人因对核电厂事故应急疏散行为的影响.pdf

通过问卷调查分析，获得核电站周围不同人群对核应急疏散的认知情况和行为特征，并且通过Logistic回归模型对人群疏散时可能发生的行为作出预测。采用卡方检验法和Logistic回归模型对该地区的不同人群的疏散心理和疏散行为等因素进行相关分析和影响判断，并且通过最优分配算法对模型预测正确性进行判断。结果表明：是否购买过核安全相关保险、参加过的核应急疏散演习次数、对核应急疏散的了解情况、家中有无核应急防护措施等因素对人群疏散意识和心理有显著影响；性别、对核应急疏散的了解情况、参加过的核应急疏散演习次数、家中是否有核应急防护措施和是否购买过核安全保险等因素对人群疏散行为有显著影响；仿真表明，具有一定核疏散经验的人群能做出相对正确的疏散行为，减少疏散时间。关键词 人因，核应急疏散，Logistic回归模型，最优分配中图分类号 TL73DOI:10.11889/j.1000-3436.2022-0128引用该文：栾飞,陈春花,阮方,等.人因对核电厂事故应急疏散行为的影响J.辐射研究与辐射工艺学报,2023,41(4):040602.DOI:10.11889/j.1000-3436.2022-0128.LUAN Fei,CHEN Chunhua,RUAN Fang,et al.Influence of human factors on emergency evacuation efficiency of nuclear power plant accidentJ.Journal of Radiation Research and Radiation Processing,2023,41(4):040602.DOI:10.11889/j.1000-3436.2022-0128.Influence of human factors on emergency evacuation efficiency of nuclear power plant accidentLUAN Fei1,2 CHEN Chunhua1 RUAN Fang1,2 CHENG Yuan1,2 ZHU Jingxian1 WANG Jianye11(Hefei Institutes of Physical Science,Chinese Academy of Sciences,Hefei 230031,China)2(University of Science and Technology of China,Hefei 230026,China)ABSTRACT Through questionnaire analysis,the cognitive situation and behavioral characteristics of different people around the nuclear power plant for nuclear emergency evacuation were obtained,and the possible behaviors of people during evacuation were predicted by Logistic model.Chi-square test and Logistic regression model were 基金资助：核电安全监控技术与装备国家重点实验室开放课题项目（K-A2021.414）第一作者：栾飞，男，1997年2月出生，2020年毕业于安徽大学并获得工学学士学位，现为能源动力硕士研究生，从事核应急疏散技术支持研究通信作者：陈春花，副研究员，E-mail:收稿日期：初稿 2022-11-28；修回 2023-01-10Supported by Funding Support for the Open Project of the State Key Laboratory of Nuclear Power Safety Monitoring Technology and Equipment(K-A2021.414)First author:LUAN Fei(male)was born in February 1997,and obtained his bachelors degree in engineering from Anhui University in 2020.Now he is a graduate student of energy and power,engaged in nuclear emergency evacuation technical support researchCorresponding author:CHEN Chunhua,associate professor，E-mail:Received 28 November 2022;accepted 10 January 2023辐 射 研 究 与 辐 射 工 艺 学 报 2023 41:0406020406022used to make correlation analysis and influence judgment on the evacuation psychology and evacuation behavior of different people in the area,and the optimal allocation algorithm was used to judge the prediction correctness of the model.The results showed that the factors such as whether to purchase nuclear safety-related insurance,the number of nuclear emergency evacuation drills,the understanding of nuclear emergency evacuation,and the presence of non-nuclear emergency protective measures at home had significant effects on the evacuation consciousness and psychology of the population.Gender,knowledge of nuclear emergency evacuation,the number of nuclear emergency evacuation drills participated,whether there are nuclear emergency protection measures at home and whether nuclear safety insurance has been purchased,and other factors have significant influence on crowd evacuation behavior.The simulation shows that people with certain nuclear evacuation experience can make relatively correct evacuation behavior and reduce evacuation time.KEYWORDS The human factor,Nuclear emergency evacuation,Logistic regression model,Optimal allocationCLC TL73保护公众和环境不受核电的影响是核能健康发展的基础，而核应急是核安全纵深防御的最后一道防线，旨在保护公众和环境免受或减轻受核事故影响1-2。当核电厂发生导致大量放射性物质泄漏的严重事故时，核电厂员工及其周边公众需要采取应急撤离措施。在应对不同地区、不同人群的核应急疏散时，人所产生的一系列问题已经成为疏散中的关键点。人因工程通过对人的行为、能力和心理因素的研究，对相关工作进行合理设计，从而达到提高安全性、舒适性和有效性的目的3；学者们通常采用疏散实验4-5、问卷调查6-7、数值模拟8-9等方法研究人群在疏散过程中从众、惯性、避让、跟随等行为特征以及恐慌、环境熟悉度等心理特征。Anton等10通过将疏散人群建模为一个多智能体系统，采用社会力模型和简单的引导者（救援指导员）与跟随者（疏散人员）交互规则，通过数值模拟和遗传算法给出最优的疏散方案。Turcanu等11基于3个欧洲国家的经验数据，考察了公民在紧急情况下的潜在行为，得出在当地人群中澄清和预测社会关切点有助于增强社会的复原力和应对核事故。国内蒋刚等12开发了一套应急决策支持系统，可以通过模拟来预测事故发展的方向和后果，同时结合专家系统给事故应急决策者判断核电厂状态和核事故场内应急决策提供支持。目前，很多研究都是针对特定团体进行的演练或者仿真模拟，缺乏从不同人群层面去考虑在疏散过程中可能发生的各种情况的研究，缺少对不同人群的疏散行为和疏散心理的研究。通常来说，因为不同的人群和不同的疏散地点都会产生不同的疏散结果以及疏散方案，所以对于不同的疏散情况往往很难做到统一的疏散分析，这可能是导致在不同人群层面上的疏散研究偏少的原因之一；问卷调查是一种直观且成熟的研究方法，可以根据不同地区、不同人群分别进行分析，且更便于整体分析和保留个人的意见，总结出合理且具有意义的建议和参考13-14。本研究以网络调研平台进行实证案例开展问卷调查，针对核电站周围的居民在发生核事故时的疏散情况，根据疏散行为的不同影响因素进行仿真，并且给出合理的路径人员、车辆分配和最短疏散时间，以大亚湾核电站周围滨海小区疏散仿真为例，验证该方法的有效性和合理性。1 模型核应急疏散是保持和提升核应急能力的重要手段，其中人的因素是影响疏散的关键因素之一。Logistic回归模型已经用于各种关于人因工程的疏散行为影响研究中7，对不同人群的疏散行为和心理的预测具有较正确的判断，因为核疏散往往发生在人群高密度地区，且伴有核污染的情况下，因此，本文采用卡方检验法15对核事故应急疏散下的人为因素和行为心理因素进行相关性判断，通过Logistic16-17回归模型对有相关性的因素进行分析，分析不同人群因素对疏散行为和疏散心理的概率预测，通过对疏散方案的仿真来验证预测效果，给出最优路线分配方案和疏散时间，模型预测过程如图1所示。栾 飞等：人因对核电厂事故应急疏散行为的影响研究04060231.1 卡方检验法卡方检验是计数资料统计推断的重要方法，因素分析选择的方法通常为卡方检验法18。检验中的P值指在假设为真的前提下，样本出现的概率，通常设置一个显著性水平（Pa=0.05）与其比较。当PaP时，原假设不成立，两变量具有相关性；当 Pa55=3男=0；女=1 Male=0;Female=1学生=0；技术人员=1；服务业人员=2；生产运输人员=3；其他=4Students=0;Technical personnel=1;Service workers=2;Transportation personnel=3;Other=4专科=0；本科=1；研究生=2；其他=3Specialized subject=0;Undergraduate course=1;Graduate student=2;Other=3买过=0；没买过=1Bought=0;Didnt buy it=10=0;1=1;2=2;3=3不了解=0；有一定了解=1；基本了解=2；Out of touch=0;Have some understanding=1;Basic understanding=2没有=0；有=1No=0;Yes=10=0;1=1;2=2;3=3辐 射 研 究 与 辐 射 工 艺 学 报 2023 41:04060204060262 案例研究2.1 数据来源本文以网上调研开展问卷调查，共收集有效样本容量为227份，问卷调查中以18岁以上人群为主，其中1825岁、2635岁、3655岁和55岁以上的占比分别为 26.87%、52.86%、18.94%和1.3%；男女的占比分别为44.93%和55.07%；职业中学生、专业技术人员、商业和服务业人员、生产和运输人员、其他职业分别占比为 11.89%、43.61%、30.40%、5.73%和 8.37%；学历中专科、本 科、研 究 生 和 其 他 的 占 比 分 别 为 16.30%、76.21%、6.17%和1.32%；其中33.48%购买了核安全相关的保险；对核应急疏散了解的情况为不了解、有一定了解和基本了解的占比分别为28.19%、60.79%和11.02%；其中参加过2次和3次核应急疏散演练的人数占比分别为21.15%和11.45%；只有33.48%的人家中含有核应急的保护措施；知道当地周围辐射避难所个数为2和3个以上的人占比分别为25.99%和11.01%；会向当地政府提出一些核应急相关的疏散建议的人群占40.53%，问卷调查中记录了Logistic回归模型中的自变量和因变量的统计结果，其中自变量表示人为因素，因变量表示疏散时可能发生的情况，在同一张问卷中进行访问具有一定的关联性和有效性。2.2 Logistic回归模型分析在完成对数据的卡方检验分析之后，可以将符合条件的数据集筛选出来，对不同变量组进行单因素卡方检验得表3，从而对模型进行简化，并且可以提前了解到数据之间的相关性。通过将符合条件的数据集进行回归分析，并且建立Logistic回归模型，其中Logistic回归模型中的回归系数由SPSS26软件给出，回归系数如表4所示。对于Y1（是否给政府提供核疏散意见）来说，二元Logistic回归模型表达式为（5）式。lnP1-P=3.233+2.519X5-1.522X7-0.855X6-2.191X8-0.797X9(5)式中：预测的概率为上述变量赋值的情况，P（Y1=1）为不会给当地政府提出建议的概率；自变量中对当地核安全疏散的情况了解、参加过的核应急疏散次数、家中有无相关防护措施和准备、对周围避难所的数量和地点的了解情况对因变量是否会为政府提供建议呈现正相关影响，而是否购买核安全相关的保险对因变量呈现负相关的影响。对于Y3（核应急疏散中发生拥挤选择）来说，二元Logistic回归模型表达式为式（6）。表表2卡方检验和卡方检验和Logistic回归模型中因变量赋值情况回归模型中因变量赋值情况Table 2Dependent variable assignment in Chi-square test and Logistic regression model变量Variable是否给政府提供核疏散意见Whether to provide the government with nuclear evacuation advice听到核事故疏散警报后反应Reaction after hearing evacuation warning of nuclear accident核应急疏散中发生拥挤选择Crowded options occur in nuclear emergency evacuation倾向的辐射避难所选择Preference for radiation shelter selection核事故疏散路线选择Nuclear accident evacuation route selection认为核应急疏散所需的时间/hThe time considered necessary for a nuclear emergency evacuation对周围核设施是否有足够信任Have enough trust in the surrounding nuclear facilities变量名Name of variableY1Y2Y3Y4Y5Y6Y7赋值情况Case of assignment会=0；不会=1Yes=0;No=1立即撤退=0；等待救援=1Get out at once=0;Waiting for rescue=1排队等待=0；寻找其他通道=1Wait in line=0;Find another way=1露天避难所=0；封闭避难所=1Open shelter=0;Closed shelter=1指示疏散路线=0；随机疏散路线=1Indicated evacuation route=0;Random evacuation route=124=3有=0；没有=1Yes=0;No=1栾 飞等：人因对核电厂事故应急疏散行为的影响研究0406027lnP1-P=1.969-1.104X7(2)-0.831X8(6)式中：在疏散过程中发生拥挤时，基本了解疏散情况的人群（X7=2）会更愿意选择排队等待，而不是主动去寻找其他疏散道路；而家中有相关防护措施和准备的人群也会更愿意在疏散发生拥挤的时候选择去排队等待；P为疏散拥挤时选择其他疏散通道的概率。关于 Y4（倾向的辐射避难所选择）的二元Logistic回归模型为式（7）。lnP1-P=0.979-1.110X2-0.787X7(1)-1.480X6(3)(7)在选择疏散的避难所时，其中性别、对疏散的了解情况和参加过演练的次数对该因变量具有显著相关性。女性相对男性而言，女性只有22.8%的人会选择封闭的避难所，会更加倾向于露天的避难所。在对当地的疏散情况有一定了解的情况下，相比于没有经验的人有45.5%的概率会选择封闭的避难所。参加了3次以上疏散演练的人群相比于其他人群，只有32.9%会更加倾向于封闭的避难所，大部分有疏散经验的人群会更加倾向于露天的避难所。Y7（是否会对当地周围的核设施具有足够信任）的二元Logistic回归模型为式（8）。lnP1-P=-2.701+0.858X5+1.395X1(2)(8)对于Y7（是否对当地核设施具有信任），其中年龄和是否购买核安全相关的保险成为了显著性的影响因素。年龄在3655岁之间的人群和购买过核安全保险的人群相比于其他人群对周围的核设施极度缺少信任。表表3皮尔逊卡方检验的显著性皮尔逊卡方检验的显著性P值结果值结果（单因素单因素）Table 3Pearson chi-square test significance P-value results(single factor)自变量Independent variableX1X2X3X4X5X6X7X8X9因变量 Dependent variableY10.4500.9270.7870.1810.010.010.010.010.01Y20.9650.8410.0860.3870.0540.2000.4430.1500.350Y30.4500.9020.9630.6120.0770.1100.0400.010.626Y40.1190.010.0980.4720.1210.0200.0320.1210.367Y50.8500.3320.5940.0680.3110.2650.4340.7560.743Y60.3330.8440.2860.4410.2520.6500.010.6690.464Y70.010.2820.5660.1600.0280.1270.0870.0670.082表表4二元二元Logistic回归模型中回归系数分析结果回归模型中回归系数分析结果Table 4Regression coefficient analysis results in binary Logistic regression model自变量Independent variableX1X2X3X4X5X6X7X8X9常量 Constant因变量Dependent variableY12.5190.8551.5222.1910.7973.233Y2Y31.1040.8311.969Y41.110-1.4800.7870.979Y5Y71.3950.8582.701注：其中均为在卡方检验显著性p0.05情况下进行的变量分析。Note:All of them were variable analysis when the significance of Chi-square test was p0.05.辐 射 研 究 与 辐 射 工 艺 学 报 2023 41:04060204060282.3 多元Logistic回归模型分析针对因变量是多元和无序的情况时，本研究采用多元无序Logistic回归方法来分析不同人群对疏散时间的预估数据。表5是关于Y6（认为核应急疏散所需的时间）的显著性影响因素表。从表5可以看出，对疏散的了解情况不同会对疏散时间的预估产生显著性的差异，其中疏散了解情况0、1、2对应的分别是不了解、有一定了解、基本了解；因变量中认为疏散时间为1 h以内的参数为因变量参考，自变量以基本了解（X7=2）为参考。随着对当地核应急疏散了解情况的减少，相较于疏散时间为1 h之内来说，认为疏散时间会在15 h之间的人群在减少，当因变量为612 h和1 d以上时，不同人群保持着和上述一样的看法，即大部分缺少对核疏散情况认知的人认为会在1 h内完成疏散。2.4 模型验证分析本工作中，根据变量Y3（核应急疏散中发生拥挤选择）进行路径人员分配，通过不同比例的个人疏散和排队整体疏散进行比较，验证研究出核事故最优人员分配方法和核事故的高效疏散规划，以大亚湾核电站为模拟的事故发生地，进行核应急疏散模拟应用。2.4.1 应急撤离点人员分配模拟截至2018年，大鹏新区辖葵涌、大鹏、南澳3个办事处，25个社区，常住人口近20万，人口密度518 人/m226。本次模拟参与撤离人口总数为15万人，其中常住人口和暂住人口比例为6.61；通过公交车和私家车进行疏散。疏散路线从滨海花园小区至家家乐百货附近小区，通过GPS分别为私家车和公交车选取了三条路线，部分选择路线如图4所示，并且集合点均选取交通方便、适合车辆停靠和具有易识别特性的地方。根据气象站风向监测数据绘制风玫瑰图，得到大鹏半岛全年风玫瑰图，如图5所示26。表明其中主要辐射区域在东北方向，所有其中疏散路线从反方向进行选择。2.4.2 最优路径人员和车辆分配方案模拟因为应急疏散的人口可能包括跟随人口，所以总人口可能超过15万，根据调研得知，该地区人均持有私家车数量在0.16辆左右，那么根据公式（4）最大可能会有超过 2.4 万辆车进行疏散，这会给应急撤离带来非常大的交通压力，为了可以使辖区人员顺利撤离，需要对不同路径的车辆表表5不同变量对不同变量对Y6的显著性影响表的显著性影响表Table 5Table of the significant influence of different variables on Y6个人预估疏散时间Y6Personal estimate of evacuation time15 h之间 Between 1 and 5 hours612 h之间 Between 6 and 12 hours1 d以上 More than one day对当地疏散的了解情况X7Knowledge of local evacuationsX7=0X7=1X7=2X7=0X7=1X7=2X7=0X7=1X7=2显著性PSignificance0.0040.0320.0110.0110.2200.059回归系数BCoefficient of regression1.9621.4002.1852.0151.6742.890OR0.1410.2470.1130.1330.1880.056注：表格空白处为对照组。Note:The blank of the table shows the control group.图4部分疏散路线图Fig.4Partial evacuation roadmap栾 飞等：人因对核电厂事故应急疏散行为的影响研究0406029分配进行规划，全部路线图如表6所示，路线所需参数由文献25给出。假设所有暂住人口均跟随政府安排的公交车进行疏散，因为部分拥有私家车的人群愿意根据政府的安排进行疏散，剩余拥有私家车的人群单独根据个人计划进行疏散，其中比例按照0.1逐一进行分配，私家车每辆平均疏散4人，公交车平均每辆疏散50人。在车辆使用方面，假设拥有的车辆可以一次性地疏散完一个小区的人群，公路等级均取二级公路进行模拟，将变量Y3（核应急疏散中发生拥挤选择）进行0.1比例进行分配，得到10种意愿分配比例，分别计算出私家车和公交车的交通负荷V/C，这里考虑到天气和疏散时间点对交通负荷和车辆速度的影响如表7所示，这里默认为天气正常，疏散时间点为夜晚。撤离前的动员时间为距离集合点最远的小区处，通过私家车或者公交车进行安排接送，该时间为最大准备时间。将不同车辆的交通负荷分成10等份，利用递归回溯算法分配到3条道路上，获取所有可能交通负荷情况的道路，其中一般公路车速和流量关系的曲线图参考文献25，默认当交通负荷超过1.1为交通拥挤，默认3条疏散道路中有一条出现交通拥挤就删除该道路车辆分配情况。通过获得的交通情况分配情况可以获得每条道路不同车辆的行驶平均速度，并且计算不同交通情况下不同车辆的最快平均疏散时间见表8。对比3种路径车辆分配可以看出，随着私家车的增加，整体的交通情况越来越差，但公交车的总交通负荷减少却并没有显著减少公交车部分的图5大鹏半岛风玫瑰图Fig.5Wind roses over Dapeng Peninsula表表6私家车和公家车的疏散路线参数表私家车和公家车的疏散路线参数表Table 6Evacuation route parameters for private and public vehicles公交车路线Bus route滨海花园家家乐百货附近小区Binhai Garden the neighborhood near the department store私家车路线Private car route滨海花园家家乐百货附近小区Binhai Garden the neighborhood near the department store路线长度/kmLength of route27.015.116.0路线长度/kmLength of route15.415.418.5路线参数Parameter of routeUs=50、a1=1.4、a2=1.88、a3=6.97Us=50、a1=1.4、a2=1.88、a3=6.97Us=50、a1=1.4、a2=1.88、a3=6.97路线参数Parameter of routeUs=80、a1=0.95、a2=1.88、a3=6.97Us=80、a1=0.95、a2=1.88、a3=6.97Us=80、a1=0.95、a2=1.88、a3=6.97注：a1、a2、a3为回归系数，Us为各等级公路的设计车速。Note:a1、a2、a3 are regression coefficients,and Us is the designed speed of highways of all levels.表表7不同气象条件下道路通行减弱因子图不同气象条件下道路通行减弱因子图Table 7Road traffic attenuation factor map under different meteorological conditions天气条件Weather conditions正常 Normal不利大雨 Negative Heavy rain不利大雪或结冰 Negative Heavy snow or ice不利大雾 Negative Fog交通容量减弱因子/%Traffic capacity attenuation factor100908575速度减弱因子/%Velocity weakening factor100505050辐 射 研 究 与 辐 射 工 艺 学 报 2023 41:04060204060210疏散时间，主要是公交车的疏散路径中有一条路径长度明显大于其他路径造成的结果。随着越来越多的人主动去寻找疏散路线和使用大量的私家车进行疏散可能会导致大量交通拥堵，反而会大大降低疏散的效率，因为公交车的载人数远大于私家车，并且对道路交通负荷的影响远没有私家车影响大，可以看出家中有无防护措施和对当地疏散的了解程度等人因因素确实对疏散效率的提高有一定的影响，模型预测具有一定的正确性和参考性。3 结论本文通过网上调研开展问卷调查，采用卡方检验确定人为因素和疏散行为的影响关系，从关系变 量出发，通过 Logistic回归建立变量之间的预测模型，根据不同人群的人因因素对疏散行为作出不同的预测，并且通过对其中的不同人群选择的疏散方式和路径选择做出仿真，将总的交通负荷通过递归回溯分别分配到不同道路上来模拟不同人群对道路的选择，也可以将该仿真作用于不同道路情况的分析，最后对所有可能的方案做疏散时间的计算，并且得出最优的疏散布置方案，证明了该模型预测的正确性和可行性。通过将该回归模型应用在关于人因的核应急疏散过程中，可以更好地预测不同人群的疏散行为和心理，并且根据预测结果进行针对性的灾前训练，使不同人群提高核应急疏散效率。此外本研究缺少对疏散心理方面因素的仿真，仍需要进一步研究。致谢致谢 感谢中国科学院合肥物质科学研究院核能安全技术研究所公共技术中心为本文测试工作提供的专业技术支持。作者贡献声明作者贡献声明 栾飞负责论文初稿撰写，论文审阅与修订，算法开发；陈春花负责研究内容总体设计；阮方负责实际调查研究；程远负责模型验证测试；朱婧娴负责研究项目管理；汪建业负责研究方法指导。参考文献1毛位新,崔伦,林晨,等.省级核应急场内外联合演习的组织与思考J.中国辐射卫生,2022,31(4):451-455.DOI:10.13491/j.issn.1004-714X.2022.04.013.MAO Weixin,CUI Lun,LIN Chen,et al.Organization and thinking of provincial-level on-sit and off-sit joint exercises for nuclear emergencyJ.Chinese Journal of Radiological Health,2022,31(4):451-455.DOI:10.13491/j.issn.1004-714X.2022.04.013.2Guo M,Xu Z J,Wang M H,et al.Research on practical training teaching reform of nuclear accident emergency response course based on immersive VR technologyJ.International Journal of Information and Education Technology,2022,12(3):257-262.DOI:10.18178/ijiet.表表8不同车型的最快疏散时间路线表不同车型的最快疏散时间路线表Table 8The fastest evacuation time route table of different vehicle types私家车总交通负荷/（pcuh1）Total traffic load of private cars0.8571.7142.571最快疏散时间道路交通负荷/（pcuh1）Fastest evacuation time road traffic load0.250.590.000.680.680.340.771.020.77平均疏散时间t/hTime of evacuation0.6700.7181.075公交车总交通负荷/（pcuh1）Total bus traffic load1.5601.4531.347最快疏散时间道路交通负荷/（pcuh1）Fastest evacuation time road traffic load0.000.620.930.000.580.870.000.400.94平均疏散时间t/hTime of evacuation0.9550.9550.955注：分别选取3条不同路径进行道路交通负荷的分配，道路参数见表6。Note:Three different paths were selected for road traffic load distribution,and the road parameters were shown in Table 6.栾 飞等：人因对核电厂事故应急疏散行为的影响研究040602112022.12.3.1613.3易吉梅,薛敏,郭琳.人因工程设计在工程项目中的应用探讨J.中国石油和化工标准与质量,2022,42(1):93-94.DOI:10.3969/j.issn.1673-4076.2022.01.036.YI Jimei,XUE Min,GUO Lin.Discussion on the application of human factors engineering design in engineering projectsJ.China Petroleum and Chemical Standard and Quality,2022,42(1):93-94.DOI:10.3969/j.issn.1673-4076.2022.01.036.4Zhao X L,Xu Y M,Lovreglio R,et al.Estimating wildfire evacuation decision and departure timing using large-scale GPS dataJ.Transportation Research Part D,2022,107:103277.DOI:10.1016/j.trd.2022.103277.5Feng Z N,Gonzalez V,Spearpoint M,et al.A sequence analysis of behaviors in immersive virtual reality for indoor earthquake and post-earthquake evacuationJ.International Journal of Disaster Risk Reduction,2022,75:102978.DOI:10.1016/j.ijdrr.2022.102978.6王恒,李枫,江泽浩,等.地铁应急疏散时乘客决策行为偏好的量化方法J.同济大学学报(自然科学版),2022,50(4):571-579.DOI:10.11908/j.issn.0253-374x.21225.WANG Heng,LI Feng,JIANG Zehao,et al.A quantitative method for studying passenger decision-making preference in subway emergency evacuationJ.Journal of Tongji University(Natural Science