CC BY
34баз знаний поддержки генерации стандартизированных профилей web-приложений с возможностью последующего развертывания.
Список литературы
1. Балашова Т.И. Базы данных. Семантические модели данных. // Нижний Новгород. - 2010. - URL http://isu.nntu.ru/doc/bd_2.pdf.
2. Подорожный И. В., Светличный А. Н., Подлеснов А. В. Введение в контейнеры, виртуальные машины и docker // Молодой ученый. - 2016. - №19. - С. 49-53. - URL https://moluch.ru/archive/123/33873/
3. Joakim Verona. Practical DevOps: Implement DevOps in your organization by effectively building, deploying, testing, and monitoring code. // Packt Publishing. - 2018.
4. Ontology Engineering with Ontology Design Patterns: Foundations and Applications. Pascal Hitzler, Aldo Gangemi, Krzysztof Janowicz, Adila Krishnadi, Valentina Presutti. // IOS Press. - 2016.
5. Jez Humble, David Farley. Continuous Delivery: Reliable Software Releases through Build, Test, and Deployment Automation. // Addison-Wesley Professional. - 2010.
УДК 004.942
Мяэ Михаил Александрович,
студент
МОДЕЛИРОВАНИЕ И ОПТИМИЗАЦИЯ ЭВАКУАЦИИ ПОСРЕДСТВОМ КЛЕТОЧНОГО АВТОМАТА
Россия, г. Санкт-Петербург, студент СПбПУ, [email protected]
Аннотация. В наше время, несмотря на новейшие технологии и высокие вычислительные мощности компьютерных средств, до сих пор существует проблема долгого моделирования путей эвакуации при чрезвычайных ситуациях. Это можно наблюдать при работе с большинством программных средств, применяемых для решения таких задач и использующих алгоритмы, применяемые к каждому эвакуирующемуся субъекту в отдельности. В настоящей статье описаны различные методы моделирования и оптимизации эвакуации с использованием клеточного автомата и ориентированных графов типа «транспортная сеть». В качестве примера приводится модель эвакуации с палубы наводного судна.
Ключевые слова: эвакуация, моделирование, клеточный автомат, оптимизация.
Mikhail A. Miae, Student
SIMULATION AND OPTIMIZATION OF EVACUATION USING A
CELLULAR AUTOMATA
Russia, Saint Petersburg, student SPbPU, [email protected]
Abstract. Nowadays, despite the latest technologies and high computing power of computer tools, there is still a problem of long-term modeling of evacuation routes in emergency situations. This can be observed when working with most software tools used to
solve such tasks and using algorithms applied to each evacuating subject separately. This article describes various methods for simulating and optimizing evacuation using a cellular automaton and oriented graphs of the "transport network" type. As an example, a model of evacuation from the deck of a flood vessel is given.
Keywords: evacuation, simulation, cellular automata, optimization.
Актуальность. Области исследования моделирования эвакуации и оптимизации эвакуации до недавних пор рассматривались исключительно обособленно друг от друга. Инструменты, используемые на практике, предоставляют инженерам только алгоритмы моделирования, тогда как подходы, основанные на временных транспортных сетях, в основном применяются только в теоретических исследованиях. Наилучшим образом справиться со сценариями бедствий всегда было важной задачей. В частности, важно ответить на вопросы, сколько времени потребуется, пока все люди, находящиеся в зоне, находящейся под угрозой пожара [1] или другого чрезвычайного происшествия, будут в безопасности и как оптимизировать процесс эвакуации, а также, как управлять эвакуацией. В до-цифровую эпоху было обычным делом, что расчеты и оптимизация времени выхода выполнялись экспертами с большим опытом и интуицией. С тех пор появились многочисленные компьютерные имитационные модели, которые широко используются на практике в настоящее время. Многие из существующих программных инструментов являются коммерческими, но существуют также бесплатные программные инструменты с открытым исходным кодом. Таким образом, модель эвакуации может быть построена с использованием меньших ресурсов, как вычислительных, так и материальных.
Цели и задачи работы. Целью данной работы является описание простой структуры преобразования, которая может быть использована для автоматической генерации различных путей эвакуации исходя из геометрии помещения, из которого производится эвакуация, и структуры чрезвычайной ситуации. Данные для построения модели были получены из ячеек клеточного автомата. Кроме того, данная структура позволяет объединить моделирование и оптимизацию потоков людей для дальнейшего улучшения результатов эвакуации.
Результаты. В качестве визуализатора результатов моделирования использован программный продукт ZET с открытым исходным кодом, в который вносились небольшие изменения.
Программные продукты для моделирования эвакуации. На рынке в данный момент присутствует множество программных продуктов подобного профиля, как коммерческих, так и свободно распространяемых. Одними из самых удачных продуктов с открытым исходным кодом являются MATSim и zet, которые хорошо подходят для академического
использования и исследований [2, 3]. В то время, как МАТБ1ш разработан специально для крупномасштабных эвакуационных симуляций, zet специально разработан для моделирования эвакуации при пожаре [4] в зданиях. Существующие подходы к моделированию эвакуации зданий (и аналогично для морских судов и других сравнительно небольших сооружений) используют микроскопические модели. Такие модели позволяют очень детально моделировать как структуру чрезвычайной ситуации (очаги возгорания, зоны с повышенным задымлением, обвалы внутренних помещений объекта моделирования), так и поведение эвакуирующихся людей. Из-за их размера, крупномасштабные эвакуации обычно моделируются в макроскопической обстановке, которая широко абстрагируется от отдельных людей и детальных структур. Также моделирование крупномасштабной эвакуации требует больших ресурсов, чем моделирование эвакуации из небольших объектов.
Параллельно с разработкой более совершенных имитационных моделей, разрабатываются и комбинаторные модели для решения вопросов эвакуации [5]. Эти разработки используют сетевые потоки в основном в простых моделях, которые в значительной степени абстрагируются от фактической структуры здания. Исследования показывают, что транспортная сеть может использоваться для получения значимых результатов для сценариев эвакуации, даже если они абстрагируются от множества конкретных индивидуальных свойств, таких как различия в скорости ходьбы разных людей [6]. Тем не менее, в упомянутых работах много усилий было уделено настройке структуры и параметров сети, таких как время прохождения. Таким образом, подходы к оптимизации с использованием временных транспортных сетей и моделирования были разработаны параллельно и не объединялись. Однако сочетание обоих этих подходов может быть использовано для создания третьего, включающего в себя только положительные качества двух своих предшественников. Если сценарий эвакуации моделируется динамической сетью, результаты моделирования могут также использоваться для автоматического вычисления времени прохождения по дугам графа. Такие решения могут быть приняты автоматически с использованием результатов моделирования поведения эвакуирующихся людей.
Чтобы подобную модель можно было использовать на практике, например, для реализации в существующих программных продуктах, должна быть возможность автоматически генерировать соответствующие структуры транспортных сетей для зданий или других сооружений с похожей структурой. Сетевая модель должна быть достаточно точной, чтобы генерировать наиболее точные результаты, но, с другой стороны, не должна быть слишком подробной. В этом случае размеры сети значи-
тельно увеличиваются, если применяется расширение по времени, и легко достичь перегрузки ресурсов за счет времени работы и требуемого пространства памяти даже на современных машинах. В ранних версиях подобных моделей было очень мало узлов как раз-таки из-за ограничений, вызванных нехваткой вычислительной мощности компьютеров того времени. Более детальные модели используют по одному узлу для каждой комнаты, соединенные дугами, проходящими через двери. В случае, если один тип узлов может быть использован для обозначения помещений, таких как офисы или, в случае с морским судном, каюты, необходимо ввести другой тип узлов для других помещений, таких как коридоры. Подход к генерации мелко градуированных моделей, основанный на семантическом анализе структуры здания, представлен в других исследованиях. Поскольку такой метод требует ресурсозатратных расчетов, был предложен другой метод для автоматического создания сетей с разумным уровнем детализации путем разделения геометрии здания на прямоугольные области переменного размера. Данный подход работает полностью автоматически и основывается на дискретной структуре клеточного автомата. Таким образом, реализация данного метода может быть легко адаптирована к существующим программным продуктам, используемым для имитации на основе клеточных автоматов.
Построение пробной модели. Один из рассмотренных ранее программных продуктов - 2ЕТ состоит из трех основных компонентов [3]. Работа с данным программным продуктом обычно начинается с использования редактора для моделирования сценария эвакуации путем предоставления структуры здания и указания позиций эвакуируемых людей. Окончательный результат может быть представлен с использованием компонента визуализации. Пример визуализации приведен на рисунке далее
Рис. 1. План палубы судна, использованный при моделировании
эвакуации экипажа
Рисунок 1 изображает палубу судна в виде клеточного автомата. Клеточный автомат обеспечивает поле для данной палубы, визуализирующее расстояние от выхода в различных оттенках синего и эвакуирующийся экипаж в виде объектов в форме конуса. Визуализация сети различает источники (эвакуирующийся экипаж), точки эвакуации и промежуточные узлы разными цветами. Источники изображены синим цветом, а точки эвакуации - зеленым. Единицы потока (экипаж судна) представлены в виде синих цилиндров вокруг дуг.
Однако последний компонент наиболее важен для практических экспериментов. Алгоритмическая часть содержит алгоритмы для моделирования и оптимизации эвакуации, а также алгоритмы, преобразующие любой существующий сценарий эвакуации во входные параметры для других алгоритмов. ZET предоставляет мощный интерфейс, позволяющий расширить базовые алгоритмы, уже включенные в дополнительные плагины. Эффективные структуры данных и алгоритмы являются основными компонентами для соединения транспортной сети с моделированием для оптимизации эвакуации.
Библиотека, использующаяся в данном программном продукте, включает в себя множество алгоритмов для реализации различных графов и преследует две цели: реализованные алгоритмы должны быть быстрыми, чтобы можно было решить проблемы временного транспортного пути в кратчайшие временные промежутки; алгоритмы должны обеспечивать простые в использовании интерфейсы для простой реализации других алгоритмов с использованием выходных данных алгоритмов, включенных в библиотеку. Среди базовых алгоритмов, включенных в библиотеку, есть и такие распространенные, как алгоритм Дейкстры, алгоритм А* и алгоритм Беллмана - Форда. Также, авторами данного программного обеспечения были добавлены алгоритмы, решающие проблемы максимума потока временного транспортного пути и потока минимальной стоимости.
Выводы
Таким образом, использование клеточных автоматов и ориентированных графов типа «транспортная сеть», позволяет минимизировать время и количество ресурсов, необходимые для моделирования и оптимизации эвакуационных сценариев. При использовании программного продукта ZET Evacuation был смоделирован сценарий эвакуации экипажа наводного судна с одной из палуб данного судна. План палубы со всеми необходимыми параметрами был составлен во встроенном редакторе программного обеспечения. Моделирование эвакуации производилось посредством реализации клеточного автомата и транспортной сети,
что позволило максимально точно обозначить параметры эвакуирующихся людей и смоделировать их поведение приближенно к реальному поведению людей в условиях чрезвычайной ситуации.
Список литературы
1. Guseva A.I., Malykhina G.F., Nevelskiy A.S. (2019) Neural Network Based Algorithm for the Measurements of Fire Factors Processing. In: Kryzhanovsky B., Dunin-Barkowski W., Redko V., Tiumentsev Y. (eds) Advances in Neural Computation, Machine Learning, and Cognitive Research II. NEUROINFORMATICS 2018. Studies in Computational Intelligence, vol 799. Springer, Cham, First Online 05 October 2018.
2. About MATSim [Электронный ресурс]: https://www.matsim.org/about-matsim Доступ свободный. Дата обращения 09.04.2019
3. ZET Evacuation Tool [Электронный ресурс]: http://zet-evakuierung.de/ Доступ свободный. Дата обращения 23.03.2019.
4. G. F. Malykhina, A. I. Guseva, A. V. Militsin, A. S. Nevelskii DEVELOPING AN INTELLIGENT FIRE DETECTION SYSTEM ON THE SHIPS. Proceedings of the II International scientific conference "Convergent cognitive information technologies" (Con-vergent'2017), Moscow, Russia, November 24-26, 2017.
5.Ричард Л. Френсис. A 'Uniformity Principle' for Evacuation Route Allocation. Journal of Research of the National Bureau of Standards, 85(5): 509-513, 1981 [Электронный ресурс]:
https://nvlpubs.nist.gov/nistpubs/jres/086/jresv86n5p509_A1b.pdf Доступ свободный. Дата обращения 29.03.2019.
6. Luc G. Chalmet, Richard L. Francis, Patsy B. Saunders. Network Models for Building Evacuation. Fire Technology, 18: 90-113, 1982. [Электронный ресурс]: https://link.springer.com/article/10.1007/BF02993491 Доступ свободный. Дата обращения 05.04.2019.
УДК 621.395.93
Кошелькова Екатерина Андреевна\
студентка радиотехнического факультета, Ланкин Виктор Ефимович , д-р экон. наук, профессор, Шашкин Александр Константинович ,
доцент, канд. техн. наук, доцент
ПРОЕКТИРОВАНИЕ СТРУКТУРЫ СВЯЗИ РАСПРЕДЕЛЕННЫХ
В ПРОСТРАНСТВЕ ОБЪЕКТОВ
1,3Россия, г. Санкт-Петербург, СПб ГЭТУ (ЛЭТИ), 1 koshelkova.829@ gmail .com, akshashkin@ mail.ru,
2
Россия, г.Таганрог, Южный Федеральный Университет ИТ А ЮФУ
Аннотация. В статье рассматривается вопрос совершенствования процесса маршрутизации в локальных системах диспетчерского управления. Совершенствова-
