大型灾害交通疏散需求相关性的调查与分析

摘要：在紧急状态下，对人员出行行为调查，分析出行行为与交通需求的相关性，是应急状态下交通需求量预测的前提，为应急管理工作提供重要保证。本文以兰州交通大学为数据采样地点，通过针对我国人群出行特征的问卷调查进行数据采集。应用spss20.0对出行行为与交通需求的关系进行双重最优尺度回归。结果表明：“天气条件”与“对于周围环境的了解差异”这两个外部因素与疏散需求变化直接相关；随着外部因素的变化，其他自身影响因素对疏散需求也产生干扰；“从众心理”会推迟疏散需求高峰产生的时间。将相关的影响因素纳入疏散需求量预测中，在考虑出行需求量与时间变化关系的同时，设计影响因素参量，优化已有的预测模型，提高预测准确率。

关键词：疏散需求；出行行为；从众心理；最优尺度回归；

中图分类号：u491.1+4 文献标识码：A

一 引言

由于近期大型灾害频发，应急管理工作日益严峻，其中，人群疏散管理显得尤为重要。人群疏散管理的依据是交通需求预测，而交通需求预测与人群出行行为又有着密切的关系，因此对于人群出行行为研究显得尤为重要。人群出行行为即在大型灾害发生的源头，人身或财产受到威胁的人群选择参与疏散时段的行为决策（包括从灾难发生前开始直到救援人员到达的全过程）。紧急状态下，人群出行行为受到多方面因素影响，且影响程度、影响持续时间均有可能是时变的。深入探索人群出行行为与影响因素的变化关系有利于疏散需求预测，从而提高人群疏散管理及应急管理质量。

以往研究主要有两个方面。一方面集中在需求预测方面，如基于logistic回归[1]、基于S曲线[2]、四阶段法、概率分析[3]等，但是考虑的影响因素单一，预测结果适用程度有限。另一方面多以国外的大型灾难为研究背景，对于人群出行行为的影响因素的研究，如Sajjad Ahmad认为灾难的认识等因素对人群出行行为起到决定性作用[4]；Adam.J.Hoogendoorn认为当灾难来临时，对于信息的来源是否信任以及对周围情况的了解程度等都对疏散决策有影 响[5]。简贤文等人研究台湾嘉义及台北地震时发现，如果以家庭为疏散单位，家庭平均年龄会左右到人们在灾难发生时做出的判断[6]。但是由于地域和文化方面的差异，应急机制也有所差别，这些研究结论并不能适用于国内人群出行行为影响因素的分析。

基于以上这些原因，本文主要工作分两步进行。第一步，基于我国人群基本情况设计调查问卷，调查并采集大量的样本数据；第二步，根据数据样本，利用SPSS软件，对影响因素做出分析，并且包括从众心理的影响。得到外部环境因素及内在因素对于疏散行为影响的重要程度排序。这些影响因子重要程度排序，能够为需求量预测提供帮助。

二 问卷设计和调查

问卷总体分为两个层面，分别涉及自身和外部两方面影响因素调查。

第一个层面，主要考虑不受外部环境影响时，疏散家庭的内在因素与出行行为的关系。首先，根据已有的研究结果，设计了明显会影响人群出行行为的因素，如家庭成员的平均年龄、居住房屋的产权所属情况、接到疏散指令的第一时间反应、是否有过灾难经历等影响因子；其次，考虑到我国人群多有家庭组成复杂、注重亲戚朋友间的感情以及获得消息的新闻媒体众多等特征，将这些也作为影响因素列入调查范围内。

第二个层面，调点是外部环境对于人群出行行为的影响，这些外部条件包括不同的天气情况以及对于周围环境的了解差异。为了了解从众心理是否会导致疏散需求阶段性的转移，按参与疏散的积极程度，将疏散过程划分为六个阶段：立即疏散阶段、早于调查区域内的人疏散阶段、少量人疏散跟随阶段、大量人疏散跟随阶段、人群疏散结束进行疏散阶段、等待救援阶段。其中前五个阶段属于参与疏散的，最后一个阶段为不参与疏散的人群。

调查问卷共投放500份，有效问卷441份，有效率为88%。投放对象主要是兰州交通大学在校师生。为便于数据分析，模拟李克特量表打分方法，将选项利用数字代替：1为从未有过；2、3为较少的情况；4、5为较多的情况。

三 数据整理分析

通过问卷投放调查，获得较大量的数据，除了数据展示出的一些基本情况以为，内部的统计规律也有待研究，以下由浅入深，分别展开内部因素及人群出行行为基本趋势分析、不考虑外部因素时人群出行行为影响因素分析和从众心理分析。

3.1 内部因素及人群出行行为基本趋势分析

调查问卷第一部分的结果显示，部分人员具有一定的科普知识，半数以上的人有过灾难经历、这样的人群对于灾难相关消息较重视，并显示出积极参与疏散的意图。例如大多数人会选择获得消息后立即行动，并联系好友亲人等一同疏散，准备时间也尽量缩短，如表3-1统计了关键问题的选项所占百分比。这说明在信息充分的情况下，大量的疏散需求将会主动的发生在疏散行动开始前期。

3.2人群出行行为影响因素分析

本文3.1已指出不考虑外部环境时，内部条件及人群出行行为的基本趋势。当外部条件变化的时候，内在影响因素与人群出行行为之间关系必然也会随之变化。为了获得精确的重要度系数，本文利用IBM SPSS statistis 20中的最优尺度回归（CATREG）功能，对问卷的结果进行两次条件不同的回归分析。

3.2.1 回归方法介绍

所谓最优尺度回归（CATREG）是标准回归方法的扩展。在实际工作中，常遇到有序的非数值型的数据，而最优尺度回归分析过程将分类型的变量转换为数值型，使用定量化的手段尽量反应以上类型变量的属性，利用非线性转换，求出最佳回归方程。

回归过程分两个层次进行。这是由于当外部影响因素不断变化时，并不能保证每一个内部因素与疏散需求之间的回归过程都有统计学意义。因此要先证明回归过程的统计性，再进一步的获得影响因子的重要程度。第一次是总体回归过程，保证回归过程具有统计学意义，同时寻找影响人群出行行为突出的影响因子。第二次回归时，利用具有统计性或者影响程度突出的因子，优化回归分析结果，获得更为精确的重要程度指数。

回归所得的三个参量分别是：F值为回归的显著程度，F值越大说明显著程度越高；sig值体现的是统计学特性，sig值越小证明样本的随机性越小越具有统计学意义，理论要求sig值处于0.000-0.005这个范围为佳；important重要度指数体现因子的重要程度，important重要度指数越大说明该自变量对于因变量的影响越大。

需要特别说明的是，由于自变量数量比较多，并且每一项因自变量的数据性质不同，故

将家庭人口组成、灾难科普、灾难经历及准备时间定义为Define Scale中的Ordinal序变量，家庭平均年龄、房屋性质、信任媒体平台、第一时间反应及是否联系亲人定义为Define Scale中的Nominal名义变量。

3.2.2第一次回归结果分析

第一次显著性回归分析时，无论外部条件如何变化，总体的统计性水平sig大多处于0.005这个值附近摆动（表3-2-2），这说明不是所有的内部影响因子对于人群出行行为均有影响，仅仅只有一部分因素是相关的。而另外一部分因素不会影响或者只是随机影响人群出行行为，导致了整体的回归过程统计性较差。根据spss给出的coefficient系数表中每一项内部影响因子的sig值及important重要系数，筛选第二次回归过程的内部影响因子。

3.2.3 第二次回归结果

第二次回归由于外部条件不同，参与回归的自变量也不同，我们得到了不同外部条件下人群出行行为的内部影响因素及影响程度（表3-2-3（1））

表3-2-3说明如下一些问题：

①当外部条件为了解周边情况/晴天时，选取的三个影响程度较为明显的因子。将这三各因素重新回归，方差检验总体sig值减小至0.000，回归的相关程度增加，影响程度及确定性增加。最终影响因子重要程度排序为：第一时间的反应>信任的媒体平台>灾难经历。

②当外部条件为了解周边情况/雨天时，影响因子选取、方差检验总体、回归的相关程度及影响程度变化与上一种情况相同。最终影响因子重要程度排序为：第一时间的反应>灾难经历>家庭成员。

③当外部条件为了解周边情况/大雾时，重要程度较大的三位影响因素分别为：第一时间的反应、房屋性质、信任渠道。但是由于“信任渠道”参加第二次回归的时，回归样本显示出更强的随机性，所以“信任渠道”不是必要的影响因子。尝试回归其他影响因子时发现，将“是否联系亲人”加入到回归中时，回归总体的sig值下降至0.001，回归显著性增强，说明“是否联系亲人”影响更确定。最终得到的影响因子重要程度排序为：是否联系亲人>房屋性质>第一时间的反应。

④当外部条件为不了解周边情况/晴天时，“对于周边的了解情况”这一外部环境有所改变，第一次回归显著性水平就较差。为了考虑影响的确定性，选取了第一次回归时，影响确定但程度不明显的三个因素即“家庭成员”、“房屋性质”及“是否联系亲人”重新回归。结果合理。则在该种情况下的重要性排序为：家庭成员>房屋性质>是否联系亲人。

⑤当外部条件为不了解周边情况/雨天时，利用与上一种相同的方法，选择参与回归的影响因子。总体显著性提高，回归情况理想。则在该种情况下影响因子重要程度排序为：信任渠道>家庭成员>第一时间反应。

⑥当外部条件为不了解周边情况/大雾时，第一次回归已经呈现出良好的统计性（sig值为0.000），说明所有的内部因素都有确定的影响。但是影响突出的又是那几个因素呢？利用不同的选取标准，得到如下结果（表3-2-3（2））：

显而易见，当F值越大显著性也越高，影响越确定。所以采纳综合标准选取的影响因子回归，得到影响因子重要程度排序为：家庭成员>是否联系亲人>信任的媒体平台。

3.3从众心理分析

当外界因素改变或者信息不完全时，人们就会出现极度恐慌或是盲目呆滞的心理反应，对于灾难经历缺乏的疏散参与者是否还是会积极主动的参与疏散，或者出现从众心里呢？

图3-3统计出外部条件不同时，参与疏散的人群占总人群的比例。结果显示，良好的天气和对周围的充分了解会使人群均选择主动参与疏散，反之，当这两个因素变糟或者任意一个向不利方向变化时，人员疏散行为就会延迟。

图中显示，当外部环境逐渐变得恶劣时，大量的人群由第一、二阶段转移到第三、四阶段进行疏散，甚至在不了解外部情况且大雾沙尘天气时，选择第六阶段参与疏散。这主要是由于，当周围环境变化时，人们对于自身决策的确定性产生动摇，认为多数人的决策会比自身的更为可靠，等待他人做出疏散决定后选择跟随。而且人越多从众行为越明显。因此当人们发现有人群疏散时会选择跟随，同时，导致疏散需求量向后推移。

由此可见，如果天气条件或者周边环境发生细微的变动时，疏散的人群都将会受到从众心理的影响。特别是在情况紧急的条件下，这种现象更为明显。

四 结论

经过对兰州交通大学在校师生出行行为大量调查，并利用spss20.0将得到的问卷进行最优尺度回归，笔者得到如下几个结论：

（1）对于居住周边的了解程度和天气情况是大型灾难人员疏散决策的主要影响因素，它们决定着人员是否参与疏散以及参与疏散的时间等关键问题。

（2）当天气情况与对于周边的了解情况不同时，对于人群出行总共有7个影响因素，这些因素分别为：天气情况、对周边环境的了解情况、第一时间的反应、信任的媒体平台、灾难经历、是否联系亲人、房屋性质。不同的情况下会发生变化。

（3）当天气情况越糟糕或者对周围环境越陌生，人员疏散行为中会出现越多的从众行为，主动参加疏散的人员数量会减少，大量的疏散需求会随着时间向后推移。

可以考虑将天气情况等突出的影响因素最为自变量，同疏散时间等同时纳入疏散需求预测过程当中，并优化预测模型，使预测过程接近现实情况，从而提高预测准确率。

参考文献

[1]谢青梅.基于 Logistic回归的应急疏散交通出行生成预测研究[J].中国人民公安大学学报 （自然科学版 ），2010.66（4）：79-82

[2]林建新.基于S- 曲线的时变交通应急疏散需求预测[J].交通信息与安全，2009.27（3）：92-96

[3]耿彦斌.基于概率分析的应急交通救援需求预测模型[J].中国安全科学学报，2010，20（6）：172-176

[4]Sajjad Ahmad.Modeling Human Behavior for Evacuation Planning： A System Dynamics Approach[J].ASCE，2004

[5]Adam J. Pel Michiel .A review on travel behaviour modeling in dynamic traffic simulation models for evacuations[J].TransportationDOI 10.1007/s11116-011-9320-6，2011

[6]Shen-Wen Chien. Development of an after earthquake disaster shelter evaluation model[J].Journal of the Chinese Institute of Engineers， Vol. 25， No. 5， pp. 591-596 （2002）

基金名称：基于需求调节与供给管理的区域性疏散交通组织优化项目（20116204120005）

作者简介：林洁，女，广东潮州，硕士生，主要研究方向为交通运输规划与管理。