基于多智能体的城市内涝灾害受灾人口动态评估

王瑩瑩 孙滢悦

摘要 将多智能体建模技术应用于城市内涝灾害受灾人口动态评估，可动态地监控受灾人口变化趋势。以长春市南关区为实证对象，应用多智能体建模技术，构建内涝灾害受灾人口动态评估模型，实现了受灾人口在内涝灾害前、中、后时期的全过程模拟。结果表明：内涝灾害随时间发展变化，受灾人口在低危险呈现升高—降低—升高—降低的变化趋势；受灾人口在中危险状态呈现升高—降低—升高—降低变化趋势，但比低危险状态变化幅度小；受灾人口在高危险状态呈现升高—降低变化趋势。研究结果不仅可为监控城市内涝灾害人口受灾风险的动态变化特征提供参考，亦可为城市内涝灾害防灾减灾提供决策依据。

关键词 内涝灾害；多智能体；动态评估

中图分类号：TU992 文献标识码：B 文章编号：2095–3305（2023）09–0-03

近年来，城市内涝灾害问题凸显，轻则影响居民日常出行，重则威胁人类的生命安全。目前，国内外学者在暴雨内涝的成因、脆弱性及应对对策等方面进行了广泛研究，对城市内涝灾害受灾人口动态评估的研究较少，因此对受灾人口进行动态评估成为灾害风险研究的必然趨势[1]。

智能体（agent）是指在一个复杂系统中，具有一定独立性、自治性、社会性的基本单元。多智能体系统（Multi-agent System，MAS）则是由一系列的智能体构成，通过相互之间的通信、合作、竞争等方式，完成单个智能体不能完成的数量庞大而复杂的工作[2-3]。当前，国内外研究学者将多智能体建模方法当成模拟和研究复杂系统的重要方法，它自下而上的建模思想与传统的“从系统描述与分析建立数学模型→建立仿真模型→模型验证”建模方式能更直观、更真实地表达系统的复杂性。中国科技大学李文波团队将多智能体建模技术应用于洪灾人口损失评估方面研究，其基本原理是找出洪灾的致灾因子、孕灾环境和承载体，设计其内部结构、通信机制及作用规则，并利用仿真平台模拟居民损失情况将MAS应用于洪灾风险动态评估，取得了一定的研究成果。已有洪灾方面的研究成果为本研究提供了参考依据，为实现城市内涝灾害受灾居民动态评估提供技术支撑。

以长春市南关区为研究对象，以减少在城市内涝灾害发生过程中受灾人口数量为目的，将多智能体建模技术应用于城市暴雨内涝灾害研究，并通过多智能体Netlogo仿真平台模拟城市内涝灾害发生的全过程，得到可能受灾居民情况，将结果可作为减少内涝灾害发生时居民受灾数量的有效依据，同时也为城市内涝灾害相关研究提供新思路。

1 研究资料与方法

1.1 研究区概况

南关区位于长春市的中南部（125.33°E，43.87°N），西南部与高新技术产业开发区邻近，东南部与经济技术开发区和净月潭旅游经济开发区相接。总面积为497 km2，总人口65万人。气候属温带大陆性半湿润季风气候，降雨量主要集中在5—8月，约占全年降水量的80%，尤其是7—8月台风等极端天气造成的特大范围暴雨，极易形成暴雨内涝灾害。

1.2 数据资料

降雨数据来源于中国气象数据科学共享服务网提供的长春市1985—2015年共31年的逐日降雨数据；研究区遥感影像数据来源于中国遥感数据网，运用ArcGIS软件对遥感影像进行数字化处理，并结合研究区行政区划，获取研究区下垫面基础地理信息数据；排水管网数据来源于长春市市政管理的排水管理部门，包括管网分布与排水能力，并结合实地调查数据，对整个排水管网进行整合，最后通过GIS技术的专题制图得到研究区排水分布情况。

1.3 研究方法

城市内涝灾害受灾人口评估结果是由孕灾环境、致灾因子和承灾体组合而成的城市内涝灾害复杂系统的产物[4]。根据智能体（agent）建模的性质分别构建孕灾环境智能体集合、致灾因子智能体集合、承灾体智能体集合和风险分析智能体集合四大智能体集合类型，形成城市内涝灾害系统。通过数学表达式的规则和逻辑推理机制确定各智能体之间的相互关系，通过通信接口彼此进行互动，实现各智能体间的协调与协作，从而实现城市内涝灾害复杂系统的建模与仿真，模拟城市内涝灾害人口动态损失情况[5-7]。

利用Netlogo仿真平台构建基于MAS

的城市内涝灾害受灾人口动态评估模型。运行阶段主要从3个模型着手，即产汇流模型、人口智能体移动模型和风险分析模型。产汇流模型包括降雨量智能体生成、雨水智能体损失、雨水智能体汇流3种模型；风险分析模型包括人口受灾风险分析模型；人口智能体移动模型表示的是发生内涝时人口的移动避险策略；模型停止阶段则是为模型满足仿真停止条件，且完成对内涝发生全过程中人口受到灾害风险的动态评估，即该评估模型运行结束。

2 结果与分析

2.1 全过程受灾人口动态评估

一是内涝灾害发生前期。承灾体中的人口智能体处于安全状态。随着模拟降雨过程的开始，致灾降雨因子开始产生并逐渐增加。研究区的不同网格区域出现了不同数量的雨水智能体。低风险人群开始出现在研究区域（图1）。当模型运行2 h时，研究区域已经出现一定数量的处于轻度受灾状态的人群，由于灾害程度相对较轻，以及人口智能体的避险作用，大部分受灾人群仍处于安全状态。

二是内涝灾害发生中期。随着研究区降雨量的增加，灾体所在网格区域的水深进一步增加，灾情进一步加重。人口的灾难状态由安全状态转变为低风险状态，处于中风险状态和高风险状态的人数开始呈现增加趋势。当模型运行

7.2 h（峰值降雨）时，可以看到受灾面积有一定程度的增加，人口主体明显的流动性对冲效应减弱，人口受灾程度呈增加趋势（图2）。降雨强度从峰值开始逐渐减弱，在降雨停止后24 h降为0。在这一阶段，研究区受影响的人口进一步增加。以模型运行24 h（降雨停止时）为例（图3），可以看出，当前受灾面积有所增加，受灾地区水深进一步增加，部分人口处于中高风险状态。

三是内涝灾害发生后期。降雨停止后，模型中不再产生降雨量智能体，但降雨过程造成的灾害仍影响人口，灾情并没有立即得到缓解。在降雨停止后的一段时间内，由于雨水因子的损失模型效应，致灾因子对承灾体的影响程度开始减弱，研究区受灾面积开始减少，致灾水深逐渐下降。同时，由于人口智能体自身的移动对冲功能，处于严重危险状态的种群开始处于较轻的灾情状态。随着模型继续运行，人口变得不那么脆弱。以模型运行最后时刻37.6 h为例（图4），可以看出，研究区域部分人群的灾情状态已经变为较轻的灾情状态，甚至变为安全状态。

2.2 结果分析

处于安全状态下的人口智能体数量变化情况较为复杂，在内涝发生的前2 h，受灾程度较轻，基本无受灾情况；在2～8 h期间，研究区受灾情况加重，安全人口数量呈现急剧下降趋势；8～

24 h期间较2～8 h期间安全人口数量缓慢减少；在24～32 h期间，虽然停止降雨，但雨中造成的灾害也影响着人口的安全状态，安全人口智能体趋于平缓；在32～36 h期间，研究区灾情得到控制，安全人口智能体数量呈增加趋势；在36 h后，灾情影响趋于稳定，安全人口智能体数量基本稳定。实时分析灾害状态下的人口智能体数量变化情况，分析研究区暴雨内涝整个过程中低风险、中风险和高风险种群主体数量变化曲线（图5～图6）。

为了进一步突出人口灾害风险的动态特征，对获得的人口灾害风险数据进行定量分析。对暴雨内涝全过程的人口灾害风险数据进行2 h采样，定量呈现不同状态的人口数量和不同时间的人口统计结果。

根据图6可知，暴雨内涝发生的前4 h，研究区受灾程度较轻，受灾人数仅占人口总数的0.4%，且大部分人员处于低危险，只有少部分人员处于中危险和高危险；在6～8 h，研究区灾情加重，受灾人口数量增加；当8 h时，受灾人数已占总数的3.4%；当10 h时，受灾人数已经增加至4.07%，且低危险占2.27%，中危险占1.38%，高危险占0.42%；在12～18 h，研究区灾情进一步加重，受灾人口数量也一直增加，从12 h的4.58%增加至18 h的6.02%，而且中危险人口数量增加最显著，由1.62%增加至2.78%；在18～24 h，受灾人口仍呈增加趋势，但中危险人口数量减少，由2.78%降至1.8%，低危险人口数量增加，由2%增加至4.18%，高危险人口数量由1.23%增至1.68%；在24～32 h期间，降雨停止后，研究区灾情得到控制，受灾人口数量趋于稳定，没有明显的增加趋势，但低风险受灾人口数量仍在增加，但高危险受灾人口数量由1.68%降至0.5%，高危险人员转变为低危险或中危险的状态；从34 h开始，受灾人口数量开始呈下降趋势，在36 h后，高危险状态的人口数量基本为0，研究区灾情得到有效控制，高危险和中危险状态逐渐转变为低危险，所以低危险人口数量增加，高危险和中危险人口数量逐步减少，直至37.6 h，低危险占比3.52%，中危险占比2.57%，高危险占比仅为0.01%。

3 结论与展望

（1）采用内涝灾害影响人群动态评估的多智能体建模模型，建立各种智能体的内部结构和流程设计以及智能体之间的通信机制。利用Netlogo仿真平台，构建城市内涝灾害影响人群动态评估系统。在内涝灾害发生发展的全过程中，动态模拟受内涝灾害影响人群的风险，实时分析受内涝灾害影响人群的动态风险，分析结果揭示了受影响人群的动态变化特征。结果表明，该模型能够有效地解决人口灾害风险的动态变化问题。

（2）长春市南关区内涝灾害低危险曲线变化呈现升高—降低—升高—降低的波浪形变化趋势；中危险曲线也呈现出升高—降低—升高—降低的变化趋势，但相比低危险曲线变化幅度小；高危险曲线呈现升高—降低单峰形变化趋势。经受灾人口统计分析发现，受灾人口变化在灾区低危险、中危险、高危险时变化曲线与内涝灾害变化曲线大致相符，即受灾人口在低危险状态呈现升高—降低—升高—降低、中危险呈现升高—降低—升高—降低、高危险呈现升高—降低变化趋势。

（3）研究的城市暴雨内涝灾害受灾人口动态评估与孕灾环境设定以长春市南关区为例，不具有普适性，要想将多智能体建模技术在城市内涝灾害中广泛应用，还需更多的实地调查与研究。

在未来的研究中基于MAS的城市内涝灾害的建模过程、智能体的种类、各智能体的内部结构设计相关参数需要得到完善，如房屋安全性问题、房屋承载力、淹没的参数和时间还需精确设计和考虑，同时也需要进一步改善房屋的受灾状态。

参考文献

[1] 陈鹏，赵洪阳，张继权，等.城市内涝灾害受灾人口评估方法与实证研究：以哈尔滨市道里区为例[J].地理科学，2020， 40（1）：158-164.

[2] 王飞，尹占娥，温家洪.基于多智能体的自然灾害动态风险评估模型[J].地理与地理信息科学，2009，25（2）：85-88.

[3] 薛领，杨开忠，沈体雁.基于agent的建模：地理计算的新发展[J].地球科学进展，2004，19（2）：305-311.

[4] 張亚东，王硕，李亚，等.基于STPA与多智能体的列控运营场景危险分析及仿真验证方法[J].中国铁道科学，2021，42 （1）：147-155.

[5] 陈晓利，韩锋斌.基于多智能体的城市环道交通信号控制算法[J].重庆大学学报，2021，44（1）：37-45，118.

[6] 张超省，王健，张林，等.面向复杂障碍场的多智能体系统集群避障模型[J].兵工学报，2021，42（1）：141-150.

[7] 张晓君，林颖，周昌乐.智能主体的等级BDI（信念、愿望和意图）模型[J].计算机科学，2016，43（7）：35-40.

Dynamic Assessment of Urban Waterlogging Disaster Affected Population based on Multi-agent Technology

Wang Ying-ying et al（College of Tourism and Geography Science， Jilin Normal University， Siping， Jilin 136000）

Abstract Applying multi-agent modeling technology to the dynamic assessment of the affected population in urban waterlogging disasters can dynamically monitor the changing trends of the affected population. Taking Nanguan District， Changchun City as the empirical object， a dynamic evaluation model for the affected population of waterlogging disasters was constructed using multi-agent modeling technology. The entire process simulation of the affected population before， during， and after the waterlogging disaster was achieved. The results showed that waterlogging disasters develop over time， and the affected population showed a trend of increasing decreasing increasing decreasing decreasing at low risk; The affected population showed an increasing decreasing increasing decreasing decreasing decreasing trend in the medium risk state， but the change amplitude was smaller than that in the low risk state; The affected population showed an increasing decreasing trend in a high-risk state. The research results not only provided dynamic changes in the risk of urban waterlogging disasters to the population， but also provided decision-making basis for disaster prevention and reduction of urban waterlogging disasters.

Key words Waterlogging disaster; Multi-agent; Dynamic evaluation