引言

城市高密度地区具有人口密度大、建筑物易损性高等特点，一旦发生地震、火灾等突发灾害，人群难以在短时间内疏散到安全区域，严重时甚至会发生人群踩踏等公共安全事件，造成较严重的生命财产损失。合理规划疏散路径，保证人群在灾害发生时快速、安全疏散至避难空间，是城市规划和应急管理人员面临的重要问题（丁琳等，2015）。因此，进行人群疏散过程模拟、计算灾害发生时的疏散时间，对制定应急疏散方案、编制防灾规划、优化避难场所空间具有重要意义。

在应急疏散研究领域，国内外学者通过计算机仿真模拟方法模拟了人群疏散过程（Gwynne等，1999；Lindell，2008）。人群疏散模型分为静态网络分析模型和动态模型，静态网络分析模型是将疏散场景中的路线简化为网络节点和路径，计算疏散时间和流量，但无法动态表征疏散过程和道路拥堵情况，无法反映疏散中个体间的交互作用与个体特征，与实际应急疏散过程相差甚远。动态模型考虑到灾害事件及疏散过程的动态特性，相比静态网络分析模型更合理。动态模型中又包括宏观模型和微观模型，二者的区别在于对人群运动的模拟方法不同，宏观模型将人群视为一个整体（宋英华等，2020），微观模型则将人群拆解为一个个相互影响的独立个体。2种模型各有优缺点，相较于宏观模型，微观模型模拟结果更能反映真实情况，但所需的计算量大、效率低（钟光淳等，2021）。常见的微观模型有社会力模型（Helbing等，1995）、元胞自动机（Burstedde等，2001）、多智能体模型（Pan等，2007）等。多智能体模型是目前应急疏散领域最实用的微观模型，兼具计算效率性与模拟准确性。多智能体模型中每个个体均为一个智能体，可感知周边的环境变化并及时与其他智能体交换信息。模型通过对单个疏散者行为建模表现宏观的人群疏散特征，可模拟个体的异质性，从而实现更精确的仿真。研究尺度上，动态疏散模拟研究以大型公共建筑（刘莹等，2015）、医院（田玉敏，2013）、教学楼（王锟等，2016；Xiao等，2017）、地铁（Chen等，2020）、高层建筑（饶平等，2011）等建筑尺度为主，涉及街坊尺度的室外疏散模拟研究较少，已有的室外疏散模拟未考虑人群疏散行为决策，且多采用最短路径作为疏散路径（窦凯丽等，2016；黄丽蒂等，2020；梁琦，2020；孙澄等，2018；王燕语，2020；於家等，2017；左进等，2019；Zuo等，2021），模拟结果与实际疏散场景存在较大偏差。

本文以南京某高校校园为例，通过实地调研获取校园内部人口分布、建筑布局、道路网络、避难场所及人群属性特征等数据，通过开展问卷调查获取校园人群避难场所选择偏好、避难路径选择等典型疏散行为参数。在Pathfinder应急疏散平台建立多智能体疏散仿真模型，将疏散人群依据疏散速度、疏散行为决策的不同划分为64个不同类别，分别对白天和夜晚情况进行疏散模拟，得到校园人群总疏散时间、各栋建筑内人群完成疏散时间、拥堵路段及避难场所利用率。基于疏散模拟结果，从空间环境层面和应急管理层面提出更新优化策略并进行模拟验证。基于多轮精细化疏散仿真模拟，优化避难场所的空间选址和容量配置，获得更可信和有效的避难场所配置方案。

1.   研究区与研究方法

1.1   研究区概况

研究区为南京某高校校园，位于南京市鼓楼区，是典型的城市高密度片区。汉口路将校园划为南园、北园，南园是学生宿舍生活区，北园是教学科研区，面积约53万平方米（图1）。宿舍区、教学区的建筑在特定时段人群集聚，呈现低层高密度的特点，校园内道路网错综复杂，部分巷道宽度不足3 m，篮球场、操场由护栏包围，入口狭窄，灾时疏散过程中极易发生拥堵和踩踏事件，具有较大安全隐患。

图 1  研究区范围及避难场所分布

Figure 1.  Study area and distribution of refuge places

下载: 全尺寸图片 幻灯片

校园内应急避难场所主要包括5类：操场、绿地、露天停车场、体育馆、地下车库，其中操场、绿地、露天停车场为室外避难场所，体育馆为室内避难场所，地下车库为地下避难场所。根据范晨璟等（2018）的研究，地下空间在设计时已经对抗震性能设定了较高标准，且具有不受高空坠物等二次灾害影响的优点，因此遭受地震与火灾时，可作为短期避难场所。经统计，校园内应急避难场所共46处，其有效面积通过扣除布满高大灌木丛的绿地空间得出。图1黄色部分表示校内避难场所具体位置。

依据建筑功能的不同将校园内建筑分为8类：办公楼、教学楼、宿舍、超市、教学办公楼、图书馆、食堂及无人建筑。将摄像机放置于各类建筑出入口，基于连续24 h的视频观测，统计人数变化情况，获取不同类型建筑内部不同时段人口数量（图2）。根据同类别建筑的实际建筑面积比例，计算同类别建筑的人口分布情况，最终得到校园内所有建筑昼夜人口数量变化情况，作为昼夜情境下灾害疏散模拟的基础数据。

下载: 全尺寸图片 幻灯片

图 2  不同类型建筑24 h人口总数变化

Figure 2.  Change of total population in different types of buildings in 24 hours

下载: 全尺寸图片 幻灯片

1.2   研究设计

本研究将应急疏散仿真模拟与校园防灾空间优化结合，准确模拟人群疏散过程，计算疏散时间，识别拥堵路段，研究技术路线如图3所示。首先深入调研获取建筑布局、道路网络、避难空间、人口数据等作为模拟基础数据，开展问卷调查获取校园人群避难场所选择偏好、避难路径选择等典型疏散行为。其次建立多智能体疏散仿真模型，得到校内人员总疏散时间、各栋建筑内人员完成疏散时间、道路拥堵点及避难场所利用率。基于疏散模拟结果，从应急管理层面和空间环境层面提出更新优化策略并进行模拟验证。通过多轮的应急疏散模拟，实现应急避难场所空间配置的循环校验，以疏散时间、拥堵点数量为评价指标，优化避难场所的空间选址和容量配置，获得更可信和有效的避难场所配置方案。

图 3  研究框架

Figure 3.  Research framework

下载: 全尺寸图片 幻灯片

1.3   疏散行为问卷调查

人群在疏散过程中遇到拥堵时，会出现排队等待和寻找其他避难通道或避难场所的行为。在实际疏散过程中，面对不同类型的避难场所时人群会有自发的选择倾向性。为分析校园师生在疏散过程中遇到拥堵时的路径选择及避难场所选择偏好，在校园内开展问卷调查（表1），共收到267份有效问卷。已有研究显示，人群疏散速度与性别相关，因此问卷调查设计了受访者性别。避难场所偏好调查结果表明，人群选择前往操场、绿地、露天停车场的比例均＞95%，选择进入地下车库和体育馆避难的比例较低，校园内人群对避难场所的选择偏好依次为：场地型避难场所、建筑型避难场所、地下空间。避难场所偏好选择与调查对象性别相关，男性选择进入地下空间和大型体育馆避难的比例显著高于女性。根据性别、避难场所偏好将人群分为8类，如表2所示。根据受访人群在疏散过程中发生拥堵及避难场所入口处发生拥堵时的选择将人群分为8类，如表3所示。

表 1  疏散行为决策问卷调查设计

Table 1.  Design of questionnaire for evacuation behavior decision making

问题	选项
性别	①男；②女
地震后倾向于逃往的避难场所（多选）	①大型体育馆；②操场；③公园绿地；④地下车库；⑤露天停车场
疏散过程中发生拥堵时的选择	①排队等待；②寻找其他疏散通道
进入避难场所入口处发生拥堵的选择	①排队等待；②寻找其他避难场所

下载: 导出CSV 

| 显示表格

表 2  避难场所选择偏好

Table 2.  Choice preference of refuge place

性别	是否选择地下车库	是否选择大型体育馆		小计
		是	否
男	是	占比2.78%，人数4	占比2.78%，人数4	人数144
	否	占比13.89%，人数20	占比80.56%，人数116
女	是	占比0%，人数0	占比0%，人数0	人数123
	否	占比6.50%，人数8	占比93.5%，人数115

下载: 导出CSV 

| 显示表格

表 3  疏散过程拥堵时的路径选择

Table 3.  Route selection during evacuation congestion

性别	避难通道拥堵	避难场所入口拥堵		小计
		排队等待	另外寻找其他避难场所
男	排队等待	占比22.76%，人数33	占比2.76%，人数4	人数144
	另外寻找其他疏散通道	占比30.34%，人数43	占比44.14%，人数64
女	排队等待	占比20.32%，人数25	占比3.25%，人数4	人数123
	另外寻找其他疏散通道	占比39.84%，人数49	占比36.59%，人数45

下载: 导出CSV 

| 显示表格

1.4   校园疏散模拟

1.4.1   建模原理

本研究基于Pathfinder疏散平台进行建模，遵循A*算法（李引擎，2010），以获取最短时间作为寻路原则。该算法利于疏散人群动态选择高效路径，更接近真实场景。根据已有研究成果（Xiao等，2017），人群疏散速度通过式（1）确定：

式中，D为人群密度；k为经验参数；v_D为人群在密度为D时的疏散速度；v_max为最大步行速度。

最终生成的路径是综合考虑当前区域行进距离、当前区域排队时间、最终疏散终点位置和疏散全程耗时的结果。基于问卷调查结果，将每个疏散个体设定为多智能体，赋予其特定的疏散行为特征和疏散速度。本研究未预设特定的灾害情景，在疏散模型中对灾害事件的影响有以下假设前提：

（1）灾害事件对道路未造成物理破坏，校园内所有道路均可被充分利用。

（2）灾害事件尚未对逃生人群造成人身伤害，所有疏散人群有体力和能力完成疏散逃生行为。

1.4.2   人群基本特征

人体尺寸中男性肩宽第99百分位为415 mm，女性肩宽第99百分位为387 mm（撒占友等，2012）。同时，考虑疏散过程中人与人之间保持一定安全距离，取450 mm为人体平均肩宽。校园内以青年人为主，疏散速度仅依据性别差异划分，不考虑年龄差异。疏散模拟中男、女步行速度分别设置为1.37、1.24 m/s（沙云飞，2008）。

1.4.3   疏散行为特征模拟

人群在疏散过程中遇到拥堵时，会出现排队等待和寻找其他避难通道或避难场所的行为。疏散人员对建筑出口和避难场所入口的选择表现出较强的从众行为，易忽略距离较远但疏散人员少的通道（李辉鹏等，2020）。

为模拟人群疏散过程中遇到拥堵时的行为选择，本文采用Pathfinder中“当前门偏好（The Current Door Preference）”和“当前房间距离惩罚（Current Room Distance Penalty）”参数，实现对人群行为特征的精确模拟。“当前门偏好”参数用于衡量人员对当前门的坚持程度，适当的值可防止人员过度频繁地切换避难入口选择，值为100%时表示一旦选择避难场所，人员不再更换；值为0时表示人员可自由切换选择避难场所入口，以较快路径为原则。本研究将选择“排队等待”人群的参数设定为80%，将选择“另外寻找其他避难场所”人群的参数设定为20%。“当前房间距离惩罚”参数表示人员在疏散环境中行进此距离时，行程时间成本将增加1倍，这导致人员行进的距离越远，越倾向于选择最短路径而不是最快路径。本研究对人群在避难通道发生拥堵时的行为进行了问卷调查，将选择“排队等待”的人群“当前房间距离惩罚”参数设定为200 m，将选择“另外选择其他避难通道”的人群“当前房间距离惩罚”参数设定为0。

本文还研究了人群避难场所选择偏好，基于调查结果，5.56%的男性愿意进入地下空间避难，无女性选择进入地下空间避难。在校园模型中，将5.56%愿意进入地下空间避难的男性另设为1组，地下车库作为特殊避难场所，仅对该类别人群开放，体育馆同理。根据人群性别不同，将避难疏散行为（发生拥堵时的选择）和避难场所偏好进行交叉组合，得到64类不同特征人群。

1.4.4   避难场所容量限制

在以往的社区级（Zuo等，2021）和区级（於家等，2017）避难疏散研究中，研究人员未能限制避难场所最大容量，部分避难场所利用率达700%（Zuo等，2021），不符合实际情况。本文疏散模拟过程中采用Pathfinder平台的“refuge area”模拟避难场所，设定避难场所最大容量，进入避难场所的人数达到容量上限时自动关闭，不再接受人群进入。结合GB 51143—2015《防灾避难场所设计规范》（中华人民共和国住房和城乡建设部等，2015）中关于应急避难场所的规划标准（表4），本研究的仿真情境为紧急避难场所，人均避难面积为1 m²，进而预测得到每处避难场所的容量。

表 4  应急避难场所规划标准

Table 4.  Planning standards for emergency shelters

场所类型	人均有效避难面积/m2	疏散距离/km	避难人口规模/万人
中心避难场所	>4.5	5.0～10.0	—
长期固定避难场所	4.5	≤2.5	≤9.0
中期固定避难场所	3.0	≤1.5	≤2.3
短期固定避难场所	2.0	≤1.0	≤0.5
紧急避难场所	1.0	≤0.5	—

下载: 导出CSV 

| 显示表格

2.   仿真模拟结果与分析

不同时段校园内建筑分布的人口数量不同，而人口分布是疏散仿真模拟最重要的基础数据（陈伟等，2019）。本研究建立校园疏散模型，根据各时段人口分布的不同调整模型中人口初始数据，进行18次疏散模拟，以实现对全天各时段疏散过程的模拟，并分析校园人群疏散完成总时间、路径拥堵位置、各栋建筑人群疏散完成时间及避难场所率。在疏散时间方面，全天中各时段疏散总时间不断波动（图4）。由图4可知，0:00—6:00时段及9:00—10:00疏散总时间最长，因此本研究选取这2次模拟结果分别代表夜晚与白天。夜晚校园人群主要分布在宿舍区，白天校园人群分布在教学区和宿舍区。

图 4  全天中不同时段完成疏散总时间

Figure 4.  Total time to complete evacuation at different times of the day

下载: 全尺寸图片 幻灯片

2.1   疏散时间

白天疏散时间明显少于夜晚，白天和夜晚所有人员完成疏散的总时间分别为721 s和803 s，白天和夜晚一半人员完成疏散的时间分别为99.4 s和103.4 s（图5）。疏散过程中，夜晚疏散的少数人员出现路径折返现象，进入教学区疏散，导致总疏散完成时间延长，这与实际疏散过程中部分人群对周围环境不熟悉导致重新选择行进路线的情况一致。

图 5  疏散完成人数变化曲线

Figure 5.  Evacuation completed population change chart

下载: 全尺寸图片 幻灯片

单栋建筑人群疏散完成时间结果如图6所示。3舍、4舍、7舍、16舍、17舍由于周围道路狭窄，附近避难空间面积小，且人员聚集，人群在疏散过程中速度缓慢且多次折返，疏散时间最长。8舍、11舍由于最近的避难场所（篮球场）入口数量少且狭窄，导致其疏散时间较长。20舍、21舍虽人群密度高，但疏散时直接进入避难空间充足的北园，较少发生拥堵，疏散效率高。白天疏散时，由于校园西北片区的建筑附近避难场所数量少，同时避难场所类型为地下车库，相较而言，人群更愿意选择距离较远的绿地空间避难，从而导致疏散时间延长。此外，避难空间面积最大的操场与其周围道路被围栏隔开，仅有1个狭窄的入口，实际使用率较低，也是疏散效率较低的原因之一。

图 6  单栋建筑人群疏散完成时间

Figure 6.  Completion time of crowd evacuation in single building

下载: 全尺寸图片 幻灯片

2.2   拥堵位置及数量

Pauls（1987）和Togawa（1995）的研究表明，当人群密度ρ＝2.0 人/m²时，人流随时可能出现拥堵，密度达到4 人/m²时，人群无法移动（梁琦，2020），因此本文取ρ＝2.0 人/m²作为人群拥堵的临界值，人群密度达2.0 人/m²即说明该处开始发生拥堵，设定为二级拥堵点；人群密度达3.5 人/m²即认定为严重拥堵，设定为一级拥堵点。疏散过程拥堵点如图7所示，由图7可知，白天发生拥堵的位置有9处，其中一级拥堵点位置编号为1～3，人群密度＞3.5 人/m²，其所在支路大部分路段处于拥堵状态，导致人群拥挤、行进缓慢，疏散效率低，拥堵时间长，且有发生踩踏事故的危险性；二级拥堵点位置编号为4～9，拥堵时间较短，是需要一般改进的位置。夜晚由于人员从北园转移到南园，因此拥堵点全部位于南园，其中一级拥堵点位置编号为1～5，二级拥堵点位置编号为6～11。

图 7  疏散过程拥堵点

Figure 7.  Congestion points during evacuation

下载: 全尺寸图片 幻灯片

2.3   避难场所利用率

避难场所利用率如图8所示。由于夜晚校园人群集中在宿舍区，而宿舍区避难场所面积较小，因此宿舍区避难场所利用率高，有11处避难场所利用率达100%。在夜晚疏散过程中，由于宿舍区避难空间面积配置不足，部分人员穿越马路进入教学区避难。白天不同避难场所利用率较平均，北大楼前的绿地（编号4、9～12）利用率较高，室外停车场（编号2、38、46）利用率达100%。无论是白天还是夜晚，操场（编号7）和篮球场（编号5、6）利用率均处于较低水平，原因可能是室外运动场周围布满围栏，入口数量少、宽度小，疏散过程中人群难以进入避难场所。

图 8  避难场所利用率

Figure 8.  Utilization rate of shelter

下载: 全尺寸图片 幻灯片

3.   优化策略与模拟验证

3.1   优化策略

分析拥堵点产生及部分避难场所利用率低的原因，从空间环境层面和应急管理层面提出优化策略。

3.1.1   空间环境层面

在空间环境层面采用新增避难场所、提升避难空间可进入性、校园“微改造”方式作为优化策略。

（1）新增避难场所

对于过于尖锐高大的灌木丛，更换植物类型，提升校园绿地的防灾效用，从而将目前校园内部不能作为应急避难场所的绿地空间转化为可用避难场所资源，实现“平灾结合”和美学价值与防灾效益的平衡。对于2舍、3舍之间的空地，限定自行车、电动车停放位置，使其转化为可用避难场所资源。经调研分析，潜在避难场所资源共有6处（图9），共有$ \displaystyle\sum\limits_{i = 1}^6 {C_6^i} $种不同配置组合。以式（2）中的评价指数I为指标，完成多轮应急疏散模拟，得到疏散总时间降低率T（T=新增避难场所后的疏散时间/新增避难场所前的疏散时间）、拥堵点个数减少率P（P=1-新增避难场所后的拥堵点个数 / 新增避难场所前的拥堵点个数）。

图 9  潜在避难场所资源

Figure 9.  Potential shelter resources

下载: 全尺寸图片 幻灯片

式中，参数a、b采用熵值法确定（李亚等，2017），得到$ a = 0.41 $、$ b = 0.59 $。

通过多轮的应急疏散模拟，最终得到评价指数最高的新增避难场所配置方案为“1、3、4、5、6组合”。

（2）提升避难空间可进入性

室外体育场存在过分设置围栏问题，导致疏散人群无法及时进入避难场所，在避难场所入口和周边路段发生拥堵，且避难场所利用率大大降低。可通过增设避难空间的入口数量，合理拆除操场、篮球场周边围栏，提升局部疏散效率和室外体育场利用率（图10）。

图 10  增设入口提升避难空间可进入性

Figure 10.  Add entrance to improve the accessibility of refuge space

下载: 全尺寸图片 幻灯片

（3）校园“微改造”

合理增加建筑疏散的出入口，可有效分散人流。对于无法增加出入口的建筑，采取改变出入口方向的策略，使建筑物出入口面向避难疏散通道和避难场所的方向，更有利于人群向避难空间的疏散。对于严重拥堵路段，对两侧建筑物底层进行架空处理，增加疏散通道宽度。

3.1.2   应急管理层面

在应急管理层面，主要从完善应急疏散标识体系、加强人群疏散演练、防灾分区与指定避难场所划分提出优化策略。

（1）完善应急疏散标识体系

对校园内应急疏散引导标识进行个性化设计，提升可读性，以提高人群在疏散前对避难场所的熟悉度，合理选择疏散路径，避免因对校园环境、避难场所位置不明确、不清晰导致疏散过程中来回折返，同时减少疏散过程中人流交汇和人群拥堵现象，提升疏散效率。

（2）加强人群疏散演练

组织校园人群学习应急逃生知识，定期举行人群应急疏散演练，熟悉灾后紧急疏散程序和线路，确保在突发事件来临时应急疏散工作可快速、高效、有序的进行，从而最大限度地保护师生生命安全。

（3）防灾分区与指定避难场所划分

制定合理的分区疏散规则，建议指定区域的人群疏散至指定避难场所，增强疏散过程的有序性，避免疏散过程中人群调转方向造成疏散时间延长。

3.2   模拟验证

依据优化策略，在校园内新增5处避难场所，提升操场、篮球场的可进入性，对改进后的方案再次进行疏散模拟，以验证改进措施的有效性。

模拟结果表明，改进后原严重拥堵点的人群密度均降至2 人/m²以下，白天所有人员完成疏散所需时间为589 s，相比改造前缩短132 s。夜晚所有人员完成疏散所需时间为618 s，相比改造前缩短185 s，疏散效率大大提升（图11）。

图 11  改造前后疏散人数对比

Figure 11.  Comparison of evacuation numbers before and after renovation

下载: 全尺寸图片 幻灯片

4.   结论与启示

4.1   结论

本文以典型的城市高密度片区——南京某高校校园为研究对象，深入调研片区内部人员分布、道路网络、建筑布局、避难空间等基础数据，利用问卷调查获取人群避难场所选择偏好、避难路径选择等典型疏散行为参数，基于Pathfinder应急疏散平台，建立基于多智能体的校园疏散仿真模型，并进行疏散仿真模拟，提出基于多轮疏散模拟的避难空间优化方法，得到以下结论：

（1）疏散行为问卷调查显示，校园内人群对避难场所的选择偏好依次为：场地型避难场所、建筑型避难场所、地下空间。避难场所偏好选择与调查对象性别相关，男性选择进入地下空间和大型体育馆避难的比例显著高于女性。

（2）校园建筑全天24 h的人口数量变化因建筑功能的不同有较大差异。校园人群在夜晚和白天的疏散总时间中，耗时最长的时间段分别为0:00—6:00和9:00—10:00。

（3）白天与夜晚典型时段疏散人数变化规律、拥堵位置及避难场所利用率分析结果表明，白天疏散时间显著少于夜晚；白天拥堵位置多出现在北园教学区，夜晚拥堵位置出现在南园宿舍区；宿舍区利用率高于教学区，大面积的避难场所如操场、篮球场等利用率反而处于较低水平，可能是因为周围布满围栏，入口数量少、宽度小导致疏散过程中人群难以进入。

（4）基于仿真模拟结果，在空间环境层面，提出新增避难场所、提升避难空间可进入性、校园“微更新”优化策略；在应急管理方面，主要从完善应急疏散标识体系、加强人群疏散演练、防灾分区与指定避难场所划分提出优化策略。

（5）对改造后的校园区域进行疏散模拟验证，结果表明疏散完成时间显著减少、拥堵点人口密度下降，证明了改造措施的有效性。

4.2   启示

本文通过多轮的精细化疏散仿真模拟与方案比较，为校园避难空间优化更新提供了解决思路，相较于传统的避难空间评估与优化方法，本文更关注微观个体的多样性，因此更能真实还原疏散过程，但也正因为个体的多样性，导致仿真模拟难度较大。根据本研究经验，对精细化疏散仿真模拟支持下高密度地区应急避难空间的选取、评估与维护提出以下建议：

（1）选择避难场所类型前，需进行详尽的问卷调查，获取区域内人群的避难偏好，应尽量避免将停车场等地下空间作为避难空间，多选取场地型避难空间，并完善其疏散引导标识，提升避难空间的人群认知度与接受度。

（2）精细化的人口数据应作为疏散避难空间评估时的重要基础数据进行收集。校园、商业街区等高密度区域，建筑物内部不同时段人口差异较大，需针对不同情景下的应急疏散合理配置空间。本文采用实测方法进行人口数据搜集，后续可采用手机信令等更具效率的大数据方式。

（3）空间环境层面与应急管理层面的措施应同时采取，优化城市高密度片区避难空间。空间环境层面的措施旨在提升避难空间的可识别性与可达性，应急管理层面的措施从人群角度出发，提升人群疏散意识与疏散行为的规范性，二者缺一不可。

本研究建立的模型未考虑灾害环境的影响，如地震作用下建筑物倒塌、非结构构件掉落对疏散通道阻塞、火灾蔓延等对人群疏散路径的影响等，仍存在一定的不足。此外，本文采用多轮应急疏散完成新增避难场所的配置，计算量过于庞大，今后需进一步探索更高效、准确的避难场所空间优化方法。