风暴洪水灾害应急疏散方法研究——以浙江省玉环县为例

沈 航，李 梦 雅，王 军*

(1.华东师范大学地理科学学院,上海 200241;2.武汉大学资源与环境科学学院，湖北 武汉 430079；3.华东师范大学地理信息科学教育部重点实验室,上海 200241)

风暴洪水灾害应急疏散方法研究
——以浙江省玉环县为例

沈 航1,2，李 梦 雅1,3，王 军1,3*

(1.华东师范大学地理科学学院,上海 200241;2.武汉大学资源与环境科学学院，湖北 武汉 430079；3.华东师范大学地理信息科学教育部重点实验室,上海 200241)

以浙江省玉环县为例，对超强台风(中心气压为915 hPa，最大风速>61.2 m·s-1)风暴洪水灾害情景下的应急疏散方法进行了系统研究。首先，基于“点-线-面”洪灾避难思想和GIS空间分析技术构建应急疏散网络模型；其次，以疏散总时间最短为目标，并综合考虑避灾容量、交通拥堵、公平分配、资源节约等因素，求解最佳疏散路径；最后，根据疏散过程动态模拟结果，进一步优化路径选择，并编制应急疏散专题预案。结果表明：如果遭受915 hPa超强台风袭击，将玉环县受淹危险区内的人群完全疏散到安全地带平均耗时647 s(约11 min)，最长疏散时间不超过45 min，可满足应急避难的实际需求。该疏散预案可为完善城市安全保障系统提供科学参考。

风暴洪水；GIS；网络分析；疏散路径；应急预案

0 引言

风暴洪水是影响沿海地区社会经济发展的重要自然灾害。在全球气候变化和快速城市化背景下，极端风暴潮灾害发生的频率、强度还会有所增加[1,2]。作为减少人员伤亡和经济损失的重要途径，灾后应急响应研究逐渐成为增强公众逃生技能、提高灾害管理效率、完善城市安全体系的共同需要[3-5]。目前，国外已就台风、风暴洪水的灾后应急疏散与救灾物资供给开展了广泛研究[6-8]，国内对极端情景下的风暴潮危险性模拟、风险评估与区划[1,9]等关注较多，但对风暴洪水应急响应方法的研究还有待完善和深入。

灾后应急响应主要包括人员疏散和物资配给两方面[6]，其中，将受灾人员疏散到安全地带是救灾工作第一阶段的紧要任务。以往经验和研究一致表明，合理的路径规划能够有效提高疏散效率[10]。建立网络(流)模型是应急疏散路径规划的基础，可根据灾害本身特点或救灾供需比例，设置不同的寻优目标，采用最短路径[11]、最快路径[12]、最大流[13]、最小费用最大流[14]等算法进行求解。根据受灾范围和疏散距离，疏散规划有大、中、小尺度之分，而强台风风暴潮往往在短时间内形成大范围淹没，受灾人员一般需借助车辆途经较长距离到达安全避难场所[15]，因此适于进行大、中尺度的路径规划。根据疏散需求层次，有学者分别基于风暴洪水淹没进程[16]和特殊受灾群体比例[17]确定疏散顺序，并证明分阶段疏散能够有效减少交通拥堵，加快疏散过程[18]。此外，大型交通模拟软件如Paramics[19]、Vissim/Visum[20]、CORSIM[21]可实现疏散过程的动态模拟，为疏散规划提供直接的参考信息。

应急疏散是灾害学、社会学和工程学等多学科交叉的科学问题，针对国内研究往往侧重于某单一方面且缺少动态模拟软件的现状，本文借鉴前人研究[13,17,22]，以浙江省玉环县这一频繁遭受台风风暴潮灾害影响的区域为例，系统开展风暴洪水应急疏散方法与实证研究：1)根据超强台风(中心气压为915 hPa，最大风速>61.2 m·s-1)风暴潮风险评估结果，基于“点-线-面”洪灾避难思想和GIS空间分析技术构建应急疏散网络模型；2)以时间最短为目标，综合考虑避灾容量、交通拥堵、公平分配、资源节约等因素，求解最佳疏散路径；3)利用自主开发的仿真工具MiniGIS对疏散过程进行模拟，根据模拟反馈进一步优化路径选择；4)编制台风风暴潮灾后应急疏散专题预案。本文研究方法可为沿海地区风暴洪水应急避难研究、城市安全管理及规划提供科学参考。

1 研究区域与数据来源

1.1 玉环县概况

玉环县位于浙江省东部，三面环海，境内以低山丘陵为主，滨海地区地势低平。附近海域属正规半日潮，潮流以半日周期往复流为主，波浪以涌浪为主。港湾一般风平浪静，但逢7、8月份台风频发季节，可掀起2～3 m大浪，引发风暴洪水灾害。作为经济发展位居中国前列的海岛县，玉环频繁遭受到台风风暴潮的影响(表1)。近年来，浙江省以玉环县为试点，对极端台风风暴潮灾害风险进行模拟与评估，并开展防范策略问题的研究。本文工作是上述研究内容之一，对玉环及其他沿海城市安全预警体系建设和社会经济可持续发展具有科学和现实意义。

表1 近10年玉环县台风风暴潮受灾概况

Table 1 Direct economic losses caused by typhoon storm surges in the last decade in Yuhuan County

年份2004200520062007台风14号“云娜”5号“海棠”9号“麦莎”8号“桑美”13号“韦帕”16号“罗莎”直接经济损失(亿元)14.52.923.60.4721.781.628年份20082009201220132014台风8号“凤凰”13号“森拉克”8号“莫拉克”11号“海葵”23号“菲特”10号“麦德姆”直接经济损失(亿元)0.350.4932.130.285//

1.2 数据来源

研究数据包括：1)玉环县基础地理信息：行政区划矢量数据和高精度(1 m×1 m)遥感影像。2)台风风暴潮风险区划(图1，见封3)：基于前期工作中超强台风(中心气压为915 hPa，最大风速>61.2 m·s-1)风暴潮情景下的风险区划结果，估算极高、高风险区内(淹没深度超过1.2 m)受灾人口，这是洪灾避难研究的重要数据，体现了“面”的特征。3)玉环县2012年村级户籍人口统计数据。4)由民防局设定的固定避难中心和具有临时避灾功能的公共场所(如体育馆、学校、医院等)地址、容量信息。5)道路网络：玉环县境内省道、县道、乡道、村道等主要车行道的等级和最大限速信息，以计算路段通行时间。其中，数据1)、2)由浙江省海洋与渔业局海洋预报中心提供，数据2)属浙江省水利河口研究院和华东师范大学地理科学学院共同完成的科研项目成果*浙江省水利河口研究院，华东师范大学.玉环县风暴潮灾害风险评估与区划.2014.，数据3)、4)由玉环县民防局提供，数据5)由浙江省及玉环县测绘部门提供。

2 台风风暴潮灾害应急疏散路径规划方法

在应急疏散路径规划中，将疏散过程中的人群抽象为疏散组等点状要素，以研究区域的交通道路线状要素等为基础建立疏散网络模型，而受灾点、避灾点的确定则以风暴潮灾害风险区划的面状结果为依据。研究方法体现了“点-线-面”结合的洪灾避难思想。

2.1 疏散网络模型构建

(1)受灾点和避灾点。基于915 hPa台风风暴潮风险区划，作如下假设：极高、高风险区(淹没深度>1.2 m)的人群需要被疏散；在疏散过程中，受灾人群以村为单位，聚集为一个受灾点；极高、高风险区内的避难场所不再具备避灾功能，仅选择不受风暴洪水影响的安全避灾点；避灾点容量=有效建筑面积/人均占用面积，人均占用面积参考《国家标准各类避难场所控制指标》。

(2)疏散通道。本研究中的疏散道路包括省道、县道、乡道、村道等主要车行道，根据《公路工程技术标准(JTG B01-2003)》确定各路段等级和最大限速，并计算通行时间。

(3)网络模型。本研究采用GIS网络分析和简化的POLYVRT结构处理方法[23]，构建疏散网络拓扑结构。将受灾点和避灾点作为重要结点，结点和道路数据均由ShapeFile矢量文件存储，将矢量数据进行拓扑转换，生成疏散网络拓扑结构(图2,见封3)。此外，考虑到部分受灾点和避灾点与道路在拓扑上不完全连通，则利用最短的直线弧段将其与道路网络接合[24]。以上过程通过C#语言编程实现。疏散网络中主要的要素及其属性信息如表2。

表2 应急疏散网络要素

Table 2 Features of the emergency evacuation network

结点(个)受灾点避灾点道路结点弧段(条)需疏散人数(人)避灾总容量(人)926919401590168635446988

2.2 最佳路径规划方法

以疏散时间最短为目标，并考虑受灾人口、避灾容量、疏散距离和通行速度等因素，寻找从受灾点到避灾点的最佳路径。此外，考虑到洪水受灾人群在空间上比较集中，对于一个受灾点而言，不一定能够在其附近找到一次性容纳所有灾民的避灾点，故本文采用混合拆分疏散模式[25]，将一个受灾点拆分成多个疏散组，分批去往不同的避灾点，以加快疏散进程和节约救灾资源。

以疏散组为基本单位的路径规划模型如下，目标函数：

MinT=Min(Tmove+∑Twait)

(1)

(2)

其中：T为最短的疏散总时间，即所有疏散组从开始疏散至到达避灾点的时间总和；Tmove为疏散组在路段中的运行时间，Twait为疏散组在路口因交通拥堵产生的等待时间；M为疏散组数量，i为其编号；N为避灾点数量，j为其编号；tij为从i到j的时间；xij为标记，当疏散组i分配给受灾点j时，xij=1，否则xij=0。

利用疏散网络模型，采用Dijkstra最短时间算法，找到每个疏散组最快的疏散路径，从而使疏散总时间T取得最小值。在此基础上，设置一定的规划约束条件，以满足应急疏散的实际需求。

(1)需求控制：保证每个疏散组i内的人员都从受灾点迁移到安全避灾点。即：

(3)

(2)容量限制：对于每个避灾点，记其最大容量为Cmaxj，实际容量为Cactj，Cactj<=Cmaxj。

(3)先到先得：即对于一个避灾点，在满足“容量限制”的前提下，疏散时间较短的疏散组优先获得其使用权。采用Dijkstra最短时间算法，为每个疏散组找到其最快到达的避灾点，并按照时间先后为疏散组排序，序号记为Sij，若xi1,j=xi2,j=1，且ti1,j

(4)最小疏散组人数MinPop=30，即在受灾点拆分成疏散组的过程中，不得形成人数小于MinPop的疏散组。过多零散的疏散组反而会增加组织与调度工作的难度。

(5)中途自主调整路线：若疏散组在某一路口因交通拥堵等待时间较长，可以此路口为起点，搜索其他疏散路径，并进行判断；若等待时间与原路径剩余疏散时间之和大于新路径上的疏散时间，则调整为从新路径完成疏散[16,26,27]。

对于需要通过同一路口、进入相同下一路段的疏散组，要求后到的疏散组必须等待先到达的疏散组通过以后才能依次通过。因此，加入交通拥堵时间Twait项进行修正，Twait由该疏散组前方滞留的疏散组通过路口的时间决定。对于车辆在路口处的减速情况，本文处理如下：

图3 疏散组通过路口时的减速示意

Fig.3 Deceleration when evacuation groups crossing the road

设长度为L的疏散组在路段R1、R2中行驶的速度为v，通过路口n时速度降为vc(图3)。疏散组通过路口n的降速比(通过路口时减速量(v-vc)与原速v的比值)记为r，则疏散组通过路口n的时间为：

tn=L/vc=L/(v×(1-r))

(4)

假设某一疏散组前方有w个疏散组要通过同一路口，则该疏散组在该路口的等待时间为：

(5)

本文设定降速比r由两条路段R1、R2的夹角θ决定，取如下数值：150°<θ≤180°时，r=0.1；120°<θ≤150°时，r=0.2；60°<θ≤120°时，r=0.6；0°<θ≤60°时，r=0.8。

2.3 疏散过程仿真模拟与应急预案编制

假设疏散过程中实行交通管制，限制不用于疏散的车辆数量，且所有疏散组在得到疏散指示后同时开始疏散。基于以上规划模型，采用C#编程求解最佳路径。结果显示，92个受灾点被拆分为126个疏散组，最终被分配到51个不同的避灾点。疏散组的平均疏散时间为627 s，因交通拥堵平均等待46 s。其中，用时最长的疏散组的疏散时间为267 2 s(约45 min)，对于风暴潮灾害的应急疏散也是足够的。因此，这一模拟结果基本可以满足风暴潮灾害的应急疏散需求。

利用自主开发的应急疏散分析工具MiniGIS，对疏散过程进行动态模拟。观察疏散组移动轨迹发现，由于中途调整路径，有些疏散组会走“回头路”，这样既不利于交通组织，又会造成资源浪费。考虑到规划结果中“回头路”的情况并不是普遍存在，而避免此类问题需要较多的先见经验与人工判断，本研究采取手动调整方法，将此类路径中的回头路段删除，得到新的疏散路径，作为疏散规划运算与模拟和输入参数，在新的疏散过程中，要求疏散组严格遵循新路径而行。经手动调整后的疏散时间见表3。由于部分经调整后的路径不再是最短时间路径，故调整后疏散总时间增加了2 520 s，平均疏散时间增加了约20 s。而在疏散组必须遵循输入路径而行的条件下，即使遇到交通拥堵，也不能再次更改路径，导致平均等待时间也延长了22 s。但考虑到调整后的路径更方便管理者认读与制定决策，也利于交通管理和资源节约，在满足应急疏散实际需求的前提下，本文认为20 s的时间劣势可以接受。根据最终的路径优化结果编制台风风暴潮灾害应急疏散预案，本文仅以玉环县干江镇受灾片区为例，应急预案如图4(见封3)。

表3 应急疏散时间统计

Table 3 Time for completion of evacuation

规划方法疏散总时间(s)平均疏散时间(s)平均等待时间(s)最长疏散时间(s)初始规划79002627462672手动调整81522647442702

3 结论与讨论

本文对超强台风风暴洪水灾害情景下的应急疏散方法进行了系统研究。首先，初步考虑了人口、救灾保障、交通条件等社会因素；其次，基于灾害风险分析结果和“点-线-面”洪灾避难思想，采用GIS和POLYVRT结构方法构建疏散网络；最后，设计路径规划算法，运用C#编程求解，并自主开发疏散仿真模拟工具，对疏散过程进行动态演示。总体上，本文体现了社会学-灾害学-工程学相结合的研究思路，可为城市的安全保障系统提供科学参考。同时，本文对部分关键问题的考虑还有待完善和深入。例如，对于交通路况的处理较为简化，在路径选择过程中基本不考虑背景交通，且不考虑受风暴洪水影响的路段限行，假设所有交通拥堵都发生在道路结点，这与实际情况仍有一定差别；此外，人口结构差异和老、幼、残等特殊群体的比例以及风暴洪水的淹没阶段都决定了各受灾点具有不同的疏散紧迫层次，本文暂未予以考虑。今后研究将围绕以上问题展开，对疏散过程中的关键细节做更合理的处理。

[1] WANG J,GAO W,XU S Y,et al.Evaluation of the combined risk of sea level rise,land subsidence,and storm surges on the coastal areas of Shanghai,China[J].Climatic Change,2012,114:537-558.

[2] MCCARTHY M P,BEST M J,BETTS R A.Climate change in cities due to global warming and urban effects [J].Geophysical Research Letters,2010,37(L09705).doi:10.102912010GL042845.

[3] MANNAN M S,KILPATRICK D L.The pros and cons of shelter-in-place[J].Process Safety Progress,2000,19(4):210-218.

[4] TAKIZAWA A,INOUE M,KATOH N.An emergency evacuation planning model using the universally quickest flow[J].The Review of Socionetwork Strategies,2012,6(1):15-28.

[5] RENNE J,SANCHEZ T,LITMAN T.Carless and special needs evacuation planning:A literature review[J].Journal of Planning Literature,2011,26(4):420-431.

[6] ZDAMAR L,DEMIR O.A hierarchical clustering and routing procedure for large scale disaster relief logistics planning[J].Transportation Research Part E:Logistics and Transportation Review,2012,48(3):591-602.

[7] WOLSHON B,LEFATE J,NAGHAWI H,et al.Application of TRANSIMS for the multimodal micro scale simulation of the New Orleans emergency evacuation plan[R].2009.163.

[8] MURRAY-TUITE P,WOLSHON B.Evacuation transportation modeling:An overview of research,development,and practice[J].Transportation Research Part C:Emerging Technologies,2013,27:25-45.

[9] 宋城城,李梦雅,王军,等..基于复合情景的上海台风风暴潮灾害危险性模拟及其空间应对[J].地理科学进展,2014,33(12):1692-1703.

[10] LAHMAR M,ASSAVAPOKEE T,ARDEKANI S A.A dynamic transportation planning support system for hurricane evacuation[A].Intelligent Transportation Systems Conference,ITSC2006,IEEE,2006.612-617.

[11] 于德新,杨薇,杨兆升.重大灾害条件下基于 GIS 的最短路径改进算法[J].交通运输工程学报,2011,11(4):123-126.

[12] YE M,WANG J,HUANG J,et al.Methodology and its application for community-scale evacuation planning against earthquake disaster[J].Natural hazards,2012,61(3):881-892.

[13] 曾麦脉.城市应急路网疏散规划的模型与算法研究[D].武汉:华中科技大学,2010.

[14] BAUMNN N,SKUTELLA M.Solving evacuation problems efficiently,earliest arrival flows with multiple sources[A].46th Annual Symposium on Foundations of Computer Science[C].Los Alamitos:IEEE Computer Society Press,2006.399-410.

[15] 崔娜.台风灾害下无车群体疏散需求预测与集散设施选址研究[D].哈尔滨:哈尔滨工业大学,2012.

[16] 叶明武.沿海台风风暴潮灾害复合情景模拟与应急避难研究—以上海为例[D].上海:华东师范大学,2011.

[17] KAISAR E I,HESS L,PALOMO A B P.An emergency evacuation planning model for special needs populations using public transit systems[J].Journal of Public Transportation,2012,15(2):45-69.

[18] CHEN X.Microsimulation of hurricane evacuation strategies of Galveston Island[J].The Professional Geographer,2008,60(2):160-173.

[19] CHEN X,ZHAN F B.Agent-based modeling and simulation of urban evacuation:Relative effectiveness of simultaneous and staged evacuation strategies[A].83rd Annual Meeting of the Transportation Research Board[C].Transportation Research Board,Washington,DC.2004.

[20] ELMITINY N,RAMASAMY S,RADWAN E.Emergency evacuation planning and preparedness of transit facilities:Traffic simulation modeling[J].Transportation Research Record:Journal of the Transportation Research Board,2007,1992:121-126.

[21] LIM E,WOLSHON B.Modeling and performance assessment of contraflow evacuation termination points[A].84th Annual Meeting of the Transportation Research Board[C].Transportation Research Board,Washington,DC.2005.

[22] 王军,叶明武,李响 等.城市自然灾害风险评估与应急响应方法研究[M].北京:科学出版社,2013.

[23] 张巨,刘雨.MapInfo空间数据库技术分析[J].微型电脑应用，1999,15(10):12-14.

[24] 翁敏,毋河海,杜清运,等.基于道路网络知识的启发式层次路径寻找算法[J].武汉大学学报(信息科学版),2006,31(4):360-363.

[25] YI W,ZDAMAR L.A dynamic logistics coordination model for evacuation and support in disaster response activities[J].European Journal of Operational Research,2007,179:1177-1193.

[26] 刘永志,张行南,张文婷,等.基于GIS和OREMS的洪灾避难系统[J].灾害学,2007,22(3):17-21.

[27] 袁媛,汪定伟.灾害扩散实时影响下的应急疏散路径选择模型[J].系统仿真学报,2008,20(6):1563-156

Emergency Evacuation Method for Strom Surge Floods:A Case Study in Yuhuan,Zhejiang

SHEN Hang1,2,LI Meng-ya1,3,WANG Jun1,3

(1.School of Geographic Sciences,East China Normal University,Shanghai 200241;2.School of Resource and Environmental Sciences,Wuhan University,Wuhan 430079;3.Key Laboratory of Geographic Information Science of Ministry of Education,East China Normal University,Shanghai 200241,China)

From a multi-discipline viewpoint,a systemic method for emergency evacuation after flood events was presented using approaches related to disaster,social and engineering science.The method was carried out in an island county,Yuhuan,and on basis of the occurrence of a super typhoon with a low central pressure as 915 hPa and maximum wind speed over 61.2 m/s.First,an evacuation network was established based on "point-polyline-polygon" structured modeling method using ArcGIS network analysis tool.Second,with an objective of minimizing the total evacuation time and consideration of evacuees′ demanding,traffic delay,equal accessibility to and assignment of relief resources,the basic Dijkstra algorithm was redesigned to seek optimum routes for massive evacuees in a capacity constrained road network.Besides,Using C#,an applet with built-in algorithms named MiniGIS is developed for visualization of the dynamic evacuation flow,which provides feedbacks for route optimization.Results showed that,if hit by a super typhoon storm surge,it would take 647 s,about 11minutes,to evacuate all impacted population from dangerous areas to safe places.The method introduced in this paper,and thematic maps revealing information about evacuation routes,time and population,are references for managers to make optimal strategies for disaster prevention and city planning in coastal cities.

typhoon storm surge;GIS;network analysis;evacuation routes;emergency preplan

2015-05-12；

2015-07-22

国家自然科学基金项目(71373084);上海市教育委员会科研创新重点项目(13ZZ035)

沈航(1992-),男,硕士研究生,主要从事灾害应急疏散方法研究。*通讯作者E-mail:jwang@geo.ecnu.edu.cn

10.3969/j.issn.1672-0504.2016.01.023

X43

A

1672-0504(2016)01-0122-05