刘 毅， 沈斐敏， 王旭峰

(福州大学土木工程学院， 福建 福州 350116)

0 引言

随着经济的快速发展， 城市规模急剧扩张， 人口激增导致地面交通系统无法承受如此巨大的交通负荷， 拥堵已经成为了现代城市的新常态. 而地铁运输作为主要的城市地下交通方式， 以其便捷、 快速等特点受到了人们的关注. 部分地铁站厅深埋地下， 具有采光不足等特点， 受困人员疏散难度极大. 尤其是近几年来越来越多的地铁站开始与周边商场业态相结合， 成为巨大地下综合体， 例如日本东京的新宿站共有15条线路经停， 多条地下通道使其与周边众多商场相连通， 犹如巨大的地下迷宫. 站厅的多元化、 复杂化形态日趋明显， 一旦发生火灾， 极有可能造成巨大的人员伤亡[1].

建立可靠的疏散系统是有效减少火灾伤亡中最重要的一环[2]. 国内外众多专家学者早在20世纪20年代就针对如何有效进行人员疏散展开了深入研究. Yuan等[3]建立了基于疏散人员行为的二维元胞自动机模型， 并重点研究距离与人员密度对于疏散行为的影响； Huang等[4]基于疏散路径的宽度、 可见度和路径拥堵程度建立新的路径选择规则， 并提出新的地板场模型； Shields等[5]分析和总结人在火灾中的行为特征和规律， 认为人在紧急情况下产生的焦虑、 抑郁、 恐慌、 愤怒等情绪会引发群聚、 从众等行为， 从而可能影响人们的疏散行为； 屈云超等[6]从微观角度， 运用启发式力学模型研究从众效应对于人员疏散行为特性的影响， 认为从众行为在一定程度上能够提高行人疏散效率. 如何组织受困人员进行快速有效的应急疏散一直是城市交通安全领域研究的重点.

综上所述， 现阶段疏散行为研究多集中于通过建立模型分析个别影响因素与疏散效率的关系， 而没有系统的从受困人的角度， 分析紧急疏散时多种因素对于疏散路径选择的影响. 火场情况复杂， 人员在进行应急疏散时容易受到各种因素干扰， 如何选择合适的疏散路径疏散在很大程度上左右了疏散结果[7]. 鉴于此， 运用调查问卷和现场实验的研究方法， 结合结构方程模型分析地铁站厅内各因素对受困人员疏散路径选择行为的影响， 揭示在不同环境下受困人员的判断倾向和选择行为特征， 为地下人员疏散行为机理研究提供新的思路. 研究结果可以为地铁火灾疏散疏导工作提出合理建议， 对于提高疏散效果， 降低火灾伤亡有着重要的积极意义.

1 调查问卷研究分析

采用收集调查问卷的形式获得原始数据， 问卷参考文献[4-5]的研究结果， 并根据消防安全领域专家的咨询建议制定问卷内容， 其中涉及主要影响因素10个， 分别为： 光照条件、 能见度、 不明危险因素、 障碍物、 路径熟悉度、 指示标记、 声音导向、 人流导向、 路径距离(长短)、 路径拥挤度， 每个因素对疏散路径选择行为的影响大小用1～10分来表示， 10～8分表示显著影响； 8～6分表示较大影响； 6～4分表示有一定影响； 4分以下表示影响效果不明显. 共发放问卷570份， 调查对象主要为单位职工与高校在校学生， 剔除不可用问卷外， 实际回收有效问卷464份， 有效回收率为81.4%, 问卷统计结果如表1.

表1 影响因素得分表

从表1可以看出， 光照条件、 路径距离(长短)两因素的平均得分最高， 超过8分为显著影响， 调查问卷的分析结果认为， 这两个因素对地铁站厅人员疏散路径的选择行为影响最大.

2 实验研究分析

2.1 实验方案

图1 疏散实验场地布置图Fig.1 Illustration of experiment site

本次实验场地为F市地铁2号线某站厅内， 该站位于地下约9 m， 主体结构已基本完成， 可作为典型地铁站厅进行实验. 具体布置图见图1.

实验共设置A、 B、 C、 D 四个出口， 它们的环境与设置条件各不相同， 分别用来模拟地铁站厅内应急疏散过程中光照、 路径距离、 路径拥挤度、 疏散引导系统等因素对于人员疏散路径选择行为的影响关系. 各出口设置见表2.

表2 疏散出口设置表

实验分M、 N两组， 第M组参与人员为30名工地管理施工人员， 第N组为30名在校学生， 实验人员事先对场地布置状况并不知情， 在实验开始前由工作人员由A点带入至起点P(保持仅对A出口熟知)， 实验开始后同时由P点自由选择不同路径向四个疏散口进行应急疏散. 为了防止由于实验次数太多而对路线设置过于熟悉， 控制每组人员只能参加4次实验. 每次实验结束后， 参与实验人员需填写调查问卷并交于工作人员. 实验问卷共有9个选项， 与调查问卷中各影响因素相对应， 参与实验人员从中选取影响其疏散路径选择行为的因素， 可多选. 实验中主要影响因素见表3.

表3 实验中的主要影响因素

2.2 实验结果分析

图2 实验问卷结果统计图Fig.2 Statistics of questionnaire results

实验进行时， 每小组4次， 共8次， 每次参与实验人数为30人， 总参与人次为240人次， 共发放问卷240份， 收回有效问卷213份， 有效回收率为88.75%. 通过对问卷结果进行统计， 对于各影响因素的选择人次如图2所示.

从图中可以看出， M、 N两组实验人员对于影响因素的选择趋向基本相同. 在这9个因素中， 人流导向、 光照条件、 路径距离(长短)、 疏散标记因素选择人次较多， 而安全程度、 其他、 路径拥挤度较少， 熟悉度、 声音导向选择人次最少.

2.3 结果对比分析

将实验结果与调查问卷结果对比可以发现， 这两种分析方法的结果部分相同： 均认为光照条件、 路径距离(长短)为主要影响因素， 可以理解为在地铁站厅进行疏散时， 受困人员更倾向于根据光照环境和疏散距离的长短来选择疏散路径. 但也存在着一些差别： 调查问卷结果显示为次要影响因素的人流导向、 疏散标识却在现场实验时对实验参与人员疏散路径的选择行为产生了较大影响.

为了分析产生这一差别的原因， 更深入地研究地铁站厅人员疏散过程中的路径选择行为， 本文尝试基于调查问卷所获得的原始数据构建结构方程模型， 探讨各影响因素与路径选择行为之间的潜在关系.

3 结构方程模型分析

国内已有一些学者尝试将结构方程模型(structure equation modeling， SEM)与交通出行行为研究相结合， 但用于研究疏散路径选择行为的较少. SEM可以处理包含潜变量的多变量问题[8]， 这正是深入研究人员疏散路径选择行为机理所需要的.

3.1 模型构建

通过对比筛选， 将10个主要影响因素归纳为环境因素、 导向因素、 路径条件三大类， 其中： 光照条件X1、 能见度X2、 危险因素X3、 障碍物X4属于环境因素； 路径熟悉度X5、 指示标记X6、 声音导向X7、 人流导向X8属于导向因素； 路径距离(长短)X9、 路径拥挤度X10属于路径条件; 连同个人属性： 年龄X11、 学历X12、 健康状态X13. 构建地铁站厅人员疏散路径选择结构方程模型， 如图3.

图3 地铁站厅人员疏散路径选择行为结构方程模型Fig.3 Structure equation model of choosing evacuation routes

3.2 模型识别

表4 t法则

模型识别是设定SEM的重点， 用来判断所设定的模型是否合理， 是否具有可操作性[9]. 本文使用t法则对构建模型进行识别， 即通过比较模型待估参数数目t和数据资料点数目(DP)来检验模型的识别度， 如表4所示. 其中模型待估参数的个数为t， 内生观察指标个数为k， 外生观察指标的个数为q， DP=(k+q)(k+q+1)/2.

本模型中t=34，k=2，q=13， 因此t

3.3 数据采集与模型拟合

调查问卷结果表明, 指示标记和人流导向并不会对疏散路径选择行为产生显著影响， 这与现场实验结果不同， 也与现实群体疏散行为特征不符. 为了解释这一现象， 以调查问卷结果作为原始数据， 运用LISREL软件对数据进行分析并对建立理论模型进行检验. 经过对模型进行不断调整优化， 最终模型的拟合优度参数见表5.

表5 结构方程模型拟合优度参数

表中DF为自由度; Chi-Square为卡方值; 本文中Chi-Square与DF的比值为1.77，小于一般检验标准5.0[10]，P为显著性水平， 表明模型拟合情况较好； NNFI、 CFI与RMSEA为三个主要的拟合指数， 一般认为NNFI与CFI大于0.9[11]， RMSEA小于0.08[12]， 即表明模型与数据的拟合程度较好. 修正后的最终模型除CFI略低于标准值(0.9)之外， 其他参数均满足相关要求， 表示本文中的模型适配度基本符合标准， 模型结果有效.

3.4 结果分析

模型参数计算结果如图4所示.

图4 结构方程模型计算结果Fig.4 Model solving results

图中路径条件的标准化路径系数最大， 为0.77； 环境因素的标准化路径系数为0.33； 导向因素和个人属性的标准化路径系数最小， 分别为0.15和0.12. 可以认为路径条件与环境因素对于疏散路径的选择行为的影响较大.

3.5 讨论

基于结构方程模型可以很清晰地发现： 调查问卷分析结果中显示的关键因素光照条件、 路径距离(长短)属于潜变量中的环境因素和路径条件， 通常被人们理解为真实客观存在的， 不存在错误或虚假信息的既成事实； 而现场实验中对受困人员影响较大的关键因素人流导向、 指示标记均属于模型中的潜变量导向因素， 主要指由第三方提供的可能存在不确定性的信息. Weber[13]认为， 疏散是人们感知风险并作出相应应对措施的过程， 而风险感知则是人们对于客观信息通过主观途径的转化. 人们在填写调查问卷时处于相对稳定、 安全的环境， 有充足的时间进行理性的思考和分析， 此时多倾向于基于环境因素、 路径条件等客观信息进行个人的主观判断， 从而理性选择自己认为安全系数最高的疏散路径； 而他人提供的信息可能存在潜在风险(如： 疏散指示标志有可能将受困人员引向死胡同)， 通常在进行思考分析后会被否定.

但在现场实验中， 由于疏散时间限制、 现场气氛等因素的影响， 参与实验人员在应激状态下容易产生恐慌， 难以进行冷静分析和决策， 从而出现了丧失自我意识而产生从众行为的现象， 这与杨立中[14]、 Guo等[15]的研究结果相似. 在与实验人员的访谈中也验证了这一现象， 某实验人员明知道附近有更近的出口， 可是最终还是放弃自己选择， 同大家一起选择了更远的另一出口. 所以， 在应激状态下， 人们倾向于服从第三方提供的导向信息来指导自己的疏散路径选择行为， 这就是为什么在实验结果中出现人流导向、 指示标记为主要影响因素的原因.

疏散行为是人们在紧急状态下的应激行为， 必须充分考虑应激环境对受困人员的影响. 基于以上分析， 本研究认为在进行地铁站厅的紧急疏散时人流导向、 光照条件、 路径距离(长短)、 指示标记为影响人员疏散路径选择行为的关键因素， 并针对研究结果， 提出以下建议：

1) 应重视照明系统对应急疏散方向的指示作用， 急照明系统的设置应与疏散路径相一致， 同时适当减少非疏散路径上的应急照明；

2) 相关部门在设置疏散出口时应尽量选取空间中心点和对称点， 避免由于疏散路径长短不同而造成各出口利用率不均的情况；

3) 利用受困人员的从众心理， 在人员众多的复杂区域设置安全引导员， 确保在发生突发事件后第一时间正确引导人流进行疏散， 减少慌乱情绪传播， 避免二次事故发生的同时， 有效提高疏散效率；

4) 在出入口以及电梯间、 候车站厅等人员主要停留休息处增加简明清晰的平面布置图及疏散出口分布图， 合理增加复杂区域及路口的疏散指示标志数量.

4 结语

对受困人员疏散路径选择行为研究可有效提高地铁站厅人员疏散效率， 减少伤亡. 本研究基于调查问卷和现场实验对影响受困人员疏散路径选择行为的关键因素进行研究， 发现人在不同应激状态下对于关键影响因素有不同选择倾向性的现象， 并通过构建结构方程模型， 从潜性变量的角度对这一现象进行了深入分析. 研究表明： 路径距离(长短)、 光照条件为影响地铁站厅人员疏散路径选择行为的主要因素， 在应激状态下， 人流导向、 指示标记等因素也会对疏散路径选择行为产生较大影响.

参考文献：

[1] 徐滢, 叶永峰, 蒋燕锋, 等. 地铁车站人员安全疏散仿真理论分析与应用[J]. 中国安全科学学报, 2008, 24(4): 12-17.

[2] ZHAO C M, LO S M, LU J A,etal. A simulation approach for ranking of fire safety attributes of existing buildings[J]. Fire Safety Journal, 2004, 39(7): 557-579.

[3] YUAN W F, TAN K H. An evacuation model using cellular automata[J]. Physica： Section A, 2007(2): 549-566.

[4] HUANG H J, GUO R Y. Static floor field and exit choice for pedestrian evacuation in rooms with internal obstacles and multiple exits[J]. Physical Review E: Statistical, Nonlinear and Soft Matter Physics, 2008(2): 021131.

[5] SHIELDS T J, PROULX G. The science of human behavior： past research endeavour, current developments and fashioning a research agenda[C]// Proceedings of the Sixth International Symposium on Fire Safety Science. Toronto: [s.n.], 2000: 95-114.

[6] 屈云超, 高自友, 李新刚. 考虑从众效应和信息传递的行人疏散建模[J]. 交通运输系统工程与信息, 2014, 14(5): 188-193.

[7] LO S M, HUANG H C, WANG P,etal. A game theory based exit selection model for evacuation[J]. Fire Safety Journal. 2006,41(5): 364-369.

[8] CHEUNG M W L. Meta-analysis: a structural equation modeling approach[M]. New York: John Wiley & Sons Inc, 2015.

[9] 王卫东. 结构方程模型原理与应用[M]. 北京: 中国人民大学出版社, 2009．

[10] SAVALEI V, BENTLER P M. Structural equation modeling[M]. New York: John Wiley & Sons Inc, 2003.

[11] 刘铁忠, 李志祥. 煤矿安全管理能力影响因素结构方程建模[J]. 煤炭学报, 2008(12): 1452-1456.

[12] 陈红, 祁慧, 汪鸥, 等. 中国煤矿重大事故中故意违章行为影响因素结构方程模型研究[J]. 系统工程理论与实践, 2007(8): 127-136.

[13] WEBER E U.Risk: empirical studies on decision and choice[J]. International Encyclopedia of the Social and Behavioral Sciences, 2001: 13347-13351.

[14] 杨立中. 建筑内人员运动规律与疏散动力学[M]. 北京: 科学出版社, 2012.

[15] GUO Y G, HUANG H J, WONG S C. Route choice in pedestrian evacuation under conditions of good and zero visibility: experimental and simulation results[J]. Transportation Research Part B: Methodological, 2012, 46(6): 669-686.