基于认知过程建模和虚拟疏散实验的大型公共建筑突发事件中个体层面的疏散行为特征研究

Efficient evacuation of high-density crowds is critical to the management of emergency responses in large public buildings. Human evacuation behaviors are highly complex, and current research mostly focuses on crowd behaviors, lacking thorough investigation of individual behaviors. However, crowds are made up of large numbers of individuals, and crowd behaviors are determined by the emergent properties of individual behaviors. Therefore, the investigation of characteristics and mechanism of individual evacuation behaviors is important micro basis to the development of high-fidelity and complex crowd evacuation models, and it is essential to the design of evacuation management measures. This research first examines various characteristics of individual evacuation behaviors, analyzes associated cognitive processes based on the SOAR cognitive architecture, and develops process models to represent the formation mechanism of these behavioral characteristics. This research then examines the method for evaluating the ecological validity of virtual reality (VR) evacuation experiments, and develops high sense-of-presence evacuation scenarios; VR-based evacuation experiments are conducted, and the experiment results are used to support the identification of factors that impact the characteristics of individual evacuation behaviors and the assessment of these impacts. Lastly, a case study is carried out based on fire incidents in high speed railway stations. This research is expected to deepen the understanding of individual evacuation behaviors, provide theoretical guidance to the design of evacuation intervention measures, and subsequently provide valuable scientific basis and decision support to the emergency evacuation management in large public buildings.

有效的高密度人群应急疏散管理对于合理处置发生在大型公共建筑中的突发事件至关重要。人员的疏散行为高度复杂，现有的疏散行为研究主要针对群体层面，缺乏对个体层面疏散行为的深入分析。然而疏散人群由大量个体组成，个体行为特征在宏观上的涌现性决定了群体行为特征，因此理解个体疏散行为的特征和机理是实现人群疏散建模精细化和复杂化的微观基础，也是制定有效疏散管理措施的理论依据。本课题首先梳理各类个体疏散行为特征，基于SOAR认知框架对相关认知过程进行建模，阐明行为特征的形成机理；其次，研究VR实验生态效度评价方法，创建高临场感VR疏散情境；在此基础上，开展虚拟疏散实验，识别个体疏散行为特征的影响因素并阐明其影响机理；最后，选取高铁车站火灾情境开展案例研究。本课题的研究将有效深化对个体疏散行为的科学认识，为设计有效的疏散干预措施提供理论指导，进而为大型公共建筑的应急疏散管理提供重要的科学依据和决策支持。

随着我国城镇化的不断推进，城市人口日益增加，高密度人群应急疏散是城市里各类大型公共建筑在安全运维管理中面临的巨大挑战。群体由大量个体组成，深入理解个体疏散行为对于准确地分析和预测整体疏散过程并提高疏散管理水平具有重要作用。基于虚拟现实（VR）的疏散行为实验是近年来新涌现出的研究个体疏散行为的科学手段。基于上述背景，本项目的总体目标是阐明大型公共建筑突发事件中个体层面疏散行为特征的形成机理，开展高生态效度的虚拟疏散行为实验，阐明个体层面疏散行为特征的影响机理，从而为群体层面的疏散建模与仿真提供可靠的微观基础。围绕上述目标，本项目首先在系统梳理已有文献的基础上，提出了大型公共建筑突发事件中个体层面疏散路径决策理论框架，阐明了大型公共建筑突发事件中个体层面疏散行为特征的形成机理。其次，研发了高沉浸感的、具备多人多通道人机交互功能的VR疏散行为实验平台，设计了主客观评价指标相结合的VR疏散行为实验生态效度评价方法，并通过实验验证了上述平台和方法的有效性。在此基础上，设计和实施了2项虚拟疏散实验，分析了个体在室内空间的探索模式、探索次数以及火灾场景对其疏散行为特征的影响机理。最后，以北京市立水桥地铁站为案例，构建了站内空间的VR模型和虚拟火灾场景，设计并实施了3项虚拟疏散实验，分析了建筑元素可视度、站内人流模式、空间认知完整程度以及文化背景等因素对个体疏散行为的影响机理，并在此基础上提出了有针对性的火灾应急疏散管理建议。基于上述研究工作，本项目实现了对不同疏散行为特征的形成机理的统一描述，提出了虚拟现实疏散情境的生态效度评价方法，促进了个体疏散行为模型的可计算化，为大型公共建筑突发事件的应急疏散管理提供了科学依据和决策支持。项目团队已发表8篇论文，包括在Safety Science、Computers in Human Behavior等SCI/SSCI期刊发表4篇论文并获得1次会议优秀论文奖；申请6项发明专利和2项软件著作权；培养4名博士研究生和3名硕士研究生。