《Sustainability》:Agent-Based Simulation and Mechanism Identification of Evacuation Efficiency in a Typical Built-Up Area Within a Desert Corridor County: A Case Study of Ruoqiang, Xinjiang
编辑推荐:
针对廊道依赖型县域建成区的疏散研究正从静态的避难所覆盖评估转向对空间约束、行为异质性和组织能力的动态模拟。本研究以新疆若羌县一个典型建成区为模拟单元,而非整个县域行政范围。基于地理信息系统(GIS)的最短路径分析显示,从起点到最近避难所的距离范围约为0.03公
针对廊道依赖型县域建成区的疏散研究正从静态的避难所覆盖评估转向对空间约束、行为异质性和组织能力的动态模拟。本研究以新疆若羌县一个典型建成区为模拟单元,而非整个县域行政范围。基于地理信息系统(GIS)的最短路径分析显示,从起点到最近避难所的距离范围约为0.03公里至0.64公里,表明这是一个短距离的步行疏散场景。基于2025年的多源空间数据,本研究构建了一个基于智能体的疏散模拟框架,并将模型定位为一种通用的疏散能力实验,而非针对特定灾害过程的预测性模拟。研究比较了五种场景:完全无序疏散、25%有序疏散、50%有序疏散、75%有序疏散和完全有序疏散。在理想的有序信息假设下,模拟系统在9.25分钟内达到完全疏散,而完全无序场景在大约4.88分钟后进入低水平平台期,最终疏散率约为13%。25%、50%和75%有序场景分别达到约37–38%、61–62%和71–72%的平台水平。起点类型结果进一步表明,靠近避难所、与避难所直接相连或嵌入连续道路网络的起点对组织改善的反应更强,而靠近边界、位于低连通性区域、远离避难所或邻近瓶颈节点的起点更可能在后期产生滞留。本研究揭示了在特定场景假设下,目的地认知、路线组织和起点空间条件如何共同塑造廊道依赖型县域典型建成区的疏散效率。
本研究针对全球气候变化、极端灾害事件频发与国家治理体系现代化背景下,灾害防救从传统的灾后救援与损失补偿向覆盖灾前预防、应急响应和灾后恢复的综合治理模式转变。在此范式中,疏散不再是应急管理链末端的被动响应,而是连接风险识别、空间规划、基础设施供给、居民认知和组织动员的关键环节。这在空间尺度大、环境约束强、聚落模式分散的县级区域尤为重要。在此类情境中,灾害期间的快速安全疏散不仅取决于个体设施的存在,还取决于避难所目的地能否被识别、疏散路线能否被通达、现场组织能否有效运作以及能力资源能否动态重分配。因此,县级疏散既非纯粹的交通问题,也非单一设施服务问题,而是一个空间、行为与组织耦合的过程。当前县级防灾实践中,静态服务半径分析、经验判断和设施覆盖指标仍是常用工具,它们虽能评估避难所的空间可达性,但对真实灾害条件下的动态过程解释力有限,例如疏散者如何进入系统、识别目的地、沿廊道移动以及在局部饱和后如何被重分配。这种局限性主要源于传统方法通常假设认知、判断和路径选择的同质性,并将道路、障碍物、容量和感知视为静态背景条件,因此无法捕捉灾害情境下出现的复杂非线性行为演化机制。
若羌县位于新疆东南部,地域广阔,而聚落与建设活动集中在若干绿洲节点,形成了点状聚落与线性交通廊道耦合的独特空间格局。与典型城市街区不同,若羌县的疏散挑战主要特征并非高密度人群拥堵,而是个体如何在大型沙漠环境中快速识别安全目的地、沿有限廊道高效移动以及在受限的避难所容量下被重分配。此外,沙漠景观的开阔性和环境参照物的相对稀缺性,使得目的地识别和路线组织对应急疏散尤为重要。对此类区域,疏散效率不仅指速度,还指能否在暴露风险持续累积的关键时间窗口内完成有效且安全的移动。
传统疏散研究常有两个主要局限:一是倾向于将疏散者视为同质智能体,假设其认知、判断或路径选择无实质性差异;二是常将空间环境视为静态背景,难以表征环境约束如何动态影响疏散过程。相比之下,基于智能体的模型(ABM)可将疏散者表征为具有感知、判断、行动和交互能力的智能体,并能在空间环境中显式模拟其与道路、边界、障碍物、避难所及其他智能体的动态关系。与静态可达性分析相比,ABM的优势在于能够通过基于规则的设置和时间更新,将认知的局部差异转化为系统层面的结果,从而揭示宏观疏散绩效背后的微观行为机制。
在此基础之上,本研究以若羌县一个典型建成区为模拟单元,整合边界、道路、建筑物、避难所和人口起点等多源空间数据,构建了一个基于智能体的疏散模拟框架。分析不模拟整个县域的疏散,而是聚焦于嵌入廊道依赖型县域背景下的选定局部建成区内的短距离步行疏散。在空间环境、移动速度、释放机制和避难所容量统一条件下,设定了五种行为场景:完全无序、25%有序、50%有序、75%有序和完全有序疏散。本研究旨在解决三个研究问题:第一,在选定的建成区内,目的地认知和路线组织的差异如何影响模拟疏散效率及其时间演化?第二,起点空间条件(如道路连通性、与避难所距离、边界位置和瓶颈邻近度)如何塑造疏散成功率的差异?第三,基于场景的结果能为改善当地避难所空间组织和疏散路线引导提供哪些可能的规划应用?理论上,本研究从行为-空间耦合的视角解释了廊道依赖型县域典型建成区内疏散效率的差异。实践上,它识别了空间受限的起点和路线组织的薄弱环节,从而提供了审慎的规划启示,而非直接验证的干预效果。
**研究方法与技术路径**
研究人员采用的技术框架遵循“区域识别-数据整合-空间分组-模拟建模-结果诊断-规划启示”的顺序。首先基于研究区的空间格局、人口起点分布、道路连通性条件和避难所位置,通过空间聚类和人工验证识别模拟区域。基础数据集包括研究区边界、道路网络、建筑物与障碍物、避难所位置与容量以及人口起点,所有数据来源于2025年。数据预处理包括统一坐标系、根据研究区边界进行空间裁剪、拓扑检查与节点转换、将建筑物等不可通行空间栅格化为障碍单元,以及组织避难所的容量属性。人口起点的空间分配基于建筑面积权重法,最终模型包含134个疏散起点,总疏散人口为65,000。模型被定位为通用的疏散能力实验,而非针对特定灾害类型的预测模拟。关键参数包括总人口、批次释放规模、释放间隔、个体移动速度(统一设为1.3米/秒)、避难所容量、时间步长和最大耐受疏散时间(30分钟)。研究设计了五种行为场景,通过改变有序与无序智能体的比例来比较疏散绩效差异。有序疏散模式假设个体知道最近可用避难所的位置并倾向于通过道路系统选择更易到达的目的地;无序疏散模式假设个体缺乏稳定的全局目的地知识,主要根据局部感知的开放方向移动。模型采用连续释放机制模拟个体在灾害发生后逐步进入道路系统的过程。此外,根据网络距离、道路连通性、建筑相关绕行、邻近边界和瓶颈节点等空间指标,将人口起点分为六种空间类型(O1–O6),以支持后续基于起点类型的成功率统计。模型通过GIS最短路径验证和多随机种子重复模拟进行了合理性检查和不确定性分析。
**研究结果**
1. **整体疏散模式比较**:模拟结果显示,随着有序智能体比例的增加,疏散曲线向上移动,最终疏散水平和早期增长率均呈上升趋势。完全有序场景(理想信息假设下)在1.47分钟达到50%疏散率,2.90分钟接近90%,9.25分钟达到100%。完全无序场景在2.33分钟达到10%,约4.88分钟后进入平台期,最终稳定在约13%。25%、50%和75%有序场景最终分别稳定在约37–38%、61–62%和71–72%的平台水平。早期窗口(0–3分钟)的效率差异显著,完全有序场景形成快速模拟疏散流,而无序及低有序比例场景仍处于低水平爬升阶段。
2. **不同起点类型的疏散成功率差异**:起点类型的成功率随有序比例增加而提高,但改善幅度因空间类型而异。在完全无序场景下,所有起点类型的成功率普遍较低,其中靠近避难所且直接连通的O1类型最高(22%–30%),而靠近边界或低连通性区域的O4类型最低(4%–8%)。在混合场景中,O1和O2(中等距离且具有连续道路网络接入的起点)对有序比例增加的反应最强,成功率提升显著。然而,即使在高有序比例(75%)场景下,O4(边界/低连通性区域)和O5(远离避难所)的成功率仍相对较低(分别为60–78%和66–82%),表明这些空间约束较强的起点更易产生后期滞留。在完全有序场景下,所有起点类型的成功率均达到100%。
3. **行为机制解读**:目的地识别能力直接影响早期疏散效率,反映在早期窗口的增长和关键阈值时间上。道路网络利用能力是目的地认知转化为有效疏散的关键中介,有序智能体能沿道路网络持续接近避难所,而无序智能体的基于局部感知的启发式行动可能导致“移动而非有效疏散”的现象。起点空间条件对疏散效率起调节作用,空间可达性好的起点对组织水平提升更敏感,而受空间约束强的起点改善较慢,易产生拖尾延迟和残留滞留。
4. **模型合理性验证与不确定性分析**:GIS最短路径分析显示,起点到最近避难所的最短距离范围约为0.03公里至0.64公里,平均约0.12公里,证实模拟对应的是局部建成区尺度的短距离步行疏散。完全有序场景下的模拟到达时间略高于基于GIS的理论最短步行时间,差异合理,且两者相关性高(相关系数0.95)。多随机种子重复模拟表明,五种场景的最终疏散率和关键阈值时间排序稳定,模型输出具有稳健性。
**讨论与结论**
**讨论部分总结**:本研究的主要发现包括:目的地识别和组织水平显著影响疏散效率,且这种效应首先体现在早期疏散窗口;道路网络利用是目的地认知转化为有效疏散的关键中介;疏散效率的改善表现出明显的空间不均衡性,受空间约束强的起点改善更慢。理论意义在于:揭示了廊道依赖型县域建成区疏散不能简化为静态最短路径或服务半径问题;通过连续混合场景集拓展了有序-无序的二元对比,能更细致描述不同组织水平下的疏散过程;通过分析起点类型成功率,将整体疏散效率分解到空间起点层面,揭示了不同空间条件对疏散结果的调节作用,推动了疏散ABM从整体效率比较向空间诊断与机制识别发展。基于场景结果,规划启示需谨慎解读,可作为从模型机制识别中衍生的可能应用方向,包括:针对不同可达性条件的起点强化其与避难所的对应关系;更关注具有强空间约束的起点,检查死胡同道路、墙体障碍、过长的绕行距离和不明确的廊道方向;根据起点类型组织标识、演练和现场引导。本研究作为机制识别的场景模拟存在局限,例如简化了真实人群行为的异质性、未显式模拟具体的灾害扩散过程、未进行系统性的参数敏感性测试等。未来研究需用实测数据校准行为参数、引入动态灾害过程并进行参数敏感性与空间优化分析。
**研究结论翻译**:本研究以若羌县一个典型建成区为模拟单元,构建了一个针对廊道依赖型县域背景的基于智能体的疏散模拟框架。该模型被定位为一种通用的疏散能力实验,而非针对特定灾害过程的预测性模拟。在统一的空间环境、移动速度、释放机制和避难所容量条件下,比较了五种场景:完全无序、25%有序、50%有序、75%有序和完全有序疏散。分析进一步考察了六种起点类型之间疏散成功率的空间差异。首先,在指定的模型假设下,目的地认知和路线组织影响选定建成区内的模拟疏散效率。在理想的有序信息假设下,模拟系统在9.25分钟内达到完全疏散,而完全无序场景在大约4.88分钟后进入低水平平台期,最终疏散率约为13%。基于GIS的从起点到最近避难所的最短路径距离范围约为0.03公里至0.64公里,平均值约为0.12公里。这些数值证实了时间结果对应于局部建成区尺度,而非全县范围的疏散。其次,场景间的差异在早期疏散窗口内清晰显现。完全有序场景在理想信息假设下于0–3分钟内形成快速连续的模拟疏散流,而25%有序和完全无序场景仍处于低水平增长阶段。这表明疏散效率不仅由最终疏散率塑造,还取决于能否早期建立目的地导向的移动。第三,疏散结果显示出明显的空间异质性。靠近避难所、直接与避难所相连或嵌入连续道路网络的起点对有序比例增加的反应更强。相比之下,靠近边界、位于低连通性区域、远离避难所或邻近瓶颈节点的起点更可能产生后期滞留。这些发现表明,廊道依赖型县域典型建成区可能的疏散能力提升应关注空间受限的起点、路线连续性以及起点-避难所的对应关系。总体而言,本研究揭示了目的地认知、路线组织和起点空间条件如何共同塑造廊道依赖型县域典型建成区内模拟的步行疏散效率。这些结果应被解释为用于机制识别的有条件、基于场景的见解,而非对真实疏散性能的直接经验预测。它们为当地避难所空间组织、疏散路线引导和空间差异化的疏散规划提供了方法论支持。