城市洪澇災(zāi)害應(yīng)急疏散模擬及其效率-公平權(quán)衡分析

閻沁琳 杜二虎 鄭春苗

摘要：對(duì)城市洪澇災(zāi)害下的人群疏散過程進(jìn)行精細(xì)化模擬、探究群體疏散效率與個(gè)體洪澇風(fēng)險(xiǎn)暴露公平性之間的權(quán)衡關(guān)系（效率-公平之爭(zhēng)）可以為城市洪災(zāi)應(yīng)急管理提供重要決策支撐。本研究以深圳市某居民區(qū)為研究區(qū)，構(gòu)建基于主體（Agent-based）的洪災(zāi)應(yīng)急疏散模型，分析疏散人口數(shù)量、避難所容量分配、不同風(fēng)險(xiǎn)區(qū)居民分批疏散順序以及批次之間間隔時(shí)間等因素對(duì)洪災(zāi)應(yīng)急疏散的協(xié)同影響，探究疏散過程中效率與公平的權(quán)衡關(guān)系。研究表明：疏散效率主要受避難所容量分配方式和疏散人口數(shù)量影響，疏散公平性主要受不同洪澇風(fēng)險(xiǎn)區(qū)居民的疏散次序影響;洪災(zāi)應(yīng)急管理部門應(yīng)綜合考慮人口分布和交通路網(wǎng)情況，按實(shí)際需求分配避難所容量;在疏散管理中，應(yīng)考慮洪澇風(fēng)險(xiǎn)分區(qū)，引導(dǎo)居民以一定次序分批疏散，并合理控制批次間隔時(shí)間，從而實(shí)現(xiàn)城市洪澇疏散效率和公平的權(quán)衡。

關(guān)鍵詞：城市洪澇;應(yīng)急疏散;基于主體的模型;效率公平權(quán)衡;基尼系數(shù);NetLogo

中圖分類號(hào)：TV877

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-6791（2023）03-0409-09

收稿日期：2023-01-30;

網(wǎng)絡(luò)出版日期：2023-06-01

網(wǎng)絡(luò)出版地址：https：∥kns.cnki.net/kcms2/detail/32.1309.P.20230531.1034.002.html

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（51909118;41861124003）

作者簡(jiǎn)介：閻沁琳（2000—），女，陜西西安人，博士研究生，主要從事社會(huì)水文學(xué)方面研究。

E-mail：12231096@mail.sustech.edu.cn

通信作者：杜二虎，E-mail：erhudu@hhu.edu.cn

近年來，在氣候變化和快速城鎮(zhèn)化影響下，城市洪澇災(zāi)害問題日益嚴(yán)重［1-2］。中國(guó)洪澇災(zāi)害問題尤為突出，應(yīng)急管理部國(guó)家減災(zāi)中心數(shù)據(jù)顯示，近5 a洪澇災(zāi)害造成的直接經(jīng)濟(jì)損失占所有自然災(zāi)害直接經(jīng)濟(jì)損失的60%以上，洪澇災(zāi)害嚴(yán)重威脅城市經(jīng)濟(jì)發(fā)展與人民生命安全。其中，2021年鄭州“7·20”特大暴雨洪澇災(zāi)害造成的全市直接經(jīng)濟(jì)損失達(dá)409億元，且由于災(zāi)前預(yù)警不足和人員疏散不及時(shí)，導(dǎo)致鄭州地鐵5號(hào)線、京廣快速路北隧道等區(qū)域發(fā)生重大人員傷亡事故［3］?？茖W(xué)的災(zāi)前疏散行動(dòng)是有效應(yīng)對(duì)城市洪澇災(zāi)害、保障人民生命財(cái)產(chǎn)安全的重要手段，因此，亟待開展洪澇災(zāi)害風(fēng)險(xiǎn)評(píng)估和災(zāi)前應(yīng)急疏散研究［4-6］。

構(gòu)建計(jì)算機(jī)模型對(duì)居民應(yīng)急疏散過程及其影響因素進(jìn)行模擬分析可以為洪災(zāi)應(yīng)急疏散管理提供決策支撐，目前國(guó)內(nèi)外學(xué)者在這一方面開展了大量研究。例如，Dawson等［7］通過構(gòu)建洪災(zāi)應(yīng)急疏散模型研究了洪澇等級(jí)、洪災(zāi)預(yù)警發(fā)布時(shí)間、居民應(yīng)急響應(yīng)等因素對(duì)應(yīng)急疏散過程的影響;Chapuis等［8］研究了疏散的交通工具選擇和分批疏散策略對(duì)洪災(zāi)應(yīng)急疏散效率的影響;楊宇涵等［9］以鄭州“7·20”特大暴雨洪澇災(zāi)害為例開展了人群行為特征和應(yīng)急疏散級(jí)聯(lián)響應(yīng)情景模擬。然而，目前的研究主要聚焦于疏散效率（完成應(yīng)急疏散的最短用時(shí)），對(duì)疏散公平性（群體內(nèi)不同個(gè)體在疏散過程中的洪澇風(fēng)險(xiǎn)暴露程度差異）關(guān)注較少。在近期的一項(xiàng)研究中，Oh等［10］對(duì)應(yīng)急疏散過程中居民個(gè)體的風(fēng)險(xiǎn)暴露程度進(jìn)行了量化分析，發(fā)現(xiàn)在洪澇疏散過程中存在較大的不公平性（部分個(gè)體的洪澇風(fēng)險(xiǎn)顯著超過另一部分個(gè)體）。將社會(huì)公平的概念引入到應(yīng)急疏散管理，探討疏散效率和公平的權(quán)衡關(guān)系是應(yīng)急疏散模擬的新興研究方向［11-12］。然而，目前鮮有研究對(duì)洪災(zāi)應(yīng)急疏散效率和公平的相互關(guān)系進(jìn)行系統(tǒng)分析，尤其是對(duì)疏散效率-公平權(quán)衡關(guān)系的影響因素缺乏定量刻畫和科學(xué)認(rèn)識(shí)。

針對(duì)上述研究不足，本研究以深圳市南山區(qū)某片區(qū)為例，基于該地區(qū)的地理信息、交通路網(wǎng)、基礎(chǔ)設(shè)施和人口等數(shù)據(jù)構(gòu)建基于主體的洪災(zāi)應(yīng)急疏散模型，通過情景分析方法研究疏散人口數(shù)量、避難所容量分配、分批疏散順序和批次間隔時(shí)間等關(guān)鍵因素對(duì)疏散效率和公平的協(xié)同影響，通過帕累托分析闡明兼顧效率和公平的洪災(zāi)應(yīng)急疏散管理策略，為城市應(yīng)急管理部門制定高效、公平的洪災(zāi)疏散方案提供理論依據(jù)和決策支撐。

1?研究區(qū)簡(jiǎn)介

研究區(qū)位于深圳市南山區(qū)，橫跨粵海、南頭、南山街道，占地面積約15.7 km2;地屬亞熱帶海洋性季風(fēng)氣候，臺(tái)風(fēng)頻繁、暴雨集中，多年平均降水量為1 830 mm;地形多為低山丘陵，匯水速度快，易造成內(nèi)澇風(fēng)險(xiǎn)。圖1（a）展示了研究區(qū)的居民樓分布、交通網(wǎng)絡(luò)和4個(gè)應(yīng)急疏散避難所的地理位置;在模型中，居民將從研究區(qū)內(nèi)146個(gè)疏散出發(fā)點(diǎn)出發(fā)，采用步行方式前往最近的避難所，疏散總?cè)藬?shù)為46 470人。

根據(jù)深圳市典型暴雨內(nèi)澇積水深度的空間分布將研究區(qū)劃分為高、中、低3類風(fēng)險(xiǎn)區(qū)（見圖1（b））。內(nèi)澇淹沒深度依據(jù)蓄滿產(chǎn)流機(jī)制進(jìn)行計(jì)算，假設(shè)暴雨后徑流深大于地面高程則形成雨澇區(qū)域。其中，徑流深根據(jù)式（1）計(jì)算：

式中：R為徑流深，mm;α為不同土地利用類型所對(duì)應(yīng)的徑流系數(shù);P為降水量，mm（選取2021年7月20日的暴雨事件，粵海街道日降水觀測(cè)數(shù)據(jù)為92.2 mm）。

2?基于主體的洪災(zāi)疏散模型

基于主體的模型（Agent-based model，ABM）是計(jì)算社會(huì)科學(xué)中的一種經(jīng)典模型，它采用自下而上的模擬方法，能夠?qū)θ后w中微觀個(gè)體的行為及其異質(zhì)性進(jìn)行精細(xì)化模擬和表征［13］，是城市洪澇應(yīng)急疏散模擬的有效工具［14-15］。本研究建立基于主體的模型進(jìn)行人員應(yīng)急疏散模擬，模型中的主體為參與疏散的居民個(gè)體，在應(yīng)急疏散過程中根據(jù)自身和外界環(huán)境變化遵循特有的屬性和行為規(guī)則，包括疏散起訖點(diǎn)、疏散準(zhǔn)備時(shí)間、避難所選擇、疏散路徑選擇和行進(jìn)速度等。此外，在模型中設(shè)置了疏散人口數(shù)量、避難所容量分配、分批疏散順序和批次間隔時(shí)間等模型變量，以研究不同的管理策略對(duì)疏散結(jié)果的影響。本文選用開源的仿真模擬平臺(tái)NetLogo對(duì)疏散過程進(jìn)行仿真模擬，并從效率和公平2個(gè)維度對(duì)模擬結(jié)果進(jìn)行分析。本節(jié)將對(duì)以上內(nèi)容逐一展開介紹。

2.1?主體疏散行為模擬

接收到應(yīng)急疏散指令之后，主體需要一定時(shí)間進(jìn)行疏散前準(zhǔn)備，隨后從風(fēng)險(xiǎn)區(qū)（住所）前往安全區(qū)（避難所）。考慮到待疏散主體需要在最短時(shí)間內(nèi)到達(dá)安全區(qū)域，因此，假設(shè)每個(gè)主體均選擇距離最近的避難所、經(jīng)由最短路徑進(jìn)行疏散。在到達(dá)目標(biāo)避難所時(shí)，若該避難所未達(dá)到最大容納人數(shù)則疏散成功，否則主體將前往最近的未滿員避難所。在大規(guī)模應(yīng)急疏散過程中，人群密度是影響人員行進(jìn)速度的重要因素。人群行進(jìn)速度與人群密度一般呈負(fù)相關(guān)關(guān)系，人群密度越小，人與人之間的相互干擾越小，人群行進(jìn)速度越快［16］。

2.2?疏散情景設(shè)置

在應(yīng)急疏散過程中，疏散人口數(shù)量、避難所容量分配方式、不同等級(jí)風(fēng)險(xiǎn)區(qū)的分批疏散次序以及批次之間的間隔時(shí)間均可能對(duì)疏散結(jié)果產(chǎn)生影響。因此，本研究針對(duì)上述因素設(shè)置多種疏散情景進(jìn)行模擬分析。

（1） 疏散人口數(shù)量。研究區(qū)的總疏散人口為46 470人，通過人口比例系數(shù)（k）研究疏散人口數(shù)量變化對(duì)疏散過程的影響，k取值0.2、0.4、0.6、0.8、1.0分別表示此情景下的疏散人口為總疏散人口的20%、40%、60%、80%和100%。

（2） 避難所容量分配。通過設(shè)置4種容量分配情景表征避難所實(shí)際容量與需求容量的不同匹配情景。首先將研究區(qū)的4個(gè)避難所按照需求容量由大到小排序，依次為2號(hào)（19 435人）、1號(hào)（9 650人）、3號(hào)（9 340人）和4號(hào)（8 045人）。將疏散人口數(shù)量（46 470人）按照4種情景分配到4個(gè)避難所中（表1）：Ri表示避難所i的供應(yīng)容量（Csi）占需求容量（Cdi）的比值（供需比），供需比越大，則避難所的冗余程度越高。Gsh則為歸一化的容量供需比（ri）的基尼系數(shù)（式（2）［17］）。4種避難所容量分配情景如下：S1為容量平均分配，即4個(gè)避難所容量相等;S2為容量按需分配，即4個(gè)避難所的供應(yīng)容量均等于需求容量，此時(shí)避難所容量的冗余程度一致（Gsh=0）;S3為Gsh=0.5的情景，且容量需求較大的避難所的供應(yīng)容量也較大;S4同樣為Gsh=0.5的情景，但容量需求較大的避難所的供應(yīng)容量較小。

（3） 不同等級(jí)風(fēng)險(xiǎn)區(qū)分批疏散順序。研究區(qū)被分為高風(fēng)險(xiǎn)（H）、中風(fēng)險(xiǎn)（M）、低風(fēng)險(xiǎn)（L）3個(gè)洪澇風(fēng)險(xiǎn)等級(jí)，因此，一共可設(shè)置6種分批疏散順序情景，以HML表示高風(fēng)險(xiǎn)區(qū)域最先疏散、低風(fēng)險(xiǎn)區(qū)域最后疏散，則其余5種分批疏散情景可表示為L(zhǎng)MH、HLM、MHL、MLH、LHM。

（4） 不同疏散批次的間隔時(shí)間。為量化批次之間的延時(shí)程度，設(shè)置批次間隔系數(shù)Q∈［0，1］，表示前一批次成功疏散人數(shù)占比達(dá)到Q時(shí)，后一批次人員開始疏散;Q=0為不同洪澇風(fēng)險(xiǎn)等級(jí)的人員同時(shí)疏散的情景。

2.3?疏散效率與公平性的量化評(píng)估

本研究重點(diǎn)在于探究洪災(zāi)應(yīng)急疏散過程中效率與公平的權(quán)衡關(guān)系。其中，疏散效率指標(biāo)（E）側(cè)重于從系統(tǒng)角度探究如何更快速地完成人員疏散，由所有人員的平均疏散時(shí)間表征（式（3）），E值越大，疏散效率越低。

式中：n為疏散主體的數(shù)量;ti為第i個(gè)人員的疏散用時(shí)，min。

疏散公平性指標(biāo)（G）側(cè)重于評(píng)估洪災(zāi)應(yīng)急疏散過程中個(gè)體受災(zāi)程度（bi）的差異性，差異性越大，則公平性越低。其中，bi受其居住區(qū)的風(fēng)險(xiǎn)等級(jí)和疏散用時(shí)共同影響，居住區(qū)的風(fēng)險(xiǎn)等級(jí)越高，疏散用時(shí)越長(zhǎng)，則其受災(zāi)程度越高（式（4））。G由系統(tǒng)中所有個(gè)體受災(zāi)程度的基尼系數(shù)進(jìn)行量化表征（式（5）［18］）。

式中：wi為第i個(gè)主體的洪澇風(fēng)險(xiǎn)等級(jí)，低、中、高風(fēng)險(xiǎn)居民的wi分別為1、2和3。

3?模擬結(jié)果與討論

3.1?模型構(gòu)建與驗(yàn)證

本研究使用NetLogo平臺(tái)構(gòu)建人員疏散仿真模型，NetLogo模型的計(jì)時(shí)單位為tick，本模型中1個(gè)tick約為6 s。圖2所示的模型運(yùn)行界面刻畫了主體在路網(wǎng)上的實(shí)時(shí)疏散狀態(tài)，并且能夠?qū)崟r(shí)展示各疏散階段（疏散準(zhǔn)備階段、疏散途中以及成功疏散）、避難所和風(fēng)險(xiǎn)區(qū)的人員數(shù)量隨時(shí)間的變化趨勢(shì)，為應(yīng)急疏散管理提供決策支撐。

本研究基于高德地圖API出行導(dǎo)航結(jié)果進(jìn)行模型驗(yàn)證。高德地圖API導(dǎo)航服務(wù)根據(jù)用戶出行統(tǒng)計(jì)數(shù)據(jù)和交通狀況估計(jì)交通出行時(shí)間，具有較強(qiáng)的穩(wěn)定性和代表性，是目前對(duì)交通模型進(jìn)行驗(yàn)證的常用方法［19］。對(duì)146條疏散路線的路徑和用時(shí)均進(jìn)行了比較，圖3（a）和圖3（b）為其中的一個(gè)例子，模型與高德地圖API的路徑規(guī)劃結(jié)果較為一致;疏散用時(shí)方面，二者結(jié)果也較為吻合（圖3（c））。結(jié)果表明，模型路網(wǎng)結(jié)構(gòu)和主體路線規(guī)劃均展現(xiàn)出良好的準(zhǔn)確性。

3.2?模型結(jié)果分析

3.2.1?疏散人口數(shù)量分析

疏散人口的數(shù)量變化會(huì)影響疏散結(jié)果對(duì)避難所容量分配響應(yīng)的敏感性，如表2所示。避難所容量按需分配情景（S2）的模擬結(jié)果可以兼顧疏散效率和公平性，且模擬結(jié)果不受疏散人數(shù)影響;而避難所容量平均分配情景（S1）在人數(shù)較少的情況下尚能兼顧效率和公平，當(dāng)疏散人數(shù)增多時(shí)效率和公平性均有所降低。因此，研究結(jié)果表明，應(yīng)急管理部門在城市洪澇避難所規(guī)劃過程中，應(yīng)該根據(jù)人口的空間分布和避難所實(shí)際的容量需求進(jìn)行避難所容量配置。

3.2.2?避難所容量分配和分批疏散情景分析

應(yīng)急疏散的效率和公平性受到避難所容量分配方式、人員疏散次序和各批次之間的疏散間隔時(shí)間等因素的協(xié)同影響。由圖4可知，隨著疏散批次之間間隔時(shí)間延長(zhǎng)，疏散時(shí)間呈增加趨勢(shì)（效率降低），而一些特定疏散次序（HML、LHM）的公平性呈增加趨勢(shì)，表明應(yīng)急疏散存在效率-公平權(quán)衡關(guān)系。模擬結(jié)果顯示，避難所容量分布特征對(duì)疏散效率影響更大，居民疏散順序?qū)κ枭⒐叫杂绊懜蟆?/p>

圖4（e）—圖4（h）顯示，疏散公平性最低的疏散順序?yàn)镸LH，與經(jīng)驗(yàn)認(rèn)知中的LMH順序不符。結(jié)合式（5）可知，bi分布越不均勻，模型的公平性越差。圖5比較了這2種分批疏散順序下受災(zāi)程度的人數(shù)分布直方圖，MLH順序下低、中風(fēng)險(xiǎn)主體受災(zāi)程度分布重合，且與高風(fēng)險(xiǎn)部分相隔較遠(yuǎn)，與LMH順序下的直方圖相比具有更大的不均勻性，進(jìn)而展現(xiàn)出更低的公平性。

圖6展示了避難所容量分配對(duì)疏散效率和公平性的影響。由圖6可知，避難所容量供不應(yīng)求現(xiàn)象越嚴(yán)重，疏散效率越低且公平性越差。這是因?yàn)楣┎粦?yīng)求的避難所在短時(shí)間內(nèi)達(dá)到最大容納人數(shù)，導(dǎo)致之后到達(dá)的人員花費(fèi)額外時(shí)間前往其他避難所，并且與已經(jīng)到達(dá)避難所的人員的疏散用時(shí)差異加大。由圖6（b）可知，對(duì)于相同Gsh的情景S3、S4，情景S3分配給需求容量較大的避難所更多容量，保障了更多人的需求，疏散結(jié)果公平性更高，這為避難所容量分配提供了決策參考。避難所容量分配供需相等能夠同時(shí)保障疏散效率和公平，其他情況下應(yīng)該優(yōu)先保障需求量更大的避難所。

3.2.3?效率-公平的帕累托分析

為探討疏散效率與公平的權(quán)衡關(guān)系，基于避難所容量分配方式、分批疏散順序和批次間隔系數(shù)繪制了帕累托散點(diǎn)圖（圖7）。圖中帕累托鋒線由6個(gè)帕累托最優(yōu)策略組成，其中策略1—3的疏散效率較高，但是策略1和2的公平性較低，策略4—6的疏散公平性較高，但是策略5和6的疏散效率較低。效率高的疏散策略具有避難所容量按需分配、批次間隔系數(shù)較小等共同特征。此外，對(duì)比6種帕累托最優(yōu)策略的參數(shù)組合可知，分批疏散順序是疏散系統(tǒng)效率-公平權(quán)衡關(guān)系的最大影響因素，其次是批次之間的延時(shí)水平，而避難所容量分配對(duì)疏散效率-公平的權(quán)衡關(guān)系影響較小。

由帕累托鋒線分析可知，策略3和策略4能夠最大限度地平衡效率和公平，二者具有批次間隔系數(shù)接近于0.1、低風(fēng)險(xiǎn)區(qū)居民最先疏散的共性。由于人員行進(jìn)速度與人流密度之間存在負(fù)相關(guān)關(guān)系，因此，道路上的人員數(shù)量增加會(huì)降低個(gè)體行進(jìn)速度，降低疏散效率;距離避難所最近的低風(fēng)險(xiǎn)人員優(yōu)先疏散可以顯著降低道路上的人群密度，提高疏散效率;同時(shí)，各風(fēng)險(xiǎn)區(qū)之間較短的延時(shí)時(shí)間可以降低人員的風(fēng)險(xiǎn)暴露程度差異，提高疏散公平性。該研究結(jié)果啟示應(yīng)急管理部門不能簡(jiǎn)單地依據(jù)區(qū)域的風(fēng)險(xiǎn)程度決定撤離次序，而應(yīng)當(dāng)綜合考慮人口分布和交通路況等條件做統(tǒng)籌規(guī)劃，合理引導(dǎo)不同風(fēng)險(xiǎn)區(qū)的居民分批疏散，并且優(yōu)化各批次的疏散間隔時(shí)間，從而更好地兼顧效率和公平。

4?結(jié)?論

本研究以深圳市某典型洪澇風(fēng)險(xiǎn)區(qū)為研究區(qū)，構(gòu)建了基于主體的城市洪災(zāi)應(yīng)急疏散模型，研究了受災(zāi)人口數(shù)量、避難所容量分配、分批疏散順序等因素對(duì)人員應(yīng)急疏散過程的影響，著重探究了疏散效率和公平的權(quán)衡關(guān)系，主要研究結(jié)論如下：

（1） 應(yīng)急疏散效率和公平的主要影響因素不同，疏散效率主要受避難所容量分配方式影響，疏散公平性主要受居民疏散順序影響。

（2） 疏散人口數(shù)量可以使疏散結(jié)果對(duì)避難所容量分配因素的響應(yīng)更加明顯，當(dāng)疏散人口增多時(shí)，避難所容量分布對(duì)疏散結(jié)果影響增大。

（3） 應(yīng)急疏散過程存在效率和公平的權(quán)衡，帕累托分析結(jié)果表明，在避難所容量按需分配、低風(fēng)險(xiǎn)居民優(yōu)先疏散、且分批間隔時(shí)間較少的情況下，可以較好地兼顧疏散效率和公平。

本研究探討了城市洪澇應(yīng)急疏散中面臨的效率-公平權(quán)衡問題，聚焦于洪澇災(zāi)害發(fā)生之前的應(yīng)急疏散模擬，因此，未對(duì)洪澇災(zāi)害發(fā)生過程中的疏散過程進(jìn)行模擬分析。后續(xù)研究可以結(jié)合洪澇災(zāi)害發(fā)生前和發(fā)生過程中的人員疏散過程進(jìn)行動(dòng)態(tài)分析，進(jìn)一步闡明洪災(zāi)預(yù)見期、避難所設(shè)置、不同風(fēng)險(xiǎn)區(qū)的疏散順序等多種因素共同作用下疏散效率和公平的權(quán)衡關(guān)系，為城市災(zāi)害應(yīng)急管理提供決策支撐參考。

參考文獻(xiàn)：

［1］張紅萍，李敏，賀瑞敏，等.城市洪澇模擬應(yīng)用場(chǎng)景及相應(yīng)技術(shù)策略［J］.水科學(xué)進(jìn)展，2022，33（3）：452-461.（ZHANG H P，LI M，HE R M，et al.Application scenarios and corresponding technical strategies of urban flood modeling［J］.Advances in Water Science，2022，33（3）：452-461.（in Chinese））

［2］徐宗學(xué)，陳浩，任梅芳，等.中國(guó)城市洪澇致災(zāi)機(jī)理與風(fēng)險(xiǎn)評(píng)估研究進(jìn)展［J］.水科學(xué)進(jìn)展，2020，31（5）：713-724.（XU Z X，CHEN H，REN M F，et al.Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China［J］.Advances in Water Science，2020，31（5）：713-724.（in Chinese））

［3］中華人民共和國(guó)應(yīng)急管理部.河南鄭州“7·20”特大暴雨災(zāi)害調(diào)查報(bào)告［R/OL］.（2022-1-21）［2023-5-10］.https：∥www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/202201/P020220121639049697767.pdf.（Ministry of Emergency Management of the People′s Republic of China.Investigation report on “7·20”rainstorm disaster in Zhengzhou City，Henan Province［R/OL］.（2022-1-21）［2023-5-10］.https：∥www.mem.gov.cn/gk/sgcc/tbzdsgdcbg/202201/P020220121639049697767.pdf.（in Chinese））

［4］王小杰，夏軍強(qiáng)，董柏良，等.基于匯水區(qū)分級(jí)劃分的城市洪澇模擬［J］.水科學(xué)進(jìn)展，2022，33（2）：196-207.（WANG X J，XIA J Q，DONG B L，et al.Simulation of urban flood using the SWMM with the hierarchical catchment partition method［J］.Advances in Water Science，2022，33（2）：196-207.（in Chinese））

［5］WANG Z J，CHEN X Y，QI Z S，et al.Flood sensitivity assessment of super cities［J］.Scientific Reports，2023，13：5582.

［6］GERGES F，NASSIF H，HERRINGTON T，et al.A GIS-based approach for estimating community transportation exposure and capacity in the context of disaster resilience［J］.Sustainable Horizons，2022，3：100030.

［7］DAWSON R J，PEPPE R，WANG M.An agent-based model for risk-based flood incident management［J］.Natural Hazards，2011，59（1）：167-189.

［8］CHAPUIS K，MINH-DUC P，BRUGIRE A，et al.Exploring multi-modal evacuation strategies for a landlocked population using large-scale agent-based simulations［J］.International Journal of Geographical Information Science，2022，36（9）：1741-1783.

［9］楊宇涵，殷杰，王丹丹，等.基于ABM的城市暴雨洪澇災(zāi)害應(yīng)急疏散仿真研究：以河南鄭州“7·20”特大暴雨洪澇災(zāi)害為例［J］.中國(guó)科學(xué)：地球科學(xué)，2023，53（2）：267-276.（YANG Y H，YIN J，WANG D D，et al.ABM-based emergency evacuation modelling during urban pluvial floods：a “7·20” pluvial flood event study in Zhengzhou，Henan Province［J］.Scientia Sinica （Terrae），2023，53（2）：267-276.（in Chinese））

［10］OH W S，YU D J，MUNEEPEERAKUL R.Efficiency-fairness trade-offs in evacuation management of urban floods：the effects of the shelter capacity and zone prioritization［J］.PLoS One，2021，16（6）：e0253395.

［11］ISLAM K A，CHEN D Q，MARATHE M V，et al.Incorporating fairness in large-scale evacuation planning［J］.Proceedings of the 31st ACM International Conference on Information & Knowledge Management，2022：3192-3201.

［12］AALAMI S，KATTAN L.Fairness and efficiency in pedestrian emergency evacuation：modeling and simulation［J］.Safety Science，2020，121：373-384.

［13］TONN G L，GUIKEMA S D.An agent-based model of evolving community flood risk［J］.Risk Analysis，2018，38（6）：1258-1278.

［14］ZHAO B Y，TANG Y L，WANG C F，et al.Evaluating the flooding level impacts on urban metro networks and travel demand：behavioral analyses，agent-based simulation，and large-scale case study［J］.Resilient Cities and Structures，2022，1（3）：12-23.

［15］ZHUO L，HAN D W.Agent-based modelling and flood risk management：a compendious literature review［J］.Journal of Hydrology，2020，591：125600.

［16］MIGUEL A F.Constructal theory of pedestrian dynamics［J］.Physics Letters A，2009，373（20）：1734-1738.

［17］DU E H，CAI X M，WU F，et al.Exploring the impacts of the inequality of water permit allocation and farmers′ behaviors on the performance of an agricultural water market［J］.Journal of Hydrology，2021，599：126303.

［18］DRUCKMAN A，JACKSON T.Measuring resource inequalities：the concepts and methodology for an area-based Gini coefficient［J］.Ecological Economics，2008，65（2）：242-252.

［19］吳國(guó)豪，陳躍紅，史春偉，等.等時(shí)圈模型支持下消防站空間可達(dá)性分析：以南京市為例［J］.地理與地理信息科學(xué)，2023，39（2）：17-24.（WU G H，CHEN Y H，SHI C W，et al.Assessing the spatial accessibility of fire stations by the isochrone model：a case study in Nanjing，China［J］.Geography and Geo-Information Science，2023，39（2）：17-24.（in Chinese））

Abstract：To support flood management practices，it is crucial to simulate detailed human evacuation processes and examine the tradeoff between system-level evacuation efficiency and individual-level fairness of flood risk exposure，known as the efficiency-fairness tradeoff.This study focuses on a residential district in Shenzhen City as the study site and develops an agent-based model （ABM） to simulate the detailed flood evacuation processes.Various scenario analyses are conducted to assess the collective evacuation performance of the community，considering factors such as the number of evacuees，strategies for allocating shelter capacity，evacuation sequences of multiple residential groups，and time delays between evacuation groups.This study also evaluates the tradeoff between efficiency and fairness during flood evacuation processes.The modeling results demonstrate that evacuation efficiency is primarily affected by shelter capacity allocation strategies and the population of evacuees，while evacuation fairness is largely affected by the evacuation sequence of multiple groups.For effective flood emergency management，authorities should consider the residential distribution and traffic network to allocate shelter capacity based on the actual evacuation demand.To achieve a balance between efficiency and fairness in flood evacuation，policymakers should account for varying flood risk levels at different locations，guide residents to evacuate in a staged order，and appropriately manage the time intervals between evacuation groups.

Key words：urban flood;emergency evacuation;agent-based model;efficiency-fairness tradeoff;gini coefficient;NetLogo