EN中文

GEOGRAPHICAL RESEARCH >

2024 , Vol. 43 >Issue 11: 2887 - 2901

DOI: https://doi.org/10.11821/dlyj020231138

Precision scale-based research on the spatiotemporal coverage efficacy of urban emergency shelters: A case study in the main urban area of Nanjing

  • GE Haoyu , 1, 2 ,
  • CAO Weidong 1 ,
  • SONG Weixuan , 3
Expand
  • 1. School of Geography and Tourism, Anhui Normal University, Wuhu 241002, Anhui, China
  • 2. Nanjing Institute of Geography and Limnology, CAS, Nanjing 211135, China
  • 3. College of Geography and Remote Sensing, Hohai University, Nanjing 211100, China

Received date: 2023-12-14

  Accepted date: 2024-05-23

  Online published: 2024-11-07

Fold

Abstract

Urban emergency shelters are the places and facilities where the life and property of people are protected when and after disasters happen. A reasonable spatial layout of these places and facilities plays a crucial role in protecting the life of residents from major disasters such as earthquakes. With the main urban area of Nanjing as an example, mobile user portrait data are analyzed in this paper to obtain the information on daytime and nighttime distribution of urban populations. Travel time data are collected through path planning, and the accessibility of emergency shelters is calculated through the Gaussian two-step floating catchment area method. Also, the information on the number of people taking shelter is used to analyze the supply-demand ratio of emergency shelters. The main conclusions are as follows: (1) There is a clear spatial separation of work from residence as shown by the distribution of population in the main urban area of Nanjing, and the density of population is higher in the core urban area than in the outer urban area. The spatial difference in daytime population density is more significant than in nighttime population density, and the spatial layout of emergency shelters is closely related to population density. The emergency shelters accessible within 30 minutes cover a large number of residents whether during daytime or nighttime, showing a basically high overall efficiency of coverage. (2) The accessibility of emergency shelters in the main urban area of Nanjing is generally low, showing a relatively high level in the outer urban area better than in the core urban area. The fluctuation of accessibility during daytime and nighttime is generally insignificant, with a negative correlation shown between accessibility and population density. There is unevenness in the spatial distribution of accessibility of emergency shelters. (3) The overall supply-demand ratio of emergency shelters in the main urban area of Nanjing is low, showing a higher level in the outer urban area than in the core urban area. In the core urban area and Jiangbei district, it is imperative to strengthen the construction and layout optimization of emergency shelters. Finally, suggestions are made in this paper to solve the problems with the spatial layout of emergency shelters in the main urban area of Nanjing. One is to increase the overall number of shelters and the other is to optimize the layout of the existing ones.

Key words： emergency shelters; spatiotemporal coverage efficacy; two-step floating catchment area method; supply-demand ratio; mobile user portrait data; the main urban area of Nanjing.

Cite this article

GE Haoyu , CAO Weidong , SONG Weixuan . Precision scale-based research on the spatiotemporal coverage efficacy of urban emergency shelters: A case study in the main urban area of Nanjing[J]. GEOGRAPHICAL RESEARCH, 2024 , 43(11) : 2887 -2901 . DOI: 10.11821/dlyj020231138

1 引言

城市应急避难场所是在临灾时和灾后为受灾群众的生命财产提供庇护，具有基本生活功能的场所和建筑，如学校、绿地公园、广场等[1⇓-3]，是城市防灾减灾系统的重要组成部分。作为保护人民群众生命，为城市居民提供临时住所的重要基础设施，应急避难场所的空间布局合理性关系到受灾时人民群众的生命安全能否得到有效保障[4]。中国是世界上受自然灾害影响严重的国家之一，随着国内城市化水平日益上升，城市人口不断增长，应急避难场所建设面临严峻考验[5]。在空间资源有限的情况下，如何对现有应急避难场所的空间布局合理性进行分析，为未来应急避难场所建设提出建议，引起了学者的广泛关注[6⇓-8]。
国内外学者多从以下两个方面对应急避难场所展开研究：一是对应急避难场所的空间布局进行评价。诸多学者综合考虑供给与需求，采用两步移动搜索法及其改进方法[9,10]、最短路径模型[11]和改进引力模型[12]等对应急避难场所的空间布局合理性进行探讨。随着计算机技术和GIS技术的发展，有学者提出了地震条件下交通网络脆弱性评价的方法[13⇓-15]。基于此，Ertugay等[16]将交通组件脆弱性纳入可达性建模，从地震破坏导致道路封闭的角度建立模型分析应急避难场所的可达性。二是对应急避难场所空间优化和选址的分析。较多学者采用较为传统的层次分析法[17,18]、TOPSIS法[19]、社会网络分析法[20]等进行探讨，随着现代城市中应急避难场所选址优化面临的条件日益复杂，有学者将AI与GIS技术融合，建立多约束多目标选址模型[21]、双阶段选址-分配模型[22]、位置分配模型[23]、多智能体模型[24]、多目标模型[25]等，为应急避难场所的优化和选址规划提供了新方法。还有学者从多学科融合的角度出发，通过建立指标体系对应急避难场所的适宜性进行评价，如刘朝峰等[26]从可达性、安全性和有效性三方面建立评价指标体系，从地震烈度的角度出发，应用加速遗传优化投影寻踪模型分析城市应急避难场所的适宜性；曹珂等[27]从应急避难场所的安全性、识别度、可达性和熟悉度四个角度设立评价指标并进行赋值，提出一种城市应急避难场所适用性评价方法。
尽管学者们不断深化了应急避难场所空间布局的相关研究，但仍然存在一定不足。首先在人口数据获取上，以往学者多采用统计年鉴和人口普查数据，以社区街道和居住区为单元获取人口统计数据，或将研究区域进行网格化处理，采用一定的规则将较大统计单元的人口统计数据分配到各网格内。上述方式所得数据时效性较差，而且与实际情况存在一定的差异。其次在通行时间上，以往研究多通过ArcGIS软件的网络分析方法计算城市路网距离，所得数据时效性较差，且在居民通行速度设置上易受研究者主观因素影响，与实际情况存在一定差异。
随着大数据技术的出现，利用手机信令数据、手机用户画像数据等新手段获取人口信息，能明显改善人口数据的精确性和时效性[28,29]；借助互联网地图服务平台的路径规划功能，依据实时路况获取起点到终点的通行时间，所得通行时间也更为接近实际出行时间。基于此，本文以南京主城区为例，借助手机用户画像数据获取精细尺度的人口数据，通过高德地图API（application programming interface）的路径规划功能获取实时通行时间，从可达性和供需比两个角度探讨应急避难场所在不同时间阈值下服务域所覆盖的人口单元和居民数量，也即应急避难场所的时空覆盖效能，以此识别城市应急避难场所空间布局存在的问题，进而提出应急避难场所建设优化的建议，以期丰富城市应急避难场所相关研究，并为城市公共服务设施空间布局优化提供参考。

2 研究区域与数据来源

2.1 研究区域

南京市为江苏省省会，属宁镇扬丘陵地区，长江横贯东西，将市域划分为江南、江北两大片区。依据《南京统计年鉴2021》（tjj.nanjing.gov.cn/bmfw/njtjnj/），截止2020年年底，南京市共有玄武区、秦淮区、鼓楼区、栖霞区等11个区，国土面积6587.02km2，常住人口931.97万人，城镇化率达到86.8%。虽然南京市较少发生高烈度地震等大型自然灾害，但根据《南京市“十四五”防震减灾规划》，南京市位于长江下游—南黄海地震带内，不能排除发生较大强度地震的可能。本文以《南京市国土空间总体规划（2020—2035）》 ① 中确定的主城区为研究范围，该区域人口众多，建筑密集，现代化程度高，防灾减灾压力较大。综合考虑城市发展历程与开发强度等的差异，将南京主城区分为核心区（玄武区、秦淮区、鼓楼区和建邺区）与外城区（浦口区、六合区、栖霞区、雨花台区和江宁区）两部分（图1），以便分析城市应急避难场所时空覆盖效能在南京主城区内部的空间分异。
图1 南京主城区应急避难场所

Fig. 1 The emergency shelters in the main urban area of Nanjing

2.2 数据来源

2.2.1 人口数据

人口数据来源于每日互动股份有限公司“个推”平台（getui.com）提供的南京市2020年11月152 m×152 m网格单元手机用户画像数据。与手机信令数据相比，手机用户画像数据具有覆盖度更广、数据精准度更高等优势。由于城市居民的生活空间与工作（学习）空间存在分离现象，且灾害的发生具有随机性，因此有必要以人口昼夜分布数据对应急避难场所进行研究[30]。本文将日间人口位置界定为每个用户过去三个月在白天（10:00—17:00）出现最久的位置，夜间人口位置界定为每个用户过去三个月在夜晚（21:00—次日6:00）出现最久的位置，据此得到南京主城区2020年11月份的昼夜人口分布数据。与正方形网格相比，正六边形网格可减少格网形状的边界效应带来的样本偏差[31]，本文利用ArcGIS软件建立边长为150 m的正六边形网格，获取每个网格内的人口数量，并将网格内的人口数据聚合于网格人口点的中位数中心，在白天和夜晚分别得到12083和11508个人口单元。

2.2.2 应急避难场所数据

本文的应急避难场所指已建成、可供居民在紧急情况下使用的应急避难场所，包含紧急型、中心型和固定型三类，主要包括公园、学校、广场等场地开阔、基础设施较为完善的场所。应急避难场所数据来源于南京市应急避难场所全息图（yjzh.njyjgl.cn），包括场所坐标、有效避难面积、有效避难人数等。通过与高德地图数据进行对比，整理后得到151个应急避难场所，并使用ArcGIS将避难场所数据转换成点要素。根据各应急避难场所有效避难人数信息，南京主城区151个应急避难场所可满足398万人的避难需求。截至2019年末，北京中心城区共有应急避难场所60个，可容纳208万人避难[7]，在应急避难场所个数和有效避难人数上南京具有明显优势，但在应急避难场所平均容纳的有效避难人数上，北京显著高于南京。

2.2.3 通行数据

考虑到在灾害来临后可能导致的机动交通瘫痪问题，本文仅采用步行作为居民前往应急避难场所的通行方式。王侠等[32]通过问卷调查的方式得出家庭理想出行时间为15 min左右，最大可容忍出行时间为30 min。基于此，本文以10 min作为间隔，将通行时间阈值设为10 min、20 min和30 min，通过获取的人口数据和应急避难场所数据，利用高德地图API（lbs.amap.com）所提供的步行路径规划功能，计算各人口单元在时间阈值内前往最近应急避难场所的步行时间。

2.3 研究方法

2.3.1 改进型高斯两步移动搜索法

Radke等[33]在2000年提出的两步移动搜索法（two-step floating catchment area method，2SFCA）是研究公共服务设施可达性的主要方法之一，该方法由Lou[34]在2003年正式命名为两步移动搜索法。两步移动搜索法可以通过引入距离衰减函数[35⇓⇓-38]和考虑设施间竞争关系[39⇓-41]等方式进行改进以适应实际研究需求，被广泛用于公共服务设施空间布局研究。
传统的高斯型两步移动搜索法多采用距离成本进行计算，本文结合路径规划，将居民步行前往应急避难场所的距离成本替换为时间成本，主要构建过程如下：
第一步，基于南京市应急避难场所全息图获取应急避难场所 j坐标，以 j为中心，用步行前往应急避难场所的极限时间 t 0代替极限距离 d 0作为搜索域，利用高斯函数分别对人口单元 i内居民步行10 min、20 min、30 min能到达避难所的人口数量进行衰减计算后求和，以应急避难场所 j的有效避难面积除以人口单元 i的人口之和，得到加权人均避难面积 R j：
R j = S j ∑ i ∈ t i j ≤ t 0 G t i j × D i
式中： S j为应急避难场所 j的供给规模，以有效避难面积衡量（m2）； t i j表示人口单元 i内居民步行到应急避难场所 j所需的时间（min）； D i是搜索范围内人口单元 i的人口数量（人）； G t i j是高斯函数，通过公式（2）进行计算后获得：
G t i j = e - 1 2 × t i j t 0 2 - e - 1 2 1 - e - 1 2           t i j < t 0 0                                                           t i j ≥ t 0
第二步，从每个人口单元 i出发，以 i为中心，以前往应急避难场所的极限通行时间 t 0为半径，通过高斯衰减函数对避难所的加权人均避难面积 R j求和，得到每个人口单元的可达性 A i：
A i = ∑ i ∈ t i j < t 0 G t i j × R j
式中： A i为人口单元 i对应急避难场所的可达性指数。 A i的值越大，人口单元 i的可达性越好。

2.3.2 空间自相关分析

空间自相关主要用于分析研究对象在空间上的相关关系，可以分为全局空间自相关和局部空间自相关两种。本文利用空间自相关分析南京主城区人口密度与应急避难场所可达性之间的关联程度，利用Geoda软件进行操作，相关计算公式参考已有研究[42]，具体操作步骤如下：①利用全局莫兰指数（Global Moran's I）对该区域人口密度与应急避难场所昼夜30 min可达性之间是否存在空间相关性进行分析：I的取值范围是[-1, 1]，当I∈[-1, 0）时，表示二者间存在空间负相关；当I=0时，二者间呈随机性；当I∈（0, 1]时，表示二者间存在空间正相关。②采用局部莫兰指数（Local Moran's I）得到该区域人口密度与应急避难场所可达性之间空间相关性的类型：高-高（高人口密度-高可达性），高-低（高人口密度-低可达性），低-高（低人口密度-高可达性），低-低（低人口密度-低可达性）。

2.3.3 基于有效避难人数的供需比分析

两步移动搜索法利用应急避难场所有效避难面积计算出的可达性，从微观角度体现出各人口单元内居民可享有最近应急避难场所服务的能力，但较难表现出应急避难场所与服务域内居民之间的供需关系。利用应急避难场所可供避难人数数据计算应急避难场所供需比，可以识别应急避难场所服务域内供给量小于需求量的人口单元，从而明确南京主城区应急避难场所配置缺口所在。主要公式如下：
P j = S j D i
式中： S j为各应急避难场所供给量； D i为各应急避难场所服务域内人口单元需求量； P j为各应急避难场所服务域内人口单元的供需比。

3 结果与分析

3.1 主城区人口与应急避难场所分布特征

根据手机用户画像数据，南京主城区昼夜人口数量分别为583万人和740万人，通过ArcGIS软件计算主城区昼夜人口密度，3D化后旋转得到主城区昼夜人口密度图（图2）。不难发现，南京主城区核心区人口密度高于外城区，日间人口密度的空间差异大于夜间，日间人口密度最高的区域位于鼓楼区、玄武区和秦淮区交界的新街口、洪武路、五老村和华侨路街道，其他地区人口密度相对较小；夜间人口分布相对均匀，没有特别明显的极值区，人口密度最大的区域位于新街口和洪武路街道。由此，南京主城区存在明显的职住空间分离现象，日间核心区存在明显的工作（学习）区，夜间核心区与外城区均存在明显的居住区。根据应急避难场所空间分布（图1），南京主城区以规模较小（有效避难面积<2万 m2）的应急避难场所为主，共有84个，占比超过50%，空间分布较为密集；规模较大（有效避难面积>10万 m2）的应急避难场所数量少，仅有14个，在空间上较为分散。尽管南京主城区应急避难场所在空间上与人口密度具有较好的耦合性，但也存在部分人口密度高值区缺少应急避难场所的情况。例如，华侨路和湖南路街道昼夜人口密度均较高，但附近应急避难场所数量少，有效避难面积小；秣陵街道夜间人口密度较高，但街道内大部分地区没有应急避难场所。
图2 南京主城区昼夜人口密度

Fig. 2 The circadian population density in the main urban area of Nanjing

3.2 主城区应急避难场所时空覆盖

通过计算应急避难场所在不同时间阈值内覆盖的人口单元和人口数量的百分比，对南京主城区应急避难场所时空覆盖特征进行分析。从图3可以发现南京主城区应急避难场所服务域的覆盖范围随时间的延长不断增加，覆盖人口单元和人口的数量也不断上升。
图3 南京主城区应急避难场所时空覆盖

Fig. 3 The spatiotemporal coverage of emergency shelters in the main urban area of Nanjing

从总体来看，主城区应急避难场所覆盖效能较好。虽然在30 min内昼夜分别覆盖6842个和6627个人口单元，仅占所有人口单元的56.63%和57.58%，但昼夜覆盖人口数量分别达到431万人和574万人，占主城区总人口数量的73.88%和77.58%。
结合图1与图3，对比核心区与外城区应急避难场所时空覆盖情况可以发现，虽然核心区应急避难场所数量少于外城区，但核心区面积较小且人口密度大，昼夜应急避难场所总体覆盖效能高，在30 min内分别覆盖2619个和2567个人口单元，占区域内总人口单元的70%，覆盖人口数量分别达到254万人和286万人，占核心区总人口的88.81%和86.65%。外城区面积较大，人口分布较为分散，因此昼夜应急避难场所覆盖效能低于核心区，在30 min内分别覆盖4223个和4060个人口单元，仅占区域内总人口单元的51%，日间覆盖人口数量为177万人，占外城区总人口的59.72%，夜间覆盖效能明显高于日间，覆盖人口达到288万人，占外城区总人口的70.26%。

3.3 基于改进后高斯两步移动搜索法的可达性

采用手机用户画像数据及高德地图API的路径规划技术，利用改进的高斯两步移动搜索法，对南京主城区各人口单元的可达性进行计算，通过ArcGIS软件的几何分隔方法将可达性值分为不可达（0）、可达性低（0.01~0.40）、可达性较低（0.41~4.08）、可达性一般（4.09~40.81）、可达性较高（40.82~408.18）、可达性高（≥408.19）6个等级。可达性值的高低反映了各人口单元内居民前往最近应急避难场所并享受服务的能力，可达性值越高，表示该人口单元内的居民可以更好地享受应急避难场所的服务；可达性为0意味着该人口单元内的居民在时间阈值内无法到达应急避难场所。
利用高斯两步移动搜索法计算的可达性结果，综合考虑了应急避难场所的供给量、服务域内居民的需求量和通行时间三个要素，随着时间阈值的增加，应急避难场所服务域的范围不断扩大，覆盖人口数量不断增加，在应急避难场所有效避难面积固定的情况下，其加权人均避难面积就会减少，导致各人口单元可达性值下降，当可达性值下降到一定阈值时，部分人口单元的可达性等级就随之下降。由图4，南京市主城区应急避难场所整体可达性水平较低，无论是日间还是夜间，在大部分时间阈值条件下，可达性“低”和“较低”等级的人口单元个数及占比均具有一定优势。从不同可达性等级人口单元的占比来看，随着时间的延长（服务范围扩大），南京主城区应急避难场所可达性等级为“低”的人口单元占比不断增加，日间与夜间分别从10 min时的18.22%和24.52%上升至30 min时的40.02%和50.73%；日间可达性等级为“较低”的人口单元占比变化不大，在10~30 min时均在50%左右，夜间则不断下降，在30 min时由49.05%下降至41.41%；可达性等级为“一般”“较高”和“高”的人口单元占比随时间的延长不断下降，可达性等级为“高”的人口单元数量在30 min时下降至0。很明显，随着时间阈值的增加，南京主城区部分人口单元的可达性等级呈下降态势。
图4 南京主城区应急避难场所总体可达性

Fig. 4 The overall accessibility of emergency shelters in the main urban area of Nanjing

图5显示，南京主城区应急避难场所可达性呈现由中心向四周增长的趋势，外城区应急避难场所服务域内人口单元的可达性优于核心区。核心区人口密集，交通网络较为完善，但应急避难场所数量少，有效避难面积小，随着时间阈值的增加，可达性等级为“低”的人口单元占比不断上升；外城区人口密度低于核心区，应急避难场所数量较多，尽管随着时间阈值的增加可达性等级为“低”和“较低”的人口单元占比也在不断上升，但其总体可达性相对优于核心区。大型应急避难场所提升附近地区可达性的效果明显，可达性等级在“较高”和“高”的人口单元，多分布在规模较大的应急避难场所如雨花广场、桥北滨江生态公园、白马公园附近。从昼夜差异来看，南京主城区应急避难场所可达性波动总体较小，但如江北浦口区的沿江和泰山街道，以及雨花台区的铁心桥和西善桥等街道，昼夜可达性变化较大。
图5 南京主城区应急避难场所昼夜可达性

Fig. 5 The day and night accessibility of emergency shelters in the main urban area of Nanjing

3.4 主城区可达性与人口密度的空间自相关分析

基于Geoda软件对南京主城区人口密度与应急避难场所昼夜在30 min阈值的可达性进行空间相关性分析。计算得出日间全局莫兰指数I=-0.108，P值为0.001，Z值为-20.6936；夜间全局莫兰指数I=-0.119，P值为0.001，Z值为-21.8504，据此可以认为南京主城区人口密度与应急避难场所可达性存在较为显著的空间负相关关系，即人口密度越大，可达性越低。
进一步分析人口密度与可达性相关关系的聚类特征。从日间Lisa图（图6a）可见，低-低型和高-低型人口单元具有明显优势，其中低-低型人口单元数量最多，有1055个，主要分布于江浦街道、顶山街道、迈皋桥街道和红山街道等附近；高-低型人口单元有918个，主要分布于宁海路街道、华侨路街道、湖南路街道和中央门街道附近。低-高型和高-高型人口单元相对较少，其中低-高型有282个，主要分布于顶山街道、泰山街道、宁南街道和锁金村街道等，高-高型仅有23个，空间上伴生于低-高型人口单元集中区。从夜间Lisa图（图6b）可见，低-低型和高-低型人口单元依旧具有明显优势，其中高-低型人口单元数量最多，有1035个，低-低型人口单元数量有761个，其空间分布与日间相似，但日间在沿江街道、红山街道、宝塔街道和幕府山街道附近人口单元的聚类模式主要是低-低型，夜间则是高-低型。夜间低-高型人口单元有257个，高-高型的人口单元数量有41个，数量均明显少于低-低型和高-低型，且在空间上也存在一定的伴生关系。
图6 南京主城区昼夜人口密度与可达性空间聚类

Fig. 6 Spatial clustering of population density and accessibility during day and night in the main urban area of Nanjing

总体上，尽管南京主城区高-高型人口单元数量较少，但低-低型人口单元数量较多，两者累计数量不少，由此说明应急避难场所可达性的空间分布存在不均衡性，同时夜间高-高型和低-低型人口单元的数量低于日间，表明日间不均衡性高于夜间。

3.5 供需比分析

为进一步识别南京主城区应急避难场所空间布局的不足，基于应急避难场所有效避难人数信息，计算各应急避难场所在10、20、30 min内的供需比。将供需比计算结果分为<1和≥1两种，其中供需比<1表示服务域内应急避难场所供给小于居民需求，≥1则表明应急避难场所供给能满足服务域内居民需求。
从表1可以看出，南京主城区应急避难场所的供需比总体较差，随着时间阈值增加，供需比<1的人口单元占比持续增加，昼夜分别由10 min时的45.67%和60.10%上升至30 min时的77.56%和87.37%，日间供需比高于夜间。核心区由于人口密度高，应急避难场所数量较少且规模不大，因此应急避难场所的供给缺口较大；外城区相对较好，但随着时间阈值的增加，其供给缺口也不断扩大。
表1 南京主城区应急避难场所供需比

Tab. 1 The supply-demand ratio of emergency shelters in the main urban area of Nanjing

昼夜 时间 分区 供需比≥1 供需比<1
人口单元（个） 占比
（%）		 人口数量（人） 占比
（%）		 人口单元（个） 占比
（%）		 人口数量/（人） 占比
（%）
日间
 10 min
 核心区 204 13.09 125660 10.60 483 30.98 632478 53.33
外城区 643 41.24 278834 23.51 229 14.69 149008 12.56
20 min
 核心区 194 4.34 110695 3.51 1634 36.58 1871360 59.34
外城区 1058 23.68 443323 14.06 1581 35.39 728135 23.09
30 min
 核心区 289 4.22 138511 3.21 2330 34.05 2402431 55.68
外城区 1246 18.21 438530 10.16 2977 43.51 1334923 30.94
夜间
 10 min
 核心区 215 14.14 154071 9.55 457 30.05 709962 44.03
外城区 392 25.77 250151 15.51 457 30.05 498429 30.91
20 min
 核心区 135 3.09 84884 2.01 1672 38.24 2138092 50.51
外城区 629 14.39 361387 8.54 1936 44.28 1648410 38.94
30 min
 核心区 181 2.73 107354 1.87 2384 35.97 2746418 47.82
外城区 656 9.90 340831 5.93 3406 51.40 2549141 44.38
从核心区和外城区应急避难场所供需比的变化趋势来看，随着时间阈值增加，两者供需比<1的人口单元占比总体均呈上升态势。核心区在10 min时昼夜供需比<1的人口单元占比分别达30.98%和30.05%，在30 min时上升至34.05%和35.97%；外城区供需比<1的人口单元占比昼夜分别从10 min时的14.69%和30.05%上升至30 min时的43.51%和51.40%。结合图7可以发现，无论昼夜，核心区在10 min时多数应急避难场所处于供不应求的状态；外城区在日间随时间阈值的增加，区域内多数应急避难场所与人口单元之间的供需关系逐渐由供大于求转变为供不应求；夜间则始终处于供不应求的状态。
图7 南京主城区应急避难场所供需比分布

Fig. 7 Distribution of the supply-demand ratio of emergency shelters in the main urban area of Nanjing

依据南京市应急避难场所全息图中获取的应急避难场所有效避难人数信息，主城区应急避难场所可供避难人数为398万人。从主城区应急避难场所在不同时间阈值内覆盖人口单元的人口数量来看，日间在30 min阈值时对应急避难场所的需求达到431万人，夜间在20 min阈值时的需求达到423万人，均超出主城区应急避难场所的供给量。从表1和图7可以看出，在10 min时，核心区多数应急避难场所的供给量就已经低于其服务域内居民的需求量；外城区相对较好，在10 min时多数应急避难场所可以满足服务域内居民的需求，但随着时间阈值的增加，也逐渐转变为供不应求的状态，尤其是江北的浦口区和六合区。

4 结论与讨论

4.1 结论

本文以南京主城区为例，以手机用户画像数据取代统计年鉴数据获取人口数量，以高德地图API提供的路径规划功能模拟实际通行情况，采用改进后的两步移动搜索法研究应急避难场所可达性，并通过计算各应急避难场所的供需比，识别出应急避难场所与人口分布间的供需关系，分析应急避难场所供给缺口。主要结论如下：
（1）南京主城区夜间人口多于日间，日间人口密度在玄武区、鼓楼区和秦淮区交界处呈现出明显的极值区，夜间人口分布相对较为均衡。南京主城区内规模较小的应急避难场所数量多，空间分布较为密集，规模较大的应急避难场所数量少，在空间上较为分散，且应急避难场所空间布局与人口密度耦合性较高。
（2）南京主城区应急避难场所的服务域随时间阈值的增大不断扩大，覆盖人口单元的数量不断增加，在30 min时，昼夜覆盖的人口单元百分比近60%，其覆盖的居民数量百分比近80%，总体覆盖效能较好。区域内应急避难场所整体可达性水平较低，昼夜波动不大，与人口密度呈负相关关系，且应急避难场所空间分布存在不均衡性。
（3）南京主城区应急避难场所昼夜供需比整体较低。核心区多数应急避难场所在短时间阈值内就已经处于供不应求的状态，因此亟需加强应急避难场所的建设与布局优化；外城区应急避难场所的供需比在短时间阈值相对较好，但随时间的增加其供给缺口也逐渐扩大，其中江北的浦口区和六合区供给缺口较大。
基于此，本文提出以下建议：
（1）增加应急避难场所数量。深挖南京主城区的空间潜力，因地制宜建设大型应急避难场所，均衡布局小型应急避难场所。针对供需比较低的核心区，考虑到建设大型应急避难场所的用地需求较高，可以考虑将部分符合条件的学校、公园、体育场馆等改造为应急避难场所；对于供需比矛盾较为突出的江北地区，在现有公共场所改造的同时，可适当布局新建若干大型应急避难场所。
（2）优化存量应急避难场所。依据《南京市应急避难场所建设指导规划（2016—2020）》，南京市紧急型、固定型和中心型应急避难场所的人均有效避难面积分别为1 m2/人、3 m2/人和4.5 m2/人，根据该标准及现有各应急避难场所有效避难面积，理论上南京主城区存量避难场所最大可满足606万人的避难需求，较之398万人的实际有效避难人数，还有较大的提升空间。为此，应加大存量应急避难场所优化升级力度，提升存量应急避难场所的服务能力与人员承载能力。此外，应适当增加应急避难场所出入口，完善周边道路系统，提升应急避难场所与其他服务设施的连通性，缩短居民抵达避难场所的通行时间。

4.2 讨论

对于南京等较少发生高烈度地震等大型自然灾害的城市，是否需要建设可以覆盖全部居民的应急避难场所，也许是一个值得讨论的问题。基于以人为本和人民城市理念，本文认为不能因为小概率事件而忽视人民群众的应急避难需求，而且，城市避难场所多为公园、绿地等“平灾结合”型公共场所，修建避难场所可以为人们提供更多的休闲娱乐空间，有利于增加城市居民的安全感和幸福感。本文采用的手机用户画像数据，缺失不使用手机的中小学生、婴幼儿及不使用智能手机的老年人等群体，据此获取的人口数量将明显低于城市实际的人口数量（常住人口及流动人口），由此说明南京应急避难场所的缺口较之本文计算结果将更大，亟需引起地方政府的关注和重视。
本文在应急避难场所可达性及供需关系分析上具有一定创新，但还有以下几点有待继续深化：①在设定通行时间时仅考虑成年人平均步行速度，没有考虑到不同年龄，性别，身体状况等对步行速度产生的影响。②将居民的避难需求简单化，仅考虑通行时间这一单个影响因素，认为所有居民都会选择通行时间最短的应急避难场所，没有考虑到不同人群对应急避难场所基础设施和服务能力的需求。③可达性和供需比计算的结果在一定程度上偏于理想化，未来对应急避难场所空间布局优化的相关研究应当从多学科融合的角度出发，结合实地考察的方式选取合适的指标进行建模，从而能更为科学地提出应急避难场所空间布局优化方案。

衷心感谢两位评审专家在审阅论文时所花费的时间和精力，评审专家对本文的覆盖效能概念界定、两步移动搜索法和供需比计算方法的凝练、整体语言逻辑等方面提出的建议，使本文获益匪浅。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
苏幼坡, 刘瑞兴. 城市地震避难所的规划原则与要点. 灾害学, 2004, 19(1): 89-93.

[Su Youpo, Liu Ruixing. Planning principles and outlines of urban earthquake shelters. Journal of Catastrophology, 2004, 19(1): 89-93.]. DOI: 10.3969/j.issn.1000-811X.2004.01.019.

[2]
杜浩国, 林旭川, 张方浩, 等. 基于蚁群优化算法的应急避难场所选址模型研究. 自然灾害学报, 2021, 30(2): 89-101.

[Du Haoguo, Lin Xuchuan, Zhang Fanghao, et al. Study on emergency shelter location model based on ant colony optimization algorithm. Journal of Natural Disasters, 2021, 30(2): 89-101.]. DOI: 10.13577/j.jnd.2021.0209.

[3]
於家, 温家洪, 陈芸, 等. 基于应急疏散智能体模型模拟的城市避难所空间配置: 以上海市静安区为例. 地理学报, 2017, 72(8): 1458-1475.

DOI

[Yu Jia, Wen Jiahong, Chen Yun, et al. Spatial configuration of urban shelters based on simulation using emergency evacuation agent-based model: A case study in Jing'an district, Shanghai. Acta Geographica Sinica, 2017, 72(8): 1458-1475.]. DOI: 10.11821/dlxb201708010.

[4]
周爱华, 张景秋, 杜姗姗, 等. 一种北京城区避难场所可达性评价方法. 测绘科学, 2017, 42(1): 88-92+106.

[Zhou Aihua, Zhang Jingqiu, Du Shanshan, et al. Spatial accessibility of emergency shelters in Beijing based on improved two-step floating catchment area method. Science of Surveying and Mapping. 2017, 42(1): 88-92+106.]. DOI: 10.16251/j.cnki.1009-2307.2017.01.017.

[5]
吕伟, 李承旭, 马亚萍. 基于GIS位置分配的城市应急避难场所责任区划分. 清华大学学报(自然科学版), 2022, 62(6): 1102-1109.

[Lü Wei, Li Chengxu, Ma Yaping. Division of responsibility areas for urban emergency shelters based on a GIS location-allocation analysis. Journal of Tsinghua University(Science and Technology), 2022, 62(6): 1102-1109.]. DOI: 10.16511/j.cnki.qhdxxb.2022.22.032.

[6]
艾合麦提·那麦提, 曾坚, 蒋飞阳. 基于综合灾害风险的应急避难服务供需评估与规划干预: 以天津市为例. 灾害学, 2022, 37(4): 92-100.

[Aihemaiti Namaiti, Zeng Jian, Jiang Feiyang. Supply-demand analysis and planning intervention of emergency shelter services based on comprehensive disaster risk: A case study in Tianjin. Journal of Catastrophology, 2022, 37(4): 92-100.]. DOI: 10.3969/j.issn.1000-811X.2022.04.016.

[7]
周爱华, 谌丽, 朱海勇, 等. 社区尺度的北京中心城区应急避难场所布局合理性研究. 安全与环境学报, 2021, 21(4): 1662-1669.

[Zhou Aihua, Chen Li, Zhu Haiyong, et al. Reasonability of spatial distribution for urban emergency shelter in central district of Beijing at community scale. Journal of Safety and Environment, 2021, 21(4): 1662-1669.]. DOI: 10.13637/j.issn.1009-6094.2021.0832.

[8]
侯汉平, 耿劭卿. 基于混合决策的城市固定避难所选址优化. 安全与环境学报, 2023, 23(3): 682-693.

[Hou Hanping, Geng Shaoqing. Optimization of urban resident emergency congregate shelter location based on hybrid decision. Journal of Safety and Environment, 2023, 23(3): 682-693.]. DOI: 10.13637/j.issn.1009-6094.2021.1824.

[9]
卢永华, 李爽. 改进G2SFCA的深圳市室内应急避难场所空间可达性研究. 武汉大学学报(信息科学版), 2019, 44(9): 1391-1398.

[Lu Yonghua, Li Shuang. Spatial accessibility of indoor emergency shelters based on improved G2SFCA in Shenzhen city. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1391-1398.]. DOI: 10.13203/j.whugis20180456.

[10]
孙艳玲, 李俊蓉, 张夏坤, 等. 基于昼夜人口变化的应急避难场所可达性评价: 以天津市西青区为例. 安全与环境学报, 2022, 22(6): 3342-3349.

[Sun Yanling, Li Junrong, Zhang Xiakun, et al. Evaluation of the accessibility of emergency shelters based on day and night population changes: A case study in Xiqing district of Tianjin. Journal of Safety and Environment, 2022, 22(6): 3342-3349.]. DOI: 10.13637/j.issn.1009-6094.2021.1216.

[11]
吴超, 王其东, 李珊. 基于可达性分析的应急避难场所空间布局研究: 以广州市为例. 城市规划, 2018, 42(4): 107-112+124.

[Wu Chao, Wang Qidong, Li Shan. Spatial distribution of emergency shelters based on accessibility: A case of Guangzhou. City Planning Review, 2018, 42(4): 107-112+124.]. DOI: 10.11819/cpr20180415a.

[12]
苏浩然, 陈文凯, 王紫荆, 等. 基于改进引力模型的城市应急避难场所空间布局合理性评价. 地震工程学报, 2020, 42(1): 259-269.

[Su Haoran, Chen Wenkai, Wang Zijing, et al. Rationality evaluation of spatial layout of urban emergency shelters based on improved gravity model. China Earthquake Engineering Journal, 2020, 42(1): 259-269.]. DOI: 10.3969/j.issn.1000-0844.2020.01.259.

[13]
Alipour A, Shafei B. Seismic resilience of transportation networks with deteriorating components. Journal of Structural Engineering, 2016, 142(8): C4015015.]. DOI: 10.1061/(ASCE)ST.1943-541X.0001399.

[14]
Franchin P, Lupoi A, Pinto P E. On the role of road networks in reducing human losses after earthquakes. Journal of Earthquake Engineering, 2006, 10(2): 195-206. DOI: 10.1080/13632460609350593.

[15]
Stergiou E C, Kiremidjian A S. Risk assessment of transportation systems with network functionality losses. Structure and Infrastructure Engineering, 2010, 6(1-2): 111-125. DOI: 10.1080/15732470802663839.

[16]
Ertugay K, Argyroudis S, DüZGüN H Ş. Accessibility modeling in earthquake case considering road closure probabilities: A case study of health and shelter service accessibility in Thessaloniki, Greece. International Journal of Disaster Risk Reduction, 2016, 17(7): 49-66. DOI: 10.1016/j.ijdrr.2016.03.005.

[17]
樊良新, 佟艳, 刘昌华. 城市社区应急避难所评价: 以焦作市为例. 人文地理, 2013, 28(3): 107-113.

[Fan Liangxin, Tong Yan, Liu Changhua. Assessment of emergency disaster mitigation of shelters of community in cities: A case study of Jiaozuo. Human Geography, 2013, 28(3): 107-113.]. DOI: 10.13959/j.issn.1003-2398.2013.03.001.

[18]
Nappi M, Souza J. Disaster management: Hierarchical structuring criteria for selection and location of temporary shelters. Natural Hazards, 2015, 75(3): 2421-2436. DOI: 10.1007/s11069-014-1437-4.

[19]
Chu J, Su Y. The application of TOPSIS method in selecting fixed seismic shelter for evacuation in cities. Systems Engineering Procedia, 2012, 3: 391-397. DOI: 10.1016/j.sepro.2011.10.061.

[20]
陈明洁, 吕飞. 基于社会网络分析的苏州古城区应急避难场所布局优化研究. 城市发展研究, 2022, 29(4): 1-8+15.

[Chen Mingjie, Lyu Fei. Research on layout optimization of emergency evacuation sites in ancient Suzhou city based on social network analysis. Urban Development Studies, 2022, 29(4): 1-8+15.]. DOI: 10.3969/j.issn.1006-3862.2022.04.009.

[21]
马运佳, 赵秀娟, 秦连杰, 等. 多约束多目标的灾害避难所选址优化研究: 以海南省文昌市为例. 灾害学, 2018, 33(1): 218-224.

[Ma Yunjia, Zhao Xiujuan, Qin Lianjie, et al. Multi-objective location-allocation model for earthquake emergency shelters with multiple constraints: A case study in Wenchang of Hainan province. Journal of Catastrophology, 2018, 33(1): 218-224.]. DOI: 10.3969/j.issn.1000-811X.2018.01.038.

[22]
韩业凡, 吕伟, 周雯楠, 等. 考虑公众选择偏好的应急避难安置双阶段选址-分配模型. 中国安全生产科学技术, 2023, 19(3): 20-26.

[Han Yefan, Lyu Wei, Zhou Wennan, et al. Two-stage location-allocation model of emergency shelter considering public selection preference. Journal of Safety Science and Technology, 2023, 19(3): 20-26.]. DOI: 10.11731/j.issn.1673-193x.2023.03.003.

[23]
Tsai C H, Yeh Y L. The study of integrating geographic information with multi-objective decision making on allocating the appropriate refuge shelters: Using Kengting National Park as an example. Natural Hazards, 2016, 82(3): 2133-2147. DOI: 10.1007/s11069-016-2298-9.

[24]
Bunea G, Leon F, Atanasiu G M. Postdisaster evacuation scenarios using multiagent system. Journal of Computing in Civil Engineering, 2016, 30(6): 05016002. DOI: 10.1061/(ASCE)CP.1943-5487.0000575.

[25]
Bera S, Gnyawali K, Dahal K, et al. Assessment of shelter location-allocation for multi-hazard emergency evacuation. International Journal of Disaster Risk Reduction, 2023, 84(1): 103435. DOI: 10.1016/j.ijdrr.2022.103435.

[26]
刘朝峰, 杜金泽, 张嘉鑫, 等. 基于RAGA-PP模型的城市应急避难场所适宜性分析. 灾害学, 2020, 35(2): 80-84.

[Liu Chaofeng, Du Jinze, Zhang Jiaxin, et al. Analysis of the suitability of urban emergency shelter based on RAGA-PP Model. Journal of Catastrophology, 2020, 35(2): 80-84.]. DOI: 10.3969/j.issn.1000-811X.2020.02.016.

[27]
曹珂, 彭祥宇, 王雨琪, 等. 使用者视角下城市应急避难场所适用性评价研究: 以重庆市沙坪坝区为例. 安全与环境工程, 2019, 26(6): 63-71+78.

[Cao Ke, Peng Xiangyu, Wang Yuqi, et al. Applicability evaluation of urban emergency shelter from the user's perspective: A case study of Shapingba district, Chongqing. Safety and Environmental Engineering, 2019, 26(6): 63-71+78.]. DOI: 10.13578/j.cnki.issn.1671-1556.2019.06.010.

[28]
陈伟, 汤一鸣, 赵军, 等. 基于手机信令数据的城市尺度地震避难疏散模拟. 地震研究, 2023, 46(4): 611-621.

[Chen Wei, Tang Yiming, Zhao Jun, et al. Urban-scale earthquake evacuation simulation based on mobile phone signaling data. Journal of Seismological Research, 2023, 46(4): 611-621.]. DOI: 10.20015/j.cnki.ISSN1000-0666.2023.0053.

[29]
王德, 李丹, 傅英姿. 基于手机信令数据的上海市不同住宅区居民就业空间研究. 地理学报, 2020, 75(8): 1585-1602.

DOI

[Wang De, Li Dan, Fu Yingzi. Employment space of residential quarters in Shanghai: An exploration based on mobile signaling data. Acta Geographica Sinica, 2020, 75(8): 1585-1602.]. DOI: 10.11821/dlxb202008003.

[30]
梁亚婷, 温家洪, 杜士强, 等. 人口的时空分布模拟及其在灾害与风险管理中的应用. 灾害学, 2015, 30(4): 220-228.

[Liang Yating, Wen Jiahong, Du Shiqiang, et al. Spatial-temporal distribution modeling of population and its applications in disaster and risk management. Journal of Catastrophology, 2015, 30(4): 220-228.]. DOI: 10.3969/j.issn.1000-811X.2015.04.038.

[31]
任家怿, 王云. 基于改进两步移动搜索法的上海市黄浦区公园绿地空间可达性分析. 地理科学进展, 2021, 40(5): 774-783.

DOI

[Ren Jiayi, Wang Yun. Spatial accessibility of park green space in Huangpu district of Shanghai based on modified two-step floating catchment area method. Progress in Geography, 2021, 40(5): 774-783.]. DOI: 10.18306/dlkxjz.2021.05.005.

[32]
王侠, 陈晓键. 西安城市小学通学出行的时空特征与制约分析. 城市规划, 2018, 42(11): 142-150.

[Wang Xia, Chen Xiaojian. Spatial-temporal characteristics and constraint of primary school commuting in Xi'an city. City Planning Review, 2018, 42(11): 142-150.]. DOI: 10.11819/cpr20181117a.

[33]
Radke J, Mu L. Spatial Decompositions, modeling and mapping service regions to predict access to social programs. Geographic Information Sciences, 2000, 6(2): 105-112.]. DOI: 10.1080/10824000009480538.

[34]
Luo W, Wang F. Measures of spatial accessibility to health care in a GIS environment: Synthesis and a case study in the Chicago region. Environment and Planning B: Planning and Design, 2003, 30(6): 865-884.]. DOI: 10.1068/b29120.

[35]
Luo W, Qi Y. An enhanced two-step floating catchment area (E2SFCA) method for measuring spatial accessibility to primary care physicians. Health & Place, 2009, 15(4): 1100-1107. DOI: 10.1016/j.healthplace.2009.06.002.

[36]
Dai D, Wang F. Geographic disparities in accessibility to food stores in Southwest Mississippi. Environment and Planning B: Planning and Design, 2011, 38(4): 659-677. DOI: 10.1068/b36149.

[37]
陶卓霖, 程杨, 戴特奇. 北京市养老设施空间可达性评价. 地理科学进展, 2014, 33(5): 616-624.

DOI

[Tao Zhuolin, Cheng Yang, Dai Teqi. Measuring spatial accessibility to residential care facilities in Beijing. Progress in Geography, 2014, 33(5): 616-624.]. DOI: 10.11820/dlkxjz.2014.05.003.

[38]
Dai D. Black residential segregation, disparities in spatial access to health care facilities, and late-stage breast cancer diagnosis in metropolitan Detroit. Health & Place, 2010, 16(5): 1038-1052.]. DOI: 10.1016/j.healthplace.2010.06.012.

[39]
Liang H, Yan Q, Yan Y, et al. Using an improved 3SFCA method to assess inequities associated with multimodal accessibility to green spaces based on mismatches between supply and demand in the metropolitan of Shanghai, China. Sustainable Cities and Society, 2023, 91(5): 104456. DOI: 10.1016/j.scs.2023.104456.

[40]
Luo J. Integrating the Huff model and floating catchment area methods to analyze spatial access to healthcare services. Transactions in GIS, 2014, 18(3): 436-448. DOI: 10.1111/tgis.12096.

[41]
Ngui A N, Apparicio P. Optimizing the two-step floating catchment area method for measuring spatial accessibility to medical clinics in Montreal. BMC Health Services Researsh, 2011, 11(1): 166. DOI: 10.1186/1472-6963-11-166.

[42]
Chen Y, Yue W, Rosa D L. Which communities have better accessibility to green space? An investigation into environmental inequality using big data. Landscape and Urban Planning, 2020, 204(2): 103919. DOI: 10.1016/j.landurbplan.2020.103919.

Options
Outlines

/

〈 〉