城市复杂灾害的防控管理耦合了人、地、事、物等多元要素[1]。诸多城市灾害案例如郑州市“7·20”特大暴雨内涝灾害、十堰市“6·13”燃气爆炸事故、武汉市“5·14”龙卷风灾害，其复杂的城市场景、多维度致灾因素和多变的演化过程使得对灾情的态势推演和应急决策极其困难。因此，建立多维度、跨领域的情景分析方法对于城市复杂灾害的全周期应急管理至关重要。
针对单一领域或层面的复杂灾害情景，尤其是对物理空间灾害事件的发展演化、影响因素和破坏作用，学者们已开展众多研究[2-3]。随着近年来信息技术的快速发展，社会公众在信息空间中的活动更加频繁，各类电子设备也采集汇聚了海量多源数据信息。早在2008年，美国国家科学基金会(National Science Foundation, NSF)就将信息物理系统(cyber-physical system, CPS)作为重点资助领域，研究如何协同计算资源和物理系统[4]。随后研究者们通过在系统运行和管理中引入人的因素[5]，将社会科学、认知科学与CPS融合，进一步将CPS发展为信息-物理-社会系统(cyber-physical-social system, CPSS)[6-7]，并把社会群体的特征统一划归至社会空间。然而，社会群体的认知，例如管理者和公众对信息传播、物理规律、组织决策等方面的认知，与信息、物理、社会各领域空间紧密连接、交叉耦合，这凸显了将认知域单独作为复杂灾害分析系统一部分的重要性。
大数据技术的发展为城市复杂灾害的演化预测及应急管理提供了有力的支持[8-9]。对于物理空间中灾害的演化规律，研究者们[10-12]通过实验、模拟、案例分析等方法，揭示了火灾、洪涝、地震等灾害的多物理场耦合演化模式及其对承灾载体的作用规律，分析了风险态势演化的耦合性与级联效应及其复杂性成因[13]。对于信息空间中灾害的监测预警，学者们从灾害特征监测[14]、网络舆情分析[15-16]、城市计算[17]等多角度开展灾情分析，利用多源监测数据信息推演灾情的发展。对于社会空间中受灾群体的管理分析，学者们研发了多种方法，主要包括基于人工社会(artificial societies)、计算实验(computational experiments)、平行执行(parallel execution)的ACP方法[17]，“情景-应对”式灾害管理方法[18]，以及社会网络分析、情感分析、社会经济等社会计算方法[19-20]，以支撑社会空间中灾害影响的分析推演。此外，一系列针对社会群体认知能力的研究[21]，通过量化分析人的生理心理、行为情绪、认知观念、应急能力等方面情况[22]，揭示了认知域中复杂灾害与社会群体的交互影响。
基于信息域、物理域、社会域或认知域中某一领域或层面的灾害相关数据，现有研究在机理分析、模型构建或情景应用等方面均取得了重要进展。然而，城市复杂灾害涉及突发事件、承灾载体、应急管理3个维度的众多因素，单一数据空间或少数领域的数据分析已难以满足复杂灾害的适时处置和应急决策需求，因此急需建立系统化的复杂灾害情景分析方法。融合“信息-物理-社会-认知”(cyber-physical-social-cognitive, CPS-C)领域大数据的灾害情景分析系统能够从多维度、多角度、多层次支撑灾情演变感知，结合规划层面、策略层面、操作层面的系统化分析流程，可最终实现对灾害情景的感知、分析、推演和决策。
本文面向城市复杂灾害的防控管理需求，提出了“信息-物理-社会-认知”四域合一数据分析系统；进而构建了基于该系统的复杂灾害情景分析方法，建立了涵盖“规划-策略-操作”3个层面的灾害应急管理流程框架。最后，以城市台风导致暴雨内涝灾害为例，通过对全周期应急管理流程的策略分析和情景演练，验证了该方法的有效性。
1 “信息-物理-社会-认知”四域合一系统构建面向信息域、物理域、社会域和认知域的“四域”数据空间(以下简称为四域空间)，本文提出了“信息-物理-社会-认知”四域合一分析系统CPS-C。CPS-C系统中四域空间紧密连接，物理域、社会域分别通过传感器网络和社会网络与信息域交互连接，认知域则由社会个体或群体与信息域、物理域、社会域连接，从而形成“三横”(信息-物理-社会域)、“一纵”(认知域)的逻辑关联体系，如图 1所示。
|
| 图 1 “信息-物理-社会-认知”四域合一分析系统 |
物理域：主要涵盖真实物理空间中的自然灾害、事故灾难、公共卫生事件、社会安全事件等复杂事件，以及生物群体、基础设施网络等承灾载体。该域的数据分析涉及复杂事件的力、热、声、光、电等物理作用及其对承灾载体的影响等，研究事件的发生发展演化过程及其对人、地、物等承灾载体的影响。
信息域：主要涵盖互联网、物联网、Ad-hoc网、移动通信以及各类监测设备对人、地、事、物等采集、生成、传输的信息数据。信息域通过物联网等传感器网络，获取物理域中复杂事件、承灾载体等的信息数据；利用互联网、移动通信等新媒体，获取社会域中社会群体的行为、网络关系、社会舆情等信息。该空间汇集时间-空间-人间多源信息，采用数字孪生、平行系统、边缘计算、深度学习等技术开展数据分析计算。
社会域：主要涵盖社会群体的感知、交互以及管理、决策等社会活动。该空间分析了社会群体的网络关系、生理心理特征以及社会运行体制机制等。
认知域：主要涵盖个体和群体对物理空间、信息空间、社会空间中信息的感知、处理以及随之产生的心理、生理、行为与个性、观念、价值、文化等响应。对物理规律、信息传播演化、组织管理决策等的认知评测，形成了认知空间中的数据信息。
通过跨领域、跨层级、跨尺度大数据的“四域合一”融合分析，从突发事件事前-事中-事后的时间维度、微观-中观-宏观的空间维度以及政府-组织-公众的人间维度感知事件情景态势和场景要素，本文建立的分析系统能够分析多源数据信息并评估事件影响，进而推演情景发展趋势，最终支撑合理、快速、正确地研判决策和组织应对，从而实现对复杂事件要素、场景、过程等的全周期应急管理。
2 城市复杂灾害情景分析方法城市复杂灾害呈现多灾种、多要素、多场景、多尺度耦合特征[23]。为解决灾害应急管理所面临的系统化不足、信息源单一等问题，本文提出以CPS-C系统为基础的城市复杂灾害情景分析方法，从“规划-策略-操作”3个层面，构建“目标-情景-任务-资源-响应-评估-决策”系统化分析流程，如图 2所示。
|
| 图 2 城市复杂灾害“三层四域”情景分析方法 |
城市复杂灾害“三层四域”情景分析方法的应急管理流程具体包括：
1) 在规划层面，制定考虑灾害利益相关者、相关因素、相关场景等方面的管控目标，融合四域信息分析复杂灾害的全过程：(1) 确定目标，建立复杂灾害分析的规划目标和量化指标；(2) 剖析事件背景，包括灾害的背景信息、影响因素以及不确定性因素。
2) 在策略层面，基于群体管控和风险评估的四域空间情景分析方法，细化了灾害防控的流程和路径，优化了复杂灾害的网格化、针对性处置与应对策略：(1) 通过复杂灾害情景分析，研究灾害在物理空间的关键节点、风险要素、重点场景、演化路径和影响范围等，以及在信息空间的社会舆情发展演变和社会空间的人群心理/行为变化；(2) 确定任务、能力及策略，针对灾害演化路径、关键风险环节部署灾害防控任务，制定阶段性应对方案，评估管控能力，并设计演化路径和传播网络的阻断措施；(3) 确定资源-信息-数据，整合跨领域、跨区域的资源、信息和数据，分析有限资源下的应急物资调配、资源投入分布和区域/任务协调；(4) 优化策略，根据应对策略和情景分析结果，更新优化灾害应对方案和措施，精准把控关键环节和实施细节。
3) 在操作层面，根据规划目标和应对策略，开展灾害的应急处置、评估验证和决策总结：(1) 在应急处置方面，通过统一指挥、部门联动，制定针对性方案、操作性指南等行动计划；(2) 在评估与验证方面，通过专家研判，评估受灾场景、防控措施、受灾群体等，验证灾情数据，撰写评估报告；(3) 在决策与总结方面，将评估结果上报指挥部供领导决策，进行灾害案例总结，并研究灾后恢复重建方案。
城市复杂灾害的物理域主要聚焦于灾害现场的环境感知、破坏评估和灾情演化等方面，分析灾害、人群及城市运行系统等对象，通过对物理规律、演化机理的风险认识从而与认知域连接。社会域针对灾害预防、应对、恢复等过程的组织管理及其对政治、经济的影响，通过微观层面人员个体的生理/心理/个性/行为、中观层面群体组织的价值/观念以及宏观层面社会文化/信仰等，从而与认知域连接。信息域融合多种监测设备对物理域灾害现场的灾情信息获取与预警，通过互联网、移动通信等分析社会域组织关系、网络舆情、人群移动等，通过对网络灾情信息的感知、传播、分析、推演从而与认知域连接。采用“规划-策略-操作”应对流程并融合CPS-C系统的“三层四域”情景分析方法，可以实现城市复杂灾害的全周期应急管理。
3 基于“三层四域”方法的城市内涝分析实践近年来全球极端天气事件频发，多种自然灾害尤其是洪涝灾害增多。2021年全球各地发生了多起严重的城镇洪涝灾害，造成巨大的人员伤亡和财产损失。联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)发布的《气候变化2021：自然科学基础》报告[24]指出，全球变暖很可能导致大多数地区的强降水事件变得更加强烈和频繁。根据全球灾害数据平台(https://www.gddat.cn/)发布的《2020年全球自然灾害评估报告》，洪水已成为2020年影响全球的主要自然灾害，比1990—2019年30年间的历史均值偏多43%。为此，选取国内外的典型城市内涝案例，采用本文提出的城市复杂灾害“三层四域”情景分析方法对灾害防控中的灾害成因、关键要素、具体场景等分层次展开剖析。
3.1 城市内涝典型案例及其成因分析 3.1.1 城市内涝案例对比尽管自2012年的“7·21”北京特大暴雨灾害之后，全国众多城市制定和实施了暴雨洪涝灾害的应急规划方案，但2021年“7·20”郑州特大暴雨灾害的现实情况表明，当前部分城市对内涝灾害的应急防控能力依然不足。基于气象部门发布和网络记载的信息，表 1汇总了近3年国内外3个典型的城市内涝灾害(“7·20”郑州特大暴雨、“7·5”日本西部暴雨和“9·1”美国东北部特大暴雨)的主要数据。3个城市内涝灾害案例均受台风或飓风等热带气旋的影响，其中郑州暴雨与日本西部暴雨的降雨强度基本在同一数量级，大于美国东北部暴雨。相比而言，郑州暴雨造成的人员伤亡情况最为惨重。2022年1月21日国务院灾害调查组发布的《河南郑州“7·20”特大暴雨灾害调查报告》显示，截至9月30日，郑州市全市共有380人因灾死亡或失踪。其中山丘区4市死亡失踪的251人中，82.5%在居住地/固定经营场所/在外生产或行路途中遇难，而17.5%在转移或救援途中遇难[25]。除了引发网络舆情广泛关注的地铁5号线14人遇难、京广路隧道6人遇难之外，乡镇和农村地区因洪水、泥石流造成的人员伤亡更为严重，应得到更多关注。
| “7·20”郑州特大暴雨 | “7·5”日本西部暴雨 | “9·1”美国东北部特大暴雨 | |
| 灾害成因 | 台风“烟花” | 台风“派比安” | 飓风“艾达” |
| 开始时间 | 2021年7月17日，CST | 2018年7月5日，JST | 2021年9月1日，EDT |
| 最大小时降雨量 | 201.9 mm/h (2021年7月20日16时至17时，CST) | 80 mm/h (2021年9月1日20时51分至21时51分，EDT) | |
| 24小时降雨量 | 624.1 mm (2021年7月20日，CST) | 691.5 mm (至2018年7月9日0时，JST) | 213.6 mm (2021年9月1日，EDT) |
| 人员伤亡情况 | 380人遇难失踪(至2021年9月30日，CST) | 223人遇难，16人失踪(至2018年7月19日，JST) | 51人遇难(至2021年9月5日，EDT) |
| 注：CST为中国标准时间，JST为日本标准时间，EDT为美国东部标准时间。 | |||
基于CPS-C系统分析可知，多维因素耦合致使表 1中3个案例形成严重的城市内涝灾害，其中城镇基础设施建设水平、信息监测共享情况、响应动员应对措施、风险意识认知能力等因素很大程度上影响了灾情的演化发展和灾害的破坏程度。具体而言，在物理域中，短时极端暴雨是3个案例的直接成灾原因，尤其是郑州201.9 mm/h的降雨量级远超其城市防洪排涝能力，导致城市内涝、山体滑坡、河流洪水等灾害耦合并发。在城镇基础设施建设方面，郑州市雨水管道、排水明沟以及地铁/隧道等的防洪排涝设施明显不足，临河临坡工程、城市地下空间等缺乏洪涝防范能力；同时，房屋沿河依山导致抗洪性差、桥梁道路过洪能力不足、农田等侵占水库区/泄洪道等问题加剧了灾害破坏程度。类似问题也存在于其他案例，日本西部暴雨受灾严重的广岛县、冈山县和京都府等地，房屋建设用地以山地丘陵等为主，暴雨极易引发滑坡、泥石流等次生灾害，而抗震性能强的木制房屋难以承受洪涝地质灾害的冲击；美国东北部暴雨人员伤亡惨重的纽约州、新泽西州等地，建筑物地下公寓、汽车淹没等造成诸多人员溺亡，而地铁、道路等城市交通设施的物理性内涝风险也对人身安全造成极大威胁。此外，在信息域中，气象部门提供了降雨等的监测预报信息，但有关部门对物理-社会域关键场所灾情信息的获取、分析、共享等方面存在不足。在认知域中，有关部门对气象信息、灾害程度等的风险认识不足、研判不够、指挥不力，社会公众的应急自救能力和防灾避险知识不足，城市规划建设理念未足够重视安全。在社会域中，有关部门的灾害应急响应滞后、组织社会动员较差、联动机制不健全、防范应对措施不精准。四域中的多维因素耦合导致了灾情演变为几十甚至几百人遇难失踪的重大灾害。
在规划层面，对比相同或不同级别的城市内涝灾害案例，有助于确定内涝灾害防治的规划目标，预估灾害的可能影响范围和破坏程度，同时梳理灾害影响下城市、乡镇、村庄各区域的薄弱环节，建立灾害损失、人员伤亡、应急物资等的量化指标，从而基于目标-指标的规划层面分析，实现具体策略的合理制定。
3.1.2 城市内涝成因分析在操作层面，面向城市内涝灾害的四域空间，对表 1中典型内涝灾害进行案例回顾、资料调研和统计分析，总结了城市内涝灾害的主要成因如下：
1) 物理域：城市建设与物理防御。城市不合理的规划与建设导致河流、湖泊、地下水层等蓄排水能力不足；地铁、隧道以及地下车库和商场等城市基础设施的防洪排涝能力不足；堤坝、道路、房屋等工程的抗洪水冲击能力不足；乡镇、农村对洪水、滑坡等灾害的防御措施不足。
表 2统计了郑州、西安和杭州3座建成区面积相当的城市的基础设施建设情况(建成区是指城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的区域)。对表 1数据分析表明，郑州的雨水管道长度分别是西安和杭州的85.06%和64.89%，而郑州建成区的排水管道长度仅分别为西安和杭州的81.59%和55.26%，且密度不足杭州的58%，这凸显了城市规划建设中防洪排涝基础设施的巨大差距，但也与城市道路长度和路网密度等情况相关，主要因为排水管道大多沿道路铺设。进而，考虑道路区域硬化对城市排水的影响。与杭州相比，郑州的道路面积和面积率占比分别为71.01%和73.82%，均明显高于排水设施建设情况的对比值。如若再综合人口密度等因素对城市排水的影响，郑州相比于西安和杭州在防排涝基础设施建设方面的差距与不足更加明显。
| 城市基础设施 | 郑州 | 西安 | 杭州 |
| 排水管道/km | 5 147.70 | 6 798.00 | 9 434.40 |
| 雨水管道/km | 2 670.10 | 3 139.20 | 4 114.80 |
| 建成区面积/km2 | 640.80 | 700.69 | 666.18 |
| 建成区排水管道/km | 4 984.20 | 6 108.80 | 9 019.00 |
| 建成区排水管道密度/(km·km-2) | 7.78 | 8.72 | 13.54 |
| 建成区道路长度/km | 2 347.67 | 3 152.37 | 4 199.34 |
| 建成区路网密度/(km·km-2) | 3.66 | 4.50 | 6.30 |
| 建成区道路面积/km2 | 67.41 | 108.33 | 94.94 |
| 建成区道路面积率/% | 10.52 | 15.46 | 14.25 |
| 人口密度/(人·km-2) | 9 417.00 | 7 047.00 | 3 789.00 |
| 注：数据来源于住房和城乡建设部《2020年城市建设统计年鉴》(https://www.mohurd.gov.cn/gongkai/fdzdgknr/sjfb/tjxx/jstjnj/index.html)。 | |||
2) 信息域：风险预警与信息通报。暴雨、台风等气象灾害预警时间、空间、等级、雨量的精准化及应急信息发布、通报、传播范围和频率不足；城市常规涉水点预警和内涝点现场情况及时高频地获取、更新、发布不足；涉水信息、求助信息、物资信息等多维信息标准化、可视化、实时化水平不足。
3) 社会域：应急处置与指挥调度。针对暴雨洪涝灾害等极端天气预报预警信息的应急预案未能及时启动、细化和落实；风险区域的应急物资装备、指挥处置队伍未能提前调配；针对低洼路段、涉水点、次生灾害等现场情况未能及时应急处置，特别是未能及时管控人群；针对城市洪涝灾害应急管理的跨层级、跨区域、多部门联动/协调配合不足。
4) 认知域：灾情认知与安全意识。针对暴雨预报预警和灾情发生发展的风险规律认知不足；针对洪涝现场风险情况的认知研判和自救互救能力不足；针对特定场景防洪排涝的应急决策与指挥调度能力不足；针对社会公众的防洪宣传教育不足；城市规划建设中的防灾减灾和安全意识不足。
3.2 城市内涝防控策略分析 3.2.1 城市内涝全过程分析基于规划层面和操作层面对城市内涝典型案例的对比分析，本节在策略层面进一步研究了城市内涝灾害在CPS-C四域的应急管理战术策略，采用综合考虑多要素、多场景的全过程管控方法，从物理- 社会域、信息-社会域以及认知域层面分析了情景应对的战术策略，从而支撑灾前预警-灾时管控-灾后恢复的全周期应急管理。城市内涝全过程防控策略如图 3所示。
|
| 图 3 城市内涝全过程防控策略 |
灾前预警阶段主要包括气象部门对当前暴雨、台风等极端天气的预报预警及相关信息通报(信息域)，城市的能源、给排水、道路交通、通信、环境卫生、防灾等基础设施系统及时启动应急预案，对关键节点和环节进行防控(物理域)，监测追踪灾害的发展路径和演化进程(信息-物理域)。
在城市内涝发生后的灾时管控阶段，需要获取基础设施、暴雨、河流等的多源监测数据并开展多尺度仿真分析，基于物理原理和仿真计算评估系统的性能和风险(物理域)，并对人群心理行为、网络舆情进行监测分析(信息域)，预测灾害影响范围和损失情况(信息-物理域)。同时，对受到暴雨洪涝灾害影响的城市基础设施系统和场所，应布置防排涝装备和物理隔离设施，抢险维修通信、水力、电力系统和重要设施，并开展交通管制、人群疏散转移和环境卫生防疫(物理-社会域)。应急防汛指挥部需要不断获取实时更新的气象信息、舆情信息、内涝信息、求助信息、物资信息等，分析整合相关信息上报至主管部门，及时开展针对性处置；进而，指挥部统一指挥，分级响应，并组织协调多部门协同联动，对关键场所进行网格化管理，分类别、分层级、分场景进行任务分解和应急处置救援(信息-社会域)。
在灾后恢复阶段，应组织评估城市受灾情况，通报受灾范围、死亡人数、受伤人数、失踪人数、损坏房屋、其他经济损失等灾害损失信息，制定灾后恢复重建方案，涵盖城市规划治理方案制定、排水防涝工程建设、应急管理队伍建设、组织实施部门协同、保险理赔等经济支持、心理疏导与防灾教育等方面(物理-信息-社会域)。
在城市内涝灾前-灾时-灾后的各个阶段，对物理-信息-社会域数据信息的感知、分析、推演和决策至关重要(认知域)，采用多种技术分析手段和教育管理方法，提升管理者乃至全社会对城市内涝灾害风险及其防治的认知水平，可以增强城市内涝情景的全周期管理能力。
3.2.2 城市内涝关键要素解析基于城市内涝典型案例操作层面的分析，针对灾害应急管理中的利益相关场景要素以及重点管控的群体和风险点[26]，表 3分别从物理域、信息域、社会域和认知域进一步剖析、归纳了城市内涝灾害防治策略的关键要素，并将各领域细分为更具体的子领域。通过准确把握城市内涝灾害的关键要素，可以更全面、更系统地优化灾前-灾时-灾后的预警、防控、应急与恢复策略。
| 四域空间 | 细分领域 | 策略制定关键分析要素 |
| 物理域 | 地理方面 | 地理要素(如山脉/河流/海岸线/交通线/行政区划线)、空间分布、空间关系、地质构造、地形地貌、城镇规划 |
| 气象方面 | 降雨、热带气旋、极端天气、海洋/陆地气压、热力条件、季风/环境风、温/湿度、气候变化 | |
| 水文水利 | 河流、湖泊、水库、海洋、地下水层 | |
| 承灾载体 | 人群、建筑、堤坝、设备、交通设施、水/电/气/网等基础设施系统组成部分 | |
| 信息域 | 物理信息 | 暴雨预警信息(时间/空间/等级/雨量/发布方式)、地理信息系统、监测监控系统、物联网系统、全球定位系统 |
| 社会信息 | 互联网信息、社交媒体舆情、社交网络关系、手机/电视/广播等媒介传播信息、可穿戴设备监测数据 | |
| 社会域 | 社会方面 | 应急预案、疏散系统、避难场所、救援装备、物资配置、物流系统、医疗救助、公共卫生、安全教育 |
| 政治方面 | 机构设计、权力分配、联防联控机制、管理制度 | |
| 经济方面 | 区域经济、经济组成、家户收入、经济补偿、洪涝保险 | |
| 认知域 | 个体组织 | 生理指标、心理反应、自救能力、知识水平、行为/情绪/观念/个性、组织能力 |
| 社区维度 | 社区组织、群体行为、互助互救组织理念、专业队伍水平 | |
| 国家维度 | 文化、信仰、组织领导力、社会动员力、体制机制现代化水平 |
3.3 城市内涝全周期应急管理
采用城市复杂灾害“三层四域”情景分析方法，综合考虑城市内涝的规划目标、操作层面问题和应急防治策略及其关键要素，表 4对灾害全周期应急管理的流程进行了详细描述，基于“目标-情景-任务-资源-响应-评估-决策”的全流程，分析了四域空间中城市内涝防治的主要场景要素及其应急管理方案。通过将所提出的复杂灾害情景分析方法应用于城市内涝灾害的应急管理，推演了灾害情景的发展和应对过程，为灾害应急决策提供支持。
| 序号 | 应急流程 | 场景要素应急管理 |
| 1 | 目标-指标 | 1) 目标：对比以往案例，建立城市内涝规划目标，分析关键防范场景； 2) 指标：量化城市内涝灾害损失、人员伤亡、应急物资等的数量/范围等； 3) 预案：细化城市各类场景洪涝灾害的应急预案 |
| 2 | 灾害背景 (信息域) |
1) 风险：获取台风/暴雨等气象灾害实时监测数据，收集城市内涝风险点信息(如道路/山坡/地下商场/地下车库)，评估灾害风险水平； 2) 宣传：通过互联网/移动通信等传媒宣传预警信息和防范措施，及时调整应急响应级别，通报相关部门； 3) 舆情：感知社交网络舆情信息，关注灾害对群众生活物资等的影响； 认知域：感知风险和灾情信息 |
| 3 | 情景分析 (物理-信息域) |
开展物理空间中城市内涝灾害与基础设施的交互影响和情景演化分析： 1) 监测台风/暴雨灾害的发展演化路径，分析城市基础设施系统及其子系统遭受洪涝灾害的风险，增强、增设多种(永久的/临时的/可拆卸的)物理防御措施； 2) 基于物理仿真系统，融合基础设施的监测数据，通过多尺度分析、损伤仿真、降阶模拟等方法，评估基础设施在洪涝灾害下的性能变化，动态调整基础设施性能，采取针对性防涝排水措施，降低灾害影响； 3) 分析公众心理及风险感知能力，通过网络、现实中个体与群体行为信息分析，建立及时响应公众关注的舆论引导、宣传教育等应对措施； 认知域：推演城市内涝风险点和灾情发展，分析灾情和舆情信息 |
| 4 | 任务-能力 (社会域) |
1) 任务：针对城市基础设施系统的主要风险点、关键管控节点(如河道/堤坝、地铁/隧道)，规划和部署防灾减灾任务； 2) 能力：通过对城市内涝影响范围、灾害损失进行仿真分析推演，规划阶段性应对方案并设计灾害路径阻断措施， 评估防洪排涝和过程控制能力 |
| 5 | 资源-信息-数据 (社会域) |
整合资源/信息/数据，分析有限资源分配、关键环节与灾害控制点： 1) 保障：气象、水利、交通、应急、治安、市政、网信等部门协同联动； 2) 救助：应急(装备/设施)、医疗(生理/心理/环境)、生活(物资/必需品)、经济(保险/补贴)等； 3) 协调：有限可用资源下的资源调配，区域协调与任务工作分配 |
| 6 | 策略优化 | 根据灾情实时信息、情景分析结果、任务规划方案和资源信息数据，通过路径分析、风险评估、群体管控、过程控制，优化城市内涝灾前-灾时-灾后全周期管理过程中的针对性处置措施和智能化、精细化策略水平 |
| 7 | 应急处置 (物理/信息-社会域) |
1) 物理-社会域：①防洪排涝：疏通河道、加固堤坝、设立风暴屏障/泄洪沟渠、交通设施/地下车库防洪排涝；②交通管制：低洼隧道禁行、部分地铁停运、规划停车场所；③设施抢险维修：交通设施、房屋建筑等关键设施抢险维修；④人群疏散转移：低洼村镇、地铁设施、地下商场、山坡河道等洪涝风险点的人群紧急疏散和转移安置；⑤通信/水力/电力系统抢修：保障通信系统、水力系统、电力系统正常运转；⑥环境卫生防疫：饮用水、食物等消毒处理，消灭蚊虫老鼠，避免疫情发生； 2) 信息-社会域：①统一指挥、部门联动、多方协同、分级响应；②根据针对性策略和行动方案，分解具体任务，实施应急处置措施；③采取防洪排涝、抢险救灾、医疗救助、舆情引导等多方面社会域防控措施； 认知域：物理-信息-社会域的信息分析、情景推演、研判指挥 |
| 8 | 评估-验证 (认知域) |
内涝情景风险研判、预防/应对方案评估、灾害损失评估与数据验证、灾情信息通报、恢复重建方案报告 |
| 9 | 决策-总结 (认知域) |
基于多方参与、多元协同、多级协作等，助力领导/专家/指挥员的专业快速研判与决策，总结灾害案例经验，建立面向物理-信息-社会-认知域的灾后恢复重建方案 |
3.4 城市内涝情景演练
为应用和验证所提出的复杂灾害“三层四域”情景分析方法，本文采用XVR Simulation软件，构建了以北京市北部区域为基础的虚拟城市台风-暴雨-内涝灾害场景，并开展了人机虚实交互的情景模拟演练。具体组织架构和小组分工如图 4所示。图 4a展示了融合“规划-策略-操作”三层面的情景演练组织架构及其主要事务分工。演练由事件指挥组统一指挥，具体分工包括规划层面、策略层面(组织协调、行政与经济)、操作层面及其各项子类别演练内容。基于CPS-C“四域合一”分析系统，情景演练时将参与人员划分为3个小组：区域指挥组、应急救援组和新闻媒体组(图 4b)，分别从社会-认知域、物理-社会域和信息- 社会域对灾害应急管理过程进行情景演练。小组演练内容包括图 4a中的事务分工内容。
|
| 图 4 情景演练组织架构及小组分工 |
在灾前准备阶段，区域指挥组首先收集多源数据信息，预测台风演化路径(图 5a)，并基于全局态势指挥图，确定在可用资源有限情况下的优先任务(如宣传自我保护措施，疏散老弱病残等特殊群体，加强能源、水源和学校、文物建筑等重要场所保护措施，扩大应急救援组织，定位应急救援人员，储备布置沙袋等防排涝装备)，明确主要风险点和关键防控场所。然后，区域指挥组下达命令，部署工作，应急救援组和新闻媒体组根据表 4和图 4中的任务分工，开展人机虚实交互的情景演练。
|
| 图 5 城市台风-暴雨-内涝灾害情景演练内容 |
灾时响应阶段按照图 5c设置的演练角色与内容进行情景演练。区域指挥组接受国家部门的指挥。其中：事件指挥员和顾问专家负责洪涝灾情信息分析；策划员辅助更新台风实时路径(图 5b)，针对主要风险点和关键防控场所(如图 5a和5b中的大学城、核电厂、水处理厂、明十三陵)，调动临近资源、协调救援任务，以制定最优应对方案，并由通信联络员传达任务。应急救援组分派直升机救援队、船舶救援队和地面救援队至山区、淹没区和重要场所，分区分级开展抢险救援(图 5c)，并向通信联络员报告实时位置。由策划员更新队伍位置和现场情况，部门指挥与区域指挥员及时沟通灾情救援信息，并提交相关情况报告。新闻媒体组设立媒体跟踪组、写作团队和通信联络员，分别负责网络舆情监测与引导、灾情新闻报告撰写与发布，以及联络其他小组和外界媒体记者等任务；同时，新闻媒体组还与区域指挥组保持沟通，并适时通过新闻发布会、记者招待会等途径发布灾情信息。此外，各小组还设立了观察员角色，监督评价指挥员或主管在信息分析、指挥决策和资源共享等方面的情况。
在灾后恢复阶段，演练中统计了台风过境后的人员伤亡、道路等公共基础设施损失、能源设施破坏程度、水处理厂等主要企业停工停产、文物建筑等重要场所受损等情况。其中，应急救援组开展灾后损失评估，并将评估报告提交至区域指挥组，然后区域指挥组组织制定恢复重建方案，经上级部门审核后，由新闻媒体组召开发布会，通报受灾情况和灾后恢复重建方案。
4 总结与展望本文提出了基于“规划-策略-操作”三层面、“信息-物理-社会-认知”四域合一的城市复杂灾害“三层四域”情景分析方法。由于多灾种、多要素、多场景、多尺度耦合的城市复杂灾害应急管理面临着不确定性大、耦合性强、复杂度高等问题，单一数据空间或领域的灾害分析无法全面地支撑灾害的全周期应急管理。因此，本文从规划、策略、操作3个层面，对城市复杂灾害信息域、物理域、社会域和认知域中的规划目标、灾害成因、应急过程及其关键要素等方面进行情景分析和过程推演，制定了复杂灾害“目标-情景-任务-资源-响应-评估-决策”的全流程应急框架和全周期管理策略，支撑实现对灾害多维度、跨领域信息的感知、分析、推演和决策。为验证城市复杂灾害“三层四域”情景分析方法的有效性，本文通过对典型城市内涝灾害的分析，得到城市内涝全过程防控策略和全周期应急管理流程，并通过人机虚实交互情景演练进行方法应用。结果表明，所提出的情景分析方法能够实现对城市复杂灾害的应急策略优化和应对过程管控。未来将基于本文的分析方法，进一步研究灾害情景推演的定量分析模型。
| [1] |
贾楠, 陈永强, 郭旦怀, 等. 社区风险防范的三角形模型构建及应用[J]. 系统工程理论与实践, 2019, 39(11): 2855-2864. JIA N, CHEN Y Q, GUO D H, et al. Construction and application of triangle model for community risk prevention[J]. Systems Engineering: Theory & Practice, 2019, 39(11): 2855-2864. DOI:10.12011/1000-6788-2018-1570-10 (in Chinese) |
| [2] |
YI F, YU Z W, CHEN H H, et al. Cyber-physical-social collaborative sensing: From single space to cross-space[J]. Frontiers of Computer Science, 2018, 12(4): 609-622. DOI:10.1007/s11704-017-6612-9 |
| [3] |
BA R, DENG Q, LIU Y, et al. Multi-hazard disaster scenario method and emergency management for urban resilience by integrating experiment-simulation-field data[J]. Journal of Safety Science and Resilience, 2021, 2(2): 77-89. DOI:10.1016/j.jnlssr.2021.05.002 |
| [4] |
US National Science Foundation. Cyber-physical systems (CPS)[Z]. NSF 08-611. 2008.
|
| [5] |
LIU Z, YANG D S, WEN D, et al. Cyber-physical-social systems for command and control[J]. IEEE Intelligent Systems, 2011, 26(4): 92-96. DOI:10.1109/MIS.2011.69 |
| [6] |
WANG F Y. The emergence of intelligent enterprises: From CPS to CPSS[J]. IEEE Intelligent Systems, 2010, 25(4): 85-88. DOI:10.1109/MIS.2010.104 |
| [7] |
ZHOU Y C, YU F R, CHEN J, et al. Cyber-physical-social systems: A state-of-the-art survey, challenges and opportunities[J]. IEEE Communications Surveys & Tutorials, 2020, 22(1): 389-425. |
| [8] |
那仁满都拉, 宫凌旭, 张虎贵, 等. 城市内涝的时空分布特征及其成因分析: 以呼和浩特市区为例[J]. 灾害学, 2022, 37(1): 107-111. NAREN M, GONG L, ZHANG H G, et al. Spatial and temporal distribution of urban waterlogging and its causes: A case study of Hohhot[J]. Journal of Catastrophology, 2022, 37(1): 107-111. DOI:10.3969/j.issn.1000-811X.2022.01.019 (in Chinese) |
| [9] |
徐选华, 杨玉珊, 陈晓红. 基于决策者风险偏好大数据分析的大群体应急决策方法[J]. 运筹与管理, 2019, 28(7): 1-10. XU X H, YANG Y S, CHEN X H. The large group emergency decision making method based on large data analysis of risk preference of decision-makers[J]. Operations Research and Management Science, 2019, 28(7): 1-10. (in Chinese) |
| [10] |
LIU N A, LEI J, GAO W, et al. Combustion dynamics of large-scale wildfires[J]. Proceedings of the Combustion Institute, 2021, 38(1): 157-198. DOI:10.1016/j.proci.2020.11.006 |
| [11] |
苏伯尼, 黄弘, 张楠. 基于情景模拟的城市内涝动态风险评估方法[J]. 清华大学学报(自然科学版), 2015, 55(6): 684-690. SU B N, HUANG H, ZHANG N. Dynamic urban waterlogging risk assessment method based on scenario simulations[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(6): 684-690. (in Chinese) |
| [12] |
LU X Z, LIAO W J, FANG D P, et al. Quantification of disaster resilience in civil engineering: A review[J]. Journal of Safety Science and Resilience, 2020, 1(1): 19-30. DOI:10.1016/j.jnlssr.2020.06.008 |
| [13] |
魏玖长. 风险耦合与级联: 社会新兴风险演化态势的复杂性成因[J]. 学海, 2019(4): 125-134. WEI J C. Risk coupling and cascading: The causes of complexity in the evolution of social emerging risks[J]. Academia Bimestris, 2019(4): 125-134. (in Chinese) |
| [14] |
BA R, CHEN C, YUAN J, et al. SmokeNet: Satellite smoke scene detection using convolutional neural network with spatial and channel-wise attention[J]. Remote Sensing, 2019, 11(14): 1702. DOI:10.3390/rs11141702 |
| [15] |
刘奕, 张宇栋, 张辉, 等. 面向2035年的灾害事故智慧应急科技发展战略研究[J]. 中国工程科学, 2021, 23(4): 117-125. LIU Y, ZHANG Y D, ZHANG H, et al. Development strategy of smart emergency-response technology for disasters and accidents by 2035[J]. Strategic Study of CAE, 2021, 23(4): 117-125. (in Chinese) |
| [16] |
曾大军, 曹志冬. 突发事件态势感知与决策支持的大数据解决方案[J]. 中国应急管理, 2013(11): 15-23. ZENG D J, CAO Z D. Big data solution for emergency situation awareness and decision support[J]. China Emergency Management, 2013(11): 15-23. (in Chinese) |
| [17] |
马亮, 杨妹, 艾川, 等. 基于ACP方法的新型冠状病毒肺炎疫情管控措施效果评估[J]. 智能科学与技术学报, 2020, 2(1): 88-98. MA L, YANG M, AI C, et al. The evaluation of the control measures for COVID-19 based on ACP approach[J]. Chinese Journal of Intelligent Science and Technology, 2020, 2(1): 88-98. (in Chinese) |
| [18] |
张辉, 刘奕. 基于"情景-应对"的国家应急平台体系基础科学问题与集成平台[J]. 系统工程理论与实践, 2012, 32(5): 947-953. ZHANG H, LIU Y. Key problems on fundamental science and technology integration in "scenario-response" based national emergency response platform system[J]. Systems Engineering: Theory & Practice, 2012, 32(5): 947-953. DOI:10.3969/j.issn.1000-6788.2012.05.005 (in Chinese) |
| [19] |
黄萃, 杨超. "计算社会科学"与"社会计算"概念辨析与研究热点比较分析[J]. 信息资源管理学报, 2020, 10(6): 4-19. HUANG C, YANG C. A comparative analysis of domestic and international social computing and computational social science research[J]. Journal of Information Resources Management, 2020, 10(6): 4-19. (in Chinese) |
| [20] |
LAZER D, PENTLAND A, ADAMIC L, et al. Computational social science[J]. Science, 2009, 323(5915): 721-723. |
| [21] |
范维澄. 国家突发公共事件应急管理中科学问题的思考和建议[J]. 中国科学基金, 2007(2): 71-76. FAN W C. Advisement and suggestion to scientific problems of emergency management for public incidents[J]. Bulletin of National Natural Science Foundation of China, 2007(2): 71-76. (in Chinese) |
| [22] |
HAGHANI M. Empirical methods in pedestrian, crowd and evacuation dynamics: Part I. Experimental methods and emerging topics[J]. Safety Science, 2020, 129: 104743. |
| [23] |
邓青, 施成浩, 王辰阳, 等. 基于E-LVC技术的重大综合灾害耦合情景推演方法[J]. 清华大学学报(自然科学版), 2021, 61(6): 487-493. DENG Q, SHI C H, WANG C Y, et al. Coupled disaster scenario evaluation and response method based on the E-LVC technology[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(6): 487-493. (in Chinese) |
| [24] |
Intergovernmental Panel on Climate Change (IPCC). Climate change 2021: The physical science basis. Contribution of working group I to the sixth assessment report of the Intergovernmental Panel on Climate Change[R]. Cambridge, UK: Cambridge University Press, 2021.
|
| [25] |
国务院灾害调查组. 河南郑州"7·20"特大暴雨灾害调查报告[R/OL]. (2022-01)[2022-01-21]. https://www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/202201/P020220121639049697767.pdf. Disaster Investigation Team of the State Council. Investigation report on "7·20" heavy rainstorm disaster in Zhengzhou, Henan[R/OL]. (2022-01)[2022-01-21]. https://www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/202201/P020220121639049697767.pdf. (in Chinese) |
| [26] |
李正兆, 傅大放, 王君娴, 等. 应对内涝灾害的城市韧性评估模型及应用[J]. 清华大学学报(自然科学版), 2022, 62(2): 266-276. LI Z Z, FU D F, WANG J X, et al. Urban resilience assessment model for waterlogging disasters and its application[J]. Journal of Tsinghua University (Science and Technology), 2022, 62(2): 266-276. (in Chinese) |