城镇油气管道事故应急疏散决策优化*

张新伟，禹傲然，张培红

(东北大学 资源与土木工程学院，辽宁 沈阳 110819)

0 引言

作为城市生命线工程的重要组成部分，城镇油气管道在运行过程中发生泄漏、火灾、爆炸和中毒等事故的危险性严重。在环境风速、风向以及泄漏物质性质等复杂因素的影响下，事故可能造成事发地方圆数十、甚至数百公里范围内的大规模人员应急疏散和紧急避难。由于事故现场环境信息复杂多变，事故态势监测、风险分析和应急决策平台的信息传递渠道不通畅，疏散路线和避难方案缺乏优化设计和动态规划，造成应急决策的时效性、准确性和智慧程度较低[1-2]。目前，针对应急疏散的研究主要集中在3个方面[3]：1)Schadschneider等[4]，Krüchten等[5]通过试验研究，分析行人流动中自组织行为、队列现象、疏散通道瓶颈区堵塞现象，以及人群中存在社会团体时人群的运动规律等。2)国内外学者相继开发了CA模型[6]、格子气模型[7]、社会力模型[8-9]，对建筑物火灾中人员疏散行为进行建模和仿真。3)为解决飓风、洪水、毒气泄漏等突发事件中大规模高密度人群应急疏散问题，国内外学者围绕疏散救援决策优化、最佳信息传播方式和区域疏散方案等问题[10-18]，开展了深入研究，陈一洲[10]，Li等[11]利用Dijkstra算法建立了基于风险的人员疏散路径优化模型；Abdelghany等[12]利用GA算法对疏散方案进行优化；Zhang等[13],邓云峰等[14]分别在有毒气体泄漏事故风险分析基础上实现了区域疏散决策优化；Crooks[15]，Chen等[16]应用智能体模型，对城市级别的大规模整体疏散策略进行了性能化分析和对比；Gai等[17]针对有毒气体泄漏，提出了一种多目标疏散路径模型；熊丽春等[18]利用运筹学中的图论和排队论理论对人员疏散路线设计和疏散时间进行了优化。为了保障油气生产及管道输运过程中的公共安全水平，在地理信息系统平台上对不同事故后果严重性进行定量分析，构建基于改进的自适应蚁群算法的应急疏散路径优化模型，开发城镇油气管道典型事故中区域大规模应急疏散决策优化平台，实现区域疏散路线的全局优化、应急避难广场的科学规划，可为油气企业的安全管理和区域公共安全应急管理提供技术支撑。

1 应急决策优化算法的建立

1.1 空间网络化建模

城镇大规模应急疏散智慧决策优化系统的建立，首先需要对现场空间进行网络化建模。将任一待疏散区域空间G模化为G(W,E)网络，其中，W={wi}为由疏散空间中各类型节点(源节点、传输节点和根节点)组成的节点集；源节点仅存在流出人群；根节点只存在单向流入人群；传输节点是从源节点向根节点的疏散过程中，必须通过的中间节点，例如建筑物走廊、楼梯间、各建筑物出口、事故发生地疏散道路上关键点(如拐弯、三岔路口、上坡、下坡等位置)；E={Eia,Eib,Eic……}为待疏散区域空间网络中所有可利用疏散通道的集合，称为通道集；假设事故危险性分析结果是所有人员必须离开所处建(构)筑物，疏散至室外指定的避难广场，不考虑可在建(构)筑物内事故现场之外其他单元房间避难等待救援的情况，则疏散开始时刻待疏散人员所处的办公室、单元房间、实验室等均为源节点，避难空间入口为根节点。疏散区域网络如图1所示，若仅讨论建筑物室外空间区域疏散，可将各建筑物出口视为源节点，由建筑物B出口节点2发起的疏散行动，可选择疏散路线通道集E={E27,E28}，其中E27={e26,e65,e57}；E28={e26,e68}。疏散通道具有各自的方向属性，例如，e56表示由节点5向节点6疏散，e65表示由节点6向节点5疏散。

图1 疏散区域网络Fig.1 Evacuation area network

1.2 疏散通道当量长度

在典型事故危险性评价基础上，生成疏散网络节点属性的动态数据库文件，见表1。

表1 疏散网络节点动态信息数据库Table 1 Dynamic information database of evacuation network nodes

根据各节点事故环境状态的动态变化，对各条疏散通道的当量长度进行评价，见式(1)：

(1)

式中:ζij为通道eij的通行难度系数，通常取1.5人/(m· s)；Lij为通道eij的几何长度，m；Mb为不同事故后果影响下疏散人员的活动性指标，Mb与能见度影响系数f1(KS)，有毒气体浓度影响系数f2(ρgas)和烟气温度影响系数f3(Ts)三者成正比关系，参见式(2)～(5)：

Mb=f1(KS)·f2(ρgas)·f3(TS)

(2)

(3)

(4)

(5)

式中：KS为减光系数；ρgas为该通道处固定式烟雾传感器测得的CO体积百分比；t为有毒气体接触时间，s；Ts为该通道处固定式温度传感器测得的环境温度，℃；T0是室外环境温度，通常取20 ℃；v0是测得的人员行走的正常速度，m/s；vmax是事故状态下人员的最大疏散速度，m/s；Tcr1是人员感到不舒服的温度，设为35 ℃；Tcr2是对人员造成伤害的温度，设为60 ℃；Tdead为人员致死温度，设为120 ℃。

1.3 改进的自适应蚁群算法

蚂蚁根据伪随机规则做出从节点i疏散到节点j的决策，如式(6)所示。其中式(7)利用“轮盘赌规则”确定下一节点的选择。

(6)

(7)

启发函数ηij为人员通过疏散通道eij的时间成本函数的倒数。该通道上完成疏散所需时间成本越小，该通道启发函数值越大，蚂蚁选择该通道的概率越大，见式(8)～(9)：

(8)

uij=td+tL

(9)

式中：td为人员通过当量长度通道的步行时间，s；tL为人员从通道口流出的时间，s；td计算方法见式(10)：

(10)

式中：dij为通道eij的当量长度，m；v0为被疏散人员步行速度，m/s。

tL计算方法见式(11)：

(11)

式中：mij为通道eij的滞留人数，人；Wij为通道eij的宽度，m；ξij为通道eij的群集流动系数，人/(m·s)。

局部信息素按照式(12)进行更新：

τij(t+1)=(1-θ)τij(t)+θτ0

(12)

式中：θ为局部信息素挥发系数，0<θ<1；τ0为信息素初值。

每次迭代完成后，判断所有蚂蚁是否找到出口，若全部找到出口，则按照式(13)～(14)进行全局信息素更新，否则继续执行下次迭代，直至循环结束进行下一步。

(13)

(14)

式中：Ugb为当前最优路径的时间成本函数；K为常数，取1；gb为globebest的标记缩写；ρ(t)为全局信息素挥发系数，其值见式(15)：

(15)

式中：ρmin为信息素挥发系数ρ的最小值。

每次循环根据各条路径的时间成本函数进行排序，找到满足时间成本函数最小的最优路径，判断是否达到设定的循环次数终止条件，满足即结束，未满足则初始化蚁群继续重新开始寻优计算。

2 案例实施

2.1 系统平台总体框架

城镇大规模应急疏散智慧决策优化系统(简称LSSED)的总体框架见图2。

图2 系统总体框架Fig.2 Overall framework of system

LSSED由数据库模块、风险分析模块和优化决策模块3部分组成。数据库模块集ArcGIS Online Services在线地图服务、油气等物质危险性特征参数数据库、气象数据库、人员分布、交通流和建筑结构信息等数据库管理于一体；风险分析模块在地理信息系统平台上，首先对气相泄漏、液相泄漏和两相泄漏造成的有毒物质扩散态势、喷射火和池火事故热辐射伤害以及油气管道爆炸事故产生的冲击波能量进行分析，进一步实现城镇油气管道典型事故造成的伤害半径和伤害区域内城镇脆弱性的模拟及影响因素的分析；优化决策模块在事故后果严重度分析的基础上，基于改进的自适应蚁群算法，分析城镇应急疏散通道当量通行能力和疏散成本函数，制定疏散路径寻优信息素局部和全局更新规则，实现疏散、避难和救援方案的全局优化，制定区域智慧应急预案。

2.2 事故后果分析

LSSED的风险分析模块能够在地理信息系统平台上，以云图和数据曲线形式动态、直观地预测和分析事故后果的伤害区域，能够对气相泄漏、液相泄漏和两相泄漏造成的有毒物质浓度值的动态和稳态变化进行分析；对喷射火和池火造成的热辐射进行分析；对城镇油气管道爆炸事故产生的冲击波能量进行分析。

假设在某城镇某区街道十字路口处，由于第三方施工将天然气管道挖断，发生燃气管道全管径泄漏事故。由于泄漏后应急处置操作不当引起喷射火事故。泄漏管道压力0.4 MPa，管道直径为600 mm，泄漏孔直径为300 mm。

对不同风速下的泄漏点源处上风向和下风向喷射火热辐射伤害半径进行分析(见图3)，可知当风速小于0.5 m/s时，风速对上下风向热辐射的影响都是正向且影响半径近似；当风速在0.5～1 m/s时，热辐射在下风向上伤害半径随风速的变化速率大于其在上风向的变化，曲线从0.5 m/s处开始分开；当风速大于1 m/s时，风速对上风向热辐射的伤害半径的影响趋于稳定值，当风速继续增大，下风向受风速的影响更明显；当风速达到14 m/s时，风速对下风向的影响也趋于稳定。因此，将0.5 m/s设定为无风和有风的临界值。即当风速为0.5 m/s时，热辐射对上下风向的伤害值达到近似相等时的最大值。根据事故最大化原则，事故模拟中，无风天气下的模拟中将无风风力设置为0.5 m/s；在有风天气下的模拟中，设置风速为14 m/s。查询到该地区常年主导风向为西南风和东北风。

图3 风速对上下风向伤害半径的影响Fig.3 Effect of wind speed on damage radius of upper and lower wind directions

当在西南风14 m/s情况时，该天然气管道泄漏引起的喷射火事故后果分析见图4。首先利用LSSSED平台中的风险分析模块对天然气管道泄漏形成的喷射火事故后果进行分析，得到其上风向死亡半径、重伤半径和轻伤半径分别为13 m、17 m和27 m；下风向死亡半径、重伤半径和轻伤半径分别为41.5 m、46 m和56 m，区域范围内不同点的伤害值均保存在系统后台数据库中，以备人员疏散应急决策优化模块调用。

图4 甲烷泄漏火灾事故后果分析Fig.4 Accident consequence analysis of methane leakage fire

2.3 人员疏散应急决策优化

以图5所示的城镇某区域为例，进行喷射火事故应急疏散决策优化分析。根据文献[19～20]，算法中α，β，ρ(t0)，ρmin分别设置为1，5，1，0.5，初始时刻，各条路径上信息量相等，故τ0设置为常数C。各节点人员随机分布，人员初始速度均设置为1.5 m/s。只考虑热辐射对人员行为的影响时，式(2)中f1(KS)和f2(ρgas)均设置为1，式(5)中将温度阈值的影响转变为热辐射的影响，根据文献[21]，将阈值分别定为12.5，25，37.5 kW/m2。区域平面示意图和无火灾时的疏散路径优化方案如图5所示，该区域中分别有商场(西北区域)、写字楼(东北区域)和宾馆(东南区域)各1座，图5中的东北角和西南角各有避难广场1个。假设商场内初始待疏散人数为1 000 人，写字楼内500 人，宾馆内300 人。首先对该区域进行空间网络化建模：其中1～52号为商场内源节点，53～80号为写字楼内源节点，81～125号为宾馆内源节点，125～135号、137～155号以及157～166号为传输节点。136号和156号为2个根节点，假设人员在各个建筑物内随机分布。 当不发生火灾时，其疏散情况如图5右侧图案所示，其中各节点具体疏散方案以“9->10->138->139->147->148->155->156”的形式保存在文本文件中。

图5 区域平面示意图和无火灾时的疏散路径优化方案Fig.5 Regional plane diagram and optimization scheme of evacuation path without fire

分别对无风、西南风和东北风条件下喷射火事故进行后果分析，利用应急决策模块对事故区域进行应急疏散路径规划，得到满足全局最优的应急疏散方案，如图6～8所示。统计无火灾以及发生火灾时各建筑物源节点内待疏散人员最终所选择的安全出口情况，见图9～10。

图7 西南风时火灾情况下疏散路径优化方案Fig.7 Optimization scheme of evacuation path in fire with southwest wind

图8 东北风时火灾情况下疏散路径优化方案Fig.8 Optimization scheme of evacuation path in fire with northeast wind

从图9～10可以看出，当无火灾发生时，商场中有27个节点选择136号终点，25个节点选择156号终点；写字楼内28个节点全部选择156号终点；宾馆内有42个节点选择136号出口，3个节点选择156号终点。可以看出，当无火灾时，2个疏散广场均可以利用，系统能够根据距离和人员密度选择2个疏散广场作为最终安全出口，不会出现个别区域人群拥堵的现象，该LSSED平台有效实现了正常情况下人群疏导的全局优化。

当无风情况下发生火灾时，商场中有31个节点选择136终点，21个节点选择156终点；写字楼中有21个节点选择136终点，7个节点选择156终点；宾馆中有29个节点选择136号终点，16个节点选择156号终点。宾馆中选择136终点的数量降低28.9%，商场和写字楼中选择136号作为终点的节点数量占各自节点总量的比例分别增加了7.7%和75%，由此可知，上述建筑内的节点由于受到事故不同程度的影响，部分节点所选择的终点相应地自动发生了改变。当在西南风的情况下发生火灾时，通过模拟可以发现，各建筑物内疏散方案发生了很大的改变，商场、写字楼以及宾馆内所有源节点内待疏散人员最终均选择136号节点完成疏散；当风向变成东北风时，各建筑物内所有源节点均选择156号节点作为最终的安全出口并完成疏散。

图9 选择136节点为安全出口根节点的情况Fig.9 Situation when selecting No. 136 node as root node of emergency exit

图10 选择156节点为安全出口根节点的情况Fig.10 Situation when selecting No. 156 node as root node of emergency exit

究其原因，在西南风的影响下，由于156号疏散广场在下风向影响的范围内，此时系统判断最安全的区域应该是136号广场，故此时3个建筑物内的待疏散人员均选择136号节点作为最终的安全出口。当风向变成东北风时，此时事故最危险区域为其下风向136广场，故此时各建筑物内人员最优的避难地点为位于上风向的156号广场。因此，LSSED平台能够根据事故环境态势的演变而实现疏散决策的优化，成功使受灾人员选择远离事故现场的安全区域进行应急疏散和避难。

3 结论

1)构建了基于事故后果分析和改进自适应蚁群算法的应急疏散决策优化模型。充分考虑事故后果严重程度的影响，考虑滞留人员密度，定量评价疏散时间成本函数和疏散通道的当量长度对启发式信息的影响，改进自适应蚁群算法，构建大规模应急疏散路径优化模型。

2)开发了基于油气管道事故后果分析的城镇大规模智慧疏散应急决策(LSSED)优化系统平台。该系统能够在GIS平台上对油气管道泄漏引起的火灾、爆炸和中毒事件进行事故后果分析，实现基于油气管道典型事故风险分析的城镇大规模智慧疏散的应急决策优化。

3)通过实例验证了基于GIS平台的数据库模块、风险分析模块和优化决策模块耦合的有效性以及系统运行的灵活性，可以根据事故现场环境的时变信息，动态规划和优化大规模疏散路线和避难方案，有效避免人员伤亡。