杜浩國，林旭川，張方浩，湯筱麒，盧永坤，曹彥波

(1.云南省地震局，云南 昆明 650224； 2.中國地震局工程力學(xué)研究所，黑龍江 哈爾濱 150080)

應(yīng)急避難場所是地震發(fā)生后受災(zāi)居民緊急疏散的重要場所[1-2]，對城市安全和可持續(xù)發(fā)展有著很重要的作用，國內(nèi)外越來越多的城市相繼開展了應(yīng)急避難場所的規(guī)劃和建設(shè)工作?，F(xiàn)有城市避難場所可分為公園、綠地、停車場、廣場、學(xué)校操場[3]等，這些場所在規(guī)劃和建設(shè)中沒有考慮避難功能，數(shù)量分布不合理且不足以滿足避難需求，因此研究應(yīng)急避難場所快速有效的選址方法[4-5]，具有較強的實際意義和研究價值。

國內(nèi)外眾多學(xué)者針對應(yīng)急避難場所選址問題上有過很多的研究，可大致分為傳統(tǒng)的選址方法、基于ArcGIS技術(shù)的選址方法、基于智能優(yōu)化算法的選址方法。首先是傳統(tǒng)的選址方法，如黃典劍從應(yīng)急避難場所的規(guī)劃設(shè)計、內(nèi)部硬件設(shè)施、外部軟件環(huán)境3個方面出發(fā)，選定18個評價指標，構(gòu)造了突發(fā)事件應(yīng)急避難所應(yīng)急能力影響因素的層次結(jié)構(gòu)，建立了綜合評價模型[6]；陳明利基于系統(tǒng)管理視角從工作人員素質(zhì)、設(shè)備設(shè)施配置、支撐結(jié)構(gòu)功能、應(yīng)急響應(yīng)能力4個方面建立包含19個特定指標的城市體育館應(yīng)急避難服務(wù)能力評價體系[7]；王東明等[8]在總結(jié)多次地震災(zāi)區(qū)經(jīng)驗教訓(xùn)和國內(nèi)外部分城市應(yīng)急避難場所建設(shè)經(jīng)驗的基礎(chǔ)上，對應(yīng)急避難場所的功能設(shè)計及運營管理提出了建議；這些傳統(tǒng)的選址方法能從宏觀和主觀的層面對應(yīng)急避難場所進行選址。在基于ArcGIS技術(shù)的選址方法，朱佩娟等[9]運用ArcGIS與元胞自動機相結(jié)合的方法，構(gòu)建2015年人口空間分布模型和交通流量綜合預(yù)測系統(tǒng)模型，從城市均衡發(fā)展以及最大限度發(fā)揮城市公共綠地防災(zāi)避難功能的角度，對公共綠地合理的服務(wù)半徑和空間布局進行研究；Kar和Hodgson[10]采用ArcGIS柵格數(shù)據(jù)模型，綜合洪災(zāi)影響區(qū)、危險源，與快速路、疏散通道和醫(yī)療衛(wèi)生機構(gòu)臨近度，以及人口分布狀況等因素，評價了南弗羅里達避難場所合理性；Yu[11]采用遙感影像提取的土地利用類型與人口普查數(shù)據(jù)，根據(jù)人口行為特征，分別評價白天與夜間避難場所滿意度；將ArcGIS技術(shù)融入到應(yīng)急避難場所選址方法中，有效提高了應(yīng)急避難場所選址的精確度和可視化程度。最后是基于智能優(yōu)化算法的選址方法，近年智能優(yōu)化算法被廣泛關(guān)注，因為它們能處理大量的數(shù)據(jù)，并且能大大提高空間優(yōu)化搜索能力，能在合理的時間內(nèi)找到近似最優(yōu)解，所以越來越多地被應(yīng)用到選址模型中，如張富[12]設(shè)計了求解避難場所個數(shù)、疏散時間、人員分配的平衡性、在疏散過程中不同線路的速度構(gòu)建了數(shù)學(xué)模型問題的一個啟發(fā)式算法；陳志芬等[13]分析了應(yīng)急避難場所層次選址的決定因素和基本目標，建立了8個包含臨時、短期、中長期三級層次的應(yīng)急避難場所選址模型，模型通過Lingo優(yōu)化軟件求解確定出各層次避難場所的數(shù)量和具體位置，從而確定避難者在避難過程中的移動方向以及移向不同方向的人數(shù)；袁昀等[14]構(gòu)建了多智能體進化算法，并將準備度指標引入應(yīng)急設(shè)施選址問題中，綜合考慮需求就量、離設(shè)施距離和距離決定的權(quán)重，對每個社區(qū)的應(yīng)急服務(wù)覆蓋程度進行量化，從而保證將應(yīng)急避難場所設(shè)置在合理的位置；李強等[15]采用事故風(fēng)險影響因子與疏散方向因素的道路容量需求(BLD)等方法來表示道路網(wǎng)絡(luò)中的各節(jié)點疏散風(fēng)險；ZHANG Nan等[16]選擇了影響行人疏散道路風(fēng)險的8個影響因子，包括道路節(jié)點度、寬度、安全性、電阻系數(shù)以及建筑的威脅、行人逆流、違章停車和交通流，基于復(fù)雜網(wǎng)絡(luò)理論、電路理論和道路實際情況，建立了道路風(fēng)險綜合評價函數(shù)，分析了不同情況下行人疏散道路風(fēng)險，繪制了風(fēng)險分布圖，直觀地顯示了風(fēng)險水平。

以上的研究都取得了一定的成果，特別是智能優(yōu)化算法的引入，對應(yīng)急避難場所快速有效選址問題具有重要意義[17]，本文在傳統(tǒng)選址的基礎(chǔ)上，歸納總結(jié)了8個應(yīng)急避難場所重要選址指標，并采用智能蟻群優(yōu)化算法、遙感技術(shù)與ArcGIS相結(jié)合的方式構(gòu)建了基于蟻群優(yōu)化算法的應(yīng)急避難場所選址模型，該模型能夠有效提高城市應(yīng)急避難場所選址的合理性和科學(xué)性。

1 研究方法及技術(shù)路線

1.1 技術(shù)路線

圖1為基于蟻群優(yōu)化算法的應(yīng)急避難場所選址模型流程圖，其中第一步數(shù)據(jù)收集，采用無人機遙感技術(shù)獲取研究區(qū)遙感影像、DSM(Digital Surface Model)數(shù)字地表模型[18]；第二步數(shù)據(jù)處理，本文在閱讀大量相關(guān)文獻的基礎(chǔ)上，歸納總結(jié)了8個應(yīng)急避難場所重要選址指標，并以云南紅河縣城作為研究區(qū)，將不同選址指標加入到應(yīng)急避難場所選址模型中；第四步蟻群算法與ArcGIS結(jié)合，采用智能蟻群優(yōu)化算法、遙感技術(shù)與ArcGIS相結(jié)合的方式構(gòu)建基于蟻群優(yōu)化算法的應(yīng)急避難場所選址模型；第五步對比分析，采用窮舉法與實地調(diào)研方式對模型選址結(jié)果進行驗證。

圖1 基于蟻群優(yōu)化算法的應(yīng)急避難場所選址模型流程圖Fig.1 The flow chart of studying on emergency shelter location model based on ant colony optimization algorithm

1.2 蟻群優(yōu)化算法

1.2.1 蟻群算法數(shù)學(xué)模型

蟻群優(yōu)化算法是模擬螞蟻覓食的原理，設(shè)計出的一種群集智能算法。螞蟻起初選擇路徑是隨機性的[19-20]，可用數(shù)學(xué)模型公式(1)表示，即在t時刻，螞蟻k從地點i去往地點j的移動概率[21-22]：

.

(1)

(2)

式中：dij表示地點i和地點j之間的距離；β表示螞蟻在搜尋途中啟發(fā)信息對螞蟻下一步移動方向的影響程度(β≥0)；Tbs螞蟻所能搜尋的所有地方。

對于不同信息素更新原則，M.Dorigo等曾經(jīng)給出了3種類型的螞蟻模型，分別為蟻量模型、蟻密模型和蟻周模型[23]，由于蟻周模型相比于2種模型具有較好的信息更新策略，因此本文選用蟻周模型進行算法信息更新，如公式(3)所示：

(3)

1.2.2 算法目標函數(shù)

蟻群算法目標函數(shù)綜合了影響選址的各個指標，用于刪選出應(yīng)急避難場所選址最優(yōu)解。每一只螞蟻代表著相應(yīng)的目標函數(shù)值，通過對比螞蟻搜尋得到的目標函數(shù)值大小來進行應(yīng)急避難場所的選址。由于城市用地的緊張，避難場所修建的面積與成本關(guān)系成正相關(guān)，因此本文通過對避難場所修建面積或費用進行設(shè)定，采用蟻群優(yōu)化算法，求解出最優(yōu)選址方案，目標函數(shù)見下式：

(4)

式中：Dstreet(i,j)表示第(i,j)柵格離主干道距離，η1和η2表示各選址指標影響系數(shù)；ρ(i,j)表示第(i,j)柵格的人口數(shù)量；a表示縱向柵格數(shù)，b表示橫向柵格數(shù)；Dmin(i,j)表示第(i,j)柵格到離指定柵格之間的距離；S表示柵格所在實際面積；M為求解的柵格個數(shù)，t表示相關(guān)系數(shù)。

1.3 應(yīng)急避難場所選址指標

中國地震局震災(zāi)應(yīng)急救援司關(guān)于《應(yīng)急避難場所的規(guī)劃原則》中強調(diào)：(1)應(yīng)急避難場所規(guī)劃要與城市現(xiàn)狀相結(jié)合，應(yīng)結(jié)合城市現(xiàn)有的人口密度、建(構(gòu))筑物情況，建設(shè)用地情況，安全性等因素綜合考慮和安排避難場所；(2)避難場所要有快速暢通的道路與之相聯(lián)通，避難場所和道路的設(shè)計與安排應(yīng)盡量利用已有的基礎(chǔ)和條件，節(jié)約用地；(3)應(yīng)急避難場所要有一定的面積，有助于設(shè)置應(yīng)急設(shè)施如帳篷、簡易廁所；(4)應(yīng)急避難場所應(yīng)遠離高大建筑物。本文對以上選址標準進行總結(jié)分析，選取了8個易于獲取數(shù)據(jù)的指標，分別為人口密度、離現(xiàn)有應(yīng)急避難場所距離、離高層建筑物距離、離主干道距離、道路節(jié)點度、道路寬度、路阻和行人逆流。

1.3.1 人口密度

應(yīng)急避難場所應(yīng)建立在人口密集且人流量大的區(qū)域，有助于緊急狀態(tài)下大面人員的疏散與安置。因此人口分布情況是規(guī)劃避難場所時需要參考的重要指標，本文根據(jù)Yu J等[11]的人口估算公式，計算云南紅河縣城區(qū)每棟建筑物的人口數(shù)量，如公式(5)、(6)所示。

(5)

(6)

式中ρH(n)為第n個建筑物的夜晚人口；ρnighttime為在夜間總的居住人口；ρC(k)為第k個居委會的常住人口總數(shù)；SH(i)為第i個建筑物的占地面積；FH(i)為第i個建筑物的樓層數(shù)；M(k)為第k個居委會的建筑物數(shù)量；K為紅河縣城區(qū)內(nèi)居委會的總數(shù)；N為紅河縣城區(qū)內(nèi)建筑物的總數(shù)。

1.3.2 離現(xiàn)有避難場所距離

新建應(yīng)急避難場所應(yīng)與現(xiàn)有避難場所保持合理的距離。隨著城市的快速發(fā)展，土地資源緊張，為了提高城市土地資源的有效利用率，新建的應(yīng)急避難場所應(yīng)與現(xiàn)有的應(yīng)急避難場所保持一定的距離，分別服務(wù)不同的地域，避免土地資源的浪費[22-23]。

1.3.3 離高層建筑物距離

應(yīng)急避難場所應(yīng)與高層建筑物保持一定的距離，如果應(yīng)急避難場所建立在高層建筑物較近的范圍內(nèi)，當(dāng)發(fā)生地震時，高層建筑物的倒塌很可能毀壞應(yīng)急避難場所，造成更多的人員傷亡。因此應(yīng)急避難場所的建立應(yīng)遠離高層建筑物一定距離。

1.4 道路應(yīng)急疏散指數(shù)

本文根據(jù)Zhang Nan等[16]的研究成果，將道路應(yīng)急疏散指數(shù)作為一項重要選址指標。道路應(yīng)急疏散指數(shù)是指在緊急狀下疏散人群遇到的交通阻礙情況，包括行人逆流、道路寬度、路阻、道路節(jié)點度、高層建筑物威脅。

1.4.1 道路寬度

道路寬度決定了疏散人群的通過量，當(dāng)發(fā)生地震時，道路越寬第一時間疏散的人數(shù)就越多。本文道路寬度為疏散道路面積除以疏散道路長度，如公式7所示：

RW=RS/RL.

(7)

式中：RW表示疏散道路平均寬度；RS表示疏散道路面積；RL表示疏散道路長度。

1.4.2 道路節(jié)點度

道路節(jié)點度是指該道路可以聯(lián)通的道路節(jié)點數(shù)，道路節(jié)點度反映了道路可以訪問的路口數(shù)量。如圖2所示，路段AB兩端分別為A點和B點，A點為T字型路口共有3個路段，所以規(guī)定A端的節(jié)點度為3，相應(yīng)的B端的節(jié)點度為2，因此路段AB的總節(jié)點度為5。同理BC路段節(jié)點度為4，CD路段節(jié)點度為6。道路E端為封閉道路其節(jié)點度為0，因此路段DE的總節(jié)點度為4。緊急疏散過程中，道路節(jié)點度越大，疏散的安全性就越大，疏散人群就會集中于此路段。

圖2 道路節(jié)點度示意圖Fig.2 The diagram of road degree diagram

1.4.3 道路電阻系數(shù)

本文將路網(wǎng)作為計算道路電阻的電子電路，用電路理論中的基爾夫定律計算道路電阻系數(shù)。道路的節(jié)點在電子電路中被視為節(jié)點，而道路被視為節(jié)點之間的電阻。此外，行人流被認定是電子電流，用道路電阻系數(shù)來反映道路疏散困難程度，路阻系數(shù)公式如下：

(8)

式中RL為道路長度，RW為道路寬度。

1.4.4 高層建筑物的威脅

當(dāng)發(fā)生地震時，會造成高層建筑倒塌，對道路通行造成阻礙，即疏散道路越靠近高層建筑物，應(yīng)急疏散風(fēng)險越大，因此疏散道路應(yīng)遠離高層建筑物一定距離。高層建筑物對道路的威脅公式如下：

(9)

式中：N為疏散道路兩邊高樓數(shù)量，H(i,j)為建筑物(i,j)高度，D(i,j)為建筑物(i,j)離道路的距離。

1.4.5 行人逆流

在緊急疏散過程中，大部分疏散人群會向應(yīng)急避難場所移動，但其中也會出現(xiàn)逆流的人群或車輛阻礙疏散，如救援人員和車輛的進入或返回尋早失散家人等情況。本文參考Zhang Nan等[16]的研究成果，行人逆流計算方法見下式：

(10)

式中Rpc為行人逆流影響指標，RW為疏散道路寬度。

1.4.6 道路應(yīng)急疏散指數(shù)數(shù)學(xué)模型

本文綜合5個選址指標路寬、道路節(jié)點度、路阻、高層建筑物的威脅和行人逆流，確定道路應(yīng)急疏散指數(shù)數(shù)學(xué)模型，如公式(11)所示。

(11)

其中α，β是比例系數(shù)，參考Zhang Nan等[16]的研究成果，本文研究中α=0.5，β=2。

1.5 目標函數(shù)的確定

由于選址時需要考慮人群疏散的時效性，因此本文選取了8個選址指標人口密度、離現(xiàn)有應(yīng)急避難場所距離、離高層建筑物距離、離主干道距離、道路節(jié)點度、道路寬度、路阻和行人逆流，并確定了目標函數(shù)，如公式(12)所示。

(12)

其中，a表示縱向柵格數(shù)，b表示橫向柵格數(shù)；ρ(i,j)表示第(i,j)柵格的人口數(shù)量；Vr(i,j)為柵格i到柵格j路徑的道路應(yīng)急疏散指數(shù)；Dstreet(j)為柵格j到主干道的距離；Dhigh(j)為柵格j到高層建筑的距離；Dshelter(j)為柵格j離現(xiàn)有應(yīng)急避難場所距離。目標函數(shù)值越小，應(yīng)急避難場所選址條件越好。

2 數(shù)據(jù)來源與處理

2.1 研究區(qū)概況

紅河縣位于云南省南部，紅河上游南岸，隸屬紅河哈尼族彝族自治州，是云南省地質(zhì)災(zāi)害高易發(fā)區(qū)。境內(nèi)河谷狹窄，地勢大致中部高，南北低，山地面積大，主體位于紅河流域與勐龍河流域之間的迤薩梁子頂端，是云南省典型的高原山地縣城之一[24-25]?？h城城區(qū)地質(zhì)構(gòu)造復(fù)雜，地處橫斷山脈縱谷區(qū)的南緣和哀牢山余脈地區(qū)，新構(gòu)造運動強烈，峰巒起伏，溝壑縱橫，沖溝發(fā)育，岸坡陡峻，軟弱巖體發(fā)育[26-27]，人類過程活動強烈，地質(zhì)災(zāi)害不斷孕育?？h城人口密度高，房屋建筑結(jié)構(gòu)類型較多，抗震性能有待加強。紅河縣城區(qū)現(xiàn)有應(yīng)急避難場所共計14個，但是由于城區(qū)人口密集程度高，現(xiàn)有應(yīng)急避難場所還遠遠不能滿足突發(fā)災(zāi)害時居民的避難需求，因此城區(qū)新建應(yīng)急避難場所迫在眉睫，新建應(yīng)急避難場所合理選址尤為重要。圖3為通過無人機獲取的遙感影像與基于ArcGIS地形矢量圖。

圖3 紅河縣城無人機遙感影像和地形矢量圖Fig.3 The UAV remote sensing image and terrain vector image of Honghe County

2.2 土地與建筑物數(shù)據(jù)矢量化

通過無人機遙感影像對紅河縣城區(qū)土地利用和建筑物進行矢量化，其中土地用途分類參考《城市用地分類與規(guī)劃建設(shè)用地標準》和FEMA(美國聯(lián)邦應(yīng)急管理署)在HAZUS模型中提出的土地分類標準，提出表1的土地分類。圖4(a)為紅河縣城區(qū)土地利用矢量圖，圖4(b)為紅河縣城區(qū)建筑物矢量圖。

圖4 紅河縣城區(qū)土地利用矢量圖(a)和紅河縣城區(qū)建筑物矢量圖(b)Fig.4 Vector map of urban land(a) and use building vector map in Honghe County(b)

表1 城市用地分類代碼表(部分)Table 1 The classification code table of urban land (Part)

2.3 人口密度

根據(jù)Yu J等[11]的人口估算公式(5)、(6)，計算紅河縣城區(qū)每棟建筑物的人口數(shù)量，得到圖5(a)紅河縣城區(qū)建筑物人口分布圖。本文選址模型是以柵格數(shù)據(jù)為基礎(chǔ)，柵格數(shù)據(jù)的獲取方式是通過ArcGIS將矢量數(shù)據(jù)轉(zhuǎn)為固定柵格數(shù)據(jù)，如圖5(b)為紅河縣城區(qū)建筑物人口分布柵格圖，其中矢量圖轉(zhuǎn)換柵格圖設(shè)置像元大小為40。

圖5 紅河縣城區(qū)建筑物人口分布圖(a)、人口分布柵格圖(b)Fig.5 The building population distribution map(a) and Population distribution grid(b) in Honghe County

2.4 離現(xiàn)有應(yīng)急避難場所距離

圖6(a)為紅河縣城區(qū)現(xiàn)有應(yīng)急避難場所分布圖，此次選址模型將紅河縣城區(qū)中面積大于1 000 m2的公園、綠地、廣場提取出來，作為待建應(yīng)急避難場所。新建應(yīng)急避難場所離現(xiàn)有應(yīng)急避難場所距離計算方法：首先將紅河縣城區(qū)數(shù)據(jù)生成49×84的網(wǎng)格，即得到城區(qū)空間網(wǎng)格圖；然后將網(wǎng)格圖與現(xiàn)有應(yīng)急避難場所分布圖進行位置匹配，分別計算每個網(wǎng)格與現(xiàn)有應(yīng)急避難場所的距離；最后將距離網(wǎng)格通過ArcGIS轉(zhuǎn)化為柵格數(shù)，轉(zhuǎn)化像元參數(shù)大小為40，得到圖6(b)離現(xiàn)有應(yīng)急避難場所距離的分級圖。

圖6 紅河縣城區(qū)現(xiàn)有應(yīng)急避難場所分布圖(a)、離現(xiàn)有應(yīng)急避難場所距離分級圖(b)Fig.6 The map of existing emergency shelters(a) and the grading map of distance from existing emergency shelter in Honghe County(b)

2.5 離高層建筑物距離

應(yīng)急避難場所的選址應(yīng)離高層建筑物一定距離，即高層建筑物倒塌影響小的區(qū)域。本文刪選出建筑物高度大于24 m的高層建筑物，如圖7(a)為高度大于24 m建筑物分布圖，并且將高層建筑物高度的一半作為倒塌影響大小的邊界，將計算好的邊界矢量數(shù)據(jù)轉(zhuǎn)為柵格數(shù)據(jù)，轉(zhuǎn)化時像元參數(shù)大小為40，得到如圖7(b)所示的受高層建筑物影響的區(qū)域分布圖。

圖7 高層建筑物分布圖(a)、受高層建筑物影響的區(qū)域分布圖(b)Fig.7 The distribution map of tall buildings(a) and the map of an area affected by tall buildings in Honghe County(b)

2.6 離主干道距離

新建應(yīng)急避難場所離主干道距離計算方法：同離應(yīng)急避難場所距離計算方法相同，首先將紅河縣城區(qū)數(shù)據(jù)生成49*84的網(wǎng)格，即得到城區(qū)道路空間網(wǎng)格圖，如圖8(a)所示；然后將網(wǎng)格圖與城區(qū)主干道分布圖進行空間位置連接，分別計算每個網(wǎng)格離主干道距離；最后將距離網(wǎng)格通過ArcGIS轉(zhuǎn)化為柵格，轉(zhuǎn)化像元參數(shù)大小為40，得到圖8(b)離主干道距離的分級圖。

圖8 紅河縣城區(qū)道路空間網(wǎng)格圖(a)、離主干道距離的分級圖(b)Fig.8 The road space grid(a) and the grading plan of the distance from the main road(b) in Honghe County

2.7 道路應(yīng)急疏散指數(shù)

本文分別計算得到5個影響因素道路寬度、電阻系數(shù)、道路節(jié)點度、行人逆流和高層建筑物的威脅相對應(yīng)的數(shù)據(jù)，并采用公式11計算得到每個路段的道路應(yīng)急疏散指數(shù)，如圖9所示道路應(yīng)急疏散指數(shù)分級圖。

圖9 道路應(yīng)急疏散指數(shù)分級圖Fig.9 The grading plan of road emergency evacuation index in Honghe County

2.8 蟻群算法參數(shù)設(shè)置

選址模型每組重復(fù)10次，取每組平均值進行比較，選址目標函數(shù)F越大說明螞蟻經(jīng)過數(shù)量越多，即為選址最優(yōu)。計算中螞蟻數(shù)量和重復(fù)迭代次數(shù)越多，選址結(jié)果越精確，但計算時間越長，因此合理的參數(shù)設(shè)置，使模型在可控的時間內(nèi)就能得到精確的選址結(jié)果，本文參考了劉聞等[28]，吳鵬等[29]人研究成果，對模型參數(shù)進行設(shè)置：選址數(shù)量為2，螞蟻數(shù)量為50，揮發(fā)因子為0.01，信息素初始值為40，信息素啟發(fā)因子為1，期望啟發(fā)因子為0.6，迭代最大重復(fù)次數(shù)為30。

3 結(jié)果

圖10 基于蟻群優(yōu)化算法的應(yīng)急避難場所選址結(jié)果分布圖Fig.10 The distribution map of studying on emergency shelter location model based on ant colony optimization algorithm

圖11 45種組合方案面積與函數(shù)值對應(yīng)關(guān)系Fig.11 The area of 45 combined schemes corresponds to the function value

表2 應(yīng)急避難場所選址結(jié)果Table 2 The results of emergency shelter site selection

4 討論

4.1 窮舉法對比分析

表3 前10組組合方案的函數(shù)值和面積Table 3 Function values and areas of the top 10 combined schemes

將以上10組窮舉法選址結(jié)果進行相似位置疊加顯示，得到如圖12所示窮舉法應(yīng)急避難場所選址結(jié)果，其中序號為4(1282)和5(2154)的應(yīng)急避難場所疊加次數(shù)最多，并且與基于蟻群優(yōu)化算法的應(yīng)急避難場所選址位置布局相似。結(jié)果表明，設(shè)置合適的算法參數(shù)，可使模型求得最優(yōu)解，并且計算時間遠遠優(yōu)于窮舉法。

圖12 窮舉法應(yīng)急避難場所選址結(jié)果Fig.12 The results of emergency shelter site selection of exhaustive method

4.2 實地調(diào)研對比分析

本文還采用實地調(diào)研的方式進行驗證，將紅河縣城區(qū)除現(xiàn)有應(yīng)急避難場所以外面積大于1 000m2的公園、綠地、廣場提取出來，如表4所示，共計10個可待建應(yīng)急避難場所空地。

表4 候選應(yīng)急避難場所圖片Table 4 The images of candidate emergency shelters

將10個待建應(yīng)急避難場所位置信息與柵格圖11進行位置匹配，得到圖13(a)所示待建應(yīng)急避難場所柵格圖。將5個影響應(yīng)急避難場所選址指標作為底圖，疊加位置分布后進行顯示，得到圖13(b)底圖為離現(xiàn)有應(yīng)急避難場所距離柵格圖，圖13(c)底圖為離高層建筑物距離柵格圖，圖13(d)底圖為人口分布柵格圖，圖13(e)底圖為離主干道距離柵格圖，圖13(f)底圖為道路應(yīng)急疏散指數(shù)分布圖。從圖13(b)中可以看出除應(yīng)急避難場所3、8、10離現(xiàn)有應(yīng)急避難場所較近以外，其余符合選址標準；從圖13(c)中可以看出應(yīng)急避難場所3、6、7、9、10屬于高層建筑物影響范圍內(nèi)不符合選址標準，其余符合選址標準；從圖13(d)中可以看出10個應(yīng)急避難場所均處于人口密集區(qū)域附近均符合選址標準；從圖13(e)中可以看出應(yīng)急避難場所1、2、6、7、8、10離主干道距離大于100m不符合選址標準，其余符合標準；從圖13(f)中可以看出應(yīng)急避難場所6、8道路應(yīng)急疏散指數(shù)較大不符合選址標準，其余從不同程度上符合選址標準。綜上所述可得到應(yīng)急避難場所4、5選址條件優(yōu)越，與基于蟻群優(yōu)化算法的應(yīng)急避難場所選址結(jié)果相同，但實地調(diào)研選址方式相對于選址模型耗時較多，并且需要人工處理大量數(shù)據(jù)。

圖13應(yīng)急避難場所選址結(jié)果分布圖(a)、離現(xiàn)有應(yīng)急避難場所距離分級圖(b)、離高層建筑物距離分級圖(c)、人口密度分級圖(d)、離主干道距離分級圖(e)、應(yīng)急避難場所選址結(jié)果道路風(fēng)險指數(shù)分級圖(f)
Fig.13 Emergency shelter site selection results distribution map(a)、the grading map of distance from existing emergency shelter(b)、the distance grading plan for tall buildings(c)、the grading map of population density(d)、the distance grading plan from main road(e)、the emergency shelter site selection result road risk index(f)

5 結(jié)論

(1)本文通過改進的蟻群優(yōu)化算法、ArcGIS技術(shù)、遙感技術(shù)和選址指標相結(jié)合的方式，依據(jù)研究區(qū)域?qū)嶋H情況選取了8個應(yīng)急避難場所選址指標，建立基于蟻群優(yōu)化算法的應(yīng)急避難場所選址模型。以云南紅河縣城作為研究區(qū)進行模型選址，采用窮舉法與實地調(diào)研方式進行驗證。其中引入道路應(yīng)急疏散指數(shù)(道路寬度、電阻系數(shù)、道路節(jié)點度、行人逆流、高層建筑物的威脅)，有效增強避難場所選址的實時性、準確性、高效性以及選址結(jié)果的直觀性和可視性。此外，ArcGIS 數(shù)據(jù)參照同一空間坐標系，利于集成化解決不同領(lǐng)域共享數(shù)據(jù)和結(jié)果的問題。

(2)在傳統(tǒng)的選址方法中，通常采用ArcGIS中兩個目的地之間的直線距離或者道路網(wǎng)絡(luò)分析方法，計算得到每個群眾疏散到應(yīng)急避難場所需要的時間。但在疏散的緊急狀態(tài)下會遇到道路的突發(fā)情況，比如行人逆流、救援隊伍進入等等，因此本文提出道路應(yīng)急疏散指數(shù)，相比于傳統(tǒng)選址方法，能有效的優(yōu)化、適應(yīng)蟻群算法選址模型，對提高應(yīng)急避難場所選址精確度和效率具有重大的意義。