人员密集场所拥挤踩踏事故风险分级模型及预防对策

孙贵磊副教授 颜 峻副教授 孟燕华教授 刘 倩 季学伟研究员

(1.中国劳动关系学院 安全工程系，北京 100048；2.北京市安全生产科学技术研究院，北京 100070)

0 引言

近年来，不同类型的大型活动越来越频繁的举行，人员密集场所的数量及人群流动密度迅速增长，其主要特点是场所内人员流动性较强、人员数量和密度大、人员构成复杂等，导致人员密集场所存在的安全隐患较多。人群处于常态时，不会发生拥挤踩踏事故，人群未处于正常状态或防范措施不到位，可能因突发事件、空间结构设计不合理或者管理措施不当等引发踩踏事故的发生。

当前，众多学者对主要人员密集场所如地铁、大型社会活动、城市公共聚集场所、中小学等发生的拥挤踩踏事故进行了研究并提出风险分析建议。如霍宇芒等[1]基于组合权重对地铁车站提出事故风险评价方法。LiuYan等[2]通过构建地铁站拥挤踩踏事故风险投入产出指标体系，基于数据包络分析(Data Envelopment Analysis,DEA)方法建立踩踏事故风险评价模型，并将该模型应用于北京13个地铁站。王起全[3]对中小学生踩踏事故风险提出评价指标。任常兴等[4]分析城市公共场所人群拥挤踩踏事故。张青松等[5-6]研究了大型公共场所和体育赛场的拥挤踩踏风险与机理。Li Jianfeng等[7]建立二维风险矩阵判断行人状态，在安装智能监控装置的关键位置，以观察人群的运动并提前预警。国外研究者主要集中于恐怖袭击的研究，Nikolay Butakov等[8]使用探测器检测和识别人员密集场所中的各类威胁载体，例如爆炸物、毒物、辐射等，并应用于普尔科沃机场。此外，也有学者建立相应的模型，如曲敏彰[9]结合事故致因理论将造成拥挤踩踏的扰动因素分为“人—物—环—管”4因素，对各因素所包含的内容进行详细的分析，并构建“拥挤踩踏事故扰动模型”，根据对扰动因素的分析提出“人员密集场所扰动因素管控模型”；佟瑞鹏等[10]以超市为研究对象，构建拥挤踩踏事故风险定量评价模型并对其进行优化分析。

人员密集场所风险的分级研究对于衡量其危险性大小非常重要，张平峰等[11]通过问卷调查、德尔菲法等确定风险分级指标，运用层次分析法确定场地风险评估各个指标重要度系数，结合模型进行风险等级划分；常川等[12]基于GA-SVM分析大型公共活动拥挤踩踏事故风险。在众多研究中，对人员密集场所进行各个类型的建模分析与模拟分析较多，进行分级量化研究相对较少且量化分级过程较为复杂，实际操作难度大。基于此，本研究通过分析事故特征及原因，提出人员密集场所拥挤踩踏事故风险分级评估模型(Risk Classification Model of Crowded Stampede, RCM-CS)及数值量化方法，为相关场所管理者提供更为直观、简洁的量化分级方法。

1 拥挤踩踏事故分析及风险指标体系构建

1.1 拥挤踩踏事故分析

冯志斌和佟瑞鹏[13]借鉴公共场所的分类以及事故风险分析的必要性，将人员密集场所划分为8大类，见表1。

表1 人员密集场所特征分类Tab.1 Classification of the crowded places

针对以上场所，依据文献统计[14-15]及网络搜索统计，我国2002-2018年间共发生有伤亡的拥挤踩踏事故48起，如图1。

图1中可以看出，不同类型的场所，发生拥挤踩踏事故的可能性不同，其中学校教育场所发生的次数最多，而休闲娱乐场所最少，这与我国的人群特点是相适应的。由于人群不同，活动特点及方式不同，因而事故发生概率也不同。根据统计分析中的事故致因[16]，对大型活动拥挤踩踏事件进行分析，从拥挤踩踏事故的萌芽、发生与发展阶段分析拥挤踩踏事故发生的特征及原因，建立事故树分析图, 如图2。

图1 各类场所拥挤踩踏事故百分比

通过对人员密集场所拥挤踩踏事故的事故树分析，找到导致事故发生的19个基本原因事件。该事故树共有最小割集126个，最小径集4个：P1={X1}，P2={X2X3}，P3={X5X6X7X8X9X10X11}，P4={X4X12X13X14X15X16X17X18X19}。从4个最小径集来看，预防事故发生的优先措施是降低人群密度。此外，从结构重要度的角度来看，采取限流或“大数据管控”等措施也是防止事故发生的有效的措施。对于人员密集场所，何时采取措施以及优先采取哪些控制措施，需要进一步对踩踏事故风险及各指标重要度进行分析。

图2 人员密集场所拥挤踩踏事故树分析Fig.2 Fault tree analysis of stampede accidents in crowded places

1.2 构建拥挤踩踏事故风险指标体系

由系统安全原理，将事故原因分为4类：人的因素、道路因素、环境因素、管理因素。依据拥挤踩踏事故树分析，将基本事件作为事故原因的因子，如人员密度大、人群构成复杂、人流速度存在差异、存在逆向对冲人流以及人群中有异常人员等均为人的因素；安全出口的数量或道路宽度不符合国家标准，安全出口被关闭、异物侵占、堵塞或设备故障，存在有坡度道路以及有台阶道路等作为道路因素；照明不良、路面湿滑及安全标识不清等作为环境因素；缺少管理方案及应急预案不健全，未进行应急演练，未进行活动相关信息宣传，未采取限流措施，安全检查不到位，安保力量不足及无“大数据管控”等管理因素，由此构建拥挤踩踏事故风险指标体系，如图3。

邀请15位行业专家(政府机关、研究院及高校等单位应急管理领域教授或研究员)对该指标体系进行评分，并基于AHP确定各指标权重，其中异常人员权重为0.1239，“大数据管控”权重为0.043。由于“异常人员”这一因素为突发项，即场所是否存在异常人员不可知，故属于不可控因素，若出现“异常人员”，必然会导致人员密集场所的风险增加；“大数据管控”属于可选项，即人员密集场所可能会利用大数据来进行管控，若采用“大数据管控”手段，必然有利于实时监测人员密集场所的状态，有利于降低风险。因此如果对于事前评估，这两项可分别作为加分项和减分项，而其他指标可适用于所有人员密集场所的风险评价。去掉两项后，对其余指标重新采用AHP权重分析，见表2。

图3 人员密集场所拥挤踩踏事故风险评价指标体系Fig.3 Risk assessment index system for stampede accident in crowded places

表2 方案层中要素对决策目标的排序权重Tab.2 The weights of the elements in the plan layer to the decision goals

注：异常人员的存在具有不可控因素，因而属于风险增加项；“大数据管控”可以加强预防，降低拥挤踩踏概率，因而属于风险降低项。

2 拥挤踩踏事故风险分级评估模型

在人员密集场所中，拥挤踩踏是在人员达到一定密度时发生的，Fruin[17]提出，当人均面积在0.93～1.39 m2/人(即0.71～1.08人/m2)时，人的正常步行速度受到限制，想要改变方向或者超越则会很困难。考虑到不同区域人员分布不均，本模型取0.71人/m2作为适用模型的人员密度的临界值。此外，相同人员密度的不同场所，发生事故的概率也是不同的，因此，模型中引入了针对我国设置的概率因子作为对不同场所发生事故可能性的增加值。

2.1 拥挤踩踏事故影响因子判别标准

2.1.1 人的影响因子

人的影响因子H主要包括4类，其数值计算模型(如式(1))，具体对人员的判别标准，见表3。

表3 人的风险指标与判别标准Tab.3 Risk indicators and criteria for human being

(1)

式中：

ai—该项人员密度，速度，流向，构成等风险指标；

ga—ai项对应的权重值(按百分计)。

2.1.2 道路影响因子

道路影响因子R包括5个要素，其数值计算模型(如式(2))，相应的影响因子与判别指标，见表4。

(2)

式中：

bj—安全出口、道路等方面的风险指标；

gbj—bj项对应的权重值(按百分计)。

表4 道路风险指标与判别标准Tab.4 Risk indicator andcriteria for road

2.1.3 环境影响因子

环境影响因子E包括3个要素，其数值计算模型(如式(3))，相应的影响因子与判别指标，见表5。

(3)

式中：

ck—照明、安全标志、路面状况等环境问题；

gck—ck项对应的权重值(按百分计)。

2.1.4 管理影响因子

管理影响因子M共包括7个要素,见表6、7，其数值计算模型，如式(4)。其中，由于“大数据管控”这一要素对于人员密集场所的管理可以起到重要的作用，但目前并无强制要求，因此作为风险降低项目。

表5 环境影响因素及判别标准Tab.5 Influencing factors and criteria for environment

(4)

式中：

αl—必备项，主要指管理要求应具备，若不具备则易导致拥挤踩踏事故发生；

gαl—αl项对应的权重值；

βm—可选项，设置该类措施能起到预防作用，表示能防止拥挤踩踏事故发生的因子，但非强制设置；

gβm—βm项对应的权重值。

表6 人员密集场所应具备的管理因素及判别标准Tab.6 Management factors and criteria required for crowded places

续表

表7 人员密集场所可选管理因素与判别标准Tab.7 Alternative management factorsand criteria for crowded places

2.2 拥挤踩踏事故风险分级评估模型

人、道路、环境、管理4类因素，每一类要素控制不当，均可能成为诱发踩踏事故的原因。为符合人们百分制的习惯，将所有权重乘以一百，并引入十倍概率因子作为不同场所事故发生概率的调整参数，建立拥挤踩踏事故风险分级评估模型(Risk Classification Model of Crowded Stampede, RCM-CS)，引入风险指数(Risk Index,RI)评估拥挤踩踏事故风险级别，如式(5)。

RI=H+R+E+M+10δ

(5)

式中：

RI—风险指数(Risk Index )；

H—人的影响因子(Human)；

R—道路的影响因子(Road)；

E—环境的影响因子(Environment)；

M—管理的影响因子(Management)；

δ—不同场所事故概率因子(Probability Factor)。

为确定人员密集场所危险性级别和RI值的对应关系，应确定在人员密度较大(ρ>0.71人/m2)的情况下，各风险级别对应的临界值。RI的最小值，参考事故发生的最小割集权重之和的均值(0.1591)，取15。同时参照以往事故特征，最终确定风险级别的评价标准，见表8。

3 模型可行性验证及风险管控措施

3.1 模型可行性验证

3.1.1 发生事故的人员密集场所

(1)2004年2月5日，北京市密云县在举办迎春灯展过程中，由于领导和管理责任不落实，导致彩虹桥上发生拥挤踩踏事故，造成37人死亡、15人受伤的特大伤亡事故。运用RCM-CS模型计算RI值确定风险级别，见表9。

表8 人员密集场所危险性级别和RI值的对应关系Tab.8 The correspondence between risk level and RIvalue in crowded places

表9 北京密云彩虹桥拥挤踩踏事故风险评分表Tab.9 Risk indicators of stampede accidents in Rainbow Bridge,Miyun,Beijing

(2)2014年12月31日23时35分，正值跨年夜活动，因很多游客市民聚集在上海外滩迎接新年，上海市黄浦区外滩陈毅广场东南角通往黄浦江观景平台的人行通道阶梯处底部有人失衡跌倒，继而引发多人摔倒、叠压，致使拥挤踩踏事件发生，造成36人死亡，49人受伤。运用RCM-CS模型计算RI值确定风险级别，见表10。

3.1.2 未发生事故的人员密集场所

每年我国的国庆节清晨，都会有来自全国各地的10万以上的群众在北京天安门广场观看升国旗仪式，现场非常拥挤。对天安门广场国庆升旗仪式拥挤踩踏事故风险分析，见表11。

表10 陈毅广场拥挤踩踏风险事故风险评分表Tab.10 Risk indicators of stampedeaccidents in Chen Yi Square,Shang Hai

表11天安门广场国庆升旗仪式拥挤踩踏事故风险评分表Tab.11 Risk indicators of stampede accidents in Tiananmen Square

通过以上分析，可以看出，该模型可计算人员密集场所风险大小并划分其风险级别，分级结果可以明确显示该场所的风险程度以及应加强控制的风险指标，这对事前预防人员密集场所拥挤踩踏风险有非常好的参考意义。

3.2 风险管控措施

基于RCM-CS模型，对人员密集场所的危险性进行预先评估与分析。

3.2.1 举行活动前的对策措施

(1)道路：应优先选用场所中道路平坦、无台阶及上下坡的位置；确认道路上无异物侵占、堵塞道路或设备故障；有弯道、上下坡、台阶、变窄的道路应加强安保力量，安保人员执勤人员应具有明显的标志，如工作服、红袖标、反光背心、扩音器等。

(2)出入口：其宽度应符合《建筑设计防火规范》(GB 50016-2014)；安全出口数量应符合要求；出入口应设置于不同位置过程中不能逆向而行；安全出口应确保处于打开状态。

(3)环境：夜间有大量人员经过的道路，尤其是不平坦道路，应加强照明，并配备完善的道路标识及安全标识，标识应采用LED灯或反光材料，清晰显示。路面应采取防滑措施，防止道路湿滑造成事故。

(4)管理：建立完善的管理方案；正确舆论宣传与引导；应建立完善的应急预案并进行应急演练；建立快速应急反应通道，如公布应急电话，配备对讲机等，有突发事件时，应能迅速做出反应；进行风险分级及隐患排查，及时发现隐患并予以排除。

3.2.2 举办活动过程中的对策措施

(1)加强对异常人员的管控：对进入密集场所的人员，加强安检，同时应关注进入人员的状态并进行人脸识别等。

(2)控制人员密度，当人员密度大于0.71人/m2时，要控制人员进出数量，采取限流措施。

(3)控制人员流动速度，发现人群速度异常时应提前进行警示。

4 结论

通过对人员密集场所拥挤踩踏事故的研究，主要结论如下：

(1)采用事故树分析，确定拥挤踩踏事故发生的基本原因事件，获取126个最小割集和4个最小径集，发现预防事故发生的最优先措施是降低人群密度，此外，从结构重要度的角度来看，采取限流及“大数据管控”措施也属于防止事故发生的极为有效的措施。

(2)采用层次分析法，分析拥挤踩踏事故20项指标权重，提出了18项常用指标，1项风险增加指标(存在异常人员)和1项风险降低指标(“大数据管控”)，应采用加强安检及对异常人员的人脸识别，同时引入大数据系统提前进行拥挤踩踏危险度预警。

(3)从人的因素、道路因素、环境因素、管理因素提出拥挤踩踏事故风险分级评估模型(RCM-CS)，并引入不同场所的事故概率因子，提出明确的分级指标，对拥挤踩踏事故进行风险分级，并通过实例对模型进行应用分析，结果显示，该模型可以明确将各类事故进行风险等级划分，这对有关部门制定人员密集场所的相关规定极具参考意义。

(4)举办活动前，保证安全出口常开、安全通道畅通，数量及宽度符合要求；清除设备故障、保证路面的摩擦系数并优化照明；在有台阶道路、有坡度道路处，完善安全标识；对活动场所进行安全检查，建立应急预案，进行信息宣传；针对不同活动、不同场所，制定管理方案，进行应急演练等；在活动过程中，应管控人员密度，根据人群密度采取限流措施，防止出现人流速度差异及逆向对冲人流，预防异常人员进入，加强安保力量等措施。