基于多項Logistic回歸的地鐵應急疏散行為影響因素分析*

王世通楊艷紅

（1天津城建大學經(jīng)濟與管理學院，300384，天津；2.天津城建大學建筑學院，300384，天津∥第一作者，講師）

基于多項Logistic回歸的地鐵應急疏散行為影響因素分析*

王世通1楊艷紅2

（1天津城建大學經(jīng)濟與管理學院，300384，天津；2.天津城建大學建筑學院，300384，天津∥第一作者，講師）

地鐵中突發(fā)事件下乘客的行為對安全疏散具有重要影響。從個體角度對影響人群應急疏散的因素總結(jié)為性別、年齡、教育程度、性格類型、環(huán)境熟悉程度、乘車頻率、是否經(jīng)歷過地鐵緊急疏散訓練、獲得過地鐵安全方面知識的程度8個方面，構(gòu)建了多項Logistic回歸模型，并進行檢驗和預測。結(jié)果顯示，教育程度和性格對應急疏散行為影響顯著。同時分析了不同性格、教育程度的人群在應急疏散行為方面的差異。最后根據(jù)研究結(jié)果提出了應急疏散的建議。

應急疏散行為；多項Logisitic回歸；影響因素

First-author'saddressSchool of Economics and Management，Tianjin ChengJian University，300384，Tianjin，China

0 前言

應急疏散是應對大型突發(fā)災難性事件，防止和減少人員傷亡的重要措施。地鐵作為城市公共交通中的重要工具，其自身具有運量大、安全性高、準時性好等諸多優(yōu)點吸引了越來越多居民的乘坐。地鐵車站是地鐵系統(tǒng)的基本單位，大量乘客在此聚集、中轉(zhuǎn)和疏散，流動量非常大。其本身又是一個相對封閉的系統(tǒng)，一旦發(fā)生火災、水災、大客流、運營中斷等突發(fā)事件，乘客疏散將非常困難，造成后果也很嚴重。因此，研究地鐵車站人群的應急疏散有著重要意義。

人員疏散過程實質(zhì)是人們在特定環(huán)境和情況下對外界情況做出的一種本能反應。這種反應與建筑物的結(jié)構(gòu)和用途相關(guān)，還與個體的心理、行為因素和自身條件等都有著密切關(guān)系?，F(xiàn)階段針對人員疏散研究主要包括疏散人員個體及群體疏散行為特征研究，以及突發(fā)事件下人員疏散計算模型研究。2002年美國學者Bryan分析了不同性別人員在火災下第一反應的差異［1］；英國的Melink和Booth，日本的Togawa等在大量觀測的基礎(chǔ)上，分別給出了計算人員疏散時間的經(jīng)驗公式［2］。這些研究為國內(nèi)的學者研究人群疏散提供了一定借鑒意義。國內(nèi)學者對人員疏散的研究起步較晚，但是也取得了一定成就。這些研究工作主要集中在三個方面：①關(guān)于人員基本特征的研究。例如文獻［3］通過對地鐵車站常態(tài)下出入客流進行實地錄像觀測，統(tǒng)計分析了地鐵出行乘客性別、年齡、步行速度等人員基本行為特征［3］。②關(guān)于人群疏散時間和群體運動規(guī)律的研究。比如文獻［4］在大學校園等環(huán)境中對人員流動

狀態(tài)進行了實際觀測，總結(jié)分析了時間壓力下，在平直通道、90°彎道以及下樓梯時不同環(huán)境下，人員流動速度與群集人員密度的關(guān)系；③關(guān)于緊急事件中人員的心理行為反應。如：文獻［5］通過疏散試驗和調(diào)查，研究了緊急情況下疏散人員路徑選擇、疏散時間、人員通過房間出口和樓梯疏散的運動規(guī)律，并利用采集到的人員疏散行為數(shù)據(jù)對經(jīng)驗公式和疏散模型進行了驗證和參數(shù)標定；文獻［6］將軌道交通車站應急疏散乘客心理行為影響因素概括為環(huán)境信息、引導信息、受度信息及乘客基礎(chǔ)信息等四個方面［6］。

國內(nèi)外的學者分別從疏散模型和疏散影響因素等方面作了大量的研究工作，但是國內(nèi)針對地鐵乘客應急疏散行為特征的研究較少且缺乏系統(tǒng)性［7］。因此，開展針對我國人群疏散行為特征的調(diào)查及相關(guān)數(shù)據(jù)采集和分析工作十分重要。本文根據(jù)應急疏散的本質(zhì)和規(guī)律，結(jié)合已有的研究成果，對天津市700位地鐵出行乘客進行了問卷調(diào)查，分析了不同性別、年齡、學歷等方面乘客在疏散行為特征方面存在的差異性；進而采用多項Logistic回歸模型分析不同特征人群疏散行為特征的差異化程度，并進行預測。期望這一研究可為地鐵人群疏散的模型修正提供一定理論依據(jù)。

1 調(diào)查問卷的設(shè)計和樣本數(shù)據(jù)特征分析

當?shù)罔F內(nèi)發(fā)生突發(fā)事件（火災、停電等應急情況）時，對地鐵內(nèi)人群進行疏散時的第一反應（Y），問卷分別設(shè)計了4種選項：看周圍人的反應（Y1）、不知所措（Y2）、自己判斷（Y3）、向工作人員詢問（Y4）。這四類反應代表不同的人群，分別為從眾心理人群、慌亂人群、有一定經(jīng)驗判斷能力人群，屬于遇到事情比較冷靜的理智人群。

在對已有的文獻進行總結(jié)，并進行相關(guān)訪談的基礎(chǔ)上，從人群個體出發(fā)，總結(jié)影響人群疏散主要有以下因素：性別（X1）、年齡（X2）、受教育程度（X3）、性格類型（X4）、環(huán)境熟悉程度（X5）、乘車頻率（X6）、是否經(jīng)歷過地鐵緊急疏散訓練（X7）、獲得過地鐵安全方面的知識的程度（X8），并根據(jù)研究假設(shè)設(shè)計相應調(diào)查問卷。

2013年6月至7月，在天津市地鐵1、2、3號線隨機發(fā)放問卷750份，回收有效問卷725份；剔除無效問卷25份，共收集合格問卷700份，回收有效率為96.67%，問卷合格率為96.55%。問卷的數(shù)據(jù)特征分析如下：①男性樣本數(shù)381個，女性樣本數(shù)319個，分別占總?cè)藬?shù)54.4%和45.6%，表明調(diào)查地鐵出行乘客的男女比例基本相當。②18～40歲年齡段人群558人，占整個調(diào)查群體中的79.7%；大學（本科、?？疲┪幕潭热巳?83人，占69.0%。說明絕大多數(shù)乘客具有一定學歷，且年齡比較年輕，能在突發(fā)事件下做出較快的反應。③性格為內(nèi)傾型（內(nèi)向型）、外傾型（外向型）、內(nèi)外兼有人群分別占23.0%、34.6%、42.4%。說明各類人群適中，具有一定代表性。④地鐵環(huán)境熟悉程度為一般的人群占有一半以上比例（52.1%），較熟悉的人群占到三分之一多（33.6%）。說明大多數(shù)人群不太了解地鐵環(huán)境。⑤從乘車頻率來看，接近三分之一的人群是偶爾或者有時乘坐地鐵。⑥91.4%的人群沒有經(jīng)歷過地鐵的疏散訓練，說明天津市地鐵在這方面所做的工作有所欠缺。⑦接近四分之一（23.9%）的人群從不同的媒體或媒介得到過地鐵安全相關(guān)的知識。

2 多類別Logistic回歸模型建立

2.1 模型選擇

由于本研究中的Y（選項）沒有順序，并且是多個水平，因此采用無序多分類Logistic回歸模型進行分析。無序多分類Logistic回歸模型是一種用于分析無序多分類情況因變量（或者被解釋變量）與自變量（解釋變量）之間關(guān)系的多元統(tǒng)計分析方法［8］。通常假定因變量Y具有m個取值水平，選定第i（i∈（1，2，…，n））個水平為參照水平，πj表示取值水平為j（j∈（1，2，…，i-1，i+1，…，n））時的條件概率，則多分類Logistic回歸模型為：

式中：

xk——模型中的自變量；

k——自變量的個數(shù)；

2.2 模型分析

在700個樣本中，乘客遇到緊急疏散時，選擇看周圍人反應（Y1）共146人，占總?cè)藬?shù)的20.9%；選擇不知所措（Y2）的共109人，占總?cè)藬?shù)的15.6%；而選擇自己判斷（Y3）的人共252人，占總?cè)藬?shù)的36.0%；剩余的向工作人員詢問（Y4）的共193人，占總?cè)藬?shù)的27.6%。這些數(shù)據(jù)從側(cè)面反映在進行疏散的時候較多的人會介于自己判斷和向工作人員詢問，五分之一左右的人群會有從眾心理，不到七分之一的人群會出現(xiàn)慌亂的行為。

依據(jù)研究設(shè)計，將Y作為因變量，性別等8個變量作為影響因素，即自變量。采用SPSS22.0對相關(guān)自變量和因變量采取向前逐步多項Logistic回歸分析?；貧w分析結(jié)果如表1所示。

表1 多項Logistic回歸分析結(jié)果

由表1的Logistic回歸模型可以看出，性格和教育程度對人群的疏散行為具有顯著的影響，其他影響因素統(tǒng)計學意義上不顯著。對每種模型進行詳細分析如下。

（1）在“看周圍人的反應”模型中，性格的參照類別是內(nèi)外兼有，回歸系數(shù)為正，且性格內(nèi)傾和外傾回歸系數(shù)的統(tǒng)計檢驗十分顯著。這說明性格內(nèi)傾和外傾的人群比性格內(nèi)外兼有人群更容易看周圍人群的反應，即更容易產(chǎn)生從眾心理。exp（B）的數(shù)值表示，在其他因素相同條件下，性格內(nèi)傾和外傾的人群選擇“看周圍人反應”的概率與選擇“向工作人員詢問”的概率之比，是性格內(nèi)外兼有人群這一比值的1.858和2.303倍。同時，學歷的參照類別是研究生以上，回歸系數(shù)為正，說明表示學歷正向影響人們選擇“看周圍人反應”的概率。具體而言，初中及以下文化程度的乘客“看周圍人反應”的發(fā)生比，是研究生及以上文化程度的1.602倍，高中或中專文化程度的這一比例為5.506，大學（本科、?？疲┪幕潭鹊倪@一比例為1.743倍。即同等條件下，初中及以下、大學（本科、?？疲┪幕潭热巳罕妊芯可耙陨衔幕潭热巳阂子诋a(chǎn)生從眾行為，而高中或中專學歷人群產(chǎn)生從眾行為的概率更大。

（2）在“不知所措”模型中，性格的參照類別是內(nèi)外兼有，回歸系數(shù)為正，且性格內(nèi)傾和外傾的回歸系數(shù)的統(tǒng)計檢驗十分顯著。這說明性格內(nèi)傾和外傾的人群比性格內(nèi)外兼有人群更容易看周圍人群的反應，即更容易產(chǎn)生慌亂行為。exp（B）的數(shù)值表示，在其他因素相同條件下，性格內(nèi)傾和外傾的人群選擇“不知所措”的概率與選擇“向工作人員詢問”的概率之比，是性格內(nèi)外兼有人群這一比值的2.405和4.140倍。同時，學歷的參照類別是研究生以上，初中及以下、高中或中專的回歸系數(shù)為正。這說明，表示高中或中專以下學歷人群隨著學歷增加選擇“不知所措”的概率也增加，而大學（本科、?？疲┑幕貧w系數(shù)為負（-0.003），且exp（B）為0.997，接近于1。這說明大學學歷和研究生及以上學歷人群選擇的概率接近。具體而言，初中及以下文化程度的乘客“不知所措”的發(fā)生比是研究生及其以上文化程度的1.158倍，高中或中專的這一比例為6.159倍。即在同等條件下，初中及以下、高中或中專學歷人群比研究生及以上學歷人群易于產(chǎn)生慌亂行為，而大學學歷人群和研究生及以上學歷人群此概率接近。

（3）在“自己判斷”模型中，性格的參照類別是內(nèi)外兼有，回歸系數(shù)為正，但是性格內(nèi)傾和外傾回歸系數(shù)的統(tǒng)計檢驗不顯著。這說明性格內(nèi)傾和外傾的

人群和性格內(nèi)外兼有人群沒有顯著的差別。exp（B）的數(shù)值表示，在其他因素相同條件下，性格內(nèi)傾和外傾的人群選擇“不知所措”的概率與選擇“向工作人員詢問”的概率之比，是性格內(nèi)外兼有人群這一比值的1.015和1.248倍。同時，學歷的參照類別是研究生及以上，初中及以下、高中或中專、大學（本科、專科）的回歸系數(shù)統(tǒng)計不顯著。這說明四類人群選擇“自己判斷”的概率差別不大。

2.3 模型檢驗

對本模型進行擬合優(yōu)度檢驗。偽決定系數(shù)是判斷模型效果的指標之一。本模型中考克斯-斯奈爾、Nagelkerke兩種偽決定系數(shù)，分別是0.113、0.122，它們從不同角度反映了當前模型中自變量解釋了反應變量的變異占反應變量總變異的比例。

由于模型中自變量較多，自變量各水平組合的實際觀察頻數(shù)為0的比例較大。而Deviance擬合優(yōu)度的缺點是對于自變量取值水平組合的實際觀察頻數(shù)為0的比例非常敏感。如果上述比例過高，擬合優(yōu)度的統(tǒng)計量不一定仍服從卡方分布，因而基于卡方分布計算的p值也不太可信［8］。相比之下，似然比卡方檢驗要穩(wěn)健得多，因此采用似然比卡方檢驗。檢驗結(jié)果如表2所示。

表2 模型似然比卡方檢驗

從表2可以看出，自變量“教育程度”和“性格”的似然比卡方統(tǒng)計檢驗顯著，說明教育程度和性格對因變量有顯著影響，其他自變量對因變量沒有顯著影響。這一點與上面的模型一致，因此提出的模型有一定的現(xiàn)實意義。

2.4 模型預測

對提出的模型進行預測，根據(jù)表1的數(shù)據(jù)和式（1）可以得出最終Logistic回歸模型為：

3 結(jié)語

（1）對地鐵乘客在緊急情況下進行疏散的行為特征進行了分析和預測。首先對已有的成果進行梳理，總結(jié)了關(guān)于人群疏散研究的3個方向：人員基本特征研究、人群疏散時間和群體運動規(guī)律的研究、緊急事件中人員的心理行為反應分析。

（2）在已有文獻和訪談的基礎(chǔ)之上設(shè)計了地鐵人群疏散的行為調(diào)查問卷，把疏散過程中的人群分為從眾人群、慌亂人群、有一定經(jīng)驗能較好判斷人群、理智人群四類，對影響四類人群疏散效率的因素總結(jié)為性別、年齡等8個因素，并進行問卷調(diào)查。

（3）根據(jù)自變量和因變量性質(zhì)建立多分類Logistic回歸模型。結(jié)果顯示：影響人群疏散的顯著因素為性格和教育程度。在其他條件相同的情況下，①性格外向型和內(nèi)向型的人群比性格內(nèi)外兼有的人群更易出現(xiàn)從眾行為，同時，初中及以下、大學（本科、?？疲W歷人群比研究生學歷人群易于產(chǎn)生從眾行為，而高中或中專學歷人群產(chǎn)生從眾行為的概率更大；②內(nèi)傾和外傾的人群比性格內(nèi)外兼有人群更易產(chǎn)生慌亂行為，同時高中或中專以下學歷人群隨著學歷增加出現(xiàn)慌亂的概率變大，而大學以上學歷的人群此類情況變小，根源在于這類人群受過一定的教育有一定相關(guān)經(jīng)驗；③性格和學歷對人群獨立判斷能力方面沒有顯著差別，可能的原因在于問卷中學歷為大學的人群接近80%，而其他的群體數(shù)據(jù)較少造成的結(jié)果。

（4）對提出的模型進行似然比卡方檢驗和預測，結(jié)果顯示提出的模型擬合優(yōu)度較好，預測效果也較好，可以通過此模型對人群疏散效率等方面提供借鑒意義。由于地鐵的特定環(huán)境限制，人群疏散過程是一個復雜的系統(tǒng)工程，除了受個體因素之外還受到地鐵環(huán)境、應急情況類型等其他因素影響，這些也成后續(xù)研究的重點。

［1］ Bryan J L.Behavioral response to fire and smoke［J］.SFPE Handbook of Fire Protection Engineering.2002（2）：42.

［2］ Melinek S，Booth S.An analysis of evacuation times and the movement of crowds in buildings［M］.Building Research Establishment，1975.

［3］ 王馳.某地鐵站火災情況下人員安全疏散研究［D］.北京：北京交通大學，2007.

［4］ 張培紅，魯韜，陳寶智，等.時間壓力下人員流動狀態(tài)的觀測和分析［J］.人類工效學，2005，11（1）：8.

［5］ 李曉萌.人員疏散行為的實驗研究［D］：北京：清華大學，2008.

［6］ 李遜，洪玲，徐瑞華.軌道交通車站應急疏散乘客心理行為影響因素分析［J］.城市軌道交通研究，2012，15（4）：54.

［7］ 郭雩，何理，石杰紅，等.地鐵不同人群疏散行為特征調(diào)查問卷研究［J］.中國安全生產(chǎn)科學技術(shù)，2012，（4）：183.

［8］ 張文彤，董偉.SPSS統(tǒng)計分析高級教程［M］.2版.北京：高等教育出版社，2013.

Influential Factors of Passenger Behavior in Subway Emergency Evacuation Based on Multinomial Logistic Regression

Wang Shitong，Yang Yanhong

In subway emergencies，passengers'behavior has big impact on the safe evacuation.From the perspective of individuals，8 factors from the aspectsof sex，age，education background，personal character，environment identification，frequency boading on subway，experience of emergency evacuation，the degree of safety knowledge are summarized，a multinomial Logistic regression model is built，tested and predicted.The results show that the education background and personal character have a significant effect on the emergency evacuation behavior.At the same time，the diviation of different character types and education levels of crowds are analyzed，which provides some suggestion for metro emergency evacuation.

emergency evacuation；multinomial Logistic regression；influential factors

U 298.6

2013-11-04）

*教育部人文社會科學研究青年基金項目資助（項目號12YJCZH249）；天津市自然科學基金一般項目（項目號12JCYBJC14400）