陳　鵬，石少沖，王鋼強(qiáng)

(中國人民公安大學(xué) 信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院，北京 102600)

?

公共環(huán)境下密集人群踩踏事故的預(yù)警系統(tǒng)研究

陳鵬，石少沖，王鋼強(qiáng)

(中國人民公安大學(xué) 信息技術(shù)與網(wǎng)絡(luò)安全學(xué)院，北京 102600)

目前關(guān)于公共環(huán)境下的密集人群踩踏事故預(yù)警更多的是從人群的流量和密集度等特征的識別來進(jìn)行風(fēng)險(xiǎn)的預(yù)警，缺乏對事故整體的系統(tǒng)性考慮。本文基于密集人群聚集踩踏事故的機(jī)理，建立了基于人群風(fēng)險(xiǎn)監(jiān)測、風(fēng)險(xiǎn)分析、風(fēng)險(xiǎn)預(yù)警/處置等技術(shù)手段的密集人群踩踏事故預(yù)警系統(tǒng)。該系統(tǒng)的構(gòu)建將有利于提高公安部門大型活動(dòng)的應(yīng)急能力與水平。

密集人群；踩踏事故；應(yīng)急管理；預(yù)警

隨著我國社會生活的日益豐富，在城市公共場所舉辦的大型政治、文化、體育、宗教、民俗等方面的活動(dòng)逐漸增多，同時(shí)也帶來了一系列的安全隱患，其中最為突出的便是人群發(fā)生擁擠而導(dǎo)致的踩踏等群死群傷事故。大型活動(dòng)中的擁擠踩踏事故是一個(gè)多因素、多變量、多層次的復(fù)雜系統(tǒng)。在該系統(tǒng)中，除活動(dòng)場所等環(huán)境特征外，參與活動(dòng)的人群個(gè)體的心理與行為也存在著各種不確定性和復(fù)雜性。

從風(fēng)險(xiǎn)的角度來講，大型活動(dòng)發(fā)生踩踏事故本身是各種風(fēng)險(xiǎn)因素綜合作用的結(jié)果。對這些事故而言，人群的聚集并不是造成踩踏事故發(fā)生的根本原因，而是人群聚集的風(fēng)險(xiǎn)超過了活動(dòng)本身所能承受的極限，而在這個(gè)過程中，應(yīng)急管理部門尤其是公安部門對公眾聚集活動(dòng)的實(shí)時(shí)有效監(jiān)測和預(yù)警對防止大規(guī)模群體性踩踏事故的發(fā)生十分關(guān)鍵。近年來，一些研究機(jī)構(gòu)和學(xué)者針對人群密集聚集的風(fēng)險(xiǎn)預(yù)警陸續(xù)從方法、模型和系統(tǒng)上開展了一些工作，如在密集人群的快速識別方法上，佟瑞鵬等提出了聚集指數(shù)方法[1]，Yukio等提出了時(shí)間序列數(shù)據(jù)的圖形可視化聚類方法和基于馬爾可夫隨機(jī)場 (MRF) 的實(shí)時(shí)人群密度估計(jì)法[2-3]等；在復(fù)雜人群聚集風(fēng)險(xiǎn)系數(shù)評估方面，F(xiàn)ruin提出了FIST 模型[4]，孫燕提出了描述人群聚集風(fēng)險(xiǎn)的DICE 模型[5]，Church等通過構(gòu)建臨界簇模型(Critical Cluster Model，CCM) 提出了一種針對區(qū)域節(jié)點(diǎn)的全局疏散風(fēng)險(xiǎn)定量評價(jià)方法[6]，常慶龍等提出了一個(gè)由場景前景二值圖的歸一化前景面積和二維聯(lián)合熵組成的人群聚集檢測模型[7]。但是從目前已有的工作來看，現(xiàn)有的研究主要集中在兩個(gè)方面，一是以人流量實(shí)時(shí)監(jiān)測監(jiān)控為主的預(yù)警研究，另一個(gè)是以圖像和視頻分析為主的人群密集度異常檢測研究。但是從總的方面來看，無論是人流量過大還是人群密集度異常都只是密集人群踩踏事故發(fā)生的一個(gè)方面，踩踏事故的發(fā)生是人群由分散到形成聚集，從聚集到過度聚集，再進(jìn)而發(fā)生擁擠等多個(gè)環(huán)節(jié)連續(xù)耦合作用的結(jié)果，因而對人群的密集聚集踩踏事故預(yù)警就不能僅從個(gè)別關(guān)鍵階段進(jìn)行著手，而是需要從過程的每一個(gè)階段建立起完整有效的監(jiān)測與預(yù)警機(jī)制才能從根本上防范和阻止踩踏事故的發(fā)生?；诖?，本文從密集人群擁擠踩踏事故的發(fā)展機(jī)理入手，以人員密集聚集的風(fēng)險(xiǎn)為核心，基于公安部門現(xiàn)有的大型活動(dòng)應(yīng)急管理與指揮體系及相關(guān)技術(shù)，從監(jiān)測、預(yù)警和處置三個(gè)方面開展構(gòu)建密集人群擁擠踩踏事故預(yù)警系統(tǒng)研究。

1　公共環(huán)境下密集人群踩踏事故的動(dòng)態(tài)機(jī)理分析

在公共環(huán)境下密集人群擁擠踩踏事故機(jī)理方面，一些學(xué)者開展了一些基礎(chǔ)性和開創(chuàng)性的研究，例如，周曉冰按照事故發(fā)生的誘因?qū)頂D踩踏事故發(fā)生模式分為自發(fā)和引發(fā)兩大類[8]。其中自發(fā)模式主要是因?yàn)槿巳毫鲃?dòng)的速度、方向紊亂而造成的擁擠踩踏事故，而引發(fā)類事故則是由于自然災(zāi)害、技術(shù)管理、事故災(zāi)難等外界因素引發(fā)的人群突然崩潰所導(dǎo)致的踩踏事故。

對于自發(fā)型踩踏事故，引發(fā)公共環(huán)境下人群交叉、聚集的原因是特定地區(qū)存在的一個(gè)或若干個(gè)目標(biāo)事件。所謂的目標(biāo)事件是指能夠吸引、驅(qū)動(dòng)不同年齡、性別、身份和職業(yè)群眾朝特定區(qū)域的特定目標(biāo)聚集的事件。比如上海外灘“12·31”擁擠踩踏事件的目標(biāo)事件是上海外灘跨年晚會的燈光秀，北京密云彩虹橋事件的目標(biāo)事件是迎春燈展，印度比哈爾邦省會巴特那踩踏事故的目標(biāo)事件是該地區(qū)的宗教活動(dòng)。人群因同一地區(qū)的同一目標(biāo)事件而聚集，也會由于同一地區(qū)的不同目標(biāo)事件而與其他的人流相遇、交叉。在活動(dòng)現(xiàn)場環(huán)境人群容量尚未到達(dá)飽和的條件下，公共區(qū)域內(nèi)人群是安全的，或者風(fēng)險(xiǎn)處于較低的水平。但當(dāng)人群不斷交叉、聚集時(shí)，區(qū)域內(nèi)的人群數(shù)量會逐漸地接近甚至超過區(qū)域的容量，此時(shí)可將不斷運(yùn)動(dòng)變化的人群視為一個(gè)復(fù)雜系統(tǒng)。根據(jù)“沙堆模型”理論[9]，一個(gè)處于運(yùn)動(dòng)狀態(tài)下的系統(tǒng)自身會在不需要外部干涉、引導(dǎo)的情況下自動(dòng)演化到臨界狀態(tài)，在這個(gè)狀態(tài)中，系統(tǒng)中任何一個(gè)小的擾動(dòng)，比如一粒沙的墜落所引起的后果將會是不可預(yù)測的，其結(jié)果可能會引起一些小的沙崩，但如果沙粒恰好墜落在適當(dāng)?shù)奈恢蒙蠈l(fā)特大的沙崩。因此，如果將公共環(huán)境下的人群聚集過程看作一個(gè)正在運(yùn)行的系統(tǒng)，在一定程度上人員的聚集并不一定會造成踩踏，只有人群聚集達(dá)到系統(tǒng)運(yùn)行臨界值時(shí)，一旦受到內(nèi)外界擾動(dòng)因素的影響，系統(tǒng)就會發(fā)生災(zāi)難性崩潰。因此，可將公共環(huán)境下密集人群擁擠踩踏事故發(fā)生機(jī)理描述如圖1所示。

圖1　公共環(huán)境下密集人群擁擠踩踏事故發(fā)生機(jī)理模型

對于人群系統(tǒng)，引發(fā)踩踏的擾動(dòng)形式可以有多種，既包括事故類擾動(dòng)，如突然停電、自寬敞空間進(jìn)入較狹窄的出入口、建筑物的倒塌、爆炸的發(fā)生等，也有人為的擾動(dòng)，如現(xiàn)場環(huán)境下由于信息傳輸不暢所引發(fā)的謠言傳播、人群中個(gè)別脆弱性個(gè)體的摔倒等。對此，可將踩踏的發(fā)生簡化為以下過程，其中環(huán)境容量指某特定環(huán)境下不會造成踩踏事件時(shí)所能容納人群的最大數(shù)量。

(1)當(dāng)人群數(shù)量遠(yuǎn)小于或低于環(huán)境容量時(shí)(“小于”指現(xiàn)階段人群數(shù)量和環(huán)境容量沒有在同一個(gè)量級上)，此時(shí)人群因數(shù)量和密度較低，有足夠大的緩沖空間，因此即便發(fā)生外界的擾動(dòng)也不會輕易產(chǎn)生踩踏。

(2)當(dāng)人群數(shù)量接近環(huán)境容量時(shí)，此時(shí)人群的密度和數(shù)量開始接近飽和，事故風(fēng)險(xiǎn)開始上升并達(dá)到較大水平，但此時(shí)人群系統(tǒng)仍處于相對穩(wěn)定狀態(tài)，對擾動(dòng)具備一定的抗干擾性，只有在發(fā)生較強(qiáng)擾動(dòng)的作用下會使人群發(fā)生混亂，但只要應(yīng)急處置及時(shí)不會發(fā)生較大的傷亡。

(3)當(dāng)人群數(shù)量達(dá)到甚至高于環(huán)境容量時(shí)，此時(shí)人群的密度達(dá)到極大值，發(fā)生踩踏事故的風(fēng)險(xiǎn)也達(dá)到最高水平，這時(shí)人群將會處于極度脆弱的階段，在任何的微小擾動(dòng)的作用下都可能會發(fā)生人群崩潰，造成較大的人員傷亡。

通過分析可以看出，密集人群聚集發(fā)生踩踏事故的關(guān)鍵為實(shí)時(shí)的人流量過大和人群聚集的密集度過高以及系統(tǒng)的擾動(dòng)作用。因此，對于公安等應(yīng)急部門而言，密集人群的聚集踩踏事故預(yù)防就需要從人群風(fēng)險(xiǎn)控制的角度來對人流量和人群密集度等指標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測與采集，在此基礎(chǔ)上，通過依托公安現(xiàn)有的指揮、情報(bào)分析等綜合系統(tǒng)來對監(jiān)測信息進(jìn)行實(shí)時(shí)分析，然后根據(jù)分析結(jié)果來進(jìn)行相應(yīng)的預(yù)警和處置工作。

2　密集人群踩踏事故預(yù)警系統(tǒng)

基于公共環(huán)境下密集人群擁擠踩踏事故的發(fā)生機(jī)理，提出了面向公安應(yīng)急的基于實(shí)時(shí)監(jiān)測技術(shù)的密集人群踩踏事故預(yù)警系統(tǒng)。系統(tǒng)的結(jié)構(gòu)圖如圖2所示。該系統(tǒng)從結(jié)構(gòu)上分為風(fēng)險(xiǎn)監(jiān)測部分、風(fēng)險(xiǎn)分析部分與預(yù)警/處置部分。

圖2　密集人群踩踏事故監(jiān)測預(yù)警系統(tǒng)組成

2.1風(fēng)險(xiǎn)監(jiān)測部分

系統(tǒng)的監(jiān)測部分分為兩個(gè)主要模塊，一個(gè)是外圍人流的實(shí)時(shí)監(jiān)測，另一個(gè)是現(xiàn)場內(nèi)的重點(diǎn)區(qū)域?qū)崟r(shí)監(jiān)測。兩者之間是既存在聯(lián)系又存在區(qū)別的關(guān)系，其中外圍人流監(jiān)測主要對人流量進(jìn)行數(shù)據(jù)獲取以便于獲得現(xiàn)場人群總量的動(dòng)態(tài)評估來判斷是否達(dá)到飽和以及何時(shí)會達(dá)到飽和，而重點(diǎn)區(qū)域的實(shí)時(shí)監(jiān)測則主要是對現(xiàn)場內(nèi)已聚集人群的動(dòng)態(tài)監(jiān)控來判斷群體行為的異常性。

(1)外圍人流監(jiān)測

外圍人流的監(jiān)測可通過WIFI電子圍欄、視頻技術(shù)裝置以及GIS實(shí)時(shí)熱點(diǎn)地圖等方法來實(shí)現(xiàn)。其中WIFI電子圍欄為公安專用制式設(shè)備，其主要功能是通過部署在路口、地鐵站口、建筑物出入口等室內(nèi)外場點(diǎn)，利用數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)對采集的手機(jī)等無線設(shè)備信息進(jìn)行分析，可用于人流計(jì)數(shù)、目標(biāo)追蹤、軌跡記錄等。視頻計(jì)數(shù)裝置是通過圖像和視頻分析來對出入口的人流量進(jìn)行辨別與統(tǒng)計(jì)的設(shè)備，其主要核心技術(shù)包括人流檢測、人流跟蹤和人流計(jì)算算法，目前已開發(fā)的視頻人流計(jì)數(shù)系統(tǒng)包括有基于OpenCV的視頻人流計(jì)數(shù)系統(tǒng)[10]、融合視頻與激光信息的人流計(jì)數(shù)方法和基于角點(diǎn)軌跡跟蹤的人流計(jì)數(shù)方法[11-12]。GIS實(shí)時(shí)熱點(diǎn)地圖則是以地理信息系統(tǒng)為平臺，通過集成人群個(gè)體信息來實(shí)現(xiàn)人群密度識別的方法，目前熱點(diǎn)地圖分析最普遍的方法是核密度估計(jì)[13]，其算法核心是為在每一個(gè)目標(biāo)點(diǎn)設(shè)置一個(gè)核函數(shù)，然后根據(jù)其他點(diǎn)距離該點(diǎn)的距離(距離越大，對該點(diǎn)影響越大，反之，距離越小，對該點(diǎn)影響越小)計(jì)算出該點(diǎn)的概率密度函數(shù)值，最后整合所有數(shù)據(jù)點(diǎn)的核密度函數(shù)，得到總體的概率密度函數(shù)。

(2)重點(diǎn)區(qū)域監(jiān)測

現(xiàn)場中的重點(diǎn)區(qū)域往往是人群密集聚集的部位，這些區(qū)域由于人群密度較高，因此探測手段往往需要依靠現(xiàn)場的高清視頻裝置，如部署于制高點(diǎn)的探頭、無人機(jī)攜帶的視頻采集裝置以及單兵圖像采集裝置等。這些設(shè)備采集的重點(diǎn)信息是現(xiàn)場人群的異常行為特征以便于判斷人群聚集的風(fēng)險(xiǎn)性。根據(jù)文獻(xiàn)[14]的研究，現(xiàn)場人群監(jiān)測的主要目標(biāo)為聚集人群的流向、密度、密度變化率、持續(xù)時(shí)間、速度、速度變化率等能夠反映人群聚集狀態(tài)和運(yùn)動(dòng)狀態(tài)的參數(shù)。目前用于人群運(yùn)動(dòng)速度特征提取的算法有基于DPIV的互相關(guān)算法[15]、基于粗糙集融合支持向量機(jī)的智能視覺技術(shù)等[16]，用于人群密度分析的算法有計(jì)算機(jī)視覺半監(jiān)督學(xué)習(xí)算法[17]、基于完全局部二值模式的人群密度估計(jì)算法和基于馬爾可夫隨機(jī)場的人群密度監(jiān)測算法等[2-3]。

2.2風(fēng)險(xiǎn)分析部分

分析部分的主要功能是在前端監(jiān)測監(jiān)控?cái)?shù)據(jù)采集的基礎(chǔ)上，對數(shù)據(jù)進(jìn)行加工處理和整合，利用風(fēng)險(xiǎn)評估方法及工具，對現(xiàn)場人群的人群特征信息、人群密度閾值、人群壓力閾值以及人群聚集風(fēng)險(xiǎn)的總閾值和公共場所中高風(fēng)險(xiǎn)關(guān)鍵節(jié)點(diǎn)進(jìn)行評估[18]，經(jīng)過綜合分析計(jì)算后，獲得踩踏事故發(fā)生的風(fēng)險(xiǎn)水平。具體方法可采用文獻(xiàn)[19]提出的擁擠踩踏事故風(fēng)險(xiǎn)定量評價(jià)模型。該模型的基本原理是通過估算區(qū)域內(nèi)滯留人數(shù)和區(qū)域場內(nèi)所受影響的總?cè)藬?shù)的比值來表示擁擠踩踏事故的概率，即：

(1)

(2)

式中：P為擁擠踩踏事故的概率；NS為區(qū)域滯留人數(shù)；NT為受影響的總?cè)藬?shù)；N1為從自由疏散開始時(shí)刻(t=0)到T時(shí)刻經(jīng)n個(gè)內(nèi)部通道分支入口最后匯集到總出口的集結(jié)人數(shù)；N2為從自由疏散開始時(shí)刻(t=0)到T時(shí)刻經(jīng)總出口疏散出的總?cè)藬?shù)；f′(t)為第i個(gè)入口分支的人群流動(dòng)系數(shù)(人/(m·s));B′(t)為第i個(gè)入口分支的人流寬度(m);f(t)為出口人群流動(dòng)系數(shù)(人/(m·s));B(t)為總出口人流寬度(m)。

則人群擁擠踩踏事故風(fēng)險(xiǎn)值可用下式計(jì)算：

(3)

式中：θ為踩踏事故的觸發(fā)因子，NF為t時(shí)刻滯留人群中的死亡人數(shù)。

2.3風(fēng)險(xiǎn)預(yù)警/處置部分

該部分的主要功能是在對人群密集聚集實(shí)時(shí)監(jiān)測和綜合分析評價(jià)的基礎(chǔ)上，根據(jù)風(fēng)險(xiǎn)分析的結(jié)果，對現(xiàn)場人群進(jìn)行信息反饋、對現(xiàn)場警力進(jìn)行預(yù)警信息發(fā)布和處置指令的發(fā)送。對現(xiàn)場人群，由于人流量接近或達(dá)到飽和容量時(shí)現(xiàn)場環(huán)境會處于高度擁擠和聚集狀態(tài)，因此需要綜合利用各種信息發(fā)布手段對人群進(jìn)行信息提示并提供疏散建議和信息。一般情況下可綜合利用包括現(xiàn)場廣播系統(tǒng)、LED顯示屏以及短信群發(fā)裝置進(jìn)行信息的發(fā)布，一方面消除現(xiàn)場人群擁擠狀態(tài)下可能出現(xiàn)的謠言，另一方面安撫人群情緒，避免出現(xiàn)恐慌、緊張等異常心理。對于現(xiàn)場應(yīng)急警力，則需要應(yīng)急指揮中心綜合利用公安專業(yè)應(yīng)急通信手段及設(shè)備，包括動(dòng)中通、無線數(shù)字集群、移動(dòng)警務(wù)等對現(xiàn)場區(qū)域內(nèi)的每一個(gè)應(yīng)急部門、甚至每一個(gè)警力發(fā)送個(gè)性化指令，根據(jù)現(xiàn)場風(fēng)險(xiǎn)關(guān)鍵點(diǎn)的分布就近指揮應(yīng)急警力開展應(yīng)急工作，包括封閉出入口截?cái)嗤鈬肆鬟M(jìn)入、加強(qiáng)現(xiàn)場人群的疏散疏導(dǎo)、現(xiàn)場秩序維持，受傷人員的情緒安撫、搶救傷者等。

3　結(jié)論

公共環(huán)境下的密集人群聚集踩踏事故是一個(gè)動(dòng)態(tài)復(fù)雜的過程，受人群聚集行為、內(nèi)外擾動(dòng)等多種因素的綜合影響。本文根據(jù)公共環(huán)境下密集人群聚集踩踏事故的動(dòng)態(tài)演變特點(diǎn)，建立了密集人群踩踏事故的機(jī)理模型，并根據(jù)公安應(yīng)急部門現(xiàn)有的信息采集手段和技術(shù)以及業(yè)務(wù)特點(diǎn)，構(gòu)建了密集人群踩踏事故監(jiān)測預(yù)警系統(tǒng)。該系統(tǒng)在功能上具備了風(fēng)險(xiǎn)監(jiān)測、風(fēng)險(xiǎn)分析和風(fēng)險(xiǎn)預(yù)警/處置等多種結(jié)構(gòu)，能夠適應(yīng)于大型社會活動(dòng)的管理和預(yù)警指揮等復(fù)雜應(yīng)急場景，對提高和完善公安面對突發(fā)性社會安全事件的應(yīng)急指揮能力具有一定的意義。

致謝：本論文工作受公共安全協(xié)同創(chuàng)新中心與清華大學(xué)公共安全研究院支持，在此表示感謝。

[1]佟瑞鵬，高平，劉欣，等.大型活動(dòng)事故風(fēng)險(xiǎn)評估模型與方法研究[J].中國安全科學(xué)學(xué)報(bào), 2014, 24(3):150-155.

[2]SandahiroY，KobayashiT.Exploratoryanalysisoftimeseriesdata:Detectionofpartialaimilarties，clustering，andvisualization[J].Computer，EnvironmentandUrbanSystems, 2014, 45(2):24-33.

[3]ParagiosN,RameshV．AMRF-basedApproachforReal-TimeSubwayMonitoring[R]．Proceedingsofthe2001IEEEComputerSocietyConferenceonComputerVisionandPatternRecognition.CVPR, 2001,USA, 1034.

[4]FruinJ．TheCausesandPreventionofCrowdDisasters．FirstInternationalConferenceonEngineeringforCrowdSafety,London,England, 1993.

[5]孫燕，李秋菊，李劍鋒，等. 城市重點(diǎn)公共區(qū)域人群聚集風(fēng)險(xiǎn)的實(shí)時(shí)定量技術(shù)[J]. 中國安全生產(chǎn)科學(xué)技術(shù), 2011, 7(8):147-153.

[6]RichardLC，ThomasJC.Mappingevacuationriskontransportationnetworksusingaspatialoptimizationmodel[J]．TransportationResearchPartCEmergingTechnologies，2000, 8(1):321-336.

[7]常慶龍，夏洪山. 利用歸一化前景和二維聯(lián)合熵的人群聚集檢測方法[J]. 武漢大學(xué)學(xué)報(bào), 2013, 38(9):1126-1130.

[8]周曉冰，張永領(lǐng). 大型社會活動(dòng)擁擠踩踏事故機(jī)理分析及應(yīng)對策略研究[J]. 災(zāi)害學(xué), 2015, 30(4): 156-163.

[9]何越磊，姚令侃，蘇鳳環(huán)，等.沙堆模型動(dòng)力學(xué)特性與災(zāi)害系統(tǒng)演化預(yù)測研究[J].自然災(zāi)害學(xué)報(bào), 2005, 14(4): 44-50.

[10]朱軍軍，程濤，杜明明.基于OpenCV的視頻人流技術(shù)系統(tǒng)的設(shè)計(jì)與開發(fā)[J].電腦知識與技術(shù), 2010, 6(16): 4485-4487.

[11]鐘新玉，劉峽壁，魏雪，等.融合視頻與激光信息的雙向人流技術(shù)方法[C]//全國第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2010)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用(SCA·2011)學(xué)術(shù)會議, 貴陽，2011.

[12]張森禹，陳增慧，劉正，等.一種基于角點(diǎn)軌跡統(tǒng)計(jì)跟蹤的人流技術(shù)新方法[J].軟件導(dǎo)刊, 2014,13(8):37-40.

[13]徐沖，柳林，周素紅，等.DP半島街頭搶劫犯罪案件熱點(diǎn)時(shí)空模式[J].地理學(xué)報(bào),2013,68(12):1714-1723..

[14]李燾，金龍哲，馬英楠，等.大型活動(dòng)客流監(jiān)測預(yù)警方法研究[J].中國安全生產(chǎn)科學(xué)技術(shù), 2012, 8(4):75-80.

[15]王嘉悅，翁文國，張小樂.基于互相關(guān)算法的人員密集場所人群運(yùn)動(dòng)速度特征研究[J].中國安全生產(chǎn)科學(xué)技術(shù),2014,10(6):5-11.

[16]李留箐，陳中良.基于視覺圖像踩踏風(fēng)險(xiǎn)預(yù)警研究[J].計(jì)算機(jī)仿真, 2015, 32(9):429-432.

[17]劉蔚.計(jì)算機(jī)視覺下半監(jiān)督學(xué)習(xí)的人員踩踏風(fēng)險(xiǎn)預(yù)警[J].科技通報(bào), 2014, 30(4):128-130.

[18]胡成，郭婧婷，李強(qiáng)，等. 開放性公共場所人群聚集風(fēng)險(xiǎn)和關(guān)鍵點(diǎn)評估方法[J]. 中國安全科學(xué)學(xué)報(bào), 2015, 25(12): 163-169.

[19]佟瑞鵬，李春旭，鄭毛景，等.擁擠踩踏事故風(fēng)險(xiǎn)定量評價(jià)模型及其優(yōu)化分析[J].中國安全科學(xué)學(xué)報(bào), 2013, 23(12): 90-94.

Early Warning System Research to High Density Crowds in Public Environment

CHEN Peng, SHI Shaochong and WANG Gangqiang

(SchoolforInformationandCyberSecurity,People’sPublicSecurityUniversityofChina,Beijing102600,China)

Currently,thedevelopedearly-warningsystemoncrowdstampedeinpublicsiteweremostlybasedonpopulationflowanddensity,butfailedindevelopingthesystemfromwholeprocessofaccident.Thispaperreviewsthemechanismofstampedeandproposesanearly-warningsystemwhichorientatedtothehighdensitycrowdstampede.Thesystemisconsistingofrisksupervision,riskassessmentandwarning/dispositionfunctions.Theconceptofthiskindofsystemwouldbebeneficialtoemergencylevelandabilityofpoliceagenciesinrespondinghugesocialevents.

crowds;stampede;emergencymanagement;early-warning

2016-05-02

2016-06-06

“十二五”國家科技支撐課題(2015BAK12B03)；公安部技術(shù)研究計(jì)劃項(xiàng)目(2015JSYJC50)

陳鵬(1981-)，遼寧營口人，博士，副教授，研究方向?yàn)閼?yīng)急管理與智能決策. E-mail：chenpeng@ppsuc.edu.cn

X45；X9

A

1000-811X(2016)04-0181-04

10.3969/j.issn.1000-811X.2016.04.032

陳鵬，石少沖，王鋼強(qiáng). 公共環(huán)境下密集人群踩踏事故的預(yù)警系統(tǒng)研究[J]. 災(zāi)害學(xué)，2016，31(4)：181-184. [CHEN Peng, SHI Shaochong and WANG Gangqiang. Early Warning System Research to High Density Crowds in Public Environment[J]. Journal of Catastrophology，2016，31(4)：181-184. doi: 10.3969/j.issn.1000-811X.2016.04.032.]