傅志妍，陳 堅(jiān)，李 武，鐘異瑩

FU Zhi-yan1, CHEN Jian2, LI Wu3, ZHONG Yi-ying2

（1.重慶第二師范學(xué)院?經(jīng)濟(jì)與工商管理系，重慶?400067；2.重慶交通大學(xué)?交通運(yùn)輸學(xué)院，重慶?400074；3.昆明理工大學(xué)?交通工程學(xué)院，云南?昆明?650504）

(1.Department of Economics & Business Administration， Chongqing University of Education， Chongqing 400067，China； 2.School of Traffic and Transportation， Chongqing Jiaotong University， Chongqing 400074， China； 3.Faculty of Transportation Engineering， Kunming University of Science and Technology， Kunming 650500， Yunnan， China)

城市軌道交通車(chē)站的乘客聚散行為結(jié)果將直接影響城市軌道交通車(chē)站的布局設(shè)計(jì)、客流組織及建設(shè)投資，傳統(tǒng)的理論模型難以對(duì)乘客行為進(jìn)行直觀、大規(guī)模挖掘分析，也難以預(yù)測(cè)交通組織優(yōu)化方案的效果，而已有的仿真技術(shù)缺少對(duì)城市軌道交通車(chē)站特殊環(huán)境與指標(biāo)的構(gòu)建研究。根據(jù)行人個(gè)體與環(huán)境設(shè)施之間相互作用程度，可以將對(duì)乘客行為的分析方法劃分為宏觀、中觀和微觀3個(gè)層次。宏觀層次從全局角度分析行人運(yùn)動(dòng)過(guò)程的交通特性，通過(guò)“流量－速度－密度”之間的關(guān)系對(duì)行人交通流的集聚特性進(jìn)行研究[1-2]。中觀層次在分析時(shí)空特性 (如流量、密度、速度等) 基礎(chǔ)上，關(guān)注行人在短時(shí)間內(nèi)的決策行為，并以個(gè)體構(gòu)成的行人單元為研究對(duì)象，構(gòu)建行人中觀仿真模型，描述單元體的動(dòng)態(tài)變化[3]。微觀層次研究的焦點(diǎn)是行人個(gè)體的行為過(guò)程，重點(diǎn)探究行人特性 (物理特性、心理特性等)、環(huán)境等因素在不同條件下對(duì)行人所可能采取運(yùn)動(dòng)方式的影響[4]。隨著仿真模型對(duì)行為過(guò)程的細(xì)節(jié)程度要求不斷提高，微觀層次的乘客行為分析模型逐漸由離散型分析模型和連續(xù)型分析模型發(fā)展為基于元胞的分析模型、基于網(wǎng)絡(luò)的分析模型、基于動(dòng)力學(xué)的分析模型和基于智能體的分析模型[5]。自上述分析模型提出以來(lái)，不少研究者對(duì)其進(jìn)行了優(yōu)化改進(jìn)，以提高對(duì)行人行為的刻畫(huà)精度和適用范圍。Blue 和 Adler 等應(yīng)用元胞自動(dòng)機(jī)模型模擬了露天場(chǎng)所下的行人的雙向運(yùn)動(dòng)[6-7]，Muramastu 改進(jìn)基本的元胞自動(dòng)機(jī)模型為行人在網(wǎng)絡(luò)中隨機(jī)移動(dòng)的元胞模型[8]。Thompson 和 Lovas 等在排隊(duì)網(wǎng)絡(luò)的基礎(chǔ)上構(gòu)建出火災(zāi)情況下人群在典型建筑中疏散的排隊(duì)網(wǎng)絡(luò)模型[9-10]。已有研究多從乘客運(yùn)動(dòng)和排隊(duì)特征入手，多重因素對(duì)乘客聚散行為的綜合影響研究較少。為此，通過(guò)總結(jié)車(chē)站乘客的聚散行為特征，以社會(huì)力模型為基礎(chǔ)，采用Anylogic 軟件對(duì)乘客在車(chē)站的聚散過(guò)程進(jìn)行仿真，分析主要區(qū)域的行人密度和強(qiáng)度，尋找車(chē)站系統(tǒng)的瓶頸并提出相應(yīng)的優(yōu)化改進(jìn)措施。

1 車(chē)站乘客聚散行為特征分析

1.1 車(chē)站乘客的交通特征

（1）宏觀特征。乘客在軌道車(chē)站內(nèi)快速移動(dòng)，除具有在一般交通設(shè)施上的特性外，還具有一些特殊性。首先，乘客的行走距離較長(zhǎng)，除了單一步行外還伴隨買(mǎi)票、購(gòu)物、群集等活動(dòng)，同時(shí)乘客的流量具有突變性。其次，乘客在站臺(tái)上不同區(qū)域的分布差異明顯、上下車(chē)的具體行為和效率也有所不同，受到上下車(chē)乘客數(shù)量、車(chē)門(mén)寬度、車(chē)門(mén)與站臺(tái)間的縫隙、車(chē)輛與站臺(tái)地面之間高度差的影響。再次，乘客在車(chē)站中的選擇和決策行為受周?chē)鷱V播系統(tǒng)、誘導(dǎo)設(shè)施等影響，并且乘客在站臺(tái)的換乘時(shí)間取決于設(shè)施的能力和當(dāng)前流量。最后，乘客個(gè)體在行進(jìn)過(guò)程中可能因受到其他乘客的作用而改變自己行進(jìn)速度或行進(jìn)方向。

（2）微觀特征。微觀交通特性主要表現(xiàn)在乘客的步速和步幅[11-12]。乘客在軌道車(chē)站的步速分布范圍為 0.5～2.16 m/s 之間，但 1.0～1.3 m/s 的乘客步速占總量的 60.7%。同時(shí)，乘客步速不僅與行人性別、年齡、出行目的有關(guān)，而且受到沿街建筑物的使用性質(zhì)的影響。乘客步幅的分布區(qū)間，因性別、年齡而稍有差別，并且受人行道面鋪裝平整程度影響。

1.2 車(chē)站乘客的行為特征

（1）乘客尺寸和期望速度。乘客尺寸由乘客身體實(shí)際所占空間和安全距離2部分組成。身體所占空間為乘客身體在地面投影的面積，安全距離是乘客生理和心理上為防止墻壁或其他行人碰撞而保持的必要距離。在通道、自動(dòng)扶梯、電梯等設(shè)施處，乘客尺寸對(duì)設(shè)施通行能力和服務(wù)水平有較大影響。期望速度 (即自由流速度) 是指乘客在不受他人干擾下，根據(jù)自身出行目的、身體素質(zhì)等情況，選擇的最舒適走行速度。期望速度反映乘客心理對(duì)于行走環(huán)境優(yōu)劣的一個(gè)評(píng)估程度。作為行人仿真中的一個(gè)重要的參數(shù)，乘客期望速度并非定值，而是服從某種函數(shù)分布，這與現(xiàn)實(shí)條件下行人期望速度在時(shí)間和空間上的隨機(jī)變化規(guī)律相一致。

（2）行李攜帶情況和同行情況。乘客攜帶行李的空間需求和走行速度受到行李體積、重量、個(gè)數(shù)等影響，攜帶行李情況對(duì)乘客的行走速度及路徑選擇有顯著影響，在仿真過(guò)程中可通過(guò)乘客元素半徑調(diào)整。在軌道車(chē)站中結(jié)伴同行的現(xiàn)象普遍存在，其行為特性與個(gè)體有所不同。個(gè)體在行為中只存在排斥他人、避免碰撞的特性，而結(jié)伴乘客在總體上表現(xiàn)為組內(nèi)以相同行程速度行走，并且整體速度低于正常速度，在仿真中即表現(xiàn)出避免相互碰撞的排斥特性。另外，單個(gè)乘客為個(gè)體單獨(dú)接受服務(wù)，而結(jié)伴乘客通常只需組隊(duì)中的一個(gè)人接受購(gòu)票、安檢等服務(wù)，其余隊(duì)員在等候區(qū)等候即可。因此，當(dāng)結(jié)伴乘客的數(shù)目占總客流量的比例較高時(shí)，將較大影響客流總體速度和乘客接受服務(wù)情況。

2 車(chē)站乘客聚散行為微觀仿真設(shè)計(jì)與實(shí)現(xiàn)

2.1 基于 Anylogic 仿真平臺(tái)的建模方法

Anylogic 仿真軟件是一款應(yīng)用廣泛，具有專(zhuān)業(yè)虛擬原型環(huán)境，用于描述離散、連續(xù)及混合系統(tǒng)行為的建模和仿真工具。Anylogic 行人庫(kù)是一個(gè)模擬“真實(shí)”環(huán)境中行人流的高級(jí)庫(kù)，主要包括環(huán)境建模和行為建模2個(gè)主要模塊。環(huán)境建模通過(guò)應(yīng)用行人庫(kù)空間標(biāo)記中“墻”“矩形墻”“環(huán)形墻”工具描繪出墻壁、立柱、隔離欄、障礙物、電梯、售票窗口等無(wú)法行走區(qū)域的邊界；用“服務(wù)線”“區(qū)域服務(wù)”等空間標(biāo)記標(biāo)定各類(lèi)服務(wù)設(shè)施的數(shù)量、空間位置和排隊(duì)線路；用“目標(biāo)線”設(shè)定行人的生成源和目的地。行為建模主要用流程圖的形式來(lái)表示，應(yīng)用行人庫(kù)中的行為控件可模擬行人在空間行走過(guò)程中，對(duì)障礙物、其他行人和服務(wù)設(shè)施的反應(yīng)。通過(guò)收集統(tǒng)計(jì)數(shù)據(jù)，將所建立的模型形象、直觀地展現(xiàn)出來(lái)。采用人流密度圖統(tǒng)計(jì)各區(qū)域的人群密度，用不同的顏色表示密度的高低差異，以判斷服務(wù)設(shè)施的服務(wù)能力是否滿足目前的負(fù)荷。

通過(guò) Anylogic 的行人庫(kù)構(gòu)建行人模型的步驟如下。

（1）行人邏輯圖的構(gòu)建。根據(jù)行人在不同環(huán)境下行為流程 (如進(jìn)站、購(gòu)票、排隊(duì)等) 繪制行人在仿真環(huán)境的行人行為邏輯圖。

（2）仿真環(huán)境建模。導(dǎo)入仿真環(huán)境的 CAD 底圖，應(yīng)用空間標(biāo)記模塊繪制墻、立柱、售票機(jī)等物理環(huán)境。

（3）邏輯圖和環(huán)境建模的匹配和智能體設(shè)置。將邏輯圖中行人產(chǎn)生、到達(dá)、服務(wù)等行為的活動(dòng)區(qū)域與環(huán)境建模中空間標(biāo)記對(duì)應(yīng)，將環(huán)境中的行人設(shè)置為智能體，并設(shè)置其相關(guān)屬性。

（4）仿真輸出數(shù)據(jù)的獲取。通過(guò)數(shù)據(jù)分析板塊獲取與仿真相關(guān)數(shù)據(jù)，如行人流量、排隊(duì)時(shí)間、行人密度進(jìn)行統(tǒng)計(jì)和輸出。

2.2 仿真結(jié)果分析的主要指標(biāo)

為了定量分析乘客在城市軌道交通車(chē)站的聚散行為，除了直接比較不同仿真時(shí)刻下人流密度圖的變化外，還應(yīng)通過(guò)具體指標(biāo)對(duì)聚散過(guò)程中人流的變化進(jìn)行分析，為仿真結(jié)果優(yōu)化提供參考依據(jù)。因此，研究選擇人流密度和人流強(qiáng)度2個(gè)行人仿真的關(guān)鍵指標(biāo)分析乘客在車(chē)站的集散行為。前者通過(guò)單位面積內(nèi)的行人數(shù)目變化辨識(shí)乘客的集散狀態(tài)，后者通過(guò)不同服務(wù)區(qū)域分析單位時(shí)間單位距離的通過(guò)人數(shù)判斷集散過(guò)程中，沖突點(diǎn)、瓶頸點(diǎn)可能出現(xiàn)的時(shí)間和位置，并獲取優(yōu)化改進(jìn)的重點(diǎn)區(qū)域。

2.3 仿真結(jié)果優(yōu)化的主要策略

乘客集散行為仿真的主要目的在于優(yōu)化車(chē)站系統(tǒng)的人流沖突點(diǎn)和瓶頸點(diǎn)，提高車(chē)站物理設(shè)施的服務(wù)能力，保障行人安全、快速集散，減少乘客不必要的出行時(shí)耗。通常而言，車(chē)站瓶頸點(diǎn)的主要優(yōu)化策略集中在以下2個(gè)層面：一是優(yōu)化沖突區(qū)的物理設(shè)施空間布局，通過(guò)改變自助購(gòu)票機(jī)、售票窗口、檢票閘機(jī)等設(shè)施物理位置，均衡乘客在車(chē)站的空間分布，降低行人在聚散過(guò)程中的沖突交織概率；二是增加人流沖突區(qū)的服務(wù)設(shè)施，對(duì)于長(zhǎng)時(shí)間存在人流沖突的區(qū)域，需要通過(guò)增設(shè)相關(guān)服務(wù)設(shè)施以滿足車(chē)站乘客集散需求，降低區(qū)域的人流強(qiáng)度。

3 實(shí)例分析

3.1 數(shù)據(jù)調(diào)查

以重慶軌道交通南坪站為實(shí)例分析對(duì)象，對(duì)南坪站站廳層的設(shè)施設(shè)備和晚高峰時(shí)段客流情況進(jìn)行實(shí)地調(diào)查。首先，通過(guò)實(shí)地觀測(cè)獲得南坪站2個(gè)站層尺寸 (如車(chē)站長(zhǎng)度和寬度等)，以及設(shè)施設(shè)備數(shù)目，進(jìn)而繪制南坪站平面圖。其次，調(diào)查進(jìn)出站客流情況，包括進(jìn)出站客流、購(gòu)票乘客的比例及乘客的走行速度，南坪站乘客進(jìn)出站流量統(tǒng)計(jì)如表1所示。

根據(jù)調(diào)查統(tǒng)計(jì)，乘客在車(chē)站的行走速度同性別相關(guān)，男性乘客行走速度區(qū)間大致為 0.9～1.84 m/s，女性乘客的行走速度的分布在 1.05～1.68 m/s 之間，總體的速度在 0.98～1.76 m/s 之間，整體平均速度為 1.45 m/s。

表1 南坪站乘客進(jìn)出站流量統(tǒng)計(jì)Tab.1 Passenger flow in nanping station

3.2 仿真結(jié)果分析

依據(jù)建模步驟對(duì)重慶南坪車(chē)站進(jìn)行仿真，站廳層仿真1min 和10min 的行人流量密度如圖1所示。結(jié)果中行人由不同顏色的點(diǎn)來(lái)表示，點(diǎn)的顏色差異代表不同類(lèi)性的行人。行人流量密度的大小通過(guò)顏色深淺來(lái)表征，綠色對(duì)應(yīng)于低密度、黃色對(duì)應(yīng)于中間密度和紅色代表高密度。

由圖 1b 可以看出，在仿真10min 后，西側(cè)安檢區(qū)密度遠(yuǎn)大于東側(cè)，并且東側(cè)的閘機(jī)區(qū)和扶梯區(qū)顏色較重，表明該處各設(shè)施的能力已經(jīng)不能滿足行人流需求，乘客在聚散過(guò)程中擁堵情況較為嚴(yán)重，需要對(duì)交通組織方式和設(shè)施設(shè)備配置進(jìn)一步優(yōu)化。

隨著仿真時(shí)間的推移，進(jìn)站閘機(jī)區(qū)域的人流強(qiáng)度和人流密度均在上升，人流密度的范圍在0～0.25 人/m2之間，當(dāng)仿真進(jìn)行至10min 時(shí)，在進(jìn)站閘機(jī)區(qū)內(nèi)每小時(shí)內(nèi)每米通過(guò)的行人數(shù)在 40～50人之間，且還有上升的趨勢(shì)，但波動(dòng)的范圍在逐漸減小。

3.3 站廳層交通組織優(yōu)化改進(jìn)

3.3.1 優(yōu)化改進(jìn)措施

（1）改變安檢的交通組織方式，將東西兩側(cè)的安檢位置轉(zhuǎn)移至南側(cè)進(jìn)行，并在高峰時(shí)期可增加1個(gè)安檢口。

（2）高峰時(shí)期，自動(dòng)售票機(jī)能力不足，可以在東西二側(cè)各增加1臺(tái)自動(dòng)售票機(jī)。

（3）原在東西向中央的人工售票廳，可將其向前方前移5m。

3.3.2 改進(jìn)方案仿真結(jié)果比較分析

（1）站廳層行人密度對(duì)比分析。通過(guò)對(duì)比優(yōu)化前后的站廳層行人密度效果圖可以發(fā)現(xiàn)，優(yōu)化后的人流密度圖顏色較淺，相同仿真時(shí)間內(nèi)的黃色及以上區(qū)域數(shù)目少于優(yōu)化之前，表明了優(yōu)化措施的有效性。

（2）進(jìn)站閘機(jī)區(qū)人流密度對(duì)比分析。優(yōu)化前進(jìn)站閘機(jī)區(qū)的人流密度最大值出現(xiàn)在仿真 4～5 min 之間，為 0.25 人/m2；優(yōu)化后，進(jìn)站閘機(jī)區(qū)人流密度的最大值出現(xiàn)在6～8 min之間，為 0.15 人/m2，最大人流密度下降 40%，效果明顯。

（3）安檢區(qū)人流強(qiáng)度對(duì)比分析。對(duì)優(yōu)化前后的人流強(qiáng)度區(qū)間、最大值、最大值出現(xiàn)對(duì)應(yīng)時(shí)間、人流強(qiáng)度的增長(zhǎng)速度等指標(biāo)進(jìn)行比較，安檢區(qū)優(yōu)化前后人流強(qiáng)度比較結(jié)果如表2所示。

圖1 站廳層仿真1min 和10min 的行人流量密度圖Fig.1 Density of pedestrian flow on the station’s concourse floor∶ a one-minute simulation and a10minute simulation

表2 安檢區(qū)優(yōu)化前后人流強(qiáng)度比較結(jié)果Tab.2 Comparison of pedestrian flow intensities at the security check area before and after traffic optimization

優(yōu)化后西側(cè)安檢區(qū)單臺(tái)安檢機(jī)的服務(wù)強(qiáng)度有所降低，東側(cè)優(yōu)化后每小時(shí)內(nèi)單位長(zhǎng)度 (1 m) 通過(guò)的行人數(shù)目下降約50人，人流強(qiáng)度的增速與之前相比較緩，整個(gè)安檢區(qū)域的最大人流強(qiáng)度約下降 9.4%。

4 結(jié)束語(yǔ)

車(chē)站客流組織是城市軌道交通運(yùn)營(yíng)管理的核心內(nèi)容之一，而車(chē)站乘客聚散行為仿真是客流組織優(yōu)化的有效手段和重要方法。通過(guò)乘客聚散行為微觀仿真能夠定量描述乘客到達(dá)車(chē)站、購(gòu)票、安檢、候車(chē)、上車(chē)、離開(kāi)等一系列交通活動(dòng)鏈，并提取人流運(yùn)動(dòng)關(guān)鍵參數(shù)，實(shí)現(xiàn)車(chē)站內(nèi)部人流活動(dòng)分布規(guī)律的再現(xiàn)與模擬，為車(chē)站物理設(shè)施瓶頸點(diǎn)識(shí)別及客流組織薄弱處優(yōu)化提供關(guān)鍵數(shù)據(jù)支撐。同時(shí)，乘客聚散行為模擬仿真可以預(yù)測(cè)車(chē)站短時(shí)人流時(shí)空演變趨勢(shì)，是車(chē)站客流組織改善預(yù)設(shè)多套方案比選的有效手段和依據(jù)[13]。但是，由于車(chē)站乘客聚散行為復(fù)雜，影響因素眾多，仿真結(jié)果輸出和仿真精度的校核、行人在實(shí)際環(huán)境的決策行為描述有待進(jìn)一步研究。

[1] LI W，ZHU W. A Dynamic Simulation Model of Passenger Flow Distribution on Schedule-based Rail Transit Networks with Train Delays[J]. Journal of Traffic and Transportation Engineering (English Edition)， 2016，3(4)：364-373.

[2] FLORIAN M，MAHUT M，TRAMBLAY N. A Hybrid Optimization-Macroscopic Simulation Dynamic Traffic Assignment Model[C]//Proceedings of the2001IEEE Intelligent Transport Systems Conference. California：Institute of Electrical and Electronics Engineers，2001：120-123.

[3] 李昌宇，李季濤，宋小滿，等. 基于從眾心理的城市軌道交通站內(nèi)應(yīng)急疏散仿真研究[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2016，38(9)：77-81.LI Chang-yu，LI Ji-tao，SONG Xiao-man，et al. Research on Simulation of Emergency Evacuation from Urban Rail Transit Station based on Conformity Mentality[J]. Railway Transport and Economy，2016，38(9)：77-81.

[4] 郭謹(jǐn)一，劉 爽，陳紹寬，等. 行人運(yùn)動(dòng)仿真研究綜述[J].系統(tǒng)仿真學(xué)報(bào)，2008，20(9)：2237-2242.GUO Jin-yi，LIU Shuang，CHEN Shao-kuan，et al. Review of Pedestrian Simulation Research[J]. Journal of System Simulation，2008，20(9)：2237-2242.

[5] 廖明軍，李克平，王凱英，等. 行人交通微觀仿真研究綜述[J]. 武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版)，2010，34(1)：180-183.LIAO Ming-jun，LI Ke-ping，WANG Kai-ying，et al.Review of Microscopic Simulation of Pedestrian Traffic[J].Journal of Wuhan University of Technology(Traffic Science and Engineering Edition)，2010，34(1)：180-183.

[6] BLUE V J，ADLER J L. Emergent Fundamental Pedestrian Flows from Cellular Automata Microsimulation[J].Transportation Research Record，1998，1644(6)：29-36.

[7] BLUE V J，ADLER J L. Cellular Automata Microsimulation of Bidirectional Pedestrian Flows[J]. Journal of Transportation Research Board，1999，1678(1)：135-141.

[8] MURAMATSU M，IRIE T，NAGATANI T. Jamming Transition in Pedestrian Counter Flow[J]. Physica A，1999，267(3)：487-498.

[9] THOMPSON P A，MARCHANT E W. A Computer Model the Evacuation of Large Building Populations[J]. Fire Safety Journal，1995，24(1)：131-148.

[10] LOVAS G G. Modeling and Simulation of Pedestrian Traffic Flow[J]. Transport Research B，1994，28(3)：429-443.

[11] 徐世鵬，張 寧，邵星杰. 城市軌道交通站點(diǎn)客流不確定性研究[J]. 都市快軌交通，2015，28(3)：12-15.XU Shi-peng，ZHANG Ning，SHAO Xing-jie. A Study on Uncertainty of Station Passenger Flow for Urban Rail Transit[J]. Urban Rapid Rail Transit，2015，28(3)：12-15.

[12] 孫文橋，劉啟鋼，凌 熙，等. 鐵路物流中心設(shè)計(jì)方案仿

(??)(??)真評(píng)估優(yōu)化技術(shù)研究[J]. 鐵道貨運(yùn)，2017，35(9)：1-6.SUN Wen-qiao，LIU Qi-gang，LING Xi，et al. Study on Optimization Technology of Simulation and Evaluation of Railway Logistic Center Design Program[J]. Railway Freight Transport，2017，35(9)：1-6.

[13] 謝 俏，李斌斌，何建濤，等. 基于非參數(shù)回歸的城軌實(shí)時(shí)進(jìn)出站客流預(yù)測(cè)[J]. 都市快軌交通，2017，30(2)：32-36.XIE Qiao，LI Bin-bin，HE Jian-tao，et al. Real-time Forecasting of Entrance and Exit Passenger Flows for Urban Rail Transit Station：A Non-parametric Regression Approach[J]. Urban Rapid Rail Transit，2017，30(2)：32-36.