基于多智能體的城市內澇災害受災人口動態評估

王瑩瑩 孫瀅悅

摘要 將多智能體建模技術應用于城市內澇災害受災人口動態評估，可動態地監控受災人口變化趨勢。以長春市南關區為實證對象，應用多智能體建模技術，構建內澇災害受災人口動態評估模型，實現了受災人口在內澇災害前、中、后時期的全過程模擬。結果表明：內澇災害隨時間發展變化，受災人口在低危險呈現升高—降低—升高—降低的變化趨勢；受災人口在中危險狀態呈現升高—降低—升高—降低變化趨勢，但比低危險狀態變化幅度小；受災人口在高危險狀態呈現升高—降低變化趨勢。研究結果不僅可為監控城市內澇災害人口受災風險的動態變化特征提供參考，亦可為城市內澇災害防災減災提供決策依據。

關鍵詞 內澇災害；多智能體；動態評估

中圖分類號：TU992 文獻標識碼：B 文章編號：2095–3305（2023）09–0-03

近年來，城市內澇災害問題凸顯，輕則影響居民日常出行，重則威脅人類的生命安全。目前，國內外學者在暴雨內澇的成因、脆弱性及應對對策等方面進行了廣泛研究，對城市內澇災害受災人口動態評估的研究較少，因此對受災人口進行動態評估成為災害風險研究的必然趨勢[1]。

智能體（agent）是指在一個復雜系統中，具有一定獨立性、自治性、社會性的基本單元。多智能體系統（Multi-agent System，MAS）則是由一系列的智能體構成，通過相互之間的通信、合作、競爭等方式，完成單個智能體不能完成的數量龐大而復雜的工作[2-3]。當前，國內外研究學者將多智能體建模方法當成模擬和研究復雜系統的重要方法，它自下而上的建模思想與傳統的“從系統描述與分析建立數學模型→建立仿真模型→模型驗證”建模方式能更直觀、更真實地表達系統的復雜性。中國科技大學李文波團隊將多智能體建模技術應用于洪災人口損失評估方面研究，其基本原理是找出洪災的致災因子、孕災環境和承載體，設計其內部結構、通信機制及作用規則，并利用仿真平臺模擬居民損失情況將MAS應用于洪災風險動態評估，取得了一定的研究成果。已有洪災方面的研究成果為本研究提供了參考依據，為實現城市內澇災害受災居民動態評估提供技術支撐。

以長春市南關區為研究對象，以減少在城市內澇災害發生過程中受災人口數量為目的，將多智能體建模技術應用于城市暴雨內澇災害研究，并通過多智能體Netlogo仿真平臺模擬城市內澇災害發生的全過程，得到可能受災居民情況，將結果可作為減少內澇災害發生時居民受災數量的有效依據，同時也為城市內澇災害相關研究提供新思路。

1 研究資料與方法

1.1 研究區概況

南關區位于長春市的中南部（125.33°E，43.87°N），西南部與高新技術產業開發區鄰近，東南部與經濟技術開發區和凈月潭旅游經濟開發區相接。總面積為497 km2，總人口65萬人。氣候屬溫帶大陸性半濕潤季風氣候，降雨量主要集中在5—8月，約占全年降水量的80%，尤其是7—8月臺風等極端天氣造成的特大范圍暴雨，極易形成暴雨內澇災害。

1.2 數據資料

降雨數據來源于中國氣象數據科學共享服務網提供的長春市1985—2015年共31年的逐日降雨數據；研究區遙感影像數據來源于中國遙感數據網，運用ArcGIS軟件對遙感影像進行數字化處理，并結合研究區行政區劃，獲取研究區下墊面基礎地理信息數據；排水管網數據來源于長春市市政管理的排水管理部門，包括管網分布與排水能力，并結合實地調查數據，對整個排水管網進行整合，最后通過GIS技術的專題制圖得到研究區排水分布情況。

1.3 研究方法

城市內澇災害受災人口評估結果是由孕災環境、致災因子和承災體組合而成的城市內澇災害復雜系統的產物[4]。根據智能體（agent）建模的性質分別構建孕災環境智能體集合、致災因子智能體集合、承災體智能體集合和風險分析智能體集合四大智能體集合類型，形成城市內澇災害系統。通過數學表達式的規則和邏輯推理機制確定各智能體之間的相互關系，通過通信接口彼此進行互動，實現各智能體間的協調與協作，從而實現城市內澇災害復雜系統的建模與仿真，模擬城市內澇災害人口動態損失情況[5-7]。

利用Netlogo仿真平臺構建基于MAS

的城市內澇災害受災人口動態評估模型。運行階段主要從3個模型著手，即產匯流模型、人口智能體移動模型和風險分析模型。產匯流模型包括降雨量智能體生成、雨水智能體損失、雨水智能體匯流3種模型；風險分析模型包括人口受災風險分析模型；人口智能體移動模型表示的是發生內澇時人口的移動避險策略；模型停止階段則是為模型滿足仿真停止條件，且完成對內澇發生全過程中人口受到災害風險的動態評估，即該評估模型運行結束。

2 結果與分析

2.1 全過程受災人口動態評估

一是內澇災害發生前期。承災體中的人口智能體處于安全狀態。隨著模擬降雨過程的開始，致災降雨因子開始產生并逐漸增加。研究區的不同網格區域出現了不同數量的雨水智能體。低風險人群開始出現在研究區域（圖1）。當模型運行2 h時，研究區域已經出現一定數量的處于輕度受災狀態的人群，由于災害程度相對較輕，以及人口智能體的避險作用，大部分受災人群仍處于安全狀態。

二是內澇災害發生中期。隨著研究區降雨量的增加，災體所在網格區域的水深進一步增加，災情進一步加重。人口的災難狀態由安全狀態轉變為低風險狀態，處于中風險狀態和高風險狀態的人數開始呈現增加趨勢。當模型運行

7.2 h（峰值降雨）時，可以看到受災面積有一定程度的增加，人口主體明顯的流動性對沖效應減弱，人口受災程度呈增加趨勢（圖2）。降雨強度從峰值開始逐漸減弱，在降雨停止后24 h降為0。在這一階段，研究區受影響的人口進一步增加。以模型運行24 h（降雨停止時）為例（圖3），可以看出，當前受災面積有所增加，受災地區水深進一步增加，部分人口處于中高風險狀態。

三是內澇災害發生后期。降雨停止后，模型中不再產生降雨量智能體，但降雨過程造成的災害仍影響人口，災情并沒有立即得到緩解。在降雨停止后的一段時間內，由于雨水因子的損失模型效應，致災因子對承災體的影響程度開始減弱，研究區受災面積開始減少，致災水深逐漸下降。同時，由于人口智能體自身的移動對沖功能，處于嚴重危險狀態的種群開始處于較輕的災情狀態。隨著模型繼續運行，人口變得不那么脆弱。以模型運行最后時刻37.6 h為例（圖4），可以看出，研究區域部分人群的災情狀態已經變為較輕的災情狀態，甚至變為安全狀態。

2.2 結果分析

處于安全狀態下的人口智能體數量變化情況較為復雜，在內澇發生的前2 h，受災程度較輕，基本無受災情況；在2～8 h期間，研究區受災情況加重，安全人口數量呈現急劇下降趨勢；8～

24 h期間較2～8 h期間安全人口數量緩慢減少；在24～32 h期間，雖然停止降雨，但雨中造成的災害也影響著人口的安全狀態，安全人口智能體趨于平緩；在32～36 h期間，研究區災情得到控制，安全人口智能體數量呈增加趨勢；在36 h后，災情影響趨于穩定，安全人口智能體數量基本穩定。實時分析災害狀態下的人口智能體數量變化情況，分析研究區暴雨內澇整個過程中低風險、中風險和高風險種群主體數量變化曲線（圖5～圖6）。

為了進一步突出人口災害風險的動態特征，對獲得的人口災害風險數據進行定量分析。對暴雨內澇全過程的人口災害風險數據進行2 h采樣，定量呈現不同狀態的人口數量和不同時間的人口統計結果。

根據圖6可知，暴雨內澇發生的前4 h，研究區受災程度較輕，受災人數僅占人口總數的0.4%，且大部分人員處于低危險，只有少部分人員處于中危險和高危險；在6～8 h，研究區災情加重，受災人口數量增加；當8 h時，受災人數已占總數的3.4%；當10 h時，受災人數已經增加至4.07%，且低危險占2.27%，中危險占1.38%，高危險占0.42%；在12～18 h，研究區災情進一步加重，受災人口數量也一直增加，從12 h的4.58%增加至18 h的6.02%，而且中危險人口數量增加最顯著，由1.62%增加至2.78%；在18～24 h，受災人口仍呈增加趨勢，但中危險人口數量減少，由2.78%降至1.8%，低危險人口數量增加，由2%增加至4.18%，高危險人口數量由1.23%增至1.68%；在24～32 h期間，降雨停止后，研究區災情得到控制，受災人口數量趨于穩定，沒有明顯的增加趨勢，但低風險受災人口數量仍在增加，但高危險受災人口數量由1.68%降至0.5%，高危險人員轉變為低危險或中危險的狀態；從34 h開始，受災人口數量開始呈下降趨勢，在36 h后，高危險狀態的人口數量基本為0，研究區災情得到有效控制，高危險和中危險狀態逐漸轉變為低危險，所以低危險人口數量增加，高危險和中危險人口數量逐步減少，直至37.6 h，低危險占比3.52%，中危險占比2.57%，高危險占比僅為0.01%。

3 結論與展望

（1）采用內澇災害影響人群動態評估的多智能體建模模型，建立各種智能體的內部結構和流程設計以及智能體之間的通信機制。利用Netlogo仿真平臺，構建城市內澇災害影響人群動態評估系統。在內澇災害發生發展的全過程中，動態模擬受內澇災害影響人群的風險，實時分析受內澇災害影響人群的動態風險，分析結果揭示了受影響人群的動態變化特征。結果表明，該模型能夠有效地解決人口災害風險的動態變化問題。

（2）長春市南關區內澇災害低危險曲線變化呈現升高—降低—升高—降低的波浪形變化趨勢；中危險曲線也呈現出升高—降低—升高—降低的變化趨勢，但相比低危險曲線變化幅度小；高危險曲線呈現升高—降低單峰形變化趨勢。經受災人口統計分析發現，受災人口變化在災區低危險、中危險、高危險時變化曲線與內澇災害變化曲線大致相符，即受災人口在低危險狀態呈現升高—降低—升高—降低、中危險呈現升高—降低—升高—降低、高危險呈現升高—降低變化趨勢。

（3）研究的城市暴雨內澇災害受災人口動態評估與孕災環境設定以長春市南關區為例，不具有普適性，要想將多智能體建模技術在城市內澇災害中廣泛應用，還需更多的實地調查與研究。

在未來的研究中基于MAS的城市內澇災害的建模過程、智能體的種類、各智能體的內部結構設計相關參數需要得到完善，如房屋安全性問題、房屋承載力、淹沒的參數和時間還需精確設計和考慮，同時也需要進一步改善房屋的受災狀態。

參考文獻

[1] 陳鵬，趙洪陽，張繼權，等.城市內澇災害受災人口評估方法與實證研究：以哈爾濱市道里區為例[J].地理科學，2020， 40（1）：158-164.

[2] 王飛，尹占娥，溫家洪.基于多智能體的自然災害動態風險評估模型[J].地理與地理信息科學，2009，25（2）：85-88.

[3] 薛領，楊開忠，沈體雁.基于agent的建模：地理計算的新發展[J].地球科學進展，2004，19（2）：305-311.

[4] 張亞東，王碩，李亞，等.基于STPA與多智能體的列控運營場景危險分析及仿真驗證方法[J].中國鐵道科學，2021，42 （1）：147-155.

[5] 陳曉利，韓鋒斌.基于多智能體的城市環道交通信號控制算法[J].重慶大學學報，2021，44（1）：37-45，118.

[6] 張超省，王健，張林，等.面向復雜障礙場的多智能體系統集群避障模型[J].兵工學報，2021，42（1）：141-150.

[7] 張曉君，林穎，周昌樂.智能主體的等級BDI（信念、愿望和意圖）模型[J].計算機科學，2016，43（7）：35-40.

Dynamic Assessment of Urban Waterlogging Disaster Affected Population based on Multi-agent Technology

Wang Ying-ying et al（College of Tourism and Geography Science， Jilin Normal University， Siping， Jilin 136000）

Abstract Applying multi-agent modeling technology to the dynamic assessment of the affected population in urban waterlogging disasters can dynamically monitor the changing trends of the affected population. Taking Nanguan District， Changchun City as the empirical object， a dynamic evaluation model for the affected population of waterlogging disasters was constructed using multi-agent modeling technology. The entire process simulation of the affected population before， during， and after the waterlogging disaster was achieved. The results showed that waterlogging disasters develop over time， and the affected population showed a trend of increasing decreasing increasing decreasing decreasing at low risk; The affected population showed an increasing decreasing increasing decreasing decreasing decreasing trend in the medium risk state， but the change amplitude was smaller than that in the low risk state; The affected population showed an increasing decreasing trend in a high-risk state. The research results not only provided dynamic changes in the risk of urban waterlogging disasters to the population， but also provided decision-making basis for disaster prevention and reduction of urban waterlogging disasters.

Key words Waterlogging disaster; Multi-agent; Dynamic evaluation