台风灾害避难所服务区优化研究——以海南省万宁市为例*

周洪建，郭桂祯

(民政部国家减灾中心，北京 100124)

台风灾害避难所服务区优化研究
——以海南省万宁市为例*

周洪建，郭桂祯

(民政部国家减灾中心，北京 100124)

通过构建以最短距离为目标的避难所选址模型，对海南省万宁市台风灾害避难所进行了分析，结果表明：①万宁市132个候选避难所中，61个台风灾害避难所被中，单个避难所平均服务3.34个居民点，居民点平均避难距离为5 464 m；②在仅考虑学校型的候选避难所的情景方案中，21个避难所被选，单个避难所平均服务4.76个居民点，居民点的平均避难距离为593 m；③在选取全部类型的候选避难所方案中，30个避难所被选中，单个避难所平均服务1.85个居民点，居民点的平均避难距离为530 m。本研究可为台风灾害避难所服务区优化提供参考，为万宁市避难所选址规划提供一定的决策依据。

避难所；服务区；优化；台风灾害；万宁市

科学合理规划并建设灾害避难所对城乡防灾减灾具有非常重要的现实意义。灾害避难所的选址，是灾害避难所工作中的重点，也是难点。目前，灾害避难所区位研究的重点主要集中在区位布局原则和区位布局模型2个方面，后者更是重中之重[1]。避难所的区位选址模型按照目标类型，可分为单目标模型和多目标模型。单目标模型的相关研究较多，可分为p-中值模型、p-中心模型和覆盖模型，其中，①p-中值模型研究避难所设施和居民需求点之间的距离与需求量的乘积和最小，该模型在避难所选址建设中得到了广泛的应用，如Sherali等研究了应对飓风/洪涝灾害避难场所的选址模型[2]，Gama等基于逃生次序的多阶段避难场所优化选址模型，并在洪涝灾害中应用[3]，黄河潮等研究了p-中值模型在城市应急避难所规划中的作用[4]，潘安平以沿海农村地区台风灾害避难所为例，评价了基于p-中值模型在避难所配置合理性中的作用[5]；②p-中心模型解决任意居民需求点到距离最近的避难所的最大距离最小化问题，如Kilci等以土耳其为例，研究了p-中心模型在地震灾后临时性避难场所选择的应用[6]；③覆盖模型研究在满足所有需求点的前提下，需要建设的避难所数量或者建设成本最小的问题，在避难所选址建设中也得到了广泛的应用，如Berman和Krass开展了最大化覆盖模型的理论探讨[7]，Dalal等探讨了台风灾害中避难场所的覆盖模型问题[8]，周天颖和简普仁则探讨了覆盖模型在紧急避难场所决策支持系统中的作用[9]。多目标模型是指两个或以上的目标共同确定避难所区位的模型，多目标模型对解算过程要求高，常需引入智能算法求解[10]。需要特别指出的是，目前已有的灾害应急避难所工作，主要集中在地震(如，Liu等以汶川地震为例研究了山地区地震灾害复杂条件下应急避难场所的选择问题[11]；Hu等研究了无特殊指向情况下地震应急避难场所的选址问题[10])和洪水(Kongsomsaksakul 等探讨了洪涝转移规划中避难场所的选址方案[12]，Chang等以不确定情景下洪涝灾害后勤保障为例探讨了避难场所的优化问题[13]；Sanyal等基于GIS开展了洪涝灾害避难场所选址研究[14])，尽管有些工作针对台风或飓风(Sherali 等[2]；Li 等[15]探讨了飓风情景下避难场所区位和运输规划)，但类似的工作更多关注于台风灾害下避难场所区位的设计与规划原则，定性阐述居多，基于模型的定量化评估与基于供给侧多情景(即不同类型避难场所的空间布局)的避难场所服务区优化研究仍极为缺乏，难以满足在台风灾害发生的不同时段开展避难场所服务区的优化与调度需求。

本文以海南省万宁市为例，开展台风灾害避难所选址及服务区优化研究，给出评估模型，并尝试分析不同类型避难场所启用(供给侧)的多情景下，最优避难场所分布及其服务区，旨在为台风避难所的选址优化提供案例参考，也为万宁市的避难所选址规划提供科学依据。

1 研究区与数据

1.1 研究区概况

万宁市位于海南省东南部沿海，总面积为4 443.6 km2，下辖万城、龙滚、山根、和乐、后安、大茂、东澳、礼纪、长丰、北大、南桥和三更罗12个镇，东兴农场、东和农场、东岭农场、南林农场和新中农场5个国有农场和兴隆华侨农场。万宁市多年平均降水量在2 000 mm以上，8-10月份雨量最多，占全年降雨量的60%～70%。由于降雨量时空分布不均，造成春、夏季多旱，秋冬(初)季多涝。特别地，境内平均每年有台风3.9次，每年台风造成的经济损失往往达数千万元以上，是该地区危害最大的灾害类型。

1.2 数据

台风来临时，除专门建设的灾害避难所外，政府办公大楼、学校、体育馆等都可作为台风临时性避难场所。根据万宁市现有公共设施状况，从当地民政部门提供的信息中获得候选的台风灾害应急避难所共计132座，其中政府办公型28座，学校型91座，医院型12座，以及火车站1座(图1)。万宁市辖有自然村行政村共304个(图2)，将村庄整体作为避难疏散的个体，选取全部村落为避难需求点，在灾害避难所布局优化模型中解算所有避难需求点的分配结果，完成将全部避难需求人员转移安置至其归属的候选避难场所中的应急疏散工作。

图1 万宁市台风灾害候选应急避难所空间点位及候选避难路径

图2 万宁市主要居民村镇点位及台风灾害候选应急避难路径

万宁市辖区内有1条国道，南北向贯通全市，全长80.572 km；东西向省道1条，全长25.174 km；县乡级道路53条，全长512.818 km。并有一级街道20条，全长20.293 km；二级街道10条，全长13.639 km；三级街道12条，全长17.108 km；四级街道54条，全长52.916 km；此外，小路共221条，全长712.537 km(图1、图2)。台风来临前，这些道路都可作为台风灾害的应急避难路径。

2 评估模型

居民安全而有效快速地避难是避难所选址与服务区优化的直接目的。从台风在洋面生成到登陆，往往需要经历3～5 d的时间，个别台风甚至超过7 d，这为台风的应急准备提供了足够的时间。台风登陆前人员快速避难，可有效地减少人员伤亡。在撤离速度一定的前提下，避难路径越短，避难所需要的时间也就越短，成功而安全避难的比率也越大。因此，本文选择最小化避难距离为目标，建立台风灾害避难所P-中位模型，即台风避难所选址优化模型(公式1～公式4)。

f=min∑dij；

(1)

服从于

(2)

(3)

(4)

式中：I为避难所候选场址编号集，I= (1, 2, …i, …N)，J为居民区编号集，J= (1,2, …j, …M)，dij为居民区j和避难所候选场址i之间的最短距离。目标函数(1)表示最小化居民区到避难所的总距离，约束条件(2)表示每个居民区有且只能选择一个候选场址作为特定避难所。

3 研究结果

基于前述数据与建立台的风灾害避难所P-中位模型计算得到万宁市所有避难需求点的分配结果(图3)，可以看出，304个居民点分配到132个候选避难所中，其中61个避难所被选中；单个避难所服务的最大居民点个数为20个，最少服务1个居民点，单个避难所平均服务3.34个居民点；其中，居民点的最大避难距离为25 149 m，最小避难距离为9 m，平均避难距离为5 464 m；避难所区位优化结果参数如表1所示。

表1 万宁市台风灾害避难所区位优化结果

图3 万宁市台风灾害避难所区位优化

同样，对万宁市市辖区的台风灾害避难所区位优化进行了研究。选取市辖区道路为疏散路径，由于缺少居民点及其人口的数据，在此随机生成100个社区点作为避难需求人员的分布点位，得到选取全部类型的候选应急避难场所和仅选取学校型候选应急避难场所两种疏散方案。①在仅考虑学校型的候选避难所方案中，100个居民点分配到31个候选避难所中，其中21个避难所被选中；单个避难所服务的最大居民点个数为15个，最少服务1个居民点，单个避难所平均服务4.76个居民点；其中，居民点的最大避难距离为1 424 m，最小避难距离为4 m，平均避难距离为593 m(图4)。②在选取全部类型的候选避难所方案中，100个居民点分配到54个候选避难所中，其中，30个避难所被选中；单个避难所服务的最大居民点个数为15个，最少服务1个居民点，单个避难所平均服务1.85个居民点；其中，居民点的最大避难距离为1 424 m，最小避难距离为1 m，平均避难距离为530 m(图5)；避难所区位优化结果参数如表2所示。

图4 万宁市市辖区台风灾害避难所服务范围优化配置(仅考虑学校型候选避难所)

图5 万宁市市辖区台风灾害避难所服务范围优化配置(考虑所有候选避难所)

参数名称参数值(仅学校作为候选避难所)参数值(考虑所有候选避难所)随机生成的居民点总数/个100100候选避难所总数/个3154被选中的避难所总数/个2130单个避难所最多服务的居民点数量/个1515单个避难所最少服务的居民点数量/个11单个避难所平均服务的居民点数量/个476185最大避难距离/m14241424最小避难距离/m4014平均避难距离/m593530

从上述研究结果可以看出，①万宁市现有的132个避难场所中，理论上为了满足所有人的避难需求，只启用其中61个避难场所即可达到需求，并且模型可以给出61个避难场所的具体空间分布，可以较好地服务于避难场所及其服务区的优化选址；②以万宁市辖区为例，模拟的不同类型避难场所(学校型避难场所、所有避难场所)启用情景下避难场所及其服务区优化选址方案表明，在仅使用学校作为避难场所的条件下，单个避难场所服务的居民点数量、居民的平均避难距离均超过没有限定条件的数量，这为决策者在不同情景下启用不同类型或全部类型避难场所提供了对比分析的案例。

4 结论与讨论

4.1 主要结论

通过构建以最短距离为目标的避难所选址模型，对万宁市的台风灾害避难所进行分析，结果表明：

(1)万宁市132个候选避难所中，61个台风灾害避难所被中；其中，单个避难所服务的最大居民点个数为20个，最少服务1个居民点，单个避难所平均服务3.34个居民点；居民点平均避难距离为5 464 m，最大和最小避难距离分别为25 149 m和9 m。

(2)在仅考虑学校型的候选避难所的情景方案中，万宁市辖区内100个居民点分配到31个候选避难所中，21个避难所被选；单个避难所服务的最大居民点个数为15个，最少服务1个居民点，单个避难所平均服务4.76个居民点；居民点的最大避难距离为1 424 m，最小避难距离为4 m，平均避难距离为593 m。在选取全部类型的候选避难所方案中，100个居民点分配到54个候选避难所中，其中30个避难所被选中；单个避难所服务的最大居民点个数为15个，最少服务1个居民点，单个避难所平均服务1.85个居民点；居民点的最大避难距离为1 424 m，最小避难距离为1 m，平均避难距离为530 m。

(3)本研究所建立台的风灾害避难所P-中位模型，可支持不同类型避难场所启用(供给侧)的多情景下最优避难场所分布及其服务区，这可在一定程度上为决策者根据台风灾害的实际情况制定切实可行的避难场所启用及服务区方案提供科学依据和较大的技术支持。

4.2 讨论

通过本研究，也发现有如下几个待解决的问题供讨论。

(1)灾害避难所的选址，受区域自然地理、灾害风险和人文因素等影响，为此，在选址模型的建立时，需要考虑区位的安全性、灾民的可达性、避难所容量、灾害风险等多个目标和约束条件，这也是未来在避难所选址工作重点和难点问题，迫切需要解决。

(2)本文作者在结合本研究成果在万宁及其他地区的调研发现，台风灾害的实际救助过程中，并非按照模型所设定的整个村统一到某一避难所进行临时性避难的做法，而是选择距离自家最近的避难场所，尤其是针对一些居住相对分散的行政村。因此，以村为单元开展模型模拟研究，与实际情况可能有所出入，以人口的实际分布为输入进行模拟分析，可能得到的结果更符合现实。

(3)研究中用到的避难场所均是规模相对较大的场所，实际上，对于台风登陆频率较高的区域，几乎每个村都建设有“防洪、防风楼”用于临时性紧急避难，台风登陆前的撤离也先以本村的避难场所为首选。因此，在模型模拟运算中，如果能将需要转移避难的具体人数和空间分布、避难场所空间分布及接待能力作为输入，输出结果并更有指导价值。

(4)据当地相关部门对本研究结果的第一判断，本研究得到的避难场所及其服务区优化结果，对于做好每次台风登陆前的人员转移避难安置有现实意义，但还达不到指导其开展具体工作的程度；但是，本研究模拟得到的避难场所可以列入本区域未来重点建设的避难场所候选名单，不断完善其功能与服务能力，逐步成为应对特别重大台风灾害的紧急避难场所。这也为我们下一步开展巨灾情景下台风灾害避难场所及其服务区优化提出了具体需求。

[1] 徐伟, 胡馥妤, 明晓东, 等. 自然灾害避难所区位布局研究进展[J]. 灾害学, 2013, 28(4):143-151.

[2] Sherali H D, Carter T B, Hobeika A G. A location-allocation model and algorithm for evacuation planning under hurricane/flood conditions [J]. Transportation Research Part B: Methodological, 1991, 25(6): 439-452.

[3] Gama M, Santos B F, Scaparra M P. A multi-period shelter location-allocation model with evacuation orders for flood disasters [J]. EURO Journal on Computational Optimization, 2015 (1): 1-25.

[4] 黄河潮, 林鹏, 卢兆明. p-中位数法在城市应急避难所规划中的应用 [J]. 应用基础与工程科学学报，2004, 12(S1)：62-67.

[5] 潘安平. 沿海农村台风灾害“避难所”的配置合理性评价模型 [J]. 自然灾害学报，2011, 20(1)：10-18.

[6] K1l1 F, Kara B Y, Bozkaya B. Locating temporary shelter areas after an earthquake: A case for Turkey [J]. European Journal of Operational Research, 2015, 243(1): 323-332.

[7] Berman O, Krass D. The generalized maximal covering location problem [J]. Computers & Operations Research, 2002, 29(6): 563-581.

[8] Dalal J, Mohapatra P K, Mitra G C. Locating cyclone shelters: a case [J]. Disaster Prevention and Management, 2007, 16(2): 235-244.

[9] 周天颖, 简甫任. 紧急避难场所区位决策支持系统建立之研究[J]. 水土保持研究, 2001, 8(1): 17-24.

[10]Hu F, Yang S, Xu W. A non-dominated sorting genetic algorithm for the location and districting planning of earthquake shelters [J]. International Journal of Geographical Information Science, 2014, 28(7): 1482-1501.

[11]Liu Q, Ruan X, Shi P. Selection of emergency shelter sites for seismic disasters in mountainous regions: Lessons from the 2008 Wenchuan Ms 8.0 Earthquake, China [J]. Journal of Asian Earth Sciences, 2011, 40(4): 926-934.

[12]Kongsomsaksakul S, Yang C, Chen A. Shelter location-allocation model for flood evacuation planning [J]. Journal of the Eastern Asia Society for Transportation Studies, 2005, (6): 4237-4252.

[13]Chang M, Tseng Y, Chen J. A scenario planning approach for the flood emergency logistics preparation problem under uncertainty [J]. Transportation Research Part E: Logistics and Transportation Review, 2007, 43(6): 737-754.

[14]Sanyal J, Lu X X. Ideal location for flood shelter: a geographic information system approach [J]. Journal of Flood Risk Management, 2009, 2(4): 262-271.

[15]Li A C, Nozick L, Xu N, et al. Shelter location and transportation planning under hurricane conditions [J]. Transportation Research Part E: Logistics and Transportation Review, 2012, 48(4): 715-729.

Optimization of Service Areas of Typhoon Disaster Shelters in WanningCity of Hainan Province, China

ZHOU Hongjian and GUO Guizhen

(NationalDisasterReductionCenterofChina,Beijing100124,China)

Disastershelterlocationanalysisisaneffectivewaytoimproveresidents'evacuationrate.WeanalyzetheshelterlocationfortyphoondisastersinWanningCityofHainanProvincebyconstructingtheshortestdistanceevacuationmodel.Theresultsshowedthat: (1) 61typhoonshelterswereselectedamongthe132sheltersinWanning,eachshelterservices3.34communitiesandtheaverageevacuationdistanceis5464m; (2)Inthescenariowithonlyconsideringschoolsascandidateshelters,intotal21shelterswereselected,eachshelterservices4.76communitiesandtheaverageevacuationdistanceis593m; (3)Inthescenarioofallcandidatesheltersavailable,intotal30shelterswereselected,eachshelterservices1.85communitiesandtheaverageevacuationdistanceis530m.Thisstudycanprovideagoodreferencefortheserviceareaoptimizationoftyphoonshelters,andalsoagoodareferencefordecisionmakingintheshelterlocationplanofWanning.

disastershelter;servicearea;optimization;Typhoon;Wanning

2017-02-03

2017-03-13

国家科技支撑计划项目课题“重大自然灾害应急救助关键技术研究与示范”(2013BAK05B02)

周洪建(1980-)，男，山东泰安人，副研究员，研究方向为灾害评估与应急管理. E-mail: zhouhj_bnu@hotmail.com

10.3969/j.issn.1000-811X.2017.03.008.]

X42；X913.4

A

1000-811X(2017)03-0040-05

10.3969/j.issn.1000-811X.2017.03.008

周洪建，郭桂祯. 台风灾害避难所服务区优化研究[J]. 灾害学，2017，32(3)：40-44. [ZHOU Hongjian and GUO Guizhen. Optimization of Service Areas of Typhoon Disaster Shelters in Wanning City of Hainan Province, China[J]. Journal of Catastrophology，2017，32(3)：40-44.