基于logistic回归的地铁乘客应急行为研究*

刘严萍 王世通，2 张 宇

1.天津城建大学 经济与管理学院 2.北京交通大学 经济管理学院

基于logistic回归的地铁乘客应急行为研究*

刘严萍1王世通1，2张 宇1

1.天津城建大学 经济与管理学院 2.北京交通大学 经济管理学院

近年来城市地铁安全事故多发，针对具体城市，开展地铁乘客应急行为特征的调查与研究具有重要现实意义。选择性别、年龄、教育程度、乘车频率4个因子，用多项logistic回归分析这些因子对地铁乘客应急行为的影响。结果显示，教育程度和乘坐频率对地铁突发事故下乘客应急行为差异具有显著影响。该研究成果对于天津市政府、地铁相关部门进行应急预案修订、对地铁安全知识的宣传和演练重点对象的选择提供参考依据。

应急行为；logistic回归；问卷调查

地铁因准点率高、大容量、便捷性等已经成为城市中最重要的公共交通工具之一。但是，由于地铁及车站等内部环境复杂，一旦遭遇突发事件，乘客的应急疏散与地面应急疏散存在较大差别，极易产生恐慌心理，从而导致行为混乱，甚至会发生拥挤踩踏等恶性事故。因而研究突发事故背景的人群疏散有着重要的实践意义。目前，对地铁安全研究成果多侧重于地铁运营事故致因分析[1-2]、天津地铁网络化抢险救援模式[3]、网络化运营安全管理信息系统建设[4-5]、天津地铁联网运营生产安全事故指标分配研究[6]、天津地铁运营安全治理、网络化运营安全管理[7-8]，而对人因的研究多侧重于地铁司机、调度员及车站管理人员，针对具体城市地铁乘客应急行为的量化研究较少[9-14]。因此，开展针对天津地铁突发事件下乘客应急行为研究，该研究结果对于指导应急预案的修订、培训及演练，提高地铁安全管理效果，保障地铁乘客出行安全，具有重要社会价值。

1 调查问卷的设计与数据收集

为确保调查数据的随机性和科学性，本次调查在地铁车站中随机选择市民进行了调查，保证填写问卷的市民都乘坐过天津市地铁。在参照相关文献的基础上，结合已有知识和经验，对调查问卷进行设计，主要包括：基本信息（性别、年龄、受教育程度、地铁乘坐频率）、安全知识（地铁安全关注度、安全事项关注度、宣传知识的掌握程度）、应急技能情况（对紧急报警装置使用的熟练程度、对灭火器使用的熟练程度、对逃生锤使用的熟练程度）、突发事件（如火灾、停电）下的行为。

1.1 预调研及信度效度检验

调查时间为2016年11月，获取样本144份，采用SPSS24.0对问卷数据进行分析。首先进行信度检验。系数均超过了0.828，说明了量表内部的高度一致性，调查问卷具有较高的信度；其次进行共同性及因素负荷量检验。将共同性值0.2以下的变量删除后，样本适当性系数KMO的指标为0.697，表明问卷具有较高的建构效度。问卷修正并开始正式调研。

1.2 正式调研及数据收集

课题组成员在2017年1～3月在天津地铁1、2、3、6号线地铁车站进行发放正式问卷，去除无效问卷31份，共收集有效样本530份，问卷有效率为94.47%。

2 描述性分析

2.1 年龄分布

对于年龄而言，小于20岁的人群占调查对象的24.9%，20～40岁的人群占比为57.4%，40～60岁的人群占17.7%。可见，在调查对象中中青年较多。

2.2 性别分布

调查对象的性别分布为男士占56%，女士占44%。

2.3 受教育程度分布

调查对象中初中或以下的占42.3%，高中或中专占48.5%，大专或本科占5.7%，研究生及以上占3.5%。

2.4 乘坐地铁的频率状况

通过调查乘客乘坐地铁的频率，可间接反映他们对地铁结构的熟悉程度。对乘客乘坐地铁的频率调查结果显示，经常（每周5次以上）、有时（每周2-5次）、偶尔（每月1-5次）、很少（每月1次以下）分别占33.8%、14.0%、25.5%和26.7%。

2.5 调查对象对地铁突发事故的行为反应

地铁突发事故下，被调查对象的第一行为反应的统计结果是：不知所措的占3.4%，自己判断的占6.2%，跟人流占6.2%，主动报警的占84.2%。

3 回归模型的建立

3.1 无序多类回归模型的建立

本文设计Y作为因变量，性别、年龄、受教育程度、乘坐频率为自变量。对相关变量进行多类别logistics回归分析结果，见表1。

“模型拟合信息”：检验整个模型，由表1可知，概率小于显著性水平0.05，该模型具有显著意义。

表1 模型拟合信息

“拟合优度”：由计算出的概率值可知，两种卡方检验方法都说明拟合效果好，见表2。

表2 适合度

“似然比检验”：由计算出的概率小于显著性水平0.05，说明其对应的变量对于因变量有显著的影响意义，见表3。受教育程度和乘坐频率对因变量的影响显著。

表3 似然比检验结果

“参数估计”：自变量的显著性是根据各个自变量系数后面的Sig值判断的，以最后类别做参考类别，计算出的变量概率小于显著性水平0.05的，说明在95%的显著性水平下显著。计算出的具体系数见表1。参数估计值结果，见表4。

在“不知所措”模型中，在其他条件相同前提下，初中或以下、高中或中专、本科学历的地铁乘客，相对于硕士学历的地铁乘客，在地铁突发事故下，出现不知所措的概率，较选择主动报警的概率分别为0.034，0.022和0.201，回归系数均为负，说明，随着学历的增长，在突发情况下，不知所措的比例在下降，说明高学历人群更不容易出现“不知所措”的状态。对于乘坐频率而言，乘坐频率越低的乘客，在地铁事故发生时，更容易出现“不知所措”的状况。

表4 参数估计值

在“自己判断”模型中，初中或以下、高中或中专、本科学历的乘客，相对于硕士学历的乘客，在地铁事故发生时，选择自己判断的似然比率分别为0.078、0.170和0，回归系数均为负，结果为，学历越高人群选择“自己判断”的人群越低，由于在计算过程中，受教育程度=3的变量不显著，因此可能存在影响。乘坐频率很少（每月1次以下）、偶尔（每月1-5次）、有时（每周2-5次）相对于经常（每周5次以上）的地铁乘客，选择自己判断的概率，较选择主动报警的似然比率分别为0.540、0.582和0.069。回归系数均为负。

在“跟人流”模型中，初中或以下、高中或中专、本科学历的地铁乘客，相对于硕士学历的地铁乘客，在地铁突发事故下，选择跟人流的概率，较选择主动报警的似然比率分别为0.326、0.183和0.483，回归系数均为负，说明相对于硕士学历人群而言，学历越高，选择跟人流的从众行为越低，可能由于学历高人群接受较多的相关教育。乘坐频率很少（每月1次以下）、偶尔（每月1-5次）、有时（每周2-5次）相对于经常（每周5次以上）的地铁乘客，选择跟随他人的似然比率，较选择主动报警的似然比率分别为0.861、0.096和0.075。说明乘坐次数越多的情况越不易产生从众行为，现实中，这些人群对地铁很熟悉。

3.2 模型效果分析

表5给出预测的分类数据情况，并与实际观测数据项比较，其中的正确率平均达到了84.0%。

表5 预测分类正确性分析

3.3 模型的检验

根据logistic回归模型的回归结果，计算每种出现情况的概率如下：

其中π1、π2、π3、π4分别为4个选项的概率。据式（1）、（2）、（3）、（4）可以估计这类群体选择这4种反应的概率。如对于高中生每周乘坐2-5次人群而言，其X32=1，X43=1，其他变量都为0，根据表4的系数算出而π1+π2+π3+π4=1，则可以解π1=0.0022，π2=0,012，π3=0.0089，π4=0.9767，即该类人群进行人群疏散时选择“不知所措”的概率为0.22%，选择“自己判断”的概率为1.2%，选择“跟人流”的概率为0.89%，选择“主动报警”的概率为97.67%。即分别表现了慌乱、一定的判断力、从众、主动性行为能力。将测试样本20份输入模型，对比实际问卷结果，正确率16份，验证结果表明，模型预测精度达到80%。

4 结论

（1）该研究表明，教育程度和乘坐频率对于地铁突发事故下乘客应急行为差异具有显著影响。

（2）对比类似研究所得结果：教育程度和性格对因变量有显著影响。本研究就教育程度而言，与其研究结果具有一致性。由于地铁的特定环境限制，人群疏散过程受多种因素影响，因此，在今后的研究中，需增加变量。

（3）所建模型得到突发事件下行为差异而言，一是文化层次较低，一是出行较少，这对于目前天津市政府、地铁相关部门进行地铁安全知识的宣传和演练重点对象的选择提供实际层面的引导。在本课题被调研的天津市地铁乘客中，偶尔（每月1-5次）、很少（每月1次以下）分别占25.5%和26.8%，占到了地铁出行乘客的较大比例，对于这些人群，仅仅在地铁站内开展安全宣传是不够的，因为他们在地铁站停留的时间非常有限，平时政府倡导采用以社区为基本单位的宣传教育形式，应借助于社区宣传栏设置醒目的标语，社区NGO组织等开展送知识、送技能的活动，能够使得广泛的地铁乘客，更多地接触到安全知识，提高安全意识，获取技能的显著提高。

[1]曾小旭.天津地铁网络化运营应急预案管理系统研发[D].天津：天津大学,2012

[2]王荔平.天津市轨道交通工程风险管理研究[D].济南：山东大学,2012

[3]韩豫,成虎.基于脆弱性的地铁运营安全事故致因分析[J].中国安全科学学报,2013,(8)：164-170

[4]郭华军.天津地铁网络化运营抢险救援模式研究[C].2014中国城市地下空间开发高峰论坛论文集,2014

[5]郭华军,郑媛媛.天津地铁网络化运营安全风险预控体系建设研究[C].2015年中国城市科学研究会数字城市专业委员会轨道交通学组年会论文集,2015

[6]贾崇强,郭华军,孟亚东.天津地铁运营安全管理信息系统的构建[J].都市快轨交通,2014,(4)：51-62

[7]郭华军.天津地铁联网运营生产安全事故指标分配研究[C].2014中国城市地下空间开发高峰论坛论文集,2014

[8]郭华军.天津城轨网络化运营安全管理探索与思考[J].科技创新与应用,2012,(32)：65-66

[9]万欣,李启明,袁竞峰.乘客异常行为引发地铁运行延误事件关键路径识别[J].中国安全科学学报,2014,(9)：152-158

[10]王世通,杨艳红.基于多项Logistic回归的地铁应急疏散行为影响因素分析[J].城市轨道交通研究,2014,(5)：73-76

[11]陈磊.地铁乘客不安全行为的识别、评价与干预研究[D].南京：东南大学,2014

[12]台宝灿.城市地铁乘客安全素质抽样调查分析及对策研究[D].北京：中国地质大学,2012

[13]何理,蒋仲安,穆娜娜.地铁乘客特性与疏散行为特征相关性分析[J].中国安全生产科学技术,2015,(9)：94-100

[14]郭雩,何理,石杰红.地铁不同人群疏散行为特征调查问卷研究[J].中国安全生产科学技术,2012,(4)：183-188

天津市建设系统软课题（2016-软17）；住房城乡建设部2015年科学技术项目（2015-R2-054）；2012年教育部人文社会科学规划项目(12YJC630012)

刘严萍（1979-），女，河南汝南人，讲师，博士，主要从事城市安全应急管理研究。E-mail：liuxiawy@126.com

王世通（1980-），男，河北衡水人，讲师，在读博士，主要从事城市安全应急管理研究。E-mail：wangshitong-2008@163.com