景区夜游密集人群踩踏事件情景下脆弱性分析*

李 华，何思敏，孔 娇

(西安建筑科技大学 资源工程学院，陕西 西安 710055)

0 引言

随着城市景区夜间旅游活动成为出游热点，城市夜间公共安全问题也日益突出。中国旅游研究院发布的《夜间旅游市场数据报告2019》显示[1]，夜间安全是限制游客夜间出游的首要因素。夜间的缺光环境极有可能引发偶发性和高危害性并存的踩踏事件，一经发生会造成严重的灾害后果与社会影响。城市景区夜间旅游活动发生踩踏事件时，与白天不同的是夜游环境对人的感知影响，特别是对视觉的影响；其次，视觉、听觉和触觉感知减弱导致人们无法保障个体与环境的信息平衡；最后，不完满的感知状况加之夜间人群疲惫身心状态，加重了事态的严重性。此类突发事件的应急准备、应急管理都需要以脆弱性评价和分析为基础[2]，因此对景区夜游踩踏事件中的人群脆弱性进行分析评价，对降低城市景区夜间出游安全风险，加强旅游科学化管理具有重要的现实意义。

脆弱性是指系统存在容易遭受外界侵害的要素及系统受损后自我恢复的能力，这一概念最先源自于对自然灾害问题的研究[3]，目前国内外的专家学者也将其应用到社会人文系统，探究地震[4]、公共卫生[5]和火灾[6]等灾害事故下人群系统的脆弱性，但针对踩踏事件的研究较少；李华等[7]从不同时间下踩踏情境不同的视角出发，探索景区密集人群踩踏事故情景演化的特征和路径；石京等[8]从行人流特征的角度出发，分析高峰期景区行人踩踏事故的机理并提出预防措施，但以往研究着重于对踩踏过程的梳理，人群系统安全感知的脆弱性往往被忽略；且在夜间景区人的认知决策与白天存有明显差异[9]。因此，需要基于夜游环境视角，对城市景区踩踏事件中密集人群的脆弱性进行研讨。

基于以上讨论，本文借助AHV模型，从夜游环境视角构建人—环境耦合系统在踩踏事件中的框架，分析辨识脆弱性影响因子并建立评价指标体系；提出博弈组合赋权-云模型的指标评价方法；以大雁塔北广场为例，确定密集人群在踩踏事件易发地的风险因子权重并用综合评价法进行评价，以期为城市景区夜游应急的网格化管理提供参考。

1 景区夜游踩踏事件中密集人群脆弱性及评价指标体系

1.1 脆弱性概念内涵

景区夜游踩踏事件是指高密度人群聚集在景区夜间光线不佳的环境下，在某些诱因的扰动下产生骚乱，失去控制后造成人员拥挤、踩踏，最终酿成人员死伤的灾难[10]。踩踏事件中密集人群的脆弱性暴露于事件发生、发展及演变的全过程[11]，而较暗的夜游环境将直接影响密集人群的环境感知敏感度，进而影响人群脆弱性，结合文献[12]对脆弱性3因素特征的分析，本文提出城市景区夜游踩踏事件中密集人群脆弱性与暴露性、敏感性、适应性有关。脆弱性的概念辨析如图1所示。

图1 基于3因素的密集人群脆弱性Fig.1 Vulnerability of dense crowd based on three factors

1.2 脆弱性影响因子识别

为了更好地分析夜游环境对密集人群脆弱性的联系和作用，本文采用人—环境耦合系统的脆弱性分析框架[13]进行梳理。

踩踏事件的发生可视作密集人群与不安全的夜游环境耦合作用的过程，用AHV(Airlie House Vulnerability)模型构建的景区夜游踩踏事件下密集人群脆弱性分析框架如图2所示。

图2 景区夜游踩踏事件下密集人群脆弱性分析框架Fig.2 Analysis framework of dense crowd vulnerability under stampede incident at night tour in scenic spots

1.2.1 暴露性因子

暴露性因子由人群内部特征和人群与外部环境组合特征的相关因子组成。

1)人群内部特征。人群在高峰时段的密度越大，密集人群中异常行为越多，踩踏就越容易发生。

2)人群外部扰动。景区的一些基本布设(如售票口、楼梯)和夜间特色活动在灯光昏暗时易留滞大量游客，此种空间下载客量和突发响动越少、夜光标识越多、地面情况越平稳，踩踏事件风险越小；此外，限流力度和现场安保力量薄弱均会加大密集人群暴露于踩踏事件的风险。

1.2.2 敏感性因子

密集人群与夜游环境组合产生的风险信息是促进敏感性形成的感知输入，结合心理行动学理论和现场调研，敏感性因子主要包括：

1)弱势群体。包括女性、老弱幼、身患突发疾病等人群，在拥挤环境下他们的身心承受力较低，上述人群占比越多，人群系统就越敏感。

2)密集人群身心需求。心理需求决定着行为认知，对黑暗的恐惧感、个体感知力及防范意识经验分别影响着个体在夜游环境中的向光性、知觉和信息的完整性，通过作用于行为进而影响人群系统脆弱性。

3)环境影响。主要可以分为对游人心理和生理的影响。昏暗或眩光环境下人的感官敏感度提高，心理紧张反应和警惕性增加，游客群体更为依赖景区内的照明、广播系统能力；同时景区的围护设施达标率越低，主景观和人行道上的障碍物数量较多，致脆风险越高。

1.2.3 适应性因子

为最大限度地减轻灾害程度，参照自然灾害和旅游景区突发事件的应急救援管理体系，适应性因子可分为：

1)灾前预防准备。包括景区的预防工作和人群个体的预防，前者如夜间应急方案、应急疏散演练、管理者职责合理分配等的实施质量。

2)灾中应急应对。相关因素主要取决于景区各部门间的协同运作：控制部门应保证视频监控、应急照明系统的正常运作，消防部门应确保救援组织力量完备，安保部门应联合公安交管部门做好景区周围交通的管理疏导工作，才能更好地控制事故或减缓事故态势发展。

1.2.4 评价指标体系的建立

本文依据科学性、层级性、易得性和可量化性的指标选取原则，在公共场所踩踏事件机理[14]、夜间防灾[9]、景区应急管理[7]的研究背景下，考虑国内城市景区综合特点和脆弱性评价对象，对所列初级指标进行筛选，参考法律法规中的相关标准，对所选指标进一步修正。

将初筛指标交由应急管理、景区管理、密集人群场所管理研究的专家给出2次修正和反馈的意见，最终构建出景区夜游踩踏事件下密集人群脆弱性评价指标体系，如表1所示。

表1 脆弱性评价指标体系Table 1 Assessment index system of vulnerability

表1(续)

2 基于组合赋权—云模型的评价方法

2.1 博弈论的组合赋权法确定权重

本文将G1法与熵权法根据博弈论原理合理结合，形成1种组合的主客观指标赋权方法进行赋权。

1)G1法确定主观权重。G1法针对多指标求解问题，能在简化主观赋值过程的同时保证结果的准确性，求取主观权重的具体计算步骤参考文献[15]。

2)改进熵权法确定客观权重。熵权法利用指标信息的效用值大小来证明所评价对象的重要性，确定客观权重的步骤参考文献[16]，在计算信息熵时对矩阵中的指标均加上0.1进行改进。

3)博弈论组合主客观赋权。博弈论组合赋权通过组合并优化主客观法的计算结果，减少了单一权重计算造成的误差。假设采用了s种权重方法进行评价，每种方法的权重向量表示如式(1)所示：

Wk=[Wk1,Wk2,…,Wkm](k=1，2，…，s)

(1)

式中：Wk为第k个方法确定的权重向量集。

再随机对这些向量进行随机组合

(2)

式中：WT为权重集的1种可能的权重向量；αk是权重线性组合系数。

由最优策略，找出Wk和各方法权重向量间的最小离差系数αk，如式(3)所示：

(3)

式中：Wi为第i个方法求取的权重向量。

根据矩阵微分方法求导后得到最优化一阶导数的条件，如式(4)所示：

(4)

(5)

2.2 云模型

考虑到密集人群脆弱性与夜间城市景区环境的耦合作用产生的脆弱性因子显现出的模糊性、不确定性和随机性。将密集人群脆弱性系统视为一朵云，利用云模型的评价过程进行评价。

期望Ex、熵En和超熵He是代表云模型的3大特征，在本文中，Ex是人群脆弱性论域空间中的云滴分布，En和He分别是人群脆弱性概念、熵的不确定性度量。利用云模型进行评价的步骤如图3所示。

图3 脆弱性评价流程Fig.3 Flow chart of vulnerability assessment

2.3 建立评语集

本文依据国家旅游局第41号令《旅游安全管理办法》中旅游突发事件的分级和密集人群脆弱性的特性，在论域[0,1]之间将人群脆弱性划分微度、低度、中度、高度和极度5个等级，建立对应的脆弱性指标评语集V={V1，V2，V3，V4，V5}。对构成的双边约束评语集采用如式(6)所示计算云评价集的特征值：

(6)

式中：Vmax是上限，Vmin是下限；g为常数，随指标的模糊阈值进行调整。评分范围和所属的评语集参数由专家给出，如表2所示。

表2 脆弱性系统评语集及云模型参数Table 2 Comment sets and cloud model parameters of vulnerability system

2.4 综合评价云模型

1)选择调研目标为城市景区夜游中易发生踩踏事件的地点，邀请旅游景区安全管理专家和景区管理团队成员组成专家组，参考指标体系相关文献和标准规范，对指标在[0，1]区间内给出最高分和最低分。

2)首先将专家给出的结果和指标权重代入逆向云发生器[17]计算得二级指标云参数，将所求结果代入浮动云算法[18]式(7)中，生成一级指标的云模型参数，代入此数值到综合云算法[18]式(8)计算准则层的云参数。通过输入准则层的3个特征值到正向云发生器，可以得出最终的判别云图，将判别云图与标尺云图中各评语集云图进行相似度比较，可得到最终的判定结果。云发生器步骤如图4所示。

(7)

图4 正态云发生器计算过程Fig.4 Calculation process of normal cloud generator

式中：Exi、Eni、Hei、ωi分别表示二级指标中各指标的期望、熵、超熵和权重。

(8)

式中：Exi、Eni、Hei、ωi分别表示一级指标中各指标的期望、熵、超熵和权重。

3 实例验证

3.1 景区概况

大雁塔景区是5A级的国家旅游文化休闲景区，众多慕名而来的游客在节假日期间汇集于此。但大量人群聚集增加了夜间踩踏事件的风险。本文选取北广场夜间最易发生拥挤踩踏事件的地点在某1节假日进行实例验证，4个危险地点包括S1中央广场区、S2园林景观区、S3东边步行街道和S4西边步行街道。

3.2 权重计算

3.3 脆弱性结果云图分析

邀请10名景区安全管理的专家和景区工作人员组成打分小组，对4个地点进行[0，1]区间的最值分值评定，依照2.4节的计算过程，最终得到二级指标、一级指标和准则层的云模型参数，将其输入正向云发生器得出结果云图，图5所示为4个片区突发踩踏事件密集人群脆弱性的综合云模型评价结果云图。S1，S2的评估结果分别更靠近“中度”、“低度”，即为此2区域脆弱性评价结果；S3和S4的评价结果云凭借观察无法确定，依据贴近度[17]计算得评价结果分别为“低度”和“中度”。

为了得到更深入的评价结果，以评价结果中脆弱性等级最高的S1中央广场区为例，首先比较各一级指标与准则层的期望值，如图6所示：适应性A3的脆弱性等级最低且权重占比最高，说明景区的夜间应急管理能力处于较高水平；暴露性A1的评价结果明显高于敏感性A2和适应性A3，说明暴露性是最易使密集人群系统在夜间不利条件下失控的环节；敏感性A2的脆弱性所属等级虽为“中等”但权重值最低，因此景区仍需加强对游客的旅游安全教育和夜间防灾心理建设。

图6 一级指标云与准则层云Fig.6 Level 1 indexes cloud and criteria layer cloud

接着比较二级指标与一级指标的脆弱性结果云，图7所示的是暴露性A1与所属二级指标的云图对比，A11高峰期人群密度与A17危险区人均空间承载量是暴露性A1中最主要的因素，评价结果分别为“极度”和“高度”，说明高密度人群和所处密集区域在夜晚的容纳压力是致脆关键点；A12人群行为异常性和A13夜光导向标识布设率的评价等级次之，说明夜光标识的布设率不佳易致使游客获取信息困难进而造成人群滞留、对冲现象。经调查发现，游人为了找到最佳观赏点往往会通过由南至北的台阶突然异向走动和同向挤压，因此需要在此处加强人群疏导和夜间安全环境布设工作。

图7 二级指标云与暴露性云Fig.7 Level 2 indexes cloud and exposure cloud

3.4 脆弱性结果对比验证

1)评价方法对比验证

为检验所提方法的可靠性，采用文献[20]的方法，用同样的权重和专家打分结果做出大雁塔北广场喷泉处的脆弱性模糊综合评价，所得结果比较如表3所示。模糊综合评价法与本文所提模型的评价结果一致，但云模型具有更佳的可视效果。

表3 脆弱性评价结果比较Table 3 Comparison of vulnerability assessment results

2)指标对比验证

为了验证所得脆弱性评价指标结果一致性，采用蒙特卡洛crystallball方法[21]对4个地点的指标脆弱性进行敏感性模拟。假设单元设定为三角分布形式的26个指标，预测单元为各指标期望值和权重的乘积，模拟50 000次，各危险地点的脆弱性评价指标敏感性系数如图8所示，所得结果与综合评价方法指标的评价结果一致。

图8 评价指标敏感性贡献度Fig.8 Sensitivity contribution of assessment indexes

4 结论

1)以踩踏事件为例，结合脆弱性3因素理论给出城市景区夜游踩踏事件下密集人群脆弱性的概念，借助AHV模型梳理此种情形下人群脆弱性的暴露性、敏感性和适应性因子，构建有效、全面、可量化的脆弱性评价指标体系，准确找到人群在夜间景区面临踩踏事件时的脆弱性因子，可以为相同尺度下夜间景区突发事件时的人群安全管理评价提供思路。

2)用实例样本评价得出4个危险地点在夜游环境踩踏事件下密集人群脆弱性的等级，结合实际情况进一步分析所建指标各层脆弱性因子及其致脆原因，指出景区夜间安全管理与人群需求的冲突之处，找出影响人群系统脆弱性的关键点并提出相应的改进策略，以期通过降低负向关键因素的脆弱性来增强各方对人群系统脆弱性的管控能力，反映出脆弱性指标构建的合理性和评价模型选取的适用性。

3)通过与模糊综合评价法、蒙特卡洛法分别进行评价结果和指标的对比，验证本文所提综合评价方法准确性和优势，结果表明：博弈论确定的组合权重一定程度上提高评价结果的精度，云模型在脆弱性评价结果一致的情况下更具可视化的优点。