陈志刚，张 栋，张 鹏，程 刚

(1.中粮集团有限公司，北京 100020；2.中粮置地有限公司， 北京 100020；3.西单大悦城有限公司，北京 100000)

0 引言

城市商业综合体作为人员密集场所，存在人员拥挤踩踏等风险，如果场所内缺乏完善的人群聚集风险监测预警及应急响应机制，一旦发生突发事件或人员集聚混乱等情况，极易导致人员拥挤踩踏事故，不但造成生命财产损失，而且会导致严重的不良社会影响。近年来，国内外人员聚集踩踏事故频发，且在生产经营等公共场所屡见不鲜，例如，2007年11月10日，家乐福重庆沙坪坝店在举行店庆时，因市民抢购特价菜子油引发踩踏事故；2008年11月28日，美国纽约长岛附近的一家沃尔玛超市特价甩卖，引发踩踏致；2009年9月14日，巴基斯坦南部城市卡拉奇因争抢商场发放的免费食物发生踩踏；2010年7月28日上午，位于陕西西昌市航天大道的世纪MALL购物中心沃尔玛西昌店举行低价促销活动，顾客挤爆玻璃门后引发踩踏；2013年10月17日，深圳龙华街道组织书香小学的661名学生前往罗湖区一家儿童体验中心拓展，10多名学生乘坐自动扶梯，发生踩踏和碰撞；2014年12月31日23时35分，上海市黄浦区外滩陈毅广场东南角通往黄浦江观景平台的人行通道阶梯处发生拥挤踩踏。从上述事故案例来看，这些事故具有共同特点，大多是发生在节假日、庆典或促销活动的过程中，这是因为有明确主题或内容的活动吸引了大量人员聚集，从而形成高密度的人群环境，加之管理方对于人群聚集踩踏认知不足，缺乏前期监测预警干预和有效应急措施，最终导致事故发生。因此，围绕城市商业综合体人员密集场所踩踏风险监测和预警开展针对性研究，具有十分重要的现实意义。

目前，国内外部分学者针对人员密集场所突发事件情景下的疏散行为、人群恐慌波及行为、密集场所人员动态行为规律等进行了相关研究[1]，比较具有代表性的包括北京市劳动保护科学研究所开发完成的人群聚集风险监测与预警系统[2-3]，其主要针对城市商业步行街、风景点等公共开放区域应用。但梳理已有成果发现，城市商业综合体作为一类具有自身特点的室内人员密集场所，针对其所开展的人流聚集及潜在风险监测预警研究和应用仍较少，因此，本文以西单大悦城为例，结合城市商业综合体人群聚集风险及脆弱性分析，对人流聚集风险在线监测预警与应急指挥系统构建进行探讨，以期为城市商业综合体进一步开展防范人员聚集踩踏监测预警和提高应急决策效率提供参考和借鉴。

1 商业综合体人群聚集踩踏风险影响因素及监测预警原理分析

1.1 人群聚集踩踏事故机理

国内外学者围绕人群踩踏事件的定义、形成机制、特点及防范方法进行了较详细的研究，Helbing等研究指出，踩踏事件是一种由人类恐慌心理引起的，使人压垮、摔倒的人类集群性灾害，而踩踏可以由火灾、人群拥挤、甚至是无任何外因引起[4]，国内部分学者将引发人群聚集踩踏的诱因分为内因和外因[5-8]。本文通过对以往大量踩踏事故的分析发现，人群聚集的因素虽各不相同，但导致踩踏事故的前提条件是人员聚集，且当人群密度达到临界值时，根据自组织临界理论，此时一旦人群出现打破这种稳定状态的任何因素，就会导致人群瞬间发生骚乱，进而导致拥挤踩踏事故的发生。因此，对商业综合体内人群密度进行动态监测和预警，是预防踩踏事故发生的一条有效途径。

1.2 人群聚集踩踏事故成因及脆弱性风险分析

通过对人群聚集场所发生的拥挤踩踏事故机理进行分析并结合相关文献[9-10]可知，商业综合体人员密集场所的人群密度和管理缺陷对踩踏事故的发生具有直接影响。本文运用事故树对商业综合体人群聚集踩踏事故发生的致因因素进行定性分析，并据此对导致踩踏风险的脆弱性进行讨论。选取拥挤踩踏事故为顶上事件(T)，考虑到商业综合体人群聚集拥挤发生关键事件，编制出拥挤踩踏事故树，如图1所示，事故树中符号含义如表1所示。从事故树分析的关键事件可以判断，导致这些事件发生的主要因素是人员管理和应急干预不到位，通过建立和应用客流监测预警和应急指挥系统，可以在很大程度上提升商场管理人员前置决策干预能力，尽量避免人群密度达到或超过临界值。

符号事件类型T商场内人员拥挤踩踏事故A1突发事件疏散不利A2人员密度超过负荷,且无序移动A3应急处置未有效控制突发事件X1突发事件影响客流移动X2现场秩序维护力度不够X3出入口堵塞、通道堆放物品X4人员拥挤跌倒X5哄抢及活动涌入X6引导客流控制不利X7人群内部谣言、恐慌X8顾客过多,且行走受阻X9工作人员未定期巡视、疏导

此外，由于城市商业综合体内有一些特定营业区域，如影院、餐饮区、儿童场所及超市等，在某些具体时段，人员聚集快、组成复杂，且包括老人、儿童等行为能力较弱者，这些地方既是人员密集的区域，也是人流疏散困难、引发踩踏风险的薄弱环节。因此，在进行风险监测预警与应急指挥系统设计时，需综合考虑以上事故成因和脆弱性因素。

1.3 人流聚集风险监测预警基本原理

近年来，以智能视频处理为代表的图像分析技术在国内外公共场所预警方面得到广泛应用，有关踩踏事件风险预警技术主要集中在录像监控法、传感器检测法和算法模型等[11]。

以西单大悦城为例，相关客流监测预警与应急指挥系统的建设，主要是结合视频监控和智能分析技术，通过对关键位置、重点区域的实时监测和视频智能分析，掌握重点区域的人群密度、拥挤度，分析判断人群通畅、拥挤或局部阻滞等流动状态，同时结合历史数据和环境变量，建立客流监测预警模型系统。系统可24 h不间断地对监测区域内的客流和人群密度状态进行自动研判，一旦出现异常情况，就会自动触发报警，引导管理员查看实时视频进行核实，并做出相应的处置操作，实现“监测-报警/预警-核实-处置”一体化流程。系统所采用的智能行为分析技术原理是基于背景、前景建模，有效分析目标物或人与背景分离，提取跟踪前景目标，结合业务逻辑进行智能行为分析。智能行为分析技术包括图像分析技术领域中的多个模块，如混合模式建模、图像变换域分析、前景建模技术、行为分析业务逻辑等，智能行为分析技术的基础流程如图2所示。

图2 智能行为分析基础流程Fig.2 Basic process of intelligent behavior analysis

2 人流聚集风险监测预警系统模型

2.1 客流监测预警与应急指挥系统设计

以西单大悦城为例，基于城市商业综合体人员踩踏机理及脆弱性、薄弱环节分析，针对商场内人员密集风险特点，设计“客流监测预警和应急指挥系统”，主要从流量统计、密度检测、徘徊检测、逆行检测、人脸识别等主要指标监测人群聚集踩踏风险，并综合考虑商场楼层布局和疏散通道等建筑设计因素。该系统可以通过相关的理论模型，判断出实时的人流状态，同时预测未来数分钟该区域内人群数量的变化趋势，进而为应急决策提供辅助支持，一旦人流密集度超出预警标准，通过“人流密集风险预警系统”第一时间发出报警，并可根据事态的成因、人群的行为分析和疏散通道状况等建立应急疏散模型，商场指挥中心可以在数据模型的帮助下选出最优方案，提高应急决策效率。系统总体功能模块及拓扑结构分别如图3和图4所示。

图3 系统总体功能模块Fig.3 Overall functional modules of the system

2.2 决策支持模型和算法

人员密集场所管理最有效的办法就是进行风险控制，准确认识人群聚集和流动规律，准确判断和预测特定群体、特定场所的人群运动趋势，为人群聚集风险管理提供科学的预警信息。结合Helbing社会力模型[12-16]、经典风险理论对人群恐慌进行了详细分析，模型考虑了行人流的离散特性。

2.2.1 Helbing的社会力模型

(1)

其中：

社会力模型的主要思想是通过建立运动学方程，计算合力、加速度、速度、位移等物理量达到导航的目的。该模型由3部分力组成，第1项代表自驱动力，第2项代表人与人之间的作用力，第3项代表人与障碍物之间的作用力。

图4 系统硬件拓扑结构Fig.4 System hardware topology

2.2.2 经典风险理论

由于人群拥挤踩踏事故发生的随机性很大，因此可用相关区域滞留人数NS与所受影响总人数NT的比值来表示拥挤踩踏事故的概率[11]。

(2)

2.2.3 人群拥挤风险值

(3)

(4)

f=l·v

(5)

(6)

2.2.4 模型中参数的确定

2.2.5 风险等级划分

根据历史统计数据分析，在系统内预设客流量和人员密度预警限值，为更直观地显示报警级别与场内实际总人数的关系，将室内客流实际人数量设定3个区间范围，相应划分为3个预警级别：蓝色预警∈(0，10 000]；黄色预警∈(10 000，20 000]；红色预警∈(20 000，40 000]。

2.3 重点区域预警分级及应急指挥系统功能

2.3.1 重点区域预警分级设定

根据《北京市商业零售经营单位安全生产规定》，以西单大悦城为例，其根据实际需要设定了场所内总人数及监控的重点区域人员密度2个报警变量，如图5所示。确立了分级预警报警机制，用黄、橙、红3色预警，系统实时显示区域人员密度比，当达到预警阀值时即显示报警，以确保现场所有人员的安全，重点区域分级预警如下。

1)1级预警：重点区域内人员密度达到60%，监控室值机员向安保部当值主管及部门经理通报预警信息，当值主管安排在重点区域增加固定岗位，维护现场秩序。同时，监控室值机员密切关注重点区域内的实时人员密度。

图5 重点区域监控数据及报警阀值Fig.5 Key area monitoring data and alarm threshold

2)2级预警：重点区域内人员密度达到80%，监控室值机员向部门经理通报预警信息，部门经理立即向总值班员及物业部、安全环保部负责人通报，总值班员向分管领导通报。同时，部门经理部署在重点区域周边增加固定岗位，疏导周边人员，监控室值机员密切关注重点区域内的实时人员密度。

3)3级预警：重点区域内人员密度达到100%，监控室值机员向部门经理通报预警信息，部门经理立即向总值班员及物业部、安全环保部负责人通报，总值班人员向分管领导和总经理通报，总经理下达封闭现场指令，禁止人员进入重点区域，并对重点区域人员进行疏散。

2.3.2 应急指挥系统功能

为及时准确地处置现场突发事件，使负责突发事件应急处置的决策者(总指挥)明晰整体及分步处置流程，系统平台可根据商场各楼层结构绘制电子地图，地图中以图标方式标记应急设施，同时将人员疏散专项预案的处置流程及现场处置要点进行展示。根据现场处置人员向总指挥的通报情况，指挥中心值机员在系统中标注已采取的措施，同时系统显示未采取的措施，使总指挥及其他指挥员均能够从系统中清楚地判断现场处置人员是否按照预案流程处置并进行后续的督导，同时，该系统充分利用现有视频监控探头，通过网络将监控画面实时传输到指挥中心。使指挥人员观察到现场处置情况，避免了指挥员“盲指”的现象。

3 实例分析与验证

以西单大悦城为例，通过对不同日期和时段的人员进出商场监测数据分析，可获得相应时段的人员数量实时分布，如图6所示。

图6 大悦城客流实时分布Fig.6 Joy City real-time passenger flow distribution diagram

同时，本文又选取“十一”节假日和西单大悦城十周年店庆活动日(12月23日和12月24日)的监测数据，比较分析节假日与工作日客流情况，分析发现：“十一”期间的最高值出现在10月6日下午15∶00，客流量为20 779人；12月23日西单大悦城十周年店庆当天的最高值出现在22∶00，客流量为22 668人；12月24日(平安夜)最高峰出现在19∶00，客流量为17 455人。

从上述数据分析可知，西单大悦城商业客流量峰值日常均出现在20∶00的时段，工作日均值客流量为6 019人次；最大客流量为14 222人次，次峰值均出现在19∶00的时段，同时，根据现场核查，该时段餐饮聚集楼层、6层飞天梯等密集区域未出现人员拥挤情况。

西单大悦城通过系统建设和运行，初步实现了监控数据实时通过手机信息发送到指定领导或者值班领导，为应急管理人员的快速、科学应急决策提供了数据基础；同时，通过人流监测数据分析，并结合现场人员巡查情况对比，可以发现“商场每天哪个时间人数最多”、“哪个区域密度最大”等问题的答案，进一步为商场经营的科学管理提供参考和依据；同时，根据系统监测到的现场实际情况，结合人员拥挤程度历史数据统计分析，对系统原设定的预警临界值标准进行动态修定。

4 结论

1)由于封闭型室内人员密集场所与开放型公共场所的踩踏风险事件在形成原因、预警技术、疏散方法上存在明显的差别，因此室内监测预警系统设计时不仅要考虑人群聚集和疏导问题，还需要考虑商业综合体业态分布复杂、空间区域限制等综合因素。本文根据商业综合体人群聚集踩踏事故机理和动态演变特点，建立了客流聚集风险监测预警系统模型，并在分析其历史客流数据规律基础上，建立对综合体客流的监控、预测、预警和处置的流程化预案体系，商业综合体应急指挥中心可以在数据模型的帮助下选择最优方案，进而提高应急处置的决策效率和精细化管理水平。

2) 以西单大悦城为例，对商业综合体的人群聚集踩踏风险及监测预警系统模型进行应用和验证，结果表明：西单大悦城作为具有代表性的商业综合体，其“平日晚餐时段之后”和“节假日期间的午餐时段后”的人员密度处于一个相对高位；重要活动日的晚餐时段(19∶00-20∶00)后，将出现客流高峰，且会持续延迟到商业闭店前。因此，商场应加强在“晚餐时间”段、“节假日和重要活动日午餐时段”后的人流聚集楼层客流监控工作，并在此时间段内增派人员巡查，做好相应的应急防范措施。

3)随着大数据、物联网、人工智能等技术手段的不断发展和应用，商业综合体的人群聚集踩踏风险监测及预警模型和系统还需进一步扩展和完善。