基于多智能体建模方法的人群应急疏散模型构建研究——以腾龙芳烃(漳州)有限公司“4·6”爆炸着火重大事故疏散为例*

王双燕，邓云峰，柯 霄

(1.中共中央党校(国家行政学院)，北京 100091； 2.长江生态环保集团有限公司，湖北 武汉 430000)

0 引言

自“十三五”以来，社会公共安全备受关注，尤其危化品安全得到国家和企业高度重视。化工和危险化学品安全事故数量总体呈下降趋势，但事故数据表明化工事故应急管理工作依然面临巨大挑战。

如何在危化品事故应急处置中快速组织群众疏散，是应急处置工作重大难题之一。疏散决策和行为不当易加剧人员重大伤亡[1-2]。疏散行为研究成为国内外学者关注的重点。人群疏散研究从研究角度上大致可分为宏观与微观2类：宏观角度上研究大多基于社会力模型对人流疏散情况进行分析，未考虑人员疏散过程中行为的异质性；从微观角度分析人员疏散行为交互特征及其对疏散效果的影响，能同时呈现疏散中人员行为复杂性及人流疏散情况，与实际情况更为吻合，难度重点在于模型构建和复杂行为的设计。

目前关于疏散行为模拟的研究较多，构建疏散模型方法包括元胞自动机模型[3-5]、社会力模型[6-7]、多智能体模型[8-9]。孙倩倩等[10]采用元胞传输模型模拟人员疏散行为，观测人流拥挤程度和出口“成拱现象”;李翔飞等[11]研究行人异质行为特征对疏散效果的影响；高娜[12]考虑疏散过程中小群体内部成员相互作用及群间作用影响，构建小群体疏散模型，分析小群体对疏散效果的影响；马占军等[13]考虑不同类型人员的异质性行为及交互影响。相对于元胞自动机模型和社会力模型，采用多智能体建模方法构建人群疏散模型，可以设计人员决策逻辑，实现人员自主决策，增加疏散中人员行为的复杂性，该方法构建的人群疏散模型更符合实际情况。

本文以腾龙芳烃(漳州)有限公司“4.6”爆炸着火重大事故为例，结合调查所得人员疏散典型行为，基于Anylogic平台的多智能体建模方法，构建人群疏散模型，充分模拟人员决策行为的异质性，分析不同行为对疏散效果的影响，以及漳州古雷疏散路网中的疏散拥堵情况。研究结果可为人员疏散应急演练方案设计和疏散路网设计等提供依据。

1 事故概述

2015年4月6日18时56分，福建漳州古雷33号腾龙芳烃装置和周边的常压渣油发生漏油着火事故，引发装备附近中间罐区3个储罐爆裂燃烧。20时28分，漳浦边防大队成立指挥组，前沿阵地的岱仔边防派出所全部在位官兵救助、疏散、转移厂区周边800 m安全防护范围内尚未搬迁的300名群众。8日02时09分，现场指挥部为稳妥起见，决定将人员疏散撤离范围扩大至5 km。截至8日11时，将29 096名群众全部转移到安全地带，分别在县城设置多个安置点。

事故中应急疏散决策主要有2次，分别为岱仔边防派出所官兵疏散周边800 m尚未搬迁的群众以及现场指挥部决定疏散事故核心区外5 km范围内群众。根据现场报道,救灾过程中风向以东风、东北风为主，事发地地势呈南北长条形走向，东西方向临近大海，被调查疏散人群所在村庄分布在事发地南北方向，分别向南北就近安置点方向疏散，疏散过程中受风向影响比较小，所以本文没有考虑风向对路线选择的影响。

2 事故人群疏散模型构建

2.1 疏散路网、村庄及避难所

数据来源于实地调查与问卷分析，受分析数据影响，模型设计选取疏散人数较多或较为聚集的5个村庄，分别为古雷村、西辽村、岱山村、古城村、下垵村，如图1所示。

图1 模型中5个疏散村庄Fig.1 Five evacuated villages in model

实际调研中有关避难所的信息较少，因此，模型设计中将避难所设计在疏散外围，分别位于南北2个疏散方向。第1阶段疏散避难所如图2所示，其中避难所用疏散区域外上下2个圆圈表示。图1中圆圈作为第2阶段避难所。模型中疏散路网选取卫星地图上肉眼可识别的大路路网，主要包括1级公路、2级公路、3级公路。具体疏散路网如图3所示。

图2 第1阶段疏散避难所Fig.2 Shelters in first period evacuation

图3 模型中疏散路网Fig.3 Evacuation road network in model

2.2 个体典型疏散行为

将该事故中人群疏散典型行为大致分为以下5种：

1)群组行为。群组行为指疏散人员接收疏散信息后，第一时间寻找家人、朋友等与自己相识的人共同前往安全区域，并未立即前往安全区域。

2)惯性行为。惯性行为指疏散人员接收疏散信息后，并未按照就近原则前往安全区域，而是选择较为熟悉、选择较多的路径前往安全区域。惯性行为产生取决于个体常态下偏向性路径信息，不同个体的路径信息不同。

3)就近行为。就近行为指疏散人员接收疏散信息后，按照就近原则选择就近道路前往安全区域。

4)从众行为。个体在未接收到疏散信息或不相信接收到的疏散信息状态下，可能因周边疏散人数增多而产生跟随行为。

5)信息传播行为。人员之间具有信息传播，疏散信息扩散除依赖处置人员通知外，人群内部通过社会关系迅速扩散疏散信息。

3 事故人群疏散模型构建路径

3.1 空间布局构建

基于Anylogic平台通过空间标记绘制空间疏散路网。在绘制路网过程中，道路(线)与道路(线)之间的连接处为节点(圆圈)，人员初始位置均位于节点上。对于与道路相连的居民区域，会额外绘制节点(圆圈)方便产生人流。路网绘制比例为1∶0.47。此外，图3中已标注事故中爆炸企业位置，以及第1,2阶段疏散范围。

3.2 个体行为构建

本文基于个体的5种典型行为构建疏散模型。考虑群组行为依赖群体的社会关系网络，在初始建模阶段，假设群体社会关系为典型的无标度网络[14-15]。考虑到惯性行为依赖日常状态下个体的路径选择习惯，该模型主要包含常态和非常态2种模式。

1)常态模式

常态下大部分个体呈现“日出而作，日落而息”的状态，模型假设模拟开始时间为早上6时。早上6时～8时，人员可自行选择是否外出，如果选择外出，外出人员会以2～5次/d的速率前往路网范围内的不同区域，目的地选择是随机的，模型会自动记录个体前往不同目的地的路径选择，形成该个体的路径数据库,模型中选择频数较高的路段(节点)为该个体较为偏好的路段(节点)，18时～20时人员返回家中。路径数据库因人而异，且不同随机数的模拟产生的模拟数据不同。日常状态下个体行为状态如图4所示。疏散一旦开始，疏散区域实施只出不进的交通管制。

图4 日常状态下个体行为状态Fig.4 Individual behavioral state under normal status

2)非常态模式

非常态即预警状态下个体行为状态如图5所示。当第1阶段疏散信息发布后，处于800 m范围内的部分个体将首先接收到疏散信息，接收到信息的个体会依据自身信息判断阈值和信息值，决定是否选择相信疏散信息，不相信信息的个体可能会再次接收到信息并出现以下3种可能行为：①再次进行阈值判断；②由于接收次数过多降低自身阈值进行响应；③由于周边疏散个体增多产生从众响应行为。未被通知状态的个体以及还未及时进行信息判断的个体也可能因为周边疏散个体增多产生从众响应行为。

图5 预警状态下个体行为状态Fig.5 Individual behavioral state under early-warning status

已经相信疏散信息的个体，可能做出传播行为或响应行为，做出传播行为的个体会随机将信息传播给社会网络中链接的其他个体，并且由于信息传递过程中的不确定性，信息值可能随传递逐渐衰减(如传播不到位)或随传递逐渐增加(如夸大事实)。模型假设个体在进行信息传播时，以平均1～3人/min的速率传播信息。当第1阶段预警信息发布并在群体内开始传播后，第1阶段疏散外围个体(如第2阶段需疏散的个体)可能因为社会网络内信息传播，在第2阶段预警开始前就收到事故信息，但由于并未要求第2阶段个体疏散，个体仅仅接收到信息并未响应，第2阶段疏散开始预警后，需疏散的个体响应速度明显较快。

除信息传播行为外，相信信息的个体还可能做出响应行为，响应行为可分为群组行为、惯性行为、就近行为、从众行为。

①群组行为。当个体选择以群组行为进行响应时，会首先搜索距离该个体最近的群组成员，如果该成员已经疏散，则忽略并继续寻找下1个群组成员；如果该成员尚未疏散，该个体会前往该成员所处位置，协同该成员继续依据就近原则寻找下1位成员，直至无群组成员可寻或不再寻找下1个群组成员为止。停止群组后的个体或团体会直接选择就近疏散路径前往避难所。

②惯性行为。惯性行为需要依据个体常态下形成的路径数据库得以实现，路径数据库收集个体活动过程中途经的最近的路径节点，且每5 min搜集1次。模型在常态化模式下运行时间越久，个体路径数据库就越丰富，个体惯性行为特征越明显。一旦个体接收到疏散信息并被要求进行疏散，其路径数据库就会停止继续扩充，本文以路径途经次数作为个体偏好评判标准，并假设某条路径在经过3～5次以上后就会成为该个体的偏好性路径。选择惯性行为的个体，会首先根据当下自身位置选择1个最近的避难所，明确疏散方向，然后按照设计的惯性路径选择算法选择周边偏好路径进行疏散，直至到达避难所。惯性路径选择算法包括以下3个步骤：

步骤1：遍历个体的偏好性路径节点数据集，以三角形构建模式选择与个体既定避难所方向一致的最近的偏好性节点。

步骤2：如果在避难所方向上没有该个体偏好性节点，该个体依旧按照三角形构建模式选择行进方向上最近的路径节点进行疏散。

步骤3：按照1～3次/min的速率重复执行步骤1、2，直至个体选择的下个节点为既定避难所，并抵达既定避难所为止。

三角形构建模式可以确保个体行进方向正确，即一直朝选择的避难所方向行进。个体惯性行为三角形行进模式示意如图6所示。个体当前所处位置、避难所位置以及即将选择的就近节点3者构成1个三角形，为确保个体一定是往既定避难所前进，所选择的行进节点必需满足Line1t

图6 个体惯性行为三角形行进模式示意Fig.6 Schematic diagram of triangle movement pattern of individual inertial behavior

③就近行为。基于当前个体所处位置，选择离个体最近的避难所位置。

④从众行为。部分个体处于犹豫状态，有可能因为从众进行响应，出现从众行为的个体会随机以群组、惯性或就近行为疏散。

4 事故人群疏散模型运行结果分析

基于事故调查报告和相关材料可知，实际事故疏散人数29 096人，为确保模型运行速度和计算速度，模型设置个体数量500个，模型假设29 096人的差异性集中体现在500个个体中，模型假设1个个体代表的58人在实际疏散中采取相同行为。模型内个体运行速度需要根据实际疏散时间进行调整，资料显示，事故发生时间为6日18时56分，800 m疏散开始时间为6日20时28分，5 km疏散开始时间为7日16时40分，所有疏散完全结束时间为8日11时。模型假设初始运行时间为早上6时(模型显示0时)，按照实际事故时间换算，第1阶段开始疏散时间为模型显示时间14时28分，第2阶段开始疏散时间为模型显示时间34时49分，疏散结束时间为53时。结合模型疏散结束时间，大致推算出模型500个个体行进的初始速度为30～80 km/h，换算至模型设置为0.516～1.37 km/h；同时，模型设置当行进个体周边出现拥堵时，个体速度会有所下降，当个体周边不存在拥堵时，个体行进速度会恢复常态化。根据上述设置，基本上所有个体能够在53 h内疏散完全。

本文共设计5组实验，对以下2种结果进行分析:1)观察人群疏散过程中不同行为对人群疏散结果的影响。2)分析产生拥堵的路段及造成拥堵的原因。

针对模拟结果1)，本文运用Monte Carlo方法进行模拟，同组实验重复运行10次，分别输出最终做出4种行为的个体数量，并通过均值呈现最终结果，见表1。

表1 5组实验中做出4种行为的个体数量及最终疏散数量统计Table 1 Number of individuals who performed 4 behaviors in 5 sets of experiments and number of final evacuees

由表1可知，在“所有行为”情景中，个体选择不同行为的概率均等，群组行为结束后个体依旧按照就近原则前往目的地，因就近行为疏散人数中包含群组行为疏散人数，得到4种行为比例约为1∶2∶2∶4，从众行为个体相对最多。群组行为个体数量偏少，原因是仅部分个体具有可群组的对象，降低群组行为个体比例。当没有从众行为时，疏散人数与“所有行为”情景相当，说明从众行为并未明显增加响应人数；在无从众情况下，“所有行为”情景中从众人群最终依旧会选择疏散，这是因为群体内信息传播速度较快，且大部分人会选择相信应急疏散信息，所以从众效果不明显。此外，实验未发现从众行为有负面影响，这与“羊群效应”等相关研究结论不符，相关研究表明“羊群效应”可能导致大量人员产生从众行为，在短时间内涌入出口，降低疏散效率[16]。与建筑内疏散不同，区域疏散短时间内人流增多将体现在交通拥堵上。本文想要分析疏散中的拥堵情况，所以未考虑从众可能给交通带来的负担，其次，由于实验中群体内部获取信息速度较快，做出从众行为的个体数量不多，因此对疏散结果没有太大的影响。

“仅惯性行为”和“仅就近行为”疏散结果均与“所有行为”相当，说明人们在疏散时惯性行为和就近行为对疏散结果影响较小，但“仅群组行为”情景疏散人数明显偏低，说明群组行为会严重影响疏散效果。做出群组行为的个体很可能会产生折返等与主人流对冲的情况，研究表明折返会大大增加疏散时间，降低疏散效率，该结论与本文实验结果相符。

针对模拟结果2)，输出模型模拟过程中个体行进二维坐标及周边个体数量，得到个体实时二维坐标相对频率分布，如图7～8所示。由图7可知，X坐标拥堵范围为500～2 000，Y坐标拥堵范围分为2段，分别为900～1 300和5 000～5 500。漳州古雷路网为长条型，X方向范围较短，Y方向范围较长，居民主要向Y方向上下2个方向疏散，因此，拥堵路段在Y方向上2个极端出现。由图8可知，超过60%个体节点处于X方向725，1 025，1 825 3个位置，Y方向1 100，4 900，5 300，6 900，6 700 5个位置，并且很明显Y方向上拥堵情况相对严重(占比最高的为Y方向的5 300)。个体疏散中周边个体数量相对频率分布如图9所示。由图9可知，周边个体数量相对频率分布呈幂律分布特征，表明大部分个体周边个体数量在0～20个左右，少部分个体周边个体数量大于20，最大约190个，这说明实际拥堵情况并不严重，但存在特别拥堵的个别路段或节点。实际疏散中拥堵路段如图10～11所示(图中节点半径越大，证明周边个体数量越多)，与图7～8数据基本一致。在疏散路网设计或避难所选择中，应尽可能避免路网中出现极端人流汇流的枢纽节点或路段，确保路网全连通性。

图7 疏散中实时坐标相对频率分布(相同区间)Fig.7 Relative frequency distribution of real-time coordinates during evacuation (same interval)

图8 疏散中实时坐标相对频率分布(不同区间)Fig.8 Relative frequency distribution of real-time coordinates during evacuation (different intervals)

图9 疏散中周边个体数量相对频率分布Fig.9 Relative distribution of nearby persons

图10 疏散初始拥堵情况可视化界面Fig.10 Visual interface of initial congestion in evacuation

图11 疏散一段时间后拥堵情况可视化界面Fig.11 Visualized interface for congestion after a period of evacuation

5 结论

1)基于多智能体建模方法的人群疏散模型包含人员疏散过程中的信息传播行为、群组行为、就近行为、惯性行为和从众行为等典型疏散行为特征。

2)群组行为会严重影响疏散效果，惯性行为和就近行为在当前路网中对疏散效果影响较小。当群体内信息传播较快、效果较好时，从众行为对疏散效果影响较小。

3)结合模型模拟实验可知，在疏散路网设计和避难所选择时，应尽可能避免出现极端汇流路段或节点，保障路网全连通性。

4)在应急准备过程中，管理人员应组织应急演练或培训，及时告知居民在发生突发危机时要首先保证自身安全，不要进行折返、寻找家人朋友等行为，应当就近前往避难所进行避难，对于熟悉路线的居民，可选择常用路线前往避难所。同时，管理人员在遇到突发事件进行大规模人员疏散时，应在道路汇集区域、道路连通性较差的区域以及疏散过程中的必经之路上设置疏散指挥人员，指挥人群分流、有序疏散，避免造成拥堵和二次踩踏事件。此外，对于无法避免的道路拥堵情况，可以根据交通容量的情况分批次进行疏散，这种情况下居民需听指挥避免从众行为。