气候变化背景下滨海城市应急疏散决策体系构建——以欧盟忒修斯项目为例

高 洁， 陈 天， 刘 畅

(1. 天津大学建筑学院， 天津300072； 2. 中国城市规划设计研究院， 北京100044)

根据近5年我国沿海省份滨海地区自然灾害经济损失的相关统计资料显示(见表1)，我国滨海地区的自然灾害主要为风暴潮、海浪及海冰等。人员伤亡和巨额经济损失主要来自于风暴潮、海浪引发的海水入侵和洪水淹没(见表2)。洪涝灾害多伴随着风暴潮和海浪发生，同时导致内河发生海水倒灌并使滨海土地盐渍化不断加剧[1]。我国滨海地区布局了大量的滨海工业新区，大规模的如天津滨海新区、小规模的如台州和温州等地的滨海工业园区。从辽宁的大连、营口延伸到广西的北海、钦州，在上述滨海新区或工业园区的规划之初，由于对气候变化考虑不足，海平面上升和海洋气象灾害加剧可能引发重大的灾害和环境影响[1]。

面对当前气候变化的巨大挑战，滨海城市防灾减灾主要可以从3个层面提升：一是传统方式，即加强沿海岸线的工程防护结构并提升新建建筑的防灾标准；二是制定具有长期风险意识的空间防灾规划，量化灾害风险并制定相关策略，降低滨海高密度地区的易受灾性；三是建立完善的城市综合防灾管理体制，提升灾害应急管理能力并提高风险意识。20世纪90年代中后期，我国在传统工程性减灾措施方面采取了多项行动，建立了高标准海塘近万千米，这些措施在抵御近岸或登陆型的台风、风暴潮等灾害的过程中发挥了重要作用。但随着海域利用活动的增多、海岸带经济密度持续增大，承灾体对致灾因子的风险暴露增大，致使潜在风险趋高[2]。因此，滨海城市在做好传统防灾措施的基础上，应不断提升空间防灾规划以及综合防灾管理体制的水平。同时，风暴潮、海浪及洪涝等灾害的高风险性、低控制性以及可预期性也使得研究应急疏散具有重要意义[3]。在这一背景下，笔者拟通过对《忒修斯项目(2009—2013)》实施框架的主要内容进行阐述与分析，探索灾前情景评估方法，以及如何利用灾前预测及实时数据反馈构建疏散决策支持系统，并利用模拟实现方案优化选择，以期对我国在气候变化背景下滨海城市应急疏散问题上产生有益启示，提升规划实施的效果。

表1 2011—2015年我国沿海省份自然灾害经济损失

资料来源：根据各年份全国海洋灾害公报整理。

表2 滨海城市主要自然灾害类型、定义、成因以及危害[4]

一、 忒修斯项目背景

在全球范围内，由于气候变化导致的风险和不确定性日益增加，对滨海保护的态度也逐渐转变，从传统的洪水和侵蚀的结构性防御防洪转向“为空间腾出空间”，开发和评估保护滨海地区免受侵蚀、洪水和环境损害的创新技术和方法，通过系统的方法提供低风险的人造海岸和健康的滨海生境，以适应不断发展的滨海地区。忒修斯研究项目是由欧盟委员会资助的海岸风险评估和减排项目中最大的综合项目，由31个合作机构组成。该项目源起主要有以下4个方面：1)欧洲滨海地区人口众多，经济上至关重要的大片地段已经受到海岸侵蚀和淹没的威胁；2)气候变化和海平面上升将会增加淹没和侵蚀的频率和严重程度，而社会经济变化也增加了受威胁的资产值，对于极端事件，需要实施非结构性措施以确保对人口的保护；3)管理这些风险的既有方法以牺牲滨海生境为代价维护人身安全，与可持续发展的理念相违背，且一直存在技术故障或人为错误的潜在危险；4)欧洲尚未制定综合方法来评估和管理日益严重的侵蚀和洪水风险。忒修斯将开发系统的方法为人类提供低风险的海岸，这些项目将直接用于实际的国防规划，为居民、基础设施和经济活动提供保护。为了有效改进洪水的风险管理，项目在全欧洲确定了的8个研究点，包括波兰赫尔半岛、德国易北河口、荷兰斯海尔德河口、英国普利茅斯到Exe河口、保加利亚瓦尔纳海岸、意大利波河三角洲和毗邻的海岸、法国吉伦特河口以及西班牙桑坦德海岸。

疏散虽然可以提升沿海城市的防灾韧性，但是，准备不足的疏散可能比灾害直接造成的损失更多。因此，在灾难发生之前，决策者必须考虑到其实际后果。忒修斯项目框架中提出了决策支持方法，并得到用于评估预防性疏散安全性的软件工具的支持。

二、 滨海城市应急疏散特性

大规模疏散在空间和时间维度都是一个很复杂的过程，其主要目标即在灾害发生前的有限时间内向安全地点转移最多人数。在空间维度，可以通过灾害发生阶段及疏散目的地的不同划分疏散类型，具体包括预防性疏散、避护所避护、就地避护，以及灾时救援和逃生，疏散形式表现为水平疏散及垂直疏散[5]。在时间维度，疏散过程可划分为预警、决策、警报、疏散、避护、返家6个阶段(见图1)。除上述共性外，滨海城市应急疏散包括以下特性。

1. 支持数据的复杂性

疏散管理的主要挑战是通过更有效的支持工具整合不同领域的数据，并将不同阶段的危机管理转化为支持服务的能力。OSIRIS是最早的可操作危机管理工具之一[6]，它整合了灾害特征分析、地区易受灾性分析和防灾规划，由灾害数据分析和风险管理支持系统组成，既可用于灾前模拟，亦可用于灾时管理。在预警阶段，OSIRIS可为决策者提供技术路线模拟洪涝情景、预测易受灾设施并制定临时行动计划。在灾害发生时，可根据空间数据和实时水文预测模拟灾情并优化行动计划。OSIRIS中还可安装如1D浅水水动力模型等插件来计算洪水地图，或者如Itineris等模块检测道路中断情况并选择优化疏散路线[7]。与内陆地区相比，滨海城市大规模疏散在人口、交通、物流等方面涉及到更加复杂的数据及模拟过程，可由ArcGIS实验后再通过OSIRIS平台集成为决策支持工具。

疏散专项模型可以分为两类：特定灾害分析模型和疏散支持模型。灾害分析类模型主要分析灾害的物理特征及影响以确定疏散地区、路径、避难场所位置等问题。疏散支持类模型主要用于对疏散通讯或者其他疏散时间分析以优化交通策略。洪水地图是灾害分析类模型中最常见的模型，用于确定潜在疏散地区[8]，如英格兰及威尔士环保局洪水地图、荷兰的LIZARD-Fooding等。疏散支持类模型可分为3类：疏散行为模型、交通模型以及疏散路径图[9]。疏散行为模型包括警报发布过程模拟、疏散行为模拟、避难行为模拟等。交通模型包括基于交通流的模型、基于主体的模型以及情景模拟模型(见表3)。既有研究中主要应用GIS绘制疏散地图，进行疏散路线、避难场所规划等。模拟数据与GIS的整合可以从时间和空间维度模拟情景假设，满足疏散决策支持体系的大部分需求。

表3 交通模型描述

资料来源：根据参考文献[11]和[12]整理。

综上所述，决策支持数据包括预报数据、交通承载力、人口特征、避难场所容量等，由于这些数据本身具有不确定性甚至彼此矛盾，确定决定性因素及阈值的难度大大增加。因此，对于管理者而言，在疏散决策中需要制定清晰的工作框架并通过不同技术标准的分析、整理、选择整合为综合指标体系。主导指标的选择主要与疏散类型、疏散通讯、撤离时间、可用物资的组织以及物流管理相关。

2. 情景模拟的多样性

尽管灾害响应的组织机制不同，但大多数国家均授权编制了相关防灾规划，并基于对灾情的总结，在政策导向中提出对疏散规划的建议[13-14]，各国滨海城市也相继出台了“气候变化管理专项规划”以应对海平面上升等气候变化现象引发的不利影响(见表2)。美国于1995年制定了《飓风疏散技术指南》进行灾害分析、易受灾性分析、人群行为模式分析、避难场所以及交通分析。加拿大针对高密度地区制定了《高度城市化地区撤离规划》，明确了疏散相关因素、相关人员及主要职能、疏散决策步骤及主要任务和实施条件。欧盟于2004年制定了针对洪涝灾害的《欧洲共同体FP6 洪涝场地项目》，提出在危机管理中纳入对相关权益者的组织协调，需要针对不同的疏散情景设计行动方案，灾前准备阶段确定最主要的疏散路线、防灾避难场所以及人群行为模式，并对预警阶段的疏散决策分析、避难场所以及物资供应、疏散阶段的通讯问题进行了探讨。澳大利亚灾害管理局于2005年颁布了《疏散规划》，明确了灾害级别，制定了多主体冲突下的灾害管理策略以及社区和个人支持服务。新西兰民防与应急管理部于2008年制定了《大规模疏散规划》，将疏散分为决策、警报、疏散、避护以及返家阶段，并对每个阶段的内容进行了详细规定，同时要求规划前期需要考虑弱势群体的特殊需要。

可以看出，既有研究在规划阶段主要确定防灾避难场所的位置以及安全疏散路线。然而，基于实际经验，由于情景模拟无法预测所有可能性，防灾避难场所及疏散路线的规划并不能保证灾时应急疏散的顺利进行，相关管理部门仍然需要面对很多紧急情况。相比内陆地区的情景模拟，滨海及河口城市的洪涝模拟更加复杂，考虑到上游参数时情景模式会更加多样。滨海地区的模拟中需要加入海平面上升以及风暴频率和强度变化等参数，用于评估灾害程度的全局海平面高度应是基于强风和低气压产生的潮流、海浪和风暴潮等因素叠加的结果。

3. 决策评估的时效性

疏散决策的难点在于评估疏散过程中的人员及经济损失，决策者需要明确的决策标准和行动级别框架以确保灾时疏散的顺利实施。次生灾害及其他人为不可测因素增加了决策评估的难度，评估过程中对某项因素考虑的缺失可能导致全局的失败，例如美国2005年Rita飓风以及2012年Sandy超级飓风之后出现了严重燃料短缺问题。由于长期受到洪涝、风暴潮和海水入侵等威胁，荷兰将疏散规划纳入到综合防灾体系中，当局对疏散时间的控制能力决定了历史上多次疏散的顺利实施。当灾害发生时，决策者面临着立即启动疏散或等待更确切预测的选择。但是，决策所需时间越多，用于实施疏散的时间越少，也将导致疏散效率的急剧下降。

三、 忒修斯项目疏散决策体系剖析

针对滨海及河口城市疏散决策的多样性及复杂性，忒修斯项目建立起基于滨海地区特异性的决策模型，模拟疏散方案的设计过程，确定所需的数据及输出结果。疏散管理主要包括规划、决策和实施3个阶段，在确保数据和资源有效性的前提下，拟解决的关键问题有：1)在规划阶段，如何尽可能详实地模拟灾时情景并优化疏散规划；2)在决策阶段，如何利用预报和其他实时数据判断是否疏散；3)在实施阶段，如何利用相关技术手段协调实际疏散过程中的资源配置及人员管理(见表4)。其中，针对不同区域不同人群结合灾害预测及人群易受灾性进行疏散必要性评估是疏散决策体系构建的第一步(见图2)。

表4 疏散管理的关键性问题

资料来源：作者根据忒修斯项目官网整理。

资料来源：作者根据忒修斯项目官网整理。

1. 构建疏散模型

(1) SADT主体概念模型。对于最核心的疏散决策体系的构建，忒修斯项目利用结构分析与设计技术(structured analysis and design technique, SADT)将疏散规划分成若干层次明确的子任务，确定每个级别任务的逻辑序列以及输入-输出数据，并通过ARCGIS得出每个阶段的空间映射图。根据OSIRIS方法[15]整合灾情分析(A1)、地区易受灾性分析(A2)、行动计划(A3～A6)以及优化输出(A7)，将疏散规划分为7个交互渐进的步骤(见图3)。

A1：明确预报参数及灾害场景。涉及界定不同洪涝重现期的受灾范围、洪水涨幅及发展动态等，可利用二维数学模型TELEMAC2D计算并绘制矢量地图，预测滨海地区当前(1960—2010年)、近期(2010—2040年)、中期(2040—2070年)和远期(2070—2100年)的气候变化情况[16]。远期洪涝地图不适用于当前疏散方案的编制，但可以为下阶段疏散问题的演变提供参考。

A2：明确受灾地区人口及环境特征。确定不同地区人群分布和社会属性，结合人口数据与住宅数据估测在疏散阶段需要撤离的人数。任务A1和A2的结果可以显示出每个模拟情境下灾区建筑、人群和交通网络的情况。

A3：明确行动级别以及其他策略数据。主要包括部门分工、公共交通方式、通讯方式等数据，与居民行为相关的数据主要根据对当地居民的问卷调查和访谈所得。结合问卷调查及前期研究可以估测出自主疏散和集体疏散的人口比率。同时区分预警和疏散阶段，针对不同人群和部门形成一系列行动和建议清单。如在预警阶段，警察需要准备车辆，在管辖区域中设置通信设备，并检查其性能。在疏散阶段，需要帮助人们撤离街道、在已撤离区域执法，检查受威胁地区是否已清空，确保汇合点的安全等。

A4：确定疏散策略，明确危机管理中的优先选项。根据灾害强度、地区易受灾性(商业区、工业区、人口密集的居住区及人烟稀少的居住区)和疏散容量等划定分区，针对不同区域制定垂直和水平疏散相结合的方案。垂直疏散用于存在能够安全转移人群的高层建筑区域；水平疏散是传统的疏散模式，即将人们转移到洪涝区域之外。

A5：确定疏散场景并验证不同灾害场景和行动级别中的可行性措施和限制。行动级别有助于确定疏散集合点及疏散人员的援助措施，用于定位人群的建筑数据有助于确定潜在的防灾避难场所区位。估测不同类型道路上的车行速度，考虑到可能的出口以及避难场所的容量，使用Dijkstra算法计算从易受灾地区的起点至最近可用的避难场所的最短路线。空间维度的模拟可以通过GIS实现，时间维度须通过专门的仿真工具计算得到。

A6：根据不同行动级别优化场景和策略，主要根据不同设定参数下的疏散时间衡量场景的可行性并进行优化。

A7：基于实际事件的经验反馈不断完善疏散方案，通过模糊逻辑法、MatLab和ARCGis实现基于多准则方法的决策，输出最终的疏散地图。相较于针对灾害和易受灾性数据的经典地图，疏散地图添加了疏散管理的第三层映射，并在空间和时间维度为决策做准备。

(2) 关键性策略的选择。SADT模型建立起了决策体系的主体逻辑框架及所需数据目录，该方法的核心内容适用于滨海及河口城市不同的洪涝情景，也适用于其他类似的自然灾害。决策体系的主要目标是帮助决策者确定他们能够支配的行动级别并做出最佳策略选择，决策体系中关键性策略的选择可以归纳为4部分：一是空间和时间上的选择；二是就地避护与转移避护的组合优化；三是特殊人群疏散过程中公共交通方式、线路以及协助人员的选择；四是策略和通信手段的选择。确定关键性策略选择后，需要制定详细的疏散方案(A5)，并针对可用资源量、避难场所容量以及疏散时间等验证方案的可行性。

(3) 主要难点支持手段。基于上文对滨海城市应急疏散特性的分析，从危机准备到实时管理的主要难点在于如何根据复杂多变的实时数据调整方案，具体到实践主要有3个问题：第一，如何基于洪水和疏散情景确定实时危机级别？第二，如何在多准则和不断变化的情景下决定是否疏散？第三，如果决定疏散，考虑到实时情况及发展趋势，如何调整策略和计划？

第一个问题和第三个问题可以通过OSIRIS-Inundation工具解决，并在吉伦特河口的忒修斯项目中得到实践[15]。第二个问题主要通过模糊逻辑法的多准则决策支持方法和工具进行深入研究。多准则方法允许将疏散影响的多样化特性考虑在内，模糊逻辑可在统一的框架中整合定性因素(专家判断、决策影响等)与定量因素(预期洪水高度等)，为决策者提供整体建议[16]。

2. 数据特征及分类

如上文所述，疏散过程涉及到的数据在来源、特性及形式各有不同，要建构完整的决策体系，需要在主体模型的基础上理顺数据目录。忒修斯项目将所需数据分为两类：一是限制类因素，如灾害预报类数据、受灾地区人口数据和可用资源数据等；二是影响疏散的主导因素，如受灾地区建筑数据、受灾地区交通网络数据、相关组织人员信息以及实时数据等。考虑到获取所有数据的难度，实际操作中需要区分数据的重要程度(关键、次级、可选)。疏散规划中必须获得关键信息，如该地区疏散的总人数；尽量获取次级信息，若难度很大，则可以根据全局统计得出一个合理的近似值，如汽车保有量的统计；可选信息用于完善疏散规划。当地背景研究及个案研究的相关数据可以通过问卷进行估算统计，如当地涉水经济特点、风险认知、特殊人群的数量及分布、疏散警报下人们的行为以及最有效的通讯工具等。

3. 模拟及优化

时间是疏散中最关键的因素，既有研究中利用交通模型估算特定地区疏散指令发出后人群撤离所需时间，其中宏观交通模型侧重于计算每一段交通网络中的流量，微观交通模型主要用于模拟每辆车的运动情况。忒修斯项目借鉴荷兰洪涝风险管理计划中的疏散计算器，并利用Serapis软件模拟疏散时间并优化情景方案。与其他尽可能精确模拟所有车辆运行情况的软件不同，该软件主要研究大型疏散中的主要困难，以区分不同类别疏散者的特殊需求，并能够得到疏散者分布等信息。

(1) 模拟机制。Serapis将疏散所有人群所需的时间分为3个阶段：一是发布洪水警报至人群从家中撤离的时间；二是人群从家中撤离至拥堵点后的等待时间；三是驾车经过拥堵点离开灾害潜在区域所需的最短时间。所需数据包括：1)疏散人口数量，通过人口统计数据获得，确定能够利用私家车撤离的人数，以及需要利用公共交通工具撤离的特殊人群数量(独居老人、住院病人等)；2)从警报发布到撤离的时间，该时间会有个体差异，可用概率函数模拟。时间取决于通知到所有居民的时间、居民自身准备情况以及对疏散紧急度的了解和撤离意愿度；3)交通时间，取决于撤离地点和疏散区出口的距离和平均速度，需考虑到疏散中交通行为与常态下的区别，使用Itineris软件可计算出通过道路网从每个疏散区域至每个出口所需的时间，Itineris能够利用Dijsktra算法和A*算法计算被自然灾害损坏的交通网络中两点间最短的交通时间[17]；4)出口数量，出口较少会增大拥堵几率，基于道路容量和预期交通流量模拟交通拥堵的时间。

(2) 过程优化。Serapis模拟结果描述了自疏散命令下达后及时抵达疏散地区出口车辆的百分比。以图4为例，左侧曲线为开始撤离的车辆；中间曲线为到达出口的车辆，可以看出人群从开始撤离至疏散口所需时间较短；右侧曲线为所有撤离完毕的车辆。可以看出，本例中出口不足以支持所有车辆顺利通过，交通堵塞时间过长。纵线为洪涝开始的时间，此时部分居民无法及时撤离灾害区域且暴露在户外，人们的生命安全会受到更大的威胁。优化方法有以下几种：1)增加每辆撤离车辆中的人数，减少撤离车辆总数，以降低曲线的水平渐近线，与纵线的交汇值会更接近；2)通过有效预警系统缩短撤离时间，使所有曲线左移；3)通过不同出口的设置使车辆分布更加合理从而缩短通行和等待时间，以减少拥堵并使最右侧的曲线向左移动；4)提升道路容量，如充分利用单行道等。

四、 结 语

从2009年发布第一个指导框架，到2013年发布的建设指南，忒修斯项目逐步构建了包括确定预报情景参数、地区人口及环境特征、行动级别以及其他策略数据、疏散策略及优先选项、疏散场景及可行性、实施级别及策略优化、反馈及实施7个交互渐进任务组成的决策体系。从最初提出的主体概念模型，到集中于关键性策略及难点的技术手段的研究，再扩展到通过水力模拟、现有条件或未来气候变化的考量模拟可能的洪水情景，并检验决策支持系统，反映出疏散决策体系是个庞大且构成复杂的系统。要设计和开发符合地区需求利于推广使用的系统，需要依据地区及数据特点逐步对设计难点进行突破，研究和设计针对性更强的系统架构与功能。

数据库建设及软件是决策体系的核心组成部分，数据库的准确性、表达的精确性和简明性决定着决策系统的性能。数据资源的丰富程度、精确性以及实时更新能力决定着决策系统的实效性。在数据维护和软件开发的机制方面，可以借鉴忒修斯项目的做法，借助国家及地方数据库的建设能力，联合各级科研人员及相关多学科专家共同维护与更新数据库。建立科学的审核机制，对数据库进行周期性的更新和反馈。

忒修斯项目建立的决策体系并不是统一的决策路径，针对不同的试点具备参数变异及偏离机制。事实上，不同城市的区域文化背景迥异，面临的灾害类型及强度差异显著。因此需要根据当地灾害特征，建立更具有针对性的本地决策体系，从而有效发挥应急疏散决策体系在城市灾害综合管理系统中所起的作用，逐步促进城市灾害综合管理能力的提高[18]。

[1] 欧阳丽，戴慎志，包存宽，等. 气候变化背景下城市综合防灾规划自适应研究[J]. 灾害学，2010, 25(10)： 58-62.

[2] 叶 涛，郭卫平，史培军. 1990 年以来中国海洋灾害系统风险特征分析及其综合风险管理[J]. 自然灾害学报，2005 (6)：65-70.

[3] 彭宗超，薛文军，方 曼. 风险治理视角下的城市地铁恐怖应急准备研究：以北京市为例[J]. 城市发展研究，2014，21(7)：119-124.

[4] 冯祥源.滨海城市综合灾害风险管理[D].天津：天津大学建筑学院，2014.

[5] Kolen B, Helsloot I. Time needed to evacuate the Netherlands in the event of large-scale flooding：Strategies and consequences[J].Disasters, 2012, 36(4): 700-722.

[6] Morel G, Hissel F, Aunay S, et al. OSIRIS-Multirisques：Une méthode et un outil d'aide à la décision pour les communes soumises aux risques majeurs[J].Cybergeo:EuropeanJournalofGeography，2009(2)：88-101.

[7] Morel G, Hissel F. The impact of flooding on transport networks and optimization of action plans in a decision support tool[J].WITTransactionsonEcologyandtheEnvironment，2010(133)：215-226.

[8] Vinet F, Lumbroso D, Defossez S, et al. A comparative analysis of the loss of life during two recent floods in France: The sea surge caused by the storm and the flash flood [J].Naturalhazards, 2012, 61(3): 1179-1201.

[9] Wallingford H R. Flood Hazard research centre and risk and policy analysts Ltd, 2006[J].FloodRisktoPeople, 2006(2)：215-226.

[10] Jonkman S N，Bokarjova M，Kok M，et al. Integrated hydrodynamic and economic modelling of flood damage in the Netherlands[J].EcologicalEconomics, 2008, 66(1): 77-90.

[11] Wolshon B, Urbina E, Wilmot C, et al. Review of policies and practices for hurricane evacuation I：Transportation planning, preparedness, and response[J].NaturalHazardsReview, 2005, 6(3): 129-142.

[12] Lindell M K, Hwang S N. Households' perceived personal risk and responses in a multihazard environment[J].RiskAnalysis, 2008, 28(2): 539-556.

[13] Litman T. Lessons from Katrina and Rita：What major disasters can teach transportation planners[J].JournalofTransportationEngineering, 2006, 132(1): 11-18.

[14] Townsend F F. The Federal Response to Hurricane Katrina：Lessons Learned[R]. Washington: The White House, 2006.

[15] Monbaliu J, Chen Z, Felts D, et al. Risk assessment of estuaries under climate change: Lessons from Western Europe[J].CoastalEngineering, 2014(87)：32-49.

[16] Morel G, Hissel F. OSIRIS-Inondation：Un outil d'aide à la réalisation du plan communal de sauvegarde et de gestion de crise inondation[C]// Colloque S H F.RisquesD'inondationenIledeFrance,100ansaprèslescruesde1910. 2010: 24-25.

[17] JIA X J, Morel G, Hissel F, et al. Fuzzy logic based decision support for mass evacuation of coastal cities prone to submersion in the context of climate change[J].InternationalConferenceOnEvacuationModelingAndManagement-ICEM, 2012(2):167-169.

[18] 杨翼舲，张利华，黄宝荣，等. 城市灾害应急能力自评价指标体系及其实证研究[J]. 城市发展研究，2010，17(11)：118-124.