随着城市的现代化建设,城市面积和人口密度不断增加,但城市的整体防震减灾能力及抗灾系统的建设远远落后于城市发展的速度。应急避难场所是城市抗震减灾设施的重要组成部分,而传统的避难场所服务半径分析往往以避难场所为中心点,向外扩展一定空间距离的缓冲区间来满足避难时间需求。在实际情况中,避难人群受建筑物阻塞、道路限制、次生灾害等影响,很难在规定时间内到达避难场所。如何科学地对应急避难场所进行规划成为当今城市防灾应急设施建设的关键。
部分学者已经针对避难场所的责任区划分问题进行了一些探索。初建宇等[1]以最小化避难场所个数及最小疏散距离为目标,通过LINGO软件编程求解得到避难场所的责任区划分范围。Xu等[2]和Zhao等[3]通过改良粒子群优化算法,研究了北京市朝阳区地震应急避难场所的位置布局和疏散人员的分配问题。Arnaout[4]以降低地震后紧急疏散的固定成本和运输成本为目标,研究了应急避难场所数目不确定情况下的分配问题。周铁军等[5]从综合疏散效率角度提出一个以P-中值模型为基础的多目标Pareto最优分区模型,以行人步行道路网络为重点实现了一个可视化的防灾责任分区案例应用。
地理信息系统(geographic information system,GIS)对空间信息具有强大的分析功能,部分学者利用GIS进行了一些研究。Alçada-Almeida等[6]综合考虑了总疏散距离、路径风险和避难场所风险3个因素,建立了避难场所多目标优化模型,利用GIS技术求取人员疏散的路径及火灾避难场所的数量、位置。吴健宏等[7]通过GIS的网络分析功能结合避难场所数量、位置,建立了基于GIS的避难场所选址决策支持系统,并使用加权Voronoi图划分避难场所的服务范围。宋英华等[8]利用空间句法模型和ArcGIS空间网络分析工具计算了避难场所各个指标的数据, 通过灰色综合关联度模型得到避难场所服务能力的综合值。
针对城市避难场所责任区划分,上述研究多在总疏散距离最短的基础上考虑避难场所限制或道路等级进行多目标责任分区,缺乏政府建设规划视角的研究。从对疏散距离的定义来看,多数研究以空间直线距离[2-4]或抽象网络[1, 6-8]为依据,缺乏对实际路网的考量。GIS位置分配的疏散距离是以实际路网长度为基础进行计算的。因此,本文以道路通行时间成本最低作为行人避难疏散的最优路径选择目标,从政府建设成本角度出发,结合示范城市昆明主城区应急资源分布均匀的特点,选择了路网可达性、避难场所的容量限制和人口分配等因素作为多目标规划条件,利用GIS位置分配的相关模型,探究城市避难场所责任区划分问题,以期为城市突发事件应急响应和决策提供技术支持。
1 GIS位置分配与应急避难场所责任区划分模型GIS位置分配[9]主要用于解决如何从一组可能位置中选择指定数量的设施点问题(以便以最佳且高效的方式将需求点分配给设施点)。其核心目标是给定具有权重的N个候选设施点和M个需求点,以及候选设施点的子集P,求解需求点到候选设施点的最短距离从而使每个M到最近的N之间的加权距离总和最短。城市应急避难场所的责任区划分问题就是考虑如何合理地将灾难发生时避难需求区域的人员在有限时间内引导到合适的避难场所。因此,本文以GIS位置分配中的最小化设施点模型[9]和最大化有容量限制的覆盖范围模型[9]对研究区域的应急避难场所的最佳位置和个数求解,为避难场所责任区的划分提供参考。GIS位置分配求解程序如图 1所示。本文的主要研究思路及应急避难场所责任区划分的流程如图 2所示。
1.1 最小化设施点模型
最小化设施点模型是在对设施点数不确定的情况下,求解如何布置尽量少的设施点并保证设施在最大服务阈值内覆盖更多的需求点。该模型会选择合适的设施点,以使尽可能多的需求点处于设施点容量限制范围内,并保证覆盖需求点的设施点的数量最小化。
1.2 最大化有容量限制的覆盖范围模型该模型通过定位设施点并在设施点容量限制范围内,使尽可能多的需求点被分配到所求解的设施点,同时保证分配给设施点的加权需求不超过其容量。运用该模型对避难场所进行位置分配,可使得避难场所既满足各避难需求点到避难场所的最大出行距离或最大出行时间不超过设定阈值,同时也可使得各避难需求点的总避难面积需求之和小于避难场所能提供的有效面积。
2 应急避难场所责任区划分数据准备 2.1 研究区域与数据获取本文的研究区域为云南省昆明市五华区与盘龙区交界处的主城区,包含龙翔街道、大观街道、护国街道、华山街道、鼓楼街道、拓东街道,总面积约958.2 hm2。人口数据来源于2019年第7次全国人口普查主要数据公报及昆明市卫生健康委员会的老龄化调查报告。路网数据来源于OpenStreetMap平台,包含道路长度信息、道路节点属性和部分建筑属性等。图 3所示为研究区域街道分布。表 1为研究区域内各街道的人口属性。
街道 | 人口数量 | 面积/km2 | 人口密度/(人·m-2) |
华山 | 60 654 | 3.86 | 0.015 713 |
护国 | 26 974 | 1.89 | 0.014 272 |
龙翔 | 49 022 | 3.95 | 0.012 411 |
拓东 | 34 216 | 1.89 | 0.018 104 |
鼓楼 | 40 759 | 1.77 | 0.023 028 |
大观 | 48 914 | 2.78 | 0.017 595 |
各街道人口平均密度计算公式如式(1)所示,所得到的研究区域内各街道人口平均密度列入表 1。
$ d=P / A. $ | (1) |
式中:d为该街道人口平均密度,P为相应街道的人口总数,A为相应街道的区域面积。
道路节点路段通行时间为
$ t=l / v . $ | (2) |
式中:t为道路节点之间的通行时间,l为道路节点之间的距离,v为行人的疏散速度。
美国的《道路通行能力手册》(HCM2000)指出,人行道的行人步行自由速度为1.52 m/s,当行人中老人比例大于20%时,行人步行速度为1 m/s[10]。根据昆明市卫生健康委员会的数据:截至2019年底,全市60周岁以上户籍老年人口达到111.4万人,占户籍总人口的19.23%。人员疏散速度受到诸多因素影响,如灾害种类不同、人员体质差异等,实际应急状态下的行人步行速度会略大于平时速度。由于缺乏综合统一的标准,因此本文选取行人的疏散速度1 m/s作为计算值。
2.2 路网可达性分析路网可达性是反映城市小区或路网节点相互之间居民出行交通难易程度的指标,数值越大表示可达性越高[11]。路网可达性取决于路网密度、路网覆盖度和路网与城市土地使用的协调度。路网密度反映路网数量上的总体建设水平,也反映路网的平均间距[12]。
本文对研究区域的路网可达性进行可视化表达,利用反距离权重法对道路节点起始—目的地(origin-destination,OD)成本矩阵进行求解,得到路网可达性分布如图 4所示。可达性的计算公式为
$ C=T /(n-1). $ | (3) |
式中:C为路网可达性,T为一条OD路径的总时间成本,n为总的OD路径数量。
对路网的通行时间进行赋权。由图 4可知,可达性数值范围在[17.92,23.65]、[23.66,29.38]、[29.39,35.11]、[35.12,40.85]、[40.86,46.58]的5个区间覆盖了全局的最大范围,对应于每个区间设定评价权重α分别为0.25、0.20、0.15、0.10、0.05。通行时间的加权公式为
$ t_{\mathrm{d}}=t \cdot(1+\alpha) . $ | (4) |
式中:td为加权后的道路节点间的通行时间,α为不同区间段可达性的赋权。
通过延长中心路网密度高的区域的通行时间来模拟行人疏散过程中的通行情况,这样可以减少位置分配选择时路网密集区域应急避难场所的划分范围,来确保该区域的服务质量。
2.3 避难场所的选取由于城市中适用于应急避难场所的大型公共设施趋于饱和,因此应整合这些设施资源来确定避难场所的责任区划分。
本文根据《防灾避难场所设计规范(GB 51143—2015)》中短期地震应急避难场所的标准,以研究区域现有的符合要求的公园、广场、体育场、绿地、学校等作为潜在应急避难场所。昆明市研究区域潜在备选应急避难场所分布如图 5所示,统计各避难场所的相关信息见表 2。在有效避难面积(可利用面积)计算中,对于公园绿地等,需要核算实际占地面积去除水域、建筑用地等后的面积[13],学校类的应急避难场所按照占地面积的30%计算有效避难面积。本文将研究区域的各类备选避难场所按照上述规则进行计算,并以人均面积2 m2为标准来计算备选避难场所可容纳的避难人数,结果见表 2。
编号 | 备选避难场所 | 有效避难面积/m2 | 可容纳避难人数 |
1 | 昆明市体育场 | 34 393 | 17 196 |
2 | 昆明市第一中学 | 50 708 | 25 354 |
3 | 翠湖公园 | 73 719 | 36 859 |
4 | 五华广场 | 21 421 | 10 710 |
5 | 胜利广场 | 9 962 | 4 981 |
6 | 篆塘公园 | 9 143 | 4 571 |
7 | 云南师范大学实验中学 | 8 095 | 4 047 |
8 | 金碧公园 | 14 125 | 7 062 |
9 | 东风广场 | 59 377 | 29 688 |
10 | 桃源广场 | 16 955 | 8 477 |
11 | 弥勒寺公园 | 43 920 | 21 960 |
12 | 云南大学东陆校区 | 58 085 | 29 042 |
13 | 文庙 | 3 727 | 1 863 |
2.4 需求点的选取
避难需求点的确定以城市路网的划分为依据。将研究区域每一块被路网包围或形成隔离的区域作为一个单元,以单元的中心作为避难需求点位置,同时为了保证分析精度,确保每一个单元的用地面积不超过6 hm2, 将部分大块单元拆分为多个小单元进行规划[14]。图 6为研究区域避难需求点的分布。
依据《城市抗震防灾规划标准(GB 50413—2012)》(修订报批稿)[15],考虑房屋可能破坏和潜在次生灾害影响核算避难人口,短期避难人口按常住人口的50%~70%计算,中长期避难人口按照常住人口的30%~40%计算[16]。本文选取常住人口的50%作为避难需求点的避难需求人口,研究区域内避难需求点的相关信息汇总见表 3。整个研究区域的所有避难需求人口数量为53 414人。
需求点编号 | 居住用地面积/m2 | 避难需求人数 |
1 | 136 875 | 1 699 |
2 | 207 308 | 1 823 |
3 | 180 910 | 1 591 |
… | … | … |
160 | 52 537 | 604 |
161 | 410 774 | 2 721 |
162 | 66 313 | 583 |
3 结果分析 3.1 基于最小化设施模型的位置分配
由GIS位置分配模块对输入数据进行处理,根据《城市社区应急避难场所建设标准(建标180—2017)》Ⅱ类地震应急避难场所要求达到服务半径1 000 m,结合实际路网通行距离,将阻抗中断设置为20 min(避难需求点到达避难场所的最远距离通行时间不超过20 min)。图 7是最小化设施点模型的位置分配结果。表 4是避难场所分配结果的数据汇总。
成功选取避难场所编号 | 可容纳避难人数 | 需求点避难需求人数 | 总疏散时间/min | 需求点分配数 |
3 | 36 859 | 6 287 | 190.7 | 20 |
5 | 4 981 | 7 325 | 447.1 | 39 |
6 | 4 571 | 11 999 | 245.1 | 23 |
7 | 4 047 | 6 481 | 139.4 | 14 |
8 | 7 062 | 5 886 | 274.4 | 30 |
9 | 29 688 | 3 602 | 166.7 | 13 |
10 | 8 477 | 5 484 | 125.2 | 11 |
11 | 21 960 | 6 350 | 164.2 | 12 |
从图 7可以看出, 整个研究区域被8个避难场所覆盖,中心区域避难场所对应的需求点数量最多。由表 4分析可知, 5号、6号和7号避难场所容量无法满足周围分配需求点的避难需求人数要求,且5号和8号的需求点分配数较高。上述现象表明, 5号、6号、7号避难场所的位置虽然能够充分地覆盖研究区域的需求点,却无法满足人口分配容量要求,且5号和7号周围的路网分布紧密、区域单元较小。由此可知,需要更多的避难场所来分担5号、6号、7号的避难需求人口压力。
3.2 基于最大化有容量限制的覆盖范围模型的位置分配将位置分配属性中要选择的避难场所个数从1到13个分别进行设置,阻抗中断为20 min。基于最大化有容量限制的覆盖范围模型得到的分配结果对比如图 8所示。其中:避难需求点覆盖率是所选取的避难场所分配的需求点数量与所有的需求点数量的比值,避难人口覆盖率为避难场所对应分配的人口数量与总人口数量的比值。
由图 8可以看出,随着避难场所的设置个数逐渐增加,避难需求点覆盖率及避难人口覆盖率也逐渐增加。当避难场所数量达到9个时,区域避难需求点覆盖率达到最大值98.76%,避难人口覆盖率也同时达到最大值97.45%;此后,随着避难场所个数的增加,避难需求点覆盖率与避难人口覆盖率不再增加。因此,从城市避难场所的维护成本及满足城市避难需求的角度考虑,政府应该选择启用9个避难场所来进行责任区的划分。表 5为部分避难场所选取结果,图 9是避难场所为9个时的位置分配结果。
场所数量 | 所选取的避难场所编号 | 总疏散时间/min | 平均疏散时间/min |
7 | 2, 4, 6, 8, 10, 11, 12 | 1 797 | 11.76 |
8 | 2, 4, 5, 6, 8, 10, 11, 12 | 1 749 | 11.01 |
9 | 2, 4, 5, 6, 8, 9, 10, 11, 12 | 1 710 | 10.75 |
10 | 2, 4, 5, 6, 8, 9, 10, 11, 12, 13 | 1 677 | 10.42 |
11 | 2, 3, 4, 5, 6, 8, 9, 10, 11, 12, 13 | 1 650 | 10.36 |
由表 5可知,随着避难场所数量的增加,研究区域的总疏散时间减少,各需求点的平均疏散时间也在减少。当避难场所超过9个时,虽然整体的覆盖率不再增加,但由于新增场所提供给其附近避难需求点人员更多的选择,会使总疏散时间减少。
由图 9可以看出,现存的潜在避难场所在实验条件下无论如何都无法完全覆盖整个区域的需求点。在图 9的左侧中间位置有一片区域无法被分配到6号篆塘公园,因为其容量无法满足分配需求点的避难需求人数要求,同时也影响了整体的需求点分配。靠近6号避难场所的需求点需要以更高的时间成本分配到附近的其他设施点,导致整体的疏散时间增加。之前最小化设施点模型中5号胜利广场的容量不足,可由附近4号五华广场来进行分担并达到了该区域范围内的避难需求容量要求。因此,政府需要对6号篆塘公园进行容量扩建来更好地满足研究区域的避难需求。
3.3 优化调整根据上述分析,对6号篆塘公园的容量进行扩容一倍,然后采用最大化有容量限制的覆盖范围模型重新进行位置分配。分别设置避难场所的个数为1~13个,阻抗中断为20 min。图 10为优化前后的避难场所需求点覆盖率与人口覆盖率的对比。
由图 10可以看出,当优化后的避难场所数量为9个时,避难需求点覆盖率与人口覆盖率达到100%,即满足所有的避难需求点的避难需求,随后曲线趋于平稳。从优化前后的对比可以看出,优化后的避难场所整体服务能力得到了提升,避难场所的最佳个数为9个。图 11为优化后避难场所为9个时的位置分配结果。
由图 11可以看出,优化后6号篆塘公园的服务能力足够覆盖周围的避难需求点,进而使得整个研究区域的避难需求被满足。
3.4 避难场所责任区划分经过上述位置分配分析后,最终确定了研究区域选取的避难场所个数为9个,对应场所编号分别为2、4、5、6、8、9、10、11、12。根据优化后每个避难场所被分配的需求点边界,对整个区域进行避难场所责任区划分。图 12为研究区域应急避难场所责任区的范围划分。
优化后的避难场所责任区划分为8个区域,共有9个避难场所。当地震等灾难发生时,居民可以根据责任区划分范围从自己所在位置快速疏散至对应避难场所,减少了应急避难的秩序维护成本,也减少了行人疏散风险。由于昆明的地震应急疏散场地都是在公园、绿地、学校等基础上建设的, 应依据《地震应急避难场所、场址及配套设施(GB 21734—2008)》要求,对地震应急避难场所的标示牌、配套功能设施、设备维护情况等进行规划调整。
4 结论本文综合考虑了地震情景下的城市应急避难需求,以路网可达性、人口分配及避难场所容量等因素为限定条件,通过GIS位置分配中的最小化设施点模型、最大化有容量限制的覆盖范围模型对昆明市五华区与盘龙区交界处的主城区的应急避难场所的责任区进行位置分配分析及优化调整。结果表明,政府需要对篆塘公园进行容量扩建,并将五华广场和胜利广场一同启用,才能使整个研究区域的避难服务效果达到最佳。本文从政府建设成本角度,将研究区域划分为8个避难场所责任区,并确立了9个最佳避难场所的位置,来满足区域内的应急避难需求。本研究为城市应急避难场所责任区划分提供了一种可行的思路,为昆明市应急管理建设提供了具有可操作性的建议。
[1] |
初建宇, 梁建文, 苏幼坡, 等. 防灾避难场所布局优化与责任区划分方法[J]. 世界地震工程, 2015, 31(1): 89-96. CHU J Y, LIANG J W, SU Y P, et al. Method for layout optimization and division of responsibility area for emergency shelter[J]. World Earthquake Engineering, 2015, 31(1): 89-96. (in Chinese) |
[2] |
XU W, ZHAO X J, MA Y J, et al. A multi-objective optimization based method for evaluating earthquake shelter location-allocation[J]. Geomatics, Natural Hazards and Risk, 2018, 9(1): 662-677. DOI:10.1080/19475705.2018.1470114 |
[3] |
ZHAO X J, XU W, MA Y J, et al. Relationships between evacuation population size, earthquake emergency shelter capacity, and evacuation time[J]. International Journal of Disaster Risk Science, 2017, 8(4): 457-470. DOI:10.1007/s13753-017-0157-2 |
[4] |
ARNAOUT J P. Ant colony optimization algorithm for the Euclidean location-allocation problem with unknown number of facilities[J]. Journal of Intelligent Manufacturing, 2013, 24(1): 45-54. DOI:10.1007/s10845-011-0536-2 |
[5] |
周铁军, 王大川, 王悦馨. 基于综合疏散效率的城市住区应急避难场所防灾责任分区多目标规划模型[J]. 住区, 2018(6): 31-38. ZHOU T J, WANG D C, WANG Y X. A multi-objective planning model for emergency shelters responsibility subarea assignment in urban residential areas based on comprehensive evacuation efficiency[J]. Design Community, 2018(6): 31-38. DOI:10.3969/j.issn.1674-9073.2018.06.005 (in Chinese) |
[6] |
ALÇADA-ALMEIDA, TRALHÃO L, SANTOS L, et al. A multiobjective approach to locate emergency shelters and identify evacuation routes in urban areas[J]. Geographical Analysis, 2009, 41(1): 9-29. DOI:10.1111/j.1538-4632.2009.00745.x |
[7] |
吴健宏, 翁文国. 应急避难场所的选址决策支持系统[J]. 清华大学学报(自然科学版), 2011, 51(5): 632-636. WU J H, WENG W G. Decision support system for urban shelter locations[J]. Journal of Tsinghua University (Science and Technology), 2011, 51(5): 632-636. (in Chinese) |
[8] |
宋英华, 赵相成, 吕伟, 等. 考虑多因素影响的避难场所服务范围划分方法[J]. 中国安全科学学报, 2019, 29(5): 138-144. SONG Y H, ZHAO X C, LYU W, et al. Method for service scope division of emergency shelters considering multi-factors[J]. China Safety Science Journal, 2019, 29(5): 138-144. (in Chinese) |
[9] |
阙泽胜, 胡洪卫, 陈素贤. 基于GIS位置分配的城市消防站点优化布局探析[J]. 北京测绘, 2013(2): 19-24, 18. QUE Z S, HU H W, CHEN S X. Analysis of the optimization in urban fire station layout planning based on location-allocation of GIS[J]. Beijing Surveying and Mapping, 2013(2): 19-24, 18. (in Chinese) |
[10] |
REILLY W. Highway capacity manual[M]. Washington DC, USA: Transportation Research Board, 2000.
|
[11] |
李鸿鹏. 小尺度街区交通可达性评价研究[D]. 成都: 西南交通大学, 2018. LI H P. Research on transportion accessibility evaluation in small block[D]. Chengdu: Southwest Jiaotong University, 2018. (in Chinese) |
[12] |
张宸铭, 高建华, 黎世民, 等. 基于路网可达性的城市空间形态集聚分形研究[J]. 地理研究, 2018, 37(12): 2528-2540. ZHANG C M, GAO J H, LI S M, et al. Fractal dimension study of urban morphology based on network accessibility[J]. Geographical Research, 2018, 37(12): 2528-2540. (in Chinese) |
[13] |
郑晓虹. 基于GIS的应急避难场所选址与布局研究[D]. 青岛: 中国海洋大学, 2013. ZHENG X H. Location and layout research of urban emergency shelters based on GIS[D]. Qingdao: Ocean University of China, 2013. (in Chinese) |
[14] |
郭小东, 张猛, 封家慧. GIS空间分析在城市防灾避难场所优化布局中的应用[J]. 城市与减灾, 2020(3): 34-40. GUO X D, ZHANG M, FENG J H. Application of GIS spatial analysis in optimized layout of disaster-prevention shelters in cities[J]. City and Disaster Reduction, 2020(3): 34-40. (in Chinese) |
[15] |
北京工业大学抗震减灾研究所, 河北省地震工程研究中心. 城市抗震防灾规划标准(修订报批稿)[S]. 2012. Institute of Earthquake Disaster Mitigation, Beijing University of Technology; Earthquake Engineering Research Center of Hebei Province. Urban earthquake disaster prevention planning standards (Revised draft for approval)[S]. 2012. (in Chinese) |
[16] |
初建宇. 防灾避难场所规划方法及其应用研究[D]. 天津: 天津大学, 2014. CHU J Y. Research on the methods for planning of emergency shelter and its application[D]. Tianjin: Tianjin University, 2014. (in Chinese) |