鄧巧明 李曉峰 劉宇波

1 研究背景

高校人員密度大，師生日常上下課、食堂用餐等行為具有較高的聚集性，一旦校內(nèi)出現(xiàn)病例，極有可能出現(xiàn)暴發(fā)性疫情。同時，不斷增強的病毒傳染力和隱匿性，大大提高了校園聚集性疫情風(fēng)險，為特殊時期高校的日常教學(xué)與管理工作帶來巨大挑戰(zhàn)。

目前，醫(yī)學(xué)界對于新冠疫情仿真模擬研究已取得較多成果，如“復(fù)雜人流網(wǎng)絡(luò)下的COVID-19傳播模型”[1]、“極限IR實時預(yù)測模型”[2]，以及“優(yōu)化SEIR動力學(xué)模型”[3]等。這些仿真模擬采用傳染病動力學(xué)模型對疫情的發(fā)展趨勢、患病人數(shù)以及轉(zhuǎn)折時間點進行預(yù)測，較少關(guān)注空間對疫情傳播的影響。然而，不同的功能分布與空間形態(tài)對于人的行為軌跡、人流密度有著重要影響，也將直接關(guān)系到疫情的傳播與防控效果。高校校園人群活動模式相對固定，采用人流仿真模擬方法能夠較好地預(yù)測師生日?；顒榆壽E，并能通過對當前校園空間人流狀況的模擬，對比不同實驗參數(shù)條件下校園人流的分布與密度。本文以華南理工大學(xué)為例，采用不同的仿真模擬平臺對校園空間尺度、單體建筑尺度的人群密度進行時空分布情況預(yù)測與分析，據(jù)此量化評估不同管控措施的有效性，為學(xué)校制定科學(xué)有效的防疫政策提供依據(jù)，進而提高大學(xué)校園面對疫情等突發(fā)狀況的空間韌性。

2 基于校園尺度人流仿真模擬的疫情防控措施效果評估

對于整體校園尺度的人流模擬采用基于GAMA（GIS &Agent-based Modeling Architecture）平臺的宏觀仿真模型。GAMA代理建模和仿真平臺作為常用的人流模擬工具，具有免費開源、與GIS無縫集成、可以通過簡易代碼編寫自定義模擬內(nèi)容等優(yōu)勢。目前主要應(yīng)用在交通模擬[4]、災(zāi)害響應(yīng)[5]和流行病學(xué)[6]等領(lǐng)域。

本文采用團隊前期完成的以GAMA平臺為基礎(chǔ)，結(jié)合校園人群活動大數(shù)據(jù)與學(xué)生日常作息規(guī)律構(gòu)建的校園人流仿真模型GTSMC[7]（GAMAbased Traffic Simulation Model of Campus）進行實驗。在仿真模擬實驗中，所有代理行人在調(diào)度信息表（包括目的地、出發(fā)時間、下課時間、就餐時間等）和最短路徑的驅(qū)動下，向著目的地前進。通過計算道路人流密度來判斷不同時段、不同區(qū)域的人群聚集程度，評估發(fā)生疫情傳播的風(fēng)險與防控措施的有效性。

2.1 GTSMC校園人流仿真模型

GTSMC校園人流仿真模型主要包含3個代理族設(shè)計：人群族、道路族、建筑族。首先在人群族設(shè)計方面，以華南理工大學(xué)五山校區(qū)為例，GTSMC模型利用騰訊宜出行熱力圖抓取校園內(nèi)人群分布的實時數(shù)據(jù)，結(jié)合ArcGIS空間分析和學(xué)生作息時間表，為代理人設(shè)置速度、作息時間、住宿地點、學(xué)習(xí)辦公地點、運動地點、餐飲地點等基本屬性。代理人遵循調(diào)度信息表和行走速度，以最短路徑原則模擬學(xué)生的出行行為。在道路族設(shè)計方面，將GIS中已經(jīng)編輯好的校園路網(wǎng)形態(tài)信息導(dǎo)入基礎(chǔ)模型，統(tǒng)計各道路的人流量信息。在建筑族設(shè)計方面，根據(jù)建筑功能將校園劃分為住宿區(qū)、教學(xué)區(qū)、餐飲區(qū)、體育區(qū)、其他區(qū)5種類型，與人群族中調(diào)度信息表的5種活動相對應(yīng)。

2.2 針對疫情防控特點進行模型調(diào)整與細化

校園疫情防控更加關(guān)注日常人群聚集的瞬時情況，因此需要對活動地點（空間上的聚集）和出發(fā)時間（時間上的聚集）進行相應(yīng)調(diào)整和細化。

在活動地點的選擇上，將“教學(xué)區(qū)”進一步細化為“公共教學(xué)區(qū)”和“專業(yè)教學(xué)區(qū)”。大一、大二、大三、研一等4個年級的學(xué)生按照公共教學(xué)樓（31號樓、32～34號樓、博學(xué)樓）的空間容量進行分配，其余學(xué)生則選擇專業(yè)教學(xué)區(qū)作為日常學(xué)習(xí)地點。在出發(fā)時間的選擇上，結(jié)合代理人群的調(diào)度信息表，通過控制代理人的“到達時間”反推其出發(fā)時間段。

在進行道路人流密度計算時，分別統(tǒng)計不同方向的人流。同時，通過增加模擬天數(shù)取平均值、提高統(tǒng)計計算頻率等方式，減少因目的地選擇、出發(fā)時間等因素的隨機性而帶來的模擬結(jié)果誤差。在相關(guān)疫情防控措施里多次提到至少保持1m的社交距離，因此，仿真模擬中將“1人/m”作為判斷道路人流密度是否超標的臨界值。

2.3 不同防控措施的仿真模擬與效果評估

按照以下三種措施進行仿真模擬與效果評估（表1）。

（1）減少面授公共課程

由于大中型公共課程會將大量師生聚集于密閉空間，增加了聚集性感染的可能性，同時也提高了上下課時段公共教學(xué)樓附近道路的人流量與人流密度。因此，在疫情期間建議部分學(xué)生數(shù)量較多的公共課程改為線上授課。將仿真模型中出門上課學(xué)生人數(shù)降低為總?cè)藬?shù)的一半，其他活動維持不變，模擬該項措施的防控效果。結(jié)果顯示，減少面授課程使得道路人流密度明顯下降，有效緩解了上下課和就餐時間人流過于聚集的情況。

（2）分批錯峰上下課

通過改變不同年級學(xué)生上下課的時間段，降低校園內(nèi)瞬時人群聚集程度。仿真實驗中將學(xué)生人群分為兩批，上下課時間錯開90min，對應(yīng)人群的食堂就餐時間同樣順延。結(jié)果顯示，錯峰上下課能夠有效降低以往人群集中路段的人流密度，同時兼顧面授課程進行，是一種較為理想的疫情防控措施。

（3）食堂送餐

在校園中，就餐時間段會有大量人群短時間內(nèi)向食堂聚集。相關(guān)疫情防控措施建議采用“打包就餐”方式，最大限度降低交叉感染風(fēng)險。雖然該方式可以一定程度降低感染風(fēng)險，但是仍然無法解決食堂周圍道路短時人群聚集的問題，這對校園疫情防控來說仍然是一個不穩(wěn)定因素。

為了解決這一問題，本文模擬了食堂送餐措施下校園空間的人流分布情況。根據(jù)各個食堂位置關(guān)系確定服務(wù)的學(xué)生宿舍范圍，送餐時間分別設(shè)定為7:15、11:15、17:15。同時仿真模型將學(xué)生流線變?yōu)閮牲c一線，不再到公共食堂就餐，將送餐人員納入道路人流量密度統(tǒng)計中。結(jié)果顯示，該措施有效降低了道路上的人流密度，緩解了去食堂用餐帶來的人群聚集風(fēng)險。但由于五山校區(qū)公共教學(xué)樓到北區(qū)學(xué)生宿舍的道路數(shù)量較少，導(dǎo)致下課期間從公共教學(xué)樓（31號樓、32～34號樓）回北區(qū)的道路人流密度較高?？梢酝ㄟ^食堂送餐與錯峰下課相組合的方式緩解這一問題。

3 基于建筑尺度人流仿真模擬的疫情防控措施效果評估

建筑尺度人流模擬采用基于Anylogic平臺的微觀仿真模型。該平臺以社會力模型為核心算法，可以更精確地模擬人的心理對于活動的影響，是目前最能體現(xiàn)人群真實運動情況的仿真模型。智能體基于社會力模型移動，通過分析當前環(huán)境，選擇最短路徑，避免與其他物體相撞，并決定下一步的運動。該模型的缺點在于計算量過大，進行大規(guī)模仿真模擬對于計算機算力要求較高。因此，對于單體建筑尺度的人流仿真模擬，Anylogic具有更好的適用性。

3.1 建立Anylogic仿真模型

本文采用Anylogic仿真模型針對公共教學(xué)區(qū)的其中一棟建筑（34號樓）進行模擬，基于本次模擬實驗的特點采用離散事件建模方式。離散事件建模是指大多數(shù)事務(wù)流程可以描述為一系列獨立的離散事件，具有一定隨機性，因此需要運行一定時間或反復(fù)運行多次才能得出有意義的結(jié)果。在本實驗中，首先根據(jù)模擬學(xué)生的調(diào)度信息表來確定出發(fā)地、出發(fā)時間、目的地，以及到達時間等，并將這些信息整合到Anylogic對應(yīng)的模塊中，依據(jù)前后關(guān)系構(gòu)建模塊之間的聯(lián)系，形成該事件最終的建模流程圖（圖1）。依據(jù)34號樓平面圖建模教室、走廊和樓梯，并設(shè)置教室可容納學(xué)生數(shù)量、等候時間等參數(shù)。

表1 不同防控措施的仿真模擬與效果評估

34號樓每層4間教室，6層共24間。其中一、二層為300座大課室，三至六層為200座中等課室，全樓滿負荷使用時將容納5600人。在模擬開始前對代理人隨機賦予1～24之間的一個號碼，代表其上課教室的編號。同時，為保證教室容量不超過疫情防控上限，每個隨機號碼最多只能賦予45人次。代理人首先經(jīng)過34號樓外空地上的“排隊等候區(qū)”“測溫口”等位置，然后根據(jù)自己上課教室的位置選擇樓梯間。下課后，代理人根據(jù)宿舍位置選擇就近樓梯間返回宿舍。

3.2 不同防控措施的仿真模擬與效果評估

以人流進出分流和上下課分時錯峰等為主要實施手段，結(jié)合34號樓的位置與空間特點，對比以下3種不同管控方案的有效性。

（1）無管控狀態(tài)：可以模擬非疫情狀態(tài)下正常上下課時的情況，根據(jù)代理人的來源方向，以及與上課教室的位置關(guān)系，來確定該代理人選擇某樓梯間的概率。

（2）橫向分區(qū)管控：為減少人群流線交叉，根據(jù)樓層劃分樓梯間的使用。二、三層使用4號樓梯，四層使用3號樓梯，五層使用2號樓梯，六層使用1號樓梯（圖2）。

（3）豎向分區(qū)管控：根據(jù)就近原則分配樓梯間，將24間教室豎向分成4列，每列教室選擇距離最近的樓梯間使用，每個樓梯間服務(wù)垂直方向上的6間教室。

Anylogic平臺模擬過程可以實時輸出人流熱力圖，單位為“人/m2”，以此來反應(yīng)某一時刻單位面積內(nèi)人的聚集程度，顏色越紅代表該空間人流密度越大，反之密度越小。

1 基于Anylogic 離散事件建模流程圖

2 34 號樓樓梯位置分布

3 無管控措施的教學(xué)樓人流模擬分析圖

4 橫向分區(qū)管控的教學(xué)樓人流模擬分析圖

5 豎向分區(qū)管控的教學(xué)樓人流模擬分析圖

6 豎向分區(qū)管控措施各樓梯間人流量實時統(tǒng)計

從無管控狀態(tài)模擬實驗結(jié)果可知（圖3），由于代理人可以選擇任意樓梯上下，導(dǎo)致樓梯間和走廊人流都較為集中，多處人流量密度超過了1.5人/m2，屬于疫情防控的薄弱區(qū)域，部分樓梯間因為位置便利，人流密度甚至超過2人/m2，需要重點關(guān)注。橫向分區(qū)管控實驗?zāi)M結(jié)果顯示（圖4），該方式有效降低了樓梯間人流量密度，但由于同層所有教室的學(xué)生都要前往同一個樓梯間下樓，因此走廊的人流量密度高于其他管控方案。從豎向分區(qū)管控模擬實驗結(jié)果可知（圖5），由于樓梯間就近分配，豎向分區(qū)管控方案人流量密度在走廊和樓梯間都較為均衡，幾乎都在疫情防控的可控區(qū)間內(nèi)。此外，Anylogic模型還可以對一到六層樓梯間等重點位置進行人流量實時統(tǒng)計（圖6），從而比較不同防控措施在重點區(qū)域的效果。

可見，對于單體建筑來說，樓梯間的分區(qū)使用使得學(xué)生產(chǎn)生不同的行為路徑軌跡，進而改變了路徑上的人流密度，影響著防控效果。分區(qū)管控在有效降低人流密度的同時，還區(qū)分了不同班級人群的日常上下課路徑，降低了人群混合帶來的交叉感染風(fēng)險，一旦發(fā)現(xiàn)病例也便于明確密接和次密接人群范圍。除了對空間進行分區(qū)管控外，還可以結(jié)合分時管控（各班錯峰上下課）進一步提高防控效果。

4 總結(jié)與展望

本文基于人流模擬方法，針對不同校園空間尺度的特點分別構(gòu)建人流仿真模型，模擬預(yù)測人群密度的空間與時間分布情況。仿真模型可以結(jié)合不同管控措施反復(fù)調(diào)整模擬參數(shù)，通過對比實驗與直觀數(shù)據(jù)輸出，量化評估不同管控措施的效果，為制定科學(xué)有效的管控措施提供數(shù)據(jù)支撐。

然而本文構(gòu)建的仿真模型仍有其局限性，模型以華南理工大學(xué)的有限數(shù)據(jù)進行建模，不具有普適性。代理人的行動受自身調(diào)度信息表以及最短路徑原則約束，忽略了日常路徑選擇的其他影響因素，以及代理人調(diào)度信息仍存在部分假設(shè)情況等。盡管如此，模型模擬的大部分結(jié)果基本上與我們的直觀經(jīng)驗相符，可信度較高。未來結(jié)合特定實驗?zāi)康恼{(diào)整參數(shù)后，校園空間仿真模型還可以適用于如共享單車停放點、大批人流聚集的校招會選址等應(yīng)用場景的輔助決策過程中。

仿真模擬過程與結(jié)果也讓我們對于提升大學(xué)校園韌性有了新的認識與思考：通過分區(qū)規(guī)劃與功能建筑的均衡布置，可以方便師生的日常學(xué)習(xí)與生活，在特殊時期便于獨立管理；增加校園路網(wǎng)密度有利于提供多種路線選擇，可以起到分散主要道路人流壓力的作用；對于人流密度大的道路，可以采用在其他步行路線上設(shè)置遮陽棚等提升空間品質(zhì)的微改造方法，將一部分人流分散到其他路線等。這些校園規(guī)劃設(shè)計的改進措施使得校園空間的整體使用效率得到提高，加之科學(xué)有效的管理措施，可以幫助我們更好地提升大學(xué)校園面對疫情等突發(fā)狀況的調(diào)整與應(yīng)對能力。

圖片來源

1-6作者自繪

表格來源

1作者自繪