地铁车站暴雨内涝应急响应投入策略研究*

王军武，田梦圆，潘子瑶，刘 森，王心楠

(武汉理工大学 土木工程与建筑学院，湖北 武汉 430070)

0 引言

受全球气候变化与城市快速扩张影响，人类社会和生态环境相互作用更加显著，暴雨灾害时有发生。地铁作为缓解城市交通压力的主要通行工具，其施工处于地面高程以下，更易受暴雨灾害影响。在暴雨内涝灾害发生后，迅速高效开展应急响应活动，有利于遏制事态恶化，响应效能分析是应急响应活动的重要组成部分，对提高暴雨内涝灾害应急救援能力具有重要意义。

学者针对响应效能及方案展开研究。在响应效能方面：黄炎焱[1]认为应急效能可用以度量完成抢险抗灾使命的能力大小；梁魏等[2]认为应急响应效率低下的原因是救援人员缺乏施援能力以及受灾人员缺乏自救能力；晋良海等[3]从库所平均标记数、变迁利用率和系统平均执行时间3方面系统评价水电厂电力设备事故响应效能；尤捷等[4]指出应急救援力量和资源与地下工程突发事件的种类、事故类型越匹配，实际救援能力越强；何仁等[5]充分考虑人-车-路3者交互作用，研究驾驶人的风险响应度。在应急方案选择方面：杨琴等[6]面向救援人员和受灾群众，以最大化任务匹配建立应急决策模型；袁媛等[7]针对突发事件造成的损失和方案实施成本，提出1种考虑后悔规避的应急响应风险决策方法；于峰等[8]从应急响应失效角度，采用故障树分析法识别电网应急响应活动的薄弱环节；荣莉莉等[9]从柔性角度出发，考虑到应急主体的个性柔性和共性柔性，提出1种应急响应方案的生成方法，但未能有效揭示个性主体和共性主体之间的联系；陈伟等[10]采用SD(System Dynamics)方法，较好地揭示施工现场应急救援处置活动各影响因素之间的反馈关系。以上研究未充分考虑人员因素对响应效能的影响，部分研究虽然考虑人员因素，却未将响应效能各影响因素之间的相互反馈关系问题考虑在内。

鉴于此，本文拟借助软件-硬件-环境-人员(Software-Hardware-Environment-Liveware，SHEL)系统模型，以响应投入分配为出发点，以救援人员行动水平和救援队伍效率为核心，识别地铁车站工程暴雨内涝响应效能影响因素；利用系统动力学方法，建立应急响应投入-效能SD模型；结合成都地铁11号线车站工程数据模拟仿真得到投入优化方案。研究结果可为高效应对暴雨内涝灾害提供参考依据。

1 应急响应内涵及影响因素识别

1.1 应急响应内涵

应急救援4阶段理论认为应急救援活动包括应急预防、应急准备、应急响应和应急恢复4个阶段[11]，是应急管理的基础理论。不同学者对4个阶段的定义不完全相同[12]，但普遍认为应急阶段具有相关性和连贯性，即应急预防和应急准备会对应急响应活动的实施产生影响。因此，应急响应是1项介于事前预防、准备和事后恢复之间的工作，是1个综合协调各应急力量的复杂过程。

将地铁车站暴雨内涝应急响应定义为：地铁车站工程因暴雨而导致的内涝灾害发生后，有关组织或人员利用包括事前准备的应急物资设备在内的各种应急力量所采取的行动，使灾害在救援过程中实现损失最小化、收益最大化，从而达到快速恢复施工的目的。具体体现为减少人员伤亡、财产损失，提升项目安全度。

1.2 基于SHEL的影响因素识别

SHEL模型由Elwyn Edwands教授于1972年提出。在该模型中，人员处于核心位置，和其他人员(L-Liveware)、硬件(H-Hardware)、软件(S-Software)、环境(E-Environment)之间的相互关系构成模型的4个界面即L-L，L-S，L-H，L-E[13]，如图1所示。SHEL模型理论认为差错发生主要原因是处于中心位置的人员与其他界面的匹配协调程度不够，减少差错必须采取相应措施增加人员与4个界面的匹配程度。

图1 SHEL系统模型Fig.1 SHEL system model

在应急响应过程中，人员既是应急救援行动主体，又是救援对象，根据人员在应急响应活动中的核心地位，在遵循科学性、代表性原则基础上，兼顾数据可获得性和可操作性，采用SHEL系统模型识别地铁车站暴雨内涝响应效能影响因素。

1)人员是应急响应活动中的核心因素。现场救援人员能力会对应急响应活动实施的效果产生影响。在进行应急响应活动时，现场救援人员处于触电、滑倒、落水等危险之中，降低人员行动水平的同时也增加人员伤亡概率，而医疗人员能有效救助受伤人员。因此，该因素以救援人员能力、医疗人员能力进行表示。

2)硬件建设是实现SHEL科学化匹配的保障。当地铁车站工程受到暴雨侵袭时，雨水灌入基坑，导致基坑泡水、边坡失稳，引起坍塌、人员受伤、机械被埋、漏电等事故。救援人员需要使用抽水泵、挖掘机等救援设备来改善现场环境，且救援设备的顺利到场离不开运输设备的支持。因此，硬件素以运输设备数量、救援设备与物资数量等进行表示。

3)软件是实现SHEL科学化匹配的内在支撑。救援组织分工合理能够提升救援人员能力，物资组织合理能够减少物资存放过程中的损耗，提高物资利用率。应急响应活动的有效进行需要救援指挥机构综合协调各方力量、合理分配应急响应资源。因此，软件因素以组织合理性、救援指挥水平表示。

4)环境是SHEL科学化匹配建设中的外在要素。短时暴雨或长时降雨会导致场外积水，引起道路堵塞，从而影响救援设备到场时间；不利的现场环境，不仅威胁救援人员人身安全，同时也会对救援人员和设备效率产生不良影响。因此，环境因素以暴雨雨量、场外积水程度、现场积水进行表示。

2 SD模型构建

2.1 模型边界确定

应急响应系统比较复杂，需要对其边界进行界定，把与研究对象有关的问题划入系统内部而与其他外部环境分隔，简化建模过程。对模型做出以下4种假设：

1)响应投入主要通过提升救援队伍效率起到提高响应效能的作用。

2)人员伤亡、财产损失和项目安全度会重点对响应效能造成影响。

3)救援人员在救援活动期间不能受其他不稳定因素的干扰。比如模型中的应急预案完备性、应急演练频次等因素只能通过前期应急预防和准备阶段长时间的投入才能改善救援效率，在应急响应阶段应设为常量。

4)文中数值为无量纲，仅研究其变化趋势进行定量分析。

2.2 因果关系图

根据前文分析，在应急救援活动中响应效能与人员、软件、硬件、环境直接相关；软件、硬件和环境会通过影响救援人员的效率进而影响响应效能，硬件效率也会受其工作环境的影响。此外，响应效能还受响应投入间接影响。据此构建各影响因素之间的因果反馈回路，如图2所示。

注：+代表变量之间的影响关系为正向，-代表变量之间的关系为负向图2 应急救援响应因果反馈回路Fig.2 Causal feedback loop of emergency rescue response

采用Vensim软件中Loops功能进行分析，共有9条回路：

1)响应投入→L-S→响应效能→投入需求系数→响应投入。2)响应投入→L-E→响应效能→投入需求系数→响应投入。3)响应投入→L-L→响应效能→投入需求系数→响应投入。4)响应投入→L-H→响应效能→投入需求系数→响应投入。5)响应投入→L-H→L-L→响应效能→投入需求系数→响应投入。6)响应投入→L-S→L-L-响应效能→投入需求系数→响应投入。7)响应投入→L-E→L-L→响应效能→投入需求系数→响应投入。8)响应投入→L-E→L-H→响应效能→投入需求系数→响应投入。9)响应投入→L-E→L-H→L-L→响应效能→投入需求系数→响应投入。

2.3 存量流量图

因果关系图主要描述系统的反馈结构关系，无法反映不同类型变量之间的区别以及反馈系统性能的动态累积效应。存量流量图在因果关系图基础上，进一步扩充使其能够定量描述系统行为。地铁车站暴雨内涝应急救援响应投入-效能SD流图如图3所示。

图3 应急救援响应投入-效能SD流图 Fig.3 Input-efficiency SD flow chart of emergency rescue response

根据SD原理，系统模型中主要包括4种变量，分别为状态变量、速率变量、辅助变量和常量。根据因果关系图，提取4个状态变量、6个速率变量、27个辅助变量和9个常量构建变量集。其中，在4个状态变量中，现场积水反映客观险情，救援人员行动水平侧重反映救援效率，响应投入和响应效能用于管理优化，系统主要变量及变量方程如表1所示。

表1 应急救援响应系统主要变量及变量方程 Table 1 Main variables and variable equations of emergency rescue response system

3 实例分析

3.1 样本选取及状态设定

成都轨道交通11号线1期工程全线长22 km，总投资约165亿元，共兴建17个地下车站，属于特大型城市轨道交通工程。该项目于2016年12月30日动工，于2020年12月18日正式运营，共经历3个汛期。以2018年“7.11”洪灾中成都市17个地铁车站应急响应活动为样本，采用德尔菲法综合现场6名专家意见得出变量赋值，状态变量取值参考国家安全评价等级标准。救援人员行动水平取值范围为0～100，取初值为35,响应效能初值为0，现场积水根据救援应急响应活动启动初期的受灾情况，取初值为13，应急演练频次和应急预案完备性为常量，由专家根据前期实际情况进行打分，分值取值区间为1～5。暴雨雨量取自气象部门发布的统计数据。

设置初始时间为0，终止时间为9，步长为1 d，运行模型。

3.2 模型检验

采用Vensim软件自带的模型检验功能，通过在保证4个要素均等投入比例下(UD方案)，以响应投入为主要观测变量，通过实地调查和救援活动报告分析，获取17个地铁车站的响应投入实际值，将投入拟合值与调研所得的实际投入数据进行对比，检验模型变量与历史实际数据的误差是否在可接受范围内。

检验结果见表2，相对误差绝对值最大为9.53%，最小为0.48%，总体误差保持在10%以内。响应效能曲线先下降，在第5 d达到最低，后快速提升。现场调查发现，在应急响应活动初期，由于物资缺乏、设备操作不熟练、环境恶劣、人员配合不默契等因素影响，响应效能呈下降趋势；随上述不利因素的改善，响应效能快速提升。其变化规律与本模型演变相符，认为模型能够反映地铁车站暴雨内涝应急响应活动的实际情况[13]。

表2 应急投入的历史检验结果 Table 2 Historical inspection results of emergency input

3.3 策略仿真

基于应急救援响应投入-效能SD流图及其变量方程和参数，通过调节L-L，L-H，L-S和L-E的投入比例，观察模型变量的变化情况。各模拟方案投入要素比例见表3。

表3 模拟方案投入要素比例Table 3 Proportions of input factors in simulation schemes

SHEL系统模型认为，在4个界面中，L-L界面最容易出现不匹配现象[14]，而救援队伍由若干救援人员共同组成，救援队伍效率受救援人员行动水平、指挥决策效率和信息传递效率影响，因此选取救援人员行动水平这一状态变量体现救援人员个体能力，救援队伍效率这一辅助变量体现救援人员之间的协调配合能力。

救援人员行动水平和救援队伍效率曲线如图4所示。由图4可知，救援过程能以第4,7 d为界分成3个阶段：在第0～4 d救援人员行动水平和救援队伍效率处于缓慢递减阶段；在4～7 d处于快速上升阶段；从第7 d开始，直到救援活动结束，救援人员行动水平和救援队伍效率上升空间较小。

图4 配置方案对比 Fig.4 Comparison of configuration schemes

观察图4(a)中各方案的救援人员行动水平曲线发现，在救援前期阶段，LS方案的值相对最高，SL方案的值相对最低，说明在应急响应启动初期，应尽可能使救援人员快速到场，及时展开救援工作。在救援中期阶段，SL方案的增长速率最快，说明在应急救援中期，应重点关注各工种间职责分工的协调性，合理存放场内物资。在救援后期阶段，HE方案处于最上端，说明人员和硬件的协调配合能够为救援人员行动水平提供持续性加持。

对比图4救援人员行动水平和救援队伍效率曲线，发现2者总体走势一致但细节不同。在应急响应活动前期阶段，EH方案的降低速率相对最快，LS方案的降低速率相对最慢，说明前期阶段应充分保障信息传递效率。在中期阶段，SL方案的增长速率最快，说明中期阶段较高的救援指挥水平能够使救援队伍效率快速提升。在后期阶段，5种方案下的救援队伍效率与救援人员行动水平优劣排序大体一致，EH和UD略有不同，而UD方案在各阶段均未起到最优作用。

综上，在应急响应活动前期阶段，应保证救援人员和救援设备快速到场，及时展开应急救援工作，同时提高救援人员之间的信息传递水平；在中期阶段，应优化救援人员结构，注重协调各工种间的分工，同时提高救援指挥机构决策效率；在救援后期阶段，应注重硬件设备配置。据此分阶段设定投入比例形成优化方案(BT)，优化方案投入要素比例如表4所示。

根据表4对模型参数进行调整运行模型，得出BT方案与其他5种方案的对比，如图5所示。由图5可知，BT方案响应效能明显高于其他方案，即优化方案在应急响应活动全过程中投入相对最少，且救援队伍效率相对最高。

表4 优化方案投入要素比例Table 4 Proportions of input factors in optimized scheme

图5 优化方案与模拟方案的对比Fig.5 Comparison of optimized scheme and simulation schemes

4 结论

1)基于SHEL系统模型识别响应效能影响因素，以响应投入为出发点，以救援人员行动水平和救援队伍效率为核心，以人员伤亡概率、财产损失程度和项目安全度为响应效能的主要考察指标，研究响应投入比例对响应效能影响，建立应急响应投入-效能SD模型，通过仿真分析，验证模型有效性。

2)在救援活动前4 d，应急救援人员和救援队伍效率缓慢下降，4～7 d快速上升，7～9 d上升速率放缓。各阶段不同的投入比例对人员效率的影响不同：前期加大对L-L界面的投入能有效抑制救援人员水平和救援队伍效率的下降；中期加大对L-S界面的投入能快速提高救援队伍效率；后期加大对L-H投入能最大限度的提升救援人员行动水平和救援队伍效率。

3)有效提高响应效能的关键是前期注重救援人员快速进场，及时展开救援工作，同时关注救援人员间的信息传递效率；中期阶段更需明确人员职责分工，提升救援指挥机构决策水平，做到人尽其责、物尽其用；后期阶段注重提升人员和硬件之间的协同配合，以保证应急响应过程中4个界面与人员的匹配。