人群聚集场所拥挤踩踏风险评估*

王维莉，薛 雪

(上海海事大学物流研究中心，上海 201306)

人群聚集场所往往人员密集、分布不均、流动性强、疏散困难[1]，易引发拥挤踩踏等安全事故。例如：2022年10月29日晚，韩国首尔梨泰院站发生严重踩踏事故，导致158人死亡，196人受伤，人群聚集场所的公共安全与风险管理成为社会关注的重点。因此对人群聚集场所的拥挤踩踏风险进行评估，对于防范突发事件及其危害具有重要意义。

基于经典风险理论，佟瑞鹏等[2]用区域内滞留人数与总人数的比值表征踩踏事故风险概率，用基于社会力模型求得的死亡人数表征事故严重程度，同时考虑风险的触发因子，得到了事故风险的定量表达式。为了全面考虑风险因素的影响，刘晓芳等[3]运用德尔菲法确定权重，评估了城市街巷型公共空间人群聚集的安全风险，并将其运用到厦门市中山路的聚集风险评估中；叶瑞克等[4]运用层析法确定权重实现了城市人群聚集区域的公共安全风险评估，并以杭州西湖音乐喷泉广场为案例进行实证研究；刘泽照等[5]将模糊综合评价法应用于拥挤踩踏风险评估，并对上海外滩踩踏事故开展实例应用；NIU等[6]运用社会网络分析和历史事件统计分析确定了风险因素的权重。王起全等[7]、刘艳等[8]、焦志达等[9]运用人工神经网络和数据包络分析法(DEA)实现了风险水平的计算；王起全等[10]、霍宇芒等[11]采用赋权关联度算法和模糊物元法，通过评价研究对象与对照样本的关联度来评估地下交通枢纽系统的踩踏风险。此外，学者们还运用个体受力微观模拟模型[12]、Iterative Self-organizing Clustering Algorithm (ISODATA)算法[13]、动态贝叶斯网络[14]进行相关研究。以上研究在确定风险因素权重时较为主观，且将各风险因素独立处理，对风险因素间的相互作用关系关注较少。

鉴于此，本研究搜集2000-2022全球发生的200起踩踏事故数据，构建拥挤踩踏事故数据集，然后采用因子分析法提取踩踏风险共性因子，从风险脆弱性、风险承受力和风险控制力[4]三个维度构建拥挤踩踏风险评估指标体系，采用梨泰院踩踏事故数据对该模型进行验证，最后将此模型用于评估上海市五角场环岛下沉式广场的拥挤踩踏风险。

1 事故统计与风险因素分析

1.1 风险评估指标选取

事故致因的识别是风险评估的基础，综合国内外踩踏致因研究[15-24]，归纳拥挤踩踏风险因子如下。

人的因素，主要包括人群密度、人群构成、人群心理特征、人群运动行为、异常人员及行为等。人群密度是单位面积的人员数量；人群构成体现在人的年龄、性别、安全意识、行动能力等方面；心理特征是指恐慌、异常兴奋等心理状态；运动行为包括人群的运动方向和速度；异常人员及行为则是指推搡、跌倒、骚乱等行为。

物的因素，一是引起火灾、爆炸、坍塌等事故的异常设备、设施；另外是场地状态，包括安全出口的状态(如宽度、个数)、疏散通道的状态(如阻碍、缺乏疏散标志)。

环境因素，主要包括自然环境因素和人工环境因素。自然环境因素主要为不良的气象条件、复杂的地理环境和地质灾害；人工环境包括楼梯、桥梁等踩踏事故的高发地以及不充足的照明条件。

管理因素，主要是指人群管控不善、信息沟通不畅、应急管理不当。包括对人流量、人群秩序未提前进行干预；对谣言传播、突发情况未及时采取措施；聚集后的疏散工作不当以及在突发事件中未采取合理措施保障公共安全。

1.2 踩踏事故数据集构建

通过国内外主流媒体的报道，收集整理了2000-2022年全球共200起踩踏事件，并记录下列信息：日期、地区、聚集活动类型(体育、宗教、娱乐等)、事故发展过程，并运用前文总结的风险因子，对拥挤踩踏事故触发和演化过程进行风险因素概念性编码[6](表1)。将历史拥挤踩踏事故按照年份分组，整理分类的结果如表2所示。

表1 踩踏事故影响因素的概念编码

表2 风险因素统计表

2 基于因子分析的风险评估指标体系

因子分析是从变量群中提取共性因子的统计技术，可以在多变量中找出隐藏的具有代表性的因子，将相同本质的变量归入一个因子，从而减少变量的数目，体现变量间的关系。每一个变量都可以表示为公共因子的线性函数与特殊因子之和：

(1)

式中：可观测的p维随机变量为：X=(X1，X2…Xp)T；F=(F1，F2…Fm)T，(m

2.1 KMO和球形Bartlett检验

首先采用KMO和球形Bartlett进行因子分析适用性检验，其中KMO(Kaiser-Meyer-Olkin)统计量是用于比较变量间简单相关系数和偏相关系数的指标，取值在0～1之间，Bartlett 球状检验用于检验相关矩阵中各变量间的相关性[25]。KMO统计量越接近于1，变量间的相关性越强，越适合进行因子分析。由表3所示，本文数据的KMO检验已达 0.767，Bartlett 球形检验在0.1%的水平上显著，因此可以进行因子分析。

表3 KMO 和Bartlett检验

2.2 风险评估指标体系的构建

1)公因子提取。由适用性检验的结果可知，影响拥挤踩踏事故的多个因素间存在一定的相关性。接下来利用主成分分析法计算各因子的特征值和贡献率，根据特征值大于1的原则提取因子，将其设为(F1，F2，F3)作为拥挤踩踏事故风险评估的一级指标，其累计方差贡献率已达 73.56%，即提取的公因子能反映各原始变量73.56%的信息(表4)，碎石图如图1所示。

图1 碎石图

表4 总方差解释

公因子权重主要依据其方差贡献率确定：

(2)

式中：n为提取的公因子个数，ai表示各个公因子所解释的方差百分比；Ai表示各公因子的权重，依据表4的结算结果得到各一级指标的权重如表5所示。

表5 人群聚集场所拥挤踩踏风险评估指标体系

2)公因子命名。即根据变量的相关性大小对变量进行分组，使同组内变量间的相关性较高，不同组变量的相关性较低，而代表每组数据基本结构的新变量称为公共因子，旋转成分矩阵可以反映各变量在公共因子上的载荷值。从旋转分析结果(表6)看，第一个主成分的相关指标包括人群密度、人群管控不善、异常人员及行为、人群心理特征和人群运动行为，此类因素是引起踩踏事故的直接因素，将其归纳为风险脆弱性，风险脆弱性是系统自身存在的易受伤害和损失的因素，在灾害来临时表现出的敏感性；第二个主成分是由人工环境、人群构成、自然环境和设备或物品异常四个指标构成的，这类因素影响踩踏事故后果的严重程度，将其归纳为风险承受力，关系到系统对风险的抵抗和承受能力；最后一个主成分包含疏散通道及标识、安全出口状态、信息沟通、应急管理，将其归纳为风险控制力，风险控制力是指主观避免或减少风险发生可能性及潜在损失的能力。

表6 旋转后成分矩阵

3)二级指标权重计算。在各公因子的指标及其权重确定后，借助因子分析的得分系列矩阵得到公因子的线性组合，用汤普森(Thomson)回归法对二级指标的权重进行计算[25]。

表7所示是各因子得分系列矩阵，可得到各公因子的回归方程：

表7 因子得分系数矩阵

F1=0.327f11+0.326f12+0.235f13+0.191f14+0.249f15；

(3)

F2=0.289f21+0.313f22+0.287f23+0.286f24；

(4)

F3=0.359f31+0.440f32+0.299f33+0.222f34。

(5)

对数据进行归一化处理：

(6)

继而得到二级指标的权重：

Wij=Ai×Bij。

(7)

由此所搭建的城市人群聚集场所拥挤踩踏风险评估指标体系如表5所示。

3 风险评估模型与验证

3.1 风险评估模型

结合各指标权重，利用以下公式确定人群聚集场所的拥挤踩踏风险指数：

(8)

式中：I是人群聚集区域的拥挤踩踏风险指数，Wi是风险因素i的权重，Yi是风险因素i的判别值。风险指标的判别值如表8所示。

表8 风险指标与判别标准

为确定人员密集场所拥挤踩踏风险级别，需要建立相应的评判规则。参考文献[26]的风险指数值对应关系表，事故发生的最小割集权重之和的均值为15，本研究中建立的人员密集场所拥挤风险评判规则如表9所示。

表9 人群聚集场所风险级别和风险指数值的对应关系

3.2 模型可行性验证

2022年10月29日，正值万圣节活动，因很多市民自发聚集在梨泰院洞庆祝节日。梨泰院洞中心汉密尔顿酒店旁一条狭窄的小巷内挤满了人(大约18 m2的空间容纳了300多人)，自上而下的人流遭遇下方地铁站出口横向穿行的人群时，行进速度更加缓慢，人们互相推搡又因地势狭窄有坡度且凹凸不平，导致斜坡上的人群如多米诺骨牌般倒下，人群压力使下层人们无法动弹，最终酿成惨剧，造成158人死亡、196人受伤。

根据新闻报道可知，当时现场人员密度极大、人群异常兴奋、形成了明显的对冲人流和速度差异、人群互相推搡、管理部门事先对聚集人数缺乏预估以及管理措施，同时地势复杂、疏散通道狭窄，街边震耳欲聋的音乐也导致信息沟通不畅通。运用本研究所提出的模型计算人群拥挤踩踏风险值以确定风险级别(表10)，结果显示梨泰院聚集活动中的拥挤踩踏风险水平高达81.6分，危险级别为一级。因此，该模型可用于计算人群聚集场所拥挤踩踏风险水平并划分风险级别，模型结果可以明确显示该场所的风险程度以及应加强管控的风险指标，对事前预防人群聚集场所拥挤踩踏事故，提高风险管理水平具有实际参考意义。

表10 梨泰院拥挤踩踏风险事故风险评分表

3.3 案例分析

上海市杨浦区五角场环岛下沉式广场集交通、商业、办公及娱乐等于一体，以五条地下通道与万达广场、百联又一城、东方商厦(现为迈悦生活广场)、苏宁易购和合生汇五大商场相连，同时连通地面出入口与周边道路，相当于一座“下沉式天桥”，承担市民的交通通行和分流功能，是上海城市副中心五角场地区步行系统的重要枢纽。据历史人流量数据统计，在五角场环岛区域，工作日约15万人次，周末约20万人次，节假日约25～30万人次，重大节日人流量可突破60万人次，高峰小时人流量更是突破56 250人次。

1)工作日常态客流情景。假设平时的工作日，以15万人次计算。平峰时间，人群平均密度小于0.71人/m2，人群心理较为稳定，运动的对冲和交叉较少。目前，五角场下沉式广场的管理方案和应急预案较为完备，安保人员基本充足，有定期的人员培训以及开展应急演练，电子大屏、宣传广播等信息传递渠道良好。假设常规天气条件下，没有设备故障情况下，运用本研究所提模型计算五角场下沉式广场人群拥挤踩踏风险值以确定风险级别，结果如表11所示。

表11 五角场下沉式广场拥挤踩踏风险评分表

2)下雨天的节假日客流场景。假设节假日，以30万人次计算，地下通道、环廊等处人群平均密度为2人/m2，人群心理较为稳定，人群存在一定的对向流和交叉流。该场景运用本研究所提模型计算五角场下沉式广场人群拥挤踩踏风险值为RI=32.067，其风险等级为三级。

3)有展出活动的特殊节假日客流场景。假设在国庆“黄金周”等特殊节假日，适逢五角场下沉式广场有展出活动，客流以60万人次计算，地下通道、环廊等处人群密度超过2.17人/m2，人流会存在较强的对冲和交叉，假设不存在异常行为及人员，人群心理较为稳定。如果没有调配额外警力和安保人员，特殊节假日现场的安保力量会不足，且如果对人员缺乏特殊节假日客流应对处置的培训教育，现场应对经验会显不足。该场景运用本研究所提模型计算五角场下沉式广场人群拥挤踩踏风险值为RI=58.52，其风险等级上升为二级。

3.4 人群聚集场所风险管控措施

首先在人群聚集场所的日常管理中要注意检查出入口以及照明、广播等电子屏等设施设备的状态，排除楼梯桥梁等高危节点处的安全隐患，从而提高场所的风险承受力。

其次要尤其关注安全出口和疏散通道的状态，并辅之以清晰、醒目的指示标志。尤其在恶劣天气、有路演等特殊活动、特殊节假日前，应配备由LED灯或反光材料组成的安全标识，及时清理道路阻塞物、清理积水等，防止楼梯、坡道等湿滑造成的事故。在聚集活动前应该进行安全演练，制定应急预案，提高对风险的控制力。

最后人群聚集场所的现场管理是降低踩踏风险的关键，要合理设定人流容量，及时关注场所内滞留人员数量，管控人群秩序。当场所内人群密度过高时，可采取限流措施，控制进出人员数量，或采取单向流动等人群管控方式，尽量避免高密度人流的对冲和交叉。并通过视频监控关注人群的运动行为和心理特征，监测识别异常行为，有突发事件时紧急疏散人群。从根源上降低场所的风险脆弱性，降低场所的拥挤踩踏风险。

4 结论

1)综合对比国内外踩踏因素的研究，以“人物环管”为分析框架归纳出人群密度、人群构成、人群运动行为、人群心理特征、异常人员及行为、安全出口状态、设施设备异常、疏散通道及标识、人工环境、自然环境、人群管控不善、信息沟通不畅、应急管理不当13个风险因素，收集了2000-2022年的200起踩踏事件，对其引发和发展过程进行概念编码，统计其聚集人数和伤亡人数从而构建历史踩踏事故数据集。

2)采用因子分析法进行量化研究，由因子分析的结果搭建起“风险脆弱性-风险承受力-风险控制力”的分析框架，风险脆弱性包含的二级指标是引起踩踏事故的直接因素，权重最高；风险承受力的相关因素影响踩踏事故后果的严重程度；风险控制力的相关因素不会直接引起踩踏事故，但能避免或减少潜在损失。

3)借助因子分析的得分系列矩阵用 Thomson 回归法计算二级指标权重，建立人群聚集场所的风险评估指标体系，引入风险指标的判别标准，计算其拥挤踩踏风险指数。通过对“韩国梨泰院”踩踏事故的个案评估对模型进行验证，将其运用到五角场环岛下沉式广场的拥挤踩踏风险分析。最后对人群聚集场所的日常管理和现场管理提出若干措施建议。

4)本研究提出的风险评估模型在一定程度上解构了诱发踩踏风险的诸多因素，能为人群聚集场所的日常管理和应急管控提供决策参考。诚然，本研究仍然存在不足之处，比如风险因素的细化仍有提升空间，风险因素判别值的取值办法仍值得研究，如此将会获得更为科学和更具说服力的研究结论。