陳　鵬，石少沖，王鋼強

(中國人民公安大學 信息技術與網(wǎng)絡安全學院，北京 102600)

?

公共環(huán)境下密集人群踩踏事故的預警系統(tǒng)研究

陳鵬，石少沖，王鋼強

(中國人民公安大學 信息技術與網(wǎng)絡安全學院，北京 102600)

目前關于公共環(huán)境下的密集人群踩踏事故預警更多的是從人群的流量和密集度等特征的識別來進行風險的預警，缺乏對事故整體的系統(tǒng)性考慮。本文基于密集人群聚集踩踏事故的機理，建立了基于人群風險監(jiān)測、風險分析、風險預警/處置等技術手段的密集人群踩踏事故預警系統(tǒng)。該系統(tǒng)的構(gòu)建將有利于提高公安部門大型活動的應急能力與水平。

密集人群；踩踏事故；應急管理；預警

隨著我國社會生活的日益豐富，在城市公共場所舉辦的大型政治、文化、體育、宗教、民俗等方面的活動逐漸增多，同時也帶來了一系列的安全隱患，其中最為突出的便是人群發(fā)生擁擠而導致的踩踏等群死群傷事故。大型活動中的擁擠踩踏事故是一個多因素、多變量、多層次的復雜系統(tǒng)。在該系統(tǒng)中，除活動場所等環(huán)境特征外，參與活動的人群個體的心理與行為也存在著各種不確定性和復雜性。

從風險的角度來講，大型活動發(fā)生踩踏事故本身是各種風險因素綜合作用的結(jié)果。對這些事故而言，人群的聚集并不是造成踩踏事故發(fā)生的根本原因，而是人群聚集的風險超過了活動本身所能承受的極限，而在這個過程中，應急管理部門尤其是公安部門對公眾聚集活動的實時有效監(jiān)測和預警對防止大規(guī)模群體性踩踏事故的發(fā)生十分關鍵。近年來，一些研究機構(gòu)和學者針對人群密集聚集的風險預警陸續(xù)從方法、模型和系統(tǒng)上開展了一些工作，如在密集人群的快速識別方法上，佟瑞鵬等提出了聚集指數(shù)方法[1]，Yukio等提出了時間序列數(shù)據(jù)的圖形可視化聚類方法和基于馬爾可夫隨機場 (MRF) 的實時人群密度估計法[2-3]等；在復雜人群聚集風險系數(shù)評估方面，F(xiàn)ruin提出了FIST 模型[4]，孫燕提出了描述人群聚集風險的DICE 模型[5]，Church等通過構(gòu)建臨界簇模型(Critical Cluster Model，CCM) 提出了一種針對區(qū)域節(jié)點的全局疏散風險定量評價方法[6]，常慶龍等提出了一個由場景前景二值圖的歸一化前景面積和二維聯(lián)合熵組成的人群聚集檢測模型[7]。但是從目前已有的工作來看，現(xiàn)有的研究主要集中在兩個方面，一是以人流量實時監(jiān)測監(jiān)控為主的預警研究，另一個是以圖像和視頻分析為主的人群密集度異常檢測研究。但是從總的方面來看，無論是人流量過大還是人群密集度異常都只是密集人群踩踏事故發(fā)生的一個方面，踩踏事故的發(fā)生是人群由分散到形成聚集，從聚集到過度聚集，再進而發(fā)生擁擠等多個環(huán)節(jié)連續(xù)耦合作用的結(jié)果，因而對人群的密集聚集踩踏事故預警就不能僅從個別關鍵階段進行著手，而是需要從過程的每一個階段建立起完整有效的監(jiān)測與預警機制才能從根本上防范和阻止踩踏事故的發(fā)生?；诖耍疚膹拿芗巳簱頂D踩踏事故的發(fā)展機理入手，以人員密集聚集的風險為核心，基于公安部門現(xiàn)有的大型活動應急管理與指揮體系及相關技術，從監(jiān)測、預警和處置三個方面開展構(gòu)建密集人群擁擠踩踏事故預警系統(tǒng)研究。

1　公共環(huán)境下密集人群踩踏事故的動態(tài)機理分析

在公共環(huán)境下密集人群擁擠踩踏事故機理方面，一些學者開展了一些基礎性和開創(chuàng)性的研究，例如，周曉冰按照事故發(fā)生的誘因?qū)頂D踩踏事故發(fā)生模式分為自發(fā)和引發(fā)兩大類[8]。其中自發(fā)模式主要是因為人群流動的速度、方向紊亂而造成的擁擠踩踏事故，而引發(fā)類事故則是由于自然災害、技術管理、事故災難等外界因素引發(fā)的人群突然崩潰所導致的踩踏事故。

對于自發(fā)型踩踏事故，引發(fā)公共環(huán)境下人群交叉、聚集的原因是特定地區(qū)存在的一個或若干個目標事件。所謂的目標事件是指能夠吸引、驅(qū)動不同年齡、性別、身份和職業(yè)群眾朝特定區(qū)域的特定目標聚集的事件。比如上海外灘“12·31”擁擠踩踏事件的目標事件是上海外灘跨年晚會的燈光秀，北京密云彩虹橋事件的目標事件是迎春燈展，印度比哈爾邦省會巴特那踩踏事故的目標事件是該地區(qū)的宗教活動。人群因同一地區(qū)的同一目標事件而聚集，也會由于同一地區(qū)的不同目標事件而與其他的人流相遇、交叉。在活動現(xiàn)場環(huán)境人群容量尚未到達飽和的條件下，公共區(qū)域內(nèi)人群是安全的，或者風險處于較低的水平。但當人群不斷交叉、聚集時，區(qū)域內(nèi)的人群數(shù)量會逐漸地接近甚至超過區(qū)域的容量，此時可將不斷運動變化的人群視為一個復雜系統(tǒng)。根據(jù)“沙堆模型”理論[9]，一個處于運動狀態(tài)下的系統(tǒng)自身會在不需要外部干涉、引導的情況下自動演化到臨界狀態(tài)，在這個狀態(tài)中，系統(tǒng)中任何一個小的擾動，比如一粒沙的墜落所引起的后果將會是不可預測的，其結(jié)果可能會引起一些小的沙崩，但如果沙粒恰好墜落在適當?shù)奈恢蒙蠈l(fā)特大的沙崩。因此，如果將公共環(huán)境下的人群聚集過程看作一個正在運行的系統(tǒng)，在一定程度上人員的聚集并不一定會造成踩踏，只有人群聚集達到系統(tǒng)運行臨界值時，一旦受到內(nèi)外界擾動因素的影響，系統(tǒng)就會發(fā)生災難性崩潰。因此，可將公共環(huán)境下密集人群擁擠踩踏事故發(fā)生機理描述如圖1所示。

圖1　公共環(huán)境下密集人群擁擠踩踏事故發(fā)生機理模型

對于人群系統(tǒng)，引發(fā)踩踏的擾動形式可以有多種，既包括事故類擾動，如突然停電、自寬敞空間進入較狹窄的出入口、建筑物的倒塌、爆炸的發(fā)生等，也有人為的擾動，如現(xiàn)場環(huán)境下由于信息傳輸不暢所引發(fā)的謠言傳播、人群中個別脆弱性個體的摔倒等。對此，可將踩踏的發(fā)生簡化為以下過程，其中環(huán)境容量指某特定環(huán)境下不會造成踩踏事件時所能容納人群的最大數(shù)量。

(1)當人群數(shù)量遠小于或低于環(huán)境容量時(“小于”指現(xiàn)階段人群數(shù)量和環(huán)境容量沒有在同一個量級上)，此時人群因數(shù)量和密度較低，有足夠大的緩沖空間，因此即便發(fā)生外界的擾動也不會輕易產(chǎn)生踩踏。

(2)當人群數(shù)量接近環(huán)境容量時，此時人群的密度和數(shù)量開始接近飽和，事故風險開始上升并達到較大水平，但此時人群系統(tǒng)仍處于相對穩(wěn)定狀態(tài)，對擾動具備一定的抗干擾性，只有在發(fā)生較強擾動的作用下會使人群發(fā)生混亂，但只要應急處置及時不會發(fā)生較大的傷亡。

(3)當人群數(shù)量達到甚至高于環(huán)境容量時，此時人群的密度達到極大值，發(fā)生踩踏事故的風險也達到最高水平，這時人群將會處于極度脆弱的階段，在任何的微小擾動的作用下都可能會發(fā)生人群崩潰，造成較大的人員傷亡。

通過分析可以看出，密集人群聚集發(fā)生踩踏事故的關鍵為實時的人流量過大和人群聚集的密集度過高以及系統(tǒng)的擾動作用。因此，對于公安等應急部門而言，密集人群的聚集踩踏事故預防就需要從人群風險控制的角度來對人流量和人群密集度等指標進行實時監(jiān)測與采集，在此基礎上，通過依托公安現(xiàn)有的指揮、情報分析等綜合系統(tǒng)來對監(jiān)測信息進行實時分析，然后根據(jù)分析結(jié)果來進行相應的預警和處置工作。

2　密集人群踩踏事故預警系統(tǒng)

基于公共環(huán)境下密集人群擁擠踩踏事故的發(fā)生機理，提出了面向公安應急的基于實時監(jiān)測技術的密集人群踩踏事故預警系統(tǒng)。系統(tǒng)的結(jié)構(gòu)圖如圖2所示。該系統(tǒng)從結(jié)構(gòu)上分為風險監(jiān)測部分、風險分析部分與預警/處置部分。

圖2　密集人群踩踏事故監(jiān)測預警系統(tǒng)組成

2.1風險監(jiān)測部分

系統(tǒng)的監(jiān)測部分分為兩個主要模塊，一個是外圍人流的實時監(jiān)測，另一個是現(xiàn)場內(nèi)的重點區(qū)域?qū)崟r監(jiān)測。兩者之間是既存在聯(lián)系又存在區(qū)別的關系，其中外圍人流監(jiān)測主要對人流量進行數(shù)據(jù)獲取以便于獲得現(xiàn)場人群總量的動態(tài)評估來判斷是否達到飽和以及何時會達到飽和，而重點區(qū)域的實時監(jiān)測則主要是對現(xiàn)場內(nèi)已聚集人群的動態(tài)監(jiān)控來判斷群體行為的異常性。

(1)外圍人流監(jiān)測

外圍人流的監(jiān)測可通過WIFI電子圍欄、視頻技術裝置以及GIS實時熱點地圖等方法來實現(xiàn)。其中WIFI電子圍欄為公安專用制式設備，其主要功能是通過部署在路口、地鐵站口、建筑物出入口等室內(nèi)外場點，利用數(shù)據(jù)分析和數(shù)據(jù)挖掘技術對采集的手機等無線設備信息進行分析，可用于人流計數(shù)、目標追蹤、軌跡記錄等。視頻計數(shù)裝置是通過圖像和視頻分析來對出入口的人流量進行辨別與統(tǒng)計的設備，其主要核心技術包括人流檢測、人流跟蹤和人流計算算法，目前已開發(fā)的視頻人流計數(shù)系統(tǒng)包括有基于OpenCV的視頻人流計數(shù)系統(tǒng)[10]、融合視頻與激光信息的人流計數(shù)方法和基于角點軌跡跟蹤的人流計數(shù)方法[11-12]。GIS實時熱點地圖則是以地理信息系統(tǒng)為平臺，通過集成人群個體信息來實現(xiàn)人群密度識別的方法，目前熱點地圖分析最普遍的方法是核密度估計[13]，其算法核心是為在每一個目標點設置一個核函數(shù)，然后根據(jù)其他點距離該點的距離(距離越大，對該點影響越大，反之，距離越小，對該點影響越小)計算出該點的概率密度函數(shù)值，最后整合所有數(shù)據(jù)點的核密度函數(shù)，得到總體的概率密度函數(shù)。

(2)重點區(qū)域監(jiān)測

現(xiàn)場中的重點區(qū)域往往是人群密集聚集的部位，這些區(qū)域由于人群密度較高，因此探測手段往往需要依靠現(xiàn)場的高清視頻裝置，如部署于制高點的探頭、無人機攜帶的視頻采集裝置以及單兵圖像采集裝置等。這些設備采集的重點信息是現(xiàn)場人群的異常行為特征以便于判斷人群聚集的風險性。根據(jù)文獻[14]的研究，現(xiàn)場人群監(jiān)測的主要目標為聚集人群的流向、密度、密度變化率、持續(xù)時間、速度、速度變化率等能夠反映人群聚集狀態(tài)和運動狀態(tài)的參數(shù)。目前用于人群運動速度特征提取的算法有基于DPIV的互相關算法[15]、基于粗糙集融合支持向量機的智能視覺技術等[16]，用于人群密度分析的算法有計算機視覺半監(jiān)督學習算法[17]、基于完全局部二值模式的人群密度估計算法和基于馬爾可夫隨機場的人群密度監(jiān)測算法等[2-3]。

2.2風險分析部分

分析部分的主要功能是在前端監(jiān)測監(jiān)控數(shù)據(jù)采集的基礎上，對數(shù)據(jù)進行加工處理和整合，利用風險評估方法及工具，對現(xiàn)場人群的人群特征信息、人群密度閾值、人群壓力閾值以及人群聚集風險的總閾值和公共場所中高風險關鍵節(jié)點進行評估[18]，經(jīng)過綜合分析計算后，獲得踩踏事故發(fā)生的風險水平。具體方法可采用文獻[19]提出的擁擠踩踏事故風險定量評價模型。該模型的基本原理是通過估算區(qū)域內(nèi)滯留人數(shù)和區(qū)域場內(nèi)所受影響的總?cè)藬?shù)的比值來表示擁擠踩踏事故的概率，即：

(1)

(2)

式中：P為擁擠踩踏事故的概率；NS為區(qū)域滯留人數(shù)；NT為受影響的總?cè)藬?shù)；N1為從自由疏散開始時刻(t=0)到T時刻經(jīng)n個內(nèi)部通道分支入口最后匯集到總出口的集結(jié)人數(shù)；N2為從自由疏散開始時刻(t=0)到T時刻經(jīng)總出口疏散出的總?cè)藬?shù)；f′(t)為第i個入口分支的人群流動系數(shù)(人/(m·s));B′(t)為第i個入口分支的人流寬度(m);f(t)為出口人群流動系數(shù)(人/(m·s));B(t)為總出口人流寬度(m)。

則人群擁擠踩踏事故風險值可用下式計算：

(3)

式中：θ為踩踏事故的觸發(fā)因子，NF為t時刻滯留人群中的死亡人數(shù)。

2.3風險預警/處置部分

該部分的主要功能是在對人群密集聚集實時監(jiān)測和綜合分析評價的基礎上，根據(jù)風險分析的結(jié)果，對現(xiàn)場人群進行信息反饋、對現(xiàn)場警力進行預警信息發(fā)布和處置指令的發(fā)送。對現(xiàn)場人群，由于人流量接近或達到飽和容量時現(xiàn)場環(huán)境會處于高度擁擠和聚集狀態(tài)，因此需要綜合利用各種信息發(fā)布手段對人群進行信息提示并提供疏散建議和信息。一般情況下可綜合利用包括現(xiàn)場廣播系統(tǒng)、LED顯示屏以及短信群發(fā)裝置進行信息的發(fā)布，一方面消除現(xiàn)場人群擁擠狀態(tài)下可能出現(xiàn)的謠言，另一方面安撫人群情緒，避免出現(xiàn)恐慌、緊張等異常心理。對于現(xiàn)場應急警力，則需要應急指揮中心綜合利用公安專業(yè)應急通信手段及設備，包括動中通、無線數(shù)字集群、移動警務等對現(xiàn)場區(qū)域內(nèi)的每一個應急部門、甚至每一個警力發(fā)送個性化指令，根據(jù)現(xiàn)場風險關鍵點的分布就近指揮應急警力開展應急工作，包括封閉出入口截斷外圍人流進入、加強現(xiàn)場人群的疏散疏導、現(xiàn)場秩序維持，受傷人員的情緒安撫、搶救傷者等。

3　結(jié)論

公共環(huán)境下的密集人群聚集踩踏事故是一個動態(tài)復雜的過程，受人群聚集行為、內(nèi)外擾動等多種因素的綜合影響。本文根據(jù)公共環(huán)境下密集人群聚集踩踏事故的動態(tài)演變特點，建立了密集人群踩踏事故的機理模型，并根據(jù)公安應急部門現(xiàn)有的信息采集手段和技術以及業(yè)務特點，構(gòu)建了密集人群踩踏事故監(jiān)測預警系統(tǒng)。該系統(tǒng)在功能上具備了風險監(jiān)測、風險分析和風險預警/處置等多種結(jié)構(gòu)，能夠適應于大型社會活動的管理和預警指揮等復雜應急場景，對提高和完善公安面對突發(fā)性社會安全事件的應急指揮能力具有一定的意義。

致謝：本論文工作受公共安全協(xié)同創(chuàng)新中心與清華大學公共安全研究院支持，在此表示感謝。

[1]佟瑞鵬，高平，劉欣，等.大型活動事故風險評估模型與方法研究[J].中國安全科學學報, 2014, 24(3):150-155.

[2]SandahiroY，KobayashiT.Exploratoryanalysisoftimeseriesdata:Detectionofpartialaimilarties，clustering，andvisualization[J].Computer，EnvironmentandUrbanSystems, 2014, 45(2):24-33.

[3]ParagiosN,RameshV．AMRF-basedApproachforReal-TimeSubwayMonitoring[R]．Proceedingsofthe2001IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.CVPR, 2001,USA, 1034.

[4]FruinJ．TheCausesandPreventionofCrowdDisasters．FirstInternationalConferenceonEngineeringforCrowdSafety,London,England, 1993.

[5]孫燕，李秋菊，李劍鋒，等. 城市重點公共區(qū)域人群聚集風險的實時定量技術[J]. 中國安全生產(chǎn)科學技術, 2011, 7(8):147-153.

[6]RichardLC，ThomasJC.Mappingevacuationriskontransportationnetworksusingaspatialoptimizationmodel[J]．TransportationResearchPartCEmergingTechnologies，2000, 8(1):321-336.

[7]常慶龍，夏洪山. 利用歸一化前景和二維聯(lián)合熵的人群聚集檢測方法[J]. 武漢大學學報, 2013, 38(9):1126-1130.

[8]周曉冰，張永領. 大型社會活動擁擠踩踏事故機理分析及應對策略研究[J]. 災害學, 2015, 30(4): 156-163.

[9]何越磊，姚令侃，蘇鳳環(huán)，等.沙堆模型動力學特性與災害系統(tǒng)演化預測研究[J].自然災害學報, 2005, 14(4): 44-50.

[10]朱軍軍，程濤，杜明明.基于OpenCV的視頻人流技術系統(tǒng)的設計與開發(fā)[J].電腦知識與技術, 2010, 6(16): 4485-4487.

[11]鐘新玉，劉峽壁，魏雪，等.融合視頻與激光信息的雙向人流技術方法[C]//全國第22屆計算機技術與應用學術會議(CACIS·2010)暨全國第3屆安全關鍵技術與應用(SCA·2011)學術會議, 貴陽，2011.

[12]張森禹，陳增慧，劉正，等.一種基于角點軌跡統(tǒng)計跟蹤的人流技術新方法[J].軟件導刊, 2014,13(8):37-40.

[13]徐沖，柳林，周素紅，等.DP半島街頭搶劫犯罪案件熱點時空模式[J].地理學報,2013,68(12):1714-1723..

[14]李燾，金龍哲，馬英楠，等.大型活動客流監(jiān)測預警方法研究[J].中國安全生產(chǎn)科學技術, 2012, 8(4):75-80.

[15]王嘉悅，翁文國，張小樂.基于互相關算法的人員密集場所人群運動速度特征研究[J].中國安全生產(chǎn)科學技術,2014,10(6):5-11.

[16]李留箐，陳中良.基于視覺圖像踩踏風險預警研究[J].計算機仿真, 2015, 32(9):429-432.

[17]劉蔚.計算機視覺下半監(jiān)督學習的人員踩踏風險預警[J].科技通報, 2014, 30(4):128-130.

[18]胡成，郭婧婷，李強，等. 開放性公共場所人群聚集風險和關鍵點評估方法[J]. 中國安全科學學報, 2015, 25(12): 163-169.

[19]佟瑞鵬，李春旭，鄭毛景，等.擁擠踩踏事故風險定量評價模型及其優(yōu)化分析[J].中國安全科學學報, 2013, 23(12): 90-94.

Early Warning System Research to High Density Crowds in Public Environment

CHEN Peng, SHI Shaochong and WANG Gangqiang

(SchoolforInformationandCyberSecurity,People’sPublicSecurityUniversityofChina,Beijing102600,China)

Currently,thedevelopedearly-warningsystemoncrowdstampedeinpublicsiteweremostlybasedonpopulationflowanddensity,butfailedindevelopingthesystemfromwholeprocessofaccident.Thispaperreviewsthemechanismofstampedeandproposesanearly-warningsystemwhichorientatedtothehighdensitycrowdstampede.Thesystemisconsistingofrisksupervision,riskassessmentandwarning/dispositionfunctions.Theconceptofthiskindofsystemwouldbebeneficialtoemergencylevelandabilityofpoliceagenciesinrespondinghugesocialevents.

crowds;stampede;emergencymanagement;early-warning

2016-05-02

2016-06-06

“十二五”國家科技支撐課題(2015BAK12B03)；公安部技術研究計劃項目(2015JSYJC50)

陳鵬(1981-)，遼寧營口人，博士，副教授，研究方向為應急管理與智能決策. E-mail：chenpeng@ppsuc.edu.cn

X45；X9

A

1000-811X(2016)04-0181-04

10.3969/j.issn.1000-811X.2016.04.032

陳鵬，石少沖，王鋼強. 公共環(huán)境下密集人群踩踏事故的預警系統(tǒng)研究[J]. 災害學，2016，31(4)：181-184. [CHEN Peng, SHI Shaochong and WANG Gangqiang. Early Warning System Research to High Density Crowds in Public Environment[J]. Journal of Catastrophology，2016，31(4)：181-184. doi: 10.3969/j.issn.1000-811X.2016.04.032.]