (2008) Sebuah optimasi segerombolan partikel berbasis
model simulasi evakuasi pesawat-mengosongkan udara. Institut
Penerbangan dan Astronautika Amerika, Buffalo
21. Yeo SK, He Y (2008) Karakteristik komuter dalam mass rapid transit
di Singapura. Api Saf J
Penerbit ' s catatan Springer Nature tetap netral sehubungan dengan klaim
yurisdiksi dalam peta yang diterbitkan dan afiliasi institusional.