Valutare la sicurezza della folla in situazioni di emergenza
Esaminare il comportamento della folla e le misure di sicurezza durante le emergenze usando simulazioni.
― 6 leggere min
Indice
Pianificare come far uscire le persone da posti affollati velocemente durante le emergenze è super importante per la sicurezza. Questo vale soprattutto in posti come stadi, sale da concerto e piazze pubbliche. Se non si seguono le giuste misure di sicurezza, può scoppiare il caos, portando a ferite o anche morti. Questo articolo parla di una Simulazione di un'emergenza del genere usando uno strumento chiamato NetLogo. La simulazione si basa su un evento reale accaduto in una piazza a Torino, Italia, il 3 giugno 2017, quando un forte rumore ha causato una calca.
Contesto
Le emergenze legate alle folle possono succedere ovunque nel mondo. Queste situazioni possono sorgere durante eventi sportivi, concerti o celebrazioni. Se la sicurezza delle folle non viene presa sul serio, i risultati possono essere disastrosi. Nell'incidente del 2017 a Torino, i fuochi d'artificio hanno causato panico tra la folla, portando a una calca che ha lasciato tre morti e oltre mille feriti. Le indagini hanno mostrato che le regole di sicurezza erano state ignorate. Ad esempio, erano stati posti dei barriere all'ingresso della piazza, che intrappolavano le persone quando cercavano di scappare. Inoltre, molti venditori vendevano bottiglie di vetro, che si rompevano nel caos, aumentando il rischio di tagli e ferite.
Obiettivi della Simulazione
I principali obiettivi della simulazione erano due. Prima di tutto, gli autori volevano creare un modello che rappresentasse da vicino come si comportano le folle nelle emergenze. In secondo luogo, volevano vedere come varie misure di sicurezza potessero cambiare l'esito di tali situazioni. Ad esempio, hanno considerato l'impatto di un'app mobile che potesse aiutare le persone a trovare l'uscita più vicina.
Struttura dell'Articolo
Questo articolo è organizzato in sezioni. La prima parte esamina la ricerca esistente sull'Evacuazione delle folle. Le sezioni successive spiegano il problema, descrivono il modello di simulazione, presentano le metriche utilizzate per valutare i risultati e discutono le conclusioni. Infine, vengono forniti suggerimenti per la ricerca futura.
Revisione della Letteratura
Esistono molti modelli di evacuazione. Alcuni ricercatori suggeriscono che i modelli basati su agenti siano più adatti per creare diversi scenari "e se". Questi modelli possono essere classificati in diversi tipi, tra cui modelli classici, ibridi e generici. La simulazione discussa qui è principalmente un modello classico basato su agenti. I lavori precedenti sulle evacuazioni si sono concentrati principalmente su spazi chiusi, come edifici, piuttosto che su aree aperte.
L'esigenza di migliori strategie di evacuazione è diventata cruciale dopo gravi incidenti come gli attacchi dell'11 settembre negli Stati Uniti. I ricercatori hanno iniziato ad analizzare i problemi sorti durante queste situazioni per evitare errori simili in futuro. L'obiettivo principale in tali casi è evacuare le persone il più velocemente possibile evitando ferite.
Negli spazi aperti, come l'evento a Torino, il caos è stato aggravato dalla mancanza di rispetto delle procedure di sicurezza, con conseguenti molte ferite e decessi. L'obiettivo della simulazione qui è analizzare questi problemi legati alla folla. Sebbene sia essenziale ridurre i tempi di evacuazione, la priorità deve essere quella di minimizzare il numero di feriti e morti.
Metodologia
Definizione del Problema
L'obiettivo di questo progetto è simulare come le persone si comportano in un'emergenza e come le loro decisioni possano influenzare gli altri. La simulazione include funzionalità che consentono di aggiungere nuovi punti di uscita e misurare quanti conoscono il modo migliore per uscire, possibilmente attraverso un'app mobile.
Modello di Simulazione
Il modello inizia con una mappa della piazza e un numero stabilito di persone in essa. Quando suona un allarme per indicare che l'evacuazione deve iniziare, le persone cercano l'uscita più vicina. Regolano la loro velocità in base a quanto è affollato e possono cambiare direzione se necessario.
Ogni persona nella simulazione ha caratteristiche come velocità, posizione, direzione e stato di salute. La loro velocità e salute sono influenzate dalla densità della folla. Lo stato di salute è categorizzato in diversi livelli di ferita, il che aiuta a tenere traccia del numero di individui feriti durante la simulazione.
Il modello introduce anche due variabili importanti: la frazione consapevole e la frazione di panico. La frazione consapevole indica quante persone conoscono la posizione delle uscite, mentre la frazione di panico indica il numero di persone che reagiscono con panico. Chi va in panico può muoversi in modo più erratico, aumentando la difficoltà dell'evacuazione. La simulazione termina quando tutti sono usciti dalla piazza.
Risultati e Discussione
Scenario Descrittivo
Il primo scenario mirava a replicare realisticamente gli eventi che si sono verificati a Torino. I risultati hanno mostrato vari livelli di ferite, monitorando come la situazione si è evoluta durante la simulazione. In un'importante scoperta, l'aumento della frazione di panico ha fatto aumentare significativamente il tempo di evacuazione. Al contrario, un aumento del numero di persone che utilizzavano un'app mobile che li indirizzava verso le uscite più vicine riduceva drasticamente il tempo di evacuazione.
Scenario Speculativo
Il secondo scenario era progettato per vedere come gli esiti potrebbero cambiare se fossero state messe in atto migliori misure di sicurezza. In questo scenario, una maggiore consapevolezza delle uscite ha comportato meno ferite. Inoltre, quando sono state vietate le bottiglie di vetro in vendita, le ferite sono state ulteriormente ridotte. I risultati hanno indicato che uscite più accessibili e un piano di evacuazione più intelligente potrebbero salvare vite e ridurre le ferite.
Esperimento sull'Applicazione Mobile
L'impatto dell'app mobile è stato interessante. Mentre accelerava l'evacuazione, ha anche portato a tassi di infortunio più alti. Questo suggerisce un compromesso tra far uscire le persone rapidamente e mantenere la loro sicurezza.
Accessibilità delle Uscite
Consentire un accesso più facile alle uscite si è rivelato vantaggioso. I dati hanno mostrato che quando le persone potevano scappare più rapidamente, venivano segnalate meno ferite. I risultati della simulazione hanno dimostrato che le uscite dovrebbero essere ben progettate per facilitare evacuazioni rapide.
Bottiglie di Vetro e Panico
Rimuovere le bottiglie di vetro ha migliorato notevolmente i risultati di sicurezza. La simulazione ha mostrato che con meno oggetti da rompere e causare panico, il numero di feriti è sceso notevolmente. Il panico, però, ha complicato le cose, poiché le persone che si muovevano in modo erratico hanno portato a un aumento della congestione e delle ferite.
Conclusione
Le simulazioni hanno evidenziato l'importanza di una pianificazione attenta quando si organizzano eventi con grandi folle. I modelli hanno replicato efficacemente l'evento tragico di Torino e mostrato come diverse misure di sicurezza avrebbero potuto cambiare l'esito. Questo lavoro serve da promemoria che ogni dettaglio conta per garantire la sicurezza pubblica. La ricerca futura potrebbe ampliare l'ambito per testare diversi scenari o esplorare come vari fattori lavorano insieme nella dinamica delle folle.
In sintesi, seguire rigorosamente le procedure di sicurezza è essenziale, poiché anche piccole distrazioni possono avere conseguenze gravi.
Titolo: CrowdLogo: crowd simulation in NetLogo
Estratto: Planning the evacuation of people from crowded places, such as squares, stadiums, or indoor arenas during emergency scenarios is a fundamental task that authorities must deal with. This article summarizes the work of the authors to simulate an emergency scenario in a square using NetLogo, a multi-agent programmable modeling environment. The emergency scenario is based on a real event, which took place in Piazza San Carlo, Turin, on the 3rd of June 2017. The authors have developed a model and conducted various experiments, the results of which are presented, discussed and analyzed. The article concludes by offering suggestions for further research and summarizing the key takeaways.
Autori: Davide Foini, Magdalena Rzyska, Katharina Baschmakov, Sergio Murino
Ultimo aggiornamento: 2023-02-21 00:00:00
Lingua: English
URL di origine: https://arxiv.org/abs/2302.11036
Fonte PDF: https://arxiv.org/pdf/2302.11036
Licenza: https://creativecommons.org/licenses/by/4.0/
Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.
Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.
Link di riferimento
- https://en.wikipedia.org/wiki/Abbreviated
- https://www.theguardian.com/football/2017/jun/03/juventus-fans-injured-turin-square-panic-firecrackers
- https://edition.cnn.com/2022/10/01/asia/indonesia-soccer-stadium-stampede-persebaya-surabaya-arema-fc-intl-hnk/index.html
- https://www.theguardian.com/world/2018/dec/08/italy-nightclub-stampede-deaths-corinaldo
- https://www.atlanteditorino.it/monografie/pSanCarlo.html
- https://github.com/chraibi/SocialForceModel
- https://github.com/DavideFoini/CrowdLogo