人群应急疏散模型构建及疏散效率分析研究*

王双燕

(中共中央党校(国家行政学院),北京 100091)

0 引言

突发事件处置过程中，事故周边区域人群疏散是应急处置主要任务之一。事故预警是人群疏散的重要及首要环节。部分学者针对预警对疏散效率影响展开研究，邓云峰等[1]通过构建人群疏散模型，发现预警越早或群众对预警反应越快，疏散效率越高；贺安特等[2]通过模拟地震预警下人员疏散，分析预警时间对疏散效率的重要性；孙典等[3]通过构建疏散预警模型，提出预警信息发布的优化路径。

除预警发布时间、预警发布方式[4]、预警发布内容[5]会影响疏散效率外，社会网络内预警扩散对疏散效率影响同样重要。日本2011东部地震中，21%的响应人员通过社会网络接收预警[6]。社会网络已被学者视为突发事件下信息扩散的重要途经之一[7]，通过监测社会网络中信息扩散，能够挖掘更多有效事故信息[8-9]，通过发挥其网络型扩散优势，充分扩散事故预警信息[10]。因此，公众间预警扩散机理[11]以及基于社会网络的预警策略优化[12-13]，成为该领域的研究热点。社会预警与疏散行为相互交织影响，需融合考虑才能充分呈现人群疏散的动态复杂性。

本文以江苏德桥仓储有限公司“4·22”较大火灾事故(以下简称“4·22”火灾事故)为背景，构建基于社会网络预警传播的人群疏散模型，包含社会个体间的预警传播、个体疏散决策行为、避难所选择以及疏散速度变化等典型要素。基于该模型，本文结合典型预警传播策略，设计6组人群疏散实验，系统分析社会预警对疏散效率的影响，并提出提高疏散效率的有效建议，为制定疏散方案提供科学支撑。

1 “4·22”火灾事故概述

2016年4月22日9时13分，江苏省靖江市新港园区德桥化工仓储有限公司发生火灾事故，事故当天9时13分，江苏德桥仓储公司组织承包商在检修焊接作业时，引发泵房及附近油品管线着火，造成泵房上部管廊坍塌，2个储罐内油品外泄并燃烧。

消防队到达事故现场后，第一时间开展灭火和人员疏散工作。2016年4月22日15∶00时，开始疏散事故中心半径3 km内人员，为安全起见，22∶30开始进行第2阶段人员疏散，疏散范围扩大至半径为5 km，2016年4月23日02时04分，火灾成功扑救。

2 基于社会预警的人群疏散模型构建

本文模型基于Anylogic平台运用多智能体建模方法构建，能够呈现不同个体决策行为、疏散行为、预警行为的多样性特征。模型构建主要包含“4·22”火灾事故中2次疏散的疏散路网绘制以及社会预警机制和人群疏散行为构建2个部分。

2.1 事故疏散路网构建

本文将实际具有经纬度的路网按照1 km=337.88像素比例绘制成二维坐标系内点线图，绘制路网基本上包含车辆或行人可通行道路,如图1所示。路网节点表示道路与道路交叉，虚线圆圈范围为第1次疏散范围，实线圆圈范围为第2次疏散范围，按照行政区划，第1次实际疏散范围为A①区域，第2次实际疏散为B②区域。事故调查报告并未明确疏散避难所位置，本文假设第1次疏散时，避难所选取在安全区域内的3个方位，第2次疏散时，在同方位安全区域设计4个疏散避难场所。

图1 “4·22”火灾事故路网示意Fig.1 Road network of “4·22” fire accident

2.2 事故社会预警及典型行为构建

本文模型包含社会群体内部预警传播及因预警而产生的疏散行为，模型设计机理在现有研究基础上进一步完善而成[14]。本文运用Java开发基于多智能体的预警疏散模型，模型构建时需标准化个体的典型行为状态示意如图2所示，表1罗列图2中个体在行为状态转换时的触发条件。模型将个体从接收预警到疏散分为未被预警、接收信息、决策、传播以及疏散5种状态。其中，模型还考虑个体可能产生从众行为以及虚假信息对社会预警传播的干扰和对冲。

图2 个体典型行为状态示意Fig.2 Schematic diagram of individual typical behavior state

实际事故疏散人数6万余人，考虑到计算速度，基于复杂系统的自相似性，模型设计个体数量为1 000，即假设6万人中共有1 000种不同个体决策模式，模型中1个个体代表实际疏散的60人，在模拟初始状态时，个体初始行动位置为随机分配的路网节点。

该模型模拟的情景为2016年4月22日15∶00时，开始第1次疏散，应急人员开始预警3 km半径内个体。应急人员以事发地为核心，逐渐向外预警周边个体，为体现社会传播作用，模型假设应急人员所能预警到的个体数量服从Poisson(100.0)分布，同时本文假设虚假信息的初始传播者数量服从以50个个体为峰值的泊松分布。为保障疏散能够在2016年4月23日2∶04前完成，本文通过预实验确定上述参数假设范围。

表1 图2中个体典型行为状态转换触发条件Table 1 Trigger conditions for transition of individual typical behavior state in Figure 2

此外，模型还设计个体与其周边个体的信息交互行为，如果个体i或其以D为半径的圆圈范围内有个体具有传播行为，则个体之间会产生传播，半径D服从88～207 m的均匀分布，最终相信预警的个体会疏散前往就近避难场所。在第1次疏散时，仅限制3 km半径内个体进行疏散，直到第2次疏散时，所有个体向5 km范围外避难所疏散。此外，模型假设个体在疏散中，会受周边L半径范围内个体数量的影响而改变自身疏散速度，半径L服从5～250 m的均匀分布，该设计能够呈现个体速度受周边个体数量影响的变化特征。

3 信息传播策略对应急疏散影响分析研究

基于上述模型构建，本文开展模拟实验，以分析信息传播策略对应急疏散效率影响。本文选取3种策略，分别为个体优先向高度相连个体预警(LS)[16]、个体优先向低度相连个体预警(SL)[17]以及随机预警(R)，此外，本文还设计社会网络通讯渠道完好和通讯部分失效2种实验背景。通讯部分失效是指在突发状况下，远距离社会关系可能断掉，造成通讯失效，预警无法扩散，模型中假设在通讯失效情况下，当个体间直线距离超过xm时，个体间社会连接会中断，x服从1 000～1 500 m的均匀分布；当个体间直线距离小于ym时，个体间社会连接重建，y服从0～1 000 m均匀分布。模型内预警基于社会网络得以扩散，研究表明大部分社会网络结构具有无标度特性[18]，本文设计的社会网络为典型无标度网络。模型模拟3种策略应用下通讯完好和通讯部分失效的人群疏散过程，共6组实验，分别为①LS通讯完全、②LS通讯失效、③SL通讯完全、④SL通讯失效、⑤R通讯完全、⑥R通讯失效。每组实验按照Monte Carlo方法，重复模拟10次。

为全面呈现人群疏散效率，本文对每组10次实验的疏散到达个体数(图3)、预警个体数(图4)以及正在疏散个体数(图5)按照时间节点求均值，用均值表示疏散过程。由图3～5可知，模型时间为0时，开始第1次疏散，模型时间为7.5时开始第2次疏散；在社会层面上，第2次疏散前已经开始第1次疏散范围外的预警传播，因此图4中预警人数在0.0～0.2 h快速增加；第2次疏散后，图3中大概7.5 h后开始出现疏散到达人数的显著增加，并且图5中7.5 h正在疏散的个体数明显增加。

图3 疏散到达人数随时间变化关系Fig.3 Change of number of evacuation arriving personnel with time

图4 预警人数随时间变化Fig.4 Change of number of warned personnel with time

图5 正在疏散人数随时间变化情况Fig.5 Change of number of personnel in evacuation with time

3.1 疏散到达人数和预警人数情况

图3和图4分别呈现疏散到达人数和预警人数情况，其中⑤、⑥的疏散到达人数和预警人数最低，证明LS和SL能有效提高疏散效率，与已有研究结论相同。由图3可知，①疏散到达人数最高，②仅次之。图4显示，①、②预警人数相对最高(①、②采用LS预警策略)，即使在通讯部分失效情景下，LS依然发挥其快速扩散优势。图3和图4结果表明，预警人数越多，疏散到达人数越多。

3.2 10.2～10.4 h疏散人数增幅现象分析

图3局部放大图中，①、②、③、④在10.2～10.4 h到达人数约增长30人，图5中，10.2～10.4 h正在疏散人数约减少20人，出现该现象的原因是在10.2～10.4 h，部分正在疏散个体已经疏散至避难所周边区域，可能在避难所附近造成拥堵，该部分拥堵个体持续低速行进，最终到达避难所，因此疏散到达人数显著增加，相对应地正在疏散人数显著下降。本文选取实验中疏散到达人数最接近均值的1次实验数据,以呈现个体速度变化和位置变化情况，颜色越深，速度越小，如图6～7所示，10.2～10.4 h个体速度均较小。图8显示个体不同时间节点移动位置，①、②、③中避难所附近均产生拥堵(布点较多且速度低)。

图6 LS通讯完全中个体速度随时间变化情况Fig.6 Change of individual speed in LS communication completeness with time

图7 LS通讯失效中个体速度随时间变化情况(颜色越深速度越小)Fig.7 Change of individual speed in LS communication failure with time (darker color,smaller speed)

3.3 10.2～10.4 h疏散人数增幅不同原因分析

此外，从图3中10.2～10.4 h增幅量可知，通讯失效情景下受拥堵影响，个体数量大于通讯完全情景。以LS为例，图8显示①中避难所周围个体速度较低，个体布点较多，说明①中前往避难所的个体数更多，与其疏散人数最多的结论相符，但这并不代表①中10.2～10.4 h避难所附近个体数更多。①中总疏散人数最多且10.2～10.4 h受拥堵影响个体数较少的原因是，在8.0～8.5 h该情景下正在疏散人数出现更大幅度降幅(图5放大图)，即在8.0～8.5 h有更多的人到达避难所附近，造成拥堵并最终一起抵达，图9可以佐证这个观点，①中8.0～8.5 h到达个体数量较多，10.2～10.4 h中到达个体数量较少。

3.4 8.0～8.5 h正在疏散人数降幅原因分析

①中8.0～8.5 h有更多人到达，而②中相对较少，这是因为①中信息扩散速度快，8.0～8.5 h到达个体是较早接收到预警较早疏散的人，②中信息扩散效率次之，从而导致本应尽早疏散的个体疏散时间滞后。为进一步佐证①中个体疏散较②更快的猜想，本文整理个体疏散时间，即1个个体从开始疏散至到达避难所时间，如图10所示，第1次疏散时，①中较多个体疏散时间比②时小(图10A)，而②中第1次疏散部分个体疏散滞后，导致疏散时间变长(图10B)，在第2次疏散时，人数增加使该现象更明显(图10C)。综上，①中疏散总人数多，但疏散尾声避难所附近拥堵人数相对于②较少，根本原因是①中信息扩散效率较高，部分个体预警及时、疏散较快，而②信息扩散效率相对较低，导致个体疏散相对滞后，从而造成疏散尾声疏散人数堆积。①信息扩散效率高于②是因为其社会网络完全，传播渠道较②更多。正因为②中部分个体疏散相对滞后，造成该情景下更多个体在短时间内集中疏散，对交通产生的拥堵路段更多，图8中②避难所周边拥堵虽然不是最严重，但本应该畅通的部分区域也出现拥堵(中间区域圆圈内个体颜色相对偏深)。图8中颜色越深表示速度越低，ABCD为4个最终避难所。

图8 几种情景下疏散过程中个体的位置标示Fig.8 Individual location marking during evacuation in several scenarios

图9 LS 2种情景下个体到达时间分布Fig.9 Distribution of individual arriving time in two scenarios

图10 LS 2种情景下个体疏散时间分布Fig.10 Distribution of individual evacuation time in LS two scenarios

此外，图8①、③、⑤的平均速度对比可看出，疏散总人数多，个体疏散平均速度相对较低，理论上，①中个体平均速度应远大于②，但由于②中拥堵路段增多，个体整体疏散速度降低，导致②中平均疏散速度仅略低于①(如图8所示)。综上，本文对提升人群疏散效率提出以下4点建议：

1)应运用社会传播渠道，选择预警效率较高的策略，确保个体早预警早疏散。

2)①中预警速度较快且最终预警人数最多，过快增加的预警人数容易导致更多个体在短时内集中疏散，从而导致交通容量(正在疏散人数)增大，即使因其预警速度快，促使部分个体“早疏散早到达”，避免更大程度地集中疏散，但其平均疏散速度仍旧较低。③中预警速度相对较低，个体平均疏散速度便相对较高，因此，在疏散过程中，需保持预警总人数较高前提下，通过优化预警策略，避免预警个体数量的短期内急剧增加，或通过制定疏散优先级，降低拥堵，提高个体平均疏散速度。

3)②中推演结果表明，通讯失效会抹杀掉LS“早预警早到达”的优势，反而抑制整体疏散速度。按照模型对通讯失效情景的设计，在提升平均疏散速度方式探索上，切断社会网络中远距离的预警传播并不可取，这种情景下，预警在局部范围内扩散，除因预警效率较低引发部分个体疏散滞后外，还容易造成局部道路拥堵。

4)从本文分析中发现，避难所周边是拥堵程度较高的路段，在本文疏散路网中，避难所代表的4个节点，其网络连接边仅为1条，对于每个避难所而言，其可达路径仅1条，所以容易产生拥堵。因此，为缓解拥堵，应当为避难所创造多条可达路径，即增加避难所节点在路网中与其他路网节点的连边，从而对拥堵人流进行有效分流，减缓交通压力。

4 结论

1)基于“4·22”火灾事故疏散路网及疏散时间，构建基于社会预警的人群疏散模型，融合基于社会网络的预警及基于路网的疏散。

2)基于模型构建，运用Monte Carlo方法设计人群疏散推演实验，推演并分析动态疏散过程。

3)应尽可能提高预警扩散总人数，保障最终疏散人数维持在较高水平；应优化社会预警策略，避免出现集聚性疏散，降低整体疏散速度；应避免预警只在局部区域内扩散；应强化避难所周边疏散人员管理以及分流疏散优化。