陈 鹏，张 硕，刘晓静，赵洪阳，鲍建华

(吉林师范大学 旅游与地理科学学院，吉林 四平 136000)

0 引言

随着我国经济发展和城市建设进程的加快，城市规模与人口数量不断扩大，加之各类灾害、事故等不安全事件频发，给居民生命、财产等造成极大威胁。为了减少损失，需在城市范围内建设一定数量的应急避难所，在灾害发生时为居民提供安全保障。应急避难所规划是否合理，是降低城市风险的有效方法。应急避难所优化配置属于空间优化选址问题，目前针对此类问题研究分为3个大类：1)传统的空间优化选址问题，如覆盖问题[1]、中心问题(P-Center)[2]、中位问题(P-Median)[3]、竞争问题[4]和多目标选址问题[5]等。2)在传统的空间优化选址研究基础上进行改进方法，如基于中位问题演化的分层选址问题[6]、层次分析[7-8]、加权线性回归[9]、TOPSIS及灰色评价法[10]等。3)新技术的出现为空间优化选址提供了更为高效的方法，如结合计算机模拟技术[11-13]、GIS技术[14-15]、人工智能方法等空间优化选址新技术[16-17]，新技术的引入使得应急避难所的空间优化选址不仅加强了结果的可视化，还提高了模型的效率与精度。上述研究中虽然取得了一定成果，但仅是针对应急设施本身的规模、数量、位置等进行优化，鲜有从居民角度出发，考虑居民的避难效率及函数。

综上，本研究提出从居民视角出发，以获取居民意愿及行动策略，构建居民避难行动效率函数及应急避难所服务范围函数，将二者进行耦合，并构建应急避难所优化配置模型，先以虚拟地区进行试验，探究耦合模型的适用性及可行性；再以哈尔滨市道里区经纬街为研究区，以耦合后的模型对研究区现状应急避难所配置的合理性进行分析，探究其建设的不足，并提出优化配置方案。研究结果不仅可为当地应急避难所优化配置提供参考依据，还可为我国应急避难所优化配置领域中相似研究提供借鉴与参考。

1 数据来源与研究方法

1.1 数据来源

为了实现应急避难所优化配置研究，需要的数据主要包括研究区矢量数据，是以快鸟影像(分辨率0.61 m)为基础，利用ArcGIS软件进行解译获得，包括居民地、应急避难所、道路等；实地调查数据主要包括研究区居民数量核实、各家庭位置及老人家庭分布等信息；问卷调查数据主要包括居民行动意愿数据，以了解居民对应急避难所的选择；哈尔滨市道里区统计年鉴数据，主要包括人口统计数据，作为应急避难所优化配置的依据。

1.2 研究方法

1.2.1 居民避难效率模型构建

居民在选择应急避难所时，需考虑的是各自家庭的行动问题，为此，设计了居民应急避难行动模型。因本模型中考虑到每个家庭属性，可厘清居民以家庭为单位进行避难时，其避难效率存在明显差异的问题。基于这一差异性，考虑包含老年人的家庭和未包含老年人的家庭2种避难模式，其中未包含老年人的家庭可自主选择应急避难所进行避难，而有老人的家庭则需要到距离家最近的应急避难所避难。具体模型构建如下：

maxuij=u(tij,aj,sj)

(1)

s.ttij=lij/vi

(2)

aj=Aj/Nj

(3)

sj=Sj/Nj

(4)

∀Aj=const.

(5)

∀Sj=const.

(6)

N=∑jNj

(7)

式中：uij为居民从居住地i至避难所j的避难效用函数；lij为居住地i至避难所j的距离，m；vi为第i个居民移动速度，其移动速度大小取决于家庭属性(有无老年人)；aj为第j个居民在应急避难所的使用面积，m2；sj为第j个居民在应急避难所使用的储备物品量；Aj为第j个应急避难所的面积，m2；Sj为第j个应急避难所储备的物品数量；Nj为第j个应急避难所可收容居民数量；tij为第i个居民从家至第j个避难所步行所需时间，min。

1.2.2 应急避难所最优配置

1)技术流程

应急避难所最优配置是指在一定地域范围内数量布局合理，包括合理的规模、服务范围与物品储备量，使一定地域范围内应急避难所配置数量达到最优化。以往关于应急避难所最优配置研究，多从应急避难所单方面谈最优选址[18]，忽略了从居民角度出发考虑其规模，尤其是较少见到结合应急物品储备量相关研究。为此，本研究提出了将居民视角与应急避难所选址相耦合的最优配置方法。具体技术路线如图1所示。

图1 技术路线Fig.1 Technical Route

2)应急避难所最优配置条件分析

①条件假设

为进一步解释该模型的适用性及其实现原理，现以假想区域为研究对象(见图2)，设置A，B 2个应急避难所初始位置，每个网格内居住1个家庭，每个家庭由4人组成，左侧区域与右侧区域分别为假想应急避难所备选区域。依据问卷调查结果，可了解居民对应急避难所的选择意愿，以此为依据搜索应急避难所最佳建设位置。另外，从应急避难所角度来看，结合我国应急避难所物品配备标准，设定每2 m2配给1份应急备用品(食宿用品1套)，分别设定2 000≤Aj≤4 000，4 000≤Sj≤8 000。设定2种家庭模式，即有老人家庭与无老人家庭。其中，设定有老人家庭移动速度为1 m/s、无老人家庭2 m/s。以上述设定的参数为基准，利用应急避难所最佳服务范围计算模型，按照式(8)求得每个应急避难所最佳服务范围，被服务范围覆盖区域的家庭可前往此应急避难所进行避难。

(8)

图2 假定区域(棋盘模式)Fig.2 Assumption area (chessboard mode)

②方案及参数设定

在设定的2种家庭避难模式中，考虑到有老人家庭的居民避难效率非常低，因此该种家庭模式避难应以时间优先为准则。除此之外，一旦发生灾害，居民在选择应急避难所时还需要考虑应急避难所的面积、物品储备量等因素，为此，设计以下4种效用函数，以确定公式(1)中的居民避难效率函数。

uij=α1tij+β1aj+γ1sj+δ

(9)

uij=α2lntij+β2lnaj+γ2lnsj+δ

(10)

uij=α3tij+β3lnaj+γ3lnsj+δ

(11)

uij=α4exptij+β4aj+γ4sj+δ

(12)

式中：αi，βi，γi，δ分别为4种函数的参数，其值采用实地调查方式进行确定(关心程度打分：1～10分)(见表1)。按照上述式(8)～(11)中参数所表达的内容可知，应急避难所建设完成后，其容量与物品储备量是固定值(β，γ)，其值依据实际情况进行设定；αi是居民避难过程中避难时间的敏感系数，其设定依据家庭属性进行设置，其值越小表示居民对避难时间的选择相对较弱；δ是函数的参数基准值，其值按照关心程度打分值取最大值，即δ=10。另外，上述4种函数α的值如果缩小到极端值(α=-0.1),此时4种函数最终的结果值相似，选择2个避难所的家庭数量一致。反之，4种函数α的值极端大时(α=-0.1E-06)，选择避难所A与B的比例结果亦会一致。

表1 方案设定Table 1 Schemes setting

因参数βi,γi表示应急避难所的面积、物品储备量，其值的变化受应急避难所本身属性限制，所以设置时考虑到居民对应急避难所的关心程度，且还需结合数据的离散性进行设置。αi值为打分值，其值受家庭属性差异所影响，可依据家庭成员属性进行打分，具体各参数值的设定见表2。

表2 函数参数值设定Table 2 Setting of function parameters values

3)居民选择应急避难所原因分析

本研究中应急避难所的设置是从居民视角出发，按照居民的需求进行优化布局。因此，厘清居民选择应急避难所的原因，能更好的为应急避难所选择提供依据。灾害发生时，居民是以家庭为单位进行避难，其移动的速度、应急避难所容量、物品储备量则成为制约居民选择应急避难所的因素，因此，应急避难所的设置也影响着居民的选择。居民在应急避难所选择时关心的问题为：从家距应急避难所距离、容量、物品储备量3方面。以此为基础，在研究区范围内进行问卷调查200余人，以此确定居民关注程度。从调查结果得知：其中50%以上的居民比较关注家距应急避难所的距离，得分主要集中在7～10分；32%的居民较为关注应急避难所的物品储备量，得分主要集中在4～6分；18%左右的居民较为关注应急避难所的容量，得分主要集中在1～3分。从调查结果可以看出(见图3)，当灾害发生时，居民首先考虑的是前往应急避难所过程是否安全、快捷，其次是在应急避难所中的温饱问题，最后考虑的是应急避难所的容量问题。

图3 各家庭选择应急避难所对比Fig.3 Comparison of choosing emergency shelters for each family

4)应急避难所最优服务范围分析

在图2的假定地图中，设每个网格内有1个家庭，家庭属性依据调查结果进行设定。依据居民避难效率函数及uij可计算出每个网格内家庭避难效率，效率值高的家庭可选择相对较远的应急避难所，而效率低的家庭可就近选择应急避难所。同时，结合应急避难所最佳服务范围计算模型可确定应急避难所的覆盖范围，将二者进行叠加，便可确定最终应急避难所的最佳服务范围(见图4)。

利用居民避难效率模型，对各网格内居民避难效率进行分析，以说明4种函数类型的适用性，具体如图5所示。图5中x，y轴分别为对应的假定地图各网格编号，z轴表示居民避难效率，其值越大表示居民避难越迅速，反之越慢。另外，z值还体现了各网格内居民对应急避难所选择。其中，函数型1的居民避难效率相差较小，说明2个区域家庭属性相似，对2个应急避难所的选择基本相同；函数型2中左侧区域中居民避难效率较高，说明应急避难所A选择的人会有所增加，而右侧区域居民应急避难效率较低，说明该区域有老人家庭较多；函数型3中部分居民避难效率比前2种有较明显的提高，说明2个区域有老年人的家庭相对减少，但左侧区域中有老人家庭仍然比右侧区域的多；函数型4中部分居民避难效率已经达到最大值，说明无老年人的家庭占的比例较高，尤其是左侧区域居民对应急避难所的选择倾向性更为明显。

2 应急避难所优化结果与分析

2.1 现状服务范围分析

以哈尔滨市道里区经纬街为研究区，将研究区矢量数据上叠加棋盘网格，网格为正方形，边长为50 m。1～5号应急避难所为指定的应急避难所，属性值见表3。经纬街部分区域户数5 178户，人口19 460人，老年人口数6 960人(数据来源哈尔滨市道里区统计年鉴)。其中，每个家庭的移动速度受家庭中老年人影响，即老年人越多，移动速度越慢，反之越快。

图4 应急避难所服务范围(4种函数形式)Fig.4 Service range of emergency shelter (four functional forms)

表3 应急避难所属性Table 3 Properties of emergency shelters

传统的应急避难所服务范围是在建设之初，按照能够提供居民避难服务能力大小设定的服务范围，其服务范围一般呈现圆形。但由于居民地分布并不是规则的图形，因此该服务范围可能存在服务范围过大或过小的弊端，无法满足居民避难需求。从居民视角进行判定，依据其分布位置及家庭属性等因素，能够较为精准的设置应急避难所服务范围。以上述研究为基础，居民可以依据家庭属性、应急避难所容量与物品储备量及距离自行选择：当家庭成员有老人时，可选择以时间优先方案进行避难所；当家庭成员无老人时，可选择应急避难所条件较好的进行避难。为了使研究结果增加精确，实地调查了研究范围内的老人家庭分布情况，如图6所示。配合棋盘网格将数据落到空间上，为后续的应急避难所现状服务范围分析提供依据。利用式(1)～(7)，首先确定各家庭避难效率；其次，利用式(8)确定现状应急避难所服务范围，并结合式(9)～(12)确定不同家庭类型如何选择应急避难所；最后，将实际数据代入各模型进行计算，确定研究区现状应急避难所的服务范围，如图7所示。

图5 各网格居民避难效率Fig.5 Residents sheltering efficiency of each grid

图6 老年人分布Fig.6 Distribution of elderly persons

图7 研究区现状避难所服务范围Fig.7 Service range of current shelters in research area

2.2 优化配置

通过对研究区现状应急避难所服务范围分析结果可以看出，其现状服务范围无法满足全部居民避难需求，表现为在右下与左上2个区域没有应急避难所服务范围覆盖，因此，还需增加若干个应急避难所才能满足研究区居民避难需求。优化配置过程与现状应急避难所服务范围分析过程相同，需增加的应急避难所数量取决于居民的避难需求，按照居民选择避难所的方法，考虑到未被应急避难所服务范围覆盖区域距离相对较远，新增加的应急避难所数量至少为2个。利用上述现状应急避难所服务范围分析方法，最终确定需要增加2个应急避难所才能满足研究区全部居民避难需求(见图8)，具体新增应急避难所属性见表4。

图8 应急避难所优化配置Fig.8 Optimized allocation of emergency shelters

名称容量/m2物品量/套新增应急避难所(右下)4 0002 000新增应急避难所(左上)8 0004 000

因研究区应急避难所现状服务范围无法满足全部居民避难需求，所以，需在研究区未被覆盖的区域新增2个应急避难所。其中，应急避难所的设置依据是按照人均避难面积为2 m2，每人1套食宿用品。右下新增应急避难所属性：未被覆盖区域人口约为2 000人(占网格25个)，可设置应急避难所容量为4 000 m2，配套的物品量为2 000套；左上新增应急避难所属性：左上未被覆盖区域人口约为4 000人(占网格52个)，可设置应急避难所容量8 000 m2，配套物品量为4 000套。

3 结论与讨论

1)构建了应急避难所优化配置模型，以虚拟地区和哈尔滨市道里区经纬街区为研究对象，在限定的条件下确认了模型的适用性和4种函数形式的可行性，体现出居民对应急避难所的选择差异对应急避难所优化配置的影响程度。

2)因本研究中应急避难所配置是基于居民避难行动的优化配置，研究中考虑了居民的避难行动过程及家庭有老年人的特殊情况。在实施应急避难所优化配置时，从居民的视角来考虑该问题是与实际相符的，特别是考虑老年人家庭是很重要的，其结果更加符合实际。

3)本文在实用上还有一些需要改进的地方，如没有加入灾害的影响范围，而是假设整个街区都需要进行避难，在未来研究中有必要分析灾时居民的避难行动，并以实际灾害强度对避难效率函数进行率定；另外，居民避难行动效率研究过程中，未考虑到下垫面建筑物的高度，如不同楼房层数对居民避难时间影响等因素，在今后将就这些课题重点开展研究工作。