Russian Federation
UDK 519.81 Теория полезности и принятия решений
The article proposes the author's simulation model, which allows the decision maker to solve the problem of locating fire and rescue units in the study area. The model is based on mechanisms for finding optimal routes for fire and rescue units to reach the call site. The software implementation of the model allows you to visualize the study area, divided into many fragments, with a view to covering it with fire and rescue units, taking into account the possible delivery time of forces and equipment. When estimating the time for delivery of forces and equipment to places of possible incidents, the influence of external factors, such as road junctions, one-way roads, crossings, statistical traffic jams and road repairs, was taken into account. The study was conducted in the city of Saint-Petersburg. As a result of the modeling, it was revealed that to fully cover the city territory, three new divisions are needed, and their locations were determined.
simulation model, decision making, rescue units, fire station, placement, route
Последние годы характеризуются постоянным изменением инфраструктуры Санкт-Петербурга, происходит застройка новых территорий, появляются новые общественные пространства, развивается дорожная сеть города, повышается интенсивность транспортных потоков. Изменяющаяся внешняя среда оказывает влияние на условия функционирования пожарно-спасательных подразделений, увеличивая нагрузку на них. При этом модернизация структуры системы обеспечения пожарной безопасности города происходит с темпом, значительно уступающим темпу изменения факторов внешней среды, что не может не сказываться негативно на эффективности функционирования системы. Это приводит к частым нарушениям регламентированного интервала времени прибытия спасательных служб к месту вызова [1], являющегося важнейшим критерием эффективности их функционирования [2], от которого в значительной степени зависит размер потенциального материального ущерба от пожаров и чрезвычайных ситуаций, а также количество возможных человеческих жертв [3, 4].
Одно из возможных решений проблемы обеспечения нормативного времени прибытия сил и средств подразделений лежит в области повышения качества управления за счет оптимизации городского территориального распределения подразделений МЧС России [5, 6], что возможно реализовать исключительно на основе научного подхода с использованием средств моделирования [7].
С этой целью в настоящей статье предлагается имитационная модель поддержки принятия решений по размещению подразделений МЧС России на территории Санкт-Петербурга, использующая современные геоинформационные технологии и соответствующий математический аппарат [8, 9]. Модель реализована в виде специального программного средства, позволяющего на основе оценки зон прикрытия территорий проводить расчеты точного расположения подразделений на карте города, а также рекомендовать решения по оптимальному размещению существующих подразделений [10, 11].
Методы исследования
Проведенные ранее исследования позволили установить факторы, влияющие на время следования к месту происшествий сил и средств экстренных служб [12, 13], учет которых позволяет обеспечить адекватность исходных данных при моделировании:
– некоторая специализированная техника обладает большими габаритами, малой мобильностью и невысокой скоростью передвижения;
– некоторые районы города обладают специфической застройкой, которая в случае происшествия будет требовать привлечения специализированной техники;
– при выборе пути следования необходимо учитывать следующие факторы: систематические пробки на определенных участках дорог; погодные условия; перегруженность транспортной сети; график проводимых ремонтных работ на дорогах; наличие разрушений и других препятствий на маршрутах движения;
– уровень профессиональной подготовки сотрудников;
– надежность спасательного оборудования;
– наличие передовых средств коммуникации.
В реальных условиях, когда пожарный расчет следует к месту происшествия, личный состав подразделений, как правило, не владеет актуальной информацией о дорожной ситуации, поэтому выбор маршрута должен исходить из возможности гибкого маневрирования.
Заблаговременный обход сложных участков дороги может обеспечить своевременную доставку спасательных служб к месту вызова в пределах установленного нормативного времени, поэтому выбор маршрута должен исходить из возможности его мгновенной корректировки.
Анализ данных количества пожаров и погибших на них людей на территории Санкт-Петербурга за последние годы позволил выявить положительную динамику снижения этих показателей, хотя при этом уровень показателей все равно остается на достаточно высоком уровне, что требует внедрения эффективных решений.
Оценка основных пожарных рисков в Санкт-Петербурге за период 2017–2022 гг. позволила получить следующие показатели (табл. 1). В данной табл. 1 представлены следующие показатели: R1 – риск столкнуться с пожаром за единицу времени; R2 – риск погибнуть при происшествии; R3 – риск гибели в результате пожара за единицу времени. Данный показатель рассчитывается перемножением первых двух показателей.
Таблица 1
Основные пожарные риски в Санкт-Петербурге за период 2017–2022 гг.
|
Год |
Население, тыс. чел. |
Количество пожаров, ед. |
Количество погибших при пожарах, чел. |
R1 |
R2 |
R3 |
|
2017 |
5 281 579 |
2 985 |
286 |
1,05 |
9,40 |
9,87 |
|
2018 |
5 351 935 |
2 820 |
274 |
1,04 |
9,57 |
9,96 |
|
2019 |
5 383 890 |
2 703 |
262 |
0,99 |
9,63 |
9,52 |
|
2020 |
5 398 064 |
2 482 |
245 |
0,90 |
9,68 |
8,70 |
|
2021 |
5 601 911 |
2 438 |
243 |
0,88 |
9,88 |
8,70 |
|
2022 |
5 607 916 |
2 323 |
232 |
0,84 |
9,91 |
8,30 |
Исходя из результатов, представленных в табл. 1, можно сделать следующие выводы:
- прослеживается положительная динамика снижения общего количества пожаров (-9 %) и числа погибших (-18 %);
- произошло увеличение численности населения Санкт-Петербурга (+5,4 %);
- риск R1 (столкнуться с пожаром) уменьшился на 8,3 %, в то время как риск R2 (погибнуть при пожаре) вырос на 8,1 %.
Таким образом, несмотря на наметившийся общий благоприятный вектор развития пожарной обстановки в Санкт-Петербурге (снижение количества пожаров и числа погибших), заметен стабильный рост пожарного риска R2, что еще раз подтверждает актуальность задачи поиска решений обеспечения оперативности прибытия пожарных подразделений к местам происшествий.
Проведен анализ распределения очагов пожаров на территории Санкт-Петербурга за последние девять месяцев (данные получены из раздела «Сводка ЧС и происшествий» с официального сайта Главного управления МЧС России). По результатам анализа составлена тематическая карта, на которой точками отмечены сгустки очагов пожаров (рис. 1).
Так, на территории города за этот период произошло 1 710 пожаров, наиболее сложными по пожарной обстановке оказались Адмиралтейский, Выборский и Курортный р-ны (табл. 2). Самое низкое значение показателя количества пожаров оказалось в Кронштадтском р-не.
Таблица 2
Распределение пожаров по районам города и времени суток
|
Район |
Количество пожаров |
% |
День, ч |
Ночь, ч |
||
|
с 6:00 до 00:00 |
с 0:00 до 06:00 |
|||||
|
Адмиралтейский |
230 |
13,45 % |
160 |
69,57 % |
70 |
30,43 % |
|
Курортный |
140 |
8,19 % |
60 |
42,86 % |
80 |
57,14 % |
|
Василеостровский |
110 |
6,43 % |
80 |
72,73 % |
30 |
27,27 % |
|
Выборгский |
140 |
8,19 % |
60 |
42,86 % |
80 |
57,14 % |
|
Пушкинский |
60 |
3,51 % |
20 |
33,33 % |
40 |
66,67 % |
|
Кировский |
80 |
4,68 % |
30 |
37,50 % |
50 |
62,50 % |
|
Колпинский |
100 |
5,85 % |
70 |
70,00 % |
30 |
30,00 % |
|
Фрунзенский |
110 |
6,43 % |
60 |
54,55 % |
50 |
45,45 % |
|
Красногвардейский |
40 |
2,34 % |
30 |
75,00 % |
10 |
25,00 % |
|
Кронштадтский |
30 |
1,75 % |
20 |
66,67 % |
10 |
33,33 % |
|
Московский |
90 |
5,26 % |
30 |
33,33 % |
60 |
66,67 % |
|
Невский |
130 |
7,60 % |
80 |
61,54 % |
50 |
38,46 % |
|
Петроградский |
50 |
2,92 % |
40 |
80,00 % |
10 |
20,00 % |
|
Красносельский |
50 |
2,92 % |
20 |
40,00 % |
30 |
60,00 % |
|
Район |
Количество пожаров |
% |
День, ч |
Ночь, ч |
||
|
с 6:00 до 00:00 |
с 0:00 до 06:00 |
|||||
|
Петродворцовый |
80 |
4,68 % |
60 |
75,00 % |
20 |
25,00 % |
|
Приморский |
60 |
3,51 % |
30 |
50,00 % |
30 |
50,00 % |
|
Калининский |
110 |
6,43 % |
50 |
45,45 % |
60 |
54,55 % |
|
Центральный |
100 |
5,85 % |
70 |
70,00 % |
30 |
30,00 % |
|
Всего |
1710 |
100 % |
|
|
||
Результаты анализа наглядно демонстрируют, что около 70 % всех пожаров происходит в дневное время с 06:00 до 00:00 ч. Из этого следует, что в большинстве случаев учет факторов плотного автомобильного потока и наличия пробок во время доставки сил и средств подразделений имеет большое значение.
В личный состав гарнизона пожарной охраны Санкт-Петербурга составляет более 18 000 чел., из которых около 15 % находится на суточном дежурстве. В структуру пожарно-спасательных депо входит 800 ед. пожарной и специализированной техники, распределенной по спектру подразделений различной юридической принадлежности, место дислокации которых представлено на рис. 2.
На рис. 2 кружками разных цветов отмечены пожарно-спасательные подразделения следующих разновидностей:
− синие кружки (городские части);
− бордовые кружки (федеральные части);
− зелёные кружки (ведомственные и объектные части);
− черные кружки (добровольная пожарная охрана);
серые кружки (не введённые в эксплуатацию депо, которые находятся на одном из следующих этапов: обоснование создания, проектирование, строительство, сдача объекта).
Анализ карты дислокации пожарно-спасательных подразделений позволяет сделать вывод о неравномерности их распределения, наиболее удалённые объекты защиты на территории города находятся на расстоянии примерно 10–12 км от пожарных частей, что несет значительные риски несвоевременного прибытия сил и средств. Учитывая состояние дорожного полотна и количество пробок и аварий на территориях, можно сделать вывод, что сил и средств недостаточно для решения задач по ликвидации и предотвращению происшествий.
Как было отмечено выше, важнейшим показателем эффективности функционирования подразделений МЧС России является скорость доставки сил и средств к месту происшествия. Динамика значений среднего времени прибытия первого пожарного подразделения по Санкт-Петербургу к месту вызова за 2013–2022 гг. представлена на рис. 3.
Несмотря на положительную динамику снижения времени прибытия сил и средств, достигнутый уровень не оказывает значимого влияния на вероятность гибели человека на пожаре (риск R2). Согласно проведенным ранее исследованиям в период времени 2–15 мин с начала происшествия уровень риска R2 остается практически постоянным и имеет среднее значение – восемь пострадавших на 100 пожаров. Далее, в период 16–20 мин R2 возрастает. В связи с этим снижение R2 является актуальной задачей, которую представляется возможным решить, в том числе за счет создания и оптимального размещения новых пожарных депо на территории города.
В этой связи предлагается использовать разработанную имитационную модель, реализованную в виде программного средства, для анализа прикрытия Санкт-Петербурга пожарно-спасательными подразделениями и принятия решения по оптимальному их размещению.
Имитационное моделирование включает в себя выполнение следующих этапов:
1. Фрагментация анализируемой территории на множество квадратов со сторонами в 1 км.
2. Поиск кратчайшего маршрута до пожарно-спасательного подразделения.
3. Окрашивание каждого прямоугольника в цвет согласно следующим правилам:
– зеленый (достижение края анализируемого квадрата в течение 5 мин);
– жёлтый (достижение края анализируемого квадрата в течение 10 мин);
– красный (достижение края анализируемого квадрата в течение 18 мин);
– чёрный (выход за пределы – 18 мин).
Далее, лицо, принимающее решение (ЛПР), может визуально оценить прикрытие территорий и выявить гипотетические области неприкрытия.
На усмотрение ЛПР в местах визуального неприкрытия территории расставляются места возможного нового размещения депо спасателей, после чего этапы 2–3 повторяются до достижения требуемого результата.
Результаты исследования и их обсуждение
С помощью предложенной имитационной модели проведены расчеты, которые показали следующий результат, представленный на рис. 4.
На данном этапе уже визуально можно наблюдать участки территории со слабым прикрытием. В модели реализована функция ручного моделирования, которая активизируется нажатием кнопки мыши на произвольном фрагменте карты. После активации выбранная точка на карте становится гипотетическим очагом возгорания, к которому прокладывается маршрут от трех ближайших пожарных депо. Результаты вычислений отображаются непосредственно под картой (рис. 5).
В перечень информации, предоставляемой ЛПР, о трех ближайших подразделениях также входит:
– расстояние до места вызова;
– время в пути без учета внешних факторов;
– время в пути с учетом пробок.
Также модель обладает следующим функционалом:
– демонстрация зон покрытия (кнопка «показать/спрятать зону покрытия». Демонстрация зон покрытия помогает лучше понять территории ответственности различных пожарно-спасательных подразделений (рис. 6);
– редактирование зон покрытия (кнопка «редактировать зоны»). Позволяет редактировать старые или добавлять новые зоны;
– изменение геоинформационных данных.
В результате трех итераций с имитационной моделью были определены ориентировочные места дислокации трех предлагаемых к созданию пожарно-спасательных подразделений:
– п. Ольгино, северо-восточнее д. 49 А по ул. 3-я Конная Лахта (Приморский р-он Санкт-Петербурга);
– восточнее пересечения Ропшинского ш. с ул. Демьяна Бедного (Петродворцовый р-он Санкт-Петербурга);
– юго-восточнее пересечения бул. Новаторов с Дачным пр. (Кировский р-он Санкт-Петербурга).
Далее была проведена верификация полученных результатов имитационного моделирования, для чего была использована существующая аналитическая модель, применяемая для определения числа пожарных депо [14]:
где – требуемое количество подразделений; – безразмерный коэффициент не прямолинейности уличной сети, который вычисляется с помощью следующей формулы:
kн=Lф/L0 ,
где Lф – фактическая длина поездки между пунктами города; L0 – расстояние между пунктами по воздушной линии. Для Санкт-Петербурга kн=1,22; – площадь города, км2; – частные коэффициенты; – средняя скорость доставки сил и средств, км/мин; – среднее время доставки сил и средств, мин; – количество тревожных вызовов в час; – среднее время работы спасателей на одном происшествии, ч.
С помощью эмпирического исследования получены следующие значения коэффициентов: =0,36, =0,36 и =3. Средняя скорость доставки сил и средств к месту вызова (по городу) =0,45 км/мин.
По данным Главного управления МЧС России по Санкт-Петербургу на 5 июля 2023 г. имеем значение для всей территории города: (), и Тогда:
Таким образом, в Санкт-Петербурге дополнительно требуется три пожарных депо, что соответствует полученным результатам при проведении имитационного моделирования. Полученные результаты подтверждают работоспособность и адекватность предлагаемой имитационной модели.
Заключение
Представленная в настоящей статье имитационная модель основана на механизмах поиска оптимальных маршрутов следования пожарно-спасательных подразделений к месту вызова, что позволяет визуализировать карту исследуемого объекта с демонстрацией неприкрытых или слабо прикрытых районов города. Также модель способна распознавать дорожные развязки, односторонние дороги, переезды, демонстрировать маршрут к зоне активного горения от ближайшего подразделения.
В результате моделирования территории Санкт-Петербурга были сделаны выводы, что для полного прикрытия территории не хватает трех пожарных подразделений, которые необходимо разместить по следующим адресам: (п. Ольгино, северо-восточнее д. 49 А по ул. 3-я Конная Лахта, Приморский р-он Санкт-Петербурга; восточнее пересечения Ропшинского ш. с ул. Демьяна Бедного, Петродворцовый р-он Санкт-Петербурга; юго-восточнее пересечения бул. Новаторов с Дачным пр., Кировский р-он Санкт-Петербурга).
Работа выполнена при поддержке Комитета по науке и высшей школы в рамках гранта молодыми учеными, молодыми кандидатами наук вузов, отраслевых и академических институтов, расположенных на территории Санкт-Петербурга.
1. Vostryh A.V. Analiz innovacionnyh tekhnologij, obespechivayushchih bezopasnost' grazhdan v tekhnosfernyh sistemah // Kompleksnye problemy tekhnosfernoj bezopasnosti. Nauchnyj i prakticheskij podhody k razvitiyu i realizacii tekhnologij bezopasnosti: sb. statej po materialam XVII Mezhdunar. nauch.-prakt. konf. Voronezh, 2021. S. 205-210.
2. Krupkin A.A., Maksimov A.V., Matveev A.V. Metodika ocenki effektivnosti upravleniya silami i sredstvami garnizona pozharnoy ohrany // Nauch.-analit. zhurn. «Vestnik S.-Peterb. un-ta GPS MChS Rossii». 2015. № 4. S. 30-34. EDN VHNSPZ.
3. Ochered'ko M.V., Rybakov A.V., Belousov R.L. O rezul'tatah sistemnogo analiza operativnosti reagirovaniya centra upravleniya v krizisnyh situaciyah pri likvidacii chrezvychaynyh situaciy // Nauchnye i obrazovatel'nye problemy grazhdanskoy zaschity. 2019. № 2 (41). S. 51-60. EDN DBFWGT.
4. Vodnev S.A., Matveev A.V. Ocenka effektivnosti reagirovaniya avariyno-spasatel'nyh sluzhb na chrezvychaynye situacii na transporte // Problemy upravleniya riskami v tehnosfere. 2019. № 2 (50). S. 110-117. EDN XDDTYZ.
5. Shofeev T.G., Safarova S.Yu., Matveev A.V. Model' i algoritm optimal'nogo raspredeleniya resursov podrazdeleniy MChS Rossii // Nauch.-analit. zhurn. «Vestnik S.-Peterb. un-ta GPS MChS Rossii». 2023. № 2. S. 125-133. EDN NBPXIL.
6. Serapinas B.B. Global'nye sistemy pozicionirovaniya. M.: IKF «Katalog», 2002. 106 s.
7. Butyrskiy E.Yu., Matveev A.V. Matematicheskoe modelirovanie sistem i processov. SPb.: Inform. izd. ucheb.-nauch. centr «Strategiya buduschego», 2022. 733 s. DOI:https://doi.org/10.37468/book_011222. EDN CCRIRT.
8. Voroncov K.V. Algoritmy klasterizacii i mnogomernogo shkalirovaniya. M.: MGU, 2007.
9. Kotov A., Krasil'nikov N. Klasterizaciya dannyh. M., 2006. 16 s.
10. Shurakova D.G., Vostryh A.V. Komponenty special'noy informacionnoy tehnologii postroeniya optimal'nyh marshrutov // Aktual'nye problemy infotelekommunikaciy v nauke i obrazovanii (APINO 2018): VII Mezhdunar. nauch.-tehn. i nauch.-metod. konf.: sb. nauch. statey. SPb: S.-Peterb. gos. un-t telekommunikaciy im. prof. M.A. Bonch-Bruevicha, 2018. T. 2. S. 213-218. EDN XWFTRB.
11. Shurakova D.G., Buynevich M.V., Vostryh A.V. Dvuhurovnevaya klasterizaciya suboptimal'nyh zon prikrytiya g. Kostromy podrazdeleniyami MChS Rossii pri vozniknovenii proisshestviy // Nauch.-analit. zhurn. «Vestnik S.-Peterb. un-ta GPS MChS Rossii». 2018. № 2. S. 121-127.
12. Reshenie zadachi vybora optimal'nogo marshruta sledovaniya sil i sredstv podrazdeleniy MChS Rossii k mestu vozniknoveniya proisshestviy s pomosch'yu algoritma Deykstry / M.V. Buynevich [i dr.] // Problemy upravleniya riskami v tehnosfere. 2018. № 3 (47). S. 68-79.
13. Chirkov A.N., Malinin R.S., Ponomarev A.I. Analiz faktorov i usloviy, vliyayuschih na vremya sledovaniya spasatel'nogo centra MChS Rossii v zonu chrezvychaynoy situacii // Nauchnye i obrazovatel'nye problemy grazhdanskoy zaschity. 2019. № 4 (43). S. 112-123. EDN TOBYXO.
14. Ob utverzhdenii metodik rascheta chislennosti i tehnicheskoy osnaschennosti podrazdeleniy pozharnoy ohrany: prikaz MChS Rossii ot 15 okt. 2021 g. № 700. Dostup iz sprav.-pravovoy sistemy «Konsul'tantPlyus».
