[论文解读] What will they do? Modelling self-evacuation archetypes

Dhirendra Singh, Ken Strahan+3 more|arXiv (Cornell University)|May 26, 2021

Evacuation and Crowd Dynamics参考文献 45被引用 5

一句话总结

本文提出一种基于代理的模型，整合了Strahan等人提出的自我疏散原型，以模拟澳大利亚维多利亚州地区野火期间的家庭疏散行为。通过为合成人口分配典型决策模式（如“担忧徘徊者”或“威胁否认者”），并建模其对火灾进展和信息的动态响应，该模型显著提升了疏散仿真的准确性，表明家庭构成和行为原型对疏散时间和路线具有显著影响。

ABSTRACT

A decade on from the devastating Black Saturday bushfires in Victoria, Australia, we are at a point where computer simulations of community evacuations are starting to be used within the emergency services. While fire progression modelling is embedded in strategic and operational settings at all levels of government across Victoria, modelling of community response to such fires is only just starting to be evaluated in earnest. For community response models to become integral to bushfire planning and preparedness, the key question to be addressed is: when faced with a bushfire, what will a community really do? Typically this understanding has come from local experience and expertise within the community and services, however the trend is to move towards more informed data driven approaches. In this paper we report on the latest work within the emergency sector in this space. Particularly, we discuss the application of Strahan et al.'s self-evacuation archetypes to an agent-based model of community evacuation in regional Victoria. This work is part of the consolidated bushfire evacuation modelling collaboration between several emergency management stakeholders.

研究动机与目标

• 为填补疏散建模中的关键空白，将基于实证研究的行为原型整合到动态疏散仿真中。
• 通过建模不同家庭类型对野火威胁的响应行为，提升社区疏散预测的准确性。
• 通过开发基于数据、可直接投入运行的仿真框架，反映真实世界疏散中的决策模式，支持应急管理工作。
• 探讨家庭内部互动（尤其是具有不同原型的成员之间）对疏散时间和协调的影响。
• 利用真实世界调查数据和区域地理数据对模型进行校准与验证，确保其在应急规划中的实际相关性。

提出的方法

• 本研究采用Strahan等人提出的自我疏散原型作为行为基础，基于2016年澳大利亚人口普查数据和隐私保护的合成人口生成算法，将原型分配给合成人口。
• 代理行为通过Jill BDI（信念-欲望-意图）语言建模，实现基于感知威胁、信息线索和个人准备程度的动态决策。
• 模型整合了野火蔓延模型（Phoenix RapidFire）与基于MATSim的交通仿真器，以在不同条件下计算现实的疏散路线和行驶时间。
• 家庭活动与移动模式通过专家验证的算法及LandVic和OpenStreetMap的地理数据进行分配。
• 各原型内的态度与决策阈值通过调查数据和行为洞察进行校准，并应用敏感性测试以验证响应模式。
• 完整的仿真流程通过模块化框架实现，整合了BDI-ABM、交通仿真与社会信息扩散模型，托管于GitHub以确保可复现性。

实验结果

研究问题

• RQ1 不同自我疏散原型（如“担忧徘徊者”或“威胁否认者”）如何影响个体及家庭在野火期间的疏散时间？
• RQ2 家庭构成（包括混合原型，如一名“担忧徘徊者”与一名“威胁否认者”）在多大程度上影响疏散协调与延迟？
• RQ3 将行为原型整合到基于代理的模型中，相较于纯交通驱动模型，如何提升疏散仿真的真实感与预测准确性？
• RQ4 物流因素（如车辆可用性、有无依赖者或宠物）在不同原型群体中对疏散决策有何影响？
• RQ5 如何将真实世界中关于疏散行为的调查数据有效转化为可用于实际仿真模型的校准行为参数？

主要发现

• 该模型通过在基于代理的框架中嵌入基于实证研究的行为原型，成功模拟了真实的疏散动态，显著优于仅关注交通的模型。
• 包含混合原型的家庭（如一名“担忧徘徊者”与一名“威胁否认者”）表现出延迟且协调性较差的疏散行为，导致整体疏散时间延长并增加拥堵风险。
• 大量疏散者在确认危险前选择延迟撤离，这一行为与以往行为研究的发现一致，且“担忧徘徊者”原型能很好地捕捉该行为。
• 该模型表明，疏散远非简单服从指令；其受个体准备程度、感知威胁及家庭后勤条件的显著影响。
• 将社会信息扩散与实时威胁更新整合进模型，提升了对邻里间连锁疏散行为的模拟效果。
• 该模型正通过维多利亚州季节后的电话调查（n ≈ 2000）进行验证，家庭层面的数据被用于进一步完善对家庭内部决策动态的理解。