王起全，李鵬昇

(中國勞動(dòng)關(guān)系學(xué)院 安全工程系，北京 100048)

0　引言

近年來，大型活動(dòng)中擁擠踩踏事故頻繁發(fā)生，在造成慘重的人員傷亡和社會(huì)負(fù)面影響的同時(shí)，也引起了社會(huì)的廣泛關(guān)注。據(jù)不完全統(tǒng)計(jì)，近15 a來，國內(nèi)至少發(fā)生了17起擁擠踩踏事故，造成至少140人遇難，338人受傷，其中有5起是由于大型活動(dòng)引起的事故，可想而知，解決大型活動(dòng)的安全隱患迫在眉睫。因此，針對大型活動(dòng)開展擁擠踩踏事故預(yù)警分析研究，已成當(dāng)今的熱點(diǎn)之一。

國外學(xué)者對擁擠踩踏事故的研究起步較早，相對比較成熟，法國心理學(xué)家Gustave Le Bon率先對危險(xiǎn)環(huán)境下人群聚集行為和心理變化進(jìn)行研究，提出從眾理論[1]；Dirk Helbing對疏散過程中人群的恐慌心理與從眾行為進(jìn)行了模擬和研究，提出著名的“社會(huì)力”模型[2]，隨后Kebel也提出微觀仿真模型，為擁擠踩踏事故疏散提供科學(xué)的參考和依據(jù)[3]；Lee和Hughes基于法國科學(xué)家Lighthill的運(yùn)動(dòng)波理論，對照車流運(yùn)動(dòng)與人群運(yùn)動(dòng)的相似性、人群運(yùn)動(dòng)周期和心理特性，構(gòu)建持續(xù)人群流動(dòng)模型[4]；Krausz等通過視頻分析方法，深入分析社會(huì)群體活動(dòng)的運(yùn)動(dòng)特征和事故機(jī)理[5]；Nelson和Maclennan在《Emergency Movement》中提出，當(dāng)人群密度在3.8人/m2以上時(shí)，可能會(huì)形成人群堵塞[6]，基于這個(gè)發(fā)現(xiàn)，Wirz等采用移動(dòng)技術(shù)和感知方法，對大型活動(dòng)進(jìn)行監(jiān)控與管理研究[7]。

國內(nèi)研究，在預(yù)防與控制方面，熊艷把場地內(nèi)的人群密度作為預(yù)警分級的指標(biāo)，在此等級上建立相應(yīng)的聚集人群管理控制方案[8]；李燾等確定大型活動(dòng)中安全監(jiān)測的5個(gè)重點(diǎn)部位，提出大型客流風(fēng)險(xiǎn)的預(yù)警方法[9]；王振、展懿、白銳、王艷、張慧等都先后基于事故機(jī)理，對擁擠踩踏事故的預(yù)防與控制提出了對策[10-11]。以上這些關(guān)于擁擠踩踏事故預(yù)防與控制的研究，都為社會(huì)活動(dòng)的順利運(yùn)行，避免事故發(fā)生，提供了借鑒。在事故機(jī)理方面，白銳基于安全承載量計(jì)算與持續(xù)人群流動(dòng)模型，結(jié)合人群因素，研究事故致因的《室外大型社會(huì)活動(dòng)擁擠踩踏事故機(jī)理研究》[12]；張青松以風(fēng)險(xiǎn)理論等多種理論方法為基礎(chǔ)，構(gòu)建人群擁擠踩踏事故風(fēng)險(xiǎn)(四階段)理論模型，分析事件發(fā)生原因[13]；胡清梅構(gòu)建SimCrowd實(shí)驗(yàn)仿真系統(tǒng)，對構(gòu)建的場景進(jìn)行仿真，對事故致因進(jìn)行分析[14]；佟瑞鵬等提出一種擁擠踩踏危害定量評價(jià)模型和方法[15]；張青松等依據(jù)Newton second law和“社會(huì)力”模型，對區(qū)域中行人之間的受力進(jìn)行建模，引進(jìn)“擁擠力”的思想，架構(gòu)行人受力微觀模擬模型并結(jié)合MAS技術(shù)進(jìn)行模擬分析[16]；王起全等采用灰色層次分析法、BP神經(jīng)網(wǎng)絡(luò)安全評估方法和賦權(quán)關(guān)聯(lián)度算法，對風(fēng)險(xiǎn)進(jìn)行數(shù)據(jù)方面的分析與評估，為其他學(xué)者研究踩踏事故提供評估方法[17-18]。

綜上，目前國內(nèi)外研究主要集中在大型活動(dòng)擁擠踩

踏事故機(jī)理、人群疏散、應(yīng)急對策三方面。隨著安全信息化的發(fā)展，大數(shù)據(jù)在公共安全方面的運(yùn)用逐漸被人們所認(rèn)識(shí)，曾范敬、張鶴飛結(jié)合擁擠踩踏事故特點(diǎn)，提出大數(shù)據(jù)技術(shù)在大型活動(dòng)擁擠踩踏事故危險(xiǎn)信息采集與分析、快速預(yù)測事態(tài)及提供解決方案等方面具有優(yōu)勢[19]，但如何運(yùn)用大數(shù)據(jù)技術(shù)開展擁擠踩踏事故預(yù)警分析，目前在國內(nèi)尚少有涉及。在此背景下，提出運(yùn)用大數(shù)據(jù)技術(shù)對大型活動(dòng)擁擠踩踏事故進(jìn)行預(yù)警模型的構(gòu)建和分析，研究擁擠踩踏預(yù)警模型與預(yù)警分析系統(tǒng)的可行性，提出合理的預(yù)控對策，并輔以實(shí)例進(jìn)行驗(yàn)證，為預(yù)防擁擠踩踏事故提供科學(xué)的技術(shù)指導(dǎo)和參考。

1　基于大數(shù)據(jù)的大型活動(dòng)擁擠踩踏事故預(yù)警分析系統(tǒng)構(gòu)建

大型活動(dòng)擁擠踩踏事故預(yù)警分析系統(tǒng)即是對預(yù)警區(qū)域內(nèi)的涉及到踩踏事故的致因進(jìn)行監(jiān)督預(yù)防，從而達(dá)到活動(dòng)中無事故早期征兆的預(yù)警系統(tǒng)。為了使預(yù)警分析系統(tǒng)兼具科學(xué)性與實(shí)用性，該系統(tǒng)運(yùn)用大數(shù)據(jù)技術(shù)對危險(xiǎn)因素進(jìn)行預(yù)警分析，其工作流程如圖1所示。

圖1　預(yù)警分析系統(tǒng)中大數(shù)據(jù)處理流程Fig.1　Large data processing flow in early warning analysis system

1.1　數(shù)據(jù)源

數(shù)據(jù)源獲取方式有多種途徑，如官方數(shù)據(jù)、半官方數(shù)據(jù)、各個(gè)平臺(tái)的數(shù)據(jù)、通過數(shù)據(jù)采集工具或軟件自行收集的數(shù)據(jù)、專門數(shù)據(jù)采集機(jī)構(gòu)等。本文大型活動(dòng)擁擠踩踏事故預(yù)警分析系統(tǒng)的數(shù)據(jù)源來自百度LBS開放平臺(tái)的實(shí)時(shí)路況，駕車、公交、騎行、步行路線規(guī)劃和導(dǎo)航服務(wù)數(shù)據(jù)，以及活動(dòng)場所中人群手機(jī)訪問百度APP時(shí)所攜帶的位置信息、網(wǎng)絡(luò)授權(quán)手機(jī)定位通話記錄、關(guān)鍵詞搜索記錄等。

1.2　數(shù)據(jù)提取和集成

大型活動(dòng)中人群信息的數(shù)據(jù)源提取和集成運(yùn)用批處理和流處理對數(shù)據(jù)進(jìn)行聚合和關(guān)聯(lián)，并存儲(chǔ)使之成為預(yù)警分析時(shí)有用的數(shù)據(jù)集。

1)批處理

預(yù)警分析系統(tǒng)中，數(shù)據(jù)批處理是將人群對地圖關(guān)鍵詞搜索記錄(PC端和Web端)數(shù)據(jù)先存儲(chǔ)后處理的過程，批處理流程如圖2所示[20]。

圖2　批處理流程Fig.2　Batch processing flow

在預(yù)警分析系統(tǒng)中，批處理流程的第一步是將網(wǎng)民的不同關(guān)鍵詞搜索數(shù)據(jù)進(jìn)行分塊歸類；第二步是將分塊的數(shù)據(jù)交給不同的Map階段處理；第三步是通過Map階段處理解析出中間結(jié)果，并寫入本地硬盤；第四步是Reduce階段，將硬盤中的中間結(jié)果讀取出來，并把相同關(guān)鍵詞搜索數(shù)據(jù)組織排序在一塊；最后一步是將組織排序好的結(jié)果輸出。

2)流處理

預(yù)警分析系統(tǒng)中，數(shù)據(jù)流處理是第一時(shí)間將大型活動(dòng)關(guān)于人群情況方面的大量數(shù)據(jù)視為數(shù)據(jù)流進(jìn)行處理分析，并輸出結(jié)果的處理過程。該數(shù)據(jù)在某時(shí)間段內(nèi)具有一定的作用，且作用大小隨時(shí)間的流逝而降低[21]，圖3為預(yù)警分析系統(tǒng)中的流處理流程，其處理對象主要是大型活動(dòng)人群手機(jī)訪問APP 時(shí)所攜帶的信息和網(wǎng)絡(luò)授權(quán)手機(jī)定位通話記錄等數(shù)據(jù)。

圖3　流處理流程Fig.3　Stream processing flow

1.3　數(shù)據(jù)分析

擁擠踩踏預(yù)警分析系統(tǒng)中的數(shù)據(jù)分析是利用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、數(shù)據(jù)統(tǒng)計(jì)技術(shù)來實(shí)現(xiàn)預(yù)測預(yù)警和輔助決策。機(jī)器學(xué)習(xí)是讓計(jì)算機(jī)有效學(xué)習(xí)，通過選取訓(xùn)練集，來使得計(jì)算機(jī)學(xué)習(xí)到其中的某一個(gè)一般規(guī)律，并運(yùn)用于實(shí)際；數(shù)據(jù)挖掘是將數(shù)據(jù)的潛在知識(shí)挖掘出來，并且這些知識(shí)可以描述或者預(yù)測數(shù)據(jù)的特征；數(shù)據(jù)統(tǒng)計(jì)是對提取和集成的有用信息進(jìn)行簡單的分析和歸類統(tǒng)計(jì)。

1.4　合理解釋

擁擠踩踏預(yù)警分析系統(tǒng)中的合理解釋是將數(shù)據(jù)分析的結(jié)果，通過熱力圖、人群流向圖、地圖搜索量這3種可視化與呈現(xiàn)技術(shù)，對數(shù)據(jù)進(jìn)行合理解釋。大型活動(dòng)擁擠踩踏預(yù)警分析系統(tǒng)中大數(shù)據(jù)技術(shù)的應(yīng)用如表1所示。

表1　大數(shù)據(jù)技術(shù)的應(yīng)用

1.5　預(yù)警分析過程中大數(shù)據(jù)技術(shù)的應(yīng)用

在擁擠踩踏預(yù)警分析過程中，將大數(shù)據(jù)可視化分析與呈現(xiàn)融入到傳統(tǒng)的預(yù)警分析過程，形成一個(gè)適用于大數(shù)據(jù)的預(yù)警分析過程[22]，其過程為監(jiān)測、識(shí)別、診斷和評價(jià)4個(gè)過程。

1)監(jiān)測。利用熱力圖、人群流向圖、地圖搜索量對大型活動(dòng)中的人群定位信息、關(guān)鍵詞搜索記錄、人群定位軌跡變化信息進(jìn)行監(jiān)測，整理、存儲(chǔ)、創(chuàng)立預(yù)警分析系統(tǒng)公共的數(shù)據(jù)集。

2)識(shí)別。以擁擠踩踏事故預(yù)警模型中設(shè)定的事故誘發(fā)因子為標(biāo)準(zhǔn)，對監(jiān)測數(shù)據(jù)實(shí)行識(shí)別，研究其是否存在擁擠踩踏事故早期征兆，判斷其可能導(dǎo)致的連鎖反應(yīng)，在必要時(shí)報(bào)警，并將識(shí)別的數(shù)據(jù)輸入到診斷環(huán)節(jié)。

3)診斷。根據(jù)識(shí)別的事故早期征兆進(jìn)行判斷，剖析成因、狀態(tài)、過程、發(fā)展趨勢，找出主要的致因，并將診斷結(jié)果輸入到評價(jià)與輸出環(huán)節(jié)。

4)評價(jià)。運(yùn)用大數(shù)據(jù)分析系統(tǒng)技術(shù)，對人群密度、分布、流向、聚集趨勢情況進(jìn)行危險(xiǎn)性評價(jià)。通過評價(jià)和輸出預(yù)警的等級，指導(dǎo)預(yù)控對策的制定與實(shí)施。

2　實(shí)例說明

2014年12月31日23時(shí)35分，上?？缒暌够顒?dòng)，因很多游客和市民聚集在上海外灘迎接新年，黃浦區(qū)外灘陳毅廣場進(jìn)入和退出的人流對沖，致使有人摔倒，發(fā)生踩踏事故，短短21 min的時(shí)間，踩踏事故共造成36人死亡， 49人受傷。

上海外灘擁擠踩踏事故當(dāng)晚，上海外灘的人群數(shù)量約為31萬人，嚴(yán)重超出場所所能容納的人數(shù)，區(qū)域中人群密度極高。事發(fā)當(dāng)天，在上海外灘的人群分布極度不均勻，局部區(qū)域人群過度擁擠，主要分布在陳毅廣場和外灘源附近。21時(shí)，陳毅廣場人群流量占50%；22時(shí)，陳毅廣場占人群流量60%～70%。當(dāng)晚，外灘人群流向混亂并存在成拱現(xiàn)象、異向人流現(xiàn)象等特征。

2.1　上海外灘擁擠踩踏事故預(yù)警分析

基于對上海外灘擁擠踩踏事故的魚刺圖分析，得出人群密度、人群分布、人群流向?yàn)槭鹿实闹饕T發(fā)因子，運(yùn)用大數(shù)據(jù)熱力圖、人群流向圖、地圖搜索量等預(yù)警分析技術(shù)，進(jìn)行上海外灘擁擠踩踏事故預(yù)警分析。

1)熱力圖預(yù)警分析

由于上海外灘擁擠踩踏事故發(fā)生時(shí)間為23時(shí)35分，運(yùn)用百度熱力圖軟件對當(dāng)晚22時(shí)左右的人群熱力圖進(jìn)行模擬，熱力圖如圖4所示。

圖4　上海外灘當(dāng)晚22時(shí)熱力圖Fig.4　Thermal map of Shanghai Bund at am 22:00 in the night of the accidents

根據(jù)熱力圖，針對人群分布較大的重點(diǎn)危險(xiǎn)區(qū)域，首先運(yùn)用CAD軟件算出各區(qū)域不同顏色小區(qū)域的面積S(m2)，其次根據(jù)各色密度范圍測算出相應(yīng)的人群數(shù)量W(人)，最后通過人群數(shù)量除以相應(yīng)區(qū)域面積得到平均人群密度ρ，分別對陳毅廣場區(qū)域、外灘區(qū)域、外灘源區(qū)域平均人群密度進(jìn)行計(jì)算，結(jié)果如表2～表4所示。

表2　陳毅廣場區(qū)域平均人群密度Table 2　Density of average crowd in Chen yi square

表3　外灘區(qū)域平均人群密度Table 3　The average population density of the Bund area

表4　外灘源區(qū)域平均人群密度Table 4　Average crowd density of the Bund source area

2)人群流向預(yù)警分析

對上海外灘當(dāng)晚22時(shí)左右的部分人群流向進(jìn)行研究，運(yùn)用手機(jī)基站定位軟件對歷史數(shù)據(jù)和信息進(jìn)行分析，該樣本數(shù)據(jù)來自百度LBS開放平臺(tái)，圖5中，每個(gè)小箭頭表示1位行人，其箭頭指向表示走向。剖析人群流向樣本圖可知，當(dāng)晚22時(shí)左右，大部分人群從南京東路走往陳毅廣場，部分人群從觀景平臺(tái)走向陳毅廣場，部分人群從外灘走向外灘源。在此，進(jìn)一步對外灘的人流進(jìn)行量化分析，繪制出人群流向，如圖6所示。圖中每條直線代表不同的人流方向，直線的半徑表示該方向的人流量大小。由人群流向圖可知南北流向的人流占41.6%，東西流向的人流占22.3%，其他流向的人流占36.1%，人群流動(dòng)方向十分混亂，整體呈現(xiàn)向陳毅廣場和外灘源聚集的趨勢。

圖5　人群流向樣本Fig. 5　Crowd flow to sample map

圖6　事故當(dāng)晚人群流向Fig. 6　Map of Crowd flow in the night of the accident

3)地圖搜索量預(yù)警分析

運(yùn)用百度指數(shù)軟件，對上海外灘事故當(dāng)天和之前2天的外灘關(guān)鍵詞搜索量進(jìn)行大數(shù)據(jù)統(tǒng)計(jì)，得出地圖搜索量，如圖7所示，其中包括30日和31日外灘地圖搜索量。

圖7　外灘地圖搜索量Fig. 7　Searching volume of Bund map

據(jù)統(tǒng)計(jì)和觀察，30日外灘地圖搜索量相比平時(shí)外灘搜索量的相對值范圍在0～2之間；而31日，外灘地圖搜索量峰相對值達(dá)到7.5，是平時(shí)峰值的3.75倍，在31日22時(shí)，外灘地圖搜索量相對值達(dá)到6.7，而30日22時(shí)的相對值為1.6，這就說明在未來的60～90 min后，仍有人群繼續(xù)聚集至上海外灘，即將聚集的人流量是往日的4倍以上。

2.2　上海外灘擁擠踩踏事故預(yù)警啟動(dòng)

根據(jù)上海外灘事發(fā)當(dāng)晚的熱力圖分析，人群分布集中，其中陳毅廣場顏色區(qū)域的平均人群密度最低值為2.508人/m2、外灘顏色區(qū)域的平均人群密度最低值為1.808人/m2、外灘源顏色區(qū)域的平均人群密度最低值為1.744人/m2，平均人群密度均高于0.75人/m2[23]，存在事故早期征兆；事發(fā)當(dāng)晚的人群流向圖分析表明，人流方向呈現(xiàn)混雜狀態(tài)，且人群前往陳毅廣場、外灘源聚集，將會(huì)導(dǎo)致人群分布更為不均，區(qū)域人群密度越來越大，存在事故早期征兆；事發(fā)當(dāng)晚的地圖搜索量分析表明，事發(fā)當(dāng)晚22時(shí)，外灘地圖搜索量相對值高達(dá)6.7，且該值呈現(xiàn)增長趨勢，在未來60～90 min后，將會(huì)有更多的人來到上海外灘，增加人群數(shù)量，存在事故早期征兆。綜上所述，事發(fā)當(dāng)晚22時(shí)，就已存在事故早期征兆，應(yīng)啟動(dòng)預(yù)警。

根據(jù)預(yù)警分析和事故早期征兆，結(jié)合Nelson and Maclennan人群密度預(yù)警等級及狀態(tài)結(jié)論[6]，判斷不同區(qū)域的預(yù)警分級，如表5和表6所示。

表5　預(yù)警分級狀態(tài)

表6　預(yù)警啟動(dòng)分級

通過表5，可以分析出上海外灘當(dāng)晚各個(gè)區(qū)域都應(yīng)啟動(dòng)Ⅱ級預(yù)警，并馬上實(shí)施預(yù)控對策。

2.3　上海外灘預(yù)控對策

基于前述上海外灘當(dāng)晚Ⅱ級警報(bào)預(yù)警分析結(jié)果，提出預(yù)防擁擠踩踏事故發(fā)生的對策。預(yù)控對策與當(dāng)時(shí)實(shí)際過程中采取的對策進(jìn)行對比，如表7所示。

表7　上海外灘預(yù)控對策分析

表7(續(xù))

圖8　上海外灘附近公安局/醫(yī)院地點(diǎn)Fig.8　Shanghai Bund near the public security bureau/hospital location map

圖9　上海外灘附近路線Fig.9　Shanghai Bund near the road map

圖10　隔離欄設(shè)置Fig.10　Quarantine settings

圖11　上海外灘附近應(yīng)急避難場所Fig.11　Shanghai Bund near the emergency shelter

上海外灘踩踏事件后，上海市出臺(tái)了《上海市公共場所人群聚集安全管理辦法》，對重要節(jié)假日和重大活動(dòng)的舉辦，要求區(qū)(縣)人民政府組織公安、安全生產(chǎn)監(jiān)管、建設(shè)、交通、商務(wù)、旅游、衛(wèi)生計(jì)生、教育、文廣影視、體育、綠化市容、民政、民族宗教等相關(guān)部門通過多種途徑收集信息，對人群聚集公共場所和人群聚集活動(dòng)進(jìn)行風(fēng)險(xiǎn)評估，對重要時(shí)段的現(xiàn)場進(jìn)行監(jiān)測，對可能發(fā)生突發(fā)事件的，立即研判風(fēng)險(xiǎn)，及時(shí)采取預(yù)防性處置措施；對需要發(fā)布預(yù)警的，應(yīng)當(dāng)立即報(bào)告，并應(yīng)根據(jù)實(shí)際情況，采取廣播、電視、報(bào)紙、互聯(lián)網(wǎng)、通訊工具、宣傳車、警報(bào)器、電子顯示屏、高音喇叭等方式發(fā)布預(yù)警信息。本文預(yù)控對策基本符合《上海市公共場所人群聚集安全管理辦法》中的預(yù)警啟動(dòng)、發(fā)布、應(yīng)急資源聯(lián)動(dòng)等方面的規(guī)定，這也說明本文的相關(guān)預(yù)控對策在擁擠踩踏事故預(yù)警方面的可行性。

3　結(jié)論

1)結(jié)合系統(tǒng)安全理論和預(yù)防原理，運(yùn)用大數(shù)據(jù)技術(shù)建立擁擠踩踏事故預(yù)警模型，該預(yù)警模型包括擁擠踩踏事故預(yù)警分析系統(tǒng)、預(yù)控對策2個(gè)模塊，其中擁擠踩踏預(yù)警分析系統(tǒng)核心技術(shù)為大數(shù)據(jù)技術(shù)，為預(yù)控對策提供技術(shù)支撐。

2)對上海外灘擁擠踩踏事件進(jìn)行預(yù)警模型實(shí)例分析，首先研究上海外灘事故的誘發(fā)因子，即人群密度、人群分布、人群流向；其次運(yùn)用百度熱力圖等大數(shù)據(jù)技術(shù)，進(jìn)行預(yù)警分析，發(fā)現(xiàn)陳毅廣場區(qū)域、外灘區(qū)域、外灘源區(qū)域當(dāng)晚的人群密度過高，人群流向呈現(xiàn)混亂狀態(tài)，有向陳毅廣場和外灘源聚集的趨勢；地圖搜索量相對值是平常的3.75倍，并在22時(shí)達(dá)到4倍以上，意味著未來會(huì)有更多的人群聚集上海外灘，存在事故早期征兆；得出預(yù)警啟動(dòng)評價(jià)等級為Ⅱ級并提出上海外灘預(yù)控對策。

3)利用大數(shù)據(jù)技術(shù)進(jìn)行預(yù)警分析，可以高效率識(shí)別、判斷海量數(shù)據(jù)，變被動(dòng)為主動(dòng)，為預(yù)防大型活動(dòng)擁擠踩踏事故的發(fā)生提供技術(shù)支持。

[1]Gustave Le Bon.The Crowd A Study of the Popular Mind[M].Kessinger Publishing, 2003.

[2]Helbing D, Farkas I, Vicsek T. Simulating dynamical features of escape panic[J]. Nature, 2000, 407(6803):487.

[3]Keβel A, Klüpfel H, Schreckenberg M. Microscopic simulation of pedestrian crowd motion[A]// Pedestrian and Evacuation Dynamics[C]. 2002:193-202.

[4]Lee R S C, Hughes R L. Exploring trampling and crushing in a crowd[J]. Journal of Transportation Engineering, 2005, 131(8):575-582.

[5]Krausz B, Bauckhage C. Loveparade 2010: automatic video analysis of a crowd disaster[J]. Computer Vision & Image Understanding, 2012, 116(3):307-319.

[6]Nelson H E,MacLennan H A.Emergency Movement,SFPE Handbook of fire Protection Engineering[M]. NFPA Quincy MA, USA, 1988.

[7]Wirz M, Mitleton-Kelly E, Franke T, et al. Using mobile technology and a participatory sensing approach for crowd monitoring and management during large-scale mass gatherings[M]. Co-evolution of Intelligent Socio-technical Systems. Springer Berlin Heidelberg, 2013:61-77.

[8]熊艷, 馮志斌. 人員密集場所人流安全預(yù)警管控系統(tǒng)的探討[A]// 中國職業(yè)安全健康協(xié)會(huì)2009年學(xué)術(shù)年會(huì)論文集[C]. 2009.

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

LI Tao, JIN Longzhe, MA Yingnan, et al. Study on method for monitoring and early-warning of passenger flow in large-scale activities[J].Journal of Safety Science and Technology, 2012,8(4):75-80.

[10]劉茂, 王振. 人群擁擠踩踏事故的風(fēng)險(xiǎn)分析及預(yù)防控制[A]// 中國災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)年會(huì)[C]. 2006.

[11]白銳, 梁力達(dá), 田宏. 人群聚集場所擁擠踩踏事故原因分析與對策[J]. 工業(yè)安全與環(huán)保, 2009, 35(2):47-49.

BAI Rui, LIANG Lida, TIAN Hong. Analysis of cause and countermeasures of stampede accident in crowd-gathered place[J]. Industry Safety and Environmental Protection, 2009,35(2):47-49.

[12]白銳. 室外大型社會(huì)活動(dòng)擁擠踩踏事故機(jī)理研究[D]. 沈陽：沈陽航空工業(yè)學(xué)院, 2009.

[13]張青松, 劉金蘭, 趙國敏. 大型公共場所人群擁擠踩踏事故機(jī)理初探[J]. 自然災(zāi)害學(xué)報(bào), 2009, 18(6):81-86.

ZHANG Qingsong, LIU Jinlan, ZHAO Guomin. Discussion on cause mechanism of crowd crushing trampling accident in large-scale public places[J].Journal of Natural Disasters, 2009,18(6):81-86.

[14]胡清梅. 大型公共建筑環(huán)境中人群擁擠機(jī)理及群集行為特性的研究[D]. 北京：北京交通大學(xué), 2006.

[15]佟瑞鵬, 李春旭, 鄭毛景,等. 擁擠踩踏事故風(fēng)險(xiǎn)定量評價(jià)模型及其優(yōu)化分析[J]. 中國安全科學(xué)學(xué)報(bào), 2013, 23(12):90-94.

TONG Ruipeng,LI Chunxu,ZHENG Maojing,et al. A quantitative risk assessment model of crowded stampede accident and its optimization analysis[J]. China Safety Science Journal, 2013,23(12):90-94.

[16]張青松, 劉金蘭, 趙國敏. 人群擁擠踩踏事故后果微觀建模及模擬分析[J]. 安全與環(huán)境學(xué)報(bào), 2008, 8(4):164-168.

ZHANG Qingsong, LIU Jinlan,ZHAO Guomin.Microscopic modeling and simulation analysis for crowd crushing trampling accident consequence[J].Journal of Safety and Environment, 2008,8(4):164-168.

[17]王起全. 基于賦權(quán)關(guān)聯(lián)度算法的地鐵擁擠踩踏事故風(fēng)險(xiǎn)研究[J]. 中國安全科學(xué)學(xué)報(bào), 2013, 23(5):94-100.

WANG Qiquan. Research on crowded stampede accident risk at subway based on empowering related degree method[J]. China Safety Science Journal, 2013,23(5):94-100.

[18]王起全, 金龍哲. 大型活動(dòng)擁擠踩踏事故灰色層次分析[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2008, 10(5):500-503.

WANG Qiquan,JIN Longzhe. Analysis of GAHP in crowded stampede accidents in large-scale activities[J]. Journal of Liaoning Technical University (Social Science Edition), 2008,10(5):500-503.

[19]曾范敬, 張鶴飛. 大數(shù)據(jù)在預(yù)防踩踏事故中的應(yīng)用[J]. 中國人民公安大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2015, 31(3):79-84.

ZENG Fanjing, ZHANG Hefei. Application of large data in prevention of stagnation[J]. People’s public security university of China (social science edition), 2015，31(3):79-84.

[20]趙曦. 云計(jì)算架構(gòu)在銀行批處理流程優(yōu)化中的應(yīng)用研究[J]. 軟件導(dǎo)刊, 2013, 12(10):1-4.

ZHAO Xi. Research on the application of cloud computing architecture in bank batch process optimization[J]. Software Guide, 2013,12(10):1-4.

[21]李建輝, 陳俊旭, 單一唯. 大數(shù)據(jù)對公安情報(bào)流程影響研究[J]. 湖北警官學(xué)院學(xué)報(bào), 2015, 28(3):20-23.

LI Jianhui, CHEN Junxu, SHAN Yiwei.Research on the influence of large data on public security information flow[J]. Journal of Hubei University of Police, 2015,28(3):20-23.

[22]嵇方.會(huì)展活動(dòng)安全事故成因分析及預(yù)警模型研究[D].上海：同濟(jì)大學(xué),2007.

[23]北京市園林局. 公園、風(fēng)景名勝區(qū)安全管理規(guī)范: DB11/ 280—2005[S].北京：2005.