李 斯 ,庞 帅 ,姚建平 ,楼梁伟 ,熊亚军 ,吴江彪 ,叶晓宇
(1. 中国铁道科学研究院集团有限公司 铁道建筑研究所,北京 100081;2. 北京铁科特种工程技术开发公司,北京 100081)
截止到2017年底,我国铁路营业里程达到12.7万km,其中,高速铁路达到2.5万km[1],作为交通运输领域的新兴产物,高速铁路极大地推进了我国客运运输状况的改善,并显现出其高速度、高密度、大运量的特点和优势。也正是这些特点,决定了高速铁路一旦发生事故的严重后果。因而,如何提高高速铁路应急反应能力成了铁路部门的热门话题。
在高速铁路突发灾难后,实现安全、有效、秩序的救援是救援过程研究的重要环节。高速铁路由于其客运量大、全天候运营的特点,就形成了对其在突发灾难下救援过程研究最好的方式就是通过虚拟仿真方式来实现。高速铁路突发灾难救援过程涉及的灾难场景较为复杂、救援对象种类较多、被救援对象存在较大的不可控性,因此,可通过多智能体救援仿真的方式将高速铁路突发灾难救援进行全过程仿真。
目前,国内外学者对铁路事故应急救援和基于多智能体灾后救援进行了大量的研究[2-8],但是这些研究都没有深入到具体的工程实践中,尚不能为现实的灾后救援提供指导意义,鉴于此,通过分析运营高速铁路突发事故后的多智能体救援仿真就尤为重要。
多智能体救援仿真平台(RCRSS,RoboCup-Rescue Simulation System)是一个公开研究结果和源代码的项目,世界上任何地区的研究人员都可以参加这个项目,进行研究、训练和互联网教育[9]。通过模拟灾难场景,用智能体进行救援仿真,使救援智能体进行有效的分工协作,完成营救被困人员、扑灭火灾、疏通道路等救援任务,以最大限度地减小灾难带来的损失。
在高速铁路重大事故灾难空间中,定义了诸如建筑物、道路、人类等对象及其层次结构,如图1所示。
图1 高速铁路重大事故灾难空间中所有对象的类层次结构
高速铁路灾难救援仿真中的智能体控制高速铁路灾难空间中可控对象的行为,可控对象一共分7类:被困人员、医疗团队、消防团队、清障团队、救护中心、消防中心、清障中心。控制被困人员对象的智能体称为被困人员智能体,控制医疗团队对象的智能体称为医疗团队智能体等。
救援智能体具有不同的认知能力,并根据其类型不同完成职责内的救援任务如表1所示。救援智能体通过视觉能力(Sense)获得视觉信息,通过听觉能力(Hear)获得听觉信息,并且通过移动(Move)、救援(Rescue)、装载(Load)、卸载(Unload)、灭火(Extinguish)和清除路障(Clear)等能力来行动,并且通过说话能力(Say)发出自然语言,通过无线电进行远距离通信(Tell)。
表1 救援智能体能力表
在高速铁路重大事故灾难空间中,救援智能体间通过相互协作来高效完成救援任务,共分为两个部分:(1)同类智能体间协作;(2)异类智能体间协作[10]。同类智能体间协作是指同一属性的救援智能体通过分组的方式的相互配合完成自己职能范围内的救援任务,例如清障团队疏通道路、消防团队扑灭火灾、医疗团队救护伤员。异类智能体间协作是指每个仿真周期前(在本救援模型中,每个仿真周期代表现实救援时间30 s),所有的救援智能体会向内核发送视觉命令,内核能清晰的“看到”每个救援智能体所处的位置,任务完成的进度,所能到达的区域范围等,基于救援任务的“重要度”,对周围可用智能体进行任务修正。同类智能体间协作是救援过程的基础,异类智能体间协作是救援过程高效完成的保障。同类智能体间协作与现实救援并无太大差别,救援团队能完成相应的救援任务;而异类智能体间协作是主要区别于现实救援的重要部分,现实救援中,往往由于部门不同引起指挥不统一,沟通不顺畅,配合不协调,从而导致救援效率的低下,而异类智能体协作救援过程中,由于内核的存在,恰好能轻易地解决现实救援存在的问题,从而大大提高救援效率。多智能体协作救援模式如图2所示。
图2 多智能体协作救援模式图
假设:某高铁车站到达层内部多处突发火灾,供电线路中断,交通混乱,南北6个出口、东西进站厅及扶梯堵塞,并滞留大量乘客及工作人员。在该高铁车站突发大型灾难后,救援体系及时响应。在地铁出口C处设置一处避难所,并且在该处有10支医疗团队待命开始搜索救援和1支清障团队保障医疗团队仿真初期的顺利通行;西南角电梯处和西北角公安值班室各有8支消防团队待命开始搜索灭火和1支清障团队保障消防团队仿真初期的顺利通行;10个不同的扶梯位置分别有10支清障团队待命开始搜索清理路障,其中医疗团队和消防团队初始位置各有1支清障团队以保障医疗团队和消防团队在仿真初期的道路顺利通行;B1铁路售票处、B2铁路售票处间和B3铁路售票处、B4铁路售票处间存在两处消防栓。救援仿真初始地图如图3所示。
图3 救援仿真初始地图
在救援初期,位于各处的清障团队率先工作,识别视野范围内的路障,并清理出可供被困人员和救援团队通行的道路,与医疗团队和消防团队在同一位置的清障团队清理道路堵塞,保障前期医疗团队和消防团队就能开始大面积遍历地图,如图4所示。
图4 仿真初期救援图
180周期(1.5 h)时,车站道路已全部疏通;所有被困人员得到救治,医疗团队遍历地图未发现任何被困人员;偶发的小型火灾能够立刻被扑灭,此时,未有人员死亡,建筑物一处被彻底烧毁,25处有低程度烧伤(共有建筑235处),占全部的10.6%,如图5所示。救援过程宣告结束,按“谁启动、谁结束”的原则,执行应急关闭程序,由启动单位宣布救援结束。
在本次救援仿真中,经过120周期(1 h),救援队伍已基本消灭险情,180周期(1.5 h),救援结束。整体评价变化如图6所示,剩余建筑物百分比变化如图7所示,存活被困人员数量变化如图8所示,被困人员生命值变化如图9所示。
图5 仿真180周期救援图
图6 整体评价变化图
图7 剩余建筑物百分比变化图
图8 存活被困人员数量变化图
图9 被困人员生命值变化图
在本次仿真的180周期(1.5 h)中,各救援智能体高效执行救援命令,清障团队在救援中前期迅速清理路障,疏通道路,为消防团队灭火和医疗团队救援提供必要的基础条件。为丧失移动能力的被困人员能在道路疏通后,在救援团队的引导下,迅速前往避难所寻求救援。道路疏通后,医疗团队能够迅速抵达被困人员所在建筑物内,实施救援任务,救援完成后,并将其输送到避难所,当一个医疗团队无法迅速救援时,会调集周围医疗团队,多个医疗团队协作救援,加大救援效率,减小被困人员的受损程度。在道路疏通后,多个消防团队能够迅速抵达火灾发生处,协作分工对火灾发生处不同建筑物进行灭火,优先解决小型火源,集中多个消防团队解决大型火源,以降低建筑物的损坏程度。
本次仿真能够迅速解决发生在高铁车站的灾难,救出所有被困人员,结果数据正常,符合灾难发生后的救援过程,相较于现实的救援过程,救援效率更高,符合预期目标。
假设:某班次高铁列车在即将抵达某高铁站的运行过程中,突发故障,由于某种特殊原因,导致部分乘客滞留在高铁线路上、部分乘客分散到周围的建筑物中,故障发生地点位于某高铁车站以北,乘客分散到部分建筑物中,部分乘客可能被困,丧失移动能力,亟待救援。
在救援仿真地图中的高铁线路和周围建筑物中滞留数量不明的乘客,且部分乘客被困,丧失移动能力。医疗团队抵达救援区域后分别设立两处避难所,每个位置有8支医疗团队和1支清障团队待命。某高铁站组织的10支清障团队抵达规定处待命,负责疏通周围建筑物道路,供医疗团队疏散搜救被困乘客。清障团队、医疗团队、避难所的位置已知,被困人员的位置未知。救援仿真初始地图如图10所示。
图10 救援仿真初始地图
在救援仿真初期,清障团队疏通避难所及周边主要道路后,滞留在高铁线路上的19位乘客,及周边建筑物中未丧失移动能力的23位乘客在救援团队的引导下,向两处避难所移动,如图11所示。
图11 仿真初期救援图
180周期(1.5 h),救援地图道路已全部疏通,所有被困乘客已得到救助,医疗团队遍历搜索地图,未发现被困乘客,如图12所示。救援过程宣告结束,按“谁启动、谁结束”的原则,执行应急关闭程序,由启动单位宣布救援结束。
在本次救援仿真中,经过130周期(1.08 h),清障团队已基本疏通道路,医疗团队遍历地图,正在救助最后一处被困乘客,180周期(1.5 h),道路已全部疏通,被困乘客全部得到救助,救援结束。整体评价变化如图13所示,存活乘客数量变化如图14所示,乘客生命值变化如图15所示。
图12 仿真180周期救援图
图13 整体评价变化图
图14 存活乘客数量变化图
在本次仿真前,由于道路堵塞过多,清障团队未及时疏通全部道路,导致部分被困乘客生命值有所下降,但未造成人员死亡。中期,清障团队合理分工,迅速清理路障,疏通道路。医疗团队遍历周围建筑物,发现被困人员后,集中多支医疗团队,高效救援,减小被困乘客的受损程度。
图15 乘客生命值变化图
本次仿真能够迅速解决发生在高铁线路乘客滞留、分散在周围区域的重大事故,疏通道路,救出所有被困乘客,结果数据正常,符合重大事故发生后的救援过程,相较于现实的救援过程,救援效率更高,符合预期目标。
将多智能体救援的理论和技术引入到高速铁路运营过程重大事故灾后救援,构建了高铁运营过程突发事故多智能体救援仿真模型,以动画的形式展示灾难蔓延和救援过程。运营高速铁路多智能体救援仿真可以重现救援进度及预测灾难发展方向,为现实灾难发生后救援任务策略的优化提供参考。运营高速铁路多智能体救援仿真可以实时展现灾难蔓延情况、救援过程等细节,为今后智能高铁救援领域的发展提供了一个方向。