劉家林，賈斌*,2，劉正，姜銳，李新剛

（1.北京交通大學，交通運輸學院，北京 100044；2.西安工業(yè)大學，經濟管理學院，西安 710021；3.鄭州航空工業(yè)管理學院，管理工程學院，鄭州 450046）

0 引言

近年來，全球各類自然災害、事故災難、公共衛(wèi)生事件和社會安全事件頻繁發(fā)生，造成了巨大的經濟損失和人員傷亡。據統計，我國2020年各種自然災害造成1.38 億人次受災，緊急轉移安置589.1萬人次，直接經濟損失3701.5億元[1]。利用道路交通疏散受災人員是應對各種有預警災害事件（洪水、颶風、山火及危險品泄漏等）的有效方法，能夠最大限度地減少人員傷亡與財產損失。

就疏散交通方式而言，發(fā)達國家由于小汽車保有量高和人員居住分散等原因，早期的疏散研究和疏散組織多以小汽車疏散為主。然而，2005年美國新奧爾良的“卡特里娜”颶風造成1800 多人傷亡，其中，71%的遇難者年齡超過60 歲，47%的遇難者年齡超過75歲，可見，疏散老年人等無車群體對降低災害損失至關重要[2]。此后，發(fā)達國家開始重視多模式疏散交通研究和規(guī)劃，涵蓋疏散集結點選址，疏散路徑和時刻表規(guī)劃及多模式疏散網絡設計等[3]。對我國而言，人口老齡化日益嚴重，人均機動車保有量和道路密度均低于發(fā)達國家，人群高度聚集的大型活動較多，發(fā)展多模式交通協同疏散更符合我國現階段國情[4]。

多模式交通疏散的研究起步較晚，研究方法主要有：模擬仿真、網絡流模型和交通分配理論。金美蓮等[5]構建了具有統一尺寸元胞的元胞自動機模型，研究不同的步行、自行車和機動車混合比例對疏散時間的影響，結果表明：在一定混合比例下，多模式交通疏散可以提高疏散效率。為了克服仿真模型計算量大和普適性差的問題，多模式交通疏散問題常被建模為多商品網絡流模型，薛白等[6]考慮受災人員和物資網絡加載的差異性，構建了最小費用流模型，并提出一種基于時間擴展的最小費用路線算法求解模型。段曉紅等[7]為了提高救援交通的可靠性，建立救援與疏散協同優(yōu)化的雙層規(guī)劃模型，并設計一種雙層蝙蝠算法求解模型。ABDELGAWAD 等[8]提出涵蓋小汽車、公交車和地鐵的多模式交通疏散規(guī)劃框架，協同優(yōu)化車輛調度、路徑選擇和目的地選擇。WANG等[9]建立了多模式車隊和道路逆流聯合優(yōu)化的雙層模型，結合基于優(yōu)先級的最小費用流算法和禁忌搜索算法求解模型。相比單模式疏散，上述網絡流模型建模求解更加復雜，沒有考慮疏散交通的動態(tài)性，無法捕獲疏散交通流的動態(tài)傳播以及交通擁堵等現象。然而，由于供需矛盾突出，大規(guī)模疏散中極易發(fā)生交通擁堵，從而降低疏散效率或造成二次傷害。近年來，基于動態(tài)交通分配方法建模多模式疏散問題成為研究熱點，YANG等[10]提出了多模式動態(tài)系統最優(yōu)疏散模型，用雙排隊模型加載公交車流，以便捕獲擁堵排隊，基于連續(xù)平均法的序列優(yōu)化算法求解模型。LIU等[11]提出了疏散車輛和救援車輛協同的兩階段優(yōu)化模型，采用路段傳輸模型動態(tài)加載交通，研究不同的救援入口開放方案對救援和疏散的影響。上述研究中，需求端的車隊規(guī)模是輸入參數，沒有考慮車隊配置和車道分配的聯合優(yōu)化，疏散效率有望進一步提高。此外，以疏散時間最短為優(yōu)化目標，忽視災害的風險性，導致車輛為了節(jié)省旅行時間，可能多次穿越高風險區(qū)域，危害疏散人員的生命安全，與實際情況不符。

綜上所述，本文在考慮疏散交通動態(tài)性和風險性的基礎上，從平衡疏散系統供需矛盾的角度出發(fā)，將基于元胞傳輸模型的系統最優(yōu)動態(tài)交通分配框架（CTM-based SO DTA）[12]拓展到多模式交通動態(tài)疏散問題，以最小化疏散總風險為目標函數，構建多模式交通協同的動態(tài)疏散優(yōu)化模型，以實現疏散需求、車隊規(guī)模、路網能力以及疏散交通流量的協調優(yōu)化，降低疏散總風險，提高疏散效率。

1 問題描述

交通疏散的首要目標是盡快將受災人員轉移到避難所，避免引發(fā)交通擁堵?？紤]一個多源多匯的多模式交通疏散網絡G（N,A），其中，N為交叉口，A為路段。為了刻畫交通流量演化的動態(tài)性和捕獲交通擁堵產生與消散，采用元胞傳輸模型（CTM）加載疏散交通流，疏散網絡G（N,A）被離散為元胞網絡G（C,E），其中，C為元胞集合，E為元胞鏈接集合。

路段離散為多尺寸元胞如圖1 所示。在單模式交通網絡中，元胞尺寸相同，其長度等于車輛自由流速度乘以仿真時間步長，該規(guī)則確保了模型的穩(wěn)定性，使得任意時間步元胞上承載的車輛數守恒，如圖1（b）和圖1（c）所示。在多模式交通網絡中，疏散車輛的自由流速度和有效長度（包含最小安全間距）不同，進而導致元胞的尺寸、阻塞密度和通行能力參數不同。因此，根據多模式車輛的自由流速度，將路段離散為多尺寸元胞，如圖1（d）所示。每種類型的車輛只能在自己的元胞網絡中行駛，有效避免了統一尺寸的元胞劃分導致CTM模型不穩(wěn)定或車輛無法及時清空的問題，提升網絡清空時間估計準確度。

圖1 路段離散為多尺寸元胞示意圖Fig.1 Schematic diagram of discretization of road segments into multi-size cells

以小汽車和公交車參與疏散時，小汽車的自由流速度是公交車的2倍為例，多模式交叉口元胞的分流合流情況如圖2所示。

圖2 多模式交通交叉口元胞的合流分流示意Fig.2 Merging and diverging intersections of multimodal vehicles

上游元胞A中4輛小汽車占用4條車道，其中，2條車道是反向車道；元胞B中1條車道被1輛公交車占用；元胞A 和B 車輛合流進入下游的元胞C，小汽車占用2 條車道，其中，1 條為反向車道，公交車占用1條車道，1條車道未被使用；元胞C分流到下游的元胞D和元胞E，元胞D中2車道被占用，元胞E 中3 條車道被占用，包含1 條被小汽車占用的反向車道。

相比單模式交通疏散只優(yōu)化車道管理方案和疏散交通流量。在組織多模式交通疏散時，管理者需要同時決策車隊配置方案、車道分配方案以及疏散交通流量，更好地平衡疏散需求與道路供給，進一步提高疏散效率，降低疏散總風險。

2 模型建立

2.1 基本假設

基于《國家突發(fā)公共事件總體應急預案》[13]提出以下基本假設：

（1）疏散人員聽從管理者的統一指揮，疏散開始前，道路網絡上無疏散車輛運行，應急避難場所位置已知。

（2）災害周圍區(qū)域被劃分為高、中、低風險區(qū)，采用相對風險值衡量危險程度。

（3）受到固定的道路設施（中央分隔帶和護欄等）限制，難以頻繁改變車道管理方案，將車道變量描述為靜態(tài)的整數變量，且同一路段的車道分配方案相同。

2.2 符號說明

設元胞集合為C，包含風險源元胞集合CR，避難所元胞集合CS，普通中轉元胞集合CO，元胞索引為k,i,j；Γ-（i）為當前元胞i的上游元胞k的集合，即k∈Γ-（i）；Γ（i）為元胞i的下游元胞j的集合，即j∈Γ（i）；設E（i）與元胞i同屬一個路段的元胞集合；設元胞i的總車道數為Zi，包括對向車道數。

設車輛類型的集合為M，索引為m，其中，m類型車輛的有效長度（包含最小安全距離）為lm，最大載客量為pm，自由流速度vm，擁堵波傳播速度wm。

設時間步集合為Ψ={0,1,…,T}，索引為t，時間步長度為τ。其他參數包括：t時刻，m類型車輛在元胞i的通行能力為；t時刻，元胞i最多承載的m類型車輛數為；風險源元胞i中的疏散人數為Di（i∈CR）；t時刻，元胞i的相對風險水平為。

設離散變量di,m（i∈CR）為風險源元胞i內m類型車輛的數量，即多模式車隊的規(guī)模；設連續(xù)變量為t時刻元胞i內m類型車輛的數量；連續(xù)變量為t時刻從元胞i到元胞j的m類型車輛的數量；設整數變量zi,m為元胞i內m類型車輛占用的車道數量。

2.3 目標函數

在大規(guī)模交通疏散優(yōu)化問題中，通常基于Wardrop 系統最優(yōu)準則分配疏散交通流量，優(yōu)化目標一般為最小化所有人的總旅行時間或最小化網絡清空時間。但是，最小化時間成本的目標函數忽略了路網風險和災害擴散等因素，導致車輛盡量選擇最短路出行，無法通過繞行避開高風險區(qū)域，威脅疏散人員的生命安全。

此外，將分段線性的CTM 松弛為不等式約束產生了“車輛滯留”現象，表現為下游路段有足夠空間，但一些車輛仍然滯留在當前路段而沒有駛入下游路段[14]。在疏散中，應該避免車輛滯留在高風險區(qū)域，減少疏散人員的暴露風險和死亡威脅。鑒于此，本文提出最小化疏散總風險的目標函數為

式中：R為從時間和空間維度刻畫的疏散總風險，疏散人員越快離開較高風險區(qū)域，則疏散總風險越??；為乘坐m類車輛的疏散人員的總旅行時間；為乘坐m類車輛的疏散人員承擔的暴露風險；連續(xù)變量χm為消除“車輛滯留”現象而添加的懲罰項。

2.4 約束條件

為了平衡疏散系統的需求與供給，引入車隊配置約束和車道分配約束；為了模擬疏散交通在路網上的動態(tài)運行過程，捕獲疏散交通流狀態(tài)動態(tài)變化，引入流量動態(tài)加載約束和消除“車輛滯留”的約束。

2.4.1 車隊配置約束

式（2）為風險源i的總需求守恒約束，確保所有人都被疏散；式（3）為配置車輛的非負約束，可以采用單模式或多模式，具體車輛數由優(yōu)化確定。

2.4.2 流量動態(tài)加載約束

式（4）為路段上承載的各類車輛數守恒約束；式（5）為疏散車輛離開危險源元胞，進入疏散網絡；式（6）～式（9）為松弛的元胞傳輸模型約束，其中，式（6）和式（7）為元胞的發(fā)送函數，即當前元胞的流出量不超過該元胞承載的車輛數和最大通行能力；式（8）和式（9）為元胞的接受函數，即當前元胞的流入量不超過其最大通行能力和剩余空間；式（10）為所有車輛在疏散開始時刻加載到路網上；式（11）和式（12）為初始時刻網絡被完全清空；式（13）和式（14）為元胞的車輛數和流入、流出量的非負約束。

2.4.3 車道分配約束

式（15）描述了隸屬同一路段的多個元胞的車道分配方案相同；式（16）為元胞內總車道數目的約束；式（17）為車道的整數取值范圍約束。

2.4.4 消除“車輛滯留”約束

元胞傳輸模型被松弛成不等式約束式（5）～式（8），導致可行解不一定滿足原來的分段線性等式形式，當該組約束全取小于號時會產生不合理的“車輛滯留”現象。本文采用添加懲罰項的方法抑制不合理的流量模式發(fā)生[14]，使得車輛盡快離開高危險路段。

式中：hi為懲罰因子；χm為抑制“車輛滯留”的虛擬變量，該變量的上、下界分別為LUB、LLB，本文分別取1000000 和1。式（18）和式（19）為流量滯留的懲罰約束；式（20）為下游元胞懲罰因子hj小于當前元胞hi，即懲罰因子取正數且在疏散方向上單調遞減，迫使車輛向下游移動。

3 案例分析

3.1 場景描述

采用Nguyen-Dupuis 路網進行算例分析，如圖3所示。

圖3 Nguyen-Dupuis疏散交通網絡Fig.3 Nguyen-Dupuis evacuation network

該網絡有13 個節(jié)點、19 個路段和4 個OD 對，每條路段均為雙向4車道，路段長度和最大通行能力如表1所示。

表1 疏散網絡參數Table 1 Evacuation network parameters

假設風險源為節(jié)點1 和節(jié)點2，受影響的居民在兩個節(jié)點集合等待疏散，避難所位于節(jié)點12 和節(jié)點13。為了易于模型求解，將避難所節(jié)點連接到1 個虛擬的超級避難所（節(jié)點14），多源多匯網絡被轉化為多源單匯網絡。假設路網風險水平從風險源到避難所單調遞減，參考《危險化學品重大風險源監(jiān)督管理暫行規(guī)定》（GB18218）提出的風險區(qū)域劃分方法[15]，將疏散路網劃分為高、中、低風險區(qū)域，相對風險值在疏散期間固定，取值分別為5、3 和1。假設小汽車和公交車參與疏散，車輛的性能參數如表2所示。

表2 兩類車輛的性能參數Table 2 Performance parameters of two-class vehicles

應用元胞傳輸模型模擬疏散交通流動態(tài)加載過程時，設置仿真時間間隔為10 s，總時間步為100（大約28 min），根據自由流速度將道路網絡離散為多尺寸元胞網絡。其中，小汽車元胞長度為320 m，路網包含48 個元胞和61 條鏈接；公交車元胞長度為160 m，路網包含93個元胞和113條鏈接。

在小汽車元胞網絡中，最大通行能力為每個時間步48 輛，最大容量為每個元胞216輛。在公交車元胞網絡中，最大通行能力為每個時間步16 輛，最大容量為每個元胞52 輛；虛擬元胞和鏈接的容量和通行能力取10000。

為了驗證所構建的多模式協同疏散模型在平衡疏散需求和道路供給方面的效果，本文將疏散總需求在4000～80000 人的取值范圍內進行變化，設置了20 組對比試驗。每組實驗中，總需求被平均分配給風險源1 和風險源2，分析不同疏散需求下疏散系統的性能、供需關系以及疏散路徑。

3.2 結果分析

本文提出的模型為混合整數線性規(guī)劃（MILP），可以利用商業(yè)求解器快速解決，滿足疏散時效性的要求。本文在MATLAB 2018 平臺上調用GUROBI 9.2求解模型。

3.2.1 供需關系分析

就車隊需求而言，在不同的疏散人數下，兩個風險源的最優(yōu)車隊配置方案如圖4 所示，r為整個車隊中公交車的配置比例。車隊總規(guī)模和路網利用率隨著疏散需求增加而變化的趨勢如圖5所示。

圖4 不同疏散需求下兩個風險源的最優(yōu)車隊配置Fig.4 Optimal fleet configuration of two risk sources under different evacuation demand

圖5 不同疏散需求下的車隊規(guī)模與路網利用率Fig.5 Fleet size and road network utilization under different evacuation demand

本文將不同的最優(yōu)車隊配置策略（全是小汽車，多模式車隊，全是公交車）對應的疏散需求定義為低、中、高疏散需求3 個區(qū)間。當處于低疏散需求時（24000人以下），路網能力充足，高風險區(qū)域排隊車輛少，采用速度較快的小汽車是最優(yōu)疏散策略。當處于高疏散需求時（60000 人以上），大容量的公交車更有優(yōu)勢，因為，使用公交車可以降低車隊總規(guī)模，進而減少在風險源排隊的人數。存在中等疏散需求區(qū)間（24000～60000 人），組織多模式車隊疏散比使用單模式車隊更優(yōu)。整個疏散車隊的公交比例呈階梯式增加，最優(yōu)公交配置比例為[0.00,0.07,0.12,0.24,0.49,1.00]，當疏散需求超過中等疏散需求區(qū)間的上界，公交比例會急速增加到1.00，即全用公交車疏散，這種現象是由于車道的離散化分配造成的。因此，在組織多模式車隊疏散時，存在公交車配置比例的上限，本案例中為0.49。

為了衡量疏散期間道路網絡供給，設計“路網利用率”指標量化時空維度上整個網絡的負荷程度，m類車輛路網利用率的計算式為

式中：為m類車輛在t時刻占用元胞i的車輛數；|CO|為路網元胞的數量（不包含虛擬節(jié)點）；為清空時間內被占用的車道數之和；Tm· |CO|·Zi為清空時間內可利用的車道數的總和。

車隊規(guī)模與路網利用率的變化趨勢相同，說明多模式協同疏散模型實現了疏散需求、車隊規(guī)模和車道分配方案的協調優(yōu)化，有效提升了網絡利用率，降低了疏散總風險。路網利用率曲線呈上凸式增長，先快后慢，最后，趨于穩(wěn)定。在低疏散需求區(qū)間，路網通行能力充足，隨著疏散需求增加，車隊規(guī)模增大，使用的道路資源增多。在中疏散和高疏散需求區(qū)間，路網通行能力不足，一旦所有的可行路徑被車輛占用，為了避免路網上的交通擁堵，再增加的車輛只能在災害點排隊等待，路網利用率將趨近穩(wěn)定。因此，在疏散網絡中，由于道路之間通行能力的限制，并非所有的路段疏散能力都能被車輛完全使用，存在路網利用率的上限，本文中該值約為60%。

圖5 的中需求區(qū)間表明，在組織多模式車隊時，車隊總規(guī)模和路網利用率隨著疏散需求單調增加呈現凹凸波動。因為受疏散車輛離開受災區(qū)域的道路通行能力限制，公交車只存在有限種路徑選擇方案，每種方案占用的車道數量呈非線性變化，造成車隊總規(guī)模呈現非線性變化。不同疏散需求下公交車占用的車道數量如圖6所示。

圖6 中等疏散需求下公交車占用車道數量Fig.6 Number of lanes occupied by buses under medium evacuation demand

由圖6可知，公交車占用的車道總數呈階梯式變化，分別為9，16，28 和48，對應的最優(yōu)的公交比例為0.07，0.12，0.24 和0.49。具體地，當需求為24000 時，僅有風險點#1 配置了公交車，公交車疏散路徑為1-5-11-13，使用9個車道；當需求為28000時，公交車疏散路徑為1-5-11-13和2-4-7-10-13，使用16 個車道；當需求為32000 時，公交車疏散路徑為1-5-11-13和2-4-7-10-13，使用28個車道；當疏散需求在[44000，60000]區(qū)間，公交車疏散路徑為1-5-11-13、2-4-7-10-13、1-3-6-9-10-13 和2-3-6-9-10-12，使用48個車道，隨著疏散需求繼續(xù)增加，沒有新的疏散路徑可用，新產生的車輛只能排隊，車隊總規(guī)模和路網利用率呈線性增加。

3.2.2 疏散性能分析

交通疏散旨在通過優(yōu)化現有交通系統，以期最大限度地減少受災人員的暴露風險和死亡威脅。在特定的疏散問題中，評價疏散系統性能的指標取決于災害性質、強度以及其他環(huán)境因素[15]。

本文基于疏散總風險和網絡清空時間兩個指標，分析不同疏散需求對疏散風險和效率的影響。其中，疏散總風險函數式（1）基于元胞的相對風險水平和疏散總旅行時間構建，用于評估疏散人員的暴露風險程度。網絡清空時間（ENCT）定義為最后一輛車離開網絡的時間，包括排隊時間和旅行時間兩部分，通常用來評估疏散效率。在多模式交通網絡中，首先，基于流量分配結果獲得m類型車輛的網絡清空時間Tm；然后，確定整個疏散系統的網絡清空時間TENCT為

不同疏散需求下的疏散總風險值如圖7所示。

圖7 不同疏散需求下的疏散總風險Fig.7 Total evacuation risk values under different evacuation demand

隨著疏散需求線性遞增，疏散人員承擔的總風險呈上凹式增長，增長率逐漸增大。因為，當疏散需求小于路網通行能力時，車輛可以從高風險區(qū)域快速移動到低風險區(qū)域，沒有車輛滯留在風險源，疏散總風險增長較慢。當疏散需求超過路網通行能力時，大量的疏散人員滯留在災害點等待疏散，導致系統總風險隨著疏散人數增多呈指數增加。因此，在應對災害事件時，確定合理的疏散范圍和疏散人數十分重要，其直接影響疏散人員的暴露風險。不同疏散需求下的網絡清空時間值如圖8所示。

圖8 不同疏散需求下的網絡清空時間Fig.8 Network clearance time under different evacuation demand

與疏散總風險隨著疏散需求增加呈指數增長不同，網絡清空時間隨著疏散需求增加呈分段線性增加。因為，網絡清空時間主要由疏散網絡出口路段的通行能力決定，而疏散總風險考慮了整個網絡的流量演化情況，因此，疏散總風險指標對疏散需求的變化更加敏感。忽略災害對疏散路網風險性的影響時，僅以最小化網絡清空時間作為疏散目標，可能高估了疏散效率。鑒于此，對毒氣泄漏和火災等高擴散性的災害，不能只考慮最短的網絡清空時間，需要關注路網的風險水平和疏散人員的暴露風險；而對泥石流和建筑物倒塌等低擴散性的災害，可采用網絡清空時間制定疏散預案。

以中需求區(qū)間為例，進一步對比分析3種不同疏散交通方式下（全用小汽車、全用公交車、組織混合車隊）的疏散總風險值R和網絡清空時間TENCT，結果如表3所示。

表3 中疏散需求區(qū)間3種策略對比Table 3 Comparison of three strategies under medium evacuation demand

組織多模式車隊雖然增加了部分車輛的網絡清空時間，但使得系統的疏散總風險降低，與全用小汽車或公交車疏散相比，系統總風險值降幅最高達9%。表明，在危險品泄漏和火災等具有擴散性的災害救援中，可以使部分車輛暫時停留在低風險區(qū)域，使高風險區(qū)域滯留的車輛優(yōu)先駛出，以降低疏散人員的總風險。

3.2.3 疏散路徑分析

選取4個疏散需求點，分別為低需求20000人，中需求40000 人和60000 人，高需求80000 人，比較分析疏散路徑和車道分配方案，如圖9 所示，圖中數字為占用車道的數量，包含反向車道。

圖9 不同疏散需求下疏散路徑及車道分配方案Fig.9 Evacuation routes and lane allocation schemes under different evacuation demand

4 種疏散需求下，車輛會優(yōu)先使用最短路盡快駛出高中風險區(qū)域，如路徑1-5-11-13，2-4-8-12。繞行主要發(fā)生在低風險區(qū)域，例如，車輛選擇路徑2-3-6-9-10-13 繞行，而不使用路段9-11，避免因共享路段11-13 導致最短路徑1-5-11-13 的通行能力降低，使車輛擁堵在中高風險區(qū)域，增加疏散總風險。

低疏散需求時，全部采用小汽車疏散，高疏散需求區(qū)間，全部采用公交車疏散，但兩者疏散路徑相同，如圖9（a）和圖9（d）所示。而且2條反向車道，以便盡快駛出高中風險區(qū)域。

中疏散需求區(qū)間為多模式協同疏散，如圖9（b）和圖9（c）所示，臨近風險源的出口路段被兩種車輛共享的，使得不同疏散人員都有通道離開風險源，兼顧不同群體的疏散公平性。圖9（c）中共享路段1-3 和2-3，公交車分別占用1車道和3車道，其余車道被小汽車使用，包含2 條反向車道。此外，載客量大但速度較慢的公交車優(yōu)先使用最短路徑，速度快的小汽車使用較長的路徑，相互配合能有效降低整個系統的疏散總風險和網絡清空時間。

4 結論

本文以最小化疏散總風險為目標，建立多模式疏散交通車隊配置與車道分配協調優(yōu)化的動態(tài)疏散優(yōu)化模型，分析了多模式疏散系統的供需關系、疏散效率和疏散路徑。通過案例驗證得到如下結論：

（1）就疏散需求而言，在中等疏散需求下，組織多模式車隊疏散優(yōu)于單模式車隊，能夠進一步降低疏散總風險；多模式車隊的最優(yōu)公交車配置比例呈現離散變化現象并具有上限，本文上限值為0.49。

（2）就道路供給而言，受道路通行能力的限制，路網利用率存在上限，本文約為60%。因此，在制定交通疏散方案時，應識別道路網絡中的瓶頸路段，充分利用瓶頸路段的通行能力，以提高整體路網的疏散效率。

（3）疏散總風險對疏散需求的變化比網絡清空時間更敏感，應對高擴散性的災害不能僅考慮疏散時間，應以疏散總風險最小為目標制定疏散預案。

（4）組織多模式疏散交通時，不同類型車輛共享的路段通常位于臨近風險源的出口通道；將最短路優(yōu)先分配給大容量的公交車能夠顯著降低疏散總風險。