考虑烟气影响的海底隧道火灾人车混合疏散优化模型

陈明仙

(福建船政交通职业学院 安全与环境学院, 福建 福州 350007)

0 引言

海底隧道火灾是其运营期需要防范的主要风险之一， 由于兼具地下工程、 水下工程和公路工程等多重属性， 对疏散提出了更高的要求. 在火灾发生后， 部分区域交通阻塞， 人员弃车逃生， 车辆疏散和人员疏散需要同时开展， 火灾进入人车混合疏散情景. 此时， 车内外人员均受到以CO为代表的有毒有害烟气影响， 此时的疏散不仅需要考虑车辆和人员疏散时间最短， 同时还要评估车内外人员烟气伤害是否超限， 否则应急过程将中止， 人员受到伤害甚至死亡. 在这种特殊的交通工程中， 如何开展火灾情景下的人车混合疏散已成为一个急需解决的问题.

针对区域人车混合疏散问题， Nathan 等[1]进行了岛屿区域海啸人员和车辆疏散策略选择模型的研究.

Chao等[2]进行车辆行人混合交通流仿真. 刘毅等[3]分析地铁空间受困人员疏散路径选择行为， 构建结构方程模型确定主要影响因素. 宗欣露[4]提出基于蚁群算法和粒子群算法的人车混合疏散模型， 应用于大型体育场及其周边路网集成环境， 讨论不同行人比例的人车混合疏散效果. 刘缅芳[5]讨论校园人车混合交通流的特征， 基于元胞自动机构建疏散模型.

通过上述研究成果分析可知， 现有的疏散模型主要考虑了常规区域及空间内人的行为、 网络节点、 网络流和危险分区等因素， 而考虑火灾混合疏散情景阶段动态变化的有毒有害物质影响(如CO、 烟气等)的研究鲜见. 鉴于此， 本文结合海底隧道应急特性， 以海底隧道路网应急资源容许和人员伤害阈值容许为约束条件， 基于动态情景信息构建人车疏散时间最短的人车混合疏散优化模型， 并设计改进蚁群算法(ant colony algorithm， ACA)进行求解. 仿真应用表明， 该模型能够实现人车疏散路径优化和避免CO吸入超限， 提升海底隧道火灾疏散效率， 降低人员伤害.

1 模型构建

在海底隧道火灾事故应急疏散过程中， 经过车辆疏散阶段， 在二次事故、 交通流突变、 局部交通控制失效等因素影响下， 部分区域车辆陷入拥堵， 人员弃车逃生， 进入“人车混合疏散”情景[6]. 在此过程中， 疏散路网可用度、 路径CO浓度、 路径拥堵程度、 疏散出口是否可用等情景要素信息动态变化， 必须系统考虑. 因此， 对于海底隧道火灾事故中的人车混合疏散情景下的疏散问题， 除了考虑车辆、 人员应急演变通用特征外， 还须考虑如何实现疏散过程时间最短， 满足疏散过程海底隧道路网应急资源容许度和人员伤害阈值等约束条件， 构建基于动态情景信息的人车混合疏散模型[4-5].

1.1 目标函数

基于情景演变过程分析， 海底隧道人车混合应急疏散是一个涉及到人员伤害、 疏散时间、 疏散路径等因素的复杂系统优化问题， 其总目标为疏散总体安全成本最小， 即在烟气不超限的前提下， 自由疏散车辆、 自由疏散人员整体疏散时间最短. 车辆疏散时间最短目标和人员疏散时间最短目标公式如下.

(1)

(2)

1.2 约束条件

在人车疏散过程中， 疏散分区随着情景演进拥堵状况动态变化， 此背景下的不同疏散方案均应考虑路径是否可用(处于非拥堵状态)， 且路径流量不可超过路网的承载能力， 才能保证疏散的持续进行. 通过路径长度和给定行人(车辆)疏散速度计算路径(i,j)的疏散时间和保证路径(i,j)实际行人(车辆)流量低于路径承载能力的约束条件[4, 7]如下式.

(3)

(4)

同时， 疏散情景过程要求所有疏散车辆内人员、 自由疏散人员的CO摄入量不超过阈值. 对所有摄入的烟气伤害不超限， 且在满足其他约束时最低， 则一方面确保人员伤害最低， 另一方面使疏散过程可继续[8]. CO摄入不超限的约束条件如下式.

(5)

式中：rij为路径上人员单位时间CO摄入量, cm3·(m3·s)-1；Rz基于美国工业卫生协会ACGIH的化学物质阈限值标准， 考虑疏散行为、 暴露时间等因素[9]， 按下式计算.

(6)

为满足人车疏散要求， 应对不同区域的车辆进行个性化诱导， 动态更新路网信息， 避开拥塞路段； 对不同区域的人员进行诱导， 充分运用人通和车通， 考虑不同拥塞程度对于疏散速度与时间的影响， 使车辆、 人员所选路线在约束条件下的总疏散成本最低.

2 模型求解

ACA具有鲁棒性好、 分布式计算、 收敛快等优点， 对多目标约束下的路径优化有很好的适应性和应用效果. 海底隧道人车混合疏散路径寻优过程与蚁群路径寻优过程有高度的相似性， 可根据海底隧道特点进行改进， 发挥其解决动态组合优化问题的优势. 基于ACA算法对启发式信息中的蚂蚁与出口的距离、 疏散过程中路径人车流量影响等因素进行改进， 可提高寻优效率与算法性能， 使其更符合模型特性， 更具针对性.

2.1 禁忌规则

在人车混合疏散过程中， 各节点间的连接由海底隧道的路网结构决定， 此时路网乃非复杂网络， 为避免仿真蚁寻径失败， 应设计新的禁忌规则. 同时， 在车辆疏散中， 由于部分区域拥塞， 蚂蚁应避开该部分路段与节点， 可用路网规模变小， 因此， 允许蚂蚁有限制地重复访问已访问节点.

2.2 启发式信息

考虑海底隧道的特殊结构， 在人车混合疏散过程中， 蚂蚁路径选择除需考虑疏散路径长度， 还需考虑路径CO浓度、 路径疏散流量、 蚂蚁与出口距离等要素[4, 10-11].

1) 蚂蚁与出口距离影响. 在人车混合疏散过程中， 人车的疏散出口主要包括隧道左线、 右线和服务隧道的出入口共6个， 为使蚂蚁能快速找到出口、 减少寻径不确定性， 将蚂蚁与第n个出口的距离引入启发式信息， 使蚂蚁的搜索更具方向性， 加快收敛过程.

2) CO浓度. 人车混合疏散阶段需分别考虑车辆内人员和步行疏散人员的CO浓度伤害情况， 计算车辆和人员在疏散过程的烟气伤害， 蚂蚁优先选择CO浓度低的路径， 减少伤害.

3) 路段长度及拥堵程度对于人、 车疏散效率的影响. 除考虑路径长度对路径选择的影响外， 同时考虑该路径拥堵程度对路径选择的影响. 路径(i,j)上第k个疏散个体的疏散时间与拥堵程度成正比， 即路段拥堵程度越高， 其疏散速度越低， 则疏散时间越长.

对于模拟车辆或行人的蚂蚁， 启发式信息均为：

(7)

式中：ηij为路径(i,j)上的启发式信息；k为疏散出口的个数；Dij为车辆、 行人在疏散路径(i,j)上的危险值；dk为车辆、 行人位置与出口k的距离.

2.3 转移规则

蚂蚁的节点转移概率按照下式计算.

(8)

对于分别代表疏散人员和车辆的蚂蚁， 确定Wk应分别考虑路径可用性， 在人车混合疏散阶段， 人通车辆无法通行， 且部分车通和车道已阻塞不可用， 代表车辆蚂蚁只能访问可用车行疏散网络节点； 对于代表自由疏散人员的蚂蚁， 人通和车通均可使用， 即可使用全部疏散路网[11-12].

2.4 信息更新策略

当蚂蚁k从节点i转移到节点j后， 路径(i,j)上的信息素增量按下式进行更新[7, 12]：

τij(t+1)=(1-ρ)τij(t)+Δτij(t)

(9)

(10)

3 人车混合疏散案例仿真

结合翔安海底隧道火灾案例， 应用人车混合疏散模型进行仿真. 翔安海底隧道是中国大陆地区第一条海底隧道， 长6.05 km， 双向6车道， 左右双行车通道并设有中间应急保障通道， 共设12处人行横通和5处车行横通， 横通间距300 m[13]. 基于隧道应急信息监控、 应急交通诱导和应急处置的需要， 建立较为完备的应急系统： 设置了国内最大断面的泡沫-水喷雾联用灭火系统， 在隧道左侧壁顶部以25 m为间隔设置自动喷淋设施， 与火灾探测器联动开启； 隧道右侧壁每隔50 m设置消防箱. 假设一辆客车在隧道中部62号消防箱处发生自燃， 当车辆疏散未完全达到预定目标， 则火灾演变至人车混合疏散情景， 2号车通堵塞， 车辆无法通行.

3.1 构建简化OD路网

根据翔安海底隧道的路网结构， 由左线、 右线、 应急保障通道、 人通、 车通和出口构建疏散网络. 为使模型运算方便， 将疏散网络简化为：

G=(V,E,f)

(11)

式中：V是由疏散起始点、 过程点和目标点构成的集合；E是疏散路径网络化的节点连接边；f是V×V上的映射.

根据隧道内监测数据， 获取各路径上的CO浓度、 拥塞程度、 流量等动态信息. 为简化函数计算， 构建简化交通起止点的路网(origin destination， OD). 其中， 人、 车辆出口共有6个， 即左线、 右线和应急通道的两端， 当发生局部拥塞或CO超限时， 可能导致部分出口不可用. 用数字表示海底隧道各节点， 用带圈数字表示各相邻节点形成的路段， 如图1所示.

图1 简化OD路网Fig.1 Simplified OD road network

3.2 模拟疏散

结合前人研究成果， 根据海底隧道特点， 设置蚁群参数[7-8, 14-15]：m=30，Ncmax=100，α=0.9，β=0.6，ρ=0.8. 设定车辆疏散速度vv=4.5 m·s-1， 人群疏散速度vp=1.8 m·s-1.

运用MATLAB9.5平台编制模型求解程序， 运算可得海底隧道其他各核心区域的人、 车疏散方案如图2、 表1所示.

图2 核心区域的疏散诱导路径图Fig.2 Evacuation guidance route of core region

表1 疏散路径信息表

3.3 结果分析

从图2和表1可看出， 疏散核心区域内人、 车诱导路径累计摄入值均在阈值范围内. 其中， 模拟人群的蚂蚁在路径计算时共避开了阈值超限路径共8 834次； 车辆疏散路径避开了拥塞的2号车通. 同时， 模拟车辆的蚂蚁在路径计算时共避开了阈值超限路径共829次. 与传统静态式的疏散方案相比， 不同区域上的车辆和人员并未全部选择就近出口， 也未同时选择同一出口， 避免了同一路径或同一出口的拥堵情景， 保证了人员的健康和疏散过程的有序进行.

将模型输出的核心区域疏散方案进行对比分析可知 ， 虽然区域间隔并非很大， 但由于路径长度、 路径上CO浓度和路径拥堵的约束， 对不同区域选取了不同的路径和出口， 保证了约束的有效性.

4 结语

1) 在海底隧道火灾人车疏散情景中， 结合海底隧道结构特点， 确定以车内外人员烟气不超限、 车流和人流不超路径容许载荷为约束条件， 构建疏散时间最短、 总疏散安全成本最低的优化模型.

2) 基于模型需求和海底隧道人车疏散情景要素， 对启发式信息中的蚂蚁与出口的距离、 疏散过程中路径人车流量影响等因素进行改进， 确定算法的其他规则要素， 提高寻优效率与算法性能.

3) 仿真算例结果在实现疏散时间最短的同时， 避开了阈值超限路径和车辆拥塞通道， 对不同区域选取了不同的路径和出口， 避免人员烟气伤害超限， 使疏散过程有序进行.

4) 人车混合疏散应急决策过程中， 疏散路径优化除文中的影响因素外， 还需考虑应急指令传递、 接收和执行等因素， 后续研究将纳入这些因素.