开放性公共场所疏散引导人布...海市徐汇区滨江绿地空间为例_牛妍妍.pdf

开放性公共场所疏散引导人布局优化研究以上海市徐汇区滨江绿地空间为例牛妍妍1，於家1,2*，陆大伟1，穆仁武1，温家洪1(1.上海师范大学环境与地理科学学院，上海 200234；2.上海师范大学“数字人文资源建设与研究”重点创新团队，上海 200234)摘 要：应急疏散引导在城市开放性公共场所安全建设中有着重要的意义。为解决应急疏散初期引导人的空间布局问题，论文考虑障碍物对通视性的影响、引导人的空间覆盖范围及距离衰减效应、可引导人员数量阈值等条件，基于粒子群算法和渐进覆盖模型，构建了一种新的开放性公共场所疏散引导人布局优化方法；并以上海市徐汇区滨江绿地空间为例，进行疏散引导人的布局优化，并基于疏散智能体模型，开展应急疏散引导模拟，比较优化前后的疏散效率，来验证该方法的可行性；同时，考虑到不同时间段人群分布的差异性，开展该区域内疏散引导人责任区的动态规划。实证结果表明：不同时刻研究区的疏散引导人需求量不同，与疏散人员数量成正比；疏散引导人布局优化后的疏散时间成本要远低于人为布设情景下的疏散时间成本；疏散引导人责任区的划分有助于在引导人数量有限的情况下，明确每个引导人负责的区域以及采取的日常安全防范方式。研究可为开放性公共场所疏散引导人空间布设提供决策依据，降低公共场所的潜在安全风险，促进城市公共安全建设。关 键 词：开放性公共场所；疏散引导人；粒子群算法；渐进覆盖模型；上海市开放性公共场所(如步行街、公共绿地、城市广场等)作为一种免费并全天开放的公共服务性场所，一般具有较好的自然或人文景观，可为城市居民提供休憩娱乐空间。同时，开放性公共场所由于边界开放，人群的聚散具有实时动态性、流动性强的特点，相比一般的公共场所更易出现人群局部或全局的聚集，增加潜在的安全风险1。开放性公共场所内各类突发事件的发生，如近些年频繁发生的人群踩踏事件、恐怖袭击事件等，对城市居民的生命与财产安全造成巨大的损害。为了推进安全城市的建设，提高开放性公共空间的应急管理能力2，及时有效的应急疏散引导是在突发事件发生时避免或减少公共场所人员伤亡的关键之一3-4。在应急疏散引导方面，国内外学者开展了一系列的研究。Bayram等5研究论证了应急疏散引导中应急疏散路径规划的重要性；崔喜红等6、Abdel-ghany等7分别基于禁忌搜索算法和遗传算法来优化疏散引导路径。还有部分学者致力于应急疏散引导过程的研究。如钟少波等8应用社会力模型和多智能体技术进行应急疏散引导过程的模拟；陈长坤等9、Kirchner等10则基于元胞自动机模型，考虑到危险源、应急疏散出口、疏散人员的从众行为等影响因素，对疏散过程进行仿真。以上研究主要是对于应急疏散引导过程的探索，较少考虑在应急疏收稿日期：2022-05-27；修订日期：2022-08-20。基金项目：国家自然科学基金项目(72074151)；上海自然科学基金项目(20ZR1441500)；国家社会科学基金项目(18ZDA105)。Foundation:National Natural Science Foundation of China,No.72074151;Natural Science Foundation of Shanghai,No.20ZR1441500;National Social Science Foundation of China,No.18ZDA105.第一作者简介：牛妍妍(1998)，女，山西吕梁人，硕士生，研究方向为应急疏散引导及管理。E-mail:*通信作者简介：於家(1982)，男，上海人，博士，教授，研究方向为空间优化与选址、应急疏散管理与避难、基于人工智能的空间建模。E-mail:引用格式：牛妍妍,於家,陆大伟,等.开放性公共场所疏散引导人布局优化研究:以上海市徐汇区滨江绿地空间为例 J.地理科学进展,2023,42(2):301-315.Niu Yanyan,Yu Jia,Lu Dawei,et al.Allocation optimization of evacuation leaders in open public places:A casestudy of Binjiang Green Space in Xuhui District,Shanghai.Progress in Geography,2023,42(2):301-315.DOI:10.18306/dlkxjz.2023.02.008301-315页第42卷 第2期2023年2月地 理 科 学 进 展Progress in GeographyVol.42,No.2Feb.2023地理科学进展第42卷散引导开始时，对于疏散引导人空间布局的研究。疏散引导人是指熟悉公共空间内部结构及疏散出口、疏散路径等特征，能够在应急疏散过程中及时引导疏散人员快速撤离的工作人员。由于突发事件情景下疏散人员的恐慌情绪、对开放性公共场所不熟悉等原因，疏散过程中存在较大的疏散风险。为使开放性公共场所内尽可能多的人员得到引导，疏散引导人的合理空间布局对于开放性公共场所的有效疏散至关重要。在疏散引导人相关研究中，李强等11在研究公共场所疏散引导人的作用时发现，在疏散人员密集区域设置疏散引导人可以有效地提高疏散引导的效率，同时也初步探讨了疏散引导人的数量、位置等对疏散效率的影响。Cao等12在研究中也论证了合理的疏散引导人空间布局优化可以有效缩短应急疏散的时间成本。在疏散引导人空间布局研究中，一般要考虑疏散引导人数量、引导范围、疏散引导人位置、引导对象等因素，这与公共服务设施选址问题具有较高的相似度。对于公共服务设施选址问题的研究常用拉格朗日松弛算法13、贪婪算法14、遗传算法15、模拟退火算法16、蚁群算法17、粒子群算法18-20等启发式算法21以及多目标进化算法22-23。启发式算法能够很好地结合定性与定量问题，满足多目标决策的需求，因此已被应用到相关研究中。例如，Zhou等24以北京地铁站为例，提出一种改进的最大覆盖模型来对疏散引导人的数量和初始位置进行优化；崔喜红等13使用拉格朗日松弛算法结合最大覆盖问题开展了静态引导人空间布局的研究，并通过模拟超市应急疏散过程，证实了合理的疏散引导人空间布局有利于应急疏散效率的提高。但是目前疏散引导人空间布局研究仍然存在以下 2 个方面问题：在疏散引导中，障碍物会对引导人视域范围产生影响，进而影响引导人在引导中的覆盖范围，而当前的研究较少考虑这方面的因素；在实际引导过程中，引导人对疏散人员的引导作用会随两者间距离的增加而减弱，而目前的研究未考虑引导人与疏散人员间距离因素的影响。基于上文的分析，本文考虑障碍物对疏散引导中通视性的影响、引导人的空间覆盖范围及距离衰减效应、可引导人员数量阈值(引导人最多可引导疏散人员数量)等多种因素，提出一种基于粒子群算法和渐进覆盖选址模型的开放性公共场所疏散引导人空间布局方法；以上海市徐汇区滨江绿地空间为研究区，对疏散引导人空间布局进行优化，并基于疏散智能体模型，开展应急疏散引导模拟，比较疏散引导人布局优化前后疏散效率，验证该方法的可行性与有效性。另外，考虑不同时间段人群分布的差异，开展该区域内疏散引导人责任区的动态规划，以期为该区域的公共安全与应急管理提供决策建议。本文的研究方法可为类似的开放性公共场所疏散引导人空间布局和应急疏散管理工作提供方法借鉴。1 研究方法本文构建了基于粒子群算法和渐进覆盖模型的开放性公共场所疏散引导人空间布局优化方法。2种方法结合运用，将更加符合疏散引导的实际情况，提升引导人空间布局合理性和疏散引导效率。已有研究大多将疏散人员活动空间定义在道路网络上，并根据道路网络节点风险值进行疏散引导人的布局25-26。由于开放性公共场所结构的特殊性，本文将疏散人员活动空间定义在更加微观的面状空间上，来开展疏散引导人空间布局优化方法的研究。在进行疏散引导人布局时需要明确疏散引导人的数量、引导对象、引导位置、引导人的空间覆盖范围等信息，同时还要考虑障碍物的阻碍作用。这要求达到引导效益最大化(总服务质量最大化)、引导成本最小化(引导人数量最小化)、每个疏散人员都能得到引导且得到的最小引导质量最大化等多重目标。因此，根据疏散人员分布的特性，结合粒子群优化算法和渐进覆盖模型，本文提出一种开放性公共场所疏散引导人空间布局优化方法。该方法假设：疏散人员只能在疏散引导人的引导下，离开疏散空间；疏散引导人在收到疏散预警信息后，明确了解其引导范围和疏散空间的全部信息，并有能力进行疏散人员的疏散引导；疏散引导人的引导受其可引导疏散人员数量阈值和引导范围的限制，且疏散引导人离开引导空间后不再返回。具体参数设置如下：(1)决策变量Zj=0,j被选为引导人1,j不被选为引导人(1)Lij=0,疏散人员i被引导人j引导1,疏散人员i不被引导人j引导(2)Sij=0,疏散人员i与引导人j之间不可通视1,疏散人员i与引导人j之间可通视(3)302第2期牛妍妍 等：开放性公共场所疏散引导人布局优化研究(2)目标函数maxi=1nj=1mf(dij)SijLijnj=1mZj(4)max Q(5)(3)约束条件j=1mLij=1,iI(6)i=1nLijK,jJ(7)j=1mf()dijLijQ,iI,jJ(8)式中：Q表示个体获得的最小引导质量，n表示疏散人员总数量，I表示疏散人员集合，m表示引导人总数量，J表示引导人集合，i表示序号为i的疏散人员，j表示序号为j的疏散引导人员，K表示每个引导人可引导人员数量阈值，dij表示引导人j与疏散人人员i之间的距离，f()dij表示引导人j给疏散人员i提供的引导质量，Zj表示j是否被选为引导人，Lij表示疏散人员i和引导人j是否建立引导关系，Sij表示疏散人员i和引导人j之间是否可以通视。式(1)(3)表示决策变量的取值范围，式(4)表示引导效益最大化、引导成本最小化且考虑障碍物因素，式(5)表示最小引导质量最大化，式(6)表示所有疏散人员都能得到引导，式(7)表示每个引导人引导疏散人员数量不超过阈值K，式(8)表示每个疏散人员获得的引导质量不小于最小引导质量Q。1.1 粒子群算法粒子群算法是一种常用的优化选址算法，在相关的研究中已证实了该方法具有良好的搜索效率和实用性27。本文选用粒子群算法来确定疏散引导人的空间优化布局。粒子群算法模拟鸟群觅食情景，通过多次迭代比较的方式找寻最优解。首先在可行解空间中初始化一群具有一定速度、位置、适应度值等属性的疏散引导人可行解来代表优化问题的潜在解集合，经过比较可行解的适应度值，找出疏散引导人可行解的个体极值和群体极值。在每一次迭代中，更新疏散引导人可行解的个体极值与群体极值，并根据极值来更新引导人可行解的速度和位置，更新公式如下：Vk+1id=wVkid+c1r1()Pkid-Xkid+c2r2()Pkkd-Xkid(9)w=w1-nw1-w2m(10)Xk+1id=Xkid+Vk+1id(11)式中：Vkid、Vk+1id分别表示引导人可行解i在k和k+1次迭代中第d维的速度值；w为非负值的惯性因子，代表引导人可行解继承上一次迭代速度的能力，w值的大小影响全局寻优能力和局部寻优能力，为平衡全局与局部寻优性能，特引入权重线性递减函数式(10)，其中w1表示w的最大值，w2表示w的最小值，m表示最大迭代次数，n表示当前迭代次数；Pkid与Pkkd分别表示k次迭代中疏散引导人可行解i当前个体极值和该次迭代的群体极值的第d维；分别引入个体学习因子c1、社会学习因子c2，以及在0,1区间上的随机数r1、r2，结合当前引导人可行解第d维的位置Xkid，用(Pkid-Xkid)来代表当前疏散引导人可行解i与其个体极值在第d维的差距。结合已有学者的研究经验28，本文中w1取值为0.9，w2取值为0.4，c1与c2取值为1.49。1.2 渐进覆盖选址模型在使用粒子群算法求解疏散引导人空间布局的过程中，必须要选择合适的模型来确定疏散引导人的引导覆盖范围。在相关研究领域，多使用覆盖模型来确定。传统的覆盖模型设置了严格的覆盖标准，