大型购物中心人员疏散引导模拟优化研究*

2019-06-05穆治国

中国安全生产科学技术 2019年5期

吕伟，穆治国，刘丹

(1.武汉理工大学中国应急管理研究中心，湖北武汉 430070;2.安全预警与应急联动技术湖北省协同创新中心，湖北武汉 430070)

0 引言

近年来，大型公共场所相继发生拥挤、踩踏等群体伤亡事件，人员疏散问题越来越受到重视。紧急疏散时，如何正确选择疏散路径，成为实现快速、安全疏散的关键问题。大型购物中心是典型的公共场所，一般为多层结构，楼梯或电梯数量较少，且整体属于比较封闭的空间结构[1]，人员疏散难度本身就非常之大。突发情况下，人员在疏散时盲目跟随他人，希望通过最短路径快速逃生，在出口处或较窄的“瓶颈”路径处容易发生拥堵，出现“快即是慢”的现象。而熟知购物中心环境的员工可对已经拥堵的人群或即将向拥堵处移动的人员进行行为矫正[2]，通过方向动态引导的方法把人员引至通畅的路径上去[3-4]，避免拥堵情况发生，使疏散完成时间大大缩减。有研究表明，在突发事件中，一些店员的积极行为对及时疏散有重要作用, 购物中心员工的引导行为可以有效影响疏散人员对于逃生路径的选择，有助于保障人员生命安全[5]。

本文针对大型购物中心的大规模人员疏散问题，以优化疏散路径、合理利用各个出口的通行能力为目标，提出设置疏散引导人员引导人群选择合理疏散路径的方案，并依照实际数据建立模型，利用疏散软件EVACNET4进行2次模拟：第1次模拟采用未优化路径，不设置引导人员；第2次模拟根据采用优化路径，并设置引导人员引导疏散。经过分析模拟结果，验证使用该方案使得疏散效果得到明显改进。

1 疏散场景和EVACNET基本原理

1.1 购物中心概况

某大型购物中心为3层建筑，商业运营部分的有效面积为3 159 m2，总建筑面积为9 477 m2。第1层高度为5 m，2和3层高度为4 m，各楼层空间结构布局大体相同，1层共设5个安全出口，连接2和3层的楼梯共有3个，2和3层人员只能通过楼梯行至1层然后从各个出口疏散出去，该大型购物中心1层空间结构示意图如图1所示，各安全出口和楼梯宽度数据如表1所示。

图1 购物中心1层空间结构示意图Fig.1 A sketch of the spatial structure of the first floor of the shopping mall

表1 购物中心出口和楼梯的宽度Table 1 Width of exits and stairs in shopping mall

1.2 EVACNET基本原理

EVACNET4是对大型公共场所进行疏散模拟的实用软件[6]，它将复杂的建筑模型以节点和弧的形式转化为疏散网络图，利用相应的结构化程序语言进行编程输入，快速计算疏散结果并得到详细的疏散数据。该软件基于最短路径的设计方案，人员疏散选择的路径均为距离出口最近的弧。其中，节点表示建筑内的某一类结构单元，例如，WP1.2表示2层第1间商铺；弧表示人员从1个节点走到另1个节点的单向路径，例如，HA1.1-LO1.1表示从1层第1条走廊到1层第1个大厅。节点和弧的含义分别如表2～3所示。

表2 EVACNET中的节点类别Table 2 Types of nodes in EVACNET

表3 EVACNET中的路径表示Table 3 Path description in EVACNET

2 人员疏散模拟

2.1 购物中心疏散网络模型建立

图2 购物中心1层疏散网络Fig.2 Evacuation network in 1st floor of shopping mall

根据EVACNET4的规则，将大型购物中心的每层建筑结构转化为疏散网络图，图2为建购物中心1层的疏散网络图，第2层的疏散网络图与之类似，并通过3部楼梯SW1.1、SW2.1和SW3.1与1层相连接。EVACNET4规定了购物中心内每个节点的人员密度等级，根据购物中心每个节点的面积就能够确定购物中心内的人员容量。本文在大型购物中心各区域人员密度一定的条件下设定与实际相符的人员分布，如表4所示。购物中心内设置人员7 990人，各层、各区域人员数量均不超过规定的人员容量上限，人员移动速度取一般值1.13 m/s[7]。

表4 人员分布及数量设置Table 4 Pedestrian distribution and quantity setting 人

2.2 无人员引导的疏散模拟

运用EVACNET进行疏散模拟是计算机依据疏散原理自动计算的过程，无法加入人为干预(如在某些节点进行分流引导)，其模拟计算结果是一种不考虑人员引导的结果，因此可以对出口和通道使用率、出口利用均衡性、路径瓶颈进行原始分析，寻找制约疏散效率的关键因素。本文所指无人员引导的疏散模拟即运用EVACNET进行的原始疏散模拟。

在无人员引导疏散情景中，疏散开始时，人员首先寻找距离自己最近的出口，按照购物中心内设置的疏散指示标志或者自己熟悉的路线移动[8]，2和3层人员则选择离自己最近的楼梯，通过EVACNET4的运算，可以得到人员疏散所需时间为191个时间步，共计573 s，其中出现拥挤的时间为480 s，拥挤时间比例高达83.8%。无庸置疑，拥挤是影响疏散时间的重要因素，而人员拥挤往往由疏散网络中的瓶颈引发。当大量疏散人员同时聚集在1个出口或通道前准备通过时，容易发生瓶颈现象，出现这种现象大多时候是由于人员数量远远超过了出口或者通道的通行能力，即单位宽度能够通行的人员数量。表5给出了发生瓶颈现象的11条路径，这些路径全部集中在1层。表中瓶颈出现的时间节点数，每1个时间节点代表3 s，瓶颈量级表征如果这种瓶颈可以被消除或避免，疏散结果将会得到改善的程度，由EVACNET模型直接评估给出。由表5可以明显看出，1层的3部楼梯处发生的瓶颈现象最为严重，出现瓶颈的时间分别达到543，540，537 s，瓶颈量级也是高出其他路径几个量级。除了楼梯之外，其他出现瓶颈的路径主要是大厅至出口处，即LO-DS，其中路径HA5.1-LO5.1与LO5.1-DS5.1瓶颈发生时间同为38个时间步(114 s)，但是就瓶颈量级而言，后者却高出很多，相比于商场内部除楼梯以外的其他路径，在疏散中具有更加明显的作用。因此，出现瓶颈的通道是疏散流量控制的重要目标。

表5 出现瓶颈现象的路径统计Table 5 Statistics of paths occurring bottleneck

疏散结果显示，一些节点通过人数明显高于其它地方，这类节点在人员疏散过程中承载较大的人员通行压力，可作为疏散关键节点。通过节点使用率的分析，可以看出主要节点是否达到自身预期的所能承受的疏散压力，以及尚未完全利用的疏散空间。表6为疏散过程中楼梯节点和出口节点的使用率(使用率=节点实际疏散人数/总疏散人数/节点宽度)，通过比较可知，出口3和出口4的使用率明显低于其他3个出口，说明在人员疏散中仍然存在较大的疏散剩余价值没有利用，从图3中也可以看出，出口1、出口2、出口5 的3条曲线单调递增，在整个疏散过程中均为正常使用状态，第48个时间步后，出口3和出口4的疏散人数呈水平的直线，说明这2个出口从此时便没有疏散人员通过，开始处于闲置状态，并且其他3个出口的曲线的倾斜度明显变缓、疏散速度降低，这说明疏散人员选择的逃生路线并不理想，尤其是2和3层人员在拥堵的路径上排队等待，耽误了大量时间。疏散人员过多地选择出口1，2，5，造成疏散资源(即出口3和出口4)的浪费和各出口疏散人数的不均衡。此外，还可以看出3层的楼梯当中，SW1.3使用率最高，说明大部分3层人员倾向于通过SW1.3逃至2层，应加强SW2.3和SW3.3的正向引力，将人员压力从SW1.3处疏导至SW2.3和SW3.3 2部楼梯。

表6 疏散过程中楼梯节点和出口节点的使用率Table 6 Utilization rates of stair nodes and exit nodes during evacuation process

图3 各出口疏散人数Fig.3 Numbers of evacuated pedestrian from each exit

3 考虑人员引导的疏散路径优化方法

在紧急情况下，疏散人员仅凭自己很难找到合理的疏散路径，为了避免疏散人员选择看似最近、实则拥堵的疏散路径，可考虑对疏散路径实施优化并在疏散过程中进行引导，从而帮助疏散人员在更短时间内找到安全出口并实现快速疏散[9-10]。对于较高的人员密度，在出口附近会出现比较严重的拥塞与排队现象，随着出口宽度的增加，疏散时间有明显的减少趋势[11]。出口和楼梯是疏散路径中起到关键作用的2类节点，应被视为宝贵的疏散资源加以充分利用。出口和楼梯的有效宽度越大，其承载的疏散通行能力越强。以出口为例，每个出口的有效宽度决定了该出口的疏散通行能力。最宽的出口疏散人数最多，最窄的出口疏散人数最少，宽度相同的出口疏散人数相近，并且整体疏散时间最少，这种情况下，所有出口都得到了充分的利用，是最为理想的情况。楼梯节点也是一样的道理。

路径优化方法的基本思想是，以出口和楼梯等疏散资源得到充分利用的理想情况为目标，以优化之前的模拟结果为基础，增设通往未被充分利用的出口或楼梯等关键节点的新路径，禁用一些从未被充分利用的出口或楼梯等关键节点通向其他瓶颈节点方向的旧路径，通过在关键位置安排疏散引导人员，引导商场人员选择新设路径、放弃禁用路径，最终实现疏散人群合理分流并快速疏散至各出口。根据该思想，对原始疏散网络进行如下路径优化：

1层增设：“LO1.1-LO4.1,98,17”、“LO1.1-HA2.1,17,40”、“LO1.1-HA3.1,17,36”、“LO1.1-HA4.1,17,37”、“LO4.1-LO1.1,98,17”。由于LO1.1是连接出口1的唯一节点，出口1处拥堵的人群都聚集在LO1.1，通过增设LO1.1与其他周围节点的新弧将人群分流，缓解出口1的疏散压力，减少排队时间。2层增设：“LO2.2-HA1.2,14,10”、“LO2.2-HA7.2,17,14”、“LO3.2-HA5.2,14,12”、“LO3.2-HA6.2,14,10”、“HA1.2-LO4.2,58,3”、“LO4.2-LO1.2,14,12”。2层增设的新弧主要是将本层及3层人员引导至SW2.2，SW2.2距离出口3、出口4最近，人员通过楼梯后可直接通过附近的出口进行疏散，同时降低SW1.2和SW1.3的人流量，缓解出口2和出口5的疏散压力。3层增设：“LO2.3-HA1.3,14,10”、“LO2.3-HA7.3,17,14”、“LO3.3-HA5.3,14,12”、“LO3.3-HA6.3,14,10”、“HA1.3-LO4.3,58,3”、“HA2.3-LO4.3,52,2”、“LO4.3-LO1.3,14,12”。3层增设的新弧与2层相似，目的也是将疏散人员引导至本层中部楼梯SW2.3，下至2层后直接通过SW2.2到达1层附近出口。楼梯增设：“SW2.2-LO3.1,9,4”、“HA2.2-SW2.2,12,13”、“HA3.2-SW2.2,12,10”、“HA5.2-SW2.2,12,15”、“SW1.2-HA1.1,7,6”、“SW2.2-LO4.1,9,3”。楼梯处的新增路线多集中在2层中部楼梯SW2.2，中部楼梯在3处楼梯当中最宽，承载的疏散人流量最大，而且它连接购物中心1层尚未充分利用的出口3和出口4，是2，3层人员疏散的捷径。3层中部楼梯处没有新增的路线，目的是避免3层人员疏散开始就集中使用中部楼梯SW2.3，进而导致2层中部楼梯SW2.2的人流量超过通行能力上限而陷入瘫痪。1层禁用：“HA2.1-LO1.1”、“HA3.1-LO1.1”、“HA4.1-LO1.1”、“HA4.1-LO3.1”、“HA6.1-LO5.1”。禁用这些路线目的是合理分配出口3和出口4的人流量，并使出口1和出口5的人流量降低，避免拥挤的人群继续增加。

图4和图5分别为优化前和优化后的疏散网络，在图5中的关键位置安排引导人员，引导人员选择熟悉购物中心内部环境的店员或保安即可[12]，在增设和禁用弧的起点各安排1名引导人员，引导人员引导疏散人员向增设弧的方向疏散，禁止疏散人员向禁用弧的方向逃生，从图5中也可以看出，对于本文所研究的3层购物中心，在紧急情况下可安排19名训练有素的店员或保安进行疏散引导工作。

图4 无引导和路径优化时的疏散网络Fig.4 Evacuation network without route optimization and evacuation guidance

注：粗实线和细虚线箭头分别表示增设和禁用该方向路径图5 有引导和路径优化时的疏散网络Fig.5 Evacuation network with route optimization and evacuation guidance

4 优化模型的运行结果以及对比分析

路径优化之后，疏散人员将在引导人员引导下尽量选择疏散通行能力较强的出口和楼梯，通过方向式动态引导，疏散人员改变了之前的逃生路线，避免不必要的拥堵和排队等待，充分地利用各个出口的极限通行能力。由EVACNET4的运算结果可得，经过路径优化后的疏散用时110个时间步，即330 s，完成疏散所需时间相比减少了243 s。路径优化后的拥挤时间为243 s，拥挤时间比例73.6%，拥挤对疏散时间的影响有所降低。图6为路径优化后各个出口疏散总人数随时间变化的趋势，所有出口的疏散人数曲线均单调递增，第61个时间步后呈现大致平行的趋势，所有出口在疏散过程中没有长时间的闲置，从第10个时间步后均有疏散人员通过，处于正常的使用状态。说明经过路径的优化，疏散人员不再集中于某几个出口逃生，而是更加均衡的分配于各个出口，人群得到了合理的分流。

图6 路径优化和疏散引导后各出口疏散人数Fig.6 Numbers of evacuated pedestrian from each exit after route optimization and evacuation guidance

图7 路径优化和疏散引导前后总体疏散情况比较Fig.7 Comparison of overall evacuation before and after route optimization and evacuation guidance

图7为路径优化和疏散引导前后2次模拟的总体疏散情况对比。疏散时间方面，2次疏散开始阶段的曲线一致，此阶段主要为1层人员疏散时间，2和3层人员受到楼梯的限制，尚未到达安全区域，第48个时间步后，优化引导前的模拟疏散曲线首先变缓，是因为从此时开始，疏散人员全部通过出口1、出口2、出口5疏散，而另外2个出口闲置，导致整体疏散速度较慢，疏散总时间过长，根据模拟结果，优化引导前，平均每个时间步成功疏散41.8人，每人疏散成功平均用64.6个时间步；优化引导后的疏散曲线更陡，疏散速度明显更快，是因为各个出口的通行能力得到更加充分的利用，平均每个时间步成功疏散72.6人，每人疏散成功平均用45.7个时间步，疏散效率明显提高。各出口使用方面，优化引导后，出口1、出口2和出口5疏散总人数减少，出口3和出口4疏散总人数增加，人员可被分配至疏散能力较强的出口3，使其得到更加有效的利用，宽度相同的出口1和出口4疏散总人数比较接近，出口2和出口5处于购物中心两侧较为偏僻的位置，疏散人数较少；图8显示了各出口利用率(出口利用率=该出口疏散人数/出口宽度/总疏散人数)的雷达图，从图中可以看出优化引导之后，各出口的利用率更加均衡，疏散资源利用的结果更加理想。