Устойчивость структуры городской дорожной сети к явлениям чрезвычайного характера

Sergey Babenyshev, Е.Н. Матеров, Малютин Олег Сергеевич · Сибирский пожарно-спасательный вестник. · 2024

В статье анализируются методы определения оценки уязвимых особенностей городской структуры по отношению к явлениям чрезвычайного характера.1. Используя сетевую топологию городской структуры транспортной сети, вводится функция достижимости, на основе которой даются методы оценки достижимости зданий и сооружений из пожарных подразделений. 2. На основе понятия центральности графа дорожной сети предложена оценка наиболее уязвимым элементам дорожной сети с точки зрения влияния сбоев (например, землетрясений, наводнений, террористических атак) этих элементов на дорожную сеть. При прочих равных условия, сети с более высокой связностью, меньшим количеством узлов и меньшей степенью центральности менее уязвимы к последствиям разрушения. 3. Учитывая цифровую модель рельефа местности, дается аналитическая оценка городской инфраструктуры, наиболее уязвимой для паводков. Используя информацию, касающуюся цифровой модели рельефа местности и расстояния от береговой линии до объектов, можно построить модель для кластеризации при районировании рисков затопления на основе алгоритмов машинного обучения. В работе проанализировано несколько крупных городов Российской Федерации. The article analyses the methods of determining the assessment of vulnerable features of the urban structure in relation to the phenomena of emergency character. 1. Using the network topology of the urban structure of the transport network, we define a reachability function is introduced, on the basis of which methods of estimating the reachability of buildings and structures from fire departments. 2. Based on the concept of centrality of the road network graph, an assessment of the most vulnerable elements of the road network, we propose in terms of the impact of failures (e.g., earthquakes, floods, terrorist attacks) of these elements on the road network. Other things being equal, networks with higher connectivity, fewer nodes and lower centrality are less vulnerable to the effects of disruption. 3. Given a digital elevation model, we provide an analytical assessment of the urban infrastructure most vulnerable to floods. Using the information concerning the digital elevation model and the distance from the shoreline to the objects, we built a model for clustering in flood risk zoning based on machine learning algorithms. We analyze s in this paper several large cities of the Russian Federation.

Cited by 0 works. doi:10.34987/vestnik.sibpsa.2024.15.80.008 Open-access PDF

Authors

References