新型储碳建筑材料创新过程中生命周期评估的工具需求 莫妮卡·黄（Monica Huang）、 伊桑·埃林博（Ethan Ellingboe）、 林梦燕（Meng-Yen Lin）、 托马斯·门德斯·埃切纳古西亚（Tomás Méndez Echenagucia） 以及 卡特里娜·西蒙宁（Kathrina Simonen）

《Applied Sciences》：Tool Requirements for Life Cycle Assessment in the Innovation of Novel Carbon-Storing Construction Materials Monica Huang, Ethan Ellingboe, Meng-Yen Lin, Tomás Méndez Echenagucia and Kathrina Simonen

　　摘要 城市地震脆弱性对秘鲁利马的灾害准备提出了严峻挑战，当地长期存在的地震隐患增加了大约一千万居民的城市人口面临的风险。本研究提出了一个适应性多目标优化框架，该框架能够根据地震强度的不同场景动态调整避难所分配的优先级。该方法整合了人口分布、基础设施脆弱性和地震危险区的空间数据，通过NSGA-III算法优化三个相互竞争的目标：避难所之间的间距、人口覆盖范围以及安全性。模型参数使用控制的合成场景进行了校准，随后使用利马的真实数据进行验证。在利马市政府采用的高影响场景下，将官方指定的356个避难所与从5855个潜在地点中选出的优化配置进行了比较。优化方案将人口覆盖范围提高了66.82%，并将到达关键资源的平均距离缩短了24.55%，同时减少了外围地区的服务差距。场景适应性优化通过产生更符合操作优先级的配置，提高了避难所规划的鲁棒性，从而在资源受限的城市环境中支持更公平的访问。这项研究为应急管理提供了一个基于证据的决策支持工具，将多目标权衡转化为利马的可操作避难所布局。

1. 引言
地震仍然是对大型城市地区最具破坏性的灾害之一，因为它们不仅会导致结构倒塌和基础设施损坏，还会迅速产生对疏散、临时住宿和紧急服务访问的需求。地震后的避难所规划本质上是一个空间分配问题：避难所系统的充足性不仅取决于指定地点的数量，还取决于在正确条件下是否激活了正确的地点。然而，大多数操作框架依赖于一个固定的、预先指定的地点集合，无论地震强度如何，都隐含地假设单一配置可以在规模和地理环境非常不同的事件中同样适用。最近发生的灾难已经记录了这一假设的局限性。在日本东部大地震之后，避难所需求超出了预先指定的容量，不得不临时搭建额外设施来容纳超过47万的人[1]。在土耳其，集合点的空间分布与人口密度不均[2]，以及在卡赫拉曼马拉什地震后部署的单位无法达到最低数量和质量标准[3]，这些情况都表明，当影响模式偏离规划假设时，静态配置会失败。综合这些情况可以看出，为单一影响水平配置的避难所系统在地震强度升级时不太可能保持充足。

这些限制对秘鲁利马尤其具有后果性，因为严重的地震暴露和不变的避难所基线相结合，恰恰造成了上述案例中所描绘的准备缺口。利马大都会区由于其位于秘鲁中央俯冲带以及1746年地震以来长期存在的地震隐患而面临严重的地震危险。与利马相关的官方情景研究表明，累积的应变可能导致未来发生8.5–8.8级的地震[4,5]，而秘鲁中部海岸的历史和仪器记录的地震活动也表明，虽然规模较小，但仍可能发生具有破坏性的地震[6,7]。在这种条件下，地震的规模、影响范围和响应的操作优先级预计会在不同的强度水平上有显著差异。在利马，避难所的部署是在国家灾害管理系统（SINAGERD）的框架内进行的，而官方的安全区地图提供了指定的地点基线网络[5,8]。然而，这个基线是不变的：它依赖于预先建立的地点集合，没有包括根据地震强度、风险和脆弱性的空间异质性或与关键服务的距离来重新优先选择避难所的明确机制。因此，在一个影响水平下可能是可接受的配置，在另一个影响水平下可能会变得次优，特别是在外围地区，那里的访问差距和社会脆弱性通常更为明显。

避难所规划文献已经取得了显著进展，但问题仍然只得到了部分解决。早期的研究关注在可访问性和容量限制下定位避难所，通常假设需求是固定的和决策结构是静态的。后来的工作认识到地震后的需求会随时间变化，并提出了分层系统来更好地满足变化的需求[9]，而最近的研究则纳入了多目标和鲁棒公式来处理不确定性以及相互竞争的规划目标[10,11]。一些研究也开始更明确地考虑灾后条件和风险：Moghri和Khalili指出，只有少数研究在确定最佳避难所位置时考虑了灾后情况[12]，Tang和Osaragi表明，许多先前的工作优先考虑距离或成本，而忽视了风险因素[13]，Tun等人证明，疏散需求的动态变化显著影响了需要开放的天数和避难所的位置[14]。尽管如此，文献仍然在如何将地震强度的变化转化为特定场景的操作优先级方面提供了有限的指导——例如，在低强度事件中强调空间分散，在灾难性条件下强调更强的覆盖范围和安全性要求。为了填补这一空白，本研究提出了一个适用于利马五种地震强度场景的情景适应性多目标优化框架。该框架整合了脆弱人口、地震风险和脆弱性、候选避难所位置以及与关键服务距离的地理空间数据，而NSGA-III算法识别了在地震强度升级过程中平衡避难所间距、人口覆盖范围和安全性的帕累托高效配置。

本工作的主要贡献是：（i）一个情景适应性加权方案，系统地调整了五个地震强度水平下的避难所规划优先级；（ii）一个整合了人口需求、地震脆弱性和关键基础设施接近度的多目标优化框架；（iii）一个交互式决策支持模拟器，可以透明地与利马的官方市政计划进行基准比较。

本文的其余部分组织如下：第2节描述了研究方法和研究设计。第3节展示了不同地震强度场景的结果。第4节讨论了所提出框架的主要含义和局限性。最后，第5节总结了本文的关键发现和未来研究方向。

2. 材料与方法
2.1. 研究区域和基线配置
本研究在秘鲁的利马大都会区进行，该区域在操作上被分为四个区域（中心、东部、北部和南部），以便于空间报告和规划解释。图1显示了利马大都会区从街区层面看的地震风险空间分布，突出了对避难所选址相关的显著空间异质性。该地图独立于地震脆弱性显示了地震风险，并使用了IMP市政地理空间数据库提供的四个机构风险等级（低、中、高和非常高）[8]。本研究没有对风险等级进行额外的重新分类；该图在统一的投影坐标系统中调整了空间层后，复制了IMP地理空间数据库中的官方街区级分类[8]。

2.2. 情景设计和避难所容量
考虑了五种规划情景（轻微、中度、严重、非常强烈和灾难性），使用矩震级（Mw）来表示逐渐增加的地震后避难所需求。情景设计的上限基于利马的官方应急框架和INDECI/CEPIG对秘鲁中部海岸的地震情景，该情景确定了大约8.8级的最坏情况事件，破坏强度大于VIII（MM）[4,5]。这个上限情景也与关于秘鲁中部海岸地震隐患的科学研究一致，这些研究表明，自1746年地震以来累积的能量可能会产生大约8.5–8.8级的地震[7,15]。在较低和中等范围内，离散化是根据市政应急计划中使用的震级类别来确定的，这些类别区分了轻微地震（4.0–4.9 Mw）、中度地震（5.0–5.9 Mw）、强烈地震（6.0–7.9 Mw）和大地震（8.0–9.9 Mw）[5]。为了更渐进地调整操作优先级，6.0–7.9区间被细分为严重（6.0–6.9）和非常强烈（7.0–7.9）情景。采用这种五级离散化而不是依赖单一参考事件，是为了表示逐渐不同的影响水平和相应的避难所规划需求。特别是，灾难性情景被定义为与官方市政最坏情况情景相一致，从而能够在等效影响条件下直接对比优化的避难所配置和利马市政府使用的基线避难所网络。

表1中的Mw范围与利马的官方应急规划框架一致，而6.0–7.9区间的细分 into 严重和非常强烈类别是在本研究引入的，以捕捉中等强度下的不同避难所需求[4,5]。

2.3. 根据情景选择的避难所数量
对于每个情景s，最终选择的避难所数量，用表示，对应于从帕累托最优解中选择的可实施配置中的避难所集合大小（“最佳点”），使用归一化的欧几里得距离到理想点（第2.10节）。这个选择反映了（i）相对于容量限制的可行性，（ii）随着强度增加扩大避难所库存的操作需求，以及（iii）实际计算预算（上限为700个避难所）。分别为轻微、中度、严重、非常强烈和灾难性情景的结果值。

2.4. 数据来源和预处理
地理空间数据集来自两个公共仓库。由利马市政府维护的安全区地图提供了356个官方指定的紧急避难所。由大都会规划研究所（IMP）管理的大都会信息系统提供了（i）候选设施（例如，适合作为潜在避难所的娱乐和体育中心）和（ii）描述人口密度、地震风险、地震脆弱性、水源覆盖和医疗中心的街区级层，这些数据使用共同标识符进行了整合。预处理后，整合的数据集包括5855个潜在的避难所位置，其中包括356个官方地点[5,8]。所有层都被投影到WGS84/UTM zone 18S（EPSG:32718），连续变量被标准化到[0,1]的范围。有关空间预处理、层整合和避难所级别指标构建的更多细节，请参阅补充材料（第S1节）。

2.5. 两阶段方法设计
采用了两阶段设计以提高鲁棒性和支持可重复性。在第一阶段，生成了合成空间实例，以创建受控的风险和需求模式，从而校准关键优化设置并检查搜索行为的稳定性。在第二阶段，将校准后的配置应用于利马案例研究，以评估在真实世界地理空间约束和不同地震强度场景下的可行性和决策值。图2总结了从合成情景构建到真实数据优化和结果可视化的整个工作流程。第1阶段的细节和合成情景生成详见补充材料（第S2节）。

2.6. 候选避难所特征
每个候选避难所在1公里半径范围内进行了特征分析，使用以下指标：（i）附近街区数量（覆盖潜力），（ii）基于与高地震脆弱性和风险街区距离的标准化接近度计算的风险暴露，以及（iii）脆弱人口需求，即定义半径内居住在高风险和高脆弱性街区中的总人口。用于定义可行性约束的额外空间指标包括到最近医疗机构的距离以及到最近有供水覆盖的街区的距离。选择1公里半径是基于三个互补的考虑因素。首先，从行人可 access 性的角度来看，1公里的步行距离与城市避难所规划研究中报告的短距离紧急访问阈值大体一致[10,19]。其次，在地震发生后，行人可 access 性变得特别重要，因为道路中断可能限制机动交通的通达，这使得中等范围的覆盖距离在操作上更为可取。第三，考虑到IMP数据集的街区级分辨率以及利马大都会区的空间结构，1公里半径能够捕捉到一组具有代表性的附近需求街区，同时避免避难所覆盖区域之间的过度重叠。综上所述，这些因素使得1公里半径成为利马案例研究中规划相关且在操作上易于解释的距离。

2.7. 问题表述
紧急避难所选址问题被表述为一个多目标优化任务，其中表示从N个候选地点中选出的避难所集合。在计算实现中，解决方案被编码为整数值的优先级向量，其中每个分量表示分配给候选避难所i的优先级得分。对于任何解决方案，选出的避难所集合是通过选择得分最高的n个候选避难所获得的。我们定义了三个需要最大化的目标：
(1)
(2)
(3)
其中表示避难所i和j之间的哈弗辛距离。目标(1)通过偏好具有较大 pairwise 距离的配置来促进空间分散。对于，表示距离避难所i 1公里范围内的城市街区集合，表示这些街区中的总弱势人口数量，即使某个街区属于多个避难所覆盖区域也只计算一次。对于安全目标，和是基于脆弱性和风险的术语，其中和是与避难所i相关的标准化脆弱性和风险指数，表示距离避难所i 1公里范围内的城市街区数量，k是一个与强度相关的参数，随着地震强度的增加而增加对附近脆弱街区的敏感度。

实施了两个可行性约束：
(4)
设表示需求街区（街区中心）的集合，表示与街区相关联的脆弱需求人口。对于选定的避难所集合X，定义覆盖街区集合为
(5)
其中表示两个中心点之间的哈弗辛距离。每个覆盖的街区只计算一次，并将其分配给最近的选定避难所：
(6)
然后分配给避难所i 的需求为
(7)
这样，就是在这种分配规则下的总容纳需求，容量约束确保总的避难所容量足以容纳它。最后，H表示高风险街区（街区中心）的集合，安全缓冲区约束确保每个选定的避难所至少距离最近的高风险街区中心0.5公里。为了在最小化设置中运行NSGA-III，目标被转换为
其中表示目标m的特定于场景的权重。

2.8. 约束和优化声明
可行性约束是第2.6节定义的容量约束和安全缓冲区约束。多目标问题在最小化设置中通过整数值的优先级向量来解决，其中避难所集合是由得分最高的n个候选避难所组成的，受容量和最小距离约束的约束。

2.9. 场景自适应权重方案
目标权重旨在反映与强度相关的规划优先级。指定了三种锚定配置来代表操作上不同的制度：温和场景强调空间分散，严重场景优先考虑人口覆盖，灾难性场景优先考虑安全性。中间场景（中等和非常强烈）是通过相邻锚点之间的线性插值获得的，然后进行重新标准化以确保。使用一个与强度相关的参数k来提高安全目标的敏感度，随着场景强度的增加。设I表示场景强度水平；然后k按照以下公式计算：
(8)
其中和。表2报告了所有场景的相应权重和k值。表2. 特定于场景的目标权重和强度参数k。锚定权重（温和、严重、灾难性）是通过设计设置的；中间权重（中等、非常强烈）是通过相邻锚点之间的线性插值获得的，并重新标准化以总和为1。参数k是使用公式(8)和计算的。粗体值表示每个场景中的主导目标权重。为了在最小化设置中解决问题，目标被转换为。这种缩放保留了NSGA-III的多目标搜索能力，同时将优化偏向于与强度相关的操作优先级，在地震强度增加时，覆盖范围和安全性逐渐占据主导地位。

2.10. 优化算法（NSGA-III）
使用NSGA-III来解决多目标避难所选址问题，因为参考方向选择可以保持在不同权衡解决方案之间的多样性，并且在高维目标空间中的缩放效果优于拥挤距离选择[20,21]。我们在PyMOO中使用基于整数值优先级的表示来实现NSGA-III。对于每个解决方案，选出的避难所集合是通过选择决策得分最高的n个候选避难所获得的。场景强度水平分别设置为温和、中等、严重和灾难性。相应的安全敏感度参数k是使用公式(8)计算的。参考方向是使用Das–Dennis方法(12个分区)生成的。算法使用了200的人口规模和500代，模拟二元交叉（概率0.9）和多项式变异。每个场景都在单次优化运行中解决；解决方案的稳定性通过补充材料（第S6节，图S6-S8）中报告的收敛曲线来评估，这些曲线确认了没有过早收敛的证据。对于每个场景，从非支配集合中使用到理想点的标准化欧几里得距离选择了一个可行的配置[22]。运行时间和Pareto集大小在补充材料（第S7节，表S2）中报告。

3. 结果
3.1. 场景级结果
表3总结了在不同场景下选出的避难所数量和相应的容纳能力，以及估计的需求。随着强度的增加，选出的避难所数量和总容量都显著增加，反映了对于不断增长的紧急需求的适应性响应。例如，在温和场景下，选择了129个避难所（容量107,416；需求3,607,034），而在灾难性场景下选择了603个避难所（容量1,300,104；需求29,554,017）。在市政应急计划定义的高影响场景下，基线包括356个官方避难所（容量646,348；需求20,000,000）。这里，需求表示每个场景下估计的需要人口，而容量基于每人3.5平方米的住宿空间；因此，容量并不意味着完全覆盖总需求。

3.2. 空间模式
图3展示了随着地震强度的增加，避难所配置是如何演变的。在温和场景（图a）中，选出的避难所在空间上更加分散，以改善地理分布，同时仍然反映了主要的人口集中区。在严重场景（图b；Mw 6.0–6.9）中，配置转向高需求区域以加强覆盖。在灾难性场景（图c）中，避难所的放置优先考虑更安全的位置和风险敏感的重新分配，增加了在高地震风险和较高估计需求区域的存在。虽然图3中的背景阴影仅可视化了地震风险密度（RIES_NORM），但优化框架使用地震风险和地震脆弱性以及场景依赖的过滤和可行性约束来评估避难所的安全性。其余场景（中等和非常强烈）的地图在补充材料（第S3节）中提供。图3. NSGA-III根据地震强度场景在秘鲁利马选择的场景自适应避难所配置。每个面板显示了主要地图和放大的城市中心视图。红色点表示选定的避难所，灰色点表示候选避难所，黑线表示街区边界。背景阴影代表地震风险密度（RIES_NORM），颜色越深表示浓度越高。地图投影在UTM Zone 18S（EPSG:32718）中。
(a) 温和（强度0.5）。
(b) 严重（强度1.0）。
(c) 灾难性（强度1.5）。

4. 与市政计划的基准比较
图4将静态的市政基线与相同高影响场景下的场景自适应NSGA-III配置进行了比较。市政选择（图a）主要集中在中心区域，导致几个周边区域的服务相对不足。例如，在San Juan de Lurigancho的高亮区域，市政基线包括1个避难所，而优化配置选择了7个。图4. 与高影响场景下的市政基线进行基准比较。(a) 官方市政避难所配置。(b) 灾难性场景下的场景自适应NSGA-III配置。在两个面板中，背景阴影对应于图1中展示的相同街区级别的地震风险层。高亮区域显示了优化配置增加了本地供应的情况；在突出的San Juan de Lurigancho区域，市政基线包括1个避难所，而NSGA-III选择了7个。在这种高影响场景下，优化配置将人口覆盖率提高了66.82%，并将到达关键资源（医院和有供水覆盖的街区）的平均距离减少了24.55%。对于中等和灾难性场景，补充材料（第S4节，图S5）提供了额外的市政与NSGA-III的比较，区域重新分配和重叠统计数据在补充材料（第S6节，表S1）中报告。

3.3. 目标优先级的演变
收敛曲线显示，随着地震强度的增加，NSGA-III调整了其搜索行为：在温和场景中，改进主要由避难所之间的间距目标主导；在中等强度下，转向人口覆盖；在灾难性场景中，则由安全性驱动。这种模式与特定于场景的权重方案一致，并支持了优化过程的鲁棒性。详细的演变图在补充材料（第S6节，图S6-S8）中提供。计算性能总结在补充材料（第S7节，表S2）中报告。

3.4. 解释和决策支持
为了便于解释和操作使用优化结果，我们开发了避难所位置模拟器（图5），这是一个交互式界面，用于探索不同灾害场景下的Pareto最优避难所配置。该工具允许用户按场景和地区过滤解决方案，在地理参考地图上可视化选出的避难所，并检查与应急管理相关的关键指标，如到医院的距离和供水覆盖范围、覆盖的脆弱人口数量以及服务的地区数量。它还突出了与市政基线的重叠情况，并显示了灾难性场景的三维Pareto前沿，包括选定的折中解决方案。因此，模拟器将多目标结果转化为可解释的规划选项。

4. 讨论
结果表明，提出的框架不仅相对于市政基线提高了数值性能，而且还揭示了在异质地震影响下固定避难所规划的结构性限制。在利马市使用的官方高影响场景下，优化配置将人口覆盖率提高了66.82%，并将到达关键资源的平均距离减少了24.55%，同时也减少了周边地区的服务缺口。这些收益不仅仅是简单的数值优化：它们表明，当结合考虑需求、脆弱性和基本服务的获取时的场景特定优先级时，避难所分配在空间上变得更加连贯。更具体地说，观察到的改进似乎来源于三个互补机制：在适当的情况下改善了空间分散；在高需求和高脆弱性区域附近的有针对性的放置；以及通过接近医院和有供水覆盖的街区的操作可行性得到了加强。一个关键的见解是，避难所规划优先级不应被视为静态的。随着地震强度的增加，优化从强调避难所之间的间距（在低强度条件下支持更广泛的地理分布）转向在严重和灾难性场景下强调更强的覆盖和安全性的放置。这一结果与之前的研究一致，这些研究表明灾后避难所需求会随时间演变，而固定或不变的需求假设可能导致效率较低的避难所配置[9,10,11,14]。相比之下，市政基线依赖于一个固定的避难所库存，不论强度如何，这有助于解释在周边和高脆弱性区域观察到的持续服务缺口。从操作角度来看，与官方避难所网络的一致性低重叠（总体上≤6.45%）尤其具有启示性。优化的解决方案不仅仅是当前市政配置的轻微改进，而是显著不同的布局，能够应对变化的影响条件。这表明该框架的价值不仅在于提高效率，还在于质疑预先指定的避难所网络是否与利马的风险和需求空间结构适当地对齐。在这个意义上，该框架既作为一个优化模型，也作为一个诊断工具，用于评估现有应急安排的充分性。4.1. 对灾害准备的政策影响研究结果对地震频发大都市区的应急规划有直接的影响。首先，它们支持使用特定情景的避难所清单，使当局能够根据预期的事件严重程度激活不同的避难所子集，而不是依赖于一个固定的清单[14]。在本例中，从轻微情景下的129个选定的避难所增加到灾难情景下的603个，表明基于强度的激活可能比统一的部署规则更为合适。其次，该框架支持更公平的应急资源空间分配。即使在中等情景下，选定的避难所数量与市政基准相当，优化后的分配也将资源重新分配到脆弱性更高、需求更大、服务获取更弱的区域。这一发现与先前的研究一致，这些研究表明应急资源和避难所机会在城市范围内往往分布不均，并且在破坏性事件条件下这种不平衡变得更加严重[2,12,18]。第三，交互式模拟器通过将帕累托最优解转化为可检查的规划工具，增强了实际应用性。该框架不仅仅作为一个学术优化练习，还可以通过与官方基准的比较、权衡检查以及在灾难发生前探索空间后果来支持市政准备。这样，它可以在保持决策支持透明度的同时，为灾前规划、培训和阶段性准备协议提供信息。4.2. 方法学考虑和验证两阶段设计结合了合成实例和实际应用，增强了方法学的稳健性。合成阶段提供了一个受控环境，用于检查优化行为、校准参数，并验证目标结构在逐渐苛刻的情景下是否能够一致响应，然后再将框架应用于利马的更复杂的地理空间环境。虽然合成数据无法完全再现真实城市紧急情况的机构、基础设施和行为复杂性，但它们作为稳定性检查和初步验证的有用中间步骤。真实数据阶段同样重要，因为它表明该框架在异质的城市条件下仍然是可解释和具有操作意义的。特定情景的输出在避难所数量、覆盖模式和安全敏感的分配方面呈现出一致的发展，这支持了自适应加权逻辑的内部有效性。同时，与官方市政基准的对比提供了一个外部规划参考，使得优化输出能够相对于现有的应急框架进行解释，而不是孤立地进行。4.3. 在灾害管理文献中的定位这些发现加强了灾害管理文献中从静态避难所选址向更加适应性、考虑不确定性和公平性的规划模型的转变[9,10,11,14]。以前的研究强调了可及性、容量、分层避难所系统和综合的位置-分配方法，而最近的研究则关注不确定性、稳健性和多目标优化[9,10,11]。然而，许多现有的公式仍然依赖于固定的目标结构，或者没有明确将变化的灾害严重程度转化为不同的操作优先级[9,11]。本研究通过将情景适应性规划逻辑与可实施的避难所配置联系起来，为此类文献做出了贡献。因此，其贡献不仅是算法上的，也是概念上的：它展示了如何将不同的地震影响水平转化为不同的规划优先级，然后再转化为可以对照官方市政计划进行基准测试的具体空间布局。通过这种方式，该框架将以前的通用优化工作扩展为更加操作性的适应性准备规划形式。它还与强调需要在灾害管理中结合物理暴露与社会经济和领土不平等的脆弱性敏感视角相一致[12,18]。在利马周边地区观察到的改进表明，情景适应性优化不仅可以提高效率，还可以提高获得应急避难所及相关服务的空间公平性。这在不平等的大都市环境中尤其相关，因为静态规划方案可能会复制甚至加剧现有的领土差异。4.4. 限制和普遍性在解释结果时应考虑几个限制因素。首先，该框架依赖于静态的地理空间层，并没有明确表示事件后的动态情况，如道路堵塞、设施停运、级联中断或疏散行为。这些因素可能会显著影响大地震后现实世界中避难所的可及性和性能。其次，自适应加权方案仍然是一个基于官方参考和规划逻辑的设计选择。尽管在当前案例中情景进展是一致的，但不同的城市或机构可能需要根据机构目标、灾害特征或基础设施条件选择不同的优先级结构。第三，合成阶段提高了校准和稳健性，但无法再现城市紧急情况的全部复杂性，包括政治限制、非正式响应行为或实时物流瓶颈。最后，该框架应被视为一个规划支持工具，而不是一个完整的应急管理模型。它旨在改进事前的避难所分配和情景比较，而不是替代详细的疏散建模、物流协调或实时危机指挥。尽管如此，只要使用可比的灾害、脆弱性、需求和基础设施数据进行本地校准，该框架的结构就可以转移到其他地震易发城市。5. 结论本研究提出了一个用于利马（秘鲁）地震后避难所规划的情景适应性多目标优化框架。通过整合关于脆弱人口、地震风险和脆弱性以及与关键服务距离的地理空间信息，该框架生成的避难所配置的优先级随着地震强度的变化而变化，在低强度条件下表现为更广泛的空间分散，在严重和灾难性情景下则表现为更强的人口覆盖和安全。与高影响情景下的官方市政基准进行对比时，选定的配置在人口覆盖和关键资源获取方面取得了实质性改进，同时减少了服务不足的周边地区的差距。除了这些数值上的收益外，这项研究的主要贡献在于表明避难所规划应被视为一个依赖于情景的问题，而不仅仅是一个固定清单的练习。所提出的框架证明了不同的影响水平可以转化为不同的操作优先级，进而转化为可实施的避难所布局。相关的模拟器通过允许在优化配置和官方配置之间进行透明比较，并使帕累托权衡对决策者可解释，进一步增强了实际应用性。未来的工作应该将框架扩展到更具操作现实性和可转移性的环境。关键方向包括纳入时变的中断和可及性（例如，道路损坏、设施停运和动态需求），将公式扩展到多灾害情景（例如，山体滑坡、火灾和海啸暴露），以及整合考虑利益相关者意见的情景优先级和约束条件的校准。此外，通过基于学习的组件来提高可转移性和计算效率，以支持对其他城市和规划理念的快速适应。补充材料以下支持信息可在以下网址下载：https://www.mdpi.com/article/10.3390/app16084043/s1。补充材料（PDF）：S1-S7节；S1-S8图；S1-S2表。S1节：空间预处理和避难所特征；S2节：合成数据模拟（第一阶段）；S3节：中等和非常强烈情景下的中间空间输出；S4节：中等和灾难性情景下的避难所分布比较（市政 vs. NSGA-III）；S5节：区域重新分配和重叠；S6节：目标优先级的演变；S7节：计算性能；S1图：灾难性地震情形下的合成风险分布图，显示海洋风险区（蓝色）、土壤风险区（红色）和中心风险区（绿色）。NSGA-III选定的避难所（黄色方块）位于平衡覆盖范围的位置，同时避开高风险区域；S2图：在灾难性地震情景下，三个目标函数适应度值在不同代的演变，显示出向最优解的收敛；S3图：在灾难性地震情景下，三个目标函数适应度值在不同代的演变，显示出向最优解的收敛；S4节：中间情景输出。(a) 中等情景：根据人口密度模式定位的选定避难所（背景阴影）。(b) 非常强烈情景：背景阴影突出地震风险集中区，说明向安全导向的布局转变；S5图：避难所分布比较。(a) 市政选择；(b) 中等情景下的NSGA-III优化（背景阴影表示地震风险集中区）。(c) 灾难性情景下的市政选择和(d) NSGA-III优化（背景阴影表示地震脆弱性集中区）；S6图：轻微情景（强度0.5）下目标函数的演变，显示距离目标在不同代的显著改进；S7图：灾难性情景（强度1.5）下目标函数的演变，显示安全目标的主导地位，并反映了在极端条件下向风险缓解的优先级转变；S8图：灾难性情景（强度1.5）下目标函数的演变，显示安全目标的主导地位，并反映了在极端条件下向风险缓解的优先级转变；S1表：利马各区域和地震情景（NSGA-III vs. 市政基准）的应急避难所选择比较，包括重叠计数；S2表：按地震情景总结的优化运行时间和搜索结果。