馮壽娟

( 河北德禹環(huán)?？萍加邢薰?河北 唐山 064400)

0 引言

突發(fā)環(huán)境事件是指由于環(huán)境污染、自然災害等因素的影響而突然發(fā)生的且造成重大損失的事件。近年來突發(fā)環(huán)境事件頻繁發(fā)生,造成了嚴重的人員傷亡和財產損失。與一般環(huán)境事件相比,突發(fā)性環(huán)境事件重點在于“突發(fā)”兩個字,不確定性更高,造成的損失和傷亡也更大[1-2]。在此背景下,如何進行有效地應急防控成為當下研究的重點。

為解決上述問題,很多專家和學者都進行了相關研究。例如: 魏斌等[3]以甘肅省為例,總結了2011—2019年期間該地區(qū)發(fā)生的80多起事件的起因,并對這些事件的時空特征進行了分析,最后以污染物特征為參考提出了具體的防控策略; 張以飛等[4]以江蘇工業(yè)園區(qū)為研究區(qū),提取該地區(qū)的3個一級指標及25個二級指標,以這些指標為輸入,利用層次分析法建立了評估模型,對該地區(qū)突發(fā)環(huán)境事件風險分級進行了劃分; 王思等[5]在其研究中以珠三角某石化區(qū)及周邊區(qū)域為例,通過網格化技術將該區(qū)域劃分為若干基本單元,然后計算環(huán)境風險受體易損性,確定了網格風險值,完成了風險區(qū)劃分,確定了重點防控區(qū)域,為差異化管理提供參考。結合前人研究成果,本文提出一種基于網格化Logistic回歸模型的區(qū)域突發(fā)環(huán)境事件應急決策方法,以期為突發(fā)環(huán)境事件的處理提供參考,降低突發(fā)事件帶來的損失和傷亡。

1 應急決策方案

1.1 影響變量的選擇

影響變量,即影響因子,也可以說是誘因,在影響變量的綜合作用下,會導致區(qū)域突發(fā)環(huán)境事件的發(fā)生,因此,要想確定區(qū)域突發(fā)環(huán)境事件的發(fā)生概率,劃分風險等級區(qū)域,確定影響變量是十分重要的[6-7]。

基于上述分析,本文利用德爾菲方法來進行影響變量的選擇。德爾菲方法是一種通過計算3個專家系數而進行變量篩選的方法。該方法經過多輪的征詢,計算專家意見協(xié)調程度[8]。

專家積極系數計算公式為

(1)

式中:μi為第i個影響變量的專家積極系數;xki為第k個專家對第i個影響變量的評分;m為專家人數,個;n為影響變量的數量,個。

專家意見權威系數計算公式為

(2)

式中:ηi為第i個影響變量的第k個專家意見權威系數;Mi為第i個影響變量的經驗性評分結果。

專家意見協(xié)調系數計算公式為

(3)

式中:Yi代表第i個影響變量的專家意見協(xié)調系數。其他符號含義同式(1)、(2)。

當μi≥0.7,ηi≤0.25以及Yi<0.5時,認為該影響變量是重要的[9]。

選取出來的指標由于量綱不同,不能用于同一個模型的輸入,因此需要進行標準化處理,處理公式為

(4)

1.2 事件發(fā)生概率計算與安全區(qū)劃定

Logistic回歸模型是一種定量分析事件發(fā)生概率的大小計算模型。Logistic回歸模型是由logit變換+幾率計算公式演化而成[10]。

logit變換模型為

log(y)=ζ0+ζ1x1+ζ2x2+...+ζnxn。

(5)

式中:y為事件發(fā)生概率;ζ0,ζ1,ζ2,...,ζn代表模型的參數,即邏輯回歸系數;x1,x2,....,xn為影響變量。

幾率是指事件發(fā)生的概率與不發(fā)生的概率之比。假設一個事件發(fā)生的概率為p,則相應的不發(fā)生的概率則為1-p,那么這個事件的整體幾率y就可以通過下述公式計算出來[11],即

(6)

概率和幾率是對等關系,因此,由上述logit變換模型和幾率表達式構建Logistic回歸模型。根據1.1節(jié)選出的變量,采集研究區(qū)的歷史變量數據,以此作為輸入,構建基于Logistic回歸模型的事件發(fā)生概率計算模型[12]。該模型原始表達式為

(7)

式中: 各符號含義同式(5)(6)。

將式(7)進行轉換,即可得到區(qū)域突發(fā)環(huán)境事件發(fā)生概率p的計算公式,即

(8)

式中: 各符號含義同式(7)。

在式(7)中,由于邏輯回歸系數ζ0,ζ1,ζ2,...,ζn是不確定的,因此模型并不能直接應用,還需要從研究區(qū)突發(fā)環(huán)境事件歷史資料中提取變量對應的數據及其結果代入式(8)中。利用SPSS 軟件來反演求解各個邏輯回歸系數,使得ζ0,ζ1,ζ2,...,ζn已知[13]。最后進行兩種檢驗,即對回歸系數進行顯著性檢驗,對回歸模型進行擬合度檢驗,從而保證模型的合理性。

1 km×1 km的單元網格可提供合理的精度,揭示研究區(qū)的空間變化情況,同時也可以保持計算復雜度在可接受范圍內。在城市規(guī)劃、自然災害風險評估中,1 km×1 km的單元網格尺度已經被證明在環(huán)境風險評估中具有較好的適用性。因此,將研究區(qū)劃分為1 km×1 km的單元網格,然后利用式(8)計算每一個單元區(qū)域的突發(fā)環(huán)境事件的發(fā)生概率[14-15]。發(fā)生概率取值為0～1,為提高可操作性,減少分類和決策選擇,將突發(fā)環(huán)境事件發(fā)生概率劃分為3個等級(表1)。

表1 突發(fā)環(huán)境事件發(fā)生概率等級劃分Tab.1 Classification of occurrence probability for environmental emergencies

在低風險區(qū)中劃分安全區(qū),當需要進行人員疏散或者撤離時,將這些安全區(qū)作為目的地,規(guī)劃應急撤離方案。

1.3 應急決策方案設計

以安全區(qū)為參考,確定為可供選擇的安全地點,規(guī)劃區(qū)域突發(fā)環(huán)境事件應急決策方案,即確定人員疏散路徑。應急決策方案設計流程如下。

(1)對疏散問題作出基本假設,確定安全點。

(2)建立以最短距離為目標的函數模型。該模型可描述為

(9)

其中

Hij=w·lij,

(10)

(11)

式中: minL為最短疏散路徑距離,m;Hij為待疏散人群集中點i至安全點j的當量長度,m;Gij為需要從點i疏散到點j的人數,個;Zij為從點i疏散到點j的道路阻斷風險效用函數;Rij為從點i疏散到點j的通行概率;pmin、pmax為疏散網絡的最小通行概率和最大通行概率;m為待疏散人群集中點數量,個;n為安全點數量,個;w為不同區(qū)域的危險系數,高風險取值1.0,中風險取值0.5,低風險取值0.2;lij為待疏散人群集中點i至安全點j的疏散路線距離,m。

(3)設置約束條件。計算公式如下

(12)

(13)Gij≥0 。

(14)

式中:Aj為待疏散人群集中點需要疏散人數,個;Bi為各安全點容量。

(4)利用尋優(yōu)算法,如粒子群算法進行求解,得出最優(yōu)人員疏散路徑,完成應急決策方案設計[16-17]。

基于粒子群算法計算變異粒子ζ的適應值,則有

(15)

式中:f(ζ)為ζ中所有疏散路徑距離的平均適應值,m;l=1,2,…,|ζ|,為第l個疏散路徑; |ζ|為ζ中的疏散路徑數量,個。

對適應度低的粒子進行替換,選擇出適應度最優(yōu)的個體粒子L1及全局粒子L2。

首先對L1和L2的位置進行更新,則有

(16)

根據適應度值判斷粒子迭代是否停止。若適應度值為最優(yōu),則停止迭代,輸出最優(yōu)疏散路徑和路徑距離,否則重復更新粒子,直至滿足停止迭代條件。

通過上述過程,完成了基于網格化Logistic回歸模型的區(qū)域突發(fā)環(huán)境事件應急決策方法研究。

2 算例分析與測試

2.1 研究區(qū)概況

假設研究區(qū)內某化工園區(qū)中一化工廠發(fā)生毒氣泄漏問題(圖1),引發(fā)區(qū)域突發(fā)環(huán)境事件,需要進行應急決策,將人員疏散至安全區(qū)。

圖1 研究區(qū)示意圖Fig.1 Sketch of the study area

2.2 影響變量選取結果

基于1.1節(jié)的研究,選取該研究區(qū)內突發(fā)環(huán)境事件的影響變量,建立變量體系,如表2所示。

表2 影響變量選取結果Tab.2 Results of the impact variable selection

從表2可以看出,總共選出13個變量,作為回歸模型的輸入指標。

2.3 回歸系數計算及模型構建

基于表2變量,采集該區(qū)域歷史數據,以此作為樣本,輸入公式(8)中,計算得到回歸方程回歸系數,并進行檢驗,計算得出Logistic回歸系數,結果如表3所示。

表3 Logistic回歸系數Tab.3 Logistic regression coefficient

將表3中的Logistic回歸系數對應地代入到公式(8)中,完成基于Logistic的突發(fā)環(huán)境事件發(fā)生概率計算模型的構建。

2.4 單元網格劃分結果

假設研究區(qū)內承災體的性質、規(guī)模和易損性均一致,利用ArcGIS的create fishnet 模塊對圖1研究區(qū)進行單元網格劃分,計算每一個網格的突發(fā)環(huán)境事件發(fā)生概率,并劃分風險等級,獲取低風險區(qū),結果如圖2所示。

圖2 單元網格劃分Fig.2 Cell grid division

2.5 應急決策方案

選取蟻群算法作為求取算法,求取最優(yōu)人員疏散路徑,結果如表4所示。

表4 蟻群算法基本參數設置Tab.4 Basic parameter setting of the ant colony algorithm

在表4給定參數設置下,蟻群算法可在不足10 min 的時間內找到滿意的解決方案。

在公式(12)～(14)等約束條件下,利用蟻群算法求取公式(9)目標函數,得出最優(yōu)人員疏散路徑,完成應急決策方案設計,如圖3所示。

圖3 最優(yōu)人員疏散路徑Fig.3 The optimal evacuation route

安全區(qū)的選擇不僅要離待疏散人群集中點較近且具有足夠容量,而且要考慮其可達性和逃生路徑的暢通程度。共有3條最優(yōu)人員疏散路徑,分別對應3個安全區(qū)作為人員集中點,其中: 路徑1總長度為2 365.48 m,人員疏散預計花費25.47 min完成; 路徑2總長度為1 687.95 m,人員疏散預計花費18.25 min完成; 路徑3總長度為1 892.35 m,人員疏散預計花費20.40 min完成。

3 結論

(1)利用ArcGIS的create fishnet 模塊進行單元格劃分,通過計算每一個網格的突發(fā)環(huán)境事件發(fā)生概率,確定風險等級,可有效獲取安全區(qū)。

(2)通過蟻群算法,可在10 min內規(guī)劃3條最優(yōu)人員疏散路徑,每條路徑的人員疏散預計時間較短,均未超過26 min,有效完成了應急決策方案的制定。

(3)研究仍需進一步改進,如在突發(fā)因素的考慮上,疏散過程中可能遇到原本可以通行的路徑突然無法通行的情況,在路徑設計上,要考慮此種情況的出現,進行優(yōu)化。