唐爐亮,楊　雪，劉　章，王雪浩，靳　晨，董　坤

(1 武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；2 航天恒星科技有限公司(503所)，北京 100086)

?

災害條件下多層次應急疏散模型的構建方法研究*

唐爐亮1,楊雪1，劉章1，王雪浩1，靳晨1，董坤2

(1 武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；2 航天恒星科技有限公司(503所)，北京 100086)

摘要:人們每天都要面對各種造成嚴重財產和人身安全損失的重大災害，如何建立災害條件下中國人口高密度大范圍的應急疏散模型，具有重大的意義。該文基于我國災害條件下高密度人口的集體疏散模式，按照災害區(qū)域的具體情況和人口分布，以道路實時速度和路面損毀程度所決定的道路阻抗性作為評判道路疏散能力的依據(jù)，構建從危險區(qū)域的多集結點到安全區(qū)域的多安置點的多層次應急疏散模型，確定集體疏散人員的疏散路徑、人數(shù)和車輛，實現(xiàn)在最短的時間內的受災群眾整體最優(yōu)疏散，并以山東省德州發(fā)生地震作為實驗區(qū)，采用GoogleMap API和C#搭建多層次應急疏散平臺，驗證了多層次應急疏散模型的可行性。

關鍵詞:多層次疏散模型；空間點配對；最優(yōu)K條路徑；車輛分配；應急疏散平臺

近幾年全球災害頻發(fā)，如何應對災害條件下的應急疏散，成為國內外研究的熱點。1960年代起世界各國的科研工作者就提出了很多應對不同災害類型的應急疏散模型，1970年代 Lewis[1]提出颶風交通預測需求方法，1980年代美國的弗吉尼亞州為應對核泄漏開發(fā)出一套應急疏散仿真系統(tǒng)(NETVACI)[2]，1990年代又開發(fā)了TEDSS決策支持系統(tǒng)，以防止核電站發(fā)生災害后及時通知當?shù)厝罕姵冯x路線[3]，Cova等[4]對野火蔓延區(qū)域的家庭進行了模擬，并估算比較了為家庭疏散所推薦的撤退路線的疏散時間。國內學者通過總結中國歷年來遭遇重大災害后應急救援的經驗和教訓，提出用理性戰(zhàn)略來實施應急救援的總體布局[5]，通過構建異地疏散專題模型和地震應急空間信息庫，為地震應急指揮決策確定應急疏散的最優(yōu)方案[6]，同時對應急疏散的最優(yōu)路徑進行了研究[7]；除此之外，李清泉等人[8]提出基于擁擠度的應急疏散路徑優(yōu)化方法，為大型公共場所人員提供疏散路徑方案。

隨著計算機仿真技術的發(fā)展，發(fā)達國家逐漸采用宏觀和微觀交通仿真技術對緊急事件疏散方案進行分析評價[9-12]，如蘇格蘭開發(fā)的多層建筑物/人員疏散模擬軟件SIMULEX，英國開發(fā)的火災模擬軟件SMARTFIRE與大型場館人員疏散模擬軟件EXODUS，美國橡樹嶺國家實驗室針對颶風等緊急事件應急疏散開發(fā)的大型路網應急交通流疏散模擬系統(tǒng)OREMS，以及MIT開發(fā)的多用途大范圍道路交通綜合仿真軟件TransModeler等。這些都是針對西方歐美國家災害發(fā)生后，在政府發(fā)布的災害信息和交通誘導下，受災群眾進行自主駕駛，逃離災害區(qū)域的疏散模式，應急疏散主要涉及到災害人數(shù)、位置、區(qū)域以及疏散路徑的選擇；而我國在大型災害條件下，應急疏散以集體轉移疏散為主，主要依靠政府統(tǒng)一安排和組織，將受災群眾集中在危險區(qū)域的若干集結點，統(tǒng)一安排車輛疏散到安全區(qū)域的若干個安置點，是一種集體轉移疏散模式，主要涉及到受災人數(shù)、災害的位置、區(qū)域的定位，集結點、安置點的選擇和空間和人數(shù)配對，以及集結點到安置點的轉移路徑、車輛數(shù)和人數(shù)。因此，現(xiàn)有的應急疏散模型無法滿足中國災害應急的集結點、安置點的空間和人數(shù)配對、路徑選擇、轉移人數(shù)、轉移車輛數(shù)等。

本文針對中國災害條件下應急疏散的需求，構建從危險區(qū)域的多集結點到安全區(qū)域的多安置點的多層次應急疏散模型，確定集體疏散人員的疏散路徑、人數(shù)和車輛數(shù)，實現(xiàn)在最短時間內的人員整體最優(yōu)疏散。

1道路疏散能力評估

災害條件下將危險區(qū)域的人員疏散到安全區(qū)域的主要目標是高效和安全。高效性是指在最短的時間內將所有人員從集結點轉移到安置點，期間涉及了道路的等級、車輛限速、路段長度、車流狀況。安全性則是指從集結點將待疏散人口轉移到安置點的過程中要穿越危險區(qū)的一部分地區(qū)，由于災害的發(fā)生會導致建筑物坍塌、路面損毀、山體滑坡等危險情況發(fā)生，所以要保證疏散人員整體的安全性。因此，應急疏散應該選取道路通行能力最好、阻抗性最低的道路?；谝酝牡缆肪W數(shù)據(jù)分析和研究，道路阻抗性指標的計算有多種方法[13-14]。我們結合物理學中彈簧彈力模型：F=k×△x的物理意義和特性，提出以道路阻抗性作為衡量道路疏散能力的評估依據(jù)，當?shù)缆纷杩瓜禂?shù)不變時，道路越長道路阻抗力就越大。同理如果兩條路徑長度相同，但阻抗系數(shù)不同的道路，阻抗系數(shù)越大的道路其阻抗力就越大。道路阻抗性需要兩個方面因素來確定：一是由道路等級、車輛限速、路面寬度以及車流量等確定的通行阻抗；二是由災害發(fā)生導致路面塌陷、斷裂和阻擋導致的災害阻抗。根據(jù)上述分析，構建道路阻抗Pi如下：

Pi= a1×Ti+a2×Di。

(1)

式中：Pi為某條路段的阻抗；Ti為某路段的通行阻抗；Di為某路段路面損毀程度決定的損毀阻抗；a1、a2為通行阻抗和損毀阻抗系數(shù)，分別用來確定Ti與Di的影響因子比例以及平衡兩者之間的量綱問題，其大小由專家經驗和實際道路交通狀況而定。

依據(jù)我國九五交通科技重點攻關項目研究成果重新標定的BPR函數(shù)，并結合災害發(fā)生后所需的實時信息的支持，對BPR函數(shù)的各個參量做了一定的調整，公式如下所示：

(2)

(3)

(4)

式中：Ti表示了路段i在實時速度為Vo的時候行駛整條路段所需要的時間；Qi(pcu/h)是路段i的實時交通流量；Ci(pcu/h)為路段i的通行能力；ti則基于道路i的設計車速的行駛時間；Vo(km/h)是路段i的實時行駛速度；Vd(km/h)為路段i 的設計車速其值的大小與道路等級相關；a1, a2, a3, β為回歸參數(shù)和修正系數(shù)，其值的大小本文引用了文獻[15]中通過大量道路數(shù)據(jù)研究所獲得的經驗值。

災害阻抗往往和災害的類別、發(fā)生區(qū)域地理環(huán)境以及經濟狀況有很大的關聯(lián)。相對于城市而言，復雜的道路網以及密集的建筑群都會為災害的疏散帶來一定的困難；山地區(qū)域的災害則需要考慮路網的便利性，諸如泥石流、山洪、地震等災害也許會破壞僅有的幾條交通要道，從而阻礙疏散的完成。通過分析這些因素我們基于現(xiàn)有針對城市地震災害阻抗計算公式，提出了其在其他區(qū)域內的應用變形，如下所示：

Di=Pbi×Si×Ei。

(5)

式中：Di是路段i的災害阻抗值；其單位為m；Pbi為路段i兩側分布物體被破壞的概率；Si為路段i的阻斷嚴重性；Ei為路段i的阻斷曝光量。

Si=Hi/Wi。

(6)

式中：Hi為路段i兩側分布物體的平均高度，Wi為路段i的道路有效寬度。

Ei=Ki×Li。

(7)

式中：Ki是路段i兩側分布物體的密度；Li是路段i的長度。

2多層次應急疏散模型

多層次應急疏散模型是根據(jù)災害發(fā)生的具體位置，受災群眾人數(shù)，集結點和安置點位置，確定危險區(qū)域與實時道路網疏散能力，確定多集結點與多安置點之間空間配對和人口數(shù)量，完成多源多匯的路徑優(yōu)化，并根據(jù)疏散車輛總數(shù)和疏散路徑，分配每一條疏散路徑上的車輛數(shù)和疏散人數(shù)。

2.1多集結點與多安置點之間的空間匹配

將滯留在危險區(qū)域集結點的居民疏散到安全區(qū)域安置點是構建多層次模型的主要任務，首先要根據(jù)集結點與安置點之間的空間位置和人口數(shù)，確定集結點和安置點的空間匹配方案。根據(jù)具體位置與災害范圍，確定危險區(qū)域，選取危險區(qū)域的多集結點和安全區(qū)域的多安置點。集結點選取是在危險區(qū)域內選取易于聚集人群、沒有高大建筑物、盡可能遠離災害發(fā)生的源點、交通樞紐發(fā)達等特點的地方；安置點的選取是在遠離危險區(qū)域的安全區(qū)域內選取救援物資運輸便利、受傷群眾可及時救治，最大程度接納被疏散人員的地方，通常選取醫(yī)院、學校、體育館、廣場等作為安置點。集結點和安置點的空間位置確定后，從空間分析角度進行多集結點和多安置點的匹配。

(1)集結點與安置點的Voronoi圖構建

集結點與安置點的Voronoi空間分析是基于集結點與安置點的位置和形態(tài)特征，從空間位置、空間分布、空間形態(tài)、空間距離及空間方位、拓撲及相關等方面，采用Voronoi圖的空間剖分特性，解決從多集結點到多安置點的配對問題。

Voronoi圖對平面N個離散點而言，它把平面分為幾個區(qū)，每一個區(qū)包括一個點，該點所在的區(qū)是到該點距離最近點的集合，構建平面上若干點構成的多邊形的內點到該多邊形生距離?？紤]到位于危險區(qū)域的集結點的待疏散人口數(shù)量和分布密度，以及位于安全區(qū)域安置點可接納人口數(shù)量，采用加權Voronoi圖進行空間剖分，生成加權Voronoi圖，設n個點P={p1,p2,p3…pn},有n個正實數(shù) λ={λ1,λ2,…},VORn=n(Pi, λi)=∩{P|d(p,pi)/λi

圖1　Voronoi圖與道路網絡的疊加示意圖

圖1中的橢圓形中心為災害發(fā)生地，其覆蓋范圍為危險區(qū)域，Si為危險區(qū)域的集結點，Ti為安全區(qū)域的安置點。

(2)多集結點到多安置點的空間配對

按照構建加權Voronoi圖的方法和模擬點的坐標值及其權重值構建加權Voronoi圖與道路疏散能力的道路網進行疊加，根據(jù)疊加后相鄰關系來分析空間點之間的空間匹配關系，如圖1所示,可以看到構成每個點輻射區(qū)域的多邊形的鄰近關系，按照這些點所在區(qū)域道路網通行能力以及每個集結點的待疏散人口數(shù)量和每個安置點可接納人口數(shù)量，選取每個集結點所對應的若干個安置點。根據(jù)圖1中所示，可以得到集結點與安置點的空間匹配。

表1所示為多個集結點和多個安置點的空間鄰接關系，其中0表示兩個點空間不鄰接，1表示兩個點空間鄰接。根據(jù)表1所示的各個空間點的空間關系，可以得到與每個集結點所鄰接的安置點。

表1　集結點與安置點的空間鄰接表

根據(jù)各個集結點的空間拓撲關系和道路網疏散能力的高低，可以生成表2。從表2中可以看到，根據(jù)模擬值S1處待疏散人口數(shù)量以及所優(yōu)先考慮的安置點：T10、T11、T12、T13每個安置點的接納人口數(shù)量，最終確定的與S1配對的安置點分別為：T11、T12、T13，由于配置人口從優(yōu)開始，所以T12、T11點的接納能力達到滿負荷，T13處的空余接納人口數(shù)量則是S1處輸送完T12和T11后剩余人口數(shù)量和T13原有接納量之間的差值。按照以上分配人口的方法確定與每個集結點所匹配的所有安置點以及分配到各安置點的人口數(shù)量。

表2　基于道路權重的最終集結點和安置點配對表

2.2集結點到安置點的多源多匯路徑優(yōu)化

將受災人員從集結點轉移到安置點通常有很多條路徑供選擇，如何選擇最優(yōu)的路徑使得受災人員從集結點可以安全、高效到達安置點是構建應急疏散模型中及其重要的一個環(huán)節(jié)。基于加權Voronoi圖和道路網疊加所獲得的空間匹配關系，可以得到與每個集結點相匹配的若干個安置點以及從各個集結點出發(fā)到達每個安置點所分配的人口數(shù)量，一般情況下如果只選擇一條路徑作為從一個集結點到另一個安置點的疏散路線會導致該疏散路徑上出現(xiàn)擁堵現(xiàn)象，從而加劇了道路的疏散壓力直接導致整體疏散時間的延長。本文采用基于最大流[16-19]的K條路徑優(yōu)化方法，根據(jù)道路疏散能力的評判標準，選取從多個集結點到多個安置點的最優(yōu)若干條路徑，將多源、多匯問題轉化為單源、單匯問題，也即最優(yōu)K條路徑，其基本思想為：從一個集結點出發(fā)到達另一個安置點有若干條道路，每條道路都由若干條路段組成，根據(jù)路段道路阻抗性高低來確定從集結點到安置點的每條通達路線的總阻抗，選取阻抗最小的路徑作為最優(yōu)路徑，然后依次類推選取次優(yōu)條、再次優(yōu)條路徑直到選取K條路徑。

2.2.1最大流約束下的多路徑優(yōu)化

評定所選擇區(qū)域內路段的疏散能力是建立在實時動態(tài)的交通流信息、道路損毀度和靜態(tài)道路狀況的基礎上，為了實現(xiàn)在災害條件下人員疏散的過程中所選擇的道路具有實時的最優(yōu)性，采用基于最大流的K條最優(yōu)路徑來解決短期內人員擁堵導致車流量增大從而影響全局的疏散速度的問題。將每條路段的人口分配信息記錄在鏈接路段的節(jié)點上，如圖2所示。圖中路段權重采用道路阻抗性的倒數(shù)進行評定記為：p1，p2，p3…分別為每條路段的權重值，n1-2則為鏈接節(jié)點1和節(jié)點2的路段所分配的人口數(shù)量。

圖2　基于最大流的多源多匯多路徑和人流量優(yōu)化分配

路段1～21～32～42～5……道路疏散能力p1p2p3p4……分配人口數(shù)n1-2n1-3n2-4n2-5……

根據(jù)圖2所示，從集結點出發(fā)有三條路徑可供疏散滯留人口到達安置點，三條路徑分別經歷了不同的道路節(jié)點分別為：{1,2,4,7,9}，{1,2,5,8,9}，{1,3,6,9}，根據(jù)圖中的路段和節(jié)點的空間關系以及與分配人流量之間的關系得到表3，如下所示。

2.2.2道路網疏散能力分層與K路徑層次搜索

由于路徑優(yōu)化過程中的路徑搜索需要面對的是大區(qū)域的、實時的和包含POI信息的道路網數(shù)據(jù)，導致基于最大流的K條最優(yōu)路徑效率低，傳統(tǒng)的路徑尋優(yōu)算法雖然都能實現(xiàn)單源點到單匯點的最短路徑搜索，但是對于一些特定的問題卻存在其自身的缺陷，Dijkstra算法是最短路徑尋優(yōu)算法中比較經典的一種算法，其優(yōu)點是該算法實現(xiàn)起來容易簡單，缺點是利用該算法尋找起訖點之間最短路徑的過程中，需要遍歷所有的節(jié)點和路段，極大地降低了搜索效率。對于小范圍的數(shù)據(jù)該算法具有很好的應用性，但是對于大區(qū)域、海量的數(shù)據(jù)，就會大大降低整體模型的運算速度。針對路徑搜索算法的優(yōu)化，已經提出了很多新的方法[20-21]。本文則是按照特定的道路網數(shù)據(jù)格式和構建重大災害條件下應急疏散模型的具體要求對數(shù)據(jù)進行分層處理，從而達到優(yōu)化路徑搜索的目的，如圖3所示。

圖3　道路網應急疏散能力分層與路徑層次搜索

所有的道路網數(shù)據(jù)按照道路通行能力分為四個層次分別為：H={H1，H2，H3，H4},其中每個層都有各自的道路通行能力閾值范圍：ζ={ζ1，ζ2，ζ3，ζ4}，其中對應的每個層都存在閾值范圍：ζ1={ζ1min,ζ1max},ζ2={ζ2min,ζ2max},ζ3={ζ3min,ζ3max},ζ4={ζ4min,ζ4max}。對于道路網層：Li=(Vi, Ei, Wi, ζi)，速度Vi=(v1,v2…)，阻斷曝光量Ei=(e1,e2…); 通行能力ζi=(ζimin, ζimax)，當搜索某一個集結點到另一個安置點的通達路徑時，按照如下步驟實施。

Step1：判斷集結點和安置點所臨近的路段的等級，采用“選高不選低”的原則將該集結點和安置點配置到與其臨近的所有路段中等級最高的路段上。

Step2：從集結點出發(fā)尋找與之共線的其他節(jié)點，并判斷這些節(jié)點所位于路段的層級，假設與集結點位于同一條路段的節(jié)點集合按照所在道路等級從高到低的順序進行排序得到集合N={ n|ni∈Ls，i=1,2……}。

Step3：從集合N中依次取每個節(jié)點元素進行下一步的搜索，若當前節(jié)點所在的路段位于最高層級，則從該節(jié)點所在的路段開始，尋找與之共線的下一個節(jié)點，并將該路段作為可用路段進行標記，然后將下一個節(jié)點作為當前節(jié)點開始下一步搜索，依次類推直到當前節(jié)點與安置點匹配路段后的對應節(jié)點位于同一條路段上停止搜索。

Step4：若從集結點出發(fā)無法再找到可以與之鏈接的高層級路段的節(jié)點時，則選擇次優(yōu)層級作為搜索目標，尋找當前節(jié)點所位于層級的下一層層級相對應的節(jié)點，再從該節(jié)點出發(fā)搜索直到到達安置點為止。

Step5：重復Step3、Step4，直到節(jié)點集合中的各個元素都搜索完畢為止，并將從出發(fā)節(jié)點到終止節(jié)點途徑的所有節(jié)點與路段標記與記錄形成點-路段-點，即以路徑為主的文件。具體搜索方法如圖4所示：從集結點出發(fā)，將該集結點配置到L1路段上，然后判斷與集結點共線的下一結點，從該節(jié)點出發(fā)尋找下一條到達安置點的路徑。由于在Hi層級上已經無法找到可以到達安置點的路段，則從該層級的那個終止節(jié)點出發(fā)找到其位于Hi+1層級的對應點，然后根據(jù)該對應點所位于路段的拓撲關系，找到到達安置點的通達路徑。圖3中從集結點出發(fā)到達安置點的路徑都由黃色的箭頭標示出來。

2.3K路徑的疏散車輛數(shù)分配

多層次應急疏散模型的最后就是要在和多源多匯規(guī)劃的K路徑基礎上，根據(jù)每一條路徑上的待疏散人數(shù)和基于道路疏散能力，確定K路徑上的車輛數(shù)。通過路徑搜索和節(jié)點人流分配，可以得到從某個集結點到某個安置點的K條最優(yōu)路徑中每條路徑的所分配到的疏散任務也即疏散的人口數(shù)量。假設從某個集結點出發(fā)到達某個安置點有k條路徑，分配給每條疏散路徑上的人口數(shù)量分別為：{Q1，Q2，Q3，Q4…Qk}。根據(jù)疏散路徑的長度和實時運輸速度，計算出每條疏散路徑的單次疏散時間ETi(第i條路上單次疏散時間)，假設有k條疏散路徑，每條路徑的單次疏散時間表示為：{ ET1，ET2，ET3…ETk}，a為每車能疏散的人數(shù)，根據(jù)應急疏散的整體最優(yōu)為目標，建立車輛分配的目標函數(shù)如下：

(8)

當單條路徑的疏散時間接近與所有應急疏散路徑所完成疏散的時間的平均值時，可以將此狀態(tài)作為應急疏散達到整體最優(yōu)，也即在上述公式中目標函數(shù)F的值無限趨近于0的時候，所求出的車輛數(shù)量即為每條疏散路徑疏散人口的最優(yōu)疏散車輛數(shù)，在采用計算機模擬計算時，可以將F值取為0從而得到每條路徑的車輛分配數(shù)量。

假設從所有的集結點到所有的安置點共有K條路徑，每條路徑的單次疏散時間為ETi；假設每輛車可以運載a人，則每條路上分配到的車輛數(shù)為Nk，車輛總數(shù)為N；ni為第i條疏散道路所有的路段數(shù)量為n，tij則為第i條路上第j個路段的單次疏散時間。

N=N1+N2+…Nk；

(9)

(10)

(11)

3實驗與比較

3.1實驗

本文以GoogleMapAPI為開發(fā)平臺，采用C#開發(fā)完成了大范圍的多層次應急疏散平臺。以國家“八六三”計劃項目的示范區(qū)域山東省德州市為實驗，采用基于無人機等低空遙感平臺采集的實時交通信息，以及災害區(qū)域內的道路損毀信息，假設山東德州發(fā)生地震，獲取到了實時交通信息及災害損毀信息，采用本文提出的多層次應急疏散模型，確定危險區(qū)域，選取集結點和安置點，整個實驗區(qū)的道路網G={V，E，W}，其中路網的實時速度V={v1,v2,v3…}，阻斷曝光量E={e1,e2,e3…}，道路通行能力W={w1,w2,w3…}，確定道路通行能力值依次存入到W集合中，并與V，E相對應，建立實驗區(qū)的道路網拓撲，以及對道路網的疏散能力進行評估。

圓形覆蓋的區(qū)域中心為災害點，圓形區(qū)域為災害區(qū)域，選取山東德州市的4個集結點：S1、S2、S3、S4，ID號分別為41、55、49、54，以及8個安置點：T1，T2，T3，T4，T5，T6，T7，T8，ID號依次為：24、237、76、75、238、9、8、4。通過多層次應急疏散平臺，將道路網和依據(jù)集結點和安置點所構建的Voronoi實現(xiàn)圖層疊加，如圖4所示，根據(jù)其空間匹配關系，得到的集結點和安置點的配對信息表存入到實時數(shù)據(jù)庫中。根據(jù)多層次應急疏散模型，實現(xiàn)集結點到安置點的K條最優(yōu)路徑優(yōu)化與車輛分配，生成應急疏散路徑、疏散人數(shù)、車輛分配，具體如圖5所示。

圖4　集結點與安置點的Voronoi圖與空間匹配關系示意圖

圖5　應急疏散路徑與車輛分配結果

圖5中淡藍色圓形覆蓋的區(qū)域為設置了中心災害源后所定義的模擬災害區(qū)，位于災害區(qū)域內的黑色圓點為模擬決策者選取的集結點，位于安全區(qū)域內的紅色三角形為安置點。按照系統(tǒng)自動對所有的集結點和安置點賦予ID標示，圖中;ID號為：41、55、49、54是集結點的ID號，ID號為：24、237、76、75、238、9、8、4是安置點。由于本文實驗所用基礎路網與Googlemap基礎路網存在差異性，所以每一條路徑并沒有完全的與其重疊。并且多源-多匯分配方案可以從圖中讀取，具體內容如表4所示。

表4　應急疏散人口分配及車輛分配方案表

3.2與國內外方法的比較

歐美國家發(fā)生災害后，受災群眾會驅車自主疏散。由于我國目前私家車普及率低且人口數(shù)量、密度大，所以采用國外應急疏散模式并不適用我國國情。因此，本文所提出的模型主要針對我國某些區(qū)域發(fā)生大型災害后，政府將受災群眾集體式的從危險區(qū)域內多個集結點轉移到安全區(qū)域內的多個安置點。同時我們提出的多層次應急模型和疏散方法是針對災害定位、道路災害損毀和疏散能力評價方法、集結點和安置點選取與空間配對、多集結點和多安置點人口持有率和容納量的配比及疏散路徑的優(yōu)化、以及基于疏散時間最短的全局最優(yōu)條件下每條疏散路徑上車輛分配。與國外現(xiàn)有應急疏散模型或方法的對比主要體現(xiàn)在：應對災害類型、確定災害范圍功能、集結點和安置點選取、疏散路徑推薦、車輛分配等，具體對比內容如表5所示。

從表5中可以看到，歐美發(fā)達國家現(xiàn)有的應急疏散模型大部分針對颶風、核電站、室內火災等易發(fā)災害，而我國目前面臨最嚴重的災害就是地震及地震引發(fā)的次生災害。針對應對災害類型的不同，所適用的應急疏散模型功能、機制也會有所不同。

4結論

針對我國災害條件下高密度人口的集體疏散模式，以道路實時速度和路面損毀程度所決定的道路阻抗性作為評判道路疏散能力的依據(jù)，提出了從多集結點到多安置點的多層次應急疏散模型，確定待疏散群眾的疏散路徑、人數(shù)和車輛數(shù)，并以山東省德州市作為實驗區(qū)域，采用GoogleMap API和C#搭建多層次應急疏散平臺。與國內外應急疏散模型進行比較和分析，驗證了該模型對國內國情的適用性較高且應對細節(jié)更加豐富。對于中國集體疏散模式下應對各種自然災害的應急疏散，目前的研究只是剛剛開始，尤其是對于大規(guī)模和大區(qū)域范圍的應急疏散仿真將有待進一步的研究。

表5　本文方法與國內外方法比較

參考文獻：

[1]Lewus D C. Transportation planning for hurricane evacuations[J]. ITE Journal, 1985,55 (8)：31-35.

[2]Hobeika A G, Kim C. Comparsion of traffic assignments in evacuation modeling[J].IEEE Transactions on Engineering Management, 1998, 45(2):192-198.

[3]Hobeika A G, Kim S, Beckwith R E. A decision support system for developing evacuation plans around nuclear power stations[J].Interfaces,1994,24(5):22-35.

[4]Cova T J, Johnson J P. Microsimulation of neighborhood evacuations in the Urban-wildland Interface[J].Environment and Planning, 2002,34(12): 2211-2229.

[5]張瑋晶.特大地震災害應急救援中理性戰(zhàn)略的建立與實施[J]. 災害學, 2014,29(4): 155-158.

[6]曹彥波，李永強，曹刻,等. 基于GIS技術的地震應急異地疏散接受能力判斷模型研究[J]. 地震研究，2008，31:624-628.

[7]劉春年，鄧青箐. 應急決策信息系統(tǒng)最優(yōu)路徑研究——基于路阻函數(shù)理論及Dijkstra算法[J]. 災害學，2014,29(3):18-23.

[8]李清泉，李秋萍，方志祥.一種基于時空擁擠度的應急疏散路徑優(yōu)化方法[J].測繪學報，2011,40(4):518-522.

[9]Wang Z., Jia F, Galea E R. Simulating one of the CIB W14 round robin test cases using the SMARTFIRE fire field model[J]. Fire Safety Journal, 2001, 36(7):661-677.

[10]Cwynne S, Gelea E R. Arcview of the methdologics used in the computer simulation of evacuation from the build enviroment[J]. Building and Enviroment, 1999, 34:741-749.

[11]Yu J, Pande A, Nezamuddin N, et al. Routing strategies for emergency management decision support systems during evacuation[J]. Journal of Transportation Safety & Security, 2014, 6(3): 257-273.

[12]Lu L, Yun T L, Li L.A comparison of phase transitions produced by paramics, transModeler, and VISSIM[J]. IEEE Intelligent Transportation Systems Magazine, 2010,2(3):19-24.

[13]王元慶，周偉，呂連思. 道路阻抗函數(shù)理論與應用研究[J].公路交通科技，2003,21(9):82-85.

[14]王煒,鄧衛(wèi)楊琪,等著. 公路網絡規(guī)劃建設與管理方法[M].北京：科學出版社，2001,101-103.

[15]許添本,呂獎慧. 地震救災最小風險路徑選擇模式之建立與應用[J].國立臺灣大學臺大工程學刊，2002,85:32-47.

[16]Ahuja R K, Magnanti T L.Network flows: Theory, algorithms and applications[M].New Jersey: Prentice Hall.2000:34-78.

[17]Chang J C, Cheng R C, Shih H T, et al. Maximum freedom last scheduling algorithm for downlinks of DSRC networks[J], IEEE Intelligent Transportation Systems Society, 2007,8(2):223-232.

[18]顏佑啟，歐陽建湘. 最短路-最大流交通分配法[J]. 中國公路學報，2005,18(4): 91-95.

[19]向劍平，王悅，胡劍. 基于道路網絡的首先優(yōu)化路徑搜索算法[J]. 計算機工程，2011,37(12):54-55.

[20]唐爐亮,常曉猛,李清泉. 出租車經驗知識建模與路徑規(guī)劃算法[J]. 測繪學報, 2010, 39 (4):404-409.

[21]Maher L, Tiravat A, Siamak A. A dynamic transportation planning support system for hurricane evacuation[C]//2006 IEEE Intelligent Transportation Systems Conference. Toronto, Canada, 2006:612-617.

杜愛軍,魏鳴,王炳赟. 下?lián)舯┝鞯娜S仿真和回波特征分析[J].災害學, 2015,30(2):186-192,234. [Du AiJun, Wei Ming and Wang Bingyun. Three-dimensional simulation and echo characters analysis on downbursts[J]. Journal of Catastrophology, 2015,30(2)：186-192,234.]

Research on the Multi-levels Emergency Evacuation Model underDisaster Conditions

Tang Luliang1, Yang Xue1, Liu Zhang1, Wang Xuehao1, Jin Chen1and Dong Kun2

(1.StateKeyLaboratoryofInformationEngineeringinSurveying,MappingandRemoteSensingof

WuhanUniversity,Wuhan430079,China; 2.AerospaceHengxinTechniqueLLC(503Institute),

Beijing100086,China)

Abstract:So many major disasters happened in the world every year and lead to serious loss to the property and personal safety. How to formulate emergency evacuation model for high-density city under the disasters condition is very important for human being. China has many high-density cities and when the disaster happened people there will be delivered by the government. So the difference between other developed countries and China is the evacuation model belongs to a kind of collective evacuation. Multi-level Emergency Evacuation Model (MEEM) is put forward, which determines the space match between the multi-gathering places (Origins) in the disaster area and multi-setting places (Destinations) in the safe area. Based on the real road traffic and road damage in varying degrees, MEEM measures the road evacuation ability use the road impedance which is decided by road speed and pavement damage limited to the evaluation target. MEEM plans the routes from the Origins to the Destinations, and decide the numbers of the evacuation cars and population on the every route. Finally, an emergency evacuation case has been done in this paper with the data base of Shandong province, and a function compare has been done between the proposed model with other evacuation models, and the result validates the MEEM to be a promising method which fits to the Chinese condition.

Key words:Multi-level Emergency Evacuation Model; spatial point matching; the optimal K path; vehicle allocation; emergency evacuation platform

doi:10.3969/j.issn.1000-811X.2015.02.035

中圖分類號：P208 ；X43

文獻標志碼：A

文章編號：1000-811X(2015)02-0179-07

作者簡介：唐爐亮(1973-)，男，湖南湘潭人，博士(后)，教授，博士生導師，主要從事時空GIS、交通地理(GIS-T)，時空數(shù)據(jù)獲取與分析等研究. E-mail: tll@whu.edu.cn通訊作者：楊雪(1989-),女，寧夏銀川人，博士研究生，主要從事時空數(shù)據(jù)獲取、處理和分析.E-mail: yangxuez@126.com

基金項目：國家自然科學基金資助項目(41271442,40801155)；中國航天科技集團公司衛(wèi)星應用研究院創(chuàng)新基金資助(2014CXJJ-DSJ02)；深圳市北斗衛(wèi)星應用工程技術研究中心資助

收稿日期：2014-10-28修回日期：2014-12-04