陈伟　汤一鸣　赵军　高婧怡　翟国方

摘要：城市尺度避难疏散模拟可发现应急避难服务缺口，为避难场所建设提供量化基础。基于手机信令数据，构建疏散模拟模型，以天津市小白楼CBD地区为例，进行地震应急避难疏散模拟，研究发现：区域内总避难需求人数约79.3万，在全部298个地块中，紧急避难需求人员分布于白天的地块有199个；全部疏散路径的平均疏散时间约为10.8 min，小于10 min的路径占比约80.3%。116个紧急避难场所平均接收人数为6 396，其中25处接收人数超过10 000，6处接收人数超过20 000。超容规模较大的避难场所主要分布于天津站周边地区、海河东岸沿线区域、南京路沿线地区、津湾广场、锦州道及山西路等，其中64个已超出其最大容量，共计超出容量人数为42.68万，场均超容6 668人；52个未超容避难场所，总计最大能容纳38.08万人，但实际接收13.73万人，尚能容纳共计24.35万人。

关键词：应急避难场所；手机信令数据；地震避难；疏散模拟；天津

中图分类号：P315.94文献标识码：A文章编号：1000-0666（2023）04-0611-11

doi：10.20015/j.cnki.ISSN1000-0666.2023.0053

0引言

应急避难场所在保持灾后秩序、降低损失等方面扮演着重要角色，同时在保证人员安全、健康方面也发挥着关键作用（Nigg et al，2016；Shaw，2004）。作为一项基础工作，避难场所需求评估在当前的避难场所规划和灾时疏散预案制定中均是必须面对的一个重大挑战，这关系到避难场所的设置能否在规模和空间分布上最大程度地覆盖受灾人员，发挥出更好的服务状态（Vecere et al，2017）。在地震灾害中，避难场所需求预测大致可分为两类，一是通过对人口密度、地质条件、用地性质、建筑质量、基础设施等各种暴露性和脆弱性因子的综合分析，得出各个区的受灾率和受灾人口（蔡庚洋，贺俏毅，2011；汪建等，2013）；二是通过更详细的地块建筑结构及其它信息得出地块的避难率，结合用地类型和建筑高度、容积率等开发强度指标估算出地块遭遇灾害时的潜在疏散人数（陈志芬等，2016）。由于大城市往往职住分离，钟摆式交通现象明显，城市人口的昼夜分布存在着较大的差别，采用常住人口评估的场所需求会在城市的某些片区形成巨大的误差（赵来军等，2014）。针对如何估计城市人口的昼夜分布这一问题，有学者结合土地利用类型进行了人口的估算与模拟（江晴晴，2015；梁亚婷，2015；戚伟等，2013）。随着可获得的大数据类型的不断丰富及其应用面逐渐拓宽，已有基于大数据的人口分布研究（Chen et al，2020；周天绮，2018），如孙忠和运迎霞（2021）提出“时间-空间-规模三维空间面板模型”，根据人口时空变化规律，利用大数据技术对城市人口规模进行测算，依据建筑综合抗灾能力和人均避难场所面积，对各区域不同时段避难人数及不同等级避难场所进行测算。相比较传统的常住人口统计数据，大数据有助于实现时效性较强的高空间精度避难需求分布分析，进而为城市尺度疏散模拟提供量化基础。

疏散模拟实验的关键是建立疏散活动与城市环境之间的直接联系，处理复杂的空间、设施、道路网络数据，选择与避难场所、疏散道路相关的参数，建立模型加以解决（Filipe，Kacprzyk，2010；Zhou et al，2012；刘晓然等，2022；魏本勇等，2022）。如Yamada（1996）提出了两种网络流量方法来优化城市应急疏散计划，考虑把城市的每个居民都分配到附近的避难场所，疏散模拟结果与各种交通场景、速度的假设密切相关。Yu等（2015）开发了一种基于代理人技术实现疏散仿真的方法，对城市避难场所进行动态空间分配评估，模拟居民疏散到避难场所的过程。为了尽可能贴近真实的疏散情形，Yuan等（2017）提出了一种基于集成多级驱动决策模型的交通疏散仿真系统，该系统在统一的框架下生成代理行为，每个代理都经历战略、认知、战术和操作决策过程，可以支持应急管理人员设计和评估更贴近现实的交通疏散计划，提高避难场所的利用效率。总体上，在整个疏散模拟过程中，“多目标”通常是不可回避的约束条件（蔡凯臻，2018；张宣峰等，2020；钟光淳等，2022）。

避难场所资源在一定区域内的分布可能并不均衡，容量也各不相同，若不进行疏散模拟分析，场所资源的不合理布局、配置效率低下等问题会持续存在。当前的避难疏散研究主要关注疏散方案、决策方法、交通方式、影响因素、路线选择等方面，有以整个城市为研究对象的，也有对城市特定片区（中心区、工业区等）和单个建筑的交通疏散与人群运动的仿真，但面向城市尺度下所有可用避难场所的疏散模拟研究较少。在避难需求评估中，由于数据的限制，导致需求分析困难或避难需求规模及分布的空间尺度较大，不便使用。本文尝试利用手机信令数据，以地震紧急避难疏散为情景，分析天津市小白楼CBD地区紧急避难需求，进而构建模型开展城市尺度疏散模拟，期望为城市避难场所规划布局提供量化基础，切实推进我国防灾避难设施网络建设。

1研究区域与数据

1.1研究区域概况

本文研究区域位于天津市中心城区，属“小白楼CBD”组成部分，面积约13.47 km2，是典型的高建筑密度、高人口密度城市中心区。区域内及附近的主要设施与重要功能片区有天津站、意式风情街区、海河文化广场、和平路商业街、中心公园、静园、五大道文化旅游区、天津总医院、天津财经大学、天津外国语大学、天津医科大学、天津大学等。有4条地铁线从片区内部穿过，分别为1号线、2号线、3号线、津滨轻轨地铁9号线，共有9处站点。片区内建筑较为密集，意式风情街区尤甚，低层建筑与高层建筑集中区边界区分明显。（超）高层建筑主要分布于小白楼地区、海河沿岸两侧以及营口道地铁站（南京路与营口道交叉口）附近。

根据《防灾避难场所设计规范》（GB 51143—2015），应急避难场所可分为紧急避难场所、固定避难场所以及中心避难场所，其中紧急避难场所为应急或临时避难的场所，是避难人员集合并转移到固定避难场所的过渡性场所。在场地选择方面，紧急避难场所可选择居住小区内的花园、广场、空地和街头绿地等。本文研究区域建筑与人员密集，紧急避难空间较为紧张，因而选取的资源类型包括学校操场、公园、街头绿地、广场以及其它室外开敞空间。研究区域内共有紧急避难场所144处，总用地面积约1.308 km²，其中，103处的有效避难面积大于2 000 m2（圖1）。

1.2手机信令数据预处理

本文采用的手机信令数据来源于中国电信基站数据，范围包含以和平路地铁站为中心，半径约1.5 km内的区域。时间跨度为2016年11月1—30日，共计51 694 631条数据，每一条数据都包含了用户ID、坐标及时间信息（日/时/分），数据格式见表1。本文利用手机信令数据分析研究区域的高精度人口时空变化情况，进而预测紧急避难场所需求。需要指出的是，基站采集的信令数据并不能代表人员所在的精确位置，因而基于该数据得到的人员空间分布具有一定的误差。在具体分析中，既要掌握人口的总体变化趋势，也要详细了解不同时间段驻留人员与流动人员的规模及空间分布。首先对数据进行清洗处理，具体步骤为：①对每一天的每个时刻（按小时）进行数据提取；②对每一天的数据进行批量提取；③对已提取的数据进行去重并计数：先以经纬度坐标和用户ID作为唯一值进行去重，然后以经纬度坐标作为唯一值，将与其对应的所有人员计数，得到该坐标点的人数。该步骤在不影响结果的前提下减小了数据量，便于在GIS中进行分析，提升运行速度。以2016年11月10日15时的数据为例，同一个坐标存在较多的ID，经上述步骤去重后总计62 989个点（人）。按相同坐标进行计数（表2），使每个点都具备人员数量属性，则点的数量降为2 936个（依然为62 989人）。

2研究方法

2.1基于手机信令数据的避难需求分析

人口密集的CBD地区存在较大的昼夜人口差异，避难疏散应满足白天和夜间均会发生灾害的避难需求。因此，避难场所布局面临的一个重要挑战便是人口昼夜变化，这直接关系到场所布局能否满足昼夜防灾的要求。研究区域地块白天和夜间的驻留人员分别以就业人口和居住人口为主，各自的人员规模在一天内的变化较小。而由于大量旅客与商业休闲、娱乐人群的存在，流动人员的变化相对比较大，故紧急避难需求预测应结合驻留人员与流动人员综合分析。陈伟等（2019）根据手机信令数据的记录规则与统计分析，将驻留人员与流动人员分析模型的条件设置为：①若某ID一天之内出现的次数大于6次，且在区域内停留时间超过4 h，则将其标记为驻留人员；反之，将其视为流动人员；②若某ID仅在7：00～19：00出现，出现大于6次，且停留时间超过4 h，则将其标记为白天驻留人员；若仅在7：00之前或19：00之后出现，出现大于6次，且停留时间超过4 h，则将其视为夜间驻留人员；③若某ID仅在7：00～19：00出现，出现小于6次或停留时间小于4 h，则将其标记为白天流动人员；若仅在7：00之前或19：00之后出现，出现小于6次或停留时间小于4 h，则将其视为夜间流动人员；④某ID在区域内的最终坐标以该ID出现次数最多的坐标来表示。

2.2疏散模拟模型构建

考虑到给未来城市更新进程中避难场所规模的增加提供量化依据，本文构建了人员完全疏散情景下的疏散模拟模型，目的是将具有疏散要求的需求点（简称需求点）的待疏散人员疏散至附近合理距离内的可用避难场所。一个需求点可以对应多个避难场所。首先利用ArcGIS建立包含需求点、避难场所可用资源与路网的网络数据集，然后通过Model Builder组合构建OD距离成本矩阵模型。模型的输入要素为道路网（实际疏散路径）、需求点与避难场所，输出要素为疏散距离。疏散沿着构建的城市道路网进行（非直线距离），运算可视化结果中的直线不代表疏散路径，而是需求点附近合理距离内的所有可用避难场所资源，仅为对应关系示意，可以理解为某个需求点的若干疏散方向（Chen et al，2020）。

我国成年男性与女性的步行速度约为在1～1.3 m/s（徐循初，汤宇卿，2007）。当灾害发生时，步速一般较快。范晨璟（2017）通过一项疏散实验发现，居民在紧急情况下从其所处位置到附近避难场所的平均步行速度约2.15 m/s。因此，本文疏散模拟模型的人员平均步行速度设为2.15 m/s。根据模型可求得：①每一个需求点通往附近若干避难场所之间的每一条路径疏散的人数以及疏散完成所花费的时间；②每一个避难场所接收不同需求点的避难人员数量以及前往该避难场所的所有人员疏散完成所花费的時间；③每一个避难场所最终呈现的状态，即是否超容（Chen et al，2021）。

2.2.1模型参数设计

2.2.2主要构建流程

3城市尺度避难疏散模拟

3.1应急避难需求规模与分布

经前述人员分析模型计算得知，研究区域的夜间平均驻留人数为24 557，该数值是基于手机信令数据计算得出的人员规模，仅为区域人口的一部分。为了得到研究区域内夜间驻留人员总规模，笔者采用来源于某房产交易网站的住宅建筑数据进行分析，数据包含了小区、公寓、宿舍等居住建筑的坐标、户数等信息。区域居住人口的数量通过其拥有的总户数与户均人口数相乘计算得到，户均人口数来源于天津市人口抽样调查数据。由此，估算出夜间总居住人口数约为263 539。基于手机信令数据得到的夜间平均驻留人员规模与基于居住建筑数据得到的夜间总居住人口规模的比值即近似为区域内电信服务的市场占比，约为9.32%，将其余日期的白天驻留人员、白天流动人员、夜间驻留人员、夜间流动人员分别按照此比例进行校正，即可得到各自的实际人员规模。由此，得到研究区各地块紧急避难需求人员规模及分布（图2）。图2中全部298个地块中，需求分布于白天的地块有199个，分布于夜间的为99个，总需求人员规模约79.3万人。

3.2人员完全疏散情景下的疏散模拟分析

运用疏散模拟模型对紧急避难场所和需求点的最终状态进行分析。首先运用OD距离成本矩阵模型计算疏散模拟所需的疏散路径信息（表3），然后结合点数据（需求点、避难场所点）、线数据（疏散路径）展开疏散分析。表4为298个需求点人员全部疏散至紧急避难场所后的每条路径详细疏散人数及时间信息。统计显示，全部1 190条路径的平均疏散时间约为10.8 min，最短疏散时间在2 min之内，而由于部分需求点人员数量规模庞大，导致少数路径疏散时间达3 h以上，路径疏散时间频数分布区间如图3所示，小于10 min的路径占比约为80.3%。路径平均疏散人数约624，最大路径疏散人数约23 067，多数路径的疏散人数在450以下，也有部分路径疏散人数超过了1万。

需求点人员完全疏散后的紧急避难场所接收人员规模分布如图4所示。分析发现，116个参与疏散模拟紧急避难场所平均接收人数为6 396，最少人数少于10人，有25处超过10 000人。其中，有6处接收超过20 000人，超过30 000人的有2处，分别约32 165人、34 712人。将每一处避难场所接收的人员规模与最大容量进行比较，可知其是否超容以及具体的超容与尚能容纳的人数信息。总体上，超容规模较大的避难场所主要分布于天津站周边地区、海河东岸沿线区域、南京路沿线地区、津湾广场、锦州道及山西路等（图5）。

从表5统计分析发现，在116个接收了疏散人员的紧急避难场所中，有64个已超出其最大容量，其最大总计能容纳17.78万人，但实际接收了60.46万人，场均接收9 447人，共计超出容量42.68万人，场均超容6 668人。在52个未超容避难场所中，最大总计能容纳38.08万人，但实际接收了13.73万人，场均接收2 641人，尚能容纳共计24.35万人，场均尚能容纳4 682人。

4结论

本文以天津市小白楼CBD地区为例，利用手机信令数据对区域内紧急避难需求进行分析，进而构建模型开展城市尺度疏散模拟，得出以下结论：

（1）手机信令数据可以较好地应用于应急避难场所需求评估与疏散模拟。从昼夜防灾角度来看，在研究区全部298個地块中，紧急避难需求人员分布于白天与夜间的地块分别有199个、99个，总需求人员规模约79.3万。

（2）避难需求的分配不均导致部分地块疏散时间较长，不利于灾时开展快速有效疏散。10个需求点周边无紧急避难场所可用，而28个紧急避难场所不在任何一个需求点的合理疏散距离范围内。疏散完成的平均时间约为10.8 min，少数路径疏散时间达3 h以上，小于10 min的路径占比约80.3%。

（3）避难场所超出容量为普遍现象，亟需扩容。超容规模较大的避难场所主要分布于天津站周边地区、海河东岸沿线区域、南京路沿线地区、津湾广场、锦州道及山西路等。在116个避难场所中，64个已超出其最大容量，其最大总计能容纳17.78万人，共计超出容量42.68万人，场均超容6 668人。

参考文献：

蔡庚洋，贺俏毅.2017.城市应急避难场所需求量预测研究——以杭州市为例［J］.规划师，27（12）：67-71.

蔡凯臻.2018.提升空间防灾安全的城市设计策略——基于街区层面紧急疏散避难的时空过程［J］.建筑学报，（8）：46-50.

陈伟，翟国方，张义杰.2019.基于手机信令数据的人口高精度时空分布特征研究——以天津市小白楼CBD片区为例［J］.资源开发与市场，35（10）：1266-1272.

陈志芬，周健，王家卓，等.2016.应急避难场所规划中避难人口预测的简便方法——以地震灾害为例［J］.城市规划，（9）：105-112.

范晨璟.2017.多灾种综合应对的避难场所选址优化方法研究［D］.南京：南京大学.

江晴晴.2015.城市昼夜人口空间分布模拟方法［D］.南京：东南大学.

梁亚婷.2015.基于遥感和GIS的城市人口时空分布研究［D］.上海：上海师范大学.

刘晓然，张略淼，甄纪亮，等.2022.考虑人员疏散无序性的片区固定避难空间仿真及优化［J］.安全与环境学报，doi：10.13637/jissn.1009—6094.2022.0612.

戚伟，李颖，刘盛和，等.2013.城市昼夜人口空间分布的估算及其特征——以北京市海淀区为例［J］.地理学报，68（10）：1344-1356.

孙忠，运迎霞.2021.基于“三维空间面板”的避难场所规模均等性研究——以天津市中心城区为例［J］.灾害学，36（3）：195-202.

汪建，赵来军，王珂，等.2013.地震应急避难场所建设的需求与人因分析［J］.工业工程，（1）：9-13.

魏本勇，董翔，谭庆全，等.2022.基于避难场所容量限制的地震应急疏散路径分析［J］.地震研究，45（1）：141-149.

徐循初，汤宇卿.2007.城市道路与交通规划［M］.北京：中国建筑工业出版社.

张宣峰，于善初，张晓飞.2020.多目标约束下的固定避难场所选址优化［J］.城市发展研究，27（8）：59-66.

赵来军，王珂，汪建.2014.城市应急避难场所规划建设理论与方法［M］.北京：科学出版社.

钟光淳，翟国方，毕雪梅，等.2022.校园人群应急疏散行为及其影响因素研究［J］.地震研究，45（1）：120-159.

周天绮.2018.基于移动通信大数据的城市人口空间分布统计［J］.计算机与现代化，（5）：45-49.

Chen W，Fang Y，Zhai Q，et al.2020.Assessing emergency shelter demand using POI data and evacuation simulation［J］.ISPRS International Journal of Geo-Information，9（1）：41.

Chen W，Shi Y J，Wang W，et al.2021.The spatial optimization of emergency shelters based on an urban-scale evacuation simulation［J］.Applied Sciences，11（24）：11909.

Filipe J，Kacprzyk J.2010.Evacuation simulation with limited capacity sinks：An evolutionary approach to solve the shelter allocation and capacity assignment problem in a multi-agent evacuation simulation［C］//ICEC 2010 Proceedings of the international Conference on Evolution ary Canputation（Part of the international joint Conference on Computational intelligence IJCCI 2010）.SPAIN：Valencia.

Nigg J M，Barnshaw J，Torres M R.2016.Hurricane Katrina and the flooding of new orleans：Emergent issues in sheltering and temporary housing［J］.The ANNALS of the American Academy of Political and Social Science，604（1）：113-128.

Shaw M.2004.Housing and public health［J］.Annual Review of Public Health，25：397-418.

Vecere A，Monteiro R，Ammann W J，et al.2017.Predictive models for post disaster shelter needs assessment［J］.International Journal of Disaster Risk Reduction，21：44-62.

Yamada T.1996.A network flow approach to a city emergency evacuation planning［J］.International Journal of Systems Science，27（10）：931-936.

Yu J，Wen J，Jiang Y.2015.Agent-based evacuation simulation for spatial allocation assessment of urban shelters［C］//China：Guilin.

Yuan S，Chun S A，Spinelli B，et al.2017.Traffic evacuation simulation based on multi-level driving decision model［J］.Transportation Research Part C：Emerging Technologies，78：129-149.

Zhou T，Wang D，Zong D，et al.2012.The Study of the responsibility space regionalization of emergency shelters in the urban center and the evaluation of evacuation road based on microscope computer simulation：A Case of Chongqing Three Gorges Square Area［J］.Disaster Advances，5（4）：230-236.

GB 51143—2015，防災避难场所设计规范［S］.

Urban-scale Earthquake Evacuation Simulation Based

on Mobile Phone Signaling Data

CHEN Wei TANG Yiming ZHAO Jun GAO Jingyi ZHAI Guofang

（1.School of Management，Nanjing University of Posts and Telecommunications，Nanjing 210023，Jiangsu，China）

（2.School of Geographic and Biologic Information，Nanjing University of Posts

and Telecommunications，Nanjing 210023，Jiangsu，China）

（3.Jiangsu Provincial Architectural Design and Research Institute，Nanjing 210023，Jiangsu，China）

（4.Department of Architecture and Building Science，Graduate School of Engineering，

Tohoku University，Sendai 980-8579，Japan）

（5.School of Architecture and Urban Planning，Nanjing University，Nanjing 210093，Jiangsu，China）

Abstract

The simulation of urban-scale evacuation can help to find the gap between the actually-required number of the emergency shelters and the number of the existing emergency shelters，and to provide a quantitative basis for the construction of emergency shelters.Based on the mobile phone signaling data，an evacuation model is built to simulate the earthquake evacuation in Xiaobailou area，the CBD of Tianjin.It is found that the total number of people in need of refuge in the area was about 793000，and among the 298 plots，199 plots are required for evacuation during the daytime.The average evacuation time for the people on all routes is about 10.8 minutes，and the routes for people costing less than 10 minutes account for about 80.3%.The average number of refugees accommodated by 116 emergency shelters in evacuation simulation is 6396.There are 25 shelters whose maximum capacity is more than 10000 people and 6 shelters whose maximum capacity is more than 20000 people.Shelters with large excess capacity are mainly distributed around Tianjin railway station，along the East Bank of Haihe River，along Nanjing Road，in Jinwan Square，along Jinzhou Road and Shanxi Road，among which 64 have exceeded their maximum capacity，with 426800 people exceeding the total capacity and 6 668 people exceeding the average capacity.There are 52 shelters which refugees do not exceed their capacity，altogether they can accommodate 380800 people，but the actual refugees are 137300；there is a gap of 243500 people.

Keywords：emergency shelter；mobile phone signaling data；earthquake disaster；evacuation simulation；Tanjin