景區夜游密集人群踩踏事件情景下脆弱性分析*

李 華，何思敏，孔 嬌

(西安建筑科技大學 資源工程學院，陜西 西安 710055)

0 引言

隨著城市景區夜間旅游活動成為出游熱點，城市夜間公共安全問題也日益突出。中國旅游研究院發布的《夜間旅游市場數據報告2019》顯示[1]，夜間安全是限制游客夜間出游的首要因素。夜間的缺光環境極有可能引發偶發性和高危害性并存的踩踏事件，一經發生會造成嚴重的災害后果與社會影響。城市景區夜間旅游活動發生踩踏事件時，與白天不同的是夜游環境對人的感知影響，特別是對視覺的影響；其次，視覺、聽覺和觸覺感知減弱導致人們無法保障個體與環境的信息平衡；最后，不完滿的感知狀況加之夜間人群疲憊身心狀態，加重了事態的嚴重性。此類突發事件的應急準備、應急管理都需要以脆弱性評價和分析為基礎[2]，因此對景區夜游踩踏事件中的人群脆弱性進行分析評價，對降低城市景區夜間出游安全風險，加強旅游科學化管理具有重要的現實意義。

脆弱性是指系統存在容易遭受外界侵害的要素及系統受損后自我恢復的能力，這一概念最先源自于對自然災害問題的研究[3]，目前國內外的專家學者也將其應用到社會人文系統，探究地震[4]、公共衛生[5]和火災[6]等災害事故下人群系統的脆弱性，但針對踩踏事件的研究較少；李華等[7]從不同時間下踩踏情境不同的視角出發，探索景區密集人群踩踏事故情景演化的特征和路徑；石京等[8]從行人流特征的角度出發，分析高峰期景區行人踩踏事故的機理并提出預防措施，但以往研究著重于對踩踏過程的梳理，人群系統安全感知的脆弱性往往被忽略；且在夜間景區人的認知決策與白天存有明顯差異[9]。因此，需要基于夜游環境視角，對城市景區踩踏事件中密集人群的脆弱性進行研討。

基于以上討論，本文借助AHV模型，從夜游環境視角構建人—環境耦合系統在踩踏事件中的框架，分析辨識脆弱性影響因子并建立評價指標體系；提出博弈組合賦權-云模型的指標評價方法；以大雁塔北廣場為例，確定密集人群在踩踏事件易發地的風險因子權重并用綜合評價法進行評價，以期為城市景區夜游應急的網格化管理提供參考。

1 景區夜游踩踏事件中密集人群脆弱性及評價指標體系

1.1 脆弱性概念內涵

景區夜游踩踏事件是指高密度人群聚集在景區夜間光線不佳的環境下，在某些誘因的擾動下產生騷亂，失去控制后造成人員擁擠、踩踏，最終釀成人員死傷的災難[10]。踩踏事件中密集人群的脆弱性暴露于事件發生、發展及演變的全過程[11]，而較暗的夜游環境將直接影響密集人群的環境感知敏感度，進而影響人群脆弱性，結合文獻[12]對脆弱性3因素特征的分析，本文提出城市景區夜游踩踏事件中密集人群脆弱性與暴露性、敏感性、適應性有關。脆弱性的概念辨析如圖1所示。

圖1 基于3因素的密集人群脆弱性Fig.1 Vulnerability of dense crowd based on three factors

1.2 脆弱性影響因子識別

為了更好地分析夜游環境對密集人群脆弱性的聯系和作用，本文采用人—環境耦合系統的脆弱性分析框架[13]進行梳理。

踩踏事件的發生可視作密集人群與不安全的夜游環境耦合作用的過程，用AHV(Airlie House Vulnerability)模型構建的景區夜游踩踏事件下密集人群脆弱性分析框架如圖2所示。

圖2 景區夜游踩踏事件下密集人群脆弱性分析框架Fig.2 Analysis framework of dense crowd vulnerability under stampede incident at night tour in scenic spots

1.2.1 暴露性因子

暴露性因子由人群內部特征和人群與外部環境組合特征的相關因子組成。

1)人群內部特征。人群在高峰時段的密度越大，密集人群中異常行為越多，踩踏就越容易發生。

2)人群外部擾動。景區的一些基本布設(如售票口、樓梯)和夜間特色活動在燈光昏暗時易留滯大量游客，此種空間下載客量和突發響動越少、夜光標識越多、地面情況越平穩，踩踏事件風險越小；此外，限流力度和現場安保力量薄弱均會加大密集人群暴露于踩踏事件的風險。

1.2.2 敏感性因子

密集人群與夜游環境組合產生的風險信息是促進敏感性形成的感知輸入，結合心理行動學理論和現場調研，敏感性因子主要包括：

1)弱勢群體。包括女性、老弱幼、身患突發疾病等人群，在擁擠環境下他們的身心承受力較低，上述人群占比越多，人群系統就越敏感。

2)密集人群身心需求。心理需求決定著行為認知，對黑暗的恐懼感、個體感知力及防范意識經驗分別影響著個體在夜游環境中的向光性、知覺和信息的完整性，通過作用于行為進而影響人群系統脆弱性。

3)環境影響。主要可以分為對游人心理和生理的影響?；璋祷蜓９猸h境下人的感官敏感度提高，心理緊張反應和警惕性增加，游客群體更為依賴景區內的照明、廣播系統能力；同時景區的圍護設施達標率越低，主景觀和人行道上的障礙物數量較多，致脆風險越高。

1.2.3 適應性因子

為最大限度地減輕災害程度，參照自然災害和旅游景區突發事件的應急救援管理體系，適應性因子可分為：

1)災前預防準備。包括景區的預防工作和人群個體的預防，前者如夜間應急方案、應急疏散演練、管理者職責合理分配等的實施質量。

2)災中應急應對。相關因素主要取決于景區各部門間的協同運作：控制部門應保證視頻監控、應急照明系統的正常運作，消防部門應確保救援組織力量完備，安保部門應聯合公安交管部門做好景區周圍交通的管理疏導工作，才能更好地控制事故或減緩事故態勢發展。

1.2.4 評價指標體系的建立

本文依據科學性、層級性、易得性和可量化性的指標選取原則，在公共場所踩踏事件機理[14]、夜間防災[9]、景區應急管理[7]的研究背景下，考慮國內城市景區綜合特點和脆弱性評價對象，對所列初級指標進行篩選，參考法律法規中的相關標準，對所選指標進一步修正。

將初篩指標交由應急管理、景區管理、密集人群場所管理研究的專家給出2次修正和反饋的意見，最終構建出景區夜游踩踏事件下密集人群脆弱性評價指標體系，如表1所示。

表1 脆弱性評價指標體系Table 1 Assessment index system of vulnerability

表1(續)

2 基于組合賦權—云模型的評價方法

2.1 博弈論的組合賦權法確定權重

本文將G1法與熵權法根據博弈論原理合理結合，形成1種組合的主客觀指標賦權方法進行賦權。

1)G1法確定主觀權重。G1法針對多指標求解問題，能在簡化主觀賦值過程的同時保證結果的準確性，求取主觀權重的具體計算步驟參考文獻[15]。

2)改進熵權法確定客觀權重。熵權法利用指標信息的效用值大小來證明所評價對象的重要性，確定客觀權重的步驟參考文獻[16]，在計算信息熵時對矩陣中的指標均加上0.1進行改進。

3)博弈論組合主客觀賦權。博弈論組合賦權通過組合并優化主客觀法的計算結果，減少了單一權重計算造成的誤差。假設采用了s種權重方法進行評價，每種方法的權重向量表示如式(1)所示：

Wk=[Wk1,Wk2,…,Wkm](k=1，2，…，s)

(1)

式中：Wk為第k個方法確定的權重向量集。

再隨機對這些向量進行隨機組合

(2)

式中：WT為權重集的1種可能的權重向量；αk是權重線性組合系數。

由最優策略，找出Wk和各方法權重向量間的最小離差系數αk，如式(3)所示：

(3)

式中：Wi為第i個方法求取的權重向量。

根據矩陣微分方法求導后得到最優化一階導數的條件，如式(4)所示：

(4)

(5)

2.2 云模型

考慮到密集人群脆弱性與夜間城市景區環境的耦合作用產生的脆弱性因子顯現出的模糊性、不確定性和隨機性。將密集人群脆弱性系統視為一朵云，利用云模型的評價過程進行評價。

期望Ex、熵En和超熵He是代表云模型的3大特征，在本文中，Ex是人群脆弱性論域空間中的云滴分布，En和He分別是人群脆弱性概念、熵的不確定性度量。利用云模型進行評價的步驟如圖3所示。

圖3 脆弱性評價流程Fig.3 Flow chart of vulnerability assessment

2.3 建立評語集

本文依據國家旅游局第41號令《旅游安全管理辦法》中旅游突發事件的分級和密集人群脆弱性的特性，在論域[0,1]之間將人群脆弱性劃分微度、低度、中度、高度和極度5個等級，建立對應的脆弱性指標評語集V={V1，V2，V3，V4，V5}。對構成的雙邊約束評語集采用如式(6)所示計算云評價集的特征值：

(6)

式中：Vmax是上限，Vmin是下限；g為常數，隨指標的模糊閾值進行調整。評分范圍和所屬的評語集參數由專家給出，如表2所示。

表2 脆弱性系統評語集及云模型參數Table 2 Comment sets and cloud model parameters of vulnerability system

2.4 綜合評價云模型

1)選擇調研目標為城市景區夜游中易發生踩踏事件的地點，邀請旅游景區安全管理專家和景區管理團隊成員組成專家組，參考指標體系相關文獻和標準規范，對指標在[0，1]區間內給出最高分和最低分。

2)首先將專家給出的結果和指標權重代入逆向云發生器[17]計算得二級指標云參數，將所求結果代入浮動云算法[18]式(7)中，生成一級指標的云模型參數，代入此數值到綜合云算法[18]式(8)計算準則層的云參數。通過輸入準則層的3個特征值到正向云發生器，可以得出最終的判別云圖，將判別云圖與標尺云圖中各評語集云圖進行相似度比較，可得到最終的判定結果。云發生器步驟如圖4所示。

(7)

圖4 正態云發生器計算過程Fig.4 Calculation process of normal cloud generator

式中：Exi、Eni、Hei、ωi分別表示二級指標中各指標的期望、熵、超熵和權重。

(8)

式中：Exi、Eni、Hei、ωi分別表示一級指標中各指標的期望、熵、超熵和權重。

3 實例驗證

3.1 景區概況

大雁塔景區是5A級的國家旅游文化休閑景區，眾多慕名而來的游客在節假日期間匯集于此。但大量人群聚集增加了夜間踩踏事件的風險。本文選取北廣場夜間最易發生擁擠踩踏事件的地點在某1節假日進行實例驗證，4個危險地點包括S1中央廣場區、S2園林景觀區、S3東邊步行街道和S4西邊步行街道。

3.2 權重計算

3.3 脆弱性結果云圖分析

邀請10名景區安全管理的專家和景區工作人員組成打分小組，對4個地點進行[0，1]區間的最值分值評定，依照2.4節的計算過程，最終得到二級指標、一級指標和準則層的云模型參數，將其輸入正向云發生器得出結果云圖，圖5所示為4個片區突發踩踏事件密集人群脆弱性的綜合云模型評價結果云圖。S1，S2的評估結果分別更靠近“中度”、“低度”，即為此2區域脆弱性評價結果；S3和S4的評價結果云憑借觀察無法確定，依據貼近度[17]計算得評價結果分別為“低度”和“中度”。

為了得到更深入的評價結果，以評價結果中脆弱性等級最高的S1中央廣場區為例，首先比較各一級指標與準則層的期望值，如圖6所示：適應性A3的脆弱性等級最低且權重占比最高，說明景區的夜間應急管理能力處于較高水平；暴露性A1的評價結果明顯高于敏感性A2和適應性A3，說明暴露性是最易使密集人群系統在夜間不利條件下失控的環節；敏感性A2的脆弱性所屬等級雖為“中等”但權重值最低，因此景區仍需加強對游客的旅游安全教育和夜間防災心理建設。

圖6 一級指標云與準則層云Fig.6 Level 1 indexes cloud and criteria layer cloud

接著比較二級指標與一級指標的脆弱性結果云，圖7所示的是暴露性A1與所屬二級指標的云圖對比，A11高峰期人群密度與A17危險區人均空間承載量是暴露性A1中最主要的因素，評價結果分別為“極度”和“高度”，說明高密度人群和所處密集區域在夜晚的容納壓力是致脆關鍵點；A12人群行為異常性和A13夜光導向標識布設率的評價等級次之，說明夜光標識的布設率不佳易致使游客獲取信息困難進而造成人群滯留、對沖現象。經調查發現，游人為了找到最佳觀賞點往往會通過由南至北的臺階突然異向走動和同向擠壓，因此需要在此處加強人群疏導和夜間安全環境布設工作。

圖7 二級指標云與暴露性云Fig.7 Level 2 indexes cloud and exposure cloud

3.4 脆弱性結果對比驗證

1)評價方法對比驗證

為檢驗所提方法的可靠性，采用文獻[20]的方法，用同樣的權重和專家打分結果做出大雁塔北廣場噴泉處的脆弱性模糊綜合評價，所得結果比較如表3所示。模糊綜合評價法與本文所提模型的評價結果一致，但云模型具有更佳的可視效果。

表3 脆弱性評價結果比較Table 3 Comparison of vulnerability assessment results

2)指標對比驗證

為了驗證所得脆弱性評價指標結果一致性，采用蒙特卡洛crystallball方法[21]對4個地點的指標脆弱性進行敏感性模擬。假設單元設定為三角分布形式的26個指標，預測單元為各指標期望值和權重的乘積，模擬50 000次，各危險地點的脆弱性評價指標敏感性系數如圖8所示，所得結果與綜合評價方法指標的評價結果一致。

圖8 評價指標敏感性貢獻度Fig.8 Sensitivity contribution of assessment indexes

4 結論

1)以踩踏事件為例，結合脆弱性3因素理論給出城市景區夜游踩踏事件下密集人群脆弱性的概念，借助AHV模型梳理此種情形下人群脆弱性的暴露性、敏感性和適應性因子，構建有效、全面、可量化的脆弱性評價指標體系，準確找到人群在夜間景區面臨踩踏事件時的脆弱性因子，可以為相同尺度下夜間景區突發事件時的人群安全管理評價提供思路。

2)用實例樣本評價得出4個危險地點在夜游環境踩踏事件下密集人群脆弱性的等級，結合實際情況進一步分析所建指標各層脆弱性因子及其致脆原因，指出景區夜間安全管理與人群需求的沖突之處，找出影響人群系統脆弱性的關鍵點并提出相應的改進策略，以期通過降低負向關鍵因素的脆弱性來增強各方對人群系統脆弱性的管控能力，反映出脆弱性指標構建的合理性和評價模型選取的適用性。

3)通過與模糊綜合評價法、蒙特卡洛法分別進行評價結果和指標的對比，驗證本文所提綜合評價方法準確性和優勢，結果表明：博弈論確定的組合權重一定程度上提高評價結果的精度，云模型在脆弱性評價結果一致的情況下更具可視化的優點。