本文研究区域位于天津市中心城区,属“小白楼CBD”组成部分,面积约13.47 km²,是典型的高建筑密度、高人口密度城市中心区。区域内及附近的主要设施与重要功能片区有天津站、意式风情街区、海河文化广场、和平路商业街、中心公园、静园、五大道文化旅游区、天津总医院、天津财经大学、天津外国语大学、天津医科大学、天津大学等。有4条地铁线从片区内部穿过,分别为1号线、2号线、3号线、津滨轻轨地铁9号线,共有9处站点。片区内建筑较为密集,意式风情街区尤甚,低层建筑与高层建筑集中区边界区分明显。(超)高层建筑主要分布于小白楼地区、海河沿岸两侧以及营口道地铁站(南京路与营口道交叉口)附近。

根据《防灾避难场所设计规范》(GB 51143—2015),应急避难场所可分为紧急避难场所、固定避难场所以及中心避难场所,其中紧急避难场所为应急或临时避难的场所,是避难人员集合并转移到固定避难场所的过渡性场所。在场地选择方面,紧急避难场所可选择居住小区内的花园、广场、空地和街头绿地等。本文研究区域建筑与人员密集,紧急避难空间较为紧张,因而选取的资源类型包括学校操场、公园、街头绿地、广场以及其它室外开敞空间。研究区域内共有紧急避难场所144处,总用地面积约1.308 km²,其中,103处的有效避难面积大于2 000 m²(图1)。

图1 研究区可用紧急避难场所资源空间分布及其规模
Fig.1 Spatial distribution and scale of available emergency-shelter resources in the study area

本文采用的手机信令数据来源于中国电信基站数据,范围包含以和平路地铁站为中心,半径约1.5 km内的区域。时间跨度为2016年11月1—30日,共计51 694 631条数据,每一条数据都包含了用户ID、坐标及时间信息(日/时/分),数据格式见表1。本文利用手机信令数据分析研究区域的高精度人口时空变化情况,进而预测紧急避难场所需求。需要指出的是,基站采集的信令数据并不能代表人员所在的精确位置,因而基于该数据得到的人员空间分布具有一定的误差。在具体分析中,既要掌握人口的总体变化趋势,也要详细了解不同时间段驻留人员与流动人员的规模及空间分布。首先对数据进行清洗处理,具体步骤为:①对每一天的每个时刻(按小时)进行数据提取; ②对每一天的数据进行批量提取; ③对已提取的数据进行去重并计数:先以经纬度坐标和用户ID作为唯一值进行去重,然后以经纬度坐标作为唯一值,将与其对应的所有人员计数,得到该坐标点的人数。该步骤在不影响结果的前提下减小了数据量,便于在GIS中进行分析,提升运行速度。以2016年11月10日15时的数据为例,同一个坐标存在较多的ID,经上述步骤去重后总计62 989个点(人)。按相同坐标进行计数(表2),使每个点都具备人员数量属性,则点的数量降为2 936个(依然为62 989人)。

表1 研究数据的格式及所含信息
Tab.1 Research data and information contained

表2 数据清洗后按坐标计数结果(2016年11月10日15:00)
Tab.2 Counting by coordinates after data cleaning(15:00 on November 10,2016)

人口密集的CBD地区存在较大的昼夜人口差异,避难疏散应满足白天和夜间均会发生灾害的避难需求。因此,避难场所布局面临的一个重要挑战便是人口昼夜变化,这直接关系到场所布局能否满足昼夜防灾的要求。研究区域地块白天和夜间的驻留人员分别以就业人口和居住人口为主,各自的人员规模在一天内的变化较小。而由于大量旅客与商业休闲、娱乐人群的存在,流动人员的变化相对比较大,故紧急避难需求预测应结合驻留人员与流动人员综合分析。陈伟等(2019)根据手机信令数据的记录规则与统计分析,将驻留人员与流动人员分析模型的条件设置为:①若某ID一天之内出现的次数大于6次,且在区域内停留时间超过4 h,则将其标记为驻留人员; 反之,将其视为流动人员; ②若某ID仅在7:00～19:00出现,出现大于6次,且停留时间超过4 h,则将其标记为白天驻留人员; 若仅在7:00之前或19:00之后出现,出现大于6次,且停留时间超过4 h,则将其视为夜间驻留人员; ③若某ID仅在7:00～19:00出现,出现小于6次或停留时间小于4 h,则将其标记为白天流动人员; 若仅在7:00之前或19:00之后出现,出现小于6次或停留时间小于4 h,则将其视为夜间流动人员; ④某ID在区域内的最终坐标以该ID出现次数最多的坐标来表示。

地块的驻留人员规模选取其白天、夜间驻留人口的最大值(分别按30 d平均),确保满足昼夜紧急避难需求; 同时,因高峰时段流动人员较多,而其它时段的流动人员较少,若直接取其最大值,则会带来一定的资源浪费,且不具备可实施性,故采用了地块白天、夜间流动人口最大值(分别按30 d平均)的12 h平均值,具有一定的弹性。片区紧急避难场所需求的总人口规模表示为:

式中:D为研究区域紧急避难场所需求的总人口规模; Fⁱ_day为第i个地块的白天驻留人员数量(按30 d平均); Fⁱ_night为第i个地块的夜间驻留人员数量(按30 d平均); Mⁱ_day为第i个地块的白天流动人员数量(按30 d平均); Mⁱ_night为第i个地块的夜间流动人员数量(按30 d平均)。

技术方法上,首先借助Python语言完成人员分析模型构建、信令数据处理,接着利用ArcGIS导入数据,开展相关空间分析与数据统计工作。

考虑到给未来城市更新进程中避难场所规模的增加提供量化依据,本文构建了人员完全疏散情景下的疏散模拟模型,目的是将具有疏散要求的需求点(简称需求点)的待疏散人员疏散至附近合理距离内的可用避难场所。一个需求点可以对应多个避难场所。首先利用ArcGIS建立包含需求点、避难场所可用资源与路网的网络数据集,然后通过Model Builder组合构建OD距离成本矩阵模型。模型的输入要素为道路网(实际疏散路径)、需求点与避难场所,输出要素为疏散距离。疏散沿着构建的城市道路网进行(非直线距离),运算可视化结果中的直线不代表疏散路径,而是需求点附近合理距离内的所有可用避难场所资源,仅为对应关系示意,可以理解为某个需求点的若干疏散方向(Chen et al,2020)。

我国成年男性与女性的步行速度约为1～1.3 m/s(徐循初,汤宇卿,2007)。当灾害发生时,步速一般较快。范晨璟(2017)通过一项疏散实验发现,居民在紧急情况下从其所处位置到附近避难场所的平均步行速度约2.15 m/s。因此,本文疏散模拟模型的人员平均步行速度设为2.15 m/s。根据模型可求得:①每一个需求点通往附近若干避难场所之间的每一条路径疏散的人数以及疏散完成所花费的时间; ②每一个避难场所接收不同需求点的避难人员数量以及前往该避难场所的所有人员疏散完成所花费的时间; ③每一个避难场所最终呈现的状态,即是否超容(Chen et al,2021)。

2.2.2 主要构建流程

构建需求点O_j与避难场所D_i之间关联矩阵如下:

式中:

设p_ji为通过路径K_ji疏散的人数,由此得到需求点O_j至避难场所D_i之间每条路径所疏散的人数矩阵为:

其中:

进而可以求出每一个避难场所D_i所接收的人数A_i如下:

所有需求点人员疏散完毕后,避难场所D_i接收疏散人员的整个过程所需要的时间T_i为通往该避难场所的所有路径中疏散用时最长的路径所需时间。首先,设t_ij为通过路径K_ji进行避难的所有人员完成疏散所花费的时间,建立时间矩阵:

其中:

设集合t_i={t_1i,t_2i,…,t_mi},,可以求得避难场所D_i接收疏散人员的整个过程所需要的时间T_i为:

图2 研究区各地块紧急避难需求的人员规模及分布
Fig.2 Distribution of the population of the refugees and the emergency shelters in the study area

经前述人员分析模型计算得知,研究区域的夜间平均驻留人数为24 557,该数值是基于手机信令数据计算得出的人员规模,仅为区域人口的一部分。为了得到研究区域内夜间驻留人员总规模,笔者采用来源于某房产交易网站的住宅建筑数据进行分析,数据包含了小区、公寓、宿舍等居住建筑的坐标、户数等信息。区域居住人口的数量通过其拥有的总户数与户均人口数相乘计算得到,户均人口数来源于天津市人口抽样调查数据。由此,估算出夜间总居住人口数约为263 539。基于手机信令数据得到的夜间平均驻留人员规模与基于居住建筑数据得到的夜间总居住人口规模的比值即近似为区域内电信服务的市场占比,约为9.32%,将其余日期的白天驻留人员、白天流动人员、夜间驻留人员、夜间流动人员分别按照此比例进行校正,即可得到各自的实际人员规模。由此,得到研究区各地块紧急避难需求人员规模及分布(图2)。图2全部298个地块中,需求分布于白天的地块有199个,分布于夜间的为99个,总需求人员规模约79.3万人。

运用疏散模拟模型对紧急避难场所和需求点的最终状态进行分析。首先运用OD距离成本矩阵模型计算疏散模拟所需的疏散路径信息(表3),然后结合点数据(需求点、避难场所点)、线数据(疏散路径)展开疏散分析。表4为298个需求点人员全部疏散至紧急避难场所后的每条路径详细疏散人数及时间信息。统计显示,全部1 190条路径的平均疏散时间约为10.8 min,最短疏散时间在2 min之内,而由于部分需求点人员数量规模庞大,导致少数路径疏散时间达3 h以上,路径疏散时间频数分布区间如图3所示,小于10 min的路径占比约为80.3%。路径平均疏散人数约624,最大路径疏散人数约23 067,多数路径的疏散人数在450以下,也有部分路径疏散人数超过了1万。

表3 全部疏散路径的模型运算结果
Tab.3 Computed results of evacuation routes by the model

表4 需求点人员全部疏散至紧急避难场所的每条路径疏散人数及疏散时间
Tab.4 Number of people evacuated from the initial points to the emergency shelters and the evacuation time

图3 需求点人员全部疏散情景下的路径疏散时间频数分布
Fig.3 Time-frequency distribution after complete evacuation of refugees

需求点人员完全疏散后的紧急避难场所接收人员规模分布如图4所示。分析发现,116个参与疏散模拟的紧急避难场所平均接收人数为6 396,最少人数少于10人,有25处超过10 000人。其中,有6处接收超过20 000人,超过30 000人的有2处,分别约32 165人、34 712人。将每一处避难场所接收的人员规模与最大容量进行比较,可知其是否超容以及具体的超容与尚能容纳的人数信息。总体上,超容规模较大的避难场所主要分布于天津站周边地区、海河东岸沿线区域、南京路沿线地区、津湾广场、锦州道及山西路等(图5)。

图4 研究区紧急避难场所接收人员规模分布
Fig.4 Distribution of the refugees received by emergency shelters in the study area

图5 研究区紧急避难场所容纳疏散人员数量分析
Fig.5 Number of evacuees accommodated by emergency shelters in the study area

从表5统计分析发现,在116个接收了疏散人员的紧急避难场所中,有64个已超出其最大容量,其最大总计能容纳17.78万人,但实际接收了60.46万人,场均接收9 447人,共计超出容量42.68万人,场均超容6 668人。在52个未超容避难场所中,最大总计能容纳38.08万人,但实际接收了13.73万人,场均接收2 641人,尚能容纳共计24.35万人,场均尚能容纳4 682人。

表5 紧急避难场所接收的疏散人数与容量对比
Tab.5 Comparison of the number and the capacity of the evacuees received by emergency shelters