Адаптивна маршрутизація евакуації пасажирів метрополітену

Башинський Олег Іванович

Львівський державний університет безпеки життєдіяльності

http://orcid.org/0000-0002-0243-7519

Пелешко Марта Зенонівна

Львівський державний університет безпеки життєдіяльності

http://orcid.org/0000-0002-9315-1590

Беседа Андрій Володимирович

Львівський державний університет безпеки життєдіяльності

http://orcid.org/0009-0004-6252-1431

Кецмур Ростислав Русланович

Львівський державний університет безпеки життєдіяльності

http://orcid.org/0009-0000-5602-8000

DOI: https://doi.org/10.52363/2524-0226-2026-43-8

Ключові слова: метрополітен, метро-евакуація, комбіновані надзвичайні ситуації, маршрутизація, штучний інтелект, графове моделювання, пасажиропотік

Анотація

Досліджено підходи до моделювання евакуації людей із метрополітену в умовах комбінованих надзвичайних ситуацій та продемонстровано приклад застосування AI-підтримки для вибору маршруту евакуації. Актуальність теми зумовлена тим, що метрополітен поєднує високу щільність пасажиропотоку, замкнений підземний простір і залежність від вузьких елементів евакуаційної інфраструктури. Для України ця проблема набуває додаткового значення, 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 сценарію, у якому AI-підхід до вибору маршруту порівнюється зі статичною схемою евакуації. Методично дослідження поєднує аналіз наукових праць із демонстраційним графовим моделюванням у середовищі Google Colab засобами Python. Станцію метрополітену подано як зважений граф, у якому для кожної ділянки задано довжину, умовний індекс небезпеки та пропускну здатність. Реалізовано два сценарії: евакуацію без AI, де маршрут визначався за найменшою довжиною шляху, і сценарій з AI-підтримкою, 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 небезпечної зони. У сценарії з AI-підтримкою середній індекс ризику зменшився з 9,0 до 1,2, кількість пасажирів у ризиковій зоні скоротилася з 60 до 0, а коефіцієнт перевантаження 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 AI-підтримане моделювання виявляє переваги адаптивної маршрутизації в умовах комбінованих загроз у метрополітені.

Посилання

1. Mandal T., Rao K. R., Tiwari G. Evacuation of metro stations: A review. Tunnelling and Underground Space Technology. 2023. Vol. 140. Art. 105304. doi: 10.1016/j.tust.2023.105304
2. Qin J., Liu C., Huang Q. Simulation on fire emergency evacuation in special subway station based on Pathfinder. Case Studies in Thermal Engineering. 2020. Vol. 21. Art. 100677. doi: 10.1016/j.csite.2020.100677
3. Zhang N., Liang Y., Zhou C., Niu M., Wan F. Study on fire smoke distribution and safety evacuation of subway station based on BIM. Applied Sciences. 2022. Vol. 12. № 24. Art. 12808. doi: 10.3390/app122412808
4. Zuo S., Mao Z., Fan C., Chen X., Gong M., Ren J. et al. Dynamic planning of crowd evacuation path for metro station based on Dynamic Avoid Smoke A-Star algorithm. Tunnelling and Underground Space Technology. 2024. Vol. 154. Art. 106145. doi: 10.1016/j.tust.2024.106145
5. Huang P., Lin X., Liu C., Fu L., Yu L. A real-time automatic fire emergency evacuation route selection model based on decision-making processes of pedestrians. Safety Science. 2024. Vol. 169. Art. 106332. doi: 10.1016/j.ssci.2023.106332
6. Бункус С., Огнєва О. Дослідження методів моделювання сценаріїв еваку-ації в умовах надзвичайних ситуацій. Вісник Херсонського національного техніч-ного університету. 2024. № 4(91). С. 226–235. doi: 10.35546/kntu2078-4481.2024.4.29
7. Курило А. Г., Кустов М. В., Зімін С. І., Губенко А. О. Моделювання ризиків каскадних аварій на залізничному транспорті в умовах війни. Проблеми надзвичайних ситуацій. 2025. Вип. 2(42).С. 123–137. doi: 10.52363/2524-0226-2025-42-9
8. Мітіна Н. Б., Плис М. М., Рогальов М. В., Малиновська Н. В. Методично-практичні аспекти планування та організації евакуації в умовах надзвичайних си-туацій. Будівництво, матеріаловедення, машинобудування. Серія: Безпека життє-діяльності. 2018. Вип. 105. С. 148–153. doi: 10.30838/P.CMM.2415.250918.151.144
9. Попко С. О., Колокольніков В. О., Черепньов І. А. Можливість викорис-тання штучного інтелекту для попередження та ліквідації надзвичайних ситуацій в метрополітені. Безпека людини у сучасних умовах: збір. доп. 17-ї Міжн. наук.-метод. конф., 4–5 грудня 2025 р. Харків: НТУ «ХПІ», 2025. С. 143–145. URL: https://repository.kpi.kharkov.ua/handle/KhPI-Press/96596
10. Потеряйко С. П., Бєлікова К. Г., Твердохліб О. С. Проблемні питання евакуації населення в безпечні місця в умовах воєнного стану. Український кейс. Публічне урядування. 2022. № 5(33). С. 58–63. doi: 10.32689/2617-2224-2022-5(33)-8
11. Потеряйко С. П., Бєлікова К. Г., Твердохліб О. С., Орлова Н. С. Економі-ко-математичне моделювання прогнозного оцінювання дієвості функціонування єдиної державної системи цивільного захисту. Фінансово-кредитна діяльність: проблеми теорії та практики. 2022. № 1(42). С. 293–303. doi: 10.55643/fcaptp.1.42.2022.3676
12. Кодекс цивільного захисту України: Кодекс України від 02.10.2012 № 5403-VI. URL: https://zakon.rada.gov.ua/laws/show/5403-17#Text

Надійшла до редколегії: 10.03.2026

Прийнята до друку: 13.04.2026

Дата публікації (оприлюднення): 30.05.2026