Please use this identifier to cite or link to this item: https://sci.ldubgd.edu.ua/jspui/handle/123456789/18406
Full metadata record
DC FieldValueLanguage
dc.contributor.authorПелешко, Марта-
dc.contributor.authorБашинський, Олег-
dc.contributor.authorБеседа, Андрій-
dc.contributor.authorКецмур, Ростислав-
dc.date.accessioned2026-06-15T17:40:25Z-
dc.date.available2026-06-15T17:40:25Z-
dc.date.issued2026-
dc.identifier.urihttps://sci.ldubgd.edu.ua/jspui/handle/123456789/18406-
dc.description.abstractДосліджено підходи до моделювання евакуації людей із метрополітену в умовах комбіно- ваних надзвичайних ситуацій та продемонстровано приклад застосування підтримки штучного інтелекту для вибору маршруту евакуації. Актуальність теми зумовлена тим, що метрополітен поєднує високу щільність пасажиропотоку, замкнений підземний простір і залежність від вузь- ких елементів евакуаційної інфраструктури. Для України ця проблема набуває додаткового зна- чення, оскільки станції метро використовуються не лише як транспортні об’єкти, а і як укриття під час воєнних загроз. Метою дослідження є узагальнення сучасних підходів до моделювання евакуації пасажирів метро в умовах комбінованих надзвичайних ситуацій та демонстрація сце- нарію, у якому підхід штучного інтелекту до вибору маршруту порівнюється зі статичною схе- мою евакуації. Методично дослідження поєднує аналіз наукових праць із демонстраційним гра- фовим моделюванням у середовищі Google Colab засобами Python. Станцію метрополітену по- дано як зважений граф, у якому для кожної ділянки задано довжину, умовний індекс небезпеки та пропускну здатність. Реалізовано два сценарії: евакуацію без штучного інтелекту, де маршрут визначався за найменшою довжиною шляху, і сценарій з підтримкою штучним інтелектом, де вибір маршруту здійснювався з урахуванням ризику та поточного навантаження на ділянки. У результаті встановлено, що за статичної схеми пасажиропотік концентрується на коротшому, але ризикованішому маршруті, тоді як адаптивний підхід дає змогу перенаправити рух в обхід небе- зпечної зони. У сценарії з підтримкою штучного інтелекту середній індекс ризику зменшився з 9,0 до 1,2, кількість пасажирів у ризиковій зоні скоротилася з 60 до 0, а коефіцієнт переванта- ження критичної ділянки знизився з 5,0 до 2,4. Водночас середня довжина маршруту зросла з 3,0 до 4,4. Зроблено висновок, що навіть спрощене підтримане штучним інтелектом моделювання виявляє переваги адаптивної маршрутизації в умовах комбінованих загроз у метрополітені.en_US
dc.titleАДАПТИВНА МАРШРУТИЗАЦІЯ ЕВАКУАЦІЇ ПАСАЖИРІВ МЕТРОПОЛІТЕНУen_US
dc.typeArticleen_US
Appears in Collections:2026

Files in This Item:
File Description SizeFormat 
08.pdf450.34 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.