长久以来,无法预测的各类灾害是影响人类社会稳定的重大因素。将受灾人群快速撤离到安全地点是灾害发生后的首要问题。近年来,大中城市等人口稠密地区突发灾害引发的大规模疏散问题越来越受到学术界重视。如何应对大规模疏散交通规划的复杂性和诸多不确定因素更是显得重要而迫切。为改善以往疏散交通规划偏重疏散指令制定,包括确定最优疏散路线、优化分批出发时间,但无法应对疏散过程中不确定因素的缺陷,本文对应急疏散不确定因素进行分析,建立疏散指令动态更新机制和动态疏散交通规划框架；对应急状态下,交通信息对疏散者路径选择行为影响进行分析,指出传统Logit模型的局限,并用模糊推理理论对疏散者行为建模,最后应用于实际路网进行验证分析。具体内容如下：首先,本文在分析疏散者行为的不确定性和疏散路网的不确定因素的基础上,阐述疏散者出行决策行为的几种建模方式,并设计基于实时疏散状态的应急疏散指令动态更新机制,以应对避难点资源不确定性和道路通行能力不确定性。集成交通需求模型、交通供给模型、疏散指令动态更新机制、动态交通流分配模型和交通管理模型,建立应对疏散过程中交通需求和交通供给不确定性的动态应急疏散规划框架。其次,通过实例说明考虑应急状态交通信息的影响下使用传统Logit模型描述路径选择行为的局限。从疏散者心理行为角度出发,分析其风险感知行为,完成对Logit模型的改进,扩展Logit模型适用范围。本文还论述了应用模糊推理理论确定路段成本权重值的建模过程,得到以交通信息等级、路段离疏散者距离为输入,路段成本权重值为输出的模糊推理系统。最后,以广州市天河区路网为实例,使用基于Matlab软件的EVAQ仿真平台进行试验。验证考虑疏散者风险感知行为的动态路径选择行为模型效果；以规定时间内到达人数为指标,验证交通信息等级、信息发布周期和疏散指令服从程度对疏散效率的影响。仿真试验结果表明,动态应急疏散规划框架能较好应对疏散过程中的不确定因素；较低的交通信息等级、较高的信息发布频率和指令服从程度对提高疏散效率最有利。