🗺️ Deck 1 - Engine Room 위험지도
Grid: 45 x 25 | Cells: 1125
최적 대피 경로가 녹색 점선으로 표시됩니다. 시간 경과에 따라 경로가 동적으로 변경됩니다.
📊 위험도 통계 (Risk Statistics)
0.00
총 위험도 점수 (Total Risk)
0.00
평균 위험도 (Avg Risk)
0.00
최대 위험 셀 (Max Cell Risk)
0
안전 구역 셀 수
0
위험 구역 셀 수
-
최고 위험 구역
안전 (Safe, 0.0 - 0.2)0
낮음 (Low, 0.2 - 0.4)0
보통 (Moderate, 0.4 - 0.6)0
높음 (High, 0.6 - 0.8)0
위험 (Critical, 0.8 - 1.0)0
↑ 위험도 증가 추세 (Increasing)
🔬 기술 상세 (Technical Details)
1. Multi-hazard Weighted Sum Methodology (다중 위험요소 가중합)
각 그리드 셀 (x, y)에 대한 종합 위험도 R은 5개 위험 요소의 가중합으로 계산됩니다. 가중치는 운용자가 실시간으로 조절 가능하며, 정규화 옵션을 통해 가중치 합이 1이 되도록 자동 조정됩니다.
Weighted Sum
R(x, y, t) = ∑i=15 wi · Hi(x, y, t)
H1 = Fire Proximity, H2 = Smoke Density,
H3 = Structural Damage, H4 = Crowd Density,
H5 = Distance to Exit
2. Kriging Spatial Interpolation (크리깅 공간 보간법)
이산적 센서 데이터를 연속적인 위험지도로 변환하기 위해 Ordinary Kriging 기법을 사용합니다. 센서 위치에서 측정된 값을 기반으로 미측정 지점의 값을 추정하며, 반변이도(Semivariogram) 모델을 통해 공간적 상관성을 반영합니다.
Kriging Estimator
Ẑ(x0) = ∑i=1n λi · Z(xi)
λi: Kriging weights, Z(xi): observed values at sensor locations
3. Temporal Risk Evolution Model (시간적 위험도 진화 모델)
화재와 연기의 확산은 시간에 따라 비선형적으로 진행됩니다. 화재 반경은 rfire(t) = r0 + α√t 모델을, 연기 확산은 rsmoke(t) = r0 + βt0.7 모델을 따릅니다. 시간 경과에 따른 구조 손상도는 누적 열 노출량의 함수로 계산됩니다.
Temporal Evolution
rfire(t) = r0 + α√t
rsmoke(t) = r0 + βt0.7
Dstructural(x,y,t) = 1 - exp(-γ · ∫0t T(x,y,τ) dτ)
rsmoke(t) = r0 + βt0.7
Dstructural(x,y,t) = 1 - exp(-γ · ∫0t T(x,y,τ) dτ)
4. Individual Hazard Score Computation (개별 위험 점수 계산)
각 위험 요소 Hi는 0(안전)에서 1(최대위험)의 정규화된 값으로 산출됩니다.
- F (Fire Proximity): 화재원으로부터의 거리에 반비례하는 Gaussian decay 함수. F(x,y) = exp(-d2 / 2σf2)
- S (Smoke Density): 연기 확산 모델에 기반한 농도 분포. 화재원에서 더 넓게 확산되며 바람/환기 영향을 받음.
- D (Structural Damage): 화재 노출 시간과 온도에 따른 구조 건전성 감소율. 임계 온도 초과 시 급격히 증가.
- C (Crowd Density): 센서 기반 실시간 인원 밀집도. 밀집 구역은 대피 병목 위험이 높아 위험도가 증가.
- E (Distance to Exit): 가장 가까운 출구까지의 경로 거리를 최대 거리로 정규화. 출구에서 멀수록 위험도 증가.