Мультиагентное моделирование процессов эвакуации с аварийного судна в штормовых условиях тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат наук Балахонцева Марина Андреевна

• Балахонцева Марина Андреевна
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Балахонцева Марина Андреевна

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИТИЧЕСКИЙ ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ

1.1 Морские катастрофы и проблемы эвакуации пассажиров с судна

1.2 Математическое моделирование социальных систем

1.3 Технологии мультиагентного моделирования

1.4 Моделирование эвакуации с аварийного судна

1.5 Выводы к главе

ГЛАВА 2. МЕТОД МОДЕЛИРОВАНИЯ ЭВАКУАЦИИ С СУДНА, НАХОДЯЩЕГОСЯ В

ШТОРМОВЫХ УСЛОВИЯХ

2.1 Общая постановка задачи мультиагентного моделирования эвакуации с судна в

штормовых условиях

2.2. Метод моделирования движения агентов на качающейся поверхности

2.3 Выбор и адаптация метода моделирования качки судна для определения сил, действующих на движущихся агентов

2.4 Идентификация и валидация метода моделирования движения агентов в условиях качки

2.5 Выводы по главе

ГЛАВА 3. РАЗРАБОТКА ПРОГРАММНОЙ СИСТЕМЫ МОДЕЛИРОВАНИЯ ЭВАКУАЦИИ С АВАРИЙНОГО СУДНА

3.1 Алгоритм и архитектура программной системы

3.2 Стенд для выполнения экспериментальных расчетов на основе платформы CLAVIRE

3.3 Модуль визуализации процессов эвакуации с аварийного судна

3.5 Выводы по главе

ГЛАВА 4. ВЫЧИСЛИТЕЛЬНЫЙ ЭКСПЕРИМЕНТ ПО ИССЛЕДОВАНИЮ ПРОЦЕССОВ ЭВАКУАЦИИ С АВАРИЙНОГО СУДНА

4.1 Исследование влияния эффекта «конкуренции» физических и социальных сил на характеристики процесса эвакуации

4.2 Исследование влияния скорости и курсового угла на время эвакуации с аварийного судна

4.3 Исследование процессов эвакуации с поврежденного судна при наличии статического крена

4.4 О применимости разработанного метода в бортовых системах обеспечения безопасности мореплавания и для обучения судоводителей действиям в экстремальных ситуациях

4.5 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Введение диссертации (часть автореферата) на тему «Мультиагентное моделирование процессов эвакуации с аварийного судна в штормовых условиях»

ВВЕДЕНИЕ

Эксплуатация судов и объектов океанотехники происходит в агрессивной морской среде, что в ряде случаев приводит к катастрофическим ситуациям, угрожающим жизни и здоровью людей. Особенно критичны катастрофы современных пассажирских судов (например, «Адмирал Нахимов», «Булгария», «Эстония», «Коста-Конкордия» и др.), на которых одновременно может находиться несколько тысяч пассажиров. Основная причина человеческих жертв - внезапность возникновения аварийной ситуации, приводящей к стремительному развитию катастрофы. При этом большинство пассажиров, как правило, не готовы к действиям в экстремальных ситуациях. Как следствие, снижению потерь должны способствовать оперативные действия экипажа по борьбе за живучесть судна и по организации экстренной эвакуации пассажиров.

Вопросы эвакуации пассажиров регламентируются Международной Морской организацией (1МО); которая предложила методику определения оптимального времени эвакуации и скорости передвижения пассажиров в зависимости от пола, возраста и геометрии пространства (трапы вверх и вниз, коридор). Однако поскольку современные пассажирские суда являются сложными инженерными объектами массового использования и существенно различаются в части организации внутреннего пространства, в общем виде процессы эвакуации пассажиров могут быть изучены только средствами математического моделирования.

Математическое моделирование процессов эвакуации традиционно выполняется для различных объектов и сооружений с использованием разнообразного математического аппарата: от методов, построенных на гидродинамической аналогии, - до клеточных автоматов и интеллектуальных агентов. Вследствие специфики организации пространства на морских объектах (судах, средствах океанотехники и пр.) для моделирования процессов эвакуации чаще всего используется мультиагентный подход, интерпретирующий сам объект как среду с переменными параметрами (креном и дифферентом), влияющими на процесс движения агентов. При этом основное внимание уделяется модели самой социальной системы - движению взаимодействующих групп людей в сложной пространственной геометрии внутренних помещений судна.

Подавляющее большинство исследований в области моделировании эвакуации с аварийных судов имеют статическую постановку (крен и дифферент фиксированы или меняются достаточно медленно). Это соответствует, например, ситуациям, когда судно

находится на мели или эвакуация происходит в хороших погодных условиях по внутренним причинам (например, пожар). Однако, по статистике, более 70 % морских катастроф возникают в условиях штормовой погоды, потому в этой ситуации очевидна необходимость учета влияния качки судна на движение пассажиров и членов экипажа в процессе эвакуации.

Традиционный подход к учету влияния качки на движение человека за счет изменения углов наклона палубы имеет ограниченную применимость. Это связано с тем, что существенную роль в условиях резкой штормовой качки начинают играть локальные ускорения. Однако на основе кинематических моделей движения агентов не представляется возможным учесть эти эффекты. Как следствие, требуется развитие нового математического аппарата мультиагентного моделирования, основанного на динамическом описании движения агентов.

В основе такого подхода может лежать предложенная D. Helbing феноменологическая модель на основе т.н. социальных сил (social force, SF). Однако социальные силы являются, по сути, виртуальными и не могут использоваться напрямую для учета динамических изменений характеристик среды движения агентов. Потому в данной диссертации впервые предложен метод моделирования движения агентов на подвижной поверхности, который позволяет учитывать не только наклон поверхности движения, но и локальные ускорения, действующие на агентов. На его основе разработан высокореалистичный метод имитационного моделирования процессов эвакуации, учитывающий эффекты движения толпы, связанные с сохранением человеком равновесия в условиях сильной качки (включая движение при меняющемся ускорении, падение, сохранение равновесия за счет неподвижных предметов и пр.). Для этого уравнения метода на основе SF дополнены новыми членами, учитывающими влияние локальных ускорений качки, падение и проскальзывание человека, а также особенности его поведения при потере равновесия.

Предложен метод идентификации такой модели на основе обобщенных экспериментальных данных, который позволяет унифицировать масштабы представления физических и социальных сил в уравнениях движения. Разработана программа мультиагентного моделирования эвакуации с качающегося судна, реализующая данный метод. Для выполнения численных экспериментов разработан экспериментальный стенд на основе облачной платформы CLAVIRE, интегрирующий в себе различные модели динамики внешней среды (морского волнения), качки судна и процессов эвакуации. Проведены оценки вычислительной эффективности программной реализации метода при

различных вариантах настройки, а также выполнены численные эксперименты, позволяющие исследовать особенности организации эвакуации с качающегося судна в различных условиях, встречающихся в реальной морской практике.

Глава 1. Аналитический обзор предметной области

В данной главе обосновывается выбор направления исследований, связанных с развитием аппарата математического моделирования процессов эвакуации с аварийного судна. Рассматриваются причины морских катастроф и меры противодействия им, включая снижение риска человеческих потерь, в том числе при эвакуации с больших пассажирских судов. Обсуждаются методы моделирования динамики социальных систем (таких как поведение толп людей в экстремальных ситуациях). Рассматриваются методы и технологии мультиагентного (МА) моделирования. Анализируются аналогичные исследования, связанные с моделированием процессов эвакуации с аварийных судов, на основе анализа формулируется постановка задачи.

1.1 Морские катастрофы и проблемы эвакуации пассажиров с судна

Чрезвычайные ситуации на море могут возникать как вследствие каких-либо природных катаклизмов (например, экстремальных штормов), так и вследствие человеческих ошибок и технических неполадок на судне. Уровень аварийности судов под российским флагом в период с 2000 по 2010 год увеличился в четыре раза [Скороходов, 2010]. Наиболее распространенными причинами возникновения аварийных ситуаций являются ошибки в навигации, приводящие к столкновениям и/или посадке судна на мель [Сидоренко, 1990; Топалов, 1998, 1999, Кричевский 1990]. При этом существенное влияние на безопасность мореплавания оказывает морское волнение. Согласно [Нечаев, 2014], 72 % опрокидываний судов происходит в штормовых условиях, 14 % - при умеренном волнении и только 14 % - на тихой воде. Во всех случаях это ведет не только к гибели судов, грузов, а зачастую и к гибели людей и серьезному загрязнению окружающей среды. Это подтверждается выводами работы [Нечаев, Петров, 2014], откуда следует, что, несмотря на постоянное совершенствование навигационного оборудования и обеспечения, влияние погодных условий является подавляющим. При этом чаще всего чрезвычайные ситуации возникают на промысловом флоте, а реже - на пассажирских судах. Вместе с тем пассажирские суда, безусловно, лидируют по объему ущерба жизни и здоровью людей [Габрильянц, 2005; Абрамов, 2012]. Примером могут стать катастрофы

лайнеров «Титаник», «Андреа Дориа», парохода «Адмирал Нахимов», паромов «Хевелиуш», «Эстония» и многих других. В последние несколько десятилетий в связи с растущей популярностью пассажирских круизных линий данная проблема становится все более актуальной. По оценкам [Яю^, 2006; Tezdogan, 2014], ежегодно во всем мире около 10 млн людей путешествуют более чем на 230 круизных судах. Ключевой задачей проектировщиков и архитекторов морских пассажирских судов является обеспечение комфортного и безопасного пребывания человека на борту.

Можно выделить три основные группы задач, на решение которых направлены исследования в области обеспечения безопасности мореплавания.

1) Как не допустить наступления опасной (аварийной) ситуации (см., например, [Нечаев, 2002]).

2) Как предотвратить развитие аварийной ситуации (см., например, [Шауб, 2013]).

3) Как минимизировать потери (в том числе, человеческие) при неконтролируемом развитии аварийной ситуации (см., например [Альмаров, 2011]).

Последняя группа исследований наиболее актуальна в связи с необходимостью обеспечения безопасности пассажиров морских судов. При этом важным аспектом является организация своевременной и безопасной эвакуации с аварийного судна.

Эвакуация может выполняться при различных аварийных ситуациях, не обязательно связанных с затоплением. Например, причиной эвакуации может стать пожар или задымление на судне, а также неспособность судна выполнять свою транспортную функцию (отказ энергетических установок, посадка на мель). Результат эвакуации с аварийного судна зависит от широкого спектра характеристик: от подготовленности экипажа и характеристик безопасности самого судна (расположение аварийных выходов, шлюпок и т.д.) до индивидуальных характеристик поведения пассажиров (реакция на возникновение чрезвычайной ситуации). При этом принципиальна организация самого процесса управления эвакуацией (учитывая слабую подготовленность большинства пассажиров). Эта область плохо обеспечена технологией принятия управленческих решений, учитывающей психологическое состояние человека, особенно в экстремальных ситуациях [Холдинг, 1991]. Существующая «бумажная» документация обеспечивает лишь априорные статические решения и не позволяет гибко управлять процессом эвакуации при изменении внешних условий. Такие средства достаточны для обеспечения эвакуации хорошо тренированных флотских экипажей, обученных поведению в аварийных ситуациях и ведению борьбы за живучесть. Однако для пассажиров круизных судов, учитывая наличие детей, людей преклонного возраста и других категорий лиц с

ограниченной дееспособностью, использования статических рекомендаций явно недостаточно. Для усовершенствования базы быстрого принятия решений в аварийных ситуациях на судах IMO [IMO Guidelines, 2007] рекомендовала создание специализированных систем поддержки принятия решений (СППР), которые интегрируют результаты исследований по обеспечению безопасности мореплавания. Круг требования к СППР такого рода достаточно широк, в частности, к ним можно отнести [Скороходов, 2010]:

- определение угроз безопасности мореплавания;

- оценка уязвимости объектов инфраструктуры мореплавания;

- разработка и реализация мер в области обеспечения безопасности мореплавания;

- подготовка соответствующих специалистов;

- осуществление контроля и надзора в области обеспечения безопасности мореплавания;

- разработка и реализация требований безопасности мореплавания;

- информационное, материально-техническое и научно-техническое обеспечение безопасности мореплавания.

Следует отметить, что многие из перечисленных направлений целесообразно рассматривать уже на этапе проектирования судов или нормирования их условий эксплуатации (например, в рамках соответствующих правил Морского регистра судоходства). Информационная поддержка этого процесса сводится к возможности выполнения расчетов характеристик аварийного судна и связанных с ним процессов обеспечения безопасности (включая эвакуацию) для различных типовых сценариев [Бухановский, 2012]. Вместе с тем на практике реализация требований по безопасности малоэффективна без использования бортовых СППР обеспечения безопасности мореплавания [Нечаев, 2002, 2011; Безгодов, 2013]. Такие системы обеспечивают информационную поддержку судоводителей при принятии решений, а также предупреждение о возможности возникновения опасной ситуации. Контроль и прогноз чрезвычайных ситуаций в бортовых системах такого класса реализуется в режиме реального времени на основе данных измерений и структурированной базы знаний. При этом в ряде случаев использования статических баз знаний недостаточно, требуются специальные методы усиления информационной поддержки за счет интерактивного компьютерного моделирования [Нечаев, 2012; Varela, 2014], позволяющего изучить

различные сценарии развития аварийной ситуации и выбрать эффективные способы противодействия и снижения соответствующих рисков.

Таким образом, практическая реализация методов моделирования эвакуации с аварийного судна в экстремальных условиях эксплуатации востребована как в системах обеспечения исследовательского проектирования [Бухановский, Нечаев, 2012], так и в бортовых СППР. Эта задача является междисциплинарной, поскольку требует совмещения классических методов и моделей теории корабля (в части управляемости, мореходности и непотопляемости) с моделями социальных вычислений (social computing) - моделирования поведения групп людей в экстремальных ситуациях. Следовательно, в логике данной работы аварийное судно рассматривается не как техническая, а как социотехническая система, что требует создания для ее изучения специальных математических моделей, численных методов и комплексов прикладных программ.

1.2 Математическое моделирование социальных систем

Моделирование социальных и социотехнических систем является относительно новой областью знания. В 1999 г. Гилберт и Тройтщ [Gilbert, 2000] определили три периода в развитии социального моделирования на протяжении второй половины ХХ века: макромоделирование, микромоделирование и агентно-ориентированное моделирование.

История развития методов моделирования социальных систем. В первой волне инноваций 1960-х гг. компьютеры использовались для моделирования процессов управления и обратных связей в масштабах отдельных организаций, различных отраслей промышленности, а также городов и мирового населения. Макромодели состоят из набора различных уравнений, которые прогнозируют распределение генеральной совокупности как глобальную функцию других систематических факторов. Приложения, разработанные в это время, обеспечивали моделирование потока сырья на фабриках, контроль инвентаризация на складе, городского движения, миграций, распространения заболеваний, демографических изменений и экологических пределов роста [Macy, 2002].

В начале 1970-х гг. в качестве единиц анализа стали рассматриваться отдельные индивидуумы (люди), но при этом особое внимание по-прежнему уделялось эмпирическому прогнозу на макроуровне. Автор статьи [Caldwell, 1997] указывает на то, что микромоделирование - это восходящая стратегия моделирования поведения взаимодействующих лиц, принимающих решения (ЛПР), в пределах большой системы.

Такая стратегия моделирования использует данные репрезентативных выборок ЛПР вместе с уравнениями и алгоритмами, описывающими поведенческий процесс, для моделирования эволюции во времени каждого ЛПР и, следовательно, всей популяции. Однако такие модели не позволяют индивидуумам взаимодействовать друг с другом непосредственно и приспосабливаться к окружающей среде. Чаще всего они используются для базовых теоретических исследований, главным образом для прогнозирования макроэффектов, которые изменяют индивидуальное поведение [Macy, 2002]. В 1970 г. Хендерсон [Henderson, 1974] успешно сравнил измерения пешеходного потока с уравнениями Новье-Стокса. Такой подход был усовершенствован и реализован Хелбингом в рамках газокинетической модели движения пешеходов лишь в 1990 г. [Helbing, 1995]. Эта модель тесно связана с некоторыми газокинетическими и гидродинамическими моделями трафика. В настоящий момент модели общественных сил/факторов (social force model) для динамики передвижения пешеходов широко применяются в гибридных социальных моделях городских систем [Gilbert, 2000].

Третья волна в социальном моделировании совпала с появлением персональных компьютеров в 1980-х гг. Как и в микромоделировании, агентные модели являются восходящими и позволяют исследовать микроэлементы в глобальных структурах. Но, в отличие от изолированных акторов, в микроаналитических моделях, агенты могут свободно взаимодействовать друг с другом. Такие системы обычно включают некоторое число агентов, общающихся через сообщения, которые передаются в рамках определенной среды. Все агенты и среда представлены в виде компьютерной программы. Концепция агентно-ориентированного подхода была предложена в 1990 г. Шохемом и получила широкое распространение как в моделировании в целом, так и в моделировании социальных систем - в частности [Gilbert, 2000].

Применение мультиагентных систем (МАС) начинается с построения таких приложений, как DVMT (Distributed Vehicle Monitoring Test) [Lesser, 1983]. Система распознает события дорожного движения, а агенты в ней, отслеживая положение автомобилей на основе избыточной, противоречивой и зашумленной информации, снимаемой с датчиков, должны выработать согласованную точку зрения на конкретную ситуацию. С середины 1990-х гг. мультиагентные системы стали использоваться для решения множества коммерческих и технологических задач, например, для оптимизации сети поставщиков и логистики; моделирования потребительского поведения (социальные сети); распределенных вычислений; менеджмента трудовых ресурсов; управления транспортом; управления инвестиционными портфелями [Drogoul, 1994].

Необходимость использования методов моделирования социальных систем определяется тем, что непосредственно исследовать многие объекты и взаимодействия между ними в таких системах полностью невозможно или требуются большие ресурсы. Кроме того, в ряде случаев (пример - эвакуация с аварийного судна) проведение пассивного эксперимента невозможно, а активного - предельно затруднено (и связано, в том числе, с этическими вопросами).

Современные задачи моделирования социальных систем. Согласно источникам [Helbing, 2011; Macy, 2002], моделирование социальных систем призвано решать следующие задачи в различных областях знаний.

1) Экономические задачи: средствами крупномасштабного агентного моделирования необходимо разработать т.н. «Обсерваторию финансового кризиса» - обширную систему наблюдения, анализа и прогнозирования финансовых кризисов, решения проблем экономической нестабильности (государственные долги, налогообложение, инфляция, динамика потребления и инвестиций...).

2) Задачи здравоохранения общества: создание сети по сбору данных о состоянии здоровья населения, а также организация и т.н. «обсерватории рисков для здоровья», для того чтобы отслеживать, моделировать и предсказывать распространение заболеваний; а также строить планы на случай непредвиденных обстоятельств.

3) Задачи экологии: разработка удобных в использовании инструментов информационно-коммуникационных технологий для реалистичного моделирования динамики комплексных систем и создание новых систем мотивации для рационального использования ресурсов окружающей среды (транспортная подвижность, привычки потребления, рациональное использование энергии, участие в цикле переработки, защита окружающей среды.).

4) Задачи социологии: изучение групповой динамики средствами веб-лабораторий и веб-экспериментов и интеллектуального анализа социальных данных (коллективное социальное поведение и динамика мнений); понимание основ, корней возникновения конфликтов, для того чтобы избегать или смягчать возникающие конфликтные ситуации (организованная преступность, терроризм, массовые беспорядки, конфликты, войны.).

5) Задачи кибернетики: использование анализа сетей, построение конфиденциальной надежной критической инфраструктуры, в частности, информационных систем

(киберриски, злоупотребление конфиденциальными данными, шпионаж, нарушение неприкосновенности частной жизни).

6) Политические задачи: разработка механизмов координации и синхронизации, а также новых парадигм для управления сложностью (manage complexity) и соблюдения баланса власти в мультиполярном мире (между разными странами и экономическими центрами, между индивидуальными и коллективными правами, между различными коалиции и т.д.); использование т.н. электронного правительства; социальное, экономическое и политическое участие граждан.

7) Задачи демографии: создание поддержки систем информационно-коммуникационных технологий для поддержки людей в различных жизненных ситуациях.

При моделировании социальных процессов следует учитывать два подхода к построению модели: с точки зрения "восходящей" (bottom up) и "нисходящей" (top-down) моделей. В восходящей модели идут от индивидуального взаимодействия к групповому, что, в свою очередь, ведет к модели общества в целом. А в нисходящем случае, наоборот, от модели общества в целом "спускаются" к моделям группового и индивидуального взаимодействия [Manley, 2014].

Моделирование передвижения людей: динамика пешеходов в толпе. Использование математического моделирования для изучения поведения толпы началось сравнительно недавно, в начале XXI века. В работе [Helbing, 2000] с помощью агентного моделирования воспроизводятся такие явления, как образование пробок, вовлечение новых людей в панику с учетом наблюдений в реальных условиях. При математическом моделировании ситуаций, в которых активно взаимодействуют люди, возникает задача точного математического описания поведения отдельно взятого человека, действия которого определяются множеством факторов (рациональных и иррациональных). Однако поведение большой группы людей в обычной, не экстренной, ситуации поддается предсказанию и вполне точно описывается вероятностными подходами. Здесь работает закон больших чисел: даже если один человек по каким-то причинам решит действовать нетривиально, его действия мало повлияют на движение группы в целом [Кирик, 2008].

В работе [Zou, 2012] толпа моделируется на основе «восходящего» подхода. Это значит, что каждый агент может быть в индивидуальном порядке наделен рядом характеристик, таких как пол, возраст, телосложение, особенности здоровья и язык телодвижений, а для толпы в целом принимаются во внимание коллективные эмоции (спокойствие, волнение, паника). В соответствии с этими параметрами агенты оценивают

информацию и ведут себя по-разному. Каждая «личность» может быть запрограммирована на действия в определенном ключе. Из тысяч «личностей» создается искусственный «город», для которого проверяются различные теории действий толпы.

Реализация возможности предсказания и прогнозирования поведения людей в экстренных ситуациях является сложной задачей и необходимым условием для моделирования социальных систем. В последние годы было предложено несколько подходов к моделированию поведения человека в условиях экстренной эвакуации. В статье [Helbing, 2000] предложен подход к моделированию паники и определению возможностей ее предотвращения. Этот подход является непрерывным, в нем используется система из N индивидуумов, описывающая их передвижение с помощью дифференциальных уравнений (второй закон Ньютона), учитываются масса и скорость отдельного индивидуума.

В моделировании экстренных ситуаций также используется дискретный подход, который предполагает дискретизацию пространства и унификацию физических параметров вовлеченных в движение людей [Кирик, 2008]. Одна из реализаций такого подхода представлена в работе [Ghasem-Aghaee, 2007] здесь рассматривается гибридная модель эвакуации людей пожаре. Гибридность заключается в том, что авторы попытались реализовать два уровня моделирования: пешеходы и окружающая среда. Моделирование окружающей среды осуществлялось при помощи методов клеточных автоматов для описания пространственной конфигурации и модели процессов распространения дыма и огня. Для моделирования движения пешеходов использовалась концепция интеллектуальных агентов, которая описывает когнитивные процессы индивидуальных агентов и их взаимодействия в конкретной среде. Через взаимодействие и скоординированное развитие этих уровней возможно получить модель, способную воспроизводить (simulating) внутреннюю, закрытую, среду с конечным числом агентов, которые должны быть эвакуированы из-за угрозы огня или задымления.

Модели, учитывающие индивидуальное поведение. Для построения реалистичных моделей поведения человека необходимо учитывать не только «механистические» действия, но и особенности его поведения с учетом традиций и социальных условий. Одной из первых разработанных моделей поведения человека является Sugarspace [Farias, 2010], в которой каждый индивидуальный агент подчиняется простым локальным правилам, регулирующим его движения, поведение, взаимодействия со средой, а также распространение информации. Все эти правила могут быть активны одновременно. Когда первоначальная популяция таких агентов инициализирована в

искусственной среде, в которой и с которой они взаимодействуют, возникает ряд проблем, охватывающих сферы демографии, экономики, культурной адаптации, генетической эволюции, столкновения, эффекты окружающей среды и эпидемиологию

Модели поведения человека (Human Behavior Models) все чаще используются в различных задачах моделирования социотехнических систем. Например, существует несколько моделей и архитектур систем военного назначения (в которых поведение является ключевым контролируемым аспектом): SAMPLE (Situation Awareness Model for Person-in-the-Loop Evacuation), SCALE-UP (Social and Culture Analysis and Learning Environmental for Urban Pre- and Post- Conflict Operations) [Padgham, 2011], COGNET/iGEN (модель, разработанная на основе CFG-COGNET) [Silverman, 2006]. В статье [Padgham, 2011] представлен фреймворк на основе SCALE-UP, в рамках которого разработан пятиуровневый язык описания поведения. Данный фреймворк обеспечивает повышение эффективности воздействия сил и средств в сочетании со средой обучения и анализа для исследования социальных и культурных взаимодействий, относящихся к пред- и постконфликтным операциям в городской среде.

Список литературы диссертационного исследования кандидат наук Балахонцева Марина Андреевна, 2015 год

Список использованных источников

1. Azzi C. et al. Evacuation simulation of shipboard fire scenarios // Fire and Evacuation Modeling Technical Conf., 2011 [Электронный ресурс] <http: //www.researchgate.net/publication/253650856>.

2. Bae I. H. An ontology-based approach to ADL recognition in smart homes //Future Generation Computer Systems. 2014. Vol. 33. P. 32-41.

3. Belenky V.L., Degtyarev A.B., Boukhanovsky A.V. Probabilistic qualities of nonlinear stochastic rolling // Ocean Engineering. 1998. Vol. 25, № 1. P. 1-25.

4. Bellifemine F., Poggi A., Rimassa G. JADE-A FIPA-compliant agent framework //Proceedings of PAAM. 1999. Vol. 99. P. 97-108.

5. Boer L. C., Bles W. Evacuation form ships: account for ship motion //Second World Congress on Safety of Transportation: Imbalance between Growth and Safety? 1999.

6. Boukhanovsky A.V., Guedes Soares C. Modelling of multipeaked directional wave spectra // Applied Ocean Research. 2009. Vol. 31. P. 132-141.

7. Burkhart R., Langton C., Askenazi M. The swarm simulation system: A toolkit for building multi-agent simulations. Santa Fe: Santa Fe Institute, 1996.

8. Burton M. D. et al. Frequency dependence of human response to wind-induced building motion // Journal of structural engineering. 2006. Vol.132, № 2. P. 296-303.

9. Caldwell S. B. Dynamic Microsimulation and the Corsim 3.0 Model. Ithaca, NY: Strategic Forecasting. 1997.

10. Cioffi-Revilla C., Rouleau M. MASON RebeLand: An Agent-Based Model of Politics, Environment, and Insurgency1 //International Studies Review. 2010. Vol. 12, № 1. P. 31-52.

11. Colwell J. L. Human factors in the naval environment: a review of motion sickness and biodynamic problems. Defence research establishment. Atlantic Dartmouth (Nova Scotia), 1989. № DREA-TM-89/220.

12. Crossland P. et al. Motion-induced interruptions aboard ship: Model development and application to ship design //Occupational Ergonomics. 2007. Vol. 7, № 3. P. 183.

13. Crossland P., Rich K. Validating a model of the effects of ship motion on postural stability // Intern. Conf. of Environmental Ergonomics. 1998. Vol. 77. P. 385-388.

14. Drogoul A., Ferber J. Multi-agent simulation as a tool for modeling societies: Application to social differentiation in ant colonies //Artificial Social Systems. Springer Berlin Heidelberg, 1994. P. 2-23.

15. Duives D. C., Daamen W., Hoogendoorn S. P. State-of-the-art crowd motion simulation models //Transportation research part C: emerging technologies. 2013. Vol. 37. P. 193209.

16. Duncan C. A. et al. Effect of simulated vessel motions on thoracolumbar and centre of pressure kinematics // Occupational Ergonomics. 2007. Vol. 7, № 4. P. 265.

17. El-Nasr M. S., Yen J., Ioerger T. R. Flame-fuzzy logic adaptive model of emotions //Autonomous Agents and Multi-agent systems. 2000. Vol. 3, № 3. P. 219-257.

18. Farias G. P., Dimuro G. P., da Rocha Costa A. C. BDI Agents with Fuzzy Perception for Simulating Decision Making in Environments with Imperfect Information // MALLOW. 2010.

19. Fonseca N., Guedes Soares C. Comparison of numerical and experimental results of nonlinear wave-induced vertical ship motions and loads // Journal of Marine Science and Technology. 2002. Vol. 6, № 4. P. 193-204.

20. Galea E. R., Gwynne S. Estimating the flow rate capacity of an overturned rail carriage end exit in the presence of smoke //Fire and materials. 2000. Vol. 24, № 6. P. 291-302.

21. Ghasem-Aghaee N., Oren T. I. Cognitive complexity and dynamic personality in agent simulation //Computers in Human Behavior. 2007. Vol. 23, № 6. P. 2983-2997.

22. Gilbert N., Terna P. How to build and use agent-based models in social science //Mind & Society. 2000. Vol. 1, № 1. P. 57-72.

23. Ginnis A. I. et al. VELOS-A VR environment for ship applications: current status and planned extensions // Virtual Realities. Springer International Publishing, 2015. P. 33-55.

24. Graham R. Motion-Induced Interruptions as Ship Operability Criteria //Naval Engineers Journal. 1990. Vol.102, № 2. P. 65-71.

25. Gwynne S. et al. Analysing the evacuation procedures employed on a Thames passenger boat using the maritime EXODUS evacuation model // Fire Technology. 2003. Vol. 39, N 3. P. 225-246.

26. Helbing D., Farkas I., Vicsek T. Simulating dynamical features of escape panic // Nature. 2000. Vol. 407, № 6803. P. 487-490.

27. Helbing D., Molnar P. Social force model for pedestrian dynamics //Phys. rev. E. 1995. Vol. 51, № 5. P. 4282.

28

29

30

31

32

33

34

35

36

37

38

39

40

41

Henderson L. F. On the fluid mechanics of human crowd motion //Transportation research. 1974. Vol. 8, № 6. P. 509-515.

Karbovskii V. et al. Multiscale Agent-based Simulation in Large City Areas: Emergency Evacuation use Case // Procedia Computer Science. 2015. Vol. 51. P. 2367-2376. Katuhara M. et al. Simulation of human escape on board-I //Journal of Japan Institute of Navigation. 1997. Vol. 96. P. 283-293.

Kim H. et al. Establishing the methodologies for human evacuation simulation in marine accidents //Computers & Industrial Engineering. 2004. Vol. 46, № 4. P. 725-740. Kim H., Park J. H., Lee D. An experimental analysis on the mobility of evacuating passengers in ship with regard to listing and motion // Journal of Ship and Ocean Engineering. 2003. Vol. 35. P. 125-138.

Kivimaa S. et al. Ship motions, vibration and noise influence on crew performance and well-being studies in FAROS project //Transport Research Arena Conference TRA. 2014. Koss L. L., Moore A., Porteous B. Human mobility data for movement on ships // Proc. of Intern. Conf. on Fire at Sea. 1997. № 19.

Kostas K. V. et al. Motions Effect for Crowd Modeling Aboard Ships // Pedestrian and Evacuation Dynamics 2012. Springer International Publishing, 2014. P. 825-833. Lesser V. R., Corkill D. G. The distributed vehicle monitoring testbed: A tool for investigating distributed problem solving networks // AI magazine. 1983. Vol. 4, № 3. P. 15.

Macy M. W., Willer R. From factors to actors: Computational sociology and agent-based modeling //Annual review of sociology. 2002. Vol. 28, № 1. P. 143-166. Manley E. et al. A framework for simulating large-scale complex urban traffic dynamics through hybrid agent-based modelling //Computers, Environment and Urban Systems. 2014. Vol. 44. P. 27-36.

Matthews J. D. et al. Effects of moving environments on the physical demands of heavy materials handling operators //Intern. J. of Industrial Ergonomics. 2007. Vol. 37, № 1. P. 43-50.

Meyer-König T., Klüpfel H., Schreckenberg M. Assessment and analysis of evacuation processes on passenger ships by microscopic simulation // Schreckenberg and Sharma. 2002. P. 297-302.

Meyer-König T., Valanto P., Povel D. Implementing ship motion in AENEAS-model development and first results // Pedestrian and evacuation dynamics 2005. Berlin, Heidelberg: Springer, 2007. P. 429-441.

42

43

44

45

46

47

48

49

50

51

52

53

54

55

Moss S. Alternative approaches to the empirical validation of agent-based models //Journal of Artificial Societies and Social Simulation. 2008. Vol. 11, № 1. P. 5. Oren T. I., Ghasem-Aghaee N. Personality representation processable in fuzzy logic for human behavior simulation //Summer Computer Simulation Conf. Society for Computer Simulation International; 1998, 2003. P. 11-18.

Padgham L. et al. Integrating BDI reasoning into agent based modeling and simulation // Proc. of the Winter Simulation Conf. 2011. P. 345-356.

Pan X. et al. A multi-agent based framework for the simulation of human and social behaviors during emergency evacuations // Ai & Society. 2007. Vol. 22, N 2. P. 113-132. Papanikolaou A. et al. GOALDS - goal based damage ship stability and safety standards //Accident Analysis & Prevention. 2013. Vol. 60. P. 353-365.

Pelechano N., Malkawi A. Evacuation simulation models: Challenges in modeling high rise building evacuation with cellular automata approaches // Automation in construction. 2008. Vol. 17, N 4. P. 377-385.

Pennycott A., Hif Y. Evacuability of a Flooded Passenger Ship // 5th Intern. Maritime Conf. on Design for safety and 4th Workshop on Risk-based approaches in the marine industries, 2013.

Rawson K. J. Basic ship theory. Butterworth-Heinemann, 2001. Vol. 1.

Riola J. M., de Arboleya M. G. Habitability and personal space in seakeeping behaviour //

J. of Maritime Research. 2006. Vol. 3, № 1. P. 41-54.

Roozmand O. et al. Agent-based modeling of consumer decision making process based on power distance and personality //Knowledge-Based Systems. 2011. Vol. 24, № 7. P. 1075-1095.

Rutgersson O., Tsychkova E. Safety management of the mustering and evacuation of damage passenger ships - MEPdesign on the development of a tool box // Proc. of Conf. on Learning from Marine Incidents, RINA. 1999.

Sabeur E., Denis G. Human behavior and social network simulation: Fuzzy sets/logic and agents-based approach //Proc. of the 2007 spring simulation multiconference. Vol. 2. Society for Computer Simulation International. 2007. P. 102-109.

Samet H. Neighbor finding techniques for images represented by quadtrees // Comput. Graph. Image Process. Elsevier, 1982. Vol. 18, № 1. P. 37-57.

Samet H., Webber R.E. Storing a Collection of Polygons Using Quadtrees. 1985. Vol. 4, № 3. P. 182-222.

56

57

58

59

60

61

62

63

64

65

66

67

68

69

SCOOP (Scalable COncurrent Operations in Python) [Электронный ресурс] < http://scoop.readthedocs. org/en/0.7/>.

Shigunov V. et al. On the Consideration of Lateral Accelerations in Ship Design Rules //

Proc. 12th Intern. Ship Stability Workshop. Washington, USA. 2011.

Silverman B. G. et al. Interoperable human behavior models for simulations. 2006.

Taillandier P. et al. GAMA: a simulation platform that integrates geographical

information data, agent-based modeling and multi-scale control //Principles and Practice

of Multi-Agent Systems. -Berlin, Heidelberg: Springer, 2012. P. 242-258.

Tenney Y. J., Pew R. W. Situation awareness catches on: what? so what? now what?

//Reviews of human factors and ergonomics. 2006. Vol. 2, № 1. P. 1-34.

Tezdogan T., Incecik A., Turan O. Operability assessment of high speed passenger ships

based on human comfort criteria // Ocean Engineering. 2014. Vol. 89. P. 32-52.

Tisue S., Wilensky U. Netlogo: A simple environment for modeling complexity // Intern.

conf. on complex systems. 2004. P. 16-21.

Van den Berg J., Lin M., Manocha D. Reciprocal velocity obstacles for real-time multiagent navigation // Robotics and Automation, 2008. ICRA 2008. IEEE Intern. Conf. 2008. Р.1928-1935.

Varela J. M., Rodrigues J. M., Soares C. G. On-board decision support system for ship flooding emergency response // Procedia Computer Science. 2014. Vol. 29. Р. 16881700.

Venuti F., Bruno L., Bellomo N. Crowd dynamics on a moving platform: Mathematical modelling and application to lively footbridges //Mathematical and Computer Modelling. 2007. Vol. 45, № 3. P. 252-269.

Viswanathan V. et al. Quantitative comparison between crowd models for evacuation planning and evaluation //The European Phys. J. B. 2014. Vol. 87, № 2. P. 1-11. Voloshin D. V., Puzyreva K. A., Karbovskii V. A. Agent-based Virtual Society Polygon for Simulation and Evaluation in Massive Mobile Services // IERI Procedia. 2014. Vol. 10. P. 231-238.

Windrum P., Fagiolo G., Moneta A. Empirical validation of agent-based models: Alternatives and prospects //Journal of Artificial Societies and Social Simulation. 2007. Vol. 10, № 2. P. 8.

Yue Q. et al. A study on the route selection problem for ship evacuation //Systems, Man and Cybernetics (SMC). IEEE Intern. Conf. 2014. P. 1958-1962.

70. Zachary W. et al. Developing a multi-tasking cognitive agent using the COGNET/iGEN integrative architecture. CHI SYSTEMS INC LOWER GWYNEDD PA, 2000. №. 001004.9915.

71. Zou Y. et al. Accelerating agent-based computation of complex urban systems // Intern. J. of Geographical Information Science. 2012. Vol. 26, № 10. P. 1917-1937.

72. Абрамов О. В. Условия и источники возникновения техногенных чрезвычайных (аварийных) ситуаций // Тр. Междунар. симп. «Надежность и качество». 2012. Т. 1, № . С. 41-45.

73. Александров В. Л. и др. Интеллектуальные системы в морских исследованиях Под ред. Ю.И. Нечаева. СПб.: СПбГМТУ, 2002. 394 с.

74. Альмаров Г. Управление неорганизованными массами пассажиров и организация эвакуации на пассажирском судне. Одесса, 2011. 89 c

75. Аптуков А.М., Брацун Д.А., Люшнин А.В. Моделирование поведения паникующей толпы в многоуровневом разветвленном помещении // Компьютерные исследования и моделирование. 2013. Т. 5, № 3. С. 491-508.

76. Безгодов А. А., Бухановский А. В. Виртуальный полигон для исследования экстремальной динамики морских объектов на нерегулярном волнении // Изв. вузов. Приборостроение. 2011. № 5. С. 98-100.

77. Безгодов А.А., Загарских А.С., Бухановский А.В. Визуализация динамики морских объектов в широкоэкранных системах виртуальной реальности // Науч.-техн. вестн. СПбГУ ИТМО. 2011. Вып. 73. С. 84-88.

78. Безгодов А.А., Иванов С.В., Бухановский А.В. Высокопроизводительный программный комплекс моделирования динамики морских объектов в экстремальных условиях эксплуатации // Науч.-техн. вестн. СПбГУ ИТМО. 2010. Вып. 70. С.125-127.

79. Безгодов А.А., Карсаков А.С., Есин Д., Нечаев Ю.И., Иванов С.В. Графическая инструментальная оболочка для создания виртуальных полигонов моделирования сложных систем: применение в морских исследованиях и разработках // Динамика сложных систем - XXI век. 2013. №3. С. 28-34.

80. Бухановский А.В., Иванов С.В., Нечаев Ю.И. Виртуальное моделирование динамики судна на морском волнении в интеллектуальных тренажерах // Искусственный интеллект. 2004. Вып. 3. С. 350-359.

81. Бухановский А.В. и др. Справочные данные по режиму ветра и волнения Балтийского, Северного, Черного, Азовского и Средиземного морей // Российский Морской регистр судоходства. СПб, 2006. 450 с.

82. Бухановский А.В., Иванов С.В., Нечаев Ю.И. Методы планирования эксперимента в системах исследовательского проектирования морских судов // Морские интеллектуальные технологии. 2012. № 4(18). С. 7-15

83. Высокопроизводительный программный комплекс моделирования динамики корабля в экстремальных условиях эксплуатации «SЫpX-DS» / А.А. Безгодов, С.В. Иванов, А.В. Бухановский. Свид. о госрегистрации программы для ЭВМ № 2011611381.2011.

84. Бухановский А.В., Нечаев Ю.И. Метаонтология исследовательского проектирования морских динамических объектов // Онтология проектирования. 2012. №1(3). С. 5364.

85. Габрильянц В. Гибель "Адмирала Нахимова" // Основы безопасности жизнедеятельности. 2005. № 7/8. С. 120-122.

86. Давидан И.Н., Лопатухин Л.И., Рожков В.А. Ветровое волнение как вероятностный гидродинамический процесс. Л.: Гидрометеоиздат, 1978.

87. Кирик Е. С., Круглов Д. В., Юргельян Т. Б. О дискретной модели движения людей с элементом анализа окружающей обстановки // Журн. СФУ. Сер. Матем. и физ. 2008. Т. 1, № 3. С. 262-271.

88. Кричевский В. Уроки столкновения парохода «Адмирал Нахимов» и теплохода «Петр Васев» // Мортехинформреклама. Серия: Судовождение, связь и безопасность мореплавания. 1990. Вып. 3. С.16-19.

89. Лопатухин Л.И., Бухановский А.В., Чернышева Е.С. Справочные данные по режиму ветра и волнения Японского и Карского морей // Российский Морской регистр судоходства. СПб, 2009. 358 с.

90. Нечаев Ю.И. Интеллектуальные технологии при контроле экстремальных ситуаций на основе современной теории катастроф // Морские интеллектуальные технологии. 2012. №1. С. 138-147.

91. Нечаев Ю.И., Власов И. Анализ и прогноз динамики аварийного судна на основе нейросетевых технологий // Морские интеллектуальные технологии. 2011. №2 (12). С. 51-55.

92. Нечаев Ю.И., Дегтярев А.Б., Бухановский А.В. Определение областей безопасной качки при оценке динамики судна на волнении // Докл. науч.-техн. конф.

«Проблемы мореходных качеств судов и корабельной гидромеханики» (XL Крыловские чтения). СПб, 2001. С. 117-119.

93. Нечаев Ю.И, Петров О.Н. Непотопляемость судов: подход на основе современной теории катастроф. СПб: Арт-Экспресс, 2014.

94. Сosta Concordia [Электронный ресурс]: <http://www.costacruise.com/b2c/eu/info/concordia_statement.htm>

95. Сидоренко В.Ф. Кораблекрушение на море. Л.: Изд-во Ленинградского университета, 1990.

96. Скороходов Д. А., Борисова Л. Ф., Борисов З. Д. Принципы и категории обеспечения безопасности мореплавания //Вестник МГТУ. 2010. Т. 13. №. 4/1. С. 719-729.

97. Топалов В.П., Торский В.Г. Посадка на мель британского пассажирского лайнера «Королева Елизавета» // Судоходство. 1999. № 5. С. 25- 26.

98. Топалов В.П., Торский В.Г. Посадка на мель т/х «Си Импресс» // Судоходство. 1998. № 6. С. 29- 30.

99. Холдинг Д., Гольдстейн Д., Эбертс Р. и др. Человеческий фактор. Т. 3. Профессиональное обучение и отбор операторов. М.: Мир, 1991. 232 с.

100. Шауб П.А. Качка поврежденного корабля. Динамическая непотопляемость. СПб: МОРИНТЕХ, 2013.