ROCZNIKI GEOMATYKI 2017 m TOM XV m ZESZYT 4(79): 341–351
Modelowanie ewakuacji z budynków
z wykorzystaniem analiz rastrowych
Modelling evacuation of buildings using raster analysis
Piotr CichociñskiAGH Akademia Górniczo-Hutnicza w Krakowie,
Wydzia³ Geodezji Górniczej i In¿ynierii Œrodowiska, Katedra Geomatyki
S³owa kluczowe: SIG, koszt odleg³oœci, powierzchnia kosztu, prêdkoœæ ruchu, przeszkoda, siatka zajêtoœci
Keywords: GIS, cost distance, cost surface, movement speed, obstacle, occupancy grid
Wprowadzenie
Z ka¿dym rokiem wzrasta liczba zagro¿eñ dla obywateli przebywaj¹cych w przestrzeni publicznej. Trzeba tu wymieniæ szczególnie zmiany klimatyczne, powoduj¹ce zwiêkszenie czêstotliwoœci wystêpowania takich zjawisk pogodowych jak: powodzie, huragany b¹dŸ wielkoobszarowe po¿ary lasów (Szczygie³, 2012) lecz równie¿ terroryzm. Podstawowym zadaniem w momencie wyst¹pienia: po¿aru, zanieczyszczenia œrodowiska lub klêski ¿ywio-³owej jest szybka i bezpieczna ewakuacja ludzi z zagro¿onego obszaru (Stringfield, 2000). Szczególnie dla budynków o skomplikowanym uk³adzie pomieszczeñ komunikacyjnych wy-znaczenie optymalnych tras dojœcia do wyjœæ ewakuacyjnych mo¿e nie byæ zadaniem try-wialnym (Pu, Zlatanova, 2005).
W zwi¹zku z tym s³u¿by ratunkowe coraz czêœciej korzystaj¹ z systemów informacji geograficznej (Kevany, 2003), które dysponuj¹ funkcjonalnoœci¹ umo¿liwiaj¹c¹ odpowiednie zaplanowanie ewakuacji ludnoœci. Kompleksowy system zarz¹dzania kryzysowego powi-nien funkcjonowaæ zarówno w skali makro (na obszarach ca³ych miast lub innych jednostek administracyjnych – na odpowiednim poziomie uogólnienia) (Eckes, 2010), jak i dostarczaæ szczegó³owej informacji w skali mikro (dotycz¹cej budynków, a nawet pojedynczych po-mieszczeñ) (Choi, Lee, 2010; Eckes, 2008), co zapewni s³u¿bom ratunkowym dostêp do informacji o strukturze wnêtrz budynku.
Dla celów ewakuacji, ale tak¿e nawigacji, przestrzeñ wewn¹trz budynków jest zwykle modelowana za pomoc¹ grafu okreœlaj¹cego wzajemne powi¹zania pomiêdzy pomieszcze-niami, w którym obiekty punktowe – wêz³y reprezentuj¹ pomieszczenia, a krawêdzie – obiekty liniowe ³¹cz¹ pary wêz³ów (Cichociñski, Dêbiñska, 2016). Takie podejœcie zosta³o sformali-zowane w postaci standardu IndoorGML (Open Geospatial Consortium, 2016),
okreœlaj¹ce-go strukturê przestrzeni nawiokreœlaj¹ce-gowalnych w budynkach. Jest ono skupione na wzajemnych powi¹zaniach pomiêdzy pomieszczeniami oraz przemieszczaniu siê z jednego pomieszczenia do drugiego i w tym zakresie mo¿na go porównaæ do modelu sieci drogowej. Jednak¿e inaczej ni¿ w przypadku dróg, gdzie pojazdy musz¹ siê przemieszczaæ wzd³u¿ odcinków sieci (Curtin, 2007), piesi maj¹ swobodê poruszania siê po ca³ej dostêpnej powierzchni (Ta-neja i in., 2016).
Dlatego, zainteresowanie badaczy zajmuj¹cych siê zastosowaniem systemów informacji geograficznej do nawigacji w budynkach, skierowa³o siê w kierunku modeli rzeczywistoœci u¿ywanych w robotyce mobilnej. Oprócz reprezentacji topologicznej, któr¹ mo¿na porów-naæ do grafowych modeli sieci stosowanych w GIS, stosowana jest tam równie¿ reprezen-tacja metryczna (Ambroszkiewicz, 2006). Polega ona na dekompozycji przestrzeni na siatkê komórek, uwzglêdniaj¹c przy tym w postaci binarnej ich zajêtoœæ (Ku³akowski i in., 2008). Tak¹ siatkê zajêtoœci (occupancy grid) jako podstawê swojego rozwi¹zania przyjêli Li i in. (2010). Tak jak w przypadku IndoorGML jest to podejœcie wektorowe i grafowe, lecz (po-dobnie jak w modelu rastrowym) u³o¿onymi w regularnych odstêpach wêz³ami wype³niana jest ca³a dostêpna przestrzeñ obiektu. Rejestruje wiêc w dalszym ci¹gu w³aœciwoœci struktu-ralne przestrzeni, ale jednoczeœnie uwzglêdnia jej cechy geometryczne. Pozytywn¹ weryfi-kacjê tego modelu, dokonan¹ przez przeprowadzenie analiz najkrótszych tras z wykorzysta-niem planu hotelu, przedstawiono w pracy (Sun, Li, 2011).
Istotn¹ kwesti¹ przy generowaniu siatki jest jej gêstoœæ. Ze wzglêdu na wydajnoœæ obli-czeniow¹ liczba wêz³ów nie powinna byæ zbyt du¿a, ale jednoczeœnie istotne jest, by wystar-czaj¹co dok³adnie odwzorowaæ geometriê analizowanego obiektu. Z prostego za³o¿enia wy-chodz¹ Li i in. (2016), którzy przyjmuj¹c wielkoœæ oczka siatki 0,2 × 0,2 m, uzale¿niaj¹ j¹ od po³owy szerokoœci najwê¿szych drzwi w budynku. Li i in., (2010) w swoich eksperymen-tach doszli do wartoœci 25 cm, wynikaj¹cej z minimalnej szerokoœci zajêtych fragmentów przestrzeni, czyli gruboœci œcian.
Trzeba jednak ponownie zaakcentowaæ, ¿e pomimo zastosowania siatki, tak naprawdê zaprezentowane modele s¹ modelami wektorowymi. Jednak analizy przestrzenne nie musz¹ byæ prowadzone wy³¹cznie na danych wektorowych. Regularna siatka mo¿e byæ równie¿ zapisana w modelu rastrowym. Mo¿na co prawda spotkaæ pojedyncze zastosowania modelu rastrowego, ale rozwa¿ania sprowadzaj¹ siê do prób osi¹gniêcia rezultatów zbli¿onych do tych z modelu wektorowego (na przyk³ad znajdowania najkrótszej trasy) (Hong, Murray, 2016). Tymczasem z modelem rastrowym zwi¹zane jest w GIS ca³e bogactwo algorytmów wykorzystuj¹cych jego specyfikê. Jednym z obszarów ich zastosowañ jest opracowywanie map dostêpnoœci (Bielecka, Filipczak, 2010), które mog¹ siê sprawdziæ w przypadku plano-wania ewakuacji. Co prawda elementy rastra (piksele, komórki) wype³niaj¹ ca³oœæ prosto-k¹tnego obszaru i mog³oby siê wydawaæ, ¿e nie mo¿na za ich pomoc¹ modelowaæ zajêtoœci pewnych fragmentów przestrzeni (jak w modelu wektorowym, gdzie usuwa siê niepotrzeb-ny fragment siatki) jednak w modelu rastrowym wartoœci pikseli mog¹ przyjmowaæ warto-œci no data (brak danych), co zdaniem autora w wystarczaj¹cy sposób rozwi¹zuje problem. Postawiono tezê, ¿e dane rastrowe nie tylko umo¿liwiaj¹ modelowanie ewakuacji z bu-dynków, ale równie¿ pozwalaj¹ na uwzglêdnienie w analizie czynników, których nie mo¿na uj¹æ w modelu wektorowym, b¹dŸ jest to bardziej skomplikowane. Tezê tê udowodniono przez wiele eksperymentów na danych reprezentuj¹cych rzeczywisty obiekt, którym jest pawilon C-4 kampusu Akademii Górniczo-Hutniczej im. Stanis³awa Staszica w Krakowie, bêd¹cy siedzib¹ Wydzia³u Geodezji Górniczej i In¿ynierii Œrodowiska.
Do przeprowadzenia wszystkich dzia³añ opisanych w pracy oraz sporz¹dzenia ilustracji u¿yto oprogramowania ArcGIS for Desktop Advanced firmy Esri, z którego pracownicy i studenci AGH mog¹ korzystaæ w ramach licencji Site zakupionej przez uczelniê. Elementem tej zaawansowanej wersji programu jest rozszerzenie Spatial Analyst, dysponuj¹ce szerokim spektrum narzêdzi do przetwarzania danych rastrowych. Nazwy prezentowanych w dalszej treœci pracy funkcji (narzêdzi) s¹ zgodne z terminologi¹ firmy Esri w tym zakresie.
Metodyka badañ
Pozyskanie danych
Kwesti¹, od której nale¿y rozpocz¹æ, jest pozyskanie danych zapisanych w modelu ra-strowym. Na tym etapie zdaniem autora ujawniaj¹ siê dodatkowe zalety podejœcia rastrowe-go, wynikaj¹ce z ³atwoœci uzyskania danych w postaci rastra na podstawie zapisanych cy-frowo planów architektonicznych. Obecnie informacja w formie cyfrowej na temat struktu-ry budynków gromadzona jest
najczê-œciej w postaci wektorowych rysun-ków wykonywanych w oprogramo-waniu CAD (ang. Computer Aided Design) i sk³adaj¹cych siê z prostych elementów geometrycznych, takich jak linie b¹dŸ ³uki ko³owe (Domingu-ez i in., 2012). Na podstawie zbioru obiektów o charakterze liniowym, przedstawiaj¹cych elementy konstruk-cyjne budynku, trzeba jeszcze na eta-pie danych wektorowych wygenero-waæ dwa zbiory wieloboków (rys. 1): jeden reprezentuj¹cy œciany budynku i inne przeszkody uniemo¿liwiaj¹ce poruszanie siê oraz drugi odpowiada-j¹cy pod³ogom, czyli reprezentuodpowiada-j¹cy powierzchnie, na których przebywaj¹ i po których przemieszczaj¹ siê ludzie. Podstaw¹ do dalszych dzia³añ bêdzie powierzchnia pod³óg, która zostaje zamieniona na postaæ rastrow¹.
Po-dobnie jak inni, wymienieni powy¿ej badacze, autor tej pracy dostrzega kwestiê wielkoœci piksela wynikowego rastra. Jego zdaniem g³ównym wyznacznikiem jego wielkoœci powinny byæ obiekty w budynku o najmniejszym, co najmniej jednym wymiarze. Takimi obiektami s¹ w tym przypadku œciany, których szerokoœæ jest mniejsza od kolejnych potencjalnie niewiel-kich obiektów, jakimi s¹ drzwi. Wielkoœæ piksela powinna byæ w ten sposób dopasowana do szerokoœci œcian, ¿eby tworzy³y one ju¿ w modelu rastrowym rzeczywist¹ barierê oddziela-j¹c¹ od siebie pomieszczenia. Oznacza to, ¿e w szerokoœci œciany powinny siê mieœciæ co najmniej dwa piksele, czyli wielkoœæ piksela powinna byæ mniejsza od po³owy szerokoœci najwê¿szej œciany.
Rysunek 1. Dwa zbiory wieloboków: jeden reprezentuj¹cy
œciany budynku (po lewej), drugi odpowiadaj¹cy pod³ogom (po prawej)
Analizy odleg³oœciowe
Obowi¹zuj¹ce w Polsce przepisy (Obwieszczenie, 2015) okreœlaj¹ maksymaln¹ dopusz-czaln¹ d³ugoœæ tak zwanego „przejœcia ewakuacyjnego”, czyli odleg³oœæ najdalszego miejsca w budynku, w którym mo¿e przebywaæ cz³owiek, do wyjœcia ewakuacyjnego. Wydawa³o siê, ¿e do weryfikacji takiego warunku mo¿na bêdzie u¿yæ narzêdzia Odleg³oœæ euklidesowa, które dla ka¿dego piksela wyznacza jego odleg³oœæ do najbli¿szej lokalizacji Ÿród³owej, w tym przypadku wyjœcia ewakuacyjnego. Do jego uruchomienia oprócz rastra reprezentuj¹cego pod³ogi i pe³ni¹cego funkcjê maski ograniczaj¹cej obszar analizy, s¹ potrzebne obiekty repre-zentuj¹ce Ÿród³a – wyjœcia ewakuacyjne. Mo¿na do tego celu u¿yæ warstwê wektorow¹, na której nale¿y umieœciæ punkty odpowiadaj¹ce wyjœciom z budynku (rys. 2).
Jednak ju¿ pierwsze próby zastosowania tego narzêdzia pokaza³y, ¿e odleg³oœæ piksela od Ÿród³a liczona jest w linii prostej, bez uwzglêdnienia przeszkód w postaci œcian reprezento-wanych przez piksele o wartoœci no data. Poszukiwania innego rozwi¹zania doprowadzi³y w pierwszej kolejnoœci do narzêdzia Koszt odleg³oœci, które dla ka¿dego piksela wyznacza najmniejszy zakumulowany koszt dotarcia do najbli¿szego Ÿród³a (Esri, 2017). Analiza wyko-nywana jest na podstawie rastra definiuj¹cego powierzchniê oporu, który trzeba pokonaæ przy przemieszczaniu siê przez poszczególne piksele. Nale¿y zwróciæ uwagê, ¿e koszt odno-szony jest do jednostki odleg³oœci i tym samym nie zale¿y od wielkoœci piksela.
Analizy z u¿yciem powierzchni kosztu
Odleg³oœæ do najbli¿szego wyjœcia jest uniwersaln¹ miar¹, ³atw¹ do oszacowania na pod-stawie samego uk³adu pomieszczeñ w budynku, ale nie uwzglêdnia czasu dojœcia, który mimo sta³ej d³ugoœci trasy mo¿e byæ ró¿ny. Wynika to z wielorakoœci czynników oddzia³uj¹-cych na osoby ewakuuj¹ce siê, takich jak: zadymienie pomieszczeñ ograniczaj¹ce widocz-noœæ, b¹dŸ te¿ zmuszaj¹ce do poruszania siê na czworakach (Almejmaj i in., 2015, Fridolf i in., 2014, Kady, Davis, 2009; Kobes i in., 2010, Seike i in., 2016). W przypadku du¿ej liczby osób chc¹cych jednoczeœnie opuœciæ budynek, w miejscach gdzie przejœcia siê zwê¿aj¹, mo¿e dochodziæ do zatorów zmniejszaj¹cych prêdkoœæ ruchu, tym samym wyd³u¿aj¹cych czas dotarcia do wyjœcia (Desmet, Gelenbe, 2013). Szczegó³owe rozwa¿ania na ten temat wykraczaj¹ poza zakres tej pracy, jednak istotne jest w tym miejscu to, ¿e do zamodelowania prêdkoœci ruchu z uwzglêdnieniem ograniczeñ mo¿na u¿yæ rastra reprezentuj¹cego pod³ogi, w którym piksele bêd¹ mia³y wartoœci odpowiadaj¹ce czasowi pokonania odleg³oœci jednego metra. Podanie takiego rastra jako parametru jednego z narzêdzi Koszt odleg³oœci b¹dŸ Alo-kacja kosztu pozwoli na oszacowanie czasu dotarcia do wyjœæ ewakuacyjnych.
Wyniki
Dane wektorowe opisuj¹ce budynek C-4 zosta³y pozyskane przez studentów Ko³a Na-ukowego Geodetów „Dahlta” w ramach opracowywania geoportalu System Informacji Prze-strzennej AGH (Parkitny i in., 2013). Dokonano ich konwersji do postaci rastrowej, jako optymaln¹ wielkoœæ piksela przyjmuj¹c 10 cm (0,1 m). Po nadaniu wszystkim pikselom rastra reprezentuj¹cego pod³ogi wartoœci 1 (koszt pokonania odleg³oœci jednego metra wyno-si jeden), otrzymano mo¿liwoœæ przeprowadzenia analizy odleg³oœciowej, ale z uwzglêdnie-niem barier – œcian (rys. 2).
Rysunek 2. Wynik analizy wyznaczaj¹cej
odleg³oœæ do wyjœæ awaryjnych
Ostatecznie jednak do przeprowadzenia analizy u¿yto narzêdzia Alokacja kosztu, które zawiera funkcjonalnoœæ narzêdzia Koszt odleg³oœci, okreœlaj¹c w tym przypadku odleg³oœæ ka¿dego miejsca w budynku od najbli¿szego wyjœcia, lecz oprócz tego wskazuje dla ka¿dego piksela, na dodatkowo generowanym rastrze, po³o¿one najbli¿ej niego Ÿród³o (rys. 3), tym samym podaj¹c, do którego wyjœcia nale¿y siê udaæ z okreœlonej lokalizacji.
W analizach przyjêto, ¿e gêstoœæ t³umu i tym samym szybkoœæ jego poruszania, zale¿na jest od szerokoœci pomieszczeñ. Mo¿na te¿ za³o¿yæ, ¿e szerokoœæ g³ównych korytarzy w budynku C-4, wynosz¹ca oko³o 3 metrów, zosta³a zaprojektowana tak, ¿eby umo¿liwiæ p³ynne przemieszczanie siê w czasie ewakuacji. Oznacza to, ¿e osoba poruszaj¹ca siê œrod-kiem bêdzie oddalona o ponad 1,5 metra od najbli¿szej œciany. Ró¿ne Ÿród³a (Bosina, Weid-mann, 2017) s¹ zgodne co do tego, ¿e zdrowy doros³y cz³owiek w przypadku braku ograni-czeñ porusza siê ze œredni¹ prêdkoœci¹ wynosz¹c¹ 1,34 m/s (0,75 s/m). Inaczej bêdzie wygl¹da³a sprawa w miejscach zwê¿eñ, takich jak drzwi lub schody. Autorzy pracy (Pe-acock i in., 2017) po przeprowadzeniu obszernych badañ doszli do wniosku, ¿e prêdkoœæ przemieszczania siê po schodach wynosi œrednio 0,44 m/s (2,27 s/m). Tak¹ prêdkoœæ
za³o-Rysunek 3. Wynik analizy dziel¹cej przestrzeñ na
obszary po³o¿one najbli¿ej poszczególnych wyjœæ awaryjnych
¿ono dla ruchu w najwê¿szej przestrzeni, czyli w drzwiach, gdzie osoba przechodz¹ca ich œrodkiem znajduje siê oko³o 0,5 metra od brzegu otworu drzwiowego.
Raster, w którym koszt ruchu uzale¿niony jest od szerokoœci pomieszczeñ i przejœæ po-stanowiono utworzyæ za pomoc¹ narzêdzia Odleg³oœæ euklidesowa. Tym razem narzêdzie da³o zgodny z oczekiwaniami wynik – zbiór pikseli, których wartoœci odpowiadaj¹ ich odle-g³oœci od najbli¿szych œcian budynku. Na rysunku 4 mo¿na zauwa¿yæ, ¿e maksymalne war-toœci pikseli w osiach w¹skich pomieszczeñ s¹ mniejsze ni¿ w szerokich. Jednak te warwar-toœci nie s¹ jeszcze czasami pokonania odleg³oœci jednego metra. ¯eby czasy wynikaj¹ce z przed-stawionej powy¿ej maksymalnej prêdkoœci zosta³y przypisane pikselom po³o¿onym na œrod-ku najszerszych pomieszczeñ (czyli w najwiêkszej odleg³oœci od œcian), a czasy najd³u¿sze tym znajduj¹cym siê w s¹siedztwie œcian, dokonano przeskalowania wed³ug funkcji zapre-zentowanej na rysunku 5. Dla pomieszczeñ i przejœæ o szerokoœci mniejszej od 1,0 m za³o¿o-no prêdkoœæ 0,44 m/s, dla pomieszczeñ o szerokoœci wiêkszej ni¿ 3,0 m przyjêto 1,34 m/s, natomiast pomiêdzy tymi szerokoœciami granicznymi prêdkoœæ roœnie liniowo od 0,44 m/s do 1,34 m/s. Uzyskany w wyniku tej operacji raster (rys. 7) pos³u¿y³ jako parametr narzêdzia
Rysunek 4. Zbiór pikseli, których wartoœci
odpowiadaj¹ ich odleg³oœci od najbli¿szych œcian budynku
Rysunek 5. Wykres funkcji okreœlaj¹cej zale¿noœæ
Koszt odleg³oœci. Z rysunku 6 mo¿na odczytaæ, jaki jest czas dotarcia z ka¿dego miejsca w budynku do najbli¿szego wyjœcia z budynku.
Zaproponowany sposób wyznaczania powierzchni kosztu pozwala na przeprowadzanie badañ wp³ywu ewentualnych zwê¿eñ na czas ewakuacji. Rysunki 7 i 8 prezentuj¹ przyk³ad takiej analizy, w której o po³owê ograniczono szerokoœæ drzwi znajduj¹cych siê tu¿ przed g³ównym wyjœciem z budynku (co zaznaczono czarnym prostok¹tem). Porównuj¹c rysunki 6 i 8 mo¿na oszacowaæ, o ile wyd³u¿y³ siê czas dotarcia do tego wyjœcia.
Rysunek 6. Wynik analizy wyznaczaj¹cej czas dotarcia do wyjœæ awaryjnych
Rysunek 8. Wynik analizy wyznaczaj¹cej czas
dotarcia do wyjœæ awaryjnych z uwzglêdnieniem przeszkody (zaznaczonej czarnym prostok¹tem)
Rysunek 7. Wynik przeskalowania odleg³oœci od
Wnioski
Rozwijaj¹c koncepcjê stosowanych w robotyce mobilnej siatek zajêtoœci, w pracy zapro-ponowano zastosowanie danych w postaci rastrowej i narzêdzi operuj¹cych na takich da-nych do modelowania procesu ewakuacji z budynków o z³o¿onym uk³adzie pomieszczeñ. Przeprowadzone badania, których wyniki zaprezentowano w postaci przyk³adów analiz, potwierdzaj¹ postawion¹ na wstêpie tezê. Dane rastrowe z ca³¹ pewnoœci¹ nadaj¹ siê do okreœlania odleg³oœci do wyjœæ ewakuacyjnych oraz wskazania najbli¿szego wyjœcia dla ka¿-dego miejsca w budynku. Co wiêcej, w odró¿nieniu od powszechnie stosowanego wektoro-wego modelu reprezentuj¹cego pomieszczenia w postaci punktów po³¹czonych liniami od-powiadaj¹cymi mo¿liwym kierunkom ruchu, model rastrowy zapewnia objêcie analiz¹ ca-³ych powierzchni pomieszczeñ, co ma szczególne znaczenie w przypadku du¿ych ich roz-miarów.
Jeszcze inn¹ zalet¹ rastra jest mo¿liwoœæ u¿ycia go jako powierzchni kosztu (odchodz¹c od pierwotnego zerojedynkowego modelu siatki zajêtoœci), co pozwala na modelowanie cza-su dotarcia do wyjœæ ewakuacyjnych z uwzglêdnieniem ewentualnych utrudnieñ. Zapropo-nowana uproszczona koncepcja okreœlania kosztu przemieszczania jako funkcji odleg³oœci od œcian, pozwala na uzale¿nienie prêdkoœci ruchu od szerokoœci pomieszczeñ i sprawdza siê przy uwzglêdnianiu dodatkowych ograniczeñ w tym zakresie. Nie zapewnia jednak modelu uwzglêdniaj¹cego potoki ludzkie i tym samym nie umo¿liwia oszacowania wp³ywu ich za-chowania na wyd³u¿enie czasu dotarcia do celu. W analizie nie uwzglêdniono równie¿ osób z ograniczeniami ruchu: starszych, dzieci lub te¿ poruszaj¹cych siê na wózkach inwalidz-kich. Ujmuj¹c to innymi s³owami, mo¿na stwierdziæ, ¿e opracowano sposób uwzglêdniania wp³ywu przeszkód na czas ewakuacji, jednak pozostaje do wyjaœnienia kwestia wyskalowa-nia modelu w taki sposób, ¿eby wp³yw ten by³ zgodny z rzeczywistoœci¹. W kierunku po-wi¹zania szeroko rozumianego czynnika ludzkiego z kosztem ruchu bêd¹ prowadzone dalsze badania.
Podziêkowania: Autor dziêkuje cz³onkom Ko³a Naukowego Geodetów „Dahlta” za
udo-stêpnienie danych wykorzystanych w pracy. Autor sk³ada równie¿ podziêkowania dwóm anonimowym Recenzentom, których uwagi pozwoli³y unikn¹æ wielu b³êdów.
Finansowanie: Praca zosta³a zrealizowana w ramach Badañ Statutowych nr 11.11.150.006
prowadzonych w Katedrze Geomatyki Wydzia³u Geodezji Górniczej i In¿ynierii Œrodowiska Akademii Górniczo-Hutniczej im. Stanis³awa Staszica w Krakowie.
Literatura (References)
Almejmaj M., Meacham B., Skorinko J., 2015: The effects of cultural differences between the west and Saudi Arabia on emergency evacuation-clothing effects on walking speed. Fire and Materials 39(4): 353-370. Ambroszkiewicz S., 2006: Reprezentacja przestrzenna œrodowiska na podstawie kognitywnych map
obiek-towych. Rozdzia³ [W:] Postêpy robotyki: Systemy i wspó³dzia³anie robotów (Spatial representation of the environment basing on cognitive object maps. Section [In:] Progress in robotics. Systems and coope-ration of robots). Praca zbiorowa pod redakcj¹ Krzysztofa Tchonia, Warszawa, Wydawnictwo Komuni-kacji i £¹cznoœci.
Bielecka E., Filipczak A., 2010: Zasady opracowywania map dostêpnoœci (Principals of elaborating accessi-bility maps). Roczniki Geomatyki 8(6): 29-38, PTIP, Warszawa.
Bosina E., Weidmann U., 2017: Estimating pedestrian speed using aggregated literature data. Physica A: Statistical Mechanics and its Applications 468: 1-29.
Cichociñski P., Dêbiñska E., 2016: Application of 3D network analysis for development of evacuation plans and procedures for multi-storey building. GIS ODYSSEY 2016: Geographic Information Systems Confe-rence and Exhibition: 5th–9th September 2016, Perugia, Italy: confeConfe-rence proceedings: 63-69.
Choi J., Lee J., 2010: Micro-Level Emergency Response: 3D Geometric Network and an Agent-Based Model. Geospatial Techniques in Urban Hazard and Disaster Analysis: 415-429.
Curtin K.M., 2007: Network analysis in geographic information science: Review, assessment, and projec-tions. Cartography and Geographic Information Science 34(2): 103-111.
Desmet A., Gelenbe E., 2013: Reactive and proactive congestion management for emergency building evacuation. In Local Computer Networks (LCN), 2013 IEEE 38th Conference on IEEE: 727-730.
Domínguez B., García Á.L., Feito F.R., 2012: Semiautomatic detection of floor topology from CAD architectural drawings. Computer-Aided Design 44(5): 367-378.
Eckes K., 2008: Modelowanie przestrzeni budowli w GIS dla celów wspomagania decyzji w zarz¹dzaniu kryzysowym (Modelling of the building space in GIS to support decision-making in crisis management). Roczniki Geomatyki 6(5): 31-38.
Eckes K., 2010: Analizy przestrzenne w czasie rzeczywistym dla wspomagania akcji ratowniczych na terenach dotkniêtych powodzi¹ (Real-time GIS analyses for supporting rescue operations on flood disa-ster areas). Roczniki Geomatyki 8(6): 63-68, PTIP, Warszawa..
Esri, 2017: ArcGIS Desktop Documentation. http://desktop.arcgis.com/en/documentation/
Fridolf K., Andrée K., Nilsson D., Frantzich H., 2014: The impact of smoke on walking speed. Fire and Materials 38(7): 744-759.
Gershon R.R., Magda L.A., Riley H.E., Sherman M.F., 2012: The World Trade Center evacuation study: Factors associated with initiation and length of time for evacuation. Fire and Materials 36(5-6): 481-500. Hong I., Murray A.T., 2016: Assessing Raster GIS Approximation for Euclidean Shortest Path Routing.
Transactions in GIS 20(4): 570-584.
Kady R.A., Davis J., 2009: The effect of occupant characteristics on crawling speed in evacuation. Fire safety journal 44(4): 451-457.
Kevany M.J., 2003: GIS in the World Trade Center attack – trial by fire. Computers, Environment and Urban Systems 27(6): 571-583.
Kobes M., Oberijé N., Duyvis M., 2010: Case studies on evacuation behaviour in a hotel building in BART and in real life. Pedestrian and Evacuation Dynamics 2008: 183-201.
Ku³akowski K., W¹s J., Szpyrka M., 2008: Dynamiczny model œwiata w sterowaniu autonomicznym robotem mobilnym (Dynamic world representation in control of autonomous mobile robot). Automatyka 12(3): 833-840, Akademia Górniczo-Hutnicza im. Stanis³awa Staszica w Krakowie.
Li X., Claramunt C., Ray C., 2010: A grid graph-based model for the analysis of 2D indoor spaces. Computers, Environment and Urban Systems 34(6): 532-540.
Li X., Hijazi I., Xu M., Meouche R., 2016: Implementing two methods in GIS software for indoor routing: an empirical study. Multimedia Tools and Applications 75(24): 17449-17464.
Obwieszczenie Ministra Infrastruktury i Rozwoju z dnia 17 lipca 2015 r. w sprawie og³oszenia jednolitego tekstu rozporz¹dzenia Ministra Infrastruktury w sprawie warunków technicznych, jakim powinny od-powiadaæ budynki i ich usytuowanie (The notice of the Minister of Infrastructure and Development of July 17, 2015 on the announcement of the uniform text of the Decree of the Minister of Infrastructure on technical conditions of buildings and their locations). Dz.U. 2015 poz. 1422.
Open Geospatial Consortium, 2016: OGC IndoorGML – with Corrigendum. http://docs.opengeospatial.org/ is/14-005r4/14-005r4.html
Parkitny £., Lupa M., Materek K., Inglot A., Pa³ka P., Mazur K., Kozio³ K., Chuchro M., 2013: Koncepcja i opracowanie Geoportalu AGH (The concept and development of AGH Geoportal). Roczniki Geomatyki 11(3): 79-85, PTIP, Warszawa.
Peacock R.D., Reneke P.A., Kuligowski E.D., Hagwood C.R., 2017: Movement on stairs during building evacuations. Fire Technology 53(2): 845-871.
Pu S., Zlatanova S., 2005: Evacuation route calculation of inner buildings. [In:] van Oosterom PJM., Zlatano-va S., Fendel EM. (Eds.), Geo-information for disaster management: 1143-1161, Springer Verlag, Heidel-berg.
Seike M., Kawabata N., Hasegawa M., 2016: Experiments of evacuation speed in smoke-filled tunnel. Tunnelling and Underground Space Technology 53: 61-67.
Stringfield W.H., 2000: Emergency planning and management: ensuring your company’s survival in the event of a disaster. Government Institutes.
Sun J., Li X., 2011: Indoor evacuation routes planning with a grid graph-based model. [In:] Geoinformatics, 2011 19th International Conference on IEEE: 1-4.
Szczygie³ R., 2012: Wielkoobszarowe po¿ary lasów w Polsce (Large-area Forest Fires in Poland). Bezpie-czeñstwo i Technika Po¿arnicza: 67-78.
Taneja S., Akinci B., Garrett J.H., Soibelman L., 2016: Algorithms for automated generation of navigation models from building information models to support indoor map-matching. Automation in Construction 61: 24-41.
Streszczenie
Od kilku lat mo¿na obserwowaæ próby zastosowania metod i narzêdzi systemów informacji geogra-ficznej do modelowania ewakuacji z budynków. Na potrzeby ewakuacji, ale tak¿e nawigacji, prze-strzeñ wewn¹trz budynków jest zwykle modelowana za pomoc¹ grafu, okreœlaj¹cego wzajemne po-wi¹zania pomiêdzy pomieszczeniami, w którym obiekty punktowe – wêz³y reprezentuj¹ pomieszcze-nia, a krawêdzie – obiekty liniowe, ³¹cz¹ pary wêz³ów.
Celem prac zaprezentowanych w artykule by³o zbadanie, czy mo¿liwe jest zastosowanie danych w postaci rastrowej (bazuj¹cych na koncepcji u¿ywanych w robotyce mobilnej siatek zajêtoœci) do mode-lowania procesu ewakuacji. W szczególnoœci postawiono tezê, ¿e dane rastrowe nie tylko umo¿liwiaj¹ modelowanie ewakuacji z budynków, ale równie¿ pozwalaj¹ na uwzglêdnienie w analizie czynników, których nie mo¿na uj¹æ w modelu wektorowym, b¹dŸ jest to bardziej skomplikowane. Tezê tê udowod-niono przez wiele eksperymentów na danych reprezentuj¹cych rzeczywisty obiekt. Przeprowadzone badania wykaza³y zalety danych w postaci rastrowej: ³atwoœæ uzyskania na podstawie zapisanych cyfrowo planów architektonicznych oraz mo¿liwoœæ (dziêki zastosowaniu narzêdzia Koszt odleg³oœci) okreœlenia nie tylko odleg³oœci z ka¿dego miejsca w budynku do najbli¿szego wyjœcia ewakuacyjnego, ale równie¿ uwzglêdnienia w tym samym modelu przeszkód utrudniaj¹cych przemieszczanie siê i oszacowania ich wp³ywu na wyd³u¿enie czasu dotarcia do celu. Zaproponowana koncepcja okreœla-nia kosztu przemieszczaokreœla-nia jako funkcji odleg³oœci od œcian pozwoli³a na uzale¿nienie prêdkoœci ruchu od szerokoœci pomieszczeñ.
Abstract
Over the recent years, attempts to use geographic information systems methods and tools for model-ling evacuation of buildings can be observed. In applications related to evacuation and, also, naviga-tion, the space inside buildings is usually modelled with the use of graphs that represent interrelations between rooms. Then point objects (nodes) represent rooms and edges (linear objects) link pairs of nodes.
The objective of the work described in this paper is to examine whether it is possible to use raster data – based on the occupancy grid concept used in mobile robotics – for modelling evacuation. In particu-lar, the study thesis assumes that raster data are not only applicable to modelling evacuation, but they also enable us to consider factors, which either cannot be included in the vector model at all or their consideration proves to be much more complicated. The thesis was proven in a series of experiments on data representing a real object. The studies revealed advantages gained while using raster data for the above mentioned purpose, i.e.: the availability (easily obtainable from architectural plans) and possibility to determine the distance between every location in the building and the emergency exit (owing to Cost Distance tool) and, also, the possibility to consider obstacles that impede movement, as well as to assess their impact on the time needed to reach the destination. The proposed concept of determining the movement cost as a function of the distance from the walls allowed to express the speed of movement as the function of the rooms’ width.
Dane autora / Autor details: dr hab. in¿. Piotr Cichociñski
https://orcid.org/0000-0002-8633-1235 Piotr.Cichocinski@agh.edu.pl
Przes³ano / Received 29.07.2017 Zaakceptowano / Accepted 6.09.2017 Opublikowano / Published 30.12.2017
