基于多智能體建模方法的人群應急疏散模型構建研究
——以騰龍芳烴(漳州)有限公司“4·6”爆炸著火重大事故疏散為例*

王雙燕，鄧云峰，柯 霄

(1.中共中央黨校(國家行政學院)，北京 100091； 2.長江生態環保集團有限公司，湖北 武漢 430000)

0 引言

自“十三五”以來，社會公共安全備受關注，尤其危化品安全得到國家和企業高度重視。化工和危險化學品安全事故數量總體呈下降趨勢，但事故數據表明化工事故應急管理工作依然面臨巨大挑戰。

如何在危化品事故應急處置中快速組織群眾疏散，是應急處置工作重大難題之一。疏散決策和行為不當易加劇人員重大傷亡[1-2]。疏散行為研究成為國內外學者關注的重點。人群疏散研究從研究角度上大致可分為宏觀與微觀2類：宏觀角度上研究大多基于社會力模型對人流疏散情況進行分析，未考慮人員疏散過程中行為的異質性；從微觀角度分析人員疏散行為交互特征及其對疏散效果的影響，能同時呈現疏散中人員行為復雜性及人流疏散情況，與實際情況更為吻合，難度重點在于模型構建和復雜行為的設計。

目前關于疏散行為模擬的研究較多，構建疏散模型方法包括元胞自動機模型[3-5]、社會力模型[6-7]、多智能體模型[8-9]。孫倩倩等[10]采用元胞傳輸模型模擬人員疏散行為，觀測人流擁擠程度和出口“成拱現象”;李翔飛等[11]研究行人異質行為特征對疏散效果的影響；高娜[12]考慮疏散過程中小群體內部成員相互作用及群間作用影響，構建小群體疏散模型，分析小群體對疏散效果的影響；馬占軍等[13]考慮不同類型人員的異質性行為及交互影響。相對于元胞自動機模型和社會力模型，采用多智能體建模方法構建人群疏散模型，可以設計人員決策邏輯，實現人員自主決策，增加疏散中人員行為的復雜性，該方法構建的人群疏散模型更符合實際情況。

本文以騰龍芳烴(漳州)有限公司“4.6”爆炸著火重大事故為例，結合調查所得人員疏散典型行為，基于Anylogic平臺的多智能體建模方法，構建人群疏散模型，充分模擬人員決策行為的異質性，分析不同行為對疏散效果的影響，以及漳州古雷疏散路網中的疏散擁堵情況。研究結果可為人員疏散應急演練方案設計和疏散路網設計等提供依據。

1 事故概述

2015年4月6日18時56分，福建漳州古雷33號騰龍芳烴裝置和周邊的常壓渣油發生漏油著火事故，引發裝備附近中間罐區3個儲罐爆裂燃燒。20時28分，漳浦邊防大隊成立指揮組，前沿陣地的岱仔邊防派出所全部在位官兵救助、疏散、轉移廠區周邊800 m安全防護范圍內尚未搬遷的300名群眾。8日02時09分，現場指揮部為穩妥起見，決定將人員疏散撤離范圍擴大至5 km。截至8日11時，將29 096名群眾全部轉移到安全地帶，分別在縣城設置多個安置點。

事故中應急疏散決策主要有2次，分別為岱仔邊防派出所官兵疏散周邊800 m尚未搬遷的群眾以及現場指揮部決定疏散事故核心區外5 km范圍內群眾。根據現場報道,救災過程中風向以東風、東北風為主，事發地地勢呈南北長條形走向，東西方向臨近大海，被調查疏散人群所在村莊分布在事發地南北方向，分別向南北就近安置點方向疏散，疏散過程中受風向影響比較小，所以本文沒有考慮風向對路線選擇的影響。

2 事故人群疏散模型構建

2.1 疏散路網、村莊及避難所

數據來源于實地調查與問卷分析，受分析數據影響，模型設計選取疏散人數較多或較為聚集的5個村莊，分別為古雷村、西遼村、岱山村、古城村、下垵村，如圖1所示。

圖1 模型中5個疏散村莊Fig.1 Five evacuated villages in model

實際調研中有關避難所的信息較少，因此，模型設計中將避難所設計在疏散外圍，分別位于南北2個疏散方向。第1階段疏散避難所如圖2所示，其中避難所用疏散區域外上下2個圓圈表示。圖1中圓圈作為第2階段避難所。模型中疏散路網選取衛星地圖上肉眼可識別的大路路網，主要包括1級公路、2級公路、3級公路。具體疏散路網如圖3所示。

圖2 第1階段疏散避難所Fig.2 Shelters in first period evacuation

圖3 模型中疏散路網Fig.3 Evacuation road network in model

2.2 個體典型疏散行為

將該事故中人群疏散典型行為大致分為以下5種：

1)群組行為。群組行為指疏散人員接收疏散信息后，第一時間尋找家人、朋友等與自己相識的人共同前往安全區域，并未立即前往安全區域。

2)慣性行為。慣性行為指疏散人員接收疏散信息后，并未按照就近原則前往安全區域，而是選擇較為熟悉、選擇較多的路徑前往安全區域。慣性行為產生取決于個體常態下偏向性路徑信息，不同個體的路徑信息不同。

3)就近行為。就近行為指疏散人員接收疏散信息后，按照就近原則選擇就近道路前往安全區域。

4)從眾行為。個體在未接收到疏散信息或不相信接收到的疏散信息狀態下，可能因周邊疏散人數增多而產生跟隨行為。

5)信息傳播行為。人員之間具有信息傳播，疏散信息擴散除依賴處置人員通知外，人群內部通過社會關系迅速擴散疏散信息。

3 事故人群疏散模型構建路徑

3.1 空間布局構建

基于Anylogic平臺通過空間標記繪制空間疏散路網。在繪制路網過程中，道路(線)與道路(線)之間的連接處為節點(圓圈)，人員初始位置均位于節點上。對于與道路相連的居民區域，會額外繪制節點(圓圈)方便產生人流。路網繪制比例為1∶0.47。此外，圖3中已標注事故中爆炸企業位置，以及第1,2階段疏散范圍。

3.2 個體行為構建

本文基于個體的5種典型行為構建疏散模型。考慮群組行為依賴群體的社會關系網絡，在初始建模階段，假設群體社會關系為典型的無標度網絡[14-15]。考慮到慣性行為依賴日常狀態下個體的路徑選擇習慣，該模型主要包含常態和非常態2種模式。

1)常態模式

常態下大部分個體呈現“日出而作，日落而息”的狀態，模型假設模擬開始時間為早上6時。早上6時～8時，人員可自行選擇是否外出，如果選擇外出，外出人員會以2～5次/d的速率前往路網范圍內的不同區域，目的地選擇是隨機的，模型會自動記錄個體前往不同目的地的路徑選擇，形成該個體的路徑數據庫,模型中選擇頻數較高的路段(節點)為該個體較為偏好的路段(節點)，18時～20時人員返回家中。路徑數據庫因人而異，且不同隨機數的模擬產生的模擬數據不同。日常狀態下個體行為狀態如圖4所示。疏散一旦開始，疏散區域實施只出不進的交通管制。

圖4 日常狀態下個體行為狀態Fig.4 Individual behavioral state under normal status

2)非常態模式

非常態即預警狀態下個體行為狀態如圖5所示。當第1階段疏散信息發布后，處于800 m范圍內的部分個體將首先接收到疏散信息，接收到信息的個體會依據自身信息判斷閾值和信息值，決定是否選擇相信疏散信息，不相信信息的個體可能會再次接收到信息并出現以下3種可能行為：①再次進行閾值判斷；②由于接收次數過多降低自身閾值進行響應；③由于周邊疏散個體增多產生從眾響應行為。未被通知狀態的個體以及還未及時進行信息判斷的個體也可能因為周邊疏散個體增多產生從眾響應行為。

圖5 預警狀態下個體行為狀態Fig.5 Individual behavioral state under early-warning status

已經相信疏散信息的個體，可能做出傳播行為或響應行為，做出傳播行為的個體會隨機將信息傳播給社會網絡中鏈接的其他個體，并且由于信息傳遞過程中的不確定性，信息值可能隨傳遞逐漸衰減(如傳播不到位)或隨傳遞逐漸增加(如夸大事實)。模型假設個體在進行信息傳播時，以平均1～3人/min的速率傳播信息。當第1階段預警信息發布并在群體內開始傳播后，第1階段疏散外圍個體(如第2階段需疏散的個體)可能因為社會網絡內信息傳播，在第2階段預警開始前就收到事故信息，但由于并未要求第2階段個體疏散，個體僅僅接收到信息并未響應，第2階段疏散開始預警后，需疏散的個體響應速度明顯較快。

除信息傳播行為外，相信信息的個體還可能做出響應行為，響應行為可分為群組行為、慣性行為、就近行為、從眾行為。

①群組行為。當個體選擇以群組行為進行響應時，會首先搜索距離該個體最近的群組成員，如果該成員已經疏散，則忽略并繼續尋找下1個群組成員；如果該成員尚未疏散，該個體會前往該成員所處位置，協同該成員繼續依據就近原則尋找下1位成員，直至無群組成員可尋或不再尋找下1個群組成員為止。停止群組后的個體或團體會直接選擇就近疏散路徑前往避難所。

②慣性行為。慣性行為需要依據個體常態下形成的路徑數據庫得以實現，路徑數據庫收集個體活動過程中途經的最近的路徑節點，且每5 min搜集1次。模型在常態化模式下運行時間越久，個體路徑數據庫就越豐富，個體慣性行為特征越明顯。一旦個體接收到疏散信息并被要求進行疏散，其路徑數據庫就會停止繼續擴充，本文以路徑途經次數作為個體偏好評判標準，并假設某條路徑在經過3～5次以上后就會成為該個體的偏好性路徑。選擇慣性行為的個體，會首先根據當下自身位置選擇1個最近的避難所，明確疏散方向，然后按照設計的慣性路徑選擇算法選擇周邊偏好路徑進行疏散，直至到達避難所。慣性路徑選擇算法包括以下3個步驟：

步驟1：遍歷個體的偏好性路徑節點數據集，以三角形構建模式選擇與個體既定避難所方向一致的最近的偏好性節點。

步驟2：如果在避難所方向上沒有該個體偏好性節點，該個體依舊按照三角形構建模式選擇行進方向上最近的路徑節點進行疏散。

步驟3：按照1～3次/min的速率重復執行步驟1、2，直至個體選擇的下個節點為既定避難所，并抵達既定避難所為止。

三角形構建模式可以確保個體行進方向正確，即一直朝選擇的避難所方向行進。個體慣性行為三角形行進模式示意如圖6所示。個體當前所處位置、避難所位置以及即將選擇的就近節點3者構成1個三角形，為確保個體一定是往既定避難所前進，所選擇的行進節點必需滿足Line1t

圖6 個體慣性行為三角形行進模式示意Fig.6 Schematic diagram of triangle movement pattern of individual inertial behavior

③就近行為。基于當前個體所處位置，選擇離個體最近的避難所位置。

④從眾行為。部分個體處于猶豫狀態，有可能因為從眾進行響應，出現從眾行為的個體會隨機以群組、慣性或就近行為疏散。

4 事故人群疏散模型運行結果分析

基于事故調查報告和相關材料可知，實際事故疏散人數29 096人，為確保模型運行速度和計算速度，模型設置個體數量500個，模型假設29 096人的差異性集中體現在500個個體中，模型假設1個個體代表的58人在實際疏散中采取相同行為。模型內個體運行速度需要根據實際疏散時間進行調整，資料顯示，事故發生時間為6日18時56分，800 m疏散開始時間為6日20時28分，5 km疏散開始時間為7日16時40分，所有疏散完全結束時間為8日11時。模型假設初始運行時間為早上6時(模型顯示0時)，按照實際事故時間換算，第1階段開始疏散時間為模型顯示時間14時28分，第2階段開始疏散時間為模型顯示時間34時49分，疏散結束時間為53時。結合模型疏散結束時間，大致推算出模型500個個體行進的初始速度為30～80 km/h，換算至模型設置為0.516～1.37 km/h；同時，模型設置當行進個體周邊出現擁堵時，個體速度會有所下降，當個體周邊不存在擁堵時，個體行進速度會恢復常態化。根據上述設置，基本上所有個體能夠在53 h內疏散完全。

本文共設計5組實驗，對以下2種結果進行分析:1)觀察人群疏散過程中不同行為對人群疏散結果的影響。2)分析產生擁堵的路段及造成擁堵的原因。

針對模擬結果1)，本文運用Monte Carlo方法進行模擬，同組實驗重復運行10次，分別輸出最終做出4種行為的個體數量，并通過均值呈現最終結果，見表1。

表1 5組實驗中做出4種行為的個體數量及最終疏散數量統計Table 1 Number of individuals who performed 4 behaviors in 5 sets of experiments and number of final evacuees

由表1可知，在“所有行為”情景中，個體選擇不同行為的概率均等，群組行為結束后個體依舊按照就近原則前往目的地，因就近行為疏散人數中包含群組行為疏散人數，得到4種行為比例約為1∶2∶2∶4，從眾行為個體相對最多。群組行為個體數量偏少，原因是僅部分個體具有可群組的對象，降低群組行為個體比例。當沒有從眾行為時，疏散人數與“所有行為”情景相當，說明從眾行為并未明顯增加響應人數；在無從眾情況下，“所有行為”情景中從眾人群最終依舊會選擇疏散，這是因為群體內信息傳播速度較快，且大部分人會選擇相信應急疏散信息，所以從眾效果不明顯。此外，實驗未發現從眾行為有負面影響，這與“羊群效應”等相關研究結論不符，相關研究表明“羊群效應”可能導致大量人員產生從眾行為，在短時間內涌入出口，降低疏散效率[16]。與建筑內疏散不同，區域疏散短時間內人流增多將體現在交通擁堵上。本文想要分析疏散中的擁堵情況，所以未考慮從眾可能給交通帶來的負擔，其次，由于實驗中群體內部獲取信息速度較快，做出從眾行為的個體數量不多，因此對疏散結果沒有太大的影響。

“僅慣性行為”和“僅就近行為”疏散結果均與“所有行為”相當，說明人們在疏散時慣性行為和就近行為對疏散結果影響較小，但“僅群組行為”情景疏散人數明顯偏低，說明群組行為會嚴重影響疏散效果。做出群組行為的個體很可能會產生折返等與主人流對沖的情況，研究表明折返會大大增加疏散時間，降低疏散效率，該結論與本文實驗結果相符。

針對模擬結果2)，輸出模型模擬過程中個體行進二維坐標及周邊個體數量，得到個體實時二維坐標相對頻率分布，如圖7～8所示。由圖7可知，X坐標擁堵范圍為500～2 000，Y坐標擁堵范圍分為2段，分別為900～1 300和5 000～5 500。漳州古雷路網為長條型，X方向范圍較短，Y方向范圍較長，居民主要向Y方向上下2個方向疏散，因此，擁堵路段在Y方向上2個極端出現。由圖8可知，超過60%個體節點處于X方向725，1 025，1 825 3個位置，Y方向1 100，4 900，5 300，6 900，6 700 5個位置，并且很明顯Y方向上擁堵情況相對嚴重(占比最高的為Y方向的5 300)。個體疏散中周邊個體數量相對頻率分布如圖9所示。由圖9可知，周邊個體數量相對頻率分布呈冪律分布特征，表明大部分個體周邊個體數量在0～20個左右，少部分個體周邊個體數量大于20，最大約190個，這說明實際擁堵情況并不嚴重，但存在特別擁堵的個別路段或節點。實際疏散中擁堵路段如圖10～11所示(圖中節點半徑越大，證明周邊個體數量越多)，與圖7～8數據基本一致。在疏散路網設計或避難所選擇中，應盡可能避免路網中出現極端人流匯流的樞紐節點或路段，確保路網全連通性。

圖7 疏散中實時坐標相對頻率分布(相同區間)Fig.7 Relative frequency distribution of real-time coordinates during evacuation (same interval)

圖8 疏散中實時坐標相對頻率分布(不同區間)Fig.8 Relative frequency distribution of real-time coordinates during evacuation (different intervals)

圖9 疏散中周邊個體數量相對頻率分布Fig.9 Relative distribution of nearby persons

圖10 疏散初始擁堵情況可視化界面Fig.10 Visual interface of initial congestion in evacuation

圖11 疏散一段時間后擁堵情況可視化界面Fig.11 Visualized interface for congestion after a period of evacuation

5 結論

1)基于多智能體建模方法的人群疏散模型包含人員疏散過程中的信息傳播行為、群組行為、就近行為、慣性行為和從眾行為等典型疏散行為特征。

2)群組行為會嚴重影響疏散效果，慣性行為和就近行為在當前路網中對疏散效果影響較小。當群體內信息傳播較快、效果較好時，從眾行為對疏散效果影響較小。

3)結合模型模擬實驗可知，在疏散路網設計和避難所選擇時，應盡可能避免出現極端匯流路段或節點，保障路網全連通性。

4)在應急準備過程中，管理人員應組織應急演練或培訓，及時告知居民在發生突發危機時要首先保證自身安全，不要進行折返、尋找家人朋友等行為，應當就近前往避難所進行避難，對于熟悉路線的居民，可選擇常用路線前往避難所。同時，管理人員在遇到突發事件進行大規模人員疏散時，應在道路匯集區域、道路連通性較差的區域以及疏散過程中的必經之路上設置疏散指揮人員，指揮人群分流、有序疏散，避免造成擁堵和二次踩踏事件。此外，對于無法避免的道路擁堵情況，可以根據交通容量的情況分批次進行疏散，這種情況下居民需聽指揮避免從眾行為。