近日，Jinli Wei、Yao Lv、Xiaoxia Yang（通讯作者，来自青岛理工大学信息与控制工程学院）、Shuchao Cao 和 Yongxing Li 等研究人员在 Tunnelling and Underground Space Technology 期刊（2026年第169卷）上发表了一项关于地铁车站洪水环境下人员安全疏散的重要研究。这项研究针对极端天气频发导致地铁站洪水风险剧增的现实问题，提出了一种创新的“滚动优化”动态疏散方法。该方法有效融合了洪水动力学与行人动力学，旨在解决传统静态疏散方案难以适应洪水动态演变和路径实时变化的难题。

这项研究属于典型的城市公共安全与交通工程交叉领域，特别是在地下空间应急管理方向。其学术背景根植于两个核心挑战：首先，全球范围内地铁车站淹水事故频发（如伦敦、纽约、东京等地），对乘客生命安全构成严重威胁；其次，地铁站的半封闭空间特性使得洪水发生时疏散通道受限，极易导致人员滞留和踩踏。尽管已有研究分别从洪水对行人行为影响的机理和基于动态优化的路径规划策略两个维度展开，但如何将精细化的洪水-行人耦合模拟与具备实时调整能力的动态优化框架系统结合，仍是一个待解决的空白。现有研究往往缺乏多尺度建模方法，未能充分考虑疏散过程中人群动态演化与洪水传播环境的实时交互，且动态模型的实时响应能力有待提升。因此，本研究的目标是构建一个集成洪水模拟、行人微观行为仿真和模型预测控制（Model Predictive Control, MPC）滚动优化的综合框架，为地铁站洪水应急疏散提供兼具预测能力和实时调整能力的动态优化指导。

研究的详细工作流程严谨而系统，主要包括四大核心步骤：洪水-行人耦合模型（Flood-CA）的构建与验证、宏观点排队网络（Point-Queue, PQ）模型的建立、基于MPC的动态路径滚动优化框架设计，以及最终在真实地铁站案例中的分析与策略应用。

第一步，研究人员构建了一个改进的元胞自动机模型——Flood-CA模型。该模型属于扩展的势场模型，它将洪水场（考虑水深与流速）、目标场（指向出口的最短路径）和动态场（模拟人群跟从行为）三者加权耦合，形成一个综合势场来引导行人的移动决策。与传统CA模型相比，Flood-CA的创新之处在于：它摒弃了固定方向偏好假设，引入了基于水动力参数的行人移动速度限制机制和溺水判定条件。模型的空间离散化采用0.5米×0.5米的方形网格，时间步长同步更新。行人速度更新规则是关键，它首先根据实验数据拟合的幂律函数，将水深与流速的复合参数M（单位宽度洪水作用力）与行人自由行走速度相关联；然后，再通过引入修正系数的Weidmann模型，结合局部人群密度对速度进行二次调整。为验证模型的有效性，研究团队利用Li等人（2023年）在0.6米水深下进行的人群水下移动实验数据进行了校准。结果显示，Flood-CA模型模拟出的行人自由速度（0.79米/秒）落在了实验观测数据分布（0.52-1.19米/秒）的合理范围内，且接近累积分布曲线的中部，验证了模型模拟水下行人运动基本特征的能力。同时，模型还成功复现了实验中观察到的现象：在高密度（ρ≥1.50人/平方米）水域环境中，人群密度对速度的抑制作用较陆地环境更弱。

第二步，为了将微观的个体行为与宏观的疏散优化高效连接，研究建立了一个宏观点排队网络模型。该模型将地铁站空间抽象为一个有向图网络，节点代表关键位置（如车厢、平台区域、楼梯出口），边代表连接路径。每条边包含一个自由行走段和一个虚拟的排队点。模型的核心状态变量包括边上的人数、队列长度、流入/流出流量以及边的最大吞吐能力。特别地，研究者创新性地定义了出口的“有效吞吐能力”，它并非固定值，而是会随着洪水在出口处参数M的增加而呈指数衰减。此外，模型还针对站内狭窄通道（如楼梯口附近）设置了双向流交叉约束，以防止因对流导致的二次拥堵。这个PQ网络模型的作用在于，它能够以较低的计算成本，对人群流动的演化和排队现象进行宏观层面的高效数学描述和预测，为后续的MPC优化提供了可操作的数学模型基础。

第三步，研究设计了基于模型预测控制（MPC）的动态路径滚动优化框架。这是整个研究的方法论核心。MPC的优势在于其“滚动时域优化”和“反馈校正”机制。具体工作流程是：在每个控制周期（例如，每隔几秒），系统首先从微观Flood-CA仿真中“收集”当前所有行人的状态（位置、目标出口），并将其“映射”到宏观PQ网络模型中，得到网络各条边的状态向量（人数、队列长度）。然后，MPC控制器以PQ模型作为预测模型，在有限的时间预测时域内，求解一个带约束的最优化问题。这个优化问题的目标函数综合考虑了四个因素：最小化预测时域末的未疏散人数、惩罚剩余人群距离出口的“距离”（以旅行时间衡量）、惩罚选择高风险出口的决策、以及抑制过于频繁的出口切换行为。约束条件则包括流量守恒方程、排队动态方程、狭窄路径容量限制以及所有变量的非负性等。求解（使用CasADi优化框架和IPOPT求解器）后，MPC输出未来一段时间内网络中各边的最优人流分配序列，但仅执行第一个时间步的控制指令。这个指令被“反馈”到微观仿真中，转化为对部分行人的出口选择引导。随后，系统进入下一个控制周期，重复“状态收集-预测优化-反馈执行”的过程，直至疏散完成。这一框架实现了从开环控制到闭环控制、从静态优化到动态优化、从事后反应到事前预测的理论范式转变。

第四步，为了验证所提模型和策略的有效性，研究以中国青岛的朝阳山路站为案例进行了仿真分析。研究设置了不同的洪水入侵流速和疏散需求场景。分析过程包括对Flood-CA模型中势场权重参数的敏感性分析，以及对比三种疏散策略的效果：无策略（行人按最近原则选择出口）、均衡分配策略（按出口基础容量比例引导）、以及本文提出的MPC滚动优化策略。

研究取得了多项重要结果。首先，敏感性分析表明，在综合势场中，洪水场权重（Kw）的增加会显著提高行人的风险规避意识，减少溺水人数，但可能导致疏散路径偏离最优，增加滞留人数和总疏散时间；动态场权重（Kd）的增加（即跟从行为增强）对提升安全性的帮助有限，反而可能降低效率。最终，研究确定了Kw=0.16，Kd=0.02，目标场权重Kg=1.0的参数组合，以平衡效率与安全。

其次，案例仿真结果系统性地展示了三个关键发现：（1）洪水显著降低了路径容量，且随着疏散需求和水流强度的增加，这种恶化效应加剧。（2）所提出的MPC滚动优化策略在多个评价指标上均优于对比策略。在总疏散时间（TET） 上，MPC策略在不同洪水场景下均能有效缩短疏散时间。在疏散风险指数（ERI） 上，MPC策略通过主动引导行人避开高风险出口，显著降低了选择涉险通过进水楼梯人员的总体风险值。在出口利用平衡指数（EUBI） 上，MPC策略通过动态调整人流分配，使得各出口的实际使用率更贴近其随洪水动态变化的“理想”容量比例，从而实现了出口资源的最均衡利用，避免了单一出口过度拥堵形成瓶颈。（3）MPC策略展现了良好的适应性和鲁棒性。面对不同的洪水条件和人群分布，其滚动优化机制能够持续根据实时状态进行调整，始终保持较高的疏散效率和安全水平。

基于上述结果，研究得出了明确的结论。本研究成功构建并验证了一个融合洪水-行人耦合仿真与MPC滚动优化的地铁站动态疏散方法。该方法不仅能够精细模拟洪水环境中行人速度下降和移动模式改变，更重要的是，它能通过闭环反馈和预测控制，实时动态地调整疏散路径和资源分配，从而显著提升疏散效率、降低安全风险、平衡出口负载。其科学价值在于首次系统地实现了洪水动力学、行人微观行为与模型预测控制优化框架的多尺度集成，为解决动态不确定环境下的应急疏散规划提供了新的理论范式和解决方案。其应用价值则直接体现为，该方法的研究成果最终可以总结为一份“增强型疏散指引图”，为智能疏散系统的设计提供了具有实际应用潜力的技术支撑，对于提升城市地下交通枢纽在极端天气下的韧性和安全保障能力具有重要意义。

本研究的亮点突出。第一，方法创新性强：首次将改进的元胞自动机洪水-行人耦合模型（Flood-CA）与基于MPC的滚动优化框架相结合，填补了该领域多尺度动态优化方法的空白。第二，模型耦合机制完善：通过宏观PQ网络模型作为桥梁，高效地连接了微观行为仿真与宏观优化决策，解决了计算效率与优化性能的平衡难题。第三，应对动态不确定性能力突出：MPC框架的引入，使疏散系统具备了应对洪水动态传播、出口容量衰减等复杂挑战的预测和实时调整能力。第四，评价体系全面：建立了包含时间效率（TET）、安全风险（ERI）和资源平衡（EUBI）的三维评价体系，从多角度综合评估了疏散策略的效能。

此外，研究中关于洪水对出口有效通行能力呈指数衰减的量化描述、针对狭窄通道双向流设置的专门约束、以及利用相对熵来衡量出口利用平衡程度等细节，都体现了研究的精细化和实用性导向，为后续研究和工程应用提供了有价值的参考。