CN110210650B - 一种应急避难场所避难人口需求的预测方法及系统 - Google Patents
一种应急避难场所避难人口需求的预测方法及系统 Download PDFInfo
- Publication number
- CN110210650B CN110210650B CN201910373079.5A CN201910373079A CN110210650B CN 110210650 B CN110210650 B CN 110210650B CN 201910373079 A CN201910373079 A CN 201910373079A CN 110210650 B CN110210650 B CN 110210650B
- Authority
- CN
- China
- Prior art keywords
- population
- earthquake
- refuge
- building
- damage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000006378 damage Effects 0.000 claims abstract description 134
- 238000013439 planning Methods 0.000 claims abstract description 61
- 238000012038 vulnerability analysis Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000010355 oscillation Effects 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000010276 construction Methods 0.000 description 12
- 238000013461 design Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009526 moderate injury Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种应急避难场所避难人口需求的预测方法及系统,该方法包括:采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;获取待预测地区相关的规划期内的时间节点t0;根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;输出应急避难场所避难人口需求的预测数量M。该方法通过动态评估固定避难需求,使需求与供给更加匹配,科学、合理地预测了城市避难人口需求,提升了城市安全防灾效能。
Description
技术领域
本发明涉及城市规划和城市防灾减灾规划领域,具体是一种应急避难场所避难人口需求的预测方法及系统。
背景技术
应急避难场所规划是城市规划和各类防灾规划中落实空间规划对策与重要防灾设施的基本内容和重要手段。避难需求是应急避难场所规划的基础和前提。在明确并精确评估避难人口的时空布局与规模基础上,才能合理开展避难场所的规划布局、责任区划分、场所分级与设施配置等工作。过低地估计避难人口,将导致应急避难场所规划数量、容量不足,在地震来临时,难以满足城市的避难需求;过高地估计避难人口,将使应急避难场所规划建设数量、容量过多,造成大量的资源浪费。
在既有模型中,对于固定避难人口的估算,马东辉等根据尹之潜总结唐山地震震后的调研情况,通过适当修正中等破坏以上的住宅建筑面积,提出了预测震后无家可归人员的经验公式:
式中:M表示避难人口规模;A1表示地震毁损的住宅建筑面积(m2);A2表示地震时严重破坏的住宅建筑面积(m2);A3表示地震时中等破坏的住宅建筑面积(m2);a表示每人平均居住面积(m2)。
在此基础上,张孝奎、陈志芬等假设人口均匀分布于城市各类建筑中,提出了基于建筑震害避难率与建筑结构分类面积比的震害避难人口比例预测模型:
在式(1)和(2)中,A1前的系数表示结构损毁的住宅建筑中约1/3的人口死亡,剩余的2/3人口产生地震避难需求;A2前的系数表示严重破坏的住宅建筑中所有人口均需要避难;A3前的系数表示中等破坏的住宅建筑中有7/10的人口需要避难或有1/2的人口需要避难目前,厦门、海口、武汉、无锡、淮南等地的应急避难场所规划均采用了上述公式估计城市的避难人口比例。
然而,这种以历史震害矩阵为依据评估建筑结构的震损,统计中等以上建筑结构破坏面积,以人均建筑面积推算无家可归人口,从而获得固定避难人口需求的方法,对于我国新时代情景下的城市建设存在历史震害矩阵不适用、建筑震害估计避难需求不具有代表性等问题。具体来说,包括以下三个方面:
(1)以建筑损毁无法继续居住作为固定避难需求的主因不足以涵盖我国城市的真实避难需求。
随着我国城市规划建设的发展,虽然震后建筑不适宜居民长期居住是固定避难需求产生的主因,但不适应长期居住的另一方面也可能是由于基础设施等生命线系统无法提供基本的生活保障所致,如供水中断、燃气中断等情况。在这种条件下,居民的宿住一般将无法坚持超过三天。因此,尽管震后建筑结构的性能可以达到继续宿住的条件,即中等以下破坏状态,但若无法提供宿住所需要的日常生活用水、用气等,居民仍然需要固定避难。从这一角度考虑,固定避难人员需求的估算,不仅应该考虑中等以上破坏建筑中的受灾人口,同时应考虑基础设施系统失效影响范围内的受灾人口,并取两者的并集作为需要固定避难的人口数量。
(2)震害矩阵的预测方法具有较大的局限性,不能准确预测建筑结构的真实震损。
既有研究与实践中一般采用历史震害矩阵这一经验方法进行建筑结构的震害评估,其预测精度强烈依赖于历史震害数据,对于未经历过地震考验或震害数据缺乏地区,其适用性值得深入讨论。事实上,我国先后颁布过约4个建筑抗震方面的设计规范(另有“59”规范、“64”规范两部规范颁布更早),分别为:《工业与民用建筑抗震设计规范(试行)》(TJ11-74)(1976年唐山大地震后修改)、《建筑抗震设计规范》(GBJ11-1989)(1993年局部修订)、《建筑抗震设计规范》(GB50011-2001)(2008年汶川地震后局部修订)和《建筑抗震设计规范》(GB50011-2010)(2016年修改)。每一版规范的发布和修改都是对前一版规范的重大提升和改进。在新规范指导下的新建建筑和改造建筑,其建筑质量会得到明显改善,抗震性能得到明显优化和提升。因此,若采用历史震害矩阵对更新规范指导下的建筑结构进行震害评估,会在一定程度上扩大建筑结构的灾损预测,导致避难人口需求预测有扩大的趋势。因此,在实践与应用中,面对不同抗震设计规范指导下建设的建筑结构,应当采用更合理的分析方法,更为准确的预测不同建筑年限的结构震损。
(3)基于既有建筑性态的抗震能力评估不能准确反映城市未来的真实避难需求。
基于既有建筑结构抗震性能开展震害特征预测,仅考虑了既有建筑的抗震性能,未考虑规划期末这些既有建筑的存续状态与抗震性能的劣化过程,也未能考虑人口规模随城市规划建设的动态时空变化过程。显然,在真实世界中,城市的规划建设是一动态的连续过程,城市建构筑物和城市人口也始终处于动态变化中。因此,城市避难场所的需求理应是一个随时间与城市规划建设协同变化的过程。若以终极蓝图式的确定性避难需求来表征城市未来避难场所的真实需求,将造成一定程度的错位。
因此,如何使应急避难场所需求与供给更加匹配,从而科学、合理地预测城市避难人口需求,提升城市安全防灾效能是同行从业人员亟待解决的问题。
发明内容
鉴于上述问题,本发明的目的是为了解决避难场所规划建设实践中,需求预测规模与实际不符,不能准确的规划固定避难场所,浪费公共资源的问题。
本发明实施例提供一种应急避难场所避难人口需求的预测方法,包括:
采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;
获取待预测地区相关的规划期内的时间节点t0;
根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;所述TCBID理论包括四个方面数据,分别为:时间、建构筑物性态特征、建筑与基础设施和动态规划;
输出应急避难场所避难人口需求的预测数量M。
在一个实施例中,采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi,包括:
采用地震易损性分析算法,生成不同类型结构在不同时间节点的地震易损性曲线;
根据所述地震易损性曲线,结合各类型结构对应的各个损伤等级,计算得到小震、中震和大震作用下既有建筑的震害指数;
根据所述震害指数,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi。
在一个实施例中,所述地震易损性分析算法的计算公式为:
式中:PGA为地面峰值加速度,t为建筑结构的评估时间,ds为既有建筑的某个损伤等级,Ф为标准正态累计分布函数,βds为该损伤等级对应的地震动强度标准差,αds为结构达到某个损伤等级时地震动强度的中值。
在一个实施例中,所述震害指数的计算公式为:
式中:L为各类型结构在第i个损伤状态的震害指数,Pi为既有建筑在第i个损伤等级时的离散概率,D为既有建筑总的震害指数:若D≤0.1,表明该建筑基本完好;若0.1<D≤0.3,表明该建筑轻微破坏;若0.3<D≤0.5,表明该建筑中等破坏;若0.5<D≤0.7,表明该建筑严重破坏;若D>0.7,表明该建筑倒塌。
在一个实施例中,所述应急避难人口数量预测模型的计算公式为:
式中:M表示预测数量;Bi表示位于第i区的建筑结构发生中等以上破坏程度导致的受灾人口规模(人);Wj表示位于第j区的市政基础设施系统中断导致的受灾人口规模(人);t0表示整个规划期内的最优时间节点;γ表示城市更新改造造成的避难人口规模变化系数。
第二方面,本发明还提供一种应急避难场所避难人口需求的预测系统,包括:
第一确定模块,用于采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
第二确定模块,用于对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;
获取模块,用于获取待预测地区相关的规划期内的时间节点t0;
代入模块,用于根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;所述TCBID理论包括四个方面数据,分别为:时间、建构筑物性态特征、建筑与基础设施和动态规划;
输出模块,用于输出应急避难场所避难人口需求的预测数量M。
在一个实施例中,所述第一确定模块,包括:
生成子模块,用于采用地震易损性分析算法,生成不同类型结构在不同时间节点的地震易损性曲线;
计算子模块,用于根据所述地震易损性曲线,结合各类型结构对应的各个损伤等级,计算得到小震、中震和大震作用下既有建筑的震害指数;
确定子模块,用于根据所述震害指数,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi。
在一个实施例中,所述生成子模块中,所述地震易损性分析算法的计算公式为:
式中:PGA为地面峰值加速度,t为建筑结构的评估时间,ds为既有建筑的某个损伤等级,Ф为标准正态累计分布函数,βds为该损伤等级对应的地震动强度标准差,αds为结构达到某个损伤等级时地震动强度的中值。
在一个实施例中,所述计算子模块中震害指数的计算公式为:
式中:L为各类型结构在第i个损伤状态的震害指数,Pi为既有建筑在第i个损伤等级时的离散概率,D为既有建筑总的震害指数:若D≤0.1,表明该建筑基本完好;若0.1<D≤0.3,表明该建筑轻微破坏;若0.3<D≤0.5,表明该建筑中等破坏;若0.5<D≤0.7,表明该建筑严重破坏;若D>0.7,表明该建筑倒塌。
在一个实施例中,所述代入模块中,应急避难人口数量预测模型的计算公式为:
式中:M表示预测数量;Bi表示位于第i区的建筑结构发生中等以上破坏程度导致的受灾人口规模(人);Wj表示位于第j区的市政基础设施系统中断导致的受灾人口规模(人);t0表示整个规划期内的最优时间节点;γ表示城市更新改造造成的避难人口规模变化系数。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种应急避难场所避难人口需求的预测方法,通过TCBID理论构建的应急避难人口数量预测模型,可输出满足现实情况、符合新发展趋势的避难人口需求结果;使应急避难场所需求与供给更加匹配,从而科学、合理地预测城市避难人口需求,提升城市安全防灾效能。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的应急避难场所避难人口需求的预测方法的流程图;
图2为本发明实施例提供的步骤S101的流程图;
图3为本发明实施例提供的规划期内有两次更新改造的避难人口随着时间推移的关系曲线示意图;
图4为本发明实施例提供的规划期内无更新改造的避难人口随着时间推移的关系曲线示意图;
图5为本发明实施例提供的应急避难场所避难人口需求的预测系统的框图;
图6为本发明实施例提供的确定模块S501的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示,本发明实施例提供的一种地震避难场所需求预测,该方法包括:步骤S101~S105;
S101、采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
S102、对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;
S103、获取待预测地区相关的规划期内的时间节点t0;
S104、根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;所述TCBID理论包括四个方面数据,分别为:时间、建构筑物性态特征、建筑与基础设施和动态规划;
S105、输出应急避难场所避难人口需求的预测数量M。
本实施例中,该方法通过TCBID理论构建的应急避难人口数量预测模型,可输出满足现实情况、符合新发展趋势的避难人口需求结果;其中TCBID应急避难场所需求预测理论与方法构建的预测模型,从根本上改变了我国城市固定避难场所需求预测理论与方法不满足现实情况、不符合新发展趋势的状况,使应急避难场所需求与供给更加匹配,从而科学、合理地预测城市避难人口需求,提升了城市安全防灾效能。
在步骤S102中,对基础设施系统的抗震性能进行评估。
具体的,比如对于供水管网系统,可计算各管道在不同地震烈度作用下的接头变形,若管道的接头变形超过变形阈值,则管道接口损坏,不能输送介质,因此与接头相连的管道可以从管网拓扑结构中剔除,具体计算方法可参考《室外给水排水和燃气热力工程抗震设计规范(GB 50032-2003)》。
在此基础,可进一步对管网系统的供水能力可靠度进行评价,以服务水头10m为判断标准,若不满足10米的水头压力,该管网则判定为不能提供正常的供水功能。以此为基准,识别出供水管网系统功能失效的空间分布范围,估计受供水失效影响的范围,从而估算出受影响范围内的人口规模,得到固定的避难人口需求。
在步骤S104中,本发明实施例从时间(Time)、建构筑物性态特征(Character)、建筑与基础设施(Building and Infrastructure)和动态规划(Dynamic)四个方面构建了我国应急避难场所需求预测的新模型,简称为TCBID理论。
上述TCBID应急避难场所需求预测理论包含四个方面的内容i~iv:
i、T:时间(Time);
在时间尺度上,应坚持规划期末的城市避难需求与规划期末的建构筑物抗震性能相统一,即应急避难场所的规划应以未来时间节点的建构筑物抗震性能评估为基准。这里存在两种情况:一是既有建筑继续使用,不拆除、不改建。此时,既有建构筑物的抗震性能随时间不断发展,因为结构、材质的劣化,震害评估结果将趋于严重;二是既有建构筑物可能存在拆除、新建或改建等情况。因此,应结合相关规划要求,明确拆除、新建或改建的建筑面积,以《建筑抗震设计规范》等抗震规定为最低标准,评估不同时间节点下拆除、新建或改建建筑在规划期末的抗震性态,从而反推需要避难的人口规模。
ii、C:建构筑物性态特征(Character)
在空间尺度上,应坚持不同城市的地震避难需求与当地的建构筑物抗震性态相统一,即应急避难场所的规划应采用新的评估技术,以当地建构筑物真实的抗震性态特征为基准进行评估。具体来说,应采用解析易损性分析方法代替历史震害矩阵。解析易损性分析方法是采用有限元数值建模,通过研究单体建筑结构的抗震性能,将结构地震易损性的表达方式由地震烈度-震害等级构成的二维阶跃式易损性矩阵转化为由加速度峰值-破坏比的连续化表达方式的一种方法。因此,解析易损性分析不依赖历史地震记录和专家经验判断,对于不同类型、不同年限的建筑结构,均可获得其在不同地震动强度下达到各级性能水准的超越概率,从而获得不同地震动强度作用下单体建筑可能的地震损伤。
iii、BI:建筑与基础设施(Building and Infrastructure)
在评估对象上,应坚持建筑与基础设施震害评估的相统一。事实上,我国自89版《建筑抗震设计规范》提出“大震不倒、中震可修、小震不坏”三水准的抗震设防目标以来,目前已基本能够保证新建建筑在遭遇当地罕遇地震烈度时不致发生倒塌破坏,在遭遇当地设防地震烈度时经过适当维修可继续居住。因此,我国各类城市中按照现行抗震设计规范指导建设的建筑结构在不同地震烈度(中震或大震)下发生中等以上破坏的可能性不大。可以预计,随着城市的逐步更新换代,我国城市需要固定避难的人口比例也会逐年降低。然而,地震对现代城市受灾居民造成的避难需求,除了由建筑结构直接灾损造成的无家可归人员,还应包括由于供水、燃气等基础设施系统服务功能失效带来生活无法正常进行的应急避难人员。因此,需要采用抗震功能可靠度评价方法,开展城市基础设施系统的抗震性能评价,考虑基础设施系统震后失效造成的影响范围,并以此估算受基础设施服务中断影响的避难人员数量。
iv、D:动态规划(Dynamic Planning)
在评估过程上,应坚持地震避难需求预测与规划建设协同相统一,即不能以某一张蓝图作为应急避难场所的终极规划,而应将避难需求视为一连续动态变化过程估计地震避难人口规模。事实上,随着城市的不断更新和新区的不断建设,建筑结构和基础设施系统会不断更新改造,城市的避难人口规模随时间变化将呈逐渐减小的趋势。另一方面,随着时间的推移,既有建筑和基础设施系统的性态会逐渐劣化,这又使避难人口规模随时间呈单调连续递增的趋势。以上两者在整个城市的发展演化过程中相互耦合、相互作用,使得既有建筑和基础设施系统的震害特征呈连续性动荡变化的趋势。因此,在应急避难场所的规划中,应考虑城市的发展演变特征,结合当地的城市更新改造,选取合适的时间节点,估算整个规划期内呈连续动态变化趋势的避难人口数量。
在一个实施例中,参照图2所示,采用地震易损性分析算法,确定建筑结构发生中等以上破坏程度导致的受灾人口规模Bi,包括:
S1011、采用地震易损性分析算法,生成不同类型结构在不同时间节点的地震易损性曲线;
S1012、据所述地震易损性曲线,结合各类型结构对应的各个损伤等级,计算得到小震、中震和大震作用下既有建筑的震害指数;
S1013根据所述震害指数,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi。
在本实施例中,采用地震易损性分析方法可获得不同类型结构在不同时间节点的地震易损性曲线,更加精确地评估随时间变化建构筑物震害特性;通过震害指数估算受灾人口规模,动态地评估固定避难需求,使得需求与供给更加匹配,从而节约公共资源。
上述根据TCBID应急避难场所需求预测理论,地震避难人员数量应采用以下公式进行计算:即:根据TCBID理论构建的应急避难人口数量预测模型:
式中:Bi表示位于第i区的建筑结构发生中等以上破坏程度导致的受灾人口规模(人);Wj表示位于第j区的市政基础设施系统中断导致的受灾人口规模(人);t0表示整个规划期内的最优时间节点;γ表示城市更新改造造成的避难人口规模变化系数。γ取值为更新改造后规划常住人口数量/现状常住人口数量。
由公式(3)可见,TCBID应急避难场所需求预测理论认为地震避难人员数量由建筑震害影响的避难人员和受基础设施系统服务中断影响的避难人员共同组成,当地区i的建筑结构发生中等以上震害与地区j的基础设施服务发生中断的影响范围在空间上交叠时,取两者的较小值。
根据公式(3),图3给出了规划期内有两次更新改造计划的地震避难人口随时间推移的关系变化曲线。由图可见,随着时间的推移,从规划期开始到T1时间,建筑结构和基础设施系统的结构特性因逐渐老化,造成震害特征趋于严重,使得城市的避难人口规模逐年递增,在时间节点T1,避难人口规模达到最大值P1,但从T1开始,规划区内开始进行旧城的改造更新,部分地区的建筑结构和基础设施逐步改造,假设经历了T2-T1年,在T2时间节点完成了第一轮更新改造计划。这一期间,由于建筑结构和基础设施的抗震能力得到增强,因此地震避难人口需求有一定程度的降低,即从P1下降到P2。此后,随着时间的推移,在T3-T2年内,建筑结构和基础设施的结构性态不断老化,使得震害特征重新呈现逐渐增大的趋势,因此避难人口又从P2逐渐增大到P3。此时,若在T3时间节点开展旧城区的新一轮更新改造,整个规划区内的避难人口数量将重新降低。显然,在这一过程中,无论是以现状避难人口P0还是以规划期末人口PT进行避难需求的预测,均不能涵盖最大的避难需求P1。因此,应分阶段开展城市的动态规划,满足整个过程中的最大避难需求,同时满足规划期末的最终避难需求。
类似的,图4给出了规划期内无更新改造的避难人口数量随时间推移的关系变化曲线。可见,若假定规划期内无城市更新改造,则避难人口规模随时间呈单调递增趋势,即避难人口需求逐年增长,到规划期末T2时刻,城市的避难人口需求达到最大值。因此,若以规划期末的避难人口作为地震避难人口需求,则在规划期内会偏大,造成一定程度的避难资源浪费;若以现状P0作为地震避难人口需求,则规划期内需求大于供给,地震人口避难需求不足。因此,可以T1作为整个规划期内的最优时间节点,以避难人口P1作为中间值进行当前避难人口数量的规划。
进一步地,上述建筑地震易损性曲线具体说明如下:
根据式(3),采用地震易损性分析方法评估建筑结构的震害特征,确定建筑结构发生中等以上破坏程度的建筑面积,然后以此估算受灾人口规模Bi。地震易损性分析方法可获得不同类型结构在不同时间节点的地震易损性曲线。该方法的研究结果一般采用对数正态分布函数描述,以反映建筑结构在不同地震动强度作用下超过某个损伤等级的超越概率,计算公式如下:
式中:PGA为地面峰值加速度,t为建筑结构的评估时间,ds为既有建筑的某个损伤等级,Ф为标准正态累计分布函数,βds为该损伤等级对应的地震动强度标准差,αds为结构达到某个损伤等级时地震动强度的中值。其中,不同损伤等级对应的αds和βds可采用能力谱方法确定。地震峰值加速度PGA可根据《建筑抗震设计规范》(GB50011)和《中国地震动参数区划图》(GB18306)确定。基于式(4),结合各类型结构在各个损伤等级的震害指数,即可获得小震、中震和大震作用下既有建筑的震害指数:
式中:L为各类型结构在第i个损伤状态的震害指数,Pi为既有建筑在第i个损伤等级时的离散概率,D为既有建筑总的震害指数:若D≤0.1,表明该建筑基本完好;若0.1<D≤0.3,表明该建筑轻微破坏;若0.3<D≤0.5,表明该建筑中等破坏;若0.5<D≤0.7,表明该建筑严重破坏;若D>0.7,表明该建筑倒塌。
在步骤S102中,基础设施系统抗震性能评价方法,基于式(3),可开展基础设施系统的抗震性能评估确定Wj。
下面通过一个完整的实施例来说明应急避难场所避难人口需求的预测方法的。
实施例1:
比如对我国江苏省按6度设防的某城市进行固定避难需求预测。既有建筑结构以B类为主,分别考虑6度、7度、8度三个震害情景。
具体的,依据《室外给水排水和燃气热力工程抗震设计规范(GB 50032-2003)》中的承插式管道接口变形评价方法进行分析,得到该区域的供水管网系统在小震作用下所有管道均处于基本完好状态,中震作用下有98.79%的管道处于基本完好状态,1.21%的管道处于轻微破坏状态。大震作用下有97.10%的管道处于基本完好状态,2.90%的管道处于轻微破坏状态。考虑连通可靠度,震后的需求水压为10米时,需水节点在小震、中震和大震作用下,所有节点均处于基本可靠状态。
另一方面,根据建筑结构的地震易损性分析结果,大震作用下既有住房建筑中有5.9%建筑面积的房屋处于中等破坏状态,18.8%建筑面积的房屋处于严重破坏状态,既有建筑结构的固定避难需求率为23%,固定避难人口约为28.5万人。
进一步,根据模型推算,新建住宅建筑(按照现行规范设防)在大震作用下的理论损伤避难率约为9%。根据控规确定的居住区,依据各居住社区的保留居住建筑、新建建筑占比推算避难需求率,计算获得远期固定避难需求人口约为23.6万人,如表1所示。
表1某市各分区的固定避难需求
若采用现有技术,即采用基于建筑震害避难率与建筑结构分类面积比的震害避难人口比例预测模型来估计避难人口数量,具体计算过程如下论述。
具体的,假设居住用地人口均匀分布,以防灾分区为单位,对每个防灾分区内的住宅建筑、场地分类加权平均,经计算得6度震害情景下的避难需求率为7.08%,避难人口为14.2万人;7度震害情景下的避难需求率为14.72%,避难人口为29.5万人;8度震害情景下的避难需求率为29.63%,避难人口为59.3万人。因此在规划中,固定避难场所可按照29.5万人进行配置,同时兼顾极端情况下59.3万人的固定避难需求。如表2所示:
表2某市各分区不同震害情景下的固定避难需求
通过对既有理论与TCBID理论指导下的固定避难需求的对比可见,TCBID理论指导下的固定避难需求预测(23.6万人)低于既有理论和传统方法的计算结果(29.5万人)。基于TCBID理论指导下的固定避难需求预测更加准确、全面,使应急避难场所需求与供给更加匹配,对于资源的浪费将会降到最低,避难场所的规划也就更加科学、合理,城市安全防灾效能也会得以提升。
基于同一发明构思,本发明实施例还提供了一种应急避难场所避难人口需求的预测系统,由于该系统所解决问题的原理与前述应急避难场所避难人口需求的预测方法相似,因此该系统的实施可以参见前述方法的实施,重复之处不再赘述。
本发明实施例提供了一种应急避难场所避难人口需求的预测系统,参照图5所示,包括:
第一确定模块501,用于采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
第二确定模块502,用于对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;
获取模块503,用于获取待预测地区相关的规划期内的时间节点t0;
代入模块504,用于根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;所述TCBID理论包括四个方面数据,分别为:时间、建构筑物性态特征、建筑与基础设施和动态规划;
输出模块505,用于输出应急避难场所避难人口需求的预测数量M。
在一个实施例中,参照图6所示,所述第一确定模块501,包括:
生成子模块5011,用于采用地震易损性分析算法,生成不同类型结构在不同时间节点的地震易损性曲线;
计算子模块5012,用于根据所述地震易损性曲线,结合各类型结构对应的各个损伤等级,计算得到小震、中震和大震作用下既有建筑的震害指数;
确定子模块5013,用于根据所述震害指数,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi。
在一个实施例中,所生成子模块5011中,所述地震易损性分析算法的计算公式为:
式中:PGA为地面峰值加速度,t为建筑结构的评估时间,ds为既有建筑的某个损伤等级,Ф为标准正态累计分布函数,βds为该损伤等级对应的地震动强度标准差,αds为结构达到某个损伤等级时地震动强度的中值。
在一个实施例中,所述计算子模块5012中震害指数的计算公式为:
式中:L为各类型结构在第i个损伤状态的震害指数,Pi为既有建筑在第i个损伤等级时的离散概率,D为既有建筑总的震害指数:若D≤0.1,表明该建筑基本完好;若0.1<D≤0.3,表明该建筑轻微破坏;若0.3<D≤0.5,表明该建筑中等破坏;若0.5<D≤0.7,表明该建筑严重破坏;若D>0.7,表明该建筑倒塌。
在一个实施例中,所述代入模块504中应急避难人口数量预测模型的计算公式为:
式中:M表示预测数量;Bi表示位于第i区的建筑结构发生中等以上破坏程度导致的受灾人口规模(人);Wj表示位于第j区的市政基础设施系统中断导致的受灾人口规模(人);t0表示整个规划期内的最优时间节点;γ表示城市更新改造造成的避难人口规模变化系数。γ取值为更新改造后规划常住人口数量/现状常住人口数量。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种应急避难场所避难人口需求的预测方法,其特征在于,包括:
采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;
获取待预测地区相关的规划期内的时间节点t0;
根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;所述TCBID理论包括四个方面数据,分别为:时间、建构筑物性态特征、建筑与基础设施、动态规划;
输出应急避难场所避难人口需求的预测数量M;
其中,采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi,包括:
采用地震易损性分析算法,生成不同类型结构在不同时间节点的地震易损性曲线;
根据所述地震易损性曲线,结合各类型结构对应的各个损伤等级,计算得到小震、中震和大震作用下既有建筑的震害指数;
根据所述震害指数,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
所述应急避难人口数量预测模型的计算公式为:
式中:M表示预测数量;Bi表示位于第i区的建筑结构发生中等以上破坏程度导致的受灾人口规模(人);Wj表示位于第j区的市政基础设施系统中断导致的受灾人口规模(人);t0表示整个规划期内的最优时间节点;γ表示城市更新改造造成的避难人口规模变化系数。
4.一种应急避难场所避难人口需求的预测系统,其特征在于,包括:
第一确定模块,用于采用地震易损性分析算法,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
第二确定模块,用于对待预测地区基础设施系统的抗震性能进行评估,确定基础设施系统中断导致的受灾人口规模Wj;
获取模块,用于获取待预测地区相关的规划期内的时间节点t0;
代入模块,用于根据所述Bi、Wj、t0,代入根据TCBID理论构建的应急避难人口数量预测模型;所述TCBID理论包括四个方面数据,分别为:时间、建构筑物性态特征、建筑与基础设施、动态规划;
输出模块,用于输出应急避难场所避难人口需求的预测数量M;
其中,所述第一确定模块,包括:
生成子模块,用于采用地震易损性分析算法,生成不同类型结构在不同时间节点的地震易损性曲线;
计算子模块,用于根据所述地震易损性曲线,结合各类型结构对应的各个损伤等级,计算得到小震、中震和大震作用下既有建筑的震害指数;
确定子模块,用于根据所述震害指数,确定待预测地区建筑结构发生中等以上破坏程度导致的受灾人口规模Bi;
所述代入模块中,应急避难人口数量预测模型的计算公式为:
式中:M表示预测数量;Bi表示位于第i区的建筑结构发生中等以上破坏程度导致的受灾人口规模(人);Wj表示位于第j区的市政基础设施系统中断导致的受灾人口规模(人);t0表示整个规划期内的最优时间节点;γ表示城市更新改造造成的避难人口规模变化系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373079.5A CN110210650B (zh) | 2019-05-06 | 2019-05-06 | 一种应急避难场所避难人口需求的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910373079.5A CN110210650B (zh) | 2019-05-06 | 2019-05-06 | 一种应急避难场所避难人口需求的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110210650A CN110210650A (zh) | 2019-09-06 |
CN110210650B true CN110210650B (zh) | 2021-07-02 |
Family
ID=67785519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910373079.5A Active CN110210650B (zh) | 2019-05-06 | 2019-05-06 | 一种应急避难场所避难人口需求的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210650B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111504298B (zh) * | 2020-03-16 | 2022-04-19 | 深圳市城市公共安全技术研究院有限公司 | 应急避难场所指引系统及指引方法 |
CN111523804B (zh) * | 2020-04-23 | 2023-05-19 | 南京工业大学 | 一种基于实景三维的应急避难场所效能评估方法 |
CN115880356A (zh) * | 2023-03-08 | 2023-03-31 | 中规院(北京)规划设计有限公司 | 一种地图标记方法、装置、计算机设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017031615A1 (zh) * | 2015-08-24 | 2017-03-02 | 深圳朝伟达科技有限公司 | 一种构建双溶腔盐穴储库地面沉降预测模型的方法 |
CN106897510A (zh) * | 2017-02-16 | 2017-06-27 | 西南交通大学 | 一种桥梁结构三维地震易损性分析方法 |
CN109408965A (zh) * | 2018-10-26 | 2019-03-01 | 中国地震局地球物理研究所 | 基于地震动参数的房屋震害矩阵曲线化分析系统及方法 |
-
2019
- 2019-05-06 CN CN201910373079.5A patent/CN110210650B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017031615A1 (zh) * | 2015-08-24 | 2017-03-02 | 深圳朝伟达科技有限公司 | 一种构建双溶腔盐穴储库地面沉降预测模型的方法 |
CN106897510A (zh) * | 2017-02-16 | 2017-06-27 | 西南交通大学 | 一种桥梁结构三维地震易损性分析方法 |
CN109408965A (zh) * | 2018-10-26 | 2019-03-01 | 中国地震局地球物理研究所 | 基于地震动参数的房屋震害矩阵曲线化分析系统及方法 |
Non-Patent Citations (2)
Title |
---|
地震人员伤亡评估理论及应用研究;郑山锁等;《世界地震工程》;20190331;第35卷(第1期);全文 * |
村镇地震危害性综合评价方法研究;郭小东等;《建筑科学》;20111231;第27卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110210650A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiong et al. | Framework for city‐scale building seismic resilience simulation and repair scheduling with labor constraints driven by time–history analysis | |
Marasco et al. | Integrated platform to assess seismic resilience at the community level | |
Hassan et al. | Full functionality and recovery assessment framework for a hospital subjected to a scenario earthquake event | |
Kameshwar et al. | Probabilistic decision-support framework for community resilience: Incorporating multi-hazards, infrastructure interdependencies, and resilience goals in a Bayesian network | |
CN110210650B (zh) | 一种应急避难场所避难人口需求的预测方法及系统 | |
So et al. | Estimating shaking-induced casualties and building damage for global earthquake events: a proposed modelling approach | |
Faccioli et al. | A study on damage scenarios for residential buildings in Catania city | |
Cavalieri et al. | Quantitative assessment of social losses based on physical damage and interaction with infrastructural systems | |
Masoomi et al. | Simulation-based assessment of postearthquake functionality of buildings with disruptions to cross-dependent utility networks | |
Yoon et al. | A comprehensive framework for seismic risk assessment of urban water transmission networks | |
Tomar et al. | Hindcasting the functional loss and restoration of the Napa water system following the 2014 earthquake using discrete-event simulation | |
Catulo et al. | Simplified evaluation of seismic vulnerability of Lisbon Heritage City Centre based on a 3DGIS-based methodology | |
Shang et al. | A benchmark city for seismic resilience assessment | |
Sarvar et al. | Assessment of risk caused by earthquake in region 1 of Tehran using the combination of RADIUS, TOPSIS and AHP models | |
Athmani et al. | Seismic risk assessment of the historical urban areas of Annaba city, Algeria | |
Biglari et al. | Urban seismic scenario-based risk analysis using empirical fragility curves for Kerend-e-gharb after Mw 7.3, 2017 Iran earthquake | |
Orooji et al. | Generalized cost-effectiveness of residential wind mitigation strategies for wood-frame, single family house in the USA | |
Un et al. | Performance assessment of Turkish residential buildings for seismic damage and loss estimation | |
Sarreshtehdari | The impact of fire following earthquake on urban environment considering the seismic performance of infrastructure networks | |
Kang | From rupture to recovery: Integrating probabilistic building performance assessment, decision-making and socioeconomic vulnerability to model post-earthquake housing recovery | |
Tabucchi et al. | Post-earthquake restoration of the Los Angeles water supply system | |
Singhal et al. | Development of a civil infrastructure resilience assessment framework | |
Augusti et al. | Seismic protection of constructed facilities: optimal use of resources | |
Didier | Seismic resilience of communities and of their civil infrastructure systems | |
Urlainis et al. | BIM-BASED SEISMIC RISK ASSESSMENT FRAMEWORK FOR INFRASTRUCTURE SYSTEMS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |