社会网络视角下城市避难疏散空间体系研究——以南京为例

■ 王江波 WANG Jiangbo 王子初 WANG Zichu 沈天宇 SHEN Tianyu 苟爱萍 GOU Aiping

0 引言

2008 年汶川地震后，我国各地开始重视避难场所的建设。但是，在大城市中心城区，由于人口和建筑密度较高，导致城市人口与开放空间存在明显的空间不对应性。人口集中地区，避难场所数量较少。人口密度比较低的地区，建设用地宽松，避难场所面积较大。由于避难就近原则，人口密集地区的人群很少会选择距离较远、位置较偏僻的避难场所。在目前的研究中，大多关注避难场所的区位选择与优化[1-2]、选址与空间布局[3]、可达性[4]、责任区[5]、应急能力[6]、安全性评价[7]等，对于空间不对应性问题，较少关注。实际上，并不是避难场所有效避难距离达到了某区域，该区域内的居民就能够高效、公平地到此避难场所进行避难，还要考虑当地的人口数量是否超过了该避难场所的容纳人数上限。

因此，针对避难场所与避难人员在空间上的不对应性问题，笔者利用社会网络分析方法，分别对避难场所和避难人员构建“社会”网络，对避难场所和避难人员两者之间的公平性与效率性进行研究，分析公平与需求的矛盾，提出平衡矛盾的措施，为提高未来避难空间体系的科学性提供依据。

1 方法与数据

1.1 研究方法

社会网络分析法是一种社会学研究方法，是通过研究网络中点对之间的网络关系从而总结出某一特征[8]。在城市规划领域中，该方法多运用在城市空间、历史城镇和历史街区[9]、医疗卫生设施[10]等相关性研究中。笔者利用社会网络分析方法的点对特性，将其运用在避难场所和避难人员的避难公平与效率研究中。通过Pajek 及UCINET 软件进行分析，Pajek 是一款大型网络分析工具，用于大型网络的分析和可视化操作；UCINET 主要是一款有矩阵分析功能的网络分析软件，可以读取Pajek 中的数据进行分析测度[11]。

本文中的效率是指避难速度，即居民从居住地到避难场所的速度。避难场所效率性指标是用以分析是否有足够数量的避难场所能够迅速地收容避难人员；避难人员效率性指标是指，当人员数量较多时，是否能够高效地寻求庇护。避难场所公平性指标是指，避难场所是否有足够数量来满足当地人员的需求，避难人员公平性指标是考虑人员是否能够得到足够的庇护（表1）。

表1 测度指标一览表

本文主要研究方法是根据避难场所和居住用地（代表避难人员）两类不同性质的用地，建立起两个相对独立的网络。首先，利用避难场所可达性分析，得到其能够共同覆盖到的居住用地，以居住用地为“中间人”，同一个居住用地被两个避难场所覆盖到，则两个避难场所形成联系，以此形成避难场所网络。以避难场所为“中间人”，两个居住用地被同一个避难场所服务，则两个居住用地之间形成联系，形成避难人员网络。根据两者的供给和需求关系，提出两方面的网络。其次，分别对避难场所和避难人员两套网络中的公平性、效率性数据进行独立分析，不形成交叉关系。最后，分别将避难场所公平性的各指标按等级赋值叠加、效率性的各指标按等级赋值叠加，避难人员公平性和效率性同理叠加，根据叠加的数值差距得到避难场所公平性和避难人员效率性的矛盾，以及避难场所效率性和避难人员公平性的矛盾。

1.2 数据采集

本课题选取南京市中心城区作为研究范围，采集数据内容包括避难场所用地和避难人员用地的数量及空间位置。根据南京市地震局于2018 年12月发布的《南京市地震应急避难（疏散）场所汇总表》，中心城区内有效应急避难场所共计71 处。根据新一轮南京城市总体规划，中心城区内共有3130 块居住用地，其中,处于避难场所覆盖范围内的有2296 块。

对避难场所根据有效避难面积进行等级分类，根据不同等级的有效疏散距离，通过GIS 划定各级避难场所的有效覆盖范围（图1），再根据避难场所的有效覆盖范围与居住用地的位置关系，得出两者之间是否存在网络关系（图2）。

图1 现状避难场所可达性分析示意图

图2 避难场所与居住用地关系示意图

2 结果分析

2.1 效率分析

2.1.1 避难场所服务效率分析

2.1.1.1 街道避难场所网络密度分析

老城区及个别边缘街道辖区内的网络密度高，节点联系紧密。网络密度的值越大，说明该网络的连接密度越大，表示区域网络连接的密切程度。通过UCINET 计算数据，根据网络密度叠加值，绘制其网络密度散点图（图3）。

图3 街道辖区避难场所网络密度叠加值散点图

南京市整体的网络密度处于较低水平。数据显示，高网络密度的地区主要是集中在玄武区、秦淮区、鼓楼区等老城区，这些地区内部避难场所连接密度较高，其服务效率性相对较好；较差的地区主要是栖霞区、建邺区、雨花区等边缘地区的街道，避难场所网络中连线密度较低或成小群体单独分布，导致服务效率较差。

形成这种情况是因为，老城区避难空间建设较完善，区域的网络密度高，使得避难效率较高。东山、兴隆两个街区的边缘街道网络密度较高，主要是因为避难场所数量相对较多，且少与其他地区的避难场所形成联系，其内部避难效率高。而边缘地区的避难空间较少，使得网络零散甚至未形成网络，因而避难效率低。

2.1.1.2 避难聚类系数分析

玄武、秦淮区聚类系数高，形成团体的程度强。聚类系数的数值表达各网络节点之间的连通可能性，表示地区网络节点形成团体的程度。对各街道的避难聚类系数进行统计分析（图4），可以看出，秦淮区的聚类系数水平处于中等偏上水平，玄武区处于中等水平，这两个街道的聚类系数水平较高，其网络节点形成团体的程度高，网络连接资源向这些区域集中。主要是因为两个区域内存在雨花广场及白马公园两处中心级避难场所，有效可覆盖面积广，使得其内部不同等级的避难场所相互形成联系，这两个区域的避难场所连接可能性高、形成网络节点团体水平也越高，使得其内部网络连接通畅，避难场所服务效率提高；鼓楼区、建邺区、雨花区、栖霞区等地区的聚类系数水平基本处于低水平状态，这些地区的避难场所分布相对比较分散，且以中期、短期固定级避难场所为主，未形成紧密的网络联系，使得其避难效率不佳。东山街道等边缘地区街道的聚类系数高，此类街道主要是因为街道内部避难场所数量多，使其内部网络形成团体性结构集中。

图4 街道辖区聚类系数叠加值散点图

2.1.2 避难人员避难效率分析

玄武、秦淮区接近中心度较高，避难人员联系密切，避难效率较低。接近中心度主要是刻画一个网络中信息传递的畅通程度，如果一个节点与网络中其他节点越接近，则代表该网络连通性越好。接近中心度数值较高的主要集中在玄武区和秦淮区，原因是老城区各类型避难场所使居住用地之间构成紧密联系，居住用地间直接联系的程度变高，使得避难效率下降。

将计算出的接近中心度的值导入至ArcScene 中，可得到不同等级接近中心度值的空间分布情况（图5），同时，获得各街道内居住用地之间社会网络联系的紧密程度。

图5 居住用地接近中心度空间分布图

图5 中从橙色到蓝色，代表的是接近中心度值的区间越来越高，表示这些地区避难人员之间的联系程度越紧密，避难效率越低；而红色区域则是无接近中心度的居住用地，这些街道无接近中心度是因为未受到多个避难场所覆盖，未形成网络联系，因此，这些街道的避难人员效率性几乎为0。

鼓楼区、建邺区、栖霞区、雨花区等接近中心度值相对较低，这些街道的居住用地网络距离相对较远，避难效率处于较低水平。浦口、六合、江宁等区避难场所分布较分散，多单独形成子群网络，且居住用地分布相对分散，使人员接近中心度等级不高，避难效率相对较高。

2.2 公平分析

2.2.1 避难场所服务公平性分析

2.2.1.1 避难场所中间中心度分析

玄武、秦淮区避难场所中间中心度高，处于网络控制核心地位。中间中心度即一个点位于两个点连接的最短路径上，表示对其他点对之间连通程度控制的能力。中心城区整体的中间中心度指标等级不高，避难场所的中间中心度指标等级较高的地区主要分布在玄武区、秦淮区，处于网络较为核心的位置，与其他节点连接紧密，因此，玄武区的避难公平性相对较高。原因是玄武区内部及周边的中期、长期固定级避难场所数量较多，使得玄武区内部的一些避难场所处于与其他避难场所相联系的必要位置。而鼓楼、建邺等其他区的中间中心度等级不是很高，这些地区的避难场所对网络的控制能力不足，多是处于网络的边缘地区或其他小子群团体，致使其地区内避难场所对区域内的服务公平性较差。

将中间中心度的值在避难场所网络结构中表示出来（图6），蓝色方块代表避难场所节点，其面积大小代表该节点的中间中心度值的大小程度。

从图6 可知，白马公园（U2）、幕府山庄(U12)、雨花广场(U4)等三处避难场所拥有很高的中间中心度值，控制网络的整体联通，在避难场所网络中的地位较高，整个网络也趋于向这3 个点集中，也使得这些避难场所所在街道及周边地区的避难公平性也较高。将不同街道受到的避难场所服务的中间中心度值叠加，得到街道相对中间中心度值，发现街道中间中心度叠加值较高的是玄武区和秦淮区。部分街道未受到避难场所服务，这些街道的中间中心度值为0；也有部分街道仅受个别的避难场所覆盖，这些避难场所之间未形成联系，如泰山街道等，因此，这些街道叠加后的中间中心度值都为0，其避难公平性较差。

图6 避难场所网络中间中心度示意图

2.2.1.2 避难场所K-核网络分析

以玄武、秦淮和鼓楼为核心，5-核团体向外围递减扩散分布。核是一种基于整体网络结构分析的小结构团体研究，K-核代表某个团体内每一个节点都至少有K 个点相连接。白马公园和雨花广场等18 个5-核避难场所，在社会网络中，核心内部的点队之间关系紧密，在网络中央成为中心组团，具有较高的公平性。空间上集中在玄武、鼓楼、秦淮等老城区内，组团内部网络联系紧密，相应的避难场所公平性也较高，呈现出以此为中心向外辐射、核心数逐渐降低的态势。

通过将避难场所网络矩阵导入至NETDRAW 中进行K-core 分析（图7），形成以5-核组团为核心的一个大型网络和四个边缘小型网络。根据图8 的核心数等级分类，将其刻画在实际空间图中。

对比图7、图8 的K-核网络分布和K-核空间分布，可以发现，K-核网络的分布位置与实际空间位置关系的对应有一定的规律性，都是形成以5-核为核心向外扩散的趋势。5-核避难场所主要分布在新街口、梅园新村、瑞金路、五老村、洪武路、夫子庙等街道内，如果单一地从避难场所公平性来说，老城区内部的避难场所公平性较高。1-核的避难场所基本分布于江宁区、六合区、浦口区、雨花区等靠近南京市中心城区边界的地区，1-核就是地区内只有单一的避难场所，无法与其他避难场所形成连通性，公平性较差。

图7 避难场所K-core 核网络示意图

图8 K-核空间分布示意图

2.2.1.3 避难场所核心-边缘结构分析

老城区与其他地区形成明显的核心边缘结构。核心-边缘性结构主要是研究对角线和其他部分的关系，越靠近对角线的片区越处于高密度核心区域，其他地区则是密度低的边缘区域。通过密度矩阵的计算，核心区避难场所节点之间的关系密度为5.357，而边缘区避难场所节点之间的关系密度为0.424，核心区到边缘区的关系密度为1.388，边缘区到核心区的关系密度为1.073。核心区关系密度与边缘区关系密度差距明显，因此，南京市中心城区避难场所网络结构存在突出的核心-边缘性，其中，以玄武、秦淮、鼓楼区为核心结构，其他地区避难场所形成边缘结构。将避难场所网络导入UCINET 中，呈现出明显的核心-边缘结构，处于核心区域的避难场所节点共计有35 个，剩下的36 个避难场所节点则是属于边缘区（图9）。

核心性的避难场所也多集中在玄武区、秦淮区、鼓楼区等老城区内，处于核心区域的避难场所，维持避难场所服务公平性的能力越强。图9 显示，红色避难场所分布密集，多处于中心级避难场所服务范围内，其核心性较强，内部的服务公平性强；其他地区的避难公平性较差，如雨花区、浦口区、江宁区，地区内部多为等级较低的避难场所，且分布零散，其街道内多是边缘性避难场所，甚至没有避难场所，避难场所之间“交流”的连接程度很低，不能很好地满足避难人员的需求，人员需求和避难场所服务供给之间存在很大的差距，使避难场所服务的公平性变差。

图9 核心-边缘避难场所空间分布图

2.2.2 避难人员公平性分析

2.2.2.1 派系分布分析

高密度派系集中在沿江东侧一带，低密度派系零散分布。派系是属于凝聚子群中的一类分类方式，即某一类有联系的群体的集合，网络中派系内节点可以直接相连的集合。

分析派系分布与避难场所空间对应关系后，可以发现，形成结构庞大派系的原因是因为受到中心级避难场所覆盖，多集中在沿江东侧。居住用地全都以所在范围的中心级避难场所为“中间人”形成联系，形成较大结构的派系。其中，太子山公园、杨家圩文化公园、雨花广场三处中心级避难场所内的居住用地，都主要以这三个中心级单一类型的避难场所为中心而形成派系，这些派系内部节点数量多、节点联系紧密。因此，在拥有一定数量避难场所的情况下，这些派系的节点都是低公平性的。

将避难人员网络数据导入至UCINET 中，通过分析发现，派系-1中的节点数量最多，占总节点数量的22.98%，是规模最大的派系。将74个派系内的所有居住用地在GIS 中表示出，如图10 所示，红色地块为未构成派系的单独居住用地，这些居住用地内的人员几乎不存在避难公平性。

图10 派系空间分布图

中心城区的派系，多是集群连片存在，两个派系之间形成较大群体。因此，在玄武区、秦淮区、建邺区等居住用地密集的地区，易形成高密度派系，致使避难人员公平性下降。浦口区、江宁区虽有较多数量的居住用地，但缺少避难场所构成联系以形成大型派系网络，因此，这些地区的居住用地或以单独个体存在或以小规模单独派系存在，虽派系内部联系紧密，但与其他派系联系较少，避难人员避难公平性相对较好。

2.2.2.2 度数中心度分析

江南地区整体度数中心度较高，网络联系密切。度数中心度是指某一个点直接与其他节点相连的个数，数值越大，节点越趋近于网络的中心。

度数中心度等级较高的地区是玄武区及秦淮区。这两个行政区内的居住用地，在社会网络中，与其他居住用地有直接联系的数量较多，过多的联系造成了避难人员网络的密集度高，从而影响到了整体的避难公平性。其他区的度数中心度等级较低，使得地区避难人员公平性有所上升。鼓楼区、建邺区等区域度数中心度相对较高，与玄武区及秦淮区形成网络的同时，受到玄武区及秦淮区人口流动的影响，其避难公平性也处于较低水平。

通过将避难人员网络数据导入UCINET，利 用Centrality →Degree路径对网络进行度数中心度分析，根据得到的各居住用地的度数中心度，将得到的数据导入ARCSCENE 中，构建一个三维指标数值空间分布情况图，从而探求度数中心度数值分布情况与实际空间位置关系分布的关系，结果如图11 所示，其中，红、橙、黄、宝蓝、浅蓝、深蓝的顺序代表数值逐渐变大。

图11 居住用地度数中心度空间分布图

度数中心度较高地区分布呈现曲线带分布的情况，主要是玄武区及秦淮区，其地区之间通过避难场所“中间人”形成直接联系的居住用地越多，使其整体的避难公平性越低。雨花区、江宁区的度数中心度处于中等水平，是因为两片区域内避难人员，主要依靠内部的杨家圩文化广场及雨花广场两个中心级避难场所形成联系，联系范围广，使得其内部避难人员避难公平性降低。

2.3 公平与效率的矛盾

将不同等级的效率性与公平性进行0～5 赋值，并将不同街道、不同等级的公平性或效率性数值叠加，得出4 类矛盾。

2.3.1 避难场所网络松散与避难人员节点多之间的矛盾

避难场所公平性主要涉及的指标是中间中心度、K-核、核心边缘性分析，避难人员效率性涉及的指标是接近中心度。图12 是四个指标根据等级赋值0～5 后的分布情况。数据显示，街道的接近中心度多处于较高水平状态，表明街道内居住用地联系紧密，构成的网络密集程度高。K-核和核心-边缘性这些街道都是处于较低水平，可以看出整体的特征就是，避难场所网络上的低公平性以及避难人员较密集导致的避难效率的下降。几个街道多是面积较大且南北或东西向狭长的地形，而避难场所的服务范围多是以道路为基础而形成的某一限定半径范围，这种地形存在的问题就是，避难场所较难服务到街道长轴方向的居住用地。可服务于这些街道的避难场所多是较低等级的避难场所，多位于某街道的边缘地带或相邻街道的边缘地带，导致不能很好地满足街道整体的需求，避难场所与街道的空间位置，对街道的公平性有很大影响。

图12 12 处街道评价指标折线图

2.3.2 避难场所节点核心性强与避难人员节点密度高之间的矛盾

通过指标叠加分析，得到9 处街道存在矛盾。从图13 中可以看出，这9 处街道的避难场所中间中心度的值较高，处于团体较为核心的位置。接近中心度的指标评价等级也都是5，街道内的居住用地联系十分密切，导致避难人员的避难效率很低。几处街道的区域面积都相对较小，一般避难场所服务面积就能够满足一个街道绝大部分区域甚至全部区域，并且在街道范围内，避难场所分布密集较容易能够满足区域内的避难需求，使得避难场所具有较高的公平性。每个居住用地的面积都较小且分布密集，使得避难人员的避难效率下降。

图13 9 处街道评价指标折线图

2.3.3 避难场所部分节点联系密切与避难人员节点形成团体程度高之间的矛盾

通过指标叠加分析，得到14 处街道存在矛盾（图14）。避难场所的网络密度和聚类系数都处于较高水平，两个指标都同时刻画了避难场所的高效率性。派系可以看出，基本都处于较高密集度的派系内，越大的派系其居住用地内部联系越紧密，其避难的公平性就越低。度数中心度高，意味着避难人员的避难公平性很低。此类矛盾是因为，某些中心级避难场所或长期固定级避难场所服务的范围广，使得这些街道形成具有相同和类似的网络结构。地区内避难场所数量多且多个避难场所能同时服务到某一居住用地，使得居民在灾时可选择性增多。或当某一避难场所达到人员避难上限时，其他避难人员依旧可以在有限时间内及时选择其他尚有余量的避难场所。

图14 14 处街道评价指标折线图

2.3.4 避难场所边缘节点连接程度低与避难人员节点形成团体程度高之间的矛盾

通过指标叠加分析，得到15 处街道存在矛盾。根据图15 可以发现，15 处街道的网络密度叠加值中，网络密度叠加值和聚类系数的值较低，未形成团体化趋势。派系和度数中心度的指标都较高，这些街道内的居住用地之间联系密切；许多街道的度数中心度比较高，使得街道之间联系密切，导致了整体的避难人员避难公平性的下降。一些指标为0 的街道避难场所无效率性，且避难人员也无公平性，最终原因是因为，这些街道范围内不存在避难场所，或避难场所数量很少，且避难场所避难服务范围未形成重叠，以至于未形成避难场所网络联系，而成为脱离整体网络的单一节点。这种矛盾多处于城市边缘地区。

图15 15 处街道评价指标折线图

3 结语

南京市主城区内避难场所公平性整体水平较高，效率性整体处于中等水平，玄武、秦淮与鼓楼区与其他区域相比，公平性与效率性水平均较高。江南区域较江北区域而言，避难场所网络结构完整且联系密切，避难效率与公平性较高。南京市避难人员公平性与效率性整体较差，相对较好的集中在江宁区与栖霞区。此外，老城区形成以中心级避难场所为主、短中期固定级避难场所为辅的稳定网络，而新城等边缘地区多为零散建设的低等级避难场所，形成小型网络，避难公平性与效率性较差。

在未来规划中，为进一步优化避难场所空间体系的效率性和公平性问题，可以从两个方面入手：①增设高等级避难场所，满足部分地区的网络完备度，并合理布置中期、短期等固定级避难场所，提升地区的网络整合度，形成通畅的避难场所网络结构。同时，利用低等级避难场所形成小组团结构，兼顾避难人员小团体信息流通的公平性和效率性。②对于国内相类似的城市，需加强老城区避难网络结构的稳定性，即增强区域内部低等级避难场所建设。同时，逐步加强新城区网络结构的完整性建设，即增强区域中心级高等级避难场所建设。