Имитация ядерной атаки на мегаполисы США с использованием агент-ориентированного подхода
30.08.2018

Разработка ученых из Политехнического университета Виргинии и университета штата Виргиния (Biocomplexity Institute at Virginia Polytechnic Institute and State University (Virginia Tech)) направлена количественную оценку отдельных параметров Сценария национального реагирования #1 (National Response Scenario Number One) – плана федерального правительства Соединенных Штатов на ядерную атаку. Это один из пятнадцати сценариев, разработанных Министерством внутренней безопасности США (United States Department of Homeland Security) и связанных с национальной системой реагирования (National Response Framework) в которой подробно описываются действия при возникновении чрезвычайных ситуаций. В сценарии #1 наиболее вероятной предполагается атака на крупнейшие города США (Нью-Йорк, Лос-Анджелес и др.) с использованием ядерных зарядов, перемещаемых с помощью подходящих транспортных средств (фургон, внедорожник и т.п.), позволяющих доставить их в центр города и взорвать.

Расчеты упомянутого сценария осуществляются уже более 60 лет, однако лишь недавно для этой цели стали использовать агент-ориентированный подход, позволяющий детализировать изучаемый процесс до уровня отдельных индивидуумов.

Разработанная в университете агент-ориентированная модель содержит геоинформационную систему со множеством слоев (дома, транспорт, энергосистемы, погодные условия) и несколько млн. агентов, различающихся по полу, возрасту, профессии и реагирующих на происходящее, используя различные режимы поведения (паника, поиск членов семьи и др.). Применение моделей этого класса позволяет определить наиболее эффективный порядок действий со стороны экстренных служб.

Симуляция затрагивает каждое городское здание, дорогу, линию электропередач, ретранслятор сотовой связи, а также учитывает погодные условия (рис. 1).

С другой стороны, такая детализация требует соответствующих вычислительных ресурсов, поэтому для расчетов были использованы суперкомпьютеры Политехнического университета Виргинии и университета штата Виргиния и Управления перспективных исследовательских проектов Министерства обороны США (The Defense Advanced Research Projects Agency (DARPA)).

При построении модели разработчики старались настроить ее максимально приближенной к реальности, хотя моделируемые явления не имеют эмпирических данных. Тем не менее, некоторые неопределенные параметры вычислялись посредством усреднения результатов, полученных в результате множественных модельных прогонов, в процессе которых значения выходных показателей сопоставлялись с их целевыми ориентирами, определенными экспертами. Такая калибровка модели осуществлялась последовательно для каждой ее части.

  Nuclear-1.JPG

Рис. 1. 3D симуляция городского ландшафта в агент-ориентированной модели

Что касается моделирования поведения агентов, то разработчики, на основе дополнительно проведенных исследований отмечают, что в отличие от обычного поведения, зависящего от множества случайных факторов, в кризисных ситуациях люди ведут себя более предсказуемо, поскольку их действия сводятся к нескольким вариантам («поиск убежища», «поиск родственников», «поиск врача» и т.п.). Соответственно, упрощается их модельная реализация. Такие выводы были сделаны при тщательном анализе последствий ряда чрезвычайных происшествий (пожары, наводнения, землетрясения и др.).

Так, исследования, проведенные в Виргинском университете и Нью-Йоркской медицинской академии, показали, что в экстремальных ситуациях люди в первую очередь стараются выйти на контакт с близкими и их дальнейшее поведение во многом определяется местонахождением родственников и возможностью общения (см., например, (T.M. Guterbock, J.H. Lambert, R.A. Bebel, and M.W. Parker. NCR behavioral survey 2011: Work, school or home? Issues in sheltering in place during an emergency. Technical report, Center for Survey Research, University of Virginia, Aug. 2011), (R.D. Lasker. Redefining Readiness: Terrorism Planning Through the Eyes of the Public. Center for the Advancement of Collaborative Strategies in Health, New York Academy of Medicine, 2004), (R.D. Lasker, N.D. Hunter, and S.E. Francis. With the Public's Knowledge, We Can Make Sheltering in Place Possible. New York Academy of Medicine, New York, NY, 2007)).

Если чрезвычайная ситуация происходит в дневное время, то как правило члены семьи находятся в разных местах (работа, школа и т.д.), но с высокой вероятностью взрослые члены семьи попытаются найти детей, и лишь затем предпринять попытки для совместной эвакуации (S. Liu, P. Murray-Tuite, and L. Schweitzer. Analysis of child pick-up during daily routines and for daytime no-notice evacuations. Transportation Research Part A: Policy and Practice, 46(1):48-67, Jan. 2012).

Как правило, при возникновении экстренного случая происходит задержка между временем подачи сигнала об эвакуации и реакцией людей (M.F. Sherman, M. Peyrot, L.A. Magda, and R.R.M. Gershon. Modeling pre-evacuation delay by evacuees in World Trade Center towers 1 and 2 on September 11, 2001: A revisit using regression analysis. Fire Safety Journal, July 2011). Это связано с субъективной оценкой ситуации, которая основывается на поведении других людей, а также на прошлом опыте (а точнее его отсутствии).

Вопреки предположению о том, что при возникновении чрезвычайной ситуации поиск и помощь пострадавшим будут оказывать специально обученный персонал, исследования показывают, что большинство первоначальных поисково-спасательных операций проводят сами выжившие ((E. Auf der Heide. The importance of evidence-based disaster planning. Annals of Emergency Medicine, 47(1):34-49, Jan 2006), (R.W. Perry and M.K. Lindell. Understanding citizen response to disasters with implications for terrorism. Journal of Contingencies and Crisis Management, 11(2):49-60, 2003)).

Для наполнения модели информацией использовались данные, полученные в результате обследования американского общества (American Community Survey (ACS)), ежегодно осуществляемого Бюро переписи населения США (United States Census Bureau). Это одно из крупнейших обследований, охватывающее примерно 3,5 млн. человек в год.

Географическая локация населения была настроена с использованием данных от NAVTEQ – основного в мире производителя цифровых карт и прочих данных для геоинформационных систем, используемых как в навигационных системах, так и в многочисленных онлайн-картах Yahoo! Maps, Bing Maps и др.).

Набор действий, выполняемых агентами в течении дня был определен с использованием данных, полученных в результате обследования путешествий (The National Household Travel Survey (NHTS)) и от национального центра статистики образования (National Center for Education Statistics (NCES)).

Все используемые в модели данные приведены в таблице 1. Размерность рассчитанного на основе статистики искусственного общества, населяющего вашингтонскую агломерацию составляет 4 млн. человек (в реальности, по данным 2017 г. около 6,2 млн.), количество агентов модели, проживающих на подверженной атаке территории составляет 730 833, а количество возможных мест локации для них – 146 337.

Таблица 1

Наборы данных, используемые для спецификации агентов модели

Данные

Источники

Население, всего

American Community Survey

National Center for Education Statistics

National Household Travel Survey

NAVTEQ

Dun & Bradstreet

Временные группы населения

Destination DC (данные о прибывающих в Вашингтон путешественниках и командированных)

Smithsonian visit counts

Студенты, проживающие в общежитиях

CityTownInfo

District of Columbia public access online Data Catalog

Реализация функционала модели осуществлялась с использованием полумарковских процессов, а также с помощью набора опций, определяющих поведение агентов на высоком уровне. Так, в модели агенты могут выбирать между шестью вариантами действий, перечисленных ниже, а сам процесс выбора приведен на рис. 2. Варианты поведения, а также допущения относительно используемых временных отрезков были определены на основе упомянутых выше исследований.

  Nuclear-2.jpg

Рис. 2. Дерево решений для выбора варианта поведения

Вариант 1. Поиск членов семьи

Это действие при наступлении чрезвычайной ситуации является наиболее естественным для большинства людей. На рис. 3 показано, что если у человека нет семьи, то он постарается переместиться в ближайшее место эвакуации. Данное действие прекращается, в случае если все члены семьи находятся в одном месте, либо заканчивается с вероятностью 0.5, если кто-то из них находится в плохом состоянии или же начал эвакуироваться самостоятельно.

  Nuclear-3.jpg

Рис. 3. Алгоритм действий при поиске членов семьи

Вариант 2. Эвакуация

В этом процессе агент осуществляет попытку попасть в ближайшее место эвакуации, а также с вероятностью 0.5 будет продолжать связываться с отсутствующими членами семьи каждый час. Если же состояние здоровья агента плохое (ниже определенного порога), выполнение данного действия прекращается.

Вариант 3. Поиск убежища

Убежищем в рамках модели считается строение, процент разрушения которого изнутри составляет не более 10%, причем снаружи оно может иметь более серьезные повреждения. Технические характеристики зданий были доступны для разработчиков и включены в модель. При выборе данного действия агент переместится в ближайшее убежище, а если агент уже находится там, то он будет оставаться внутри здания в течение длительного периода времени, но в модели также предусмотрено, что отдельные индивидуумы из-за недостатка терпения могут покинуть убежище с вероятностью 0.1. Кроме того, вероятность прекращение данного действия возрастает пропорционально ухудшению здоровья агента.

Вариант 4. Поиск врача

Если агент не может двигаться, то он пытается вызвать врача и в случае успешного соединения по телефону – может быть доставлен в ближайший медицинский пункт с вероятностью 0.2. Если же агент в состоянии передвигаться, то в случае выбора данного действия, он перемещается за медицинской помощью самостоятельно. Действие прекращается, если вызвать помощь не удалось, и агент остался в одиночестве, а также в случае успешного прибытия к медицинскому пункту.

Вариант 5. Паника

Процесс при выборе данного действия приведен на рис. 4, где параметр «Вызов» означает, что с вероятностью 0.7 агент будет пытаться позвонить в службу спасения, «Больница» означает, что с вероятностью 0.3 агент попробует добраться до больницы, а «Выход» означает, что с вероятностью 0.5 агент будет пытаться выйти наружу.

Предполагается, что с большей вероятностью люди будут паниковать в самом начале, а после трех часов с момента атаки вероятность прекращения данного действия составляет 0.5. Для избегания резкого перехода, когда все поддавшиеся панике агенты могут единовременно выбрать другое действие, разработчики использовали сигмовидную функцию для сглаживания вероятностного процесса. Другая возможность для быстрого прекращения паники (с вероятностью 0.75) – успешный вызов службы спасения.

  Nuclear-4.jpg

Рис. 4. Дерево решений при выборе действия «паника»

Вариант 6. Помощь детям и пострадавшим людям, потерявшим способность передвигаться

Процесс при выборе данного действия приведен на рис. 5. Данное действие может быть прекращено в результате потери способности агента к передвижению или из-за ухудшения здоровья, а также в случае получения информации об угрожающей другим членам семьи опасности.

Nuclear-5.jpg

Рис. 5. Дерево решений при выборе действия «помощь другим людям»

Изменяющиеся со временем показатели здоровья агентов рассчитываются на основе данных медицинских обследований людей, подвергшихся радиационному воздействию. Что касается первоначальных травм, получаемых во время взрыва, то их тяжесть определяется с учетом физических свойств взрыва, а также в зависимости от местонахождения конкретного человека (если он находится на улице, то может получить ожоги, а если внутри здания, то ранения в первую очередь могут быть получены от обломков).

Ниже приведен пример симуляции для Вашингтона.

В понедельник 11-15 утра террористы-смертники, используя обычный фургон для доставки грузов, привезли и активировали ядерное взрывное устройство на пересечении 16-й улицы и Кей-Стрит в Северо-Западной части Вашингтона, всего в нескольких кварталах от Белого дома.

Мощность заряда, использующего 5 килограмм высокообогащенного урана, составляет примерно 2/3 от мощности бомбы, сброшенной в 1945 году на Хиросиму.

Мгновенно, большая часть центра города оказывается в огненном шаре, взрыв полностью разрушает все здания в радиусе километра от эпицентра и уничтожает десятки тысяч людей (рис. 6). Электромагнитный импульс нарушает работу сотовой связи в пределах 5 км, а также энергосистем в большей части города. Далее ветер сносит радиоактивное облако в сторону Мэриленда, дороги быстро блокируются из-за хаотичного перемещения людей (некоторые из них пытаются сбежать, другие найти родственников, получить медицинскую помощь и т.д.).

Nuclear-6.jpg

Рис. 6. Последствия взрыва ядерного заряда мощностью в 12 килотонн в центре Вашингтона через несколько часов: 1) облако радиоактивных осадков (пятно желтого цвета) простирается на восток; 2) высота столбиков показывает количество людей в конкретном месте, а цвет указывает на их состояние (красный цвет – болезнь или смерть)

Стандартная рекомендация для людей, находящихся в зоне радиоактивного поражения заключается в том, чтобы они максимально быстро искали убежище с целью минимизации ущерба от облучения. С другой стороны, крайне маловероятно, что люди смогут самостоятельно определить именно ядерный взрыв, поэтому при отсутствии соответствующего оповещения, вероятность того что они будут искать убежище очень низкая.

Интересен один из результатов, полученный в ходе сценария, предусматривающего частичное восстановление сотовой связи. Данная мера позволила несколько уменьшить число жертв, возникших из-за хаотичного движения людей, поскольку часть из них смогли убедиться в том, что их близкие живы.

Некоторые правительственные чиновники США, а также известные разработчики агент-ориентированных моделей (к примеру, Джошуа Эпштейн) считают, что использование этих инструментов должно быть повсеместным. В ситуационных центрах, а также в местах общего пользования (университетах, публичных библиотеках и т.д.) должны быть реализованы цифровые копии соответствующих территорий с набором агентных моделей, позволяющих провести симуляцию катастроф различного вида (токсичные выбросы, эпидемии, стихийные бедствия, теракты и др.). Это позволит пользователям определить наилучший для себя вариант поведения («поиск убежища на месте» или «эвакуация»). Со временем, использование подобного рода моделей станет таким же привычным, как следование указанием навигатора Google Maps.

Более подробно про модель и результаты экспериментов можно прочитать, к примеру, в следующих публикациях:

1. What if a nuke goes off in Washington, D.C.? Simulations of artificial societies help planners cope with the unthinkable // SCIENCE AAAS by M. MITCHELL WALDROP APR. 12, 2018.

2. Nidhi Parikh, Samarth Swarup, Paula E. Stretz, Caitlin M. Rivers, Bryan L. Lewis, Madhav V. Marathe, Stephen G. Eubank, Christopher L. Barrett, Kristian Lum, Youngyun Chungbaek Modeling Human Behavior in the Aftermath of a Hypothetical Improvised Nuclear Detonation // Network Dynamics and Simulation Science Lab, Virginia Bioinformatics Institute, Virginia Tech, Blacksburg, VA, USA.

rss
Назад

Статьи
Суперкомпьютерные технологии Транспортные модели пешеходная модель Монография Биомедицина Parallel computing Параллельные вычисления Axum Repast Агент-ориентированные модели Исследования Модель экономики Евросоюза Пространственно-распределенные агентные модели большие данные CUDA Russian Supercomputing Days Агент-ориентированный подход Исторические процессы Мониторинг планеты Пространственные модели FuturICT SEGMEnT БРИКС Контакты Публикации Экономические процессы GPU SSC Междисциплинарное исследование Новости Революция Эксафлопная производительность HPABM SWAGES Высокопроизводительные вычисления Методология запуска О проекте Социальная сеть Эпидемия Microsoft Social Simulation Conference ГИС Механизм раделяемой памяти Пандемия Ссылки Ядерная атака на США POLARIS TSUBAME Демография Моделирование мира Пандора Стратегии распараллеливания автоматическое распараллеливание XAXIS Иерархическая платформа Моделирование эпидемий Суперкомпьютерная Академия агентная модель