海底隧道火灾事故人群疏散优化方案研究

陈明仙，许贵贤

(福建船政交通职业学院 安全技术与环境工程系, 福建 福州 350007)

0 引言

在路网特征显著的海底隧道内，发生事故后进入人群疏散情景时，如何在第一时间内将隧道内的人员疏散至安全区域，同时避免疏散人员免受高浓度CO的长时间影响，合理制定疏散方案，进行时空路径的合理分配，以实现最安全、最有效的人群疏散是一个急待解决的问题。

在海底隧道人员应急疏散方面，国内外学者进行了研究。如Penelope Burns等[1]对澳大利亚悉尼海底隧道应急中人的行为进行分析，进行隧道疏散程序和系统研究，开展火灾实验，并分析不同海底隧道应急警示系统对疏散的影响，研究疏散指令和撤离行为对应急的影响。Timo Salmensaari等[2]对海底隧道应急救援手段进行分析，研究事故应急光源和电力的要求，描述了运营期海底隧道的主要风险，提出了应急交通的基本要求。王忠[3]分析了海底隧道的火灾原因、特点及危害性，并对应急避难及疏散设施要可靠性、消防通信系统和抢险救援队伍等提出了要求。

当前关于海底隧道应急研究多集中于事故数据分析、应急行为和指令分析、应急需求和微观的疏散运动模型等方面，而对于不同区域人群疏散优化策略方面研究较少。因此，笔者将以厦门翔安海底隧道为例，针对其火灾情景下疏散特性，考虑隧道网络特点和烟气对人体影响，建立人群疏散优化模型，设计基于改进蚁群算法的求解方法求解模型，得出不同区域人群疏散优化方案。

1 问题描述

海底隧道的交通流量巨大，在火灾发生需要进行疏散时，疏散人员面临诸多的疏散选择，如何合理选择疏散方式策略，使健康伤害在可承受范围内、疏散时间最短和疏散路径最短，以实现安全、高效的疏散目标，是一个涉及到人员伤害、疏散时间、疏散路径等因素的复杂系统优化问题。

在发生海底隧道火灾人员疏散情景下，车辆拥塞于火灾事故的隧道内、车行通道和对向车道内，对疏散产生影响。此时，车辆内人员易受到烟气和热灼伤害。公路隧道火灾人员分布密度较小，除火灾中心区外，人员受热灼效应较小。由于海底隧道火灾产生的大量烟气在短时内难以排出，使逃生人员在徒步疏散过程中以运动状态下遭受烟气伤害，超过伤害阈值可能导致不可逆伤害甚至死亡，同时导致疏散过程中止。在火灾烟气中，包含了碳氧化物、氮氧化物、硫化物和氢化氰等毒害性物质。由于隧道内可燃物的非充分燃烧，会使CO浓度迅速升高，是隧道火灾致死的主要介质[4]。在隧道应急疏散在路线选择上，容易受到隧道结构、人员与出口距离等条件影响；同时，由于人员的恐慌心理，容易从众、从光，随机性强。因此，对长距离的海底隧道逃生疏散，其逃生策略的选择应对于不同区域采取差异化策略，并给予合理诱导，使得整个逃生过程的伤害指数不超过容许范围，人群疏散优化表现为逃生的过程路径选择，具体表现为各逃生阶段不同区域的出口选择策略。该问题为典型的多约束的应急疏散组合优化问题。

2 模型构建

(1)目标函数

在人群疏散情景下，目标函数可描述为使海底隧道疏散过程的总时间最少，可表达为：

(1)

其中：

A为疏散区域集合；

k为海底隧道中所需疏散的区域数；

tij(x)为人员x在疏散路径(i,j)所用时长，单位为s；

式(1)表达的意义为：人员疏散优化问题研究对于含有N个可能疏散出口，海底隧道各区域内总数为K的被疏散对象，对于区域Ai内的人员有疏散方案w，其个体疏散区域综合时间成本为疏散方案W执行过程总出行时间累加，通过求解k个被疏散区域内人员累积综合时间成本最低使应急疏散系统整体效益最优[5]。

(2)模型的约束条件

疏散人员在疏散过程累计所受CO伤害值不能超过阈值，否则因身体伤害超限，会引起死亡或不可逆伤害，同时导致疏散过程中止或受阻。

(2)

式中：

rij为路径上人员单位时间CO摄入量，单位为cm3/m3；

Rz为累积伤害限值，单位为cm3/m3。

根据ACGIH化学物质阈限值(2012版)，考虑CO对人体伤害机理、事故情景演变过程、应急通风特性和人员行为特性要素，计算累计伤害阈值Rz[6]，则：

(3)

式中：

α1为运动系数，与人员运动强度和紧张情绪成反比，人员步行疏散时系数较低，取[0,1]；

α2为阈值飘移系数，特殊状态(如事故状态)下阈值漂移上限不超过3倍，即取[0,3]；

tr为阈值时间系数，总接触时间不超过30 min，即取[0,30]；

3 模型算法设计

蚁群算法具有分布式计算、自组织、正反馈等优点，搜索能力强，收敛快，对解决路径规划和组合优化问题有很强的适应性，并能取得良好的效果。根据模型的特性，结合海底隧道应急疏散特点，基于蚁群算法进行改计，设计模型算法与步骤。

3.1 蚁群算法基本步骤

以旅行商问题为例，蚁群算法基本步骤如图1所示[7]。

3.2 蚁群算法的改进

(1)启发式信息

结合海底隧道的特点，在人群疏散过程中，除了考虑各路径长度对于蚂蚁路径选择的影响外，还应考虑蚂蚁与出口距离、路径CO浓度等因素的影响[7-8]。

1) 蚂蚁与出口距离影响

在海底隧道人群疏散过程中，存在着多个疏散出口。以翔安海底隧道为例，人群可能疏散出口含左线、右线、服务隧道出入口共六个，任一疏散对象最终疏散撤离出口具有不确定性，为使蚂蚁能够快速找到出口，除了基本蚁群算法中将路径行程时间为启发式信息外，将蚂蚁与各第n个出口的位置距离引入启发式信息，使蚂蚁的搜索更具方向性，加快收敛过程。

2) CO浓度

在人群疏散过程中，以致伤度较高的CO为代表的火灾烟雾会对疏散人员造成伤害，伤害与吸入烟气浓度、吸入量等紧密相关。在人群疏散过程中，应优先选择CO浓度较底的疏散路径，降低人员伤害。

(4)

式中：

Dij为人员在疏散路径(i,j)上的危险值；

dk为人员位置与出口k的距离，单位为m。

(2) 疏散人员的转移规则

为了提高算法的全局搜索能力，引入确定性选择和随机选择相结合的选择策略，并且在最优解的搜索过程中自适应地调整确定性选择的概率。这种选择方式称为伪随机比例状态转移规则，人员k由节点i转移到节点j的规则如下:

(5)

式中：

τis为路径(i,s)的信息素量；

q为(0，1)区间内均匀分布的随机数；

q0为[0,1]之间的任一给定参数。

在“其他”状况下，j 的取值可以根据公式(6)得出：

(6)

式中：

allowedk表示蚂蚁k下一步可选择的搜索点；

α为信息启发式因子；

β为期望启发式因子。

(3)信息素更新策略

当蚂蚁k从节点i转移到节点j后，边(i,j)上的信息素量按式(7)、(8)进行更新[9]：

τij(t+1)=(1-ρ)·τij(t)+Δτij(t)

(7)

(8)

式中：

ρ为信息素挥发系数，ρ∈[0,1]；

Δτij(t)为本次循环中路径(i,j)上的信息素增量。

4 人群疏散仿真算例分析

以翔安海底隧道客车碰撞火灾事故为例，燃烧点位于隧道中部88号消防箱位置，隧道结构均没有严重损坏，交通功能正常。

按照人群疏散模型进行疏散仿真。

4.1 隧道疏散区域的网络化

以翔安隧道12个人行横通道、5个车行通道为纵格线，左线、右线和服务隧道为横格线，将隧道疏散区域划分为54个区域，隧道可能到达安全出口为6个，如图1所示[10]。

4.2 构建简化OD表

根据隧道内监测数据，获取各路径上的CO浓度、拥塞程度、流量等动态信息。为简化函数计算，构建简化OD表，如图2所示。

图1 海底隧道人群疏散区域划分

图2 海底隧道人群疏散简化OD表

4.3 人群疏散优化模拟

根据海底隧道特点，结合前人研究经验[9-11]，设置蚁群参数：m=30，Ncmax=100，α=0.8，β=0.5，ρ=0.9。人员平均疏散速度vp=1.8m/s。

人群疏散阶段的自由疏散人员处于运动状态下，应考虑运动状态下吸入CO影响，取α1=0.2，α2=3，tr=25min=1500s，则

=22500 ppm·s

运用编制的MATLAB程序，可得核心区域在CO浓度限制下的最佳人员疏散路径图，如图3所示。

图3 核心区域疏散诱导路径

区域疏散对象出口路径路径长度累加CO摄入值CO超限调整次数6人群16→5→4→3→2→11800223332637人群27→6→5→24→23→22→21→202133216822728人群28→27→26→25→24→23→22→21→202433210705569人群39→28→27→26→25→24→43→42→41→40→39276622400185810人群310→29→48→47→46→45→44→43→42→41→40→39306621343299811人群611→30→49→50→51→52→53→54→55→56→5727662034331812人群512→31→32→33→34→35→36→37→3824332173719013人群513→14→33→34→35→36→37→382133207004914人群414→15→16→17→18→19180021333192

4.4 结果分析

从图3和表1可以看出，核心区域的诱导路径累计摄入值在阈值范围内，蚁群在路径计算时共避开了阈值超限路径共6696次，不同区域根据路径长度、CO阈值限制和出口距离等要素差异化选择了出口，既避免了CO摄入超限，又使6个出口得到充分利用，保证了人员的健康和疏散过程的有序进行。

通过在每个区域的VIS情报板、监控设施和LED诱导装置，可诱导该区域人群按路径出口编号进行逃生疏散，选择最优的逃生路径，可以有效提升疏散效率，同时确保在其疏散过程所摄入的CO量不超过阈值，保证疏散综合效益最优。

5 结论

(1) 在海底隧道火灾应急情景下，考虑海底隧道火灾事故特性和CO对疏散人员的伤害，建立疏散区域内人员累积综合时间成本最低的人群疏散优化模型。

(2) 根据海底隧道应急网络特点和模型需求，改进蚁群算法的启发式函数、疏散人员转移规则和信息素更新策略，优化路径选择策略，使算法充分适应模型求解。

(3) 仿真算例结果在实现时间成本最低的同时，降低CO对疏散人员的伤害，又使出口得到充分利用，提升了疏散的综合安全效益。

(4) 海底隧道人群疏散情景下，疏散策略还受到隧道通风、声光等影响因素。今后的研究将纳入这些因素。

[1] Penelope Burns, Garry Stevens,et. Human behaviour during an evacuation scenario in the Sydney Harbour Tunnel[J]. Australian Journal of Emergency Management, 2013,Volume 28, No.1:20-27.

[2] Timo Salmensaari. Safety in Long Subsea Rail Tunnels[J]. Aalto University Master’s Thesis,2010: 40-52.

[3] 王忠.海底隧道火灾危害及防范对策[J].消防科学与技术, 2012(6): 608-611.

[4] 范维澄, 王清安, 姜冯辉,等.火灾学简明教程[M].合肥:中国科学技术大学出版社, 1995:38-82.

[5] 雷春英.基于改进蚁群算法的火灾疏散路径优化研究[D]. 武汉：武汉理工大学, 2014.

[6] 邓顺熙, 谢永利, 袁雪戡. 特长公路隧道CO浓度设计限值的研究[J]. 中国公路学报, 2003, 16(3):69-72.

[7] 段海滨.蚁群算法原理及其应用[M].北京:科学出版社,2005:24-43.

[8] 王起全,杜艳洋,张心远. 蚁群算法在地铁车站内应急疏散的应用[J]. 消防科学与技术,2015(1):55-58.

[9] 孟晓琳,黄天民,陈尚云.基于信息素更新和挥发因子调整的改进蚁群算法[J]. 成都大学学报:自然科学版,2015, 34(1):48-51.

[10] 潘世建. 厦门翔安海底隧道工程技术丛书.北京:人民交通出版社,2011:63-126.

[11] 毛新华,王建伟,赵京,等.蚁群算法在道路应急疏散策略选择中的应用[J]. 中国安全科学学报,2014,24(10):170-176.