考慮煙氣影響的海底隧道火災人車混合疏散優化模型

陳明仙

(福建船政交通職業學院 安全與環境學院, 福建 福州 350007)

0 引言

海底隧道火災是其運營期需要防范的主要風險之一， 由于兼具地下工程、 水下工程和公路工程等多重屬性， 對疏散提出了更高的要求. 在火災發生后， 部分區域交通阻塞， 人員棄車逃生， 車輛疏散和人員疏散需要同時開展， 火災進入人車混合疏散情景. 此時， 車內外人員均受到以CO為代表的有毒有害煙氣影響， 此時的疏散不僅需要考慮車輛和人員疏散時間最短， 同時還要評估車內外人員煙氣傷害是否超限， 否則應急過程將中止， 人員受到傷害甚至死亡. 在這種特殊的交通工程中， 如何開展火災情景下的人車混合疏散已成為一個急需解決的問題.

針對區域人車混合疏散問題， Nathan 等[1]進行了島嶼區域海嘯人員和車輛疏散策略選擇模型的研究.

Chao等[2]進行車輛行人混合交通流仿真. 劉毅等[3]分析地鐵空間受困人員疏散路徑選擇行為， 構建結構方程模型確定主要影響因素. 宗欣露[4]提出基于蟻群算法和粒子群算法的人車混合疏散模型， 應用于大型體育場及其周邊路網集成環境， 討論不同行人比例的人車混合疏散效果. 劉緬芳[5]討論校園人車混合交通流的特征， 基于元胞自動機構建疏散模型.

通過上述研究成果分析可知， 現有的疏散模型主要考慮了常規區域及空間內人的行為、 網絡節點、 網絡流和危險分區等因素， 而考慮火災混合疏散情景階段動態變化的有毒有害物質影響(如CO、 煙氣等)的研究鮮見. 鑒于此， 本文結合海底隧道應急特性， 以海底隧道路網應急資源容許和人員傷害閾值容許為約束條件， 基于動態情景信息構建人車疏散時間最短的人車混合疏散優化模型， 并設計改進蟻群算法(ant colony algorithm， ACA)進行求解. 仿真應用表明， 該模型能夠實現人車疏散路徑優化和避免CO吸入超限， 提升海底隧道火災疏散效率， 降低人員傷害.

1 模型構建

在海底隧道火災事故應急疏散過程中， 經過車輛疏散階段， 在二次事故、 交通流突變、 局部交通控制失效等因素影響下， 部分區域車輛陷入擁堵， 人員棄車逃生， 進入“人車混合疏散”情景[6]. 在此過程中， 疏散路網可用度、 路徑CO濃度、 路徑擁堵程度、 疏散出口是否可用等情景要素信息動態變化， 必須系統考慮. 因此， 對于海底隧道火災事故中的人車混合疏散情景下的疏散問題， 除了考慮車輛、 人員應急演變通用特征外， 還須考慮如何實現疏散過程時間最短， 滿足疏散過程海底隧道路網應急資源容許度和人員傷害閾值等約束條件， 構建基于動態情景信息的人車混合疏散模型[4-5].

1.1 目標函數

基于情景演變過程分析， 海底隧道人車混合應急疏散是一個涉及到人員傷害、 疏散時間、 疏散路徑等因素的復雜系統優化問題， 其總目標為疏散總體安全成本最小， 即在煙氣不超限的前提下， 自由疏散車輛、 自由疏散人員整體疏散時間最短. 車輛疏散時間最短目標和人員疏散時間最短目標公式如下.

(1)

(2)

1.2 約束條件

在人車疏散過程中， 疏散分區隨著情景演進擁堵狀況動態變化， 此背景下的不同疏散方案均應考慮路徑是否可用(處于非擁堵狀態)， 且路徑流量不可超過路網的承載能力， 才能保證疏散的持續進行. 通過路徑長度和給定行人(車輛)疏散速度計算路徑(i,j)的疏散時間和保證路徑(i,j)實際行人(車輛)流量低于路徑承載能力的約束條件[4, 7]如下式.

(3)

(4)

同時， 疏散情景過程要求所有疏散車輛內人員、 自由疏散人員的CO攝入量不超過閾值. 對所有攝入的煙氣傷害不超限， 且在滿足其他約束時最低， 則一方面確保人員傷害最低， 另一方面使疏散過程可繼續[8]. CO攝入不超限的約束條件如下式.

(5)

式中：rij為路徑上人員單位時間CO攝入量, cm3·(m3·s)-1；Rz基于美國工業衛生協會ACGIH的化學物質閾限值標準， 考慮疏散行為、 暴露時間等因素[9]， 按下式計算.

(6)

為滿足人車疏散要求， 應對不同區域的車輛進行個性化誘導， 動態更新路網信息， 避開擁塞路段； 對不同區域的人員進行誘導， 充分運用人通和車通， 考慮不同擁塞程度對于疏散速度與時間的影響， 使車輛、 人員所選路線在約束條件下的總疏散成本最低.

2 模型求解

ACA具有魯棒性好、 分布式計算、 收斂快等優點， 對多目標約束下的路徑優化有很好的適應性和應用效果. 海底隧道人車混合疏散路徑尋優過程與蟻群路徑尋優過程有高度的相似性， 可根據海底隧道特點進行改進， 發揮其解決動態組合優化問題的優勢. 基于ACA算法對啟發式信息中的螞蟻與出口的距離、 疏散過程中路徑人車流量影響等因素進行改進， 可提高尋優效率與算法性能， 使其更符合模型特性， 更具針對性.

2.1 禁忌規則

在人車混合疏散過程中， 各節點間的連接由海底隧道的路網結構決定， 此時路網乃非復雜網絡， 為避免仿真蟻尋徑失敗， 應設計新的禁忌規則. 同時， 在車輛疏散中， 由于部分區域擁塞， 螞蟻應避開該部分路段與節點， 可用路網規模變小， 因此， 允許螞蟻有限制地重復訪問已訪問節點.

2.2 啟發式信息

考慮海底隧道的特殊結構， 在人車混合疏散過程中， 螞蟻路徑選擇除需考慮疏散路徑長度， 還需考慮路徑CO濃度、 路徑疏散流量、 螞蟻與出口距離等要素[4, 10-11].

1) 螞蟻與出口距離影響. 在人車混合疏散過程中， 人車的疏散出口主要包括隧道左線、 右線和服務隧道的出入口共6個， 為使螞蟻能快速找到出口、 減少尋徑不確定性， 將螞蟻與第n個出口的距離引入啟發式信息， 使螞蟻的搜索更具方向性， 加快收斂過程.

2) CO濃度. 人車混合疏散階段需分別考慮車輛內人員和步行疏散人員的CO濃度傷害情況， 計算車輛和人員在疏散過程的煙氣傷害， 螞蟻優先選擇CO濃度低的路徑， 減少傷害.

3) 路段長度及擁堵程度對于人、 車疏散效率的影響. 除考慮路徑長度對路徑選擇的影響外， 同時考慮該路徑擁堵程度對路徑選擇的影響. 路徑(i,j)上第k個疏散個體的疏散時間與擁堵程度成正比， 即路段擁堵程度越高， 其疏散速度越低， 則疏散時間越長.

對于模擬車輛或行人的螞蟻， 啟發式信息均為：

(7)

式中：ηij為路徑(i,j)上的啟發式信息；k為疏散出口的個數；Dij為車輛、 行人在疏散路徑(i,j)上的危險值；dk為車輛、 行人位置與出口k的距離.

2.3 轉移規則

螞蟻的節點轉移概率按照下式計算.

(8)

對于分別代表疏散人員和車輛的螞蟻， 確定Wk應分別考慮路徑可用性， 在人車混合疏散階段， 人通車輛無法通行， 且部分車通和車道已阻塞不可用， 代表車輛螞蟻只能訪問可用車行疏散網絡節點； 對于代表自由疏散人員的螞蟻， 人通和車通均可使用， 即可使用全部疏散路網[11-12].

2.4 信息更新策略

當螞蟻k從節點i轉移到節點j后， 路徑(i,j)上的信息素增量按下式進行更新[7, 12]：

τij(t+1)=(1-ρ)τij(t)+Δτij(t)

(9)

(10)

3 人車混合疏散案例仿真

結合翔安海底隧道火災案例， 應用人車混合疏散模型進行仿真. 翔安海底隧道是中國大陸地區第一條海底隧道， 長6.05 km， 雙向6車道， 左右雙行車通道并設有中間應急保障通道， 共設12處人行橫通和5處車行橫通， 橫通間距300 m[13]. 基于隧道應急信息監控、 應急交通誘導和應急處置的需要， 建立較為完備的應急系統： 設置了國內最大斷面的泡沫-水噴霧聯用滅火系統， 在隧道左側壁頂部以25 m為間隔設置自動噴淋設施， 與火災探測器聯動開啟； 隧道右側壁每隔50 m設置消防箱. 假設一輛客車在隧道中部62號消防箱處發生自燃， 當車輛疏散未完全達到預定目標， 則火災演變至人車混合疏散情景， 2號車通堵塞， 車輛無法通行.

3.1 構建簡化OD路網

根據翔安海底隧道的路網結構， 由左線、 右線、 應急保障通道、 人通、 車通和出口構建疏散網絡. 為使模型運算方便， 將疏散網絡簡化為：

G=(V,E,f)

(11)

式中：V是由疏散起始點、 過程點和目標點構成的集合；E是疏散路徑網絡化的節點連接邊；f是V×V上的映射.

根據隧道內監測數據， 獲取各路徑上的CO濃度、 擁塞程度、 流量等動態信息. 為簡化函數計算， 構建簡化交通起止點的路網(origin destination， OD). 其中， 人、 車輛出口共有6個， 即左線、 右線和應急通道的兩端， 當發生局部擁塞或CO超限時， 可能導致部分出口不可用. 用數字表示海底隧道各節點， 用帶圈數字表示各相鄰節點形成的路段， 如圖1所示.

圖1 簡化OD路網Fig.1 Simplified OD road network

3.2 模擬疏散

結合前人研究成果， 根據海底隧道特點， 設置蟻群參數[7-8, 14-15]：m=30，Ncmax=100，α=0.9，β=0.6，ρ=0.8. 設定車輛疏散速度vv=4.5 m·s-1， 人群疏散速度vp=1.8 m·s-1.

運用MATLAB9.5平臺編制模型求解程序， 運算可得海底隧道其他各核心區域的人、 車疏散方案如圖2、 表1所示.

圖2 核心區域的疏散誘導路徑圖Fig.2 Evacuation guidance route of core region

表1 疏散路徑信息表

3.3 結果分析

從圖2和表1可看出， 疏散核心區域內人、 車誘導路徑累計攝入值均在閾值范圍內. 其中， 模擬人群的螞蟻在路徑計算時共避開了閾值超限路徑共8 834次； 車輛疏散路徑避開了擁塞的2號車通. 同時， 模擬車輛的螞蟻在路徑計算時共避開了閾值超限路徑共829次. 與傳統靜態式的疏散方案相比， 不同區域上的車輛和人員并未全部選擇就近出口， 也未同時選擇同一出口， 避免了同一路徑或同一出口的擁堵情景， 保證了人員的健康和疏散過程的有序進行.

將模型輸出的核心區域疏散方案進行對比分析可知 ， 雖然區域間隔并非很大， 但由于路徑長度、 路徑上CO濃度和路徑擁堵的約束， 對不同區域選取了不同的路徑和出口， 保證了約束的有效性.

4 結語

1) 在海底隧道火災人車疏散情景中， 結合海底隧道結構特點， 確定以車內外人員煙氣不超限、 車流和人流不超路徑容許載荷為約束條件， 構建疏散時間最短、 總疏散安全成本最低的優化模型.

2) 基于模型需求和海底隧道人車疏散情景要素， 對啟發式信息中的螞蟻與出口的距離、 疏散過程中路徑人車流量影響等因素進行改進， 確定算法的其他規則要素， 提高尋優效率與算法性能.

3) 仿真算例結果在實現疏散時間最短的同時， 避開了閾值超限路徑和車輛擁塞通道， 對不同區域選取了不同的路徑和出口， 避免人員煙氣傷害超限， 使疏散過程有序進行.

4) 人車混合疏散應急決策過程中， 疏散路徑優化除文中的影響因素外， 還需考慮應急指令傳遞、 接收和執行等因素， 后續研究將納入這些因素.