基于大數據的大型活動擁擠踩踏事故預警分析研究*

王起全，李鵬昇

(中國勞動關系學院 安全工程系，北京 100048)

0　引言

近年來，大型活動中擁擠踩踏事故頻繁發生，在造成慘重的人員傷亡和社會負面影響的同時，也引起了社會的廣泛關注。據不完全統計，近15 a來，國內至少發生了17起擁擠踩踏事故，造成至少140人遇難，338人受傷，其中有5起是由于大型活動引起的事故，可想而知，解決大型活動的安全隱患迫在眉睫。因此，針對大型活動開展擁擠踩踏事故預警分析研究，已成當今的熱點之一。

國外學者對擁擠踩踏事故的研究起步較早，相對比較成熟，法國心理學家Gustave Le Bon率先對危險環境下人群聚集行為和心理變化進行研究，提出從眾理論[1]；Dirk Helbing對疏散過程中人群的恐慌心理與從眾行為進行了模擬和研究，提出著名的“社會力”模型[2]，隨后Kebel也提出微觀仿真模型，為擁擠踩踏事故疏散提供科學的參考和依據[3]；Lee和Hughes基于法國科學家Lighthill的運動波理論，對照車流運動與人群運動的相似性、人群運動周期和心理特性，構建持續人群流動模型[4]；Krausz等通過視頻分析方法，深入分析社會群體活動的運動特征和事故機理[5]；Nelson和Maclennan在《Emergency Movement》中提出，當人群密度在3.8人/m2以上時，可能會形成人群堵塞[6]，基于這個發現，Wirz等采用移動技術和感知方法，對大型活動進行監控與管理研究[7]。

國內研究，在預防與控制方面，熊艷把場地內的人群密度作為預警分級的指標，在此等級上建立相應的聚集人群管理控制方案[8]；李燾等確定大型活動中安全監測的5個重點部位，提出大型客流風險的預警方法[9]；王振、展懿、白銳、王艷、張慧等都先后基于事故機理，對擁擠踩踏事故的預防與控制提出了對策[10-11]。以上這些關于擁擠踩踏事故預防與控制的研究，都為社會活動的順利運行，避免事故發生，提供了借鑒。在事故機理方面，白銳基于安全承載量計算與持續人群流動模型，結合人群因素，研究事故致因的《室外大型社會活動擁擠踩踏事故機理研究》[12]；張青松以風險理論等多種理論方法為基礎，構建人群擁擠踩踏事故風險(四階段)理論模型，分析事件發生原因[13]；胡清梅構建SimCrowd實驗仿真系統，對構建的場景進行仿真，對事故致因進行分析[14]；佟瑞鵬等提出一種擁擠踩踏危害定量評價模型和方法[15]；張青松等依據Newton second law和“社會力”模型，對區域中行人之間的受力進行建模，引進“擁擠力”的思想，架構行人受力微觀模擬模型并結合MAS技術進行模擬分析[16]；王起全等采用灰色層次分析法、BP神經網絡安全評估方法和賦權關聯度算法，對風險進行數據方面的分析與評估，為其他學者研究踩踏事故提供評估方法[17-18]。

綜上，目前國內外研究主要集中在大型活動擁擠踩

踏事故機理、人群疏散、應急對策三方面。隨著安全信息化的發展，大數據在公共安全方面的運用逐漸被人們所認識，曾范敬、張鶴飛結合擁擠踩踏事故特點，提出大數據技術在大型活動擁擠踩踏事故危險信息采集與分析、快速預測事態及提供解決方案等方面具有優勢[19]，但如何運用大數據技術開展擁擠踩踏事故預警分析，目前在國內尚少有涉及。在此背景下，提出運用大數據技術對大型活動擁擠踩踏事故進行預警模型的構建和分析，研究擁擠踩踏預警模型與預警分析系統的可行性，提出合理的預控對策，并輔以實例進行驗證，為預防擁擠踩踏事故提供科學的技術指導和參考。

1　基于大數據的大型活動擁擠踩踏事故預警分析系統構建

大型活動擁擠踩踏事故預警分析系統即是對預警區域內的涉及到踩踏事故的致因進行監督預防，從而達到活動中無事故早期征兆的預警系統。為了使預警分析系統兼具科學性與實用性，該系統運用大數據技術對危險因素進行預警分析，其工作流程如圖1所示。

圖1　預警分析系統中大數據處理流程Fig.1　Large data processing flow in early warning analysis system

1.1　數據源

數據源獲取方式有多種途徑，如官方數據、半官方數據、各個平臺的數據、通過數據采集工具或軟件自行收集的數據、專門數據采集機構等。本文大型活動擁擠踩踏事故預警分析系統的數據源來自百度LBS開放平臺的實時路況，駕車、公交、騎行、步行路線規劃和導航服務數據，以及活動場所中人群手機訪問百度APP時所攜帶的位置信息、網絡授權手機定位通話記錄、關鍵詞搜索記錄等。

1.2　數據提取和集成

大型活動中人群信息的數據源提取和集成運用批處理和流處理對數據進行聚合和關聯，并存儲使之成為預警分析時有用的數據集。

1)批處理

預警分析系統中，數據批處理是將人群對地圖關鍵詞搜索記錄(PC端和Web端)數據先存儲后處理的過程，批處理流程如圖2所示[20]。

圖2　批處理流程Fig.2　Batch processing flow

在預警分析系統中，批處理流程的第一步是將網民的不同關鍵詞搜索數據進行分塊歸類；第二步是將分塊的數據交給不同的Map階段處理；第三步是通過Map階段處理解析出中間結果，并寫入本地硬盤；第四步是Reduce階段，將硬盤中的中間結果讀取出來，并把相同關鍵詞搜索數據組織排序在一塊；最后一步是將組織排序好的結果輸出。

2)流處理

預警分析系統中，數據流處理是第一時間將大型活動關于人群情況方面的大量數據視為數據流進行處理分析，并輸出結果的處理過程。該數據在某時間段內具有一定的作用，且作用大小隨時間的流逝而降低[21]，圖3為預警分析系統中的流處理流程，其處理對象主要是大型活動人群手機訪問APP 時所攜帶的信息和網絡授權手機定位通話記錄等數據。

圖3　流處理流程Fig.3　Stream processing flow

1.3　數據分析

擁擠踩踏預警分析系統中的數據分析是利用機器學習、數據挖掘、數據統計技術來實現預測預警和輔助決策。機器學習是讓計算機有效學習，通過選取訓練集，來使得計算機學習到其中的某一個一般規律，并運用于實際；數據挖掘是將數據的潛在知識挖掘出來，并且這些知識可以描述或者預測數據的特征；數據統計是對提取和集成的有用信息進行簡單的分析和歸類統計。

1.4　合理解釋

擁擠踩踏預警分析系統中的合理解釋是將數據分析的結果，通過熱力圖、人群流向圖、地圖搜索量這3種可視化與呈現技術，對數據進行合理解釋。大型活動擁擠踩踏預警分析系統中大數據技術的應用如表1所示。

表1　大數據技術的應用

1.5　預警分析過程中大數據技術的應用

在擁擠踩踏預警分析過程中，將大數據可視化分析與呈現融入到傳統的預警分析過程，形成一個適用于大數據的預警分析過程[22]，其過程為監測、識別、診斷和評價4個過程。

1)監測。利用熱力圖、人群流向圖、地圖搜索量對大型活動中的人群定位信息、關鍵詞搜索記錄、人群定位軌跡變化信息進行監測，整理、存儲、創立預警分析系統公共的數據集。

2)識別。以擁擠踩踏事故預警模型中設定的事故誘發因子為標準，對監測數據實行識別，研究其是否存在擁擠踩踏事故早期征兆，判斷其可能導致的連鎖反應，在必要時報警，并將識別的數據輸入到診斷環節。

3)診斷。根據識別的事故早期征兆進行判斷，剖析成因、狀態、過程、發展趨勢，找出主要的致因，并將診斷結果輸入到評價與輸出環節。

4)評價。運用大數據分析系統技術，對人群密度、分布、流向、聚集趨勢情況進行危險性評價。通過評價和輸出預警的等級，指導預控對策的制定與實施。

2　實例說明

2014年12月31日23時35分，上海跨年夜活動，因很多游客和市民聚集在上海外灘迎接新年，黃浦區外灘陳毅廣場進入和退出的人流對沖，致使有人摔倒，發生踩踏事故，短短21 min的時間，踩踏事故共造成36人死亡， 49人受傷。

上海外灘擁擠踩踏事故當晚，上海外灘的人群數量約為31萬人，嚴重超出場所所能容納的人數，區域中人群密度極高。事發當天，在上海外灘的人群分布極度不均勻，局部區域人群過度擁擠，主要分布在陳毅廣場和外灘源附近。21時，陳毅廣場人群流量占50%；22時，陳毅廣場占人群流量60%～70%。當晚，外灘人群流向混亂并存在成拱現象、異向人流現象等特征。

2.1　上海外灘擁擠踩踏事故預警分析

基于對上海外灘擁擠踩踏事故的魚刺圖分析，得出人群密度、人群分布、人群流向為事故的主要誘發因子，運用大數據熱力圖、人群流向圖、地圖搜索量等預警分析技術，進行上海外灘擁擠踩踏事故預警分析。

1)熱力圖預警分析

由于上海外灘擁擠踩踏事故發生時間為23時35分，運用百度熱力圖軟件對當晚22時左右的人群熱力圖進行模擬，熱力圖如圖4所示。

圖4　上海外灘當晚22時熱力圖Fig.4　Thermal map of Shanghai Bund at am 22:00 in the night of the accidents

根據熱力圖，針對人群分布較大的重點危險區域，首先運用CAD軟件算出各區域不同顏色小區域的面積S(m2)，其次根據各色密度范圍測算出相應的人群數量W(人)，最后通過人群數量除以相應區域面積得到平均人群密度ρ，分別對陳毅廣場區域、外灘區域、外灘源區域平均人群密度進行計算，結果如表2～表4所示。

表2　陳毅廣場區域平均人群密度Table 2　Density of average crowd in Chen yi square

表3　外灘區域平均人群密度Table 3　The average population density of the Bund area

表4　外灘源區域平均人群密度Table 4　Average crowd density of the Bund source area

2)人群流向預警分析

對上海外灘當晚22時左右的部分人群流向進行研究，運用手機基站定位軟件對歷史數據和信息進行分析，該樣本數據來自百度LBS開放平臺，圖5中，每個小箭頭表示1位行人，其箭頭指向表示走向。剖析人群流向樣本圖可知，當晚22時左右，大部分人群從南京東路走往陳毅廣場，部分人群從觀景平臺走向陳毅廣場，部分人群從外灘走向外灘源。在此，進一步對外灘的人流進行量化分析，繪制出人群流向，如圖6所示。圖中每條直線代表不同的人流方向，直線的半徑表示該方向的人流量大小。由人群流向圖可知南北流向的人流占41.6%，東西流向的人流占22.3%，其他流向的人流占36.1%，人群流動方向十分混亂，整體呈現向陳毅廣場和外灘源聚集的趨勢。

圖5　人群流向樣本Fig. 5　Crowd flow to sample map

圖6　事故當晚人群流向Fig. 6　Map of Crowd flow in the night of the accident

3)地圖搜索量預警分析

運用百度指數軟件，對上海外灘事故當天和之前2天的外灘關鍵詞搜索量進行大數據統計，得出地圖搜索量，如圖7所示，其中包括30日和31日外灘地圖搜索量。

圖7　外灘地圖搜索量Fig. 7　Searching volume of Bund map

據統計和觀察，30日外灘地圖搜索量相比平時外灘搜索量的相對值范圍在0～2之間；而31日，外灘地圖搜索量峰相對值達到7.5，是平時峰值的3.75倍，在31日22時，外灘地圖搜索量相對值達到6.7，而30日22時的相對值為1.6，這就說明在未來的60～90 min后，仍有人群繼續聚集至上海外灘，即將聚集的人流量是往日的4倍以上。

2.2　上海外灘擁擠踩踏事故預警啟動

根據上海外灘事發當晚的熱力圖分析，人群分布集中，其中陳毅廣場顏色區域的平均人群密度最低值為2.508人/m2、外灘顏色區域的平均人群密度最低值為1.808人/m2、外灘源顏色區域的平均人群密度最低值為1.744人/m2，平均人群密度均高于0.75人/m2[23]，存在事故早期征兆；事發當晚的人群流向圖分析表明，人流方向呈現混雜狀態，且人群前往陳毅廣場、外灘源聚集，將會導致人群分布更為不均，區域人群密度越來越大，存在事故早期征兆；事發當晚的地圖搜索量分析表明，事發當晚22時，外灘地圖搜索量相對值高達6.7，且該值呈現增長趨勢，在未來60～90 min后，將會有更多的人來到上海外灘，增加人群數量，存在事故早期征兆。綜上所述，事發當晚22時，就已存在事故早期征兆，應啟動預警。

根據預警分析和事故早期征兆，結合Nelson and Maclennan人群密度預警等級及狀態結論[6]，判斷不同區域的預警分級，如表5和表6所示。

表5　預警分級狀態

表6　預警啟動分級

通過表5，可以分析出上海外灘當晚各個區域都應啟動Ⅱ級預警，并馬上實施預控對策。

2.3　上海外灘預控對策

基于前述上海外灘當晚Ⅱ級警報預警分析結果，提出預防擁擠踩踏事故發生的對策。預控對策與當時實際過程中采取的對策進行對比，如表7所示。

表7　上海外灘預控對策分析

表7(續)

圖8　上海外灘附近公安局/醫院地點Fig.8　Shanghai Bund near the public security bureau/hospital location map

圖9　上海外灘附近路線Fig.9　Shanghai Bund near the road map

圖10　隔離欄設置Fig.10　Quarantine settings

圖11　上海外灘附近應急避難場所Fig.11　Shanghai Bund near the emergency shelter

上海外灘踩踏事件后，上海市出臺了《上海市公共場所人群聚集安全管理辦法》，對重要節假日和重大活動的舉辦，要求區(縣)人民政府組織公安、安全生產監管、建設、交通、商務、旅游、衛生計生、教育、文廣影視、體育、綠化市容、民政、民族宗教等相關部門通過多種途徑收集信息，對人群聚集公共場所和人群聚集活動進行風險評估，對重要時段的現場進行監測，對可能發生突發事件的，立即研判風險，及時采取預防性處置措施；對需要發布預警的，應當立即報告，并應根據實際情況，采取廣播、電視、報紙、互聯網、通訊工具、宣傳車、警報器、電子顯示屏、高音喇叭等方式發布預警信息。本文預控對策基本符合《上海市公共場所人群聚集安全管理辦法》中的預警啟動、發布、應急資源聯動等方面的規定，這也說明本文的相關預控對策在擁擠踩踏事故預警方面的可行性。

3　結論

1)結合系統安全理論和預防原理，運用大數據技術建立擁擠踩踏事故預警模型，該預警模型包括擁擠踩踏事故預警分析系統、預控對策2個模塊，其中擁擠踩踏預警分析系統核心技術為大數據技術，為預控對策提供技術支撐。

2)對上海外灘擁擠踩踏事件進行預警模型實例分析，首先研究上海外灘事故的誘發因子，即人群密度、人群分布、人群流向；其次運用百度熱力圖等大數據技術，進行預警分析，發現陳毅廣場區域、外灘區域、外灘源區域當晚的人群密度過高，人群流向呈現混亂狀態，有向陳毅廣場和外灘源聚集的趨勢；地圖搜索量相對值是平常的3.75倍，并在22時達到4倍以上，意味著未來會有更多的人群聚集上海外灘，存在事故早期征兆；得出預警啟動評價等級為Ⅱ級并提出上海外灘預控對策。

3)利用大數據技術進行預警分析，可以高效率識別、判斷海量數據，變被動為主動，為預防大型活動擁擠踩踏事故的發生提供技術支持。

[1]Gustave Le Bon.The Crowd A Study of the Popular Mind[M].Kessinger Publishing, 2003.

[2]Helbing D, Farkas I, Vicsek T. Simulating dynamical features of escape panic[J]. Nature, 2000, 407(6803):487.

[3]Keβel A, Klüpfel H, Schreckenberg M. Microscopic simulation of pedestrian crowd motion[A]// Pedestrian and Evacuation Dynamics[C]. 2002:193-202.

[4]Lee R S C, Hughes R L. Exploring trampling and crushing in a crowd[J]. Journal of Transportation Engineering, 2005, 131(8):575-582.

[5]Krausz B, Bauckhage C. Loveparade 2010: automatic video analysis of a crowd disaster[J]. Computer Vision & Image Understanding, 2012, 116(3):307-319.

[6]Nelson H E,MacLennan H A.Emergency Movement,SFPE Handbook of fire Protection Engineering[M]. NFPA Quincy MA, USA, 1988.

[7]Wirz M, Mitleton-Kelly E, Franke T, et al. Using mobile technology and a participatory sensing approach for crowd monitoring and management during large-scale mass gatherings[M]. Co-evolution of Intelligent Socio-technical Systems. Springer Berlin Heidelberg, 2013:61-77.

[8]熊艷, 馮志斌. 人員密集場所人流安全預警管控系統的探討[A]// 中國職業安全健康協會2009年學術年會論文集[C]. 2009.

[9]李燾, 金龍哲, 馬英楠,等. 大型活動客流監測預警方法研究[J]. 中國安全生產科學技術, 2012, 8(4):75-80.

LI Tao, JIN Longzhe, MA Yingnan, et al. Study on method for monitoring and early-warning of passenger flow in large-scale activities[J].Journal of Safety Science and Technology, 2012,8(4):75-80.

[10]劉茂, 王振. 人群擁擠踩踏事故的風險分析及預防控制[A]// 中國災害防御協會風險分析專業委員會年會[C]. 2006.

[11]白銳, 梁力達, 田宏. 人群聚集場所擁擠踩踏事故原因分析與對策[J]. 工業安全與環保, 2009, 35(2):47-49.

BAI Rui, LIANG Lida, TIAN Hong. Analysis of cause and countermeasures of stampede accident in crowd-gathered place[J]. Industry Safety and Environmental Protection, 2009,35(2):47-49.

[12]白銳. 室外大型社會活動擁擠踩踏事故機理研究[D]. 沈陽：沈陽航空工業學院, 2009.

[13]張青松, 劉金蘭, 趙國敏. 大型公共場所人群擁擠踩踏事故機理初探[J]. 自然災害學報, 2009, 18(6):81-86.

ZHANG Qingsong, LIU Jinlan, ZHAO Guomin. Discussion on cause mechanism of crowd crushing trampling accident in large-scale public places[J].Journal of Natural Disasters, 2009,18(6):81-86.

[14]胡清梅. 大型公共建筑環境中人群擁擠機理及群集行為特性的研究[D]. 北京：北京交通大學, 2006.

[15]佟瑞鵬, 李春旭, 鄭毛景,等. 擁擠踩踏事故風險定量評價模型及其優化分析[J]. 中國安全科學學報, 2013, 23(12):90-94.

TONG Ruipeng,LI Chunxu,ZHENG Maojing,et al. A quantitative risk assessment model of crowded stampede accident and its optimization analysis[J]. China Safety Science Journal, 2013,23(12):90-94.

[16]張青松, 劉金蘭, 趙國敏. 人群擁擠踩踏事故后果微觀建模及模擬分析[J]. 安全與環境學報, 2008, 8(4):164-168.

ZHANG Qingsong, LIU Jinlan,ZHAO Guomin.Microscopic modeling and simulation analysis for crowd crushing trampling accident consequence[J].Journal of Safety and Environment, 2008,8(4):164-168.

[17]王起全. 基于賦權關聯度算法的地鐵擁擠踩踏事故風險研究[J]. 中國安全科學學報, 2013, 23(5):94-100.

WANG Qiquan. Research on crowded stampede accident risk at subway based on empowering related degree method[J]. China Safety Science Journal, 2013,23(5):94-100.

[18]王起全, 金龍哲. 大型活動擁擠踩踏事故灰色層次分析[J]. 遼寧工程技術大學學報(社會科學版), 2008, 10(5):500-503.

WANG Qiquan,JIN Longzhe. Analysis of GAHP in crowded stampede accidents in large-scale activities[J]. Journal of Liaoning Technical University (Social Science Edition), 2008,10(5):500-503.

[19]曾范敬, 張鶴飛. 大數據在預防踩踏事故中的應用[J]. 中國人民公安大學學報(社會科學版), 2015, 31(3):79-84.

ZENG Fanjing, ZHANG Hefei. Application of large data in prevention of stagnation[J]. People’s public security university of China (social science edition), 2015，31(3):79-84.

[20]趙曦. 云計算架構在銀行批處理流程優化中的應用研究[J]. 軟件導刊, 2013, 12(10):1-4.

ZHAO Xi. Research on the application of cloud computing architecture in bank batch process optimization[J]. Software Guide, 2013,12(10):1-4.

[21]李建輝, 陳俊旭, 單一唯. 大數據對公安情報流程影響研究[J]. 湖北警官學院學報, 2015, 28(3):20-23.

LI Jianhui, CHEN Junxu, SHAN Yiwei.Research on the influence of large data on public security information flow[J]. Journal of Hubei University of Police, 2015,28(3):20-23.

[22]嵇方.會展活動安全事故成因分析及預警模型研究[D].上海：同濟大學,2007.

[23]北京市園林局. 公園、風景名勝區安全管理規范: DB11/ 280—2005[S].北京：2005.