城市洪涝灾害应急疏散模拟及其效率-公平权衡分析

阎沁琳 杜二虎 郑春苗

摘要：对城市洪涝灾害下的人群疏散过程进行精细化模拟、探究群体疏散效率与个体洪涝风险暴露公平性之间的权衡关系（效率-公平之争）可以为城市洪灾应急管理提供重要决策支撑。本研究以深圳市某居民区为研究区，构建基于主体（Agent-based）的洪灾应急疏散模型，分析疏散人口数量、避难所容量分配、不同风险区居民分批疏散顺序以及批次之间间隔时间等因素对洪灾应急疏散的协同影响，探究疏散过程中效率与公平的权衡关系。研究表明：疏散效率主要受避难所容量分配方式和疏散人口数量影响，疏散公平性主要受不同洪涝风险区居民的疏散次序影响;洪灾应急管理部门应综合考虑人口分布和交通路网情况，按实际需求分配避难所容量;在疏散管理中，应考虑洪涝风险分区，引导居民以一定次序分批疏散，并合理控制批次间隔时间，从而实现城市洪涝疏散效率和公平的权衡。

关键词：城市洪涝;应急疏散;基于主体的模型;效率公平权衡;基尼系数;NetLogo

中图分类号：TV877

文献标志码：A

文章编号：1001-6791（2023）03-0409-09

收稿日期：2023-01-30;

网络出版日期：2023-06-01

网络出版地址：https：∥kns.cnki.net/kcms2/detail/32.1309.P.20230531.1034.002.html

基金项目：国家自然科学基金资助项目（51909118;41861124003）

作者简介：阎沁琳（2000—），女，陕西西安人，博士研究生，主要从事社会水文学方面研究。

E-mail：12231096@mail.sustech.edu.cn

通信作者：杜二虎，E-mail：erhudu@hhu.edu.cn

近年来，在气候变化和快速城镇化影响下，城市洪涝灾害问题日益严重［1-2］。中国洪涝灾害问题尤为突出，应急管理部国家减灾中心数据显示，近5 a洪涝灾害造成的直接经济损失占所有自然灾害直接经济损失的60%以上，洪涝灾害严重威胁城市经济发展与人民生命安全。其中，2021年郑州“7·20”特大暴雨洪涝灾害造成的全市直接经济损失达409亿元，且由于灾前预警不足和人员疏散不及时，导致郑州地铁5号线、京广快速路北隧道等区域发生重大人员伤亡事故［3］。科学的灾前疏散行动是有效应对城市洪涝灾害、保障人民生命財产安全的重要手段，因此，亟待开展洪涝灾害风险评估和灾前应急疏散研究［4-6］。

构建计算机模型对居民应急疏散过程及其影响因素进行模拟分析可以为洪灾应急疏散管理提供决策支撑，目前国内外学者在这一方面开展了大量研究。例如，Dawson等［7］通过构建洪灾应急疏散模型研究了洪涝等级、洪灾预警发布时间、居民应急响应等因素对应急疏散过程的影响;Chapuis等［8］研究了疏散的交通工具选择和分批疏散策略对洪灾应急疏散效率的影响;杨宇涵等［9］以郑州“7·20”特大暴雨洪涝灾害为例开展了人群行为特征和应急疏散级联响应情景模拟。然而，目前的研究主要聚焦于疏散效率（完成应急疏散的最短用时），对疏散公平性（群体内不同个体在疏散过程中的洪涝风险暴露程度差异）关注较少。在近期的一项研究中，Oh等［10］对应急疏散过程中居民个体的风险暴露程度进行了量化分析，发现在洪涝疏散过程中存在较大的不公平性（部分个体的洪涝风险显著超过另一部分个体）。将社会公平的概念引入到应急疏散管理，探讨疏散效率和公平的权衡关系是应急疏散模拟的新兴研究方向［11-12］。然而，目前鲜有研究对洪灾应急疏散效率和公平的相互关系进行系统分析，尤其是对疏散效率-公平权衡关系的影响因素缺乏定量刻画和科学认识。

针对上述研究不足，本研究以深圳市南山区某片区为例，基于该地区的地理信息、交通路网、基础设施和人口等数据构建基于主体的洪灾应急疏散模型，通过情景分析方法研究疏散人口数量、避难所容量分配、分批疏散顺序和批次间隔时间等关键因素对疏散效率和公平的协同影响，通过帕累托分析阐明兼顾效率和公平的洪灾应急疏散管理策略，为城市应急管理部门制定高效、公平的洪灾疏散方案提供理论依据和决策支撑。

1 研究区简介

研究区位于深圳市南山区，横跨粤海、南头、南山街道，占地面积约15.7 km2;地属亚热带海洋性季风气候，台风频繁、暴雨集中，多年平均降水量为1 830 mm;地形多为低山丘陵，汇水速度快，易造成内涝风险。图1（a）展示了研究区的居民楼分布、交通网络和4个应急疏散避难所的地理位置;在模型中，居民将从研究区内146个疏散出发点出发，采用步行方式前往最近的避难所，疏散总人数为46 470人。

根据深圳市典型暴雨内涝积水深度的空间分布将研究区划分为高、中、低3类风险区（见图1（b））。内涝淹没深度依据蓄满产流机制进行计算，假设暴雨后径流深大于地面高程则形成雨涝区域。其中，径流深根据式（1）计算：

式中：R为径流深，mm;α为不同土地利用类型所对应的径流系数;P为降水量，mm（选取2021年7月20日的暴雨事件，粤海街道日降水观测数据为92.2 mm）。

2 基于主体的洪灾疏散模型

基于主体的模型（Agent-based model，ABM）是计算社会科学中的一种经典模型，它采用自下而上的模拟方法，能够对群体中微观个体的行为及其异质性进行精细化模拟和表征［13］，是城市洪涝应急疏散模拟的有效工具［14-15］。本研究建立基于主体的模型进行人员应急疏散模拟，模型中的主体为参与疏散的居民个体，在应急疏散过程中根据自身和外界环境变化遵循特有的属性和行为规则，包括疏散起讫点、疏散准备时间、避难所选择、疏散路径选择和行进速度等。此外，在模型中设置了疏散人口数量、避难所容量分配、分批疏散顺序和批次间隔时间等模型变量，以研究不同的管理策略对疏散结果的影响。本文选用开源的仿真模拟平台NetLogo对疏散过程进行仿真模拟，并从效率和公平2个维度对模拟结果进行分析。本节将对以上内容逐一展开介绍。

2.1 主体疏散行为模拟

接收到应急疏散指令之后，主体需要一定时间进行疏散前准备，随后从风险区（住所）前往安全区（避难所）。考虑到待疏散主体需要在最短时间内到达安全区域，因此，假设每个主体均选择距离最近的避难所、经由最短路径进行疏散。在到达目标避难所时，若该避难所未达到最大容纳人数则疏散成功，否则主体将前往最近的未满员避难所。在大规模应急疏散过程中，人群密度是影响人员行进速度的重要因素。人群行进速度与人群密度一般呈负相关关系，人群密度越小，人与人之间的相互干扰越小，人群行进速度越快［16］。

2.2 疏散情景设置

在应急疏散过程中，疏散人口数量、避难所容量分配方式、不同等级风险区的分批疏散次序以及批次之间的间隔时间均可能对疏散结果产生影响。因此，本研究针对上述因素设置多种疏散情景进行模拟分析。

（1） 疏散人口数量。研究区的总疏散人口为46 470人，通过人口比例系数（k）研究疏散人口数量变化对疏散过程的影响，k取值0.2、0.4、0.6、0.8、1.0分别表示此情景下的疏散人口为总疏散人口的20%、40%、60%、80%和100%。

（2） 避难所容量分配。通过设置4种容量分配情景表征避难所实际容量与需求容量的不同匹配情景。首先将研究区的4个避难所按照需求容量由大到小排序，依次为2号（19 435人）、1号（9 650人）、3号（9 340人）和4号（8 045人）。将疏散人口数量（46 470人）按照4种情景分配到4个避难所中（表1）：Ri表示避难所i的供应容量（Csi）占需求容量（Cdi）的比值（供需比），供需比越大，则避难所的冗余程度越高。Gsh则为归一化的容量供需比（ri）的基尼系数（式（2）［17］）。4种避难所容量分配情景如下：S1为容量平均分配，即4个避难所容量相等;S2为容量按需分配，即4个避难所的供应容量均等于需求容量，此时避难所容量的冗余程度一致（Gsh=0）;S3为Gsh=0.5的情景，且容量需求较大的避难所的供应容量也较大;S4同样为Gsh=0.5的情景，但容量需求较大的避难所的供应容量较小。

（3） 不同等级风险区分批疏散顺序。研究区被分为高风险（H）、中风险（M）、低风险（L）3个洪涝风险等级，因此，一共可设置6种分批疏散顺序情景，以HML表示高风险区域最先疏散、低风险区域最后疏散，则其余5种分批疏散情景可表示为LMH、HLM、MHL、MLH、LHM。

（4） 不同疏散批次的间隔时间。为量化批次之间的延时程度，设置批次间隔系数Q∈［0，1］，表示前一批次成功疏散人数占比达到Q时，后一批次人员开始疏散;Q=0为不同洪涝风险等级的人员同时疏散的情景。

2.3 疏散效率与公平性的量化评估

本研究重點在于探究洪灾应急疏散过程中效率与公平的权衡关系。其中，疏散效率指标（E）侧重于从系统角度探究如何更快速地完成人员疏散，由所有人员的平均疏散时间表征（式（3）），E值越大，疏散效率越低。

式中：n为疏散主体的数量;ti为第i个人员的疏散用时，min。

疏散公平性指标（G）侧重于评估洪灾应急疏散过程中个体受灾程度（bi）的差异性，差异性越大，则公平性越低。其中，bi受其居住区的风险等级和疏散用时共同影响，居住区的风险等级越高，疏散用时越长，则其受灾程度越高（式（4））。G由系统中所有个体受灾程度的基尼系数进行量化表征（式（5）［18］）。

式中：wi为第i个主体的洪涝风险等级，低、中、高风险居民的wi分别为1、2和3。

3 模拟结果与讨论

3.1 模型构建与验证

本研究使用NetLogo平台构建人员疏散仿真模型，NetLogo模型的计时单位为tick，本模型中1个tick约为6 s。图2所示的模型运行界面刻画了主体在路网上的实时疏散状态，并且能够实时展示各疏散阶段（疏散准备阶段、疏散途中以及成功疏散）、避难所和风险区的人员数量随时间的变化趋势，为应急疏散管理提供决策支撑。

本研究基于高德地图API出行导航结果进行模型验证。高德地图API导航服务根据用户出行统计数据和交通状况估计交通出行时间，具有较强的稳定性和代表性，是目前对交通模型进行验证的常用方法［19］。对146条疏散路线的路径和用时均进行了比较，图3（a）和图3（b）为其中的一个例子，模型与高德地图API的路径规划结果较为一致;疏散用时方面，二者结果也较为吻合（图3（c））。结果表明，模型路网结构和主体路线规划均展现出良好的准确性。

3.2 模型结果分析

3.2.1 疏散人口数量分析

疏散人口的数量变化会影响疏散结果对避难所容量分配响应的敏感性，如表2所示。避难所容量按需分配情景（S2）的模拟结果可以兼顾疏散效率和公平性，且模拟结果不受疏散人数影响;而避难所容量平均分配情景（S1）在人数较少的情况下尚能兼顾效率和公平，当疏散人数增多时效率和公平性均有所降低。因此，研究结果表明，应急管理部门在城市洪涝避难所规划过程中，应该根据人口的空间分布和避难所实际的容量需求进行避难所容量配置。

3.2.2 避难所容量分配和分批疏散情景分析

应急疏散的效率和公平性受到避难所容量分配方式、人员疏散次序和各批次之间的疏散间隔时间等因素的协同影响。由图4可知，随着疏散批次之间间隔时间延长，疏散时间呈增加趋势（效率降低），而一些特定疏散次序（HML、LHM）的公平性呈增加趋势，表明应急疏散存在效率-公平权衡关系。模拟结果显示，避难所容量分布特征对疏散效率影响更大，居民疏散顺序对疏散公平性影响更大。

图4（e）—图4（h）显示，疏散公平性最低的疏散顺序为MLH，与经验认知中的LMH顺序不符。结合式（5）可知，bi分布越不均匀，模型的公平性越差。图5比较了这2种分批疏散顺序下受灾程度的人数分布直方图，MLH顺序下低、中风险主体受灾程度分布重合，且与高风险部分相隔较远，与LMH顺序下的直方图相比具有更大的不均匀性，进而展现出更低的公平性。

图6展示了避难所容量分配对疏散效率和公平性的影响。由图6可知，避难所容量供不应求现象越严重，疏散效率越低且公平性越差。这是因为供不应求的避难所在短时间内达到最大容纳人数，导致之后到达的人员花费额外时间前往其他避难所，并且与已经到达避难所的人员的疏散用时差异加大。由图6（b）可知，对于相同Gsh的情景S3、S4，情景S3分配给需求容量较大的避难所更多容量，保障了更多人的需求，疏散结果公平性更高，这为避难所容量分配提供了决策参考。避难所容量分配供需相等能够同时保障疏散效率和公平，其他情况下应该优先保障需求量更大的避难所。

3.2.3 效率-公平的帕累托分析

为探讨疏散效率与公平的权衡关系，基于避难所容量分配方式、分批疏散顺序和批次间隔系数绘制了帕累托散点图（图7）。图中帕累托锋线由6个帕累托最优策略组成，其中策略1—3的疏散效率较高，但是策略1和2的公平性较低，策略4—6的疏散公平性较高，但是策略5和6的疏散效率较低。效率高的疏散策略具有避难所容量按需分配、批次间隔系数较小等共同特征。此外，对比6种帕累托最优策略的参数组合可知，分批疏散顺序是疏散系统效率-公平权衡关系的最大影响因素，其次是批次之间的延时水平，而避难所容量分配对疏散效率-公平的权衡关系影响较小。

由帕累托锋線分析可知，策略3和策略4能够最大限度地平衡效率和公平，二者具有批次间隔系数接近于0.1、低风险区居民最先疏散的共性。由于人员行进速度与人流密度之间存在负相关关系，因此，道路上的人员数量增加会降低个体行进速度，降低疏散效率;距离避难所最近的低风险人员优先疏散可以显著降低道路上的人群密度，提高疏散效率;同时，各风险区之间较短的延时时间可以降低人员的风险暴露程度差异，提高疏散公平性。该研究结果启示应急管理部门不能简单地依据区域的风险程度决定撤离次序，而应当综合考虑人口分布和交通路况等条件做统筹规划，合理引导不同风险区的居民分批疏散，并且优化各批次的疏散间隔时间，从而更好地兼顾效率和公平。

4 结 论

本研究以深圳市某典型洪涝风险区为研究区，构建了基于主体的城市洪灾应急疏散模型，研究了受灾人口数量、避难所容量分配、分批疏散顺序等因素对人员应急疏散过程的影响，着重探究了疏散效率和公平的权衡关系，主要研究结论如下：

（1） 应急疏散效率和公平的主要影响因素不同，疏散效率主要受避难所容量分配方式影响，疏散公平性主要受居民疏散顺序影响。

（2） 疏散人口数量可以使疏散结果对避难所容量分配因素的响应更加明显，当疏散人口增多时，避难所容量分布对疏散结果影响增大。

（3） 应急疏散过程存在效率和公平的权衡，帕累托分析结果表明，在避难所容量按需分配、低风险居民优先疏散、且分批间隔时间较少的情况下，可以较好地兼顾疏散效率和公平。

本研究探讨了城市洪涝应急疏散中面临的效率-公平权衡问题，聚焦于洪涝灾害发生之前的应急疏散模拟，因此，未对洪涝灾害发生过程中的疏散过程进行模拟分析。后续研究可以结合洪涝灾害发生前和发生过程中的人员疏散过程进行动态分析，进一步阐明洪灾预见期、避难所设置、不同风险区的疏散顺序等多种因素共同作用下疏散效率和公平的权衡关系，为城市灾害应急管理提供决策支撑参考。

参考文献：

［1］张红萍，李敏，贺瑞敏，等.城市洪涝模拟应用场景及相应技术策略［J］.水科学进展，2022，33（3）：452-461.（ZHANG H P，LI M，HE R M，et al.Application scenarios and corresponding technical strategies of urban flood modeling［J］.Advances in Water Science，2022，33（3）：452-461.（in Chinese））

［2］徐宗学，陈浩，任梅芳，等.中国城市洪涝致灾机理与风险评估研究进展［J］.水科学进展，2020，31（5）：713-724.（XU Z X，CHEN H，REN M F，et al.Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China［J］.Advances in Water Science，2020，31（5）：713-724.（in Chinese））

［3］中华人民共和国应急管理部.河南郑州“7·20”特大暴雨灾害调查报告［R/OL］.（2022-1-21）［2023-5-10］.https：∥www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/202201/P020220121639049697767.pdf.（Ministry of Emergency Management of the People′s Republic of China.Investigation report on “7·20”rainstorm disaster in Zhengzhou City，Henan Province［R/OL］.（2022-1-21）［2023-5-10］.https：∥www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/202201/P020220121639049697767.pdf.（in Chinese））

［4］王小杰，夏军强，董柏良，等.基于汇水区分级划分的城市洪涝模拟［J］.水科学进展，2022，33（2）：196-207.（WANG X J，XIA J Q，DONG B L，et al.Simulation of urban flood using the SWMM with the hierarchical catchment partition method［J］.Advances in Water Science，2022，33（2）：196-207.（in Chinese））

［5］WANG Z J，CHEN X Y，QI Z S，et al.Flood sensitivity assessment of super cities［J］.Scientific Reports，2023，13：5582.

［6］GERGES F，NASSIF H，HERRINGTON T，et al.A GIS-based approach for estimating community transportation exposure and capacity in the context of disaster resilience［J］.Sustainable Horizons，2022，3：100030.

［7］DAWSON R J，PEPPE R，WANG M.An agent-based model for risk-based flood incident management［J］.Natural Hazards，2011，59（1）：167-189.

［8］CHAPUIS K，MINH-DUC P，BRUGIRE A，et al.Exploring multi-modal evacuation strategies for a landlocked population using large-scale agent-based simulations［J］.International Journal of Geographical Information Science，2022，36（9）：1741-1783.

［9］楊宇涵，殷杰，王丹丹，等.基于ABM的城市暴雨洪涝灾害应急疏散仿真研究：以河南郑州“7·20”特大暴雨洪涝灾害为例［J］.中国科学：地球科学，2023，53（2）：267-276.（YANG Y H，YIN J，WANG D D，et al.ABM-based emergency evacuation modelling during urban pluvial floods：a “7·20” pluvial flood event study in Zhengzhou，Henan Province［J］.Scientia Sinica （Terrae），2023，53（2）：267-276.（in Chinese））

［10］OH W S，YU D J，MUNEEPEERAKUL R.Efficiency-fairness trade-offs in evacuation management of urban floods：the effects of the shelter capacity and zone prioritization［J］.PLoS One，2021，16（6）：e0253395.

［11］ISLAM K A，CHEN D Q，MARATHE M V，et al.Incorporating fairness in large-scale evacuation planning［J］.Proceedings of the 31st ACM International Conference on Information & Knowledge Management，2022：3192-3201.

［12］AALAMI S，KATTAN L.Fairness and efficiency in pedestrian emergency evacuation：modeling and simulation［J］.Safety Science，2020，121：373-384.

［13］TONN G L，GUIKEMA S D.An agent-based model of evolving community flood risk［J］.Risk Analysis，2018，38（6）：1258-1278.

［14］ZHAO B Y，TANG Y L，WANG C F，et al.Evaluating the flooding level impacts on urban metro networks and travel demand：behavioral analyses，agent-based simulation，and large-scale case study［J］.Resilient Cities and Structures，2022，1（3）：12-23.

［15］ZHUO L，HAN D W.Agent-based modelling and flood risk management：a compendious literature review［J］.Journal of Hydrology，2020，591：125600.

［16］MIGUEL A F.Constructal theory of pedestrian dynamics［J］.Physics Letters A，2009，373（20）：1734-1738.

［17］DU E H，CAI X M，WU F，et al.Exploring the impacts of the inequality of water permit allocation and farmers′ behaviors on the performance of an agricultural water market［J］.Journal of Hydrology，2021，599：126303.

［18］DRUCKMAN A，JACKSON T.Measuring resource inequalities：the concepts and methodology for an area-based Gini coefficient［J］.Ecological Economics，2008，65（2）：242-252.

［19］吳国豪，陈跃红，史春伟，等.等时圈模型支持下消防站空间可达性分析：以南京市为例［J］.地理与地理信息科学，2023，39（2）：17-24.（WU G H，CHEN Y H，SHI C W，et al.Assessing the spatial accessibility of fire stations by the isochrone model：a case study in Nanjing，China［J］.Geography and Geo-Information Science，2023，39（2）：17-24.（in Chinese））

Abstract：To support flood management practices，it is crucial to simulate detailed human evacuation processes and examine the tradeoff between system-level evacuation efficiency and individual-level fairness of flood risk exposure，known as the efficiency-fairness tradeoff.This study focuses on a residential district in Shenzhen City as the study site and develops an agent-based model （ABM） to simulate the detailed flood evacuation processes.Various scenario analyses are conducted to assess the collective evacuation performance of the community，considering factors such as the number of evacuees，strategies for allocating shelter capacity，evacuation sequences of multiple residential groups，and time delays between evacuation groups.This study also evaluates the tradeoff between efficiency and fairness during flood evacuation processes.The modeling results demonstrate that evacuation efficiency is primarily affected by shelter capacity allocation strategies and the population of evacuees，while evacuation fairness is largely affected by the evacuation sequence of multiple groups.For effective flood emergency management，authorities should consider the residential distribution and traffic network to allocate shelter capacity based on the actual evacuation demand.To achieve a balance between efficiency and fairness in flood evacuation，policymakers should account for varying flood risk levels at different locations，guide residents to evacuate in a staged order，and appropriately manage the time intervals between evacuation groups.

Key words：urban flood;emergency evacuation;agent-based model;efficiency-fairness tradeoff;gini coefficient;NetLogo