趙保鋒鄒曉磊屈曉宜
基于仿真的城市軌道交通站臺(tái)客流滯留分級(jí)預(yù)警方法
趙保鋒1鄒曉磊2屈曉宜3
(1.濟(jì)南軌道交通集團(tuán)有限公司,250101,濟(jì)南;2.同濟(jì)大學(xué)交通運(yùn)輸工程學(xué)院,201804,上海;3.上海開放大學(xué)公共管理學(xué)院,200433,上海//第一作者,工程師)
站臺(tái)是城市軌道交通車站客流集散和客流高峰期限流的核心區(qū)域。運(yùn)用計(jì)算機(jī)仿真的方法對(duì)列車延誤時(shí)站臺(tái)的客流滯留、密度分布和服務(wù)水平變化過(guò)程進(jìn)行了仿真研究,測(cè)算了站臺(tái)達(dá)到擁擠和安全極限時(shí)的客流容量,分析了不同客流到達(dá)率下站臺(tái)達(dá)到擁擠和安全極限的時(shí)間分布以及服務(wù)水平變化曲線,并提出利用關(guān)鍵控制點(diǎn)對(duì)站臺(tái)進(jìn)行客流擁擠和安全分級(jí)預(yù)警的方法。
城市軌道交通;站臺(tái)客流;分級(jí)預(yù)警仿真
AbstractPlatform is a key area for passenger flow management during peak hours and the evacuation at an urban rail transit station.By using computer simulation,the passenger retention process,variation of density distribution and service levels changes are studied,the ultimate capacity of the platform at crowded period and safe levels are calculated,the time distribution and the curve of service level changes under different passenger arrival rates are analyzed.Finally,a method of early warning classification for passenger flow congestion and safety at platform based on critical control points is proposed.
Key wordsurban rail transit; platform passenger flow; classification of simulation warning
First-author′s address Jinan Railway Transit Group Co.,Ltd.,250101,Jinan,China
在高峰期對(duì)進(jìn)入車站的乘客進(jìn)行限流,是目前,國(guó)內(nèi)城市軌道交通應(yīng)對(duì)短時(shí)大規(guī)??土骶奂?、保證車站和線路運(yùn)營(yíng)安全的主要措施。根據(jù)各城市的軌道交通運(yùn)營(yíng)有關(guān)規(guī)定,車站限流時(shí)對(duì)緊急情況應(yīng)按空間規(guī)模對(duì)車站進(jìn)行分類,按車站客流承載設(shè)計(jì)能力利用率和列車延誤時(shí)間進(jìn)行分級(jí),分別設(shè)定相應(yīng)級(jí)別的應(yīng)急措施和預(yù)案啟動(dòng)條件,以相應(yīng)采取不同的客流疏導(dǎo)和限流措施。其中,客流承載設(shè)計(jì)能力利用率判斷的主要區(qū)域是客流最為密集且是集中交換的站臺(tái)區(qū)域。因此,站臺(tái)也是發(fā)生大客流聚集時(shí)車站限流的核心部位,需進(jìn)行重點(diǎn)研究。
我國(guó)的專家學(xué)者對(duì)城市軌道交通站臺(tái)的空間設(shè)計(jì)、客流規(guī)律和客流組織開展了較多的理論和實(shí)踐研究。文獻(xiàn)[1-2]在城市軌道交通車站客流和設(shè)施進(jìn)行調(diào)研的基礎(chǔ)上,站臺(tái)的寬度計(jì)算方法進(jìn)行了研究和改進(jìn)。文獻(xiàn)[3-4]等對(duì)站臺(tái)上客流行為規(guī)律和特性進(jìn)行了較為系統(tǒng)的調(diào)研和建模研究。文獻(xiàn)[5-6]對(duì)站臺(tái)客流承載能力進(jìn)行了詳細(xì)的分析。但總體而言,依據(jù)客流在站臺(tái)聚集和分布變化過(guò)程對(duì)站臺(tái)的客流密度在空間上的發(fā)展演化和擁擠狀態(tài)進(jìn)行預(yù)測(cè)和預(yù)警的研究還處于起步階段[7-8]。
本文在客流行為調(diào)查的基礎(chǔ)上,以地鐵車站島式站臺(tái)為例,對(duì)列車延誤時(shí)站臺(tái)客流的滯留、擁堵和服務(wù)水平變化過(guò)程進(jìn)行仿真分析,并提出分級(jí)預(yù)警的方法,以幫助車站提高限流措施的科學(xué)性和車站客流組織的安全性。
現(xiàn)有關(guān)于站臺(tái)客流聚集和行為特性的研究多是在調(diào)研基礎(chǔ)上通過(guò)理論計(jì)算進(jìn)行的。在車站客流組織實(shí)踐中,又多根據(jù)監(jiān)控視頻或在站臺(tái)現(xiàn)場(chǎng)按經(jīng)驗(yàn)來(lái)判斷客流聚集的擁擠和危險(xiǎn)程度,由于缺乏量化指標(biāo),既不能清晰地反映出客流在站臺(tái)集結(jié)、滯留時(shí)的密度,也不能準(zhǔn)確描述擁擠程度在空間上的發(fā)展變化過(guò)程,更無(wú)法確切分析客流密度變化對(duì)站臺(tái)人群安全的確切影響。運(yùn)用客流仿真的方法可較好地模擬在一定客流條件、運(yùn)營(yíng)條件、客流組織方法和站臺(tái)空間布局條件下,站臺(tái)乘客人群的運(yùn)動(dòng)和分布過(guò)程,并可動(dòng)態(tài)計(jì)算客流空間密度分布,快速評(píng)價(jià)站臺(tái)各區(qū)域服務(wù)水平的變化過(guò)程,找到站臺(tái)乘客滯留的瓶頸點(diǎn)和預(yù)警點(diǎn)。
1.1 研究范圍和仿真工具
本文研究高峰期線路雙向運(yùn)行延誤的極端條件下,客流聚集量至達(dá)到設(shè)計(jì)允許最大值過(guò)程中的站臺(tái)客流分布、密度分布及服務(wù)水平的變化,并依據(jù)對(duì)各種客流條件仿真計(jì)算的結(jié)果分析客流聚集規(guī)律及預(yù)警方法。在仿真環(huán)境中,對(duì)無(wú)列車到達(dá)而進(jìn)站客流采用無(wú)限流措施時(shí)的到達(dá)分布,按高、中、低三種到達(dá)強(qiáng)度進(jìn)行分析。
仿真工具采用同濟(jì)大學(xué)自主研發(fā)的軌道交通客流仿真工具Stapass軟件。該軟件依據(jù)客流服務(wù)流程、行人空間尋路行為及微觀運(yùn)動(dòng)特征建立了事件驅(qū)動(dòng)的行人模型,其路徑搜索采用改進(jìn)的A*算法,行人運(yùn)動(dòng)采用改進(jìn)的社會(huì)力模型[10]。該軟件可構(gòu)建軌道交通車站空間和設(shè)施設(shè)備環(huán)境、列車運(yùn)行環(huán)境,能設(shè)置客流到達(dá)和運(yùn)動(dòng)參數(shù),可用于城市軌道交通、鐵路客運(yùn)專線車站的客流組織仿真優(yōu)化研究,并已取得了良好的效果[10-11]。
1.2 客流條件及運(yùn)動(dòng)參數(shù)
(1)客流到達(dá)率:本文定義站臺(tái)的客流到達(dá)率為進(jìn)站客流每秒到達(dá)站臺(tái)的人數(shù),單位為人/s。研究案例通過(guò)設(shè)置不同的客流到達(dá)率來(lái)仿真不同客流壓力情況下的站臺(tái)客流聚集和滯留變化過(guò)程。不同案例的客流到達(dá)率分別設(shè)置為 2.0、2.5、3.0、4.0、6.0、8.0人/s。
(2)步行速度:本文僅研究普通地鐵站點(diǎn),乘客多不攜物品、一手提物或肩負(fù)輕物。根據(jù)現(xiàn)場(chǎng)調(diào)查結(jié)果,乘客步行速度取1.24 m/s。
(3)個(gè)體空間需求:根據(jù)文獻(xiàn)[9]的數(shù)據(jù)(如表1所示)可知,乘客在步行時(shí)占用路寬0.6~0.85 m/人,占用面積0.3~0.47 m2/人。本研究人均占有面積取0.39 m2/人,并依此設(shè)置仿真中的乘客空間需求及相互作用力等運(yùn)動(dòng)參數(shù)。
表1 部分行人攜帶不同物品時(shí)占用步行設(shè)施的寬度[9]
1.3 仿真場(chǎng)景設(shè)置
列車為A型車6節(jié)編組。站臺(tái)長(zhǎng)度為139 m,寬度為12 m,設(shè)置4組樓扶梯,有效面積為1 398 m2。列車運(yùn)行情況簡(jiǎn)化為雙向延誤,無(wú)到達(dá)下車客流。上下行進(jìn)站客流到達(dá)率相同,按低、中、高三種到達(dá)強(qiáng)度,單向到達(dá)率分別取 3 600人/h(2人/s)、7 200人/h(4 人/s)和 14 400 人/h(8 人/s)進(jìn)行仿真。
2.1 站臺(tái)設(shè)計(jì)客流量的分級(jí)及客流分布狀態(tài)
站臺(tái)的客流服務(wù)水平主要依據(jù)行人的占用空間衡量和劃分。因此,本文采用美國(guó)Fruin建立的經(jīng)典步行空間服務(wù)水平標(biāo)準(zhǔn)[12]。在客流密集場(chǎng)所,當(dāng)客流密度為0.7~1.1人/m2時(shí),服務(wù)區(qū)域達(dá)到客流密集的程度,服務(wù)水平為D級(jí);當(dāng)客流密度為1.1~2.0人/m2時(shí),達(dá)到客流擁擠的程度,服務(wù)水平為E級(jí);而當(dāng)客流密度達(dá)到2.0人/m2以上時(shí),空間阻滯,服務(wù)水平為F級(jí)。
根據(jù)GB 50157—2013《地鐵設(shè)計(jì)規(guī)范》,地鐵站臺(tái)的客流密度應(yīng)為1.33~3.03人/m2,設(shè)計(jì)時(shí)通常取2人/m2。按照客流服務(wù)水平分析,按密度1.33人/m2得到的站臺(tái)設(shè)計(jì)客流量滿足D級(jí)服務(wù)水平,為非高峰期的擁擠極限客流量;按密度2人/m2得到的站臺(tái)設(shè)計(jì)客流量滿足E級(jí)服務(wù)水平,為高峰期的擁擠極限客流量;按密度3.03人/m2得到的站臺(tái)設(shè)計(jì)客流量滿足F級(jí)服務(wù)水平,為大客流滯留時(shí)的安全極限客流量。本案例中,站臺(tái)設(shè)計(jì)的非高峰擁擠極限客流量約為1 900人,高峰擁擠極限客流量約為2 800人,安全極限客流量約為4 200人。
在仿真計(jì)算時(shí),應(yīng)按乘客空間需求面積對(duì)空間服務(wù)水平對(duì)應(yīng)的客流密度值進(jìn)行折算,折算系數(shù)為:
式中:
s0——乘客不攜帶物品時(shí)占用空間面積,取0.35 m2/人,此時(shí)客流密度為2.86人/m2;
s1——乘客攜帶少量物品時(shí)占用空間面積,取0.39 m2/人,此時(shí)客流密度為2.56人/m2。
故k=0.9,可得站臺(tái)客流服務(wù)水平D級(jí)的人群密度為0.63~0.99人/m2,客流服務(wù)水平E級(jí)的人群密度為0.99~1.79人/m2,客流服務(wù)水平F級(jí)的人群密度大于1.79人/m2。
經(jīng)仿真,在低、中、高客流到達(dá)率條件下,站臺(tái)客流分布變化和人群密度分布變化遵循相同的趨勢(shì),但變化速度不同。在相同的客流承載率下,站臺(tái)客流分布和密度分布形態(tài)相近。站臺(tái)擁擠極限客流量約為2 500人,站臺(tái)客流密度分布狀態(tài)相近,如圖1 a)所示。安全極限客流量約為3 800人,站臺(tái)客流及密度分布如圖1 b)所示。
圖1 站臺(tái)達(dá)到擁擠和安全極限時(shí)的客流及密度分布情況
2.2 達(dá)到極限客流量的客流到達(dá)率和時(shí)間關(guān)系
仿真時(shí)段在30 min以內(nèi),假定客流均勻到達(dá)。給定站臺(tái)面積、樓扶梯組數(shù)、客流到達(dá)率,則站臺(tái)客流分布達(dá)到指定密度所需時(shí)間為:
式中:
t——達(dá)到指定客流密度的時(shí)間;
s——站臺(tái)有效面積;
ρ——客流密度;
n——樓扶梯組數(shù)。
r——每組樓扶梯的進(jìn)站客流到達(dá)率;
本案例中不同客流到達(dá)率條件下,達(dá)到擁擠極限客流量和安全極限客流量所需時(shí)間的曲線圖如圖2所示。
在雙向列車延誤的極端條件下r取0.5人/s~2人/s,用于仿真計(jì)算平峰及高峰時(shí)段不同客流條件下站臺(tái)客流集聚及服務(wù)水平變化的規(guī)律。仿真結(jié)果與理論計(jì)算結(jié)果相符。
2.3 站臺(tái)到達(dá)客流量及服務(wù)水平變化曲線
根據(jù)站臺(tái)客流密度分布情況,可以計(jì)算出對(duì)每個(gè)乘客的服務(wù)水平等級(jí)。不同到達(dá)率下站臺(tái)總體客流服務(wù)水平的變化趨勢(shì)是相近的。
圖2 客流到達(dá)率與達(dá)到極限客流所需時(shí)間的關(guān)系曲線
按低、中、高三種不同進(jìn)站客流到達(dá)率,仿真計(jì)算得到雙向列車延誤條件下站臺(tái)到達(dá)客流量及服務(wù)水平變化的曲線圖,如圖3所示。
由圖3可見,三種不同進(jìn)站到達(dá)率的站臺(tái)客流量及服務(wù)水平變化呈相同的趨勢(shì)。D級(jí)及E級(jí)服務(wù)水平的客流量呈先上升后下降的趨勢(shì),F(xiàn)級(jí)服務(wù)水平的客流量呈分段上升趨勢(shì)。可通過(guò)對(duì)客流到達(dá)率和客流服務(wù)水平變化趨勢(shì)的綜合分析,對(duì)站臺(tái)空間的客流變化趨勢(shì)進(jìn)行短期預(yù)測(cè)和分級(jí)預(yù)警。
3.1 分級(jí)預(yù)警關(guān)鍵控制點(diǎn)的選取
當(dāng)發(fā)生列車延誤而乘客大量滯留時(shí),為保證站內(nèi)乘客的安全和服務(wù)體驗(yàn),一般情況下,站臺(tái)應(yīng)將客流服務(wù)水平控制在E級(jí)以內(nèi),當(dāng)達(dá)到一定客流量時(shí)應(yīng)發(fā)布擁擠預(yù)警;而客流大量滯留或突發(fā)事件情況下,客流服務(wù)水平必須控制在F級(jí)以內(nèi),當(dāng)達(dá)到一定客流量時(shí)應(yīng)發(fā)布安全預(yù)警。
在圖3中,D級(jí)、E級(jí)服務(wù)水平客流量曲線與F級(jí)服務(wù)水平客流量曲線有交點(diǎn),其物理意義為:當(dāng)進(jìn)入站臺(tái)的客流進(jìn)一步增多,處于阻滯狀態(tài)的乘客人數(shù)將超過(guò)處于D級(jí)、E級(jí)服務(wù)水平的乘客人數(shù),D級(jí)、E級(jí)服務(wù)水平逐漸消失。這個(gè)交點(diǎn)非常容易取得,而且出現(xiàn)的時(shí)機(jī)相對(duì)穩(wěn)定,可作為關(guān)鍵控制點(diǎn)監(jiān)測(cè)客流擁擠和安全情況,并用來(lái)預(yù)計(jì)達(dá)到擁擠和安全極限客流量的時(shí)間,作為分級(jí)預(yù)警的依據(jù)。不同客流到達(dá)率對(duì)應(yīng)的關(guān)鍵控制點(diǎn)見表2。
如表2所示,D級(jí)服務(wù)水平客流量與F級(jí)客流量曲線的交點(diǎn)出現(xiàn)時(shí),站臺(tái)總客流量平均值為1 604人,接近擁擠極限客流量的65%,其發(fā)生時(shí)間為達(dá)到擁擠極限容量時(shí)間的60%。E級(jí)服務(wù)水平客流量與F級(jí)客流量曲線的交點(diǎn)出現(xiàn)時(shí),站臺(tái)總客流量平均值為3 404人,接近安全極限客流量的90%,其發(fā)生時(shí)間接近達(dá)到安全極限容量時(shí)間的85%。
3.2 分級(jí)預(yù)警實(shí)際控制點(diǎn)的獲得和預(yù)警方法
圖3 不同客流到達(dá)率站臺(tái)客流量及服務(wù)水平變化曲線比較
表2 不同客流到達(dá)率對(duì)應(yīng)的關(guān)鍵控制點(diǎn)
關(guān)鍵控制點(diǎn)的交叉點(diǎn)客流量無(wú)法直接觀測(cè)得到;因而可先用達(dá)到關(guān)鍵控制點(diǎn)時(shí)刻的站臺(tái)總客流量作為實(shí)際控制點(diǎn),再結(jié)合客流到達(dá)率來(lái)實(shí)施分級(jí)預(yù)警。在運(yùn)營(yíng)中,有的城市軌道交通運(yùn)營(yíng)部門根據(jù)站臺(tái)候車乘客排隊(duì)長(zhǎng)度、空間占用率等經(jīng)驗(yàn)值判斷實(shí)施站臺(tái)限流措施,其實(shí)際采用的客流量判斷值與表2的D級(jí)、F級(jí)交叉點(diǎn)總客流量相符,約1 600人??梢姡捎藐P(guān)鍵控制點(diǎn)來(lái)采取限流和管控措施,能為站臺(tái)的安全管理預(yù)留較大的管控余地。
將實(shí)際控制點(diǎn)與先進(jìn)的客流監(jiān)測(cè)技術(shù)結(jié)合,就可以更科學(xué)地評(píng)估站臺(tái)客流狀態(tài),及時(shí)發(fā)出預(yù)警。因此,可采用更高級(jí)別的關(guān)鍵控制點(diǎn)來(lái)預(yù)警,既能充分利用站臺(tái)的客流承載能力,又能及時(shí)根據(jù)客流動(dòng)態(tài)采取管控措施。在客流監(jiān)測(cè)技術(shù)方面,站臺(tái)實(shí)際客流量和進(jìn)入站臺(tái)的客流到達(dá)率均可通過(guò)在進(jìn)入站臺(tái)的樓扶梯出口處架設(shè)監(jiān)測(cè)設(shè)備來(lái)獲得。得到站臺(tái)實(shí)際客流量和客流到達(dá)率后,即可根據(jù)圖3或式(2)獲得達(dá)到極限客流量的時(shí)刻,及時(shí)發(fā)出預(yù)警,采取相應(yīng)的限流措施。在關(guān)鍵控制點(diǎn)選取方面,由于安全關(guān)鍵控制點(diǎn)發(fā)生時(shí)機(jī)較晚,在大客流時(shí)預(yù)警有滯后效應(yīng),可前移選取安全極限客流量的80%作為實(shí)際控制點(diǎn),以起到提前預(yù)警的作用。
本文簡(jiǎn)化了列車延誤和客流到達(dá)極端條件,運(yùn)用仿真的方法分析了站臺(tái)客流聚集、密度分布變化和服務(wù)水平變化的過(guò)程,并從理論上提出了結(jié)合進(jìn)站客流到達(dá)率和服務(wù)水平變化獲取客流滯留分級(jí)預(yù)警關(guān)鍵控制點(diǎn)的方法。關(guān)鍵控制點(diǎn)數(shù)據(jù)可在車站的實(shí)際運(yùn)營(yíng)中較為方便地獲取。通過(guò)將分級(jí)預(yù)警控制點(diǎn)與客流監(jiān)測(cè)技術(shù)相結(jié)合,可以在列車延誤、客流大量滯留時(shí)對(duì)站臺(tái)的客流狀態(tài)進(jìn)行實(shí)時(shí)預(yù)測(cè)和分級(jí)預(yù)警,以便及時(shí)采取相應(yīng)的限流措施。該方法可與經(jīng)驗(yàn)判斷方法相結(jié)合,提高預(yù)警效率和限流科學(xué)性。
[1]苗賽松.地鐵及輕軌站臺(tái)寬度計(jì)算方法探討[J].現(xiàn)代城市軌道交通,2006(3):15-17.
[2]王子甲,陳峰,李小紅.地鐵車站站臺(tái)寬度計(jì)算方法改進(jìn)及仿真評(píng)價(jià)[J].交通運(yùn)輸系統(tǒng)工程與信息,2012,12(5):168-173.
[3]黃文成,帥斌,劉聰.基于AnyLogic的島式站臺(tái)客流特性分析及換乘樓梯改進(jìn)[J].城市軌道交通研究,2016(10):97-101.
[4]孫小菲,陳旭梅,王佑安.不同類型城市軌道交通車站站臺(tái)客流特性對(duì)比研究[J].交通運(yùn)輸工程與信息學(xué)報(bào),2015,13(4):127-134.
[5]趙宇剛,毛保華,楊遠(yuǎn)舟,等.城市軌道交通站臺(tái)最高聚集人數(shù)計(jì)算方法研究[J].交通運(yùn)輸系統(tǒng)工程與信息,2011,11(2):149-154.
[6]陳波.地鐵車站大客流組織措施[J].都市快軌交通,2015(3):20-23.
[7]李得偉,尹浩東.基于物聯(lián)網(wǎng)設(shè)備檢測(cè)數(shù)據(jù)的城市軌道交通車站站臺(tái)多維度實(shí)時(shí)客流密集度指數(shù)預(yù)測(cè)方法研究[J].鐵道學(xué)報(bào),2014,36(3):9-13.
[8]楊麗媛.基于模糊綜合評(píng)價(jià)法的地鐵車站客流評(píng)價(jià)[J].低碳世界,2015(7):276-277.
[9]陳然.城市行人交通流的實(shí)測(cè)、建模和模擬初探[D].上海:上海大學(xué),2003.
[10]高鵬,徐瑞華.城市軌道交通車站客流仿真中的事件驅(qū)動(dòng)模型[J].系統(tǒng)工程理論與實(shí)踐,2010(11):2121-2128.
[11]吳文嫻,鄒曉磊.高速鐵路車站客運(yùn)組織仿真優(yōu)化研究[J].中國(guó)鐵路.2011(3):6-10.
[12]FRUIN J J.Pedestrian planning and design[M].New York:Metropolitan Association of Urban Designers and Environmental Planners,Inc,1971.
Classification of Early Warning for Passenger Flow Retention at Urban Rail Transit Station Based on Simulation
ZHAO Baofeng,ZOU Xiaolei,QU Xiaoyi
U293.13
10.16037/j.1007-869x.2017.09.022
2017-1-12)