韌性城市視角下震后城市結(jié)構(gòu)異化與人口短時再分布

繆惠全

（1.北京工業(yè)大學(xué)城市與工程安全減災(zāi)教育部重點實驗室，北京 100124；2.北京工業(yè)大學(xué)城建學(xué)部，北京 100124）

隨著城市規(guī)模的迅速擴大和城市功能的日益復(fù)雜，尤其是以新一代信息通信技術(shù)為載體的智慧城市的建設(shè)，事實上對城市的防災(zāi)減災(zāi)能力提出了更高要求［1］。既有災(zāi)害所展現(xiàn)出來的城市基礎(chǔ)設(shè)施高度耦合的物理事實［2］與災(zāi)后城市恢復(fù)多維度多學(xué)科的復(fù)雜性［3-6］，使得“韌性城市”這一研究應(yīng)運而生。當(dāng)前，對韌性城市這一概念的界定已經(jīng)基本成熟［7］，本文將韌性城市簡要地定義為“在面臨災(zāi)害或沖擊時能夠憑借自身能力維持城市基本功能，并能快速恢復(fù)其正常功能的有機體”。針對地震災(zāi)害，不同研究者還提出了城市抗震韌性的概念。例如文獻［8］將之定義為“使社會單位（如組織、社區(qū)）減輕災(zāi)害、容納災(zāi)害發(fā)生時的影響，并使社會破壞最小化和減輕未來地震的影響的方式開展恢復(fù)活動的能力”。文獻［9］則定義為“城市系統(tǒng)在受到地震時維持或迅速恢復(fù)其功能的能力。即一個城市在遭遇地震影響時，只要其控制參數(shù)不超過一定的閾值，則依賴城市本身的功能即可使城市的系統(tǒng)特性及其運行模式保持或快速恢復(fù)到地震前的狀態(tài)?！辈浑y發(fā)現(xiàn)，韌性城市這一概念的核心，在時間維度上，強調(diào)了“恢復(fù)”一詞，而在空間維度上，則強調(diào)了“功能”一詞。前者使得韌性城市的研究具有了時間階段性的特征，而后者則使得韌性城市的研究具有了多學(xué)科交叉性的特征。

盡管不同研究者在這兩個維度上做了大量的工作，然而有兩個突出的矛盾仍然令人矚目。首先是時間維度上，人們往往以日常運行功能標(biāo)準(zhǔn)作為衡量災(zāi)后城市系統(tǒng)是否恢復(fù)“正?！钡臉?biāo)準(zhǔn)進行量化分析，顯然，在小震或者災(zāi)害較小的情況下，這一以“日常標(biāo)準(zhǔn)”為“標(biāo)準(zhǔn)”的分析是合理的，但是大災(zāi)、特別是巨災(zāi)后的城市結(jié)構(gòu)往往會巨大變化，出現(xiàn)城市部分甚至整體搬遷的情況，顯然，此時原有的“日常標(biāo)準(zhǔn)”作為城市不同系統(tǒng)不同位置是否“正?！钡暮饬繕?biāo)準(zhǔn)，已經(jīng)失效了。其次在服務(wù)維度上，人們往往以城市系統(tǒng)可提供正常服務(wù)的節(jié)點比例或者人口比例作為系統(tǒng)功能量化的指標(biāo)，未能深層次地考慮“功能”本質(zhì)上是對“人”這一特殊群體提供服務(wù)的描述，因此，對于震后必然重點關(guān)注的“第一條通電的線路、第一條通車的道路、第一個復(fù)工的企業(yè)”等具有重要社會意義的城市系統(tǒng)的功能恢復(fù)對城市韌性的影響，難以進行量化的分析。

基于上述思考，本論文從韌性城市的視角出發(fā)，基于過去實際震害的案例，提出了震后城市結(jié)構(gòu)異化的問題，并對影響城市結(jié)構(gòu)異化本質(zhì)的人口短時再分布問題，利用Agent建模技術(shù)分析了震級、防災(zāi)教育、信息溝通效率對人口應(yīng)急避難問題的影響。

1 震后城市結(jié)構(gòu)的異化與恢復(fù)過程

1.1 城市的定義與震后城市結(jié)構(gòu)的異化

由于城市防災(zāi)減災(zāi)所研究的基本對象是城市，因此，對于城市這一研究主體準(zhǔn)確的理解和定義就顯得尤為重要。由于傳統(tǒng)學(xué)科群的劃分方法，各學(xué)科往往以自己所關(guān)注的核心來定義城市［10］，生態(tài)學(xué)關(guān)注人與環(huán)境之間的關(guān)系，社會學(xué)則集中于人類群體的社會行為［11］，規(guī)劃學(xué)則聚焦于土地開發(fā)利用，地震工程則重點關(guān)注各建構(gòu)筑物的地震反應(yīng)。然而，典型地震災(zāi)害災(zāi)后救援的實際過程和社會調(diào)查可以發(fā)現(xiàn)，人們首先關(guān)注的是“人”這一特殊對象，包含肉體的傷亡、心理和精神的創(chuàng)傷等［12］，這反映了城市本質(zhì)上是因人而存在發(fā)展、為人服務(wù)的本質(zhì)特征。因此，對生命線工程等本身就屬于城市尺度的各類特殊建構(gòu)筑物，其抗震研究不能忽視對人這一本質(zhì)服務(wù)對象的研究?；谶@種考慮，本文將震后城市結(jié)構(gòu)的異化定義為震后城市以人口再分布為本質(zhì)特征，以城市建構(gòu)筑為破壞為基本表現(xiàn)，以管理、資源、環(huán)境、文化等多種要素的突變?yōu)楝F(xiàn)象的城市結(jié)構(gòu)的突發(fā)性變化。

1.2 震后城市恢復(fù)過程與韌性度量

傳統(tǒng)上，人們往往將城市承災(zāi)的基本過程分為如圖1 所示的災(zāi)前、災(zāi)中和災(zāi)后3 個過程［13］，對各類建筑結(jié)構(gòu)的地震反應(yīng)分析或可靠度評估，本質(zhì)上聚焦于“災(zāi)中”這一過程，即圖中t0—t1之間。然而在韌性城市的視角下，人們對災(zāi)后城市的恢復(fù)過程給予了更多的關(guān)注?？疾焯粕降卣?、汶川地震等代表性地震災(zāi)后城市恢復(fù)的基本過程，將其分為4個階段。

圖1 城市系統(tǒng)功能指標(biāo)Fig.1 Urban system function index

（1）救援（Rescue）階段

主要任務(wù)是對人員的救援，以最大限度地?fù)尵染用裆鼮榛咎卣鳎ǔ５某掷m(xù)時間在24—72h（t1—t2）；

（2）避難（Refuge）階段

主要任務(wù)是為居民提供基本生存需求，對關(guān)鍵基礎(chǔ)設(shè)施進行維修并制定恢復(fù)規(guī)劃，時間一般在7d—3個月左右（t2—t3）。

（3）重建（Rebuild）階段

城市從復(fù)工復(fù)學(xué)向正常生活發(fā)展，主要任務(wù)是永久性住房和相關(guān)性基礎(chǔ)設(shè)施的建設(shè)，時間在3 個月—1年（t3—t4）；

（4）復(fù)興（Revival）階段

主要是優(yōu)化產(chǎn)業(yè)發(fā)展，以經(jīng)濟建設(shè)為中心并涵蓋文化、環(huán)境、管理等各方面的優(yōu)化，時間大約是1—10 年（t4—t5）。上述過程可以概括為城市災(zāi)后恢復(fù)的4R恢復(fù)過程，詳可參閱文獻［14］。

既往城市韌性研究中，如果單純的基于工程學(xué)的視角，通常以指標(biāo)Q作為系統(tǒng)功能度量的標(biāo)準(zhǔn)，指標(biāo)Q可能是正常功能的節(jié)點比例［15］，則

或者以系統(tǒng)恢復(fù)正常的節(jié)點可服務(wù)的人員占比衡量［16］，則

式中：Nnormal和Ntotal分別為系統(tǒng)功能正常的節(jié)點和總節(jié)點的數(shù)量；Pnormal和Ptotal分別為可獲得系統(tǒng)正常服務(wù)的人口和總?cè)丝诘臄?shù)量。

然后，將該系統(tǒng)的韌性定義為［17］

或

然而考察災(zāi)后救援的實際過程可以發(fā)現(xiàn)，人們往往對“第一條通電的線路、第一條通車的道路、第一個復(fù)工的企業(yè)”等各類“第一”恢復(fù)的部分給予重點的關(guān)注，如按式（3）或（4）的定義，此處以供水管網(wǎng)為例，在階段1 恢復(fù)10%的人口供水和在階段4 恢復(fù)10%的人口供水對城市韌性的貢獻，無論是按照定義（3）還是定義（4），均不能表現(xiàn)出越早恢復(fù)所展現(xiàn)出的重大意義。階段1顯然比階段4更加緊急，此時能夠恢復(fù)10%的人口供水，理應(yīng)具有更重要的社會意義，對城市韌性的貢獻，感性的分析理應(yīng)更高。

考察這一矛盾背后不難發(fā)現(xiàn)，雖然在工程事實上均是恢復(fù)了10%的人口的供水，但是其社會意義是不同的，由于對工程系統(tǒng)的量化分析，忽視了工程系統(tǒng)在災(zāi)后所凸顯的社會意義，僅以日常情況下的“日常標(biāo)準(zhǔn)”作為系統(tǒng)災(zāi)后是否“正常”的標(biāo)準(zhǔn)，在災(zāi)后這一特殊情景下失效了。因此，以供水管網(wǎng)為代表的工程系統(tǒng)，其真正的功能指標(biāo)QS應(yīng)在工程功能指標(biāo)的基礎(chǔ)上加以修正，即

式中：QS是城市系統(tǒng)考慮社會影響的功能指標(biāo)；θS是描述城市系統(tǒng)社會影響的量化參數(shù)，本文稱之為城市系統(tǒng)社會影響因子。顯然，θS是一個連接工程科學(xué)與社會科學(xué)之間的一個“橋梁”參數(shù)。考慮到城市災(zāi)后本質(zhì)上是以人群再分布為本質(zhì)的城市結(jié)構(gòu)異化過程，人群的分布實質(zhì)上表征了災(zāi)后人群需求突變的物理事實。

當(dāng)考慮系統(tǒng)的社會影響以后，系統(tǒng)的韌性指標(biāo)可以定義為

式中：Rs為考慮系統(tǒng)社會影響以后的韌性指標(biāo)。修正后Rs的數(shù)值與系統(tǒng)原先韌性指標(biāo)值R之間的差異，還有待于進一步的研究。這一指標(biāo)的得出，不僅依賴于對城市系統(tǒng)社會影響因子的構(gòu)建和量化，更依賴于對某一系統(tǒng)的功能考察和評估。但是考慮系統(tǒng)的社會影響之后，工程系統(tǒng)的韌性指標(biāo)不僅在邏輯上更具自洽性，而且能夠兼顧工程系統(tǒng)的社會影響，從而實現(xiàn)跨學(xué)科的量化分析。即便二者在數(shù)值上差異不大，如此考慮也有重要的意義，一是修正后的指標(biāo)RS不僅考察了系統(tǒng)的技術(shù)維度，而且考察了系統(tǒng)的社會維度，而這也是一些研究者所進行的努力，如文獻［18］，但國外研究者通常是將社會統(tǒng)計的靜態(tài)指標(biāo)納入體系中，因而無法反應(yīng)災(zāi)后系統(tǒng)的動態(tài)變化特征。二是正如文獻［15］所指出的，即便是較小的指標(biāo)差異其對整個系統(tǒng)經(jīng)濟性的影響可能也是巨大的。文獻［15］以美國電網(wǎng)為例，每年0.03%的失效概率的經(jīng)濟成本高達1 500億美元。

參數(shù)θS定義為

式中：Pleave為離開其日?；顒訄鏊娜藛T數(shù)；Pmove則為可移動人員數(shù)，如果不考慮日常殘疾、嬰幼兒或者喪失移動能力的老年人等，可以認(rèn)為Pmove等于Ptotal。顯然，日常情況所有人都各司其位，Pleave為0，則θS為1；而災(zāi)難發(fā)生以后，人們不得不離開其正?；顒拥奈恢?，Pleave此時將大于0并小于Pmove，θS成為一個隨時間變化的參數(shù)。隨著城市的恢復(fù)，人們又逐漸回到其日常所在的位置，θS則逐漸變?yōu)?。為了量化θS，本文以Agent模型為基礎(chǔ)，分析了震后短時間內(nèi)人口向安全避難場所區(qū)域移動的過程中參數(shù)θS變化情況。

2 城市人口短時再分布

2.1 Agent模型的建立

Agent 模型通常翻譯為智能體模型或者代理人模型，常用于對自然界不同系統(tǒng)間或者同一系統(tǒng)內(nèi)不同部分之間相互作用的影響分析。本文假設(shè)震后的城市區(qū)域即Patches（Patch 意為瓦片，是該類算法特有稱謂）分為4類，分別是破壞區(qū)域、安全區(qū)域、道路區(qū)域、自然區(qū)域，分別以指定的Color變量來表示。應(yīng)該認(rèn)識到，整個城市的構(gòu)成是復(fù)雜的，出于建模的簡潔性，本文將一個城市的區(qū)域初步劃分為上述4類，且模型中4 類區(qū)域相互之間沒有重疊。破壞區(qū)域、安全區(qū)域分別代表地震破壞區(qū)域、避難場所，自然區(qū)域、道路區(qū)域則代表城市內(nèi)從破壞區(qū)域到安全區(qū)域的可通達場地。用Turtle 來模擬災(zāi)后人員，并根據(jù)生命狀態(tài)、健康狀態(tài)、信息狀態(tài)三類屬性對Turtle 模型進行分類，三類狀態(tài)變量分別為XL、XH、XI，取值均為0 或者1 的二元變量，變量的取值和含義如表1所示。

表1 Agent世界中兩類元素的設(shè)定Tab.1 Setting of two types of elements in the agent world

假設(shè)災(zāi)后所有人員均需從破壞區(qū)域撤退到安全區(qū)域，其基本決策過程如下：

（1）首先判斷人員狀態(tài)，如果人員已經(jīng)死亡或者雖然存活但失去移動能力，則該人員無法移動，如果人員存活且身體健康，則可以進行移動，從而進入下一步；

（2）判斷人員是否知曉安全區(qū)域信息，如果該人員已經(jīng)知道，則該人員以其最近的安全區(qū)域方向進行移動，移動的速度設(shè)定為XV，否則執(zhí)行下一步；

（3）如果人員不知道安全區(qū)域信息，則首先判斷其視域范圍內(nèi)是否有避難場所，假設(shè)視域變量為XR，如果有安全場所，則該人員也可直接向該安全場所移動，如果該視域范圍內(nèi)沒有避難場所，則需要判斷是否有攜帶安全信息的移動人員，如果有，則借鑒SIR傳播模型進行分析。SIR模型是經(jīng)典的系統(tǒng)動力學(xué)模型［19］，早期來源于傳染病學(xué)領(lǐng)域，其中S代表易感者（Susceptible persons），I代表感染者（Infected persons），R代表康復(fù)者（Recovered persons）。此處以SIR模型模擬人員在移動過程中的信息交換，傳染病是人員在接觸過程中實現(xiàn)病毒或者細(xì)菌的傳播，這與人員在移動過程中進行信息交換的過程，具有相似性。

該模型一般表達為

式中：s（t）為t時刻所有的易感染者數(shù)；i（t）為t時刻所有已感染的人數(shù)；r（t）為t時刻已經(jīng)康復(fù)的人數(shù)；β和γ分別是感染率和康復(fù)率。本文將已經(jīng)知道避難場所信息的人比喻為感染者，而未知道避難場所信息的人比喻為易感者，感染率β是在移動過程中人員視域內(nèi)的信息傳播概率（即知道避難場所信息的人將避難場所的信息傳達給不知道避難場所的人的溝通效率），當(dāng)人員移動到安全場所后，成為“康復(fù)者”，本文中β稱為信息溝通效率。如果視域內(nèi)既無安全場所，也無攜帶信息的避難人員，則該人員執(zhí)行隨機移動策略，移動方向為360°隨機移動，速度為XV。

上述決策過程可以概述為圖2，統(tǒng)計隨著時間的變化達到避難場所的人數(shù)，從而計算得到人口再分布以后城市系統(tǒng)社會影響因子θS。系統(tǒng)層次的分析模型的驗證，歷來都非常困難，通常采用一些定性的判斷或者較為宏觀的指標(biāo)進行大概的判別，特別是災(zāi)后城市系統(tǒng)的狀況，更是缺乏可量化的監(jiān)測數(shù)據(jù)。然而，Agent模型的廣泛實用性，側(cè)面表明了這一方法的有效性；與此同時，本文重在提出對城市工程系統(tǒng)社會影響因子的分析框架，其量化分析具有很好的靈活性，例如城市的真實場景、人員的傷亡狀態(tài)、移動過程的通信和決策過程等，均可以靈活地替換為基于物理分析的地震災(zāi)害場景或者其他的社會學(xué)量化分析模型、甚至災(zāi)后真實的動態(tài)通信監(jiān)測數(shù)據(jù)，從而保證了本文方法的實用性。

圖2 人員移動決策過程Fig.2 Decision-making process of personnel movement

3 算例

3.1 模型設(shè)定

為了說明本文方法的可行性，以Netlogo軟件為基礎(chǔ)，建立了基于Agent模型的城市災(zāi)后人口短時移動分析模型，如圖3所示。此處人員移動速度為1.2m·s-1［20］，考慮災(zāi)后城市交通狀況、人群心理狀態(tài)變化等因素，上述速度還需要乘以一個折減系數(shù)ηV；人員交流的視域范圍取值為50m；模擬時間為180min，即3h；模擬范圍為30×30 patches，因此，若按分鐘進行模擬，當(dāng)設(shè)定人員速度為0.72（1.2×60=72 m·s-1）時，相當(dāng)于按照1：100 長度比例進行模擬，因此，這一模擬的范圍是3km×3km。此外，本次模擬假設(shè)安全區(qū)域3個、破壞區(qū)域100個、道路區(qū)域200個，自然區(qū)域為總區(qū)域減去前三者的數(shù)量，為658個。

圖3 城市震后人群初始狀態(tài)分布Fig.3 Distribution of initial state of population after urban earthquake

對于人口信息，為了加快計算速度，簡單地假設(shè)總的人口為80單位，其中可移動人口數(shù)為地震烈度的函數(shù)，根據(jù)文獻［21］，在地震烈度為6 度時，地震造成的傷亡人數(shù)非常少，死亡人數(shù)大約為個位數(shù)或者十位數(shù)，因此，此處模型假設(shè)人員均可移動。地震烈度為10度的震害記錄比較少，通常為震中區(qū)域的地震烈度，在高烈度下人口的傷亡情況不僅與烈度有關(guān)，更與當(dāng)?shù)厝丝诿芏?、抗震設(shè)防烈度、是否有顯著的震前預(yù)警地震等因素有關(guān)，因此采用一個比較保守的考慮，假設(shè)地震烈度為10度時僅20%的人員可自由移動，在中間烈度時，可移動人員比例按照線性變化，并以變量XQ帶代表地震烈度。同時，該指標(biāo)還可以接入其他相關(guān)的地震傷亡人口預(yù)測模型，從而使模型更加精確。

對于可移動人員中是否了解安全區(qū)域的位置，本文假設(shè)了解安全區(qū)域的人員與反映震前防災(zāi)教育水平的變量XE有關(guān)，取XE等于知道安全區(qū)域位置的人員數(shù)與總可移動人員數(shù)之比。從社會調(diào)查來看［28］，以知道避難場所人員的比例來反應(yīng)防災(zāi)教育水平的高低是合理的。因此，當(dāng)XE=1時，認(rèn)為所有可移動人員均知道安全區(qū)域的位置，防災(zāi)教育水平較高；而當(dāng)XE=0時，移動人員均不知道安全區(qū)域的位置，則認(rèn)為防災(zāi)教育比較差。

最后一個變量為視域范圍內(nèi)信息有效溝通的變量β，該變量的取值范圍內(nèi)為0～1。當(dāng)β=0時，表示即使已經(jīng)知道安全區(qū)域信息的人處于未知曉安全區(qū)域信息的人的視野范圍之內(nèi)，后者也無法得到所需信息；而β=1 時，則表示一旦在未知曉安全區(qū)域信息的人視野范圍之內(nèi)出現(xiàn)已經(jīng)知道安全區(qū)域信息的人時，前者就立刻得到其最近的安全區(qū)域的位置信息。

3.3 計算結(jié)果與討論

（1）情景1模擬

設(shè)定β=1，XQ=8，XE=0.5，人口的震后初始時刻、中間代表性時刻、最終時刻的分布狀態(tài)如圖4所示。

圖4 震后城市人口分布變動過程Fig.4 Changes in urban population distribution after the earthquake

由圖4可以看出，在地震發(fā)生后的初始時刻，城市不同部分分布了處于不同狀態(tài)的人。以可移動且知道安全區(qū)域位置信息的人P1 和P2 為例，其初始位置處于圖4a 所示位置。災(zāi)后人口開始緊急避難，向其所知最近的安全區(qū)域移動，人員P1 和P2 在5min 時，處于圖4b 所示位置，二者均在移動途中；11min 時，人員P1 首先移動到安全區(qū)域，而此時，人員P2 尚在途中。最終全部可移動人口的分布狀態(tài)如圖4d 所示，大部分可移動人員已經(jīng)到達安全區(qū)域，尚有部分可移動但因不知曉安全區(qū)域位置的人員，仍在結(jié)束時刻沒能到安全區(qū)域。

假定變量X1代表了到達安全區(qū)域可移動人員與總體可移動人員之比，X2代表了到達安全區(qū)域可移動人員與總?cè)藛T之比，則震后兩變量隨時間的變化如圖5所示?？梢钥闯?，在觀察時間內(nèi)，隨著時間的增加，到達安全區(qū)域的人數(shù)在不斷增加，但是在106min以后，人員比例基本恒定，此時X1為0.411 8，X2為0.087 5，這表示41.18%可移動人員在觀察時間內(nèi)到達了安全區(qū)域，占總?cè)丝诘?.75%，還有很大一部分，即58.82%的可移動人員，未能及時到達提前所設(shè)定的安全區(qū)域。

圖5 震后城市人口分布比例隨時間的變化Fig.5 Changes of urban population distribution ratio with time after earthquake

該時間段內(nèi)，城市系統(tǒng)的社會影響因子θS就等于1+X1，其變化曲線如圖6所示，其中虛線部位為計算分析時間之外的示意圖，還有待于進一步的研究和分析。城市系統(tǒng)社會影響因子的量化是一個仍需探索的過程，本文以式（8）來量化這一因子，其含義為當(dāng)所有人處于正常位置時（即正常生活狀態(tài)），該因子為1，即社會系統(tǒng)并未產(chǎn)生異化；而一旦災(zāi)害產(chǎn)生，則人們不得不離開其正常生活的位置，則該因子在1的基礎(chǔ)上繼續(xù)增加，最大值可達到2，此時暗示所有可移動人員已經(jīng)完全離開了正常位置。當(dāng)然，在災(zāi)害不嚴(yán)重時，該因子可能并不能達到2。由于本文Agent 模型僅模擬分析了前180min的時間，對于后續(xù)人群的再分布（如受到政府的統(tǒng)一調(diào)控）以及災(zāi)后逐漸疏散回歸正常生活的過程，尚未能進行有效的模擬分析，因此僅以虛線加以示意。

圖6 震后城市系統(tǒng)社會影響因子Fig.6 Social impact factors of urban system after earthquakes

（2）防災(zāi)教育的影響

設(shè)定β=1，XQ=8，當(dāng)變量XE=1時，考慮隨機的初始城市區(qū)域分布和隨機的人員分布，模擬1 000次并考察變量X1隨時間的變化情況，結(jié)果如圖7所示。可以看出，由于隨機的初試分布，變量X1事實上成為一個隨機變量，平均意義上隨著時間的變化，可移動人員均逐漸移動到安全區(qū)域。

圖7 防災(zāi)教育指標(biāo)XE=1時人員移動情況Fig.7 Population distribution when the parameter XE=1

當(dāng)β=0.8，XE=8，取XE分別取值為0、0.2、0.4、0.6、0.8和1不同的情況，考察變量X1各自模擬1 000次以后所得到的均值對比如圖8 所示，可以看出：

圖8 防災(zāi)教育對人群移動的影響Fig.8 Impact of disaster prevention education on crowd movement

（1）基本上隨著XE的增大，人員到達安全區(qū)域所需時間越短，以15min為例，在XE分別取值0～1時候，可移動人員到達安全區(qū)域的比例分別為0%、35.23%、45.49%、47.74%、48.83%、52.26%。

（2）當(dāng)XE=0，即假設(shè)所有人員均不知道安全區(qū)域的位置，僅依靠隨機移動的策略在視域內(nèi)尋找安全區(qū)域時，其人員向安全位置遷移的效率將非常低，180min以后，也僅有2.41%的人到達了提前規(guī)劃的安全區(qū)域，這提示了防災(zāi)教育的重要性。

（3）地震烈度的影響

為研究地震烈度對災(zāi)后人員移動的影響，取參數(shù)β=0.8，XE=0.8，當(dāng)?shù)卣鹆叶确謩e為6、7、8、9、10時，考察人員移動的情況，分別模擬1 000 次并取均值，其計算結(jié)果如圖9所示。隨著地震烈度的增加，全體人員到達安全區(qū)域所需要的時間增長，移動效率降低。按照地震烈度從小到大的順序，20min 時，X1的值分別為84.15%、76.64%、64.35%、41.24%、12.71%；而180min 時，X1的值為99.74%、99.17%、95.70%、85.17%。

圖9 地震烈度對人群移動的影響Fig.9 Influence of earthquake intensity on crowd movement

（4）信息溝通效率的影響

為反應(yīng)信息溝通效率的影響，取XE=0.8，XQ=8，參數(shù)β的值為0、0.2、0.4、0.6、0.8、1，模擬1 000次并取均值，其計算結(jié)果如圖10 所示。可以看出，人群中的信息溝通效率越高，則越有利于災(zāi)后人口向安全區(qū)域移動。50min 時，隨著β的增大，X1的取值分別為73.35%、85.89%、88.03%、89.12%、90.08%，而180min 時，其取值分別為81.53%、93.46%、95.39%、96.43%、97.43%、99.08%。

圖10 信息溝通效率對人群移動的影響Fig.10 Effect of information communication efficiency on crowd movement

4 結(jié)論

本文在對典型震害進行調(diào)查的基礎(chǔ)之上，揭示了震后城市結(jié)構(gòu)異化的問題，提出了連接工程科學(xué)與社會科學(xué)之間的橋梁參數(shù)“城市系統(tǒng)社會影響因子”，并利用Agent建模技術(shù)分析了決定這一參數(shù)的災(zāi)后人口短時再分布問題，研究表明：

（1）利用災(zāi)后人口的重分布所定義的城市系統(tǒng)社會影響因子，可以有效協(xié)調(diào)災(zāi)后工程系統(tǒng)量化恢復(fù)對城市韌性的評價問題，從而打通工程科學(xué)與社會科學(xué)之間的關(guān)系；

（2）城市災(zāi)后人口短時再分布的情況，受到防災(zāi)教育、地震烈度和信息溝效率的顯著影響，提前做好防災(zāi)教育，對于災(zāi)后人口向安全區(qū)域的遷移，有重要影響；較小的地震烈度、更好的信息溝通效率，對此也非常有利。

作者貢獻聲明：

繆惠全：負(fù)責(zé)論文的構(gòu)思、編程、撰寫、修改等。