Risk assessment and threat visualization in transport infrastructure

Full Text

Введение

В условиях интенсификации транспортных потоков и роста пассажиропотоков обеспечение техносферной безопасности на объектах транспортной инфраструктуры приобретает приоритетное значение. Современные угрозы, связанные с пожарами, задымлением, техническими сбоями и террористическими атаками, требуют не только наличия технических средств защиты, но и совершенствования методов анализа и представления рисков [1].

Одним из эффективных подходов к управлению рисками является визуализация опасностей на основе концепции ALARP (As Low As Reasonably Practicable), сочетающая вероятностную оценку рисков с их пространственным распределением и прагматичным подходом к снижению уязвимостей [2–4]. Применение геоинформационных технологий, таких как QGIS, а также моделирование пожароопасных ситуаций в FDS и PyroSim позволяет cформировать комплексное представление о характере угроз, динамике их развития и возможных последствиях при различных сценариях.

Целью данной работы является разработка, апробация и научное обоснование методики визуализации техносферных рисков на транспортных объектах с использованием ALARP-подхода, цифровой карты уязвимостей и моделирования пожаров. Особое внимание уделено сочетанию количественных методов оценки, визуальных представлений и инженерных расчётов, а также возможностям интеграции полученных решений в автоматизированные системы управления безопасностью.

Методология и этапы реализации

Моделирование распространения пожара, задымления и эвакуации проводилось в графическом ПО PyroSim для работы с Fire Dynamics Simulator (FDS) для оценки поведения риска во времени и пространстве.

Расчёт риска осуществлялся по формуле (1) [5]:

R = P × C × V(1)

где P — вероятность возникновения угрозы, C — тяжесть последствий (например, экономический или человеческий ущерб), V — коэффициент уязвимости инфраструктуры.

На Рис. 1 [2] представлена визуализация концепции ALARP, применяемая в анализе уровня риска на объектах транспортной инфраструктуры.

 

Рис. 1. Концепция ALARP

Fig. 1. ALARP concept

 

Методологическая основа исследования строится на интеграции количественных методов оценки риска, визуального отображения пространственно-временных характеристик угроз и моделирования последствий чрезвычайных ситуаций на объектах транспортной инфраструктуры. Применение комплекса взаимодополняющих инструментов позволило обеспечить полноту оценки и наглядность результатов для лиц, принимающих решения в системе управления техносферной безопасностью.

Ключевым элементом стала концепция ALARP (As Low As Reasonably Practicable), предусматривающая деление уровня риска на три основные категории:

• недопустимый риск (требующий немедленного устранения);
• допустимый риск, сниженный до разумного уровня (ALARP-зона);
• незначительный риск (не требующий дополнительных мер).

ALARP-модель позволяет обосновать необходимость или отказ от вмешательства, опираясь на оценку соотношения затрат и ожидаемой эффективности снижения риска. Эта концепция применялась в настоящем исследовании как база для обоснования приоритетности внедрения защитных мер в различных сегментах транспортной инфраструктуры [6].

На втором этапе была построена цифровая карта уязвимостей на базе геоинформационной системы QGIS. Были собраны и оцифрованы данные о пространственном расположении объектов (платформы, тоннели, перегонные участки), их технических характеристиках (длина, ширина, вентиляционные системы) и операционных параметрах (время движения, остановки, эвакуационные выходы). На основе этих данных были присвоены коэффициенты уязвимости и вероятности возникновения ЧС. Полученные данные позволили выделить зоны с различным уровнем риска и отнести их к зонам ALARP-модели.

На третьем этапе было проведено моделирование сценариев пожара и распространения задымления в программной среде FDS+PyroSim. Для нескольких транспортных объектов были заданы входные параметры: источник возгорания, материалы отделки, скорость вентиляции, количество пассажиров и время реакции систем оповещения. Моделирование позволило определить:

• время до достижения критического уровня задымления;
• максимальную температуру и ее распределение по зонам;
• зоны, пригодные для эвакуации в течение заданного интервала времени.

Результаты интегрированы в карту уязвимостей с визуализацией тепловых зон и направлений распространения дыма.

Формализация количественной оценки риска производилась по формуле (1); эта модель была адаптирована под особенности инфраструктуры и сценарии, представленные в цифровой карте.

Таким образом, весь процесс включал формализацию риска, визуализацию пространственных характеристик, моделирование последствий и анализ применимости ALARP-подхода для принятия обоснованных решений о мерах реагирования. Промежуточные и финальные результаты были оформлены в виде тепловых карт, таблиц риска и диаграмм ALARP, пригодных для интеграции в систему поддержки принятия решений в ЦУКС или аналогичные структуры.

Анализ полученных данных и визуализация рисков

Визуализация техносферных рисков представляет собой ключевой этап в построении интегрированной системы обеспечения безопасности на транспорте, позволяющий сформировать пространственно-временную модель уязвимости, адаптированную под конкретные условия объекта. В современных условиях визуализация рисков не ограничивается графическим представлением данных, а становится инструментом системного анализа и поддержки принятия решений в оперативном управлении [7].

Результаты, полученные в ходе реализации разработанной методологии, подтверждают актуальность интеграции цифровых методов визуализации с концепцией ALARP для обоснования решений в области техносферной безопасности на объектах транспорта. Такой подход позволяет не только отображать уровень риска в различных зонах, но и структурировать реакцию служб безопасности в зависимости от класса угрозы.

Цифровая карта уязвимостей, созданная в среде QGIS, показала наибольшую эффективность при анализе станций метрополитена с высокой пассажиронагрузкой и сложной архитектурой. На данной карте были выделены участки с наибольшими значениями риска, рассчитанного по формуле (1), дополнительно учитывались параметры: среднее время эвакуации (Tэв), коэффициент задымлённости, индекс плотности потока (Dflow). Зоны станции были классифицированы согласно концепции ALARP, и распределились следующим образом:

• 52% площади — зона недопустимого риска, требующая немедленных инженерных решений и оперативного контроля (например, установка ИК-камер и тепловых извещателей);
• 33% — зона ALARP, где целесообразно внедрение дополнительных организационно-технических мер (автоматическое оповещение, световая навигация, дублирование выходов);
• 15% — зона приемлемого риска, не требующая вмешательства в текущем состоянии.

Тепловая карта, представленная на Рис. 2, позволяет не только отразить уязвимые зоны станции метро, но и провести сценарный анализ путей эвакуации, оптимизировать размещение оборудования и формировать сценарии реагирования. На тепловой карте отображены результаты моделирования уровней уязвимости различных участков платформы станции метрополитена. Цветовая шкала отражает относительную опасность: от зеленых зон (низкий риск) до красных (высокая концентрация опасных факторов, таких как ограниченная видимость, перегрузка пассажиропотоком и замедленная эвакуация).

 

Рис. 2. Тепловая карта уязвимостей станции метро

Fig. 2. Heat map of metro station vulnerabilities

 

Максимальные значения риска (красная зона) локализуются в центральной части платформы. Это объясняется совокупностью факторов:

• удаленность от единственного эскалатора;
• высокая плотность пассажиропотока;
• увеличение времени эвакуации Tэв;
• возможное накопление дыма при пожарном сценарии.

По мере приближения к правой части станции уровень риска постепенно снижается (переход от красного к зелёному), что связано с уменьшением времени покидания опасной зоны и лучшей управляемостью пассажиропотока. Левая часть платформы демонстрирует более выраженную зону повышенного риска вследствие отсутствия альтернативных эвакуационных выходов, что иллюстрирует влияние архитектурной конфигурации станции на распределение уязвимостей.

Представленная тепловая карта позволяет:

• определить критические зоны, требующие инженерного усиления;
• обосновать необходимость дублирования эвакуационных путей;
• оптимизировать размещение датчиков дыма и систем оповещения;
• моделировать изменение ALARP-зон при модернизации инфраструктуры.

Таким образом, обновлённый на Рис. 2 наглядно демонстрирует зависимость пространственного распределения риска от конфигурации станции и количества эвакуационных выходов.

Следующим этапом анализа стало численное моделирование динамики пожара в системах FDS (Fire Dynamics Simulator) и PyroSim. Были выбраны три сценария:

• возгорание в вагоне, стоящем у платформы;
• пожар в тоннеле с задымлением соседнего вагона;
• возгорание в кабельном лотке технической зоны.

В каждом из сценариев моделировались параметры: температура, скорость распространения огня, уровень видимости, плотность дыма, кратность вентиляции, скорость потока воздуха и направление движения задымления. Это позволило сформировать временные границы безопасной эвакуации и сравнить их с нормативами (например, по ГОСТ Р 12.3.047 и СП 7.13130.2013) [8, 9].

Рис. 3 демонстрирует изменения температуры и видимости во времени при имитации пожара в тоннеле. Визуализация таких кривых позволяет встраивать данные в ситуационные центры и платформы поддержки принятия решений. Спустя 3 минуты наблюдалось снижение видимости до 1,8 м, что выходит за рамки допустимого по ГОСТ Р 12.3.047 (не менее 2 м) [8]. Температура воздуха в этой зоне достигала 110 °C, что представляло угрозу не только для пассажиров, но и для сотрудников аварийно-спасательных формирований [8].

 

Рис. 3. График изменения температуры и видимости во времени при сценарии пожара в тоннеле

Fig. 3. Temperature and visibility variation over time for a tunnel fire scenario

 

Такие значения свидетельствуют о необходимости экстренной эвакуации и включения систем противодымной вентиляции. Подобные данные могут использоваться для динамического прогнозирования зон ALARP в процессе развития пожара [10].

Особую ценность представляет совмещение ALARP-карт с ГИС-моделями, в рамках которых обеспечивается:

• наглядное отображение зон недопустимого риска;
• определение критических направлений эвакуации и их альтернатив;
• распределение ответственности между службами по зонам риска;
• тестирование мер реагирования на имитационных сценариях [11–13].

Наконец, важным является потенциал применения результатов анализа не только в метро, но и на железнодорожных вокзалах, транспортных узлах, туннелях, автобусных терминалах, в условиях многоуровневых пересадочных узлов и подземных комплексов [14]. Использование методов визуализации рисков позволяет унифицировать подход к проектированию и эксплуатации инфраструктуры на основе единой цифровой модели.

Таким образом, полученные результаты демонстрируют потенциал использования комплексного анализа и визуализации рисков как ключевого инструмента повышения устойчивости объектов транспортной инфраструктуры к чрезвычайным ситуациям.

Заключение

Разработанная и апробированная в данной работе методология позволяет формализовать процесс оценки техносферных угроз на объектах транспортной инфраструктуры и визуализировать уровни риска в привязке к пространственным и временным характеристикам. Интеграция ALARP-концепции с цифровыми картами и результатами моделирования позволяет системно анализировать критические зоны и наглядно демонстрировать, какие участки требуют модернизации или особого контроля. Такой подход особенно важен в условиях высокой плотности пассажиропотока, динамики изменений обстановки и ограниченного времени реагирования персонала.

Сформированная карта уязвимостей (Рис. 2) стала основой для оперативной диагностики зон, выходящих за пределы допустимого риска. Применение визуальных элементов, таких как тепловая карта и график изменения параметров (Рис. 3), усиливает восприятие информации и способствует более точному прогнозированию последствий чрезвычайной ситуации. В условиях реального времени такие элементы могут быть интегрированы в интерфейс ситуационного центра или цифровой панели управления ТСБ.

Моделирование позволило количественно обосновать предельные интервалы эвакуации и предельные значения температуры и задымлённости, что дает основание для регламентирования времени реакции персонала и средств управления безопасностью. График (Рис. 3) указывает, что в течение 150–180 с большинство объектов переходит в зону ALARP или в недопустимую зону риска, что требует активных мер.

Практическое значение работы заключается в том, что полученные данные могут быть использованы для:

• разработки адаптивных планов эвакуации с учётом реальных сценариев;
• оптимизации размещения извещателей, ИК-сенсоров, модулей пожаротушения;
• построения цифровых моделей объектов и ситуационных центров безопасности;
• оценки эффективности уже реализованных противопожарных мероприятий;
• формирования ТЗ на проектирование новых объектов.

Перспективы дальнейших исследований включают:

• интеграцию данных визуализации в автоматизированные системы поддержки решений;
• применение ИИ для предсказания развития ЧС;
• масштабирование разработанных подходов на другие виды транспорта (аэропорты, вокзалы, тоннели);
• учет поведенческих факторов пассажиров в моделировании эвакуации;
• разработку нормативных требований к визуализации рисков в транспортной безопасности [15].

Таким образом, описанная система является не только инструментом анализа, но и компонентом системы оперативного реагирования в условиях ограниченного времени и высокой нагрузки на транспортную инфраструктуру. Она может быть масштабирована и адаптирована для других видов угроз (затопление, аварии с выбросом ОХВ, террористические угрозы) и внедрена как элемент цифровой платформы безопасности.

Рекомендация к публикации

Доктор медицинских наук, профессор кафедры «Техносферная и экологическая безопасность» Петербургского государственного университета путей сообщения Императора Александра I Копытенкова Ольга Ивановна рекомендует данную статью к публикации.

Авторы заявляют что:

1. У них нет конфликта интересов;
2. Настоящая статья не содержит каких-либо исследований с участием людей в качестве объектов исследований.

The authors state that:

1. They have no conflict of interest;
2. This article does not contain any studies involving human subjects.

About the authors

Alexey B. Zavyalov

Emperor Alexander I St. Petersburg State Transport University

Author for correspondence.
Email: alzav1310@gmail.com
ORCID iD: 0009-0008-6160-455X
SPIN-code: 4123-8950

Assistant

Russian Federation, St. Petersburg

Elizaveta A. Meshkova

Emperor Alexander I St. Petersburg State Transport University

Email: Elizaveta_meshkova@list.ru
ORCID iD: 0009-0004-7741-0611

Student

Russian Federation, St. Petersburg

Tatyana V. Gluhih

Emperor Alexander I St. Petersburg State Transport University

Email: gluhih_tv@mail.ru
ORCID iD: 0009-0001-6422-8421
SPIN-code: 5293-1930

Student

Russian Federation, St. Petersburg

References

Supplementary files