周繼彪　董　升　陳　紅　張敏捷

(1.寧波工程學(xué)院交通學(xué)院　浙江 寧波 315211；

2.魏瑪包豪斯大學(xué)土木工程學(xué)院　德國(guó) 魏瑪 99423； 3.長(zhǎng)安大學(xué)公路學(xué)院　西安 710064)

?

行人交通流基本特性研究現(xiàn)狀與展望*

周繼彪1,2董升1▲陳紅3張敏捷1

(1.寧波工程學(xué)院交通學(xué)院浙江 寧波 315211；

2.魏瑪包豪斯大學(xué)土木工程學(xué)院德國(guó) 魏瑪 99423； 3.長(zhǎng)安大學(xué)公路學(xué)院西安 710064)

摘要以行人交通流基本特性為研究對(duì)象，總結(jié)了行人交通流基本特性研究的發(fā)展歷程和研究現(xiàn)狀，分析了行人交通流未來發(fā)展趨勢(shì)。介紹了行人交通流基礎(chǔ)數(shù)據(jù)采集方法，例如人工調(diào)查法、視頻檢測(cè)法和泰森多邊形法等?？偨Y(jié)了行人交通流宏觀特性和微觀特性，闡釋了行人流交通特性基本關(guān)系圖和行人流的整體運(yùn)動(dòng)特性，討論了人群中個(gè)體的速度特性及個(gè)體間的相互作用，行人交通流的微觀特性是宏觀特性的自然展現(xiàn)。分析結(jié)果表明：行人流動(dòng)力學(xué)所表現(xiàn)出來的各種集群效應(yīng)是由于行人個(gè)體之間的非線性作用而引起的，行人交通流特性存在顯著的個(gè)性化特征，即：出行目的的多元化、出行行為的自組織性、出行過程的避讓性。行人速度隨著密度的增大而減小，當(dāng)密度低于1.0～2.0 p/m2值時(shí)，行人流完全處于自由流狀態(tài)，此時(shí)行人速度不受密度的影響，完全由個(gè)人喜好、舒適程度和個(gè)人出行目的等決定；當(dāng)密度增加到4～5 p/m2時(shí)，行人速度已經(jīng)下降到0.2 m/s，即行人基本上處于擁擠狀態(tài)，很難繼續(xù)往前移動(dòng)。由于行人性別、生理、心理以及年齡、出行目的、調(diào)查地點(diǎn)的不同，其速度變化范圍為0.9～1.9 m/s，密度變化范圍為1.7～7.0 p/m2，而最大阻塞密度則從3.8～10.0 p/m2變化。行人交通流數(shù)據(jù)采集方法、行人交通仿真與模擬、行人交通建模與實(shí)證是未來需要關(guān)注的研究趨勢(shì)。

關(guān)鍵詞交通工程；行人交通流；基本特性；交通仿真；泰森多邊形法

0引言

2015年全國(guó)“兩會(huì)”期間，治理城市交通擁堵、大氣污染防治、城市交通綜合治理法制建設(shè)、出租車改革、汽車限溝限行、機(jī)動(dòng)車擁擠收費(fèi)管理等問題成為代表委員們關(guān)注的熱點(diǎn)。在眾多關(guān)于交通方面的提案中，行人交通作為一種最基礎(chǔ)的交通方式，長(zhǎng)期以來一直處于被忽視的地位?！俺鞘薪煌ā被颈弧俺鞘袡C(jī)動(dòng)車交通”所取代，其基礎(chǔ)工作的開展以機(jī)動(dòng)車交通為主，而漸漸弱化了對(duì)行人交通的研究。交通工程中的“人、車、路、環(huán)境和政策”5大要素中“人”也僅指機(jī)動(dòng)車駕駛員，以活動(dòng)為主體的行人則被劃分為城市交通系統(tǒng)中影響機(jī)動(dòng)車通勤的干擾因素，導(dǎo)致對(duì)行人交通流研究積累不足。從全國(guó)“兩會(huì)”提案的層面來看，在全國(guó)大、中城市城鎮(zhèn)化進(jìn)程中，行人交通流對(duì)機(jī)動(dòng)車交通流的干擾和影響十分嚴(yán)重，機(jī)非混行現(xiàn)象將繼續(xù)持續(xù)，進(jìn)一步加劇了城市交通的惡化。因此，深入研究行人交通流的基本特性和微觀行為建模仿真，具有重要的現(xiàn)實(shí)意義。另外，大型基礎(chǔ)設(shè)施布局規(guī)劃的合理性和可實(shí)施性需掌握設(shè)施內(nèi)部行人的交通流特性，該成果可為行人專用設(shè)施建設(shè)、交通組織流線設(shè)計(jì)以及行人安全管理(安全疏散、路徑選擇等)提供有效的決策支持，預(yù)防集體踩踏事件等突發(fā)事件的發(fā)生。因此，深入認(rèn)識(shí)行人交通流基本特性顯得尤為重要和緊迫。

行人交通流理論的研究始于20世紀(jì)的50年代末，Hankin和Wright在1958年首先提出了簡(jiǎn)單的理論，并對(duì)行人交通調(diào)查和交通特性作了初步闡釋。Oeding，Henderson，Older，Navin Wheeler等對(duì)行人交通流進(jìn)行了研究，主要研究類型集中在商業(yè)區(qū)(購(gòu)物)、學(xué)校、市區(qū)等區(qū)域。J.J.Fruin[1]最早開展了行人交通特性的研究，Henderson[2]在20世紀(jì)70年代初首先采用流體動(dòng)力學(xué)模型分析行人交通；20世紀(jì)90年代Helbing和Molnar提出了社會(huì)力模型(social force model, SF)[3]，并對(duì)人群運(yùn)動(dòng)過程的相互作用進(jìn)行微觀仿真，研究表明行人流動(dòng)力學(xué)所表現(xiàn)出來的各種集群效應(yīng)是由于行人個(gè)體之間的非線性作用而引起的。相對(duì)社會(huì)力模型，近年來又涌現(xiàn)出大量行人運(yùn)動(dòng)仿真模型[4-7]，如元胞自動(dòng)機(jī)模型、成本效益元胞模型、磁場(chǎng)力學(xué)模型和排隊(duì)網(wǎng)絡(luò)模型等，主要用于描述人群在疏散中出現(xiàn)的行人擁擠、堵塞等特殊現(xiàn)象，美國(guó)《道路通行能力手冊(cè)》(HCM)[8]也將行人運(yùn)動(dòng)宏觀仿真模型運(yùn)用到行人運(yùn)動(dòng)模擬和道路容納能力分析中。

行人交通流特性是指行人作為群體表現(xiàn)出的宏觀特性，描述行人交通特性的參數(shù)主要是以速度、密度以及流量這三者為主。最初的行人交通特性研究是以行人速度研究為出發(fā)點(diǎn)的，隨著視頻圖像處理技術(shù)的發(fā)展，在以速度特性研究的同時(shí)，行人行走行為、行人行為建模，以及行人運(yùn)行軌跡試驗(yàn)等描述行人微觀交通流特性的研究也逐漸受到重視。國(guó)外對(duì)行人交通流基本特性的研究開展較早，主要從宏觀層面(以群體運(yùn)動(dòng)為重點(diǎn)的)和微觀層面(以個(gè)體相互作用為)2大層面來開展行人交通流研究。相對(duì)而言，我國(guó)在行人交通流領(lǐng)域的研究起步較晚，近年來開始有該研究領(lǐng)域的成果出現(xiàn)，研究方法與內(nèi)容逐漸增加?？傮w而言，截止目前國(guó)內(nèi)外專家和學(xué)者的主要研究?jī)?nèi)容集中在以實(shí)證研究為主體目標(biāo)的行人交通流基本特性研究、以理論研究為主體目標(biāo)的行人交通建模與仿真和以應(yīng)用研究為主體目標(biāo)的樞紐內(nèi)基礎(chǔ)設(shè)施設(shè)計(jì)和安全疏散管理等三大方面。其中，實(shí)證研究為行人交通模型的參數(shù)標(biāo)定、交通仿真與模型驗(yàn)證提供基礎(chǔ)數(shù)據(jù)支撐，而理論研究則反作用于實(shí)證研究，并要求更廣泛、更深入的基礎(chǔ)數(shù)據(jù)為其提供實(shí)例驗(yàn)證，實(shí)證研究和理論研究?jī)烧邉t共同服務(wù)于應(yīng)用研究。以基礎(chǔ)數(shù)據(jù)采集方法為基本依據(jù)的行人交通流基本特性研究是當(dāng)前研究的核心和重點(diǎn)，又可細(xì)分為以下三方面的內(nèi)容：行人交通流基礎(chǔ)數(shù)據(jù)采集的研究；行人交通宏觀特性的研究；行人交通微觀特性的研究等。筆者從行人交通基礎(chǔ)數(shù)據(jù)采集方法入手，系統(tǒng)分析了行人交通流宏觀特性和微觀特性，闡釋了行人交通流未來的發(fā)展趨勢(shì)，為行人交通流的相關(guān)科學(xué)研究提供借鑒和參考。

1基礎(chǔ)數(shù)據(jù)采集方法

行人交通基礎(chǔ)數(shù)據(jù)是研究行人交通特性的基礎(chǔ)，由于行人的行為較為復(fù)雜，其采集數(shù)據(jù)的準(zhǔn)確性直接影響到行人基礎(chǔ)設(shè)施的設(shè)計(jì)及優(yōu)化，對(duì)行人安全疏散、行人微觀仿真等具有十分重要的意義。行人交通數(shù)據(jù)采集方法是在機(jī)動(dòng)車數(shù)據(jù)采集方法的基礎(chǔ)上發(fā)展起來的，并得到了廣泛的應(yīng)用，行人交通數(shù)據(jù)采集方法[9]主要有人工檢測(cè)法、感應(yīng)線圈檢測(cè)法、超聲波檢測(cè)器法、微電子技術(shù)檢測(cè)法、GPS檢測(cè)法、激光檢測(cè)法和視頻檢測(cè)法等，主要采集內(nèi)容有行人交通流基本參數(shù)(速度、密度、流量、加速度、可接受間隙等。

伴隨著視頻圖像處理技術(shù)的發(fā)展，行人檢測(cè)、行人識(shí)別、行人跟蹤、行人交通參數(shù)的提取技術(shù)將成為新的熱點(diǎn)研究?jī)?nèi)容之一，基于視頻檢測(cè)的交通基礎(chǔ)數(shù)據(jù)采集技術(shù)將凸顯更大的優(yōu)勢(shì)，將是未來城市交通大數(shù)據(jù)(大數(shù)據(jù)具有規(guī)模大、價(jià)值高、交叉復(fù)用、全息可見四大特征)采集、分析及處理的發(fā)展方向之一。行人基礎(chǔ)數(shù)據(jù)采集的具體方法如下。

1.1密度調(diào)查方法

行人密度的采集方法是統(tǒng)計(jì)時(shí)刻末停留在調(diào)查區(qū)域內(nèi)的行人數(shù)量，然后除以調(diào)查區(qū)域的面積即可得到行人密度值，其具體計(jì)算見式(1)。

(1)

式中：K為行人交通流密度，p/m2；N為行人數(shù)量，p；A為面積，m2。

該方法未考慮密度觀測(cè)面積、觀測(cè)時(shí)間間隔以及連續(xù)觀測(cè)次數(shù)，行人密度觀測(cè)面積不同對(duì)密度的影響很大?？紤]調(diào)查的區(qū)域面積對(duì)行人密度精度造成的影響，進(jìn)一步解決精細(xì)結(jié)構(gòu)所產(chǎn)生的速度-密度關(guān)系，B. Steffen等[10]提出了泰森多邊形法來對(duì)行人密集進(jìn)行采集，見式(2)和(3)。

KV=∫Ap(x)dx/A

(2)

(3)

KV的測(cè)量適用于行人數(shù)量較小時(shí)，需要所有那些有用的泰森多邊形法元胞落在調(diào)查區(qū)域面積內(nèi)；而KV′則可以允許泰森多邊形法元胞落在調(diào)查區(qū)域面積外。因此，KV較KV′更加容易受到鄰近的邊緣多邊形的影響。

1.2速度調(diào)查方法

給定第i個(gè)行人的運(yùn)行軌跡距離為xi(t)，在單位時(shí)間Δt內(nèi)的速度[10]的計(jì)算見式(4)。

(4)

同樣地，在給定的距離和行人進(jìn)、出時(shí)間(tin,tout)條件下，行人速度[10]的計(jì)算見式(5)。

(5)

另外，考慮了行人的運(yùn)行坐標(biāo)和區(qū)域面積Ai，則行人速度[11]的計(jì)算見式(6)。

(6)

式中：vi(t)為在t時(shí)刻行人的瞬時(shí)速度，m/s。

1.3流量調(diào)查方法

根據(jù)行人交通流的基本原理，其行人流量為Q(x,y,t)=K(x,y,t)×V(x,y,t)。K(x,y,t)和V(x,y,t)可以通過上面關(guān)于密度和速度的調(diào)查方法求出。在實(shí)際調(diào)查中，根據(jù)研究目標(biāo)選擇調(diào)查斷面，統(tǒng)計(jì)某一時(shí)間間隔(例如5 min為1個(gè)時(shí)間間隔)和單位寬度(取1 m)內(nèi)通過該斷面的行人數(shù)量，即為行人的流量，p/(m·min)。

1.4調(diào)查方法對(duì)比分析

密度、速度和流量調(diào)查法的對(duì)比分析，見表1。

表1　調(diào)查方法對(duì)比分析

2行人交通流基本特性

2.1行人交通流宏觀特性

行人交通流宏觀特性是建立在基礎(chǔ)數(shù)據(jù)采集方法的基礎(chǔ)上，主要描述速度、流量和密度之間的關(guān)系。綜合國(guó)內(nèi)外行人交通特性研究來看，J.J.Fruin[1]最早開展了行人交通流宏觀特性的研究，并將“服務(wù)水平”的概念由公路交通延伸到行人交通的研究中，為行人交通流的發(fā)展奠定了理論基礎(chǔ)。早期的研究是針對(duì)商業(yè)區(qū)購(gòu)物、校園活動(dòng)、混合交通、寫字樓等場(chǎng)所或基礎(chǔ)設(shè)施類型進(jìn)行的，具體見表2。

表2　行人交通宏觀特性研究?jī)?nèi)容和成果[9,12-16]

基本圖(fundamental diagram)是對(duì)行人交通特性基本參數(shù)的一個(gè)客觀描述，目前文獻(xiàn)中所提出的基本關(guān)系圖是根據(jù)不同的定義和假設(shè)得到的，采用不同的測(cè)量方法針對(duì)不同的群體、不同類型的行人流特征而展開的。由于基礎(chǔ)設(shè)施屬性、環(huán)境特性、出行特征等一些因素的影響，不同學(xué)者由于研究的客觀條件不同，得出的基本圖存在較大的不同。例如，關(guān)于行人流速度與密度的關(guān)系，不同學(xué)者利用不同的測(cè)量方法獲得不同的結(jié)果[17-28]，其中最大阻塞密度從3.8～10.0 p/m2以及行人最大流密度范圍由1.7～10.0 p/m2而不同，其結(jié)果存在較大的差異。因此，為了從定性和定量?jī)煞矫娅@得可靠的行人運(yùn)動(dòng)行為特征，在對(duì)數(shù)據(jù)分析方法發(fā)展的基礎(chǔ)上，基于準(zhǔn)確的現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)變得越來越重要。

2.2行人交通流微觀特性

行人速度是反映交通微觀特性的主要參數(shù)之一，最初是以速度[29]作為基本出發(fā)點(diǎn)，開展各項(xiàng)行人交通微觀特性的研究。例如，對(duì)于非擁擠通道來說，文獻(xiàn)[29]假設(shè)行人步行速度僅僅取決于個(gè)人因素并且遵循對(duì)數(shù)正態(tài)分布(log normal distribution)；然而，文獻(xiàn)[30]則發(fā)現(xiàn)在擁擠區(qū)域下行的步行速度則符合高斯分布(Gaussian distributed)。由于行人速度影響因素較多，變化范圍較大，研究成果表明，由于各個(gè)國(guó)家行人性別、生理、心理以及年齡和調(diào)查地點(diǎn)的不同，行人平均行走速度變化范圍較大，一般浮動(dòng)在0.70～1.70 m/s之間，見表3。

表3　行人速度統(tǒng)計(jì)表[9, 31-38]

備注：① 單位已經(jīng)經(jīng)過轉(zhuǎn)換處理；② 行人的步行速度取決于人群中老年人的比例(65及65歲以上的)。如果老年人比例在0%～20%之間，步行的速度為 1.2 m/s；如果老年人比例大于 20%，那么速度為1.0 m/s，比例每增加10%速度降低0.09 m/s；③ 行人大步行走時(shí)比常規(guī)行走時(shí)的速度快，將近40%；④ 當(dāng)平均密度超過6 p/m2時(shí)，發(fā)生行人踩踏事件的概率將急劇增大；⑤ 自由流速度(Vf)的單位m/min，阻塞密度(Kj)的單位為p/m2。

行人微觀交通特性的研究主要考慮行人之間的相互影響，進(jìn)一步反映行人交通流的運(yùn)動(dòng)。在初始階段，主要是收集微觀數(shù)據(jù)和分析微觀行人交通速度。隨著人工數(shù)據(jù)采集向半自動(dòng)化和自動(dòng)化數(shù)據(jù)采集方向的發(fā)展，K.Teknomo[39]發(fā)現(xiàn)行人微觀速度服從正態(tài)分布，其速度均值為1.38 m/s和標(biāo)準(zhǔn)偏差為0.37 m2/s2，其加速度同樣服從正態(tài)分布，其均值為0.68 m/s2。在行人速度研究的基礎(chǔ)上，結(jié)合宏觀特性又開展了更為復(fù)雜的行人交通流微觀特性的研究，主要集中在3個(gè)方面，即：行人行走行為、行人行為建模和行人運(yùn)行軌跡試驗(yàn)。

2.2.1行人行走行為

對(duì)單獨(dú)個(gè)體來講，每個(gè)個(gè)體都有自己運(yùn)動(dòng)的速度和運(yùn)行軌跡，其總是不斷地感知周圍的環(huán)境并作出行為決策，簡(jiǎn)單地認(rèn)為個(gè)體行為的累加構(gòu)成了其群體行為。但是，由于個(gè)體間“環(huán)境-心理-行為”的相互影響[40]，以及目的地、障礙物等對(duì)行人個(gè)體的影響，群體行為絕對(duì)不是所有個(gè)體行為的簡(jiǎn)單疊加，在不同環(huán)境下反映出的行人行走行為可以分為目的行為[41]、擁擠行為[42]、跟隨行為[43]、避讓行為[44]、安全疏散行為等。雖然大多數(shù)行人行為方面的研究只考慮孤立的個(gè)體之間的交互行為，實(shí)驗(yàn)表明[45]，在人群中高達(dá)70%的人實(shí)際上是在群體，如朋友、伴侶或家人走在一起。這些群體中的聚合結(jié)構(gòu)及其對(duì)行人動(dòng)力學(xué)的影響在很大程度上仍是未知的。相關(guān)研究表明[46]，行人只能在低密度下自由行動(dòng)，否則他們的運(yùn)動(dòng)將受到其他行人的相互作用影響，形成自組織現(xiàn)象。另外，實(shí)際上大多數(shù)行人不是單獨(dú)運(yùn)動(dòng)，而是成群結(jié)隊(duì)運(yùn)動(dòng)[47]。早期的觀察表明[48]，2～4個(gè)成員組成的群體是最頻繁的，而大于5個(gè)成員的群體則比較罕見。隨著對(duì)群體的物理運(yùn)動(dòng)研究的進(jìn)一步深入，行人行走行為的研究點(diǎn)由個(gè)體形為向群體行為過渡。如：在瓶頸處將會(huì)產(chǎn)生行人的聚集現(xiàn)象[49-50]，行人的逆向運(yùn)動(dòng)將會(huì)把對(duì)向行人流隔離開[51-52]，或在極其密集的人群中形成湍流運(yùn)動(dòng)[53]。

2.2.2行人行為建模

近幾年關(guān)于行人行為模型的數(shù)量在增加，但是利用實(shí)驗(yàn)數(shù)據(jù)來測(cè)試并修正這些模型，在很大程度上仍然是不確定的和矛盾的。建筑師們的興趣點(diǎn)在于創(chuàng)造一個(gè)行人進(jìn)入建筑物的最佳空間設(shè)計(jì)，而交通工程師們則面臨交通基礎(chǔ)設(shè)施的資源整合問題，特別強(qiáng)調(diào)行人在建筑物內(nèi)的安全問題。近年來的悲劇性事件給管理者們敲響了警鐘，管理者們則通過增加自動(dòng)視頻監(jiān)控系統(tǒng)，監(jiān)測(cè)公共場(chǎng)所的行人流動(dòng)，進(jìn)一步對(duì)于異常行為可以及時(shí)采取預(yù)警和管控措施，防止集體踩踏事件的發(fā)生。在這種背景下，基于行人行為的數(shù)學(xué)建模是相當(dāng)重要的，該模型可以通過恰當(dāng)?shù)慕y(tǒng)計(jì)方法進(jìn)行測(cè)試。假設(shè)行人行走由本人自主預(yù)測(cè)并控制，并以成本最小為主觀行走策略?？紤]到假定策略直接影響鄰近的行人行走狀態(tài)[54]，這樣可以根據(jù)觀測(cè)的當(dāng)前狀態(tài)來預(yù)測(cè)其他行人行為，并預(yù)測(cè)其未來的狀態(tài)。行人行為建模方面的數(shù)據(jù)收集是特別困難的，目前只有少量數(shù)學(xué)模型[54]被提出并用真實(shí)數(shù)據(jù)進(jìn)行了校準(zhǔn)和驗(yàn)證。另外，路徑選擇行為模型[55-56]也成為當(dāng)下研究的熱點(diǎn)之一。例如，Hoogendoorn[57-58]提出了基于行人經(jīng)濟(jì)論學(xué)說下的二維空間步行行為模型，與其他模型相比[59]，該模型利用了主觀效用最大化的微觀經(jīng)濟(jì)學(xué)概念，描述最優(yōu)控制下的行人行為以及將模型成功應(yīng)用到汽車駕駛等任務(wù)操作中。

2.2.3行人運(yùn)動(dòng)軌跡實(shí)驗(yàn)

行人運(yùn)動(dòng)軌跡實(shí)驗(yàn)涵蓋了大規(guī)模的控制性實(shí)驗(yàn)，其數(shù)據(jù)的收集是通過視頻記錄來進(jìn)一步得到高精度軌跡[56]。以W.Daamen[60]利用控制性實(shí)驗(yàn)來獲取行人的行為特征為代表。他在狹窄瓶頸處做了10個(gè)人的行人軌跡試驗(yàn)。試驗(yàn)中，當(dāng)行人交通需求超過了狹窄瓶頸處的通行能力時(shí)，擁擠將會(huì)發(fā)生。每個(gè)行人都編有一個(gè)獨(dú)立的ID，其軌跡數(shù)據(jù)來源于數(shù)字視頻，其速度因此可以根據(jù)行人軌跡信息求出。該實(shí)驗(yàn)揭示出速度較低的行人降低了整體的通行速度。此外，步行空間的利用取決于當(dāng)時(shí)的交通狀況，當(dāng)行人交通狀況下降時(shí)，更多可利用的行人步行空間將被占用。結(jié)果還表明：在低密度條件下，行人將在瓶頸的中間行走，當(dāng)密度增加時(shí)，兩股行人流將形成，暗示著瓶頸處空間將被有效的加以利用。為了進(jìn)一步測(cè)試行人的運(yùn)行軌跡，A.Seyfried等[61]利用高清視頻進(jìn)一步分析了不同行人數(shù)量下的軌跡，并對(duì)其在(x,t)平面上進(jìn)行投影。結(jié)果和W.Daamen基本一致，即隨著行人數(shù)量的增加，其行人動(dòng)力學(xué)將變得更加無序，行人軌跡將顯示間歇性停止。

3未來發(fā)展趨勢(shì)

總體來看，關(guān)于行人交通流基本特性研究方面可以從以下3個(gè)方向來重點(diǎn)研究。

1) 面向未來“大數(shù)據(jù)”時(shí)代，系統(tǒng)研發(fā)高精度的行人交通流基礎(chǔ)數(shù)據(jù)采集系統(tǒng)，實(shí)現(xiàn)不同場(chǎng)所內(nèi)(綜合交通樞紐、大型活動(dòng)、公共場(chǎng)所等)的自動(dòng)化視頻采集、分析和處理，結(jié)合實(shí)時(shí)、實(shí)測(cè)數(shù)據(jù)構(gòu)建新的交通流模型或者對(duì)原有模型參數(shù)進(jìn)行標(biāo)定與驗(yàn)證。

2) 面對(duì)未來“精細(xì)化”要求，繼續(xù)加強(qiáng)宏觀和微觀結(jié)合的行人交通仿真與模擬，構(gòu)建至少可以模擬10萬人的復(fù)雜網(wǎng)絡(luò)仿真平臺(tái)，系統(tǒng)研發(fā)高精度的實(shí)時(shí)仿真系統(tǒng)，能分別處理綜合交通樞紐、大型活動(dòng)、公共場(chǎng)所等人群密集區(qū)的行人安全疏散基礎(chǔ)數(shù)據(jù)及行人交通基本特性基礎(chǔ)數(shù)據(jù)。

3) 面對(duì)未來“智能化”需求，不同的交通場(chǎng)景會(huì)有不同的行人交通建模方法，針對(duì)行人個(gè)體的交通特性和出行特征，如何構(gòu)建多元異構(gòu)、復(fù)雜場(chǎng)景下的交通宏觀、中觀和微觀的行人交通模型，并對(duì)交通建模的精度進(jìn)行實(shí)證研究，將是未來的發(fā)展趨勢(shì)之一。

3.1行人流數(shù)據(jù)采集方法

行人交通流基本特性分析需要大量實(shí)測(cè)數(shù)據(jù)的支撐，海量、詳實(shí)的行人基礎(chǔ)大數(shù)據(jù)是研究城市中行人交通流特性的必要條件。目前在采集基礎(chǔ)數(shù)據(jù)時(shí)，主要依靠人工檢測(cè)法，盡管精度較高，但耗費(fèi)大量人力、物力和財(cái)力。為推動(dòng)行人交通流理論研究向更深層次、更廣領(lǐng)域的發(fā)展，必須研究諸如自動(dòng)視頻數(shù)據(jù)采集、GPS采集、手機(jī)數(shù)據(jù)采集等先進(jìn)手段，構(gòu)建行人交通流基礎(chǔ)數(shù)據(jù)庫(kù)，在保證基礎(chǔ)大數(shù)據(jù)采集精度的同時(shí)，進(jìn)一步提高數(shù)據(jù)獲取的效率。利用高效求解算法與相關(guān)技術(shù)對(duì)實(shí)測(cè)數(shù)據(jù)進(jìn)行分析處理，結(jié)合實(shí)時(shí)實(shí)測(cè)數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行標(biāo)定與驗(yàn)證?，F(xiàn)場(chǎng)數(shù)據(jù)采集與計(jì)算機(jī)模擬結(jié)合的方法，為行人交通流基本特性的合理性、有效性提供數(shù)據(jù)支撐。

3.2行人交通仿真與模擬

交通系統(tǒng)仿真是20世紀(jì)60年代以來，隨著計(jì)算機(jī)技術(shù)的進(jìn)步而發(fā)展起來的采用計(jì)算機(jī)數(shù)字模型來反映復(fù)雜道路交通現(xiàn)象的交通分析技術(shù)和方法，是智能運(yùn)輸系統(tǒng)(ITS)的重要組成部分。由于行人流交通行為復(fù)雜，車輛交通流仿真建模方法一般不適用于行人流仿真模型。行人交通流特性存在顯著的個(gè)性化特征：出行目的的多元化、出行行為的自組織性、出行過程的避讓性等。行人系統(tǒng)仿真作為交通系統(tǒng)仿真的一個(gè)重要分支，可以將其劃分為2個(gè)階段，即：宏觀交通仿真階段和微觀交通仿真階段。宏觀交通仿真模型以行人基本圖為出發(fā)點(diǎn)，描述行人行為的時(shí)空分布特征，擬合行人流參數(shù)關(guān)系曲線并對(duì)參數(shù)進(jìn)行標(biāo)定，得到相應(yīng)密度-流量-速度三者間的函數(shù)模型；微觀交通仿真模型描述了行人個(gè)體之間的時(shí)空特性，其典型代表為社會(huì)力模型、元胞自動(dòng)機(jī)模型、刺激反應(yīng)模型以及集散微觀仿真模型。對(duì)于大多數(shù)情況，雖然這些模型似乎產(chǎn)生通常合理的結(jié)果，他們過于簡(jiǎn)單化的過程或不完整的行為規(guī)則將不再適用于復(fù)雜狀況下應(yīng)用場(chǎng)景?？傮w來看，往往是各自為政的自主開發(fā)，沒有開展國(guó)際的合作以及國(guó)內(nèi)的聯(lián)系及交流，而且對(duì)于我國(guó)復(fù)雜的交通狀況的研究還不夠深入，無法滿足實(shí)際的要求。

3.3行人交通建模與實(shí)證

針對(duì)行人交通行為建模與實(shí)證問題，國(guó)內(nèi)外有關(guān)學(xué)者針對(duì)不同國(guó)家、不同的城市展開了大量的研究，如紐約、荷蘭、新加坡、香港、北京和上海等，采用的方法有人工計(jì)數(shù)、視頻調(diào)查、微觀仿真等，并且針對(duì)不同年齡段及不同性別人群的交通特性行為也進(jìn)行了研究，如路徑選擇行為、碰撞規(guī)避行為、追蹤和逃逸行為、到達(dá)和離去行為、徘徊行為等。一方面，對(duì)行人宏觀交通特性和微觀交通特性有了更加深入的理解，行人宏觀交通特性即行人流或者行人群所表現(xiàn)的宏觀交通特性。行人微觀交通特性即對(duì)行人個(gè)體所具有的交通特性進(jìn)行研究，包括研究行人生理、心理特征、出行目的自身特征以及不同特征行人的路徑選擇行為、障礙規(guī)避行為、盲從行為、速度—步幅行走特性等個(gè)體交通行為特性。另一方面，許多行為模型和方法已經(jīng)被相繼提出，可以分為3大類。第1類為行人微觀模型，每個(gè)行人都分別建模，以單個(gè)行人為研究對(duì)象，單獨(dú)探索行人的行為特性；第2類為宏觀模型，即：以整個(gè)行人群體為研究對(duì)象，系統(tǒng)分析行人的密度、速度和流量三者之間的關(guān)系；第3類為介于宏觀模型和中觀模型之間的中觀模型。這些模型沒有區(qū)分單獨(dú)個(gè)體和整體的行人交通特征，但他們可以在微觀層面描述行人的行為，然而由于行人運(yùn)動(dòng)的多樣化，空間地域的差異使得研究成果之間存在著較大的不同，因此，行人行為建模仍然面臨巨大的挑戰(zhàn)，主要表現(xiàn)在以下6個(gè)方面：①行人的個(gè)人交通特性(例如，年齡、性別、尺寸、健康等)；②行人的出行特征(例如，出行目的、熟悉的路線、行李等)；③基礎(chǔ)設(shè)施的屬性(例如，類型、吸引力等)；④環(huán)境特性(例如，周圍環(huán)境、天氣條件等)；⑤行人密度、速度及流量特征等；⑥行人的生理和心理特征。

4結(jié)束語(yǔ)

1) 傳統(tǒng)的人工數(shù)據(jù)采集向現(xiàn)代化的視頻數(shù)據(jù)采集技術(shù)、手機(jī)數(shù)據(jù)采集技術(shù)等高新技術(shù)轉(zhuǎn)變。行人流交通數(shù)據(jù)傳統(tǒng)采集方法的限制已經(jīng)不能滿足當(dāng)前行人交通流海量數(shù)據(jù)的交通需求，使得研究人員開始尋求現(xiàn)代視頻采集技術(shù)、GPS、手機(jī)定位等先進(jìn)技術(shù)的支持。

2) 以“基本圖”描述行人交通流基本特性為主，考慮不同基礎(chǔ)設(shè)施、不同試驗(yàn)環(huán)境等，結(jié)合采集到的基礎(chǔ)數(shù)據(jù)對(duì)行人交通特性“基本圖”進(jìn)行修正和完善。

3) 由于行人運(yùn)動(dòng)的多樣性以及空間地域的差異性使得研究成果之間存在著較大的不同，決定了利用數(shù)學(xué)模型解決行人交通行為的復(fù)雜性，且高效求解算法與相關(guān)技術(shù)還需進(jìn)一步豐富和完善。

4) 筆者對(duì)當(dāng)前國(guó)內(nèi)外針對(duì)行人交通流基本特性研究的基本參數(shù)和原理、基礎(chǔ)數(shù)據(jù)采集方法、現(xiàn)有成果、其它相關(guān)研究與未來發(fā)展趨勢(shì)進(jìn)行了系統(tǒng)的梳理和闡釋，并結(jié)合中國(guó)城市交通的發(fā)展特點(diǎn)提出了未來的展望，以期為深入研究行人交通行為和行人交通流理論提供借鑒，有效保證類似綜合交通樞紐、大型活動(dòng)、公共場(chǎng)所等行人的安全疏散，合理改進(jìn)基礎(chǔ)設(shè)施的設(shè)計(jì)與布局，提高各種設(shè)施的利用效率提供良好的思路和借鑒。

參考文獻(xiàn)

[1]FRUIN J J. Pedestrian planning and design [R]. New York: Metropolitan Association of Urban Designers and Environmental Planners , 1971.

[2]HENDERSON L F. The statistics of crowd fluids [J]. Nature, 1971(1): 381-383.

[3]HELBING D, MOLNAR P. Social force model for pedestrian dynamics [J]. Physical Review E, 1995, 51(5): 4282-4290.

[4]OKAZAKI, MATSUSHITA S S . Astudy of simulation model for pedestrian movement with evacuation and queuing[J]. International Conference on Engineering for Crowd Safety, 1993(1): 271-280.

[5]CHOPARD B. Cellular automata modeling of physical systems [J]. Computational Complexity: Theory, Techniques, and Applications, 2012(1): 407-433.

[6]ALIZADEH R. A dynamic cellular automaton model for evacuation process with obstacles[J]. Safety Science. 2011, 49 (2): 315-323.

[7]PEREIRA L , DUCZMAL L, CRUZ F. Congested emergency evacuation of a population using a finite automata approach [J]. Safety Science. 2013, 51 (1): 267-272.

[8]Transportation Research Board National Research Council. Highway Capacity Manual 2010 [M]. Washington, D.C.: Transportation Research Board, 2010.

[9]周繼彪. 綜合交通換乘樞紐行人交通特性及安全疏散研究 [D]. 西安: 長(zhǎng)安大學(xué), 2014.

ZHOU Jibiao.Research on pedestrian traffic characteristics and safety evacuation in integrated transport transfer hub [D]. Xi’an: Chang’an University, 2014. (in Chinese)

[10]STEFFEN B, SEYFRIED A. Methods for measuring pedestrian density, flow, speed and direction with minimal scatter [J]. Physica A: Statistical Mechanics and Its Applications, 2010,(9):1902-1910.

[11]BOLTES M, SEYFRIED A, STEFFEN B, et al. Automatic extraction of pedestrian trajectories from video recordings [M]. Germany: Springer Berlin Heidelberg, 2010: 43-54.

[12]LAM W H K, CHEUNG C. Pedestrian speed/flow relationships for walking facilities in Hong Kong[J]. Journal of transportation engineering, 2000, 126(4): 343-349.

[13]LAM W H K, LEE J Y S, CHEUNG C Y. A study of the bi-directional pedestrian flow characteristics at Hong Kong signalized crosswalk facilities[J]. Transportation, 2002, 29(2): 169-192.

[14]陳 然, 董力耘. 中國(guó)大都市行人交通特征的實(shí)測(cè)和初步分析 [J]. 上海大學(xué)學(xué)報(bào)：自然科學(xué)版. 2005, 11 (1): 93-97.

CHEN Ran, DONG Liyun.Observations and preliminary analysis of characteristics of pedestrian traffic in chinese metropolis. Journal of Shanghai University:Natural Science Edition. 2005, 11 (1): 93-97. (in Chinese)

[15]HELBING D,JOHANSSON A, AL-ABIDEEN H Z.Dynamics of crowd disasters: An empirical study[J]. Physical Review E, 2007, 75(4):109-115.

[16]ZHOU J, CHEN H, YANG J, et al. Pedestrian evacuation time model for urban metro hubs based on multiple video sequences data [J]. Mathematical Problems in Engineering, 2014, 2014: 1-11.

[17]SARSAM S I, ABDULAMEER M W. Modeling pedestrian walking and crossing characteristics at Baghdad CBD [J]. Research Journal of Modeling and Simulation, 2015(2): 34-41.

[19]VIRKLER M R, ELAYADATH S. Pedestrian speed-flow-density relationships [M]. Washington, DC: Transportation Research Board, 1994.

[20]DAAMEN W, HOOGENDOORN S P. Flow-density relations for pedestrian traffic [M]. Germany: Springer Berlin Heidelberg, 2007.

[21]PREDTECHENSKII V M, MILINSKIA I. Planning for foot traffic flow in buildings [M]. Washington D.C.: National Bureau of Standards, US Department of Commerce, and the National Science Foundation, 1978.

[22]HANKIN B D, WRIGHT R A. Passenger flow in subways [J]. United States: Operational Research Society, 1958,9(2): 81-88.

[23]OLDER S J. Movement of pedestrians on footways in shopping streets [M]. London: UK Traffic engineering & control, 1968: 56-78.

[24]TANABORIBOON Y, HWA S S, CHOR C H. Pedestrian characteristics study in Singapore [J]. Journal of Transportation Engineering, 1986, 112(3): 229-235.

[25]O′FLAHERTY C A, PARKINSON M H. Movement on a city centre footway [J]. Traffic Engineering and Control, 1972, 13(10): 434-438.

[26]LAM W H K, MORRALL J F, HO H. Pedestrian flow characteristics in Hong Kong [J]. Transportation Research Record, 1995 (1487): 56-62.

[27]POLUS A, SCHOFER J L, USHPIZ A. Pedestrian flow and level of service [J]. Journal of Transportation Engineering, 1983, 109(1): 46-56.

[28]ZHANG J, SEYFRIED A. Empirical characteristics of different types of pedestrian streams[J]. Procedia Engineering, 2013, 62(6): 655-662.

[29]L?V?S G G. Modeling and simulation of pedestrian traffic flow [J]. Transportation Research Part B: Methodological, 1994, 28(6): 429-443.

[30]HELBING D, FARKAS I J, MOLNAR P, et al. Simulation of pedestrian crowds in normal and evacuation situations [J]. Pedestrian and Evacuation Dynamics, 2002, 21(1): 21-58.

[31]DAAMEN W, HOOGENDOORN S P. Experimental Research of Pedestrian Walking Behavior [J]. Transportation Research Record: Journal of the Transportation Research Board. 2003(1): 20-30.

[32]史建港. 大型活動(dòng)行人交通特性研究 [D]. 北京: 北京工業(yè)大學(xué), 2007.

SHI Jiangang. Research on pedestrian traffic characteristics in special events [D]. Beijing: Beijing University of Technology. (in Chinese)

[33]張馳清. 城市軌道交通樞紐乘客交通設(shè)施服務(wù)水平研究 [D]. 北京:北京交通大學(xué), 2008.

ZHANG Chiqing. Study on levels of service for pedestrian facility in mtro hub [D]. Beijing:Beijing Jiaotong University, 2008. (in Chinese)

[34]楊麗麗. 綜合交通客運(yùn)樞紐內(nèi)部行人交通特性研究 [D].長(zhǎng)春: 吉林大學(xué), 2009.

YANG Lili. Research on pedestrian characteristics in comprehensive passenger transport terminal [D].Changchun: Jilin University.(in Chinese)

[35]曹守華, 袁振洲, 張馳清, 等. 基于乘客感知的城市軌道交通通道服務(wù)水平劃分 [J]. 交通運(yùn)輸系統(tǒng)工程與信息. 2008, 9 (2): 99-104.

CAO Shouhua, YUAN Zhenzhou, ZHANG Chiqing, et al.LOS classification for urban rail transit passages based on passenger perceptions [J]. Journal of Transportation Systems Engineering and Information Technology. (in Chinese)

[36]趙 莉. 城市軌道交通樞紐交通設(shè)計(jì)理論與方法研究 [D]. 北京:北京交通大學(xué), 2012.

ZHAO Li. Research on traffic design theory and methods of urban rail transit hubs [D]. Beijing:Beijing Jiaotong University, 2012. (in Chinese)

[37]朱孔金. 建筑內(nèi)典型區(qū)域人員疏散特性及疏散策略研究 [D]. 合肥:中國(guó)科學(xué)技術(shù)大學(xué), 2013.

ZHU Kongjin.Study on evacuation characteristics and evacuation strategy in typical regions of buildings. Hefei: University of Science and Technology of China, 2013. (in Chinese)

[38]周繼彪, 陳 紅, 閆 彬, 等. 地鐵換乘樞紐行人交通特性實(shí)證研究 [J]. 武漢理工大學(xué)學(xué)報(bào), 2014,36(4): 92-99.

ZHOU Jibiao, CHEN Hong, YAN Bin, et al. Pedestrian traffic characteristics in the Metro Transfer Hub [J]. Journal of Wuhan University of Technology. 2014, 36 (4): 92-99. (in Chinese)

[39]TEKNOMO K. Microscopic pedestrian flow characteristics: Development of an image processing data collection and simulation model [D]. Tohoku: Diss Tohoku University, 2002.

[40]李得偉, 韓寶明, 張 琦. 基于動(dòng)態(tài)博弈的行人交通微觀仿真模型 [J]. 系統(tǒng)仿真學(xué)報(bào), 2007, 19(11): 2590-2599.

LI Dewei, HAN Baoming, ZHANG Qi. Modeling and simulation of microscopic pedestrian using game theory [J]. Journal of System Simulation. 2007, 19 (11): 2590-2593. (in Chinese)

[41]李得偉. 城市軌道交通樞紐乘客集散模型及微觀仿真理論 [D]. 北京:北京交通大學(xué), 2007.

LI Dewei. Modeling and simulation of microscopic pedestrian flow in MTR hubs [D]. Beijing: Beijing Jiaotong University, 2007. (in Chinese)

[42]SHIWAKOTI N, SARVI M, BURD M.Using non-human biological entities to understand pedestrian crowd behaviour under emergency conditions [J]. Safety Science, 2014, 66 (1): 1-8.

[43]LI T Y, JENG Y J, CHANG S I. Simulating virtual human crowds with a leader-follower model [C]. The 14 th Conference on Computer Animation. Proceedings. Indonesia: IEEE, 2001.

[44]PARK J H, ROJAS F A, YANG H S. A collision avoidance behavior model for crowd simulation based on psychological findings [J]. Computer Animation and Virtual Worlds, 2013, 24(3): 173-183.

[45]MOUSSA?d M, PEROZO N, GARNIER S, et al. The walking behavior of pedestrian social groups and its impact on crowd dynamics[J]. PloS one, 2010, 5(4): 1-7.

[46]HELBING D, MOLNAR P, FARKAS I J, et al. Self-organizing pedestrian movement[J]. Environment and Planning B, 2001, 28(3): 361-384.

[47]AVENI A F. The not-so-lonely crowd: Friendship groups in collective behavior [J]. Sociometry, 1977 (1): 96-99.

[48]GRANOVETTER M. Threshold models of collective behavior [J]. American Journal of Sociology, 1978, 83(6): 1420-1430.

[49]HELBING D, BUZNA L, JOHANSSON A, et al. Self-organized pedestrian crowd dynamics: Experiments, simulations, and design solutions[J]. Transportation Science, 2005, 39(1): 1-24.

[50]HOOGENDOORN S P, DAAMEN W. Pedestrian behavior at bottlenecks [J]. Transportation Science, 2005, 39(2): 147-159.

[51]KRETZ T, GRüNEBOHM A, KAUFMAN M, et al. Experimental study of pedestrian counterflow in a corridor[J]. Journal of Statistical Mechanics: Theory and Experiment,2006 (10): 1-18.

[52]MOUSSA D M, HELBING D, GARNIER S, et al. Experimental study of the behavioural mechanisms underlying self-organization in human crowds [J]. Proceedings of the Royal Society B: Biological Sciences, 2009, 276(1668): 2755-2762.

[53]YU W, JOHANSSON A. Modeling crowd turbulence by many-particle simulations [J]. Physical Review E, 2007, 76(4): 046105.1-04610.5.

[54]HOOGENDOORN S, HL BOVY P. Simulation of pedestrian flows by optimal control and differential games [J]. Optimal Control Applications and Methods, 2003, 24(3): 153-72.

[55]GUO Z, LOO B P. Pedestrian environment and route choice: evidence from New York City and Hong Kong [J]. Journal of Transport Geography, 2013, 28(1): 24-36.

[56]RODRIGUEZ D A, MERLIN L, PRATO C G, et al. Influence of the built environment on pedestrian route choices of adolescent girls [J]. Environment and Behavior, 2014(001): 4-15.

[57]HOOGENDOORN S P, BOVY P H. Pedestrian route-choice and activity scheduling theory and models [J]. Transportation Research Part B: Methodological, 2004, 38(2): 169-90.

[58]HOOGENDOORN S P, BOVY P H. Pedestrian travel behavior modeling [J]. Networks and Spatial Economics, 2005, 5(2): 193-216.

[59]DAVIDICH M, K?STER G. Predicting pedestrian flow: A methodology and a proof of concept based on real-life data [J]. PloS one, 2013, 8(12): 1-11.

[60]DAAMEN W, HOOGENDOORN S. Controlled experiments to derive walking behaviour [J]. European Journal of Transport and Infrastructure Research, 2003, 3(1): 39-59.

[61]SEYFRIED A, BOLTES M, KHLER J, et al. Enhanced empirical data for the fundamental diagram and the flow through bottlenecks[M]. Germany: Springer Berlin Heidelberg, 2010.

A Review of Existing Methods and the Perspective

of Studying the Features of Pedestrian Traffic Flow

ZHOU Jibiao1DONG Sheng1, 2▲CHEN Hong3ZHANG Minjie1

(1.SchoolofTransportation,NingboUniversityofTechnology,Ningbo315211,Zhejiang,China;

2.FacultyofCivilEngineering,Bauhaus-UniversityWeimar,Marienstrasse13C, 99423Weimar,Germany;

3.SchoolofHighway,Chang'anUniversity,Xi'an710064,China)

Abstract：Taking the pedestrian traffic flow characteristics as the object, this paper summarizes the development history and current studies on the features of pedestrian traffic flow, and analyzes its development trend. Firstly, data collection methods for studying pedestrian traffic flow are reviewed such as manual investigation method, video detection method, Voronoi method. Secondly, the macroscopic and microscopic features of the pedestrian traffic flow are summarized. Meanwhile, the relational diagram and overall motion characteristics of pedestrian traffic flow are illustrated, then speed features of individual pedestrian and interactions among individual pedestrian are discussed. The micro-features of pedestrian traffic flow is a natural reflection of its macro-features. Review results indicate that various aggregate behaviors of pedestrian flow dynamics results from non-linear interactions between pedestrians. Pedestrian traffic flows show 3 distinct features: diversity of travel purpose, self-organization of travel behavior and avoidance of the collision within travel process. Pedestrian speed decreases with the increase of density; when pedestrian density is lower than 1.0～2.0 p/m2, pedestrian traffic flow is in the complete free state, which means the speed is not affected by the density, but only affected by personal preference, comfort level and travel purpose. When the pedestrian density increases to 4～5 p/m2, the speed will reduce to 0.2 m/s, that means the pedestrian traffic flow is under a congestion state and it is difficult to continuously move forward. Due to the difference in gender, physiological and psychological conditions, age, trip purpose, and survey locations, the pedestrian velocity fluctuates in the range of 0.9～1.9 m/s, and the density is in the range of 1.7～7.0 p/m2, while the maximum blocking density is in the range of 3.8～10.0 p/m2. It is also found that data collection methods, traffic simulation, and traffic modeling and empirical tests related to pedestrian traffic flows will be the study trend in pedestrian traffic flow research.

Key words：traffic engineering; pedestrian flow; fundamental characteristics; traffic simulation; Voronoi method

通信作者：▲董升(1980-)，博士，講師.研究方向：交通安全.E-mail:514099665@qq.com

作者簡(jiǎn)介：第一周繼彪 (1986-)，博士，講師.研究方向：行人交通.E-mail:zhoubiao666@126.com

基金項(xiàng)目*浙江省社會(huì)科學(xué)基金資助項(xiàng)目(批準(zhǔn)號(hào)：15NDJC078YB)、寧波市自然科學(xué)(批準(zhǔn)號(hào)：2015A610298)資助

收稿日期：2015-09-24修回日期：2015-11-11

中圖分類號(hào)：U491.1

文獻(xiàn)標(biāo)志碼：A

doi：10.3963/j.issn 1674-4861.2015.06.002