第五章 實驗結果與分析
5.2 實驗結果與數據分析
於本論文所做的實驗中我們比較了一旦發生急難狀況需要進行疏散時不同 演算法所需要的平均運算時間、逃生過程中環境的最高擁擠度以及平均的擁擠 度、以及疏散所有避難者所需花費的平均時間及最久時間，還有疏散經過時間與 疏散比率的關係，我們比較了本論文所提出的 DBCS 方法與 Hazardous-Region 以及 Short-Path 方法，並且以隨機分佈人群的方式進行 20 次運算後取平均值。
5.2.1 運行時間分析
平均運算時間也就是系統感測到災害訊息後所能給予導引的即時性，若演算 所需時間越短，則可以較快時間導引人員進行即時的疏散。實驗測試結果如圖 5 - 2。
圖 5 - 2、不同人數下所需的運行時間(毫秒/人)
此實驗中我們比較了不同人數情況下三種不同的演算方式所需要花費的時 間，我們所提出來的 DBCS 方法與 Hazardous-Region 的方法運行時間相差不大，
而 Short-Path 的方法速度較其他兩種快了 5 毫秒左右。雖然我們的演算法因為運 算層面較多導致時間較久，但是相差在 5 毫秒內對於使用者幾乎感受不到，並不
25人 50人 75人 100人 150人 200人 250人 300人 DBCS 1005 1005 1005 1006 1005.75 1006 1006 1007 Hazardous-Region 1005 1004 1005 1005 1005 1006 1005.4 1007 Short-Path 1001 1000 1001 1001 1001 1001 1000.8 1001
996 998 1000 1002 1004 1006 1008
運 行 時 間( 毫 秒)
59
會造成導引時的嚴重延誤。
5.2.2 逃生過程擁擠度分析
逃生過程中所造成的擁擠度代表疏散過程中人群於疏散路徑上是否均勻散 佈，若散佈越均勻代表各個區域的負載量較平衡，較接近理想的人群疏散方式。
若逃生過程中擁擠程度越高，不但會導致整體逃生速率降低，並且人群越有可能 因為互相推擠造成意外。
圖 5 - 3、避難過程中所造成的最高區域密度
25人 50人 75人 100人 150人 200人 250人 300人
DBCS 32.5 53 78 88 127.5 170 214 275
Hazardous-Region 32.5 56 87.5 101 207.5 270 436 380 Short-Path 32.5 65 102.5 128.5 225 270 376 377
0 50 100 150 200 250 300 350 400 450
最 高 密 度(
%)
60
圖 5 - 4、避難過程中所造成的平均最高密度
圖 5 - 3 及圖 5 - 4 顯示了避難過程中所造成的區域最高密度以及平均最高密 度。區域密度在環境中人數不斷增加導致整體環境密度上升時無可避免的跟著升 高，但我們可於曲線圖中發現本論文所提出的 DBCS 演算法於不同人數情況下 接有較低的區域密度表現，最佳情況可緩解高達 51%於逃生過程中所造成的區域 擁擠狀況，大幅緩解擁擠情況並可進而降低可能因擁擠造成的人群意外事件。這 是因為 DBCS 方法中有使用人員分群導引的方式達到區域密度的附載平衡，將 原本同一逃生路線的避難者分散，減輕了逃生區域的附載量。
5.2.3 逃生時間分析
逃生時間代表環境中人群離開災害環境所需經過的時間，我們在此處比較不
同演算方式對於平均逃生時間與最久逃生時間之間的差異。
25人 50人 75人 100人 150人 200人 250人 300人
DBCS 21.6 41 60.7 65.5 86.6 109 149.2 186
Hazardous-Region 22.4 42 63.3 82.35 132.4 179 287 255 Short-Path 22.8 45 61.7 91.65 136.1 206 259 263
0 50 100 150 200 250 300
平 均 密 度(
%)
61
圖 5 - 5、最後一人逃生成功時間
圖 5 - 6、環境中 50%避難者逃生成功所需時間
25人 50人 75人 100人 150人 200人 250人 300人
DBCS 24.75 25 25.5 25.5 34.5 60 78.6 108
Hazardous-Region 24.75 25.99 25.5 24 40.5 61.8 103.2 157.12 Short-Path 24.75 25.98 25.5 25.35 38.25 64.2 117.6 159.75
0 20 40 60 80 100 120 140 160
逃 生 成 功 所 需 時 間( 秒)
25人 50人 75人 100人 150人 200人 250人 300人 DBCS 12.21 12.9 12.42 12.9 13.5 18 24.6 49.35 Hazardous-Region 12.21 12.9 12.84 13.05 12.75 20.7 36 69.45 Short-Path 12.21 12.9 12.42 12.75 12.75 20.55 38.4 67.5
0 10 20 30 40 50 60 70 80
逃 生 成 功 所 需 時 間( 秒)
62
圖 5 - 7、環境中 80%避難者逃生成功所需時間
圖 5 - 8、環境中 90%避難者逃生成功所需時間
由圖 5 - 5 至圖 5 - 8 可見我們所提出的演算法與其他 2 種方法於導引時避難 者離開環境所需的時間。圖 5 - 5 可見利用 DBCS 演算法進行導引時，環境中最 後一人離開所需花費時間較少，最多可減少 33%左右的疏散時間花費，代表 DBCS 演算法可以有效的降低逃生時環境擁擠度、提高避難者移動速率，有效的
25人 50人 75人 100人 150人 200人 250人 300人 DBCS 12.3 16.95 16.8 18.45 20.25 34.5 57 91.95 Hazardous-Region 12.3 17.1 17.4 18.9 24.75 54 80.4 137.1 Short-Path 12.3 17.4 17.1 19.95 22.5 53.55 91.8 133.5
0 10 20 30 40 50 60 70 80 90 100 110 120 130 140
逃 生 成 功 所 需 時 間( 秒)
25人 50人 75人 100人 150人 200人 250人 300人 DBCS 19.8 19.95 20.4 21.45 24.6 40.2 65.4 102.45 Hazardous-Region 19.8 19.95 21 21.9 30.6 61.65 93.6 151.35 Short-Path 19.8 20.55 21.2 23.4 31.8 62.7 111 147.45
0 20 40 60 80 100 120 140 160
成 功 逃 生 所 需 時( 秒)
63
將可能發生擁擠區域的人群分群導引，並且掌握災害發生初期的黃金逃生時間。
而圖 5 - 6 至圖 5 - 8 則標示出了不同避難者人數下逃生率與時間的關係。當環境 人數較少時，因發生擁擠狀況的可能較小，所以本 DBCS 演算法於其他演算方 式在避難者成功避難的時間上並沒有特別明顯差異；但環境人數增加時，因為發 生擁擠機會增加，可以發現 DBCS 演算法於逃生時間上與其他演算方式出現了 明顯的差距。而圖 5 - 5 及圖 5 - 8 觀察可知，本文所提出之 DBCS 演算法因避難 者分群導引緣故，會將少部分避難者往距離較遠但相對安全之路徑導引，以減少 區域擁擠發生的可能，所以雖然圖 5 - 8 大部分避難者逃生時間與其他方法差距 明顯，但因將避難者往距離較遠但安全路徑導引之緣故，圖 5 - 5 所顯示之最後 一人逃生成功時間卻相差較少。
綜合圖 5 - 5 至圖 5 - 8 結果，我們可得知於環境中人數較少時，因環境中不 易發生擁擠情況，所以實驗比較中較無法看出本文所提出之 DBCS 演算法與另 2 種演算方式的明顯差異性。但當環境中人數較多，DBCS 演算法與其他方法便出 現了明顯的差距，證實了我們所提出的 DBCS 演算法確實能將避難者分群、有 效減緩擁擠情況，確實掌握黃金逃生時間。
5.2.4 小結
經上述分析比較後可看出，雖然我們提出的 DBCS 個人化逃生導引演算法 於運行時間上需要多花費 5 毫秒左右，但在避難過程中所造成擁擠程度以及逃生 時間上最高可緩解 51%的擁擠發生率並提高 33%左右的疏散效率，相較於先前 緊急避難逃生導引演算方法皆有較佳的表現。並且由我們實驗測試結果可得知，
DBCS 演算法非常適合用於多人數、高人群密度之大型環境，因高人群密度之環 境較容易於避難過程中造成人群擁擠的情況，而本 DBCS 演算法的避難者分群 導引機制正好能有效地緩解此一情況的發生，於環境狀況需要進行疏散引導時確 實掌握黃金逃生時間，以較有效率之路徑進行疏散引導。
另外，實驗比較中的 Short-Path 方法因為會將避難者導引往起火區域，容易
64
造成避難者心理壓力加劇以及迴避性、僵直性等避難行為，可能於起火點周圍區 域來回移動以及停留等無法預期之動作，造成避難者停留以及擁擠度的加劇。但 因此些無法預期行為無法於模擬時以固定公式表示，所以於我們的實驗中並沒有 針對此些行為進行模擬，有鑑於此，實際發生火災進行避難導引時，Short-Path 方法於避難行為上所需花費時間應比測試所得數據更多。
65