劉光通 孔德文▲ 姚麗亞 孫立山 王 琨

（1.北京工業(yè)大學(xué)北京市交通工程重點實驗室 北京 100124；2.北京理工大學(xué)機械與車輛學(xué)院 北京 100081；3.北京城建道橋建設(shè)集團有限公司 北京 100124）

0 引 言

站臺是地鐵站內(nèi)連接落客區(qū)域與站廳層的過渡性集散空間。由于其空間狹小、客流集散量大，且乘客視野范圍有限，站臺范圍內(nèi)常出現(xiàn)不同等待區(qū)域內(nèi)乘客分布不均勻的現(xiàn)象。這種現(xiàn)象會導(dǎo)致部分區(qū)域乘客過度密集等問題，對乘客安全性產(chǎn)生直接影響。為解決上述問題，部分軌道交通站點在站臺區(qū)域布置引導(dǎo)員，以人工引導(dǎo)的方式保障客流的高效安全疏散。站臺區(qū)域的引導(dǎo)員主要承擔(dān)客流動態(tài)引導(dǎo)、安全提示、乘客問詢等方面的工作，對站臺區(qū)域候車乘客的動態(tài)運行具有顯著影響。科學(xué)合理的引導(dǎo)員布置方案研究具有較強的現(xiàn)實意義。

國外已有研究表明，地鐵站內(nèi)行人的運動受環(huán)境影響明顯，各組合下的設(shè)施和組織方案對行人疏散有不同的促進效果。Assis等[1]通過分析大量客流數(shù)據(jù)樣本，發(fā)現(xiàn)行人候車及換乘時所展現(xiàn)的行為特征，為列車運營調(diào)度提供合理化建議；Helbing等[2]通過對排長隊列的統(tǒng)計，發(fā)現(xiàn)隊列中行人間距離趨向于固定，并研究得出是行人間相互作用后的結(jié)果；Hoogendoom等[3]發(fā)現(xiàn)改變通道瓶頸寬度，分層的行人將占用相鄰層的空間，從而使瓶頸的容量呈階梯式提高的現(xiàn)象；Kim等[4]通過研究高峰期間客流對車廂的選擇特性，確定了影響乘客候車位置選擇的因素，并驗證距離是乘客首要考慮的因素；Luo等[5]基于實驗總結(jié)了地鐵站內(nèi)設(shè)施瓶頸對行人動態(tài)的影響，并最終提出了優(yōu)化措施；Juan等[6]提出在站臺設(shè)置單向安全閘門的方式對客流進行管控，實驗結(jié)果顯示該方式能提高地鐵的整體運行效率；Ma[7]等基于改進的社會力模型，研究了引導(dǎo)員對有限視野范圍內(nèi)的人群疏散效率，最終提出了對不同人群規(guī)模的引導(dǎo)員數(shù)量建議，并發(fā)現(xiàn)引導(dǎo)員也可能對疏散產(chǎn)生負(fù)面作用。

在國內(nèi)研究方面，曹守華等[8]以軌道交通乘客上車時間為研究對象，綜合了站臺設(shè)置、車門寬度、提示音等一系列因素，建立了計算乘客上車時間的模型；李強等[9]研究發(fā)現(xiàn)，分區(qū)域疏散能夠更大程度減少疏散時間，且更利于乘客選擇最優(yōu)路徑；濮燁[10]建立了候車乘客分布優(yōu)化模型，并結(jié)合案例驗證了模型的實用性，提出了優(yōu)化措施；喬婧等[11]發(fā)現(xiàn)行人流在站內(nèi)通道設(shè)施的影響下會呈現(xiàn)分層規(guī)律，并依據(jù)規(guī)律提出了緩解正向沖突的措施。此外，李森蕓[13]研究了站臺結(jié)構(gòu)、客流屬性和引導(dǎo)措施對站臺乘客分布的影響規(guī)律，吳茜蒙[14]建立了基于最短路徑原則的引導(dǎo)員疏散分區(qū)模型和考慮出口通行能力的引導(dǎo)員疏散分區(qū)優(yōu)化模型，以此確定引導(dǎo)員的數(shù)量和引導(dǎo)范圍，最終通過實例驗證了模型的有效性。

綜上所述，國內(nèi)外研究者對地鐵站內(nèi)站廳、站臺，以及設(shè)施瓶頸等位置客流組織方案已經(jīng)有了一定程度的研究，但對于站臺引導(dǎo)員對乘客的影響效用以及引導(dǎo)員科學(xué)布置方法的研究數(shù)量較少，目前研究多限于對引導(dǎo)員的建模等理論研究，對于不同條件下的引導(dǎo)員布設(shè)方法等實際應(yīng)用研究尚待深入。

因此，為確定軌道交通站臺客流運動特性以及引導(dǎo)員對于客流運動狀態(tài)的影響效用，筆者以北京南站地鐵14號線站臺為對象，分析了站臺候車乘客運動特性及引導(dǎo)員作用；隨后基于Any Logic仿真平臺搭建了站臺客流仿真模型，并分別在不同引導(dǎo)員布設(shè)方案和客流條件下分別進行實驗；以車門人數(shù)均衡度以及二次上車人數(shù)2項指標(biāo)為標(biāo)準(zhǔn)，判斷各布設(shè)方案的運行效果，總結(jié)了各類引導(dǎo)員布設(shè)方案的適用性。

1 基礎(chǔ)數(shù)據(jù)調(diào)查

1.1 調(diào)查方案

為研究軌道交通站臺候車乘客運動特性，選擇北京南站地鐵14號線站臺為對象進行數(shù)據(jù)采集。北京南站為14號線的始發(fā)/終到站，東至善各莊站（截至2019年5月）。站臺形式為島式站臺，站臺區(qū)域共設(shè)置2處樓扶梯、1處直梯，另有2處樓梯快速通道?？焖偻ǖ篮椭碧莸目土髁窟h(yuǎn)小于2處樓扶梯，故本研究中對快速通道和直梯的客流量忽略不計。在候車時，14號線站臺可看作包含2個入口的封閉空間，北京南站為14號線的始發(fā)/終到站，因此該站臺僅1側(cè)存在候車乘客聚集現(xiàn)象。

利用Wi-Fi嗅探技術(shù)對站臺客流量及行人分布數(shù)據(jù)進行采集。Wi-Fi嗅探技術(shù)是通過收集無線終端設(shè)備發(fā)出的連接請求信號，實現(xiàn)設(shè)備定位的技術(shù)。Wi-Fi探針（AP）是基于嗅探技術(shù)的無線終端設(shè)備探測器，當(dāng)探針運行時，探針即可以獲取其探測范圍內(nèi)的無線設(shè)備（如智能手機、平板電腦等）MAC地址，同時包括捕獲此條數(shù)據(jù)的時間、日期、此設(shè)備的信號強度，以及此無線設(shè)備與Wi-Fi探針的距離。進入探針覆蓋范圍，開啟其Wi-Fi連接功能，探針就能捕獲其Mac地址[14-15]。經(jīng)人工處理后，可以得到客流量、乘客的運動軌跡、位置、運動速度等數(shù)據(jù)。

具體調(diào)查方案如下：2個探針分別由2名調(diào)查人員手持，并分別站在2處樓梯口處的斜對稱方位布設(shè)，見圖1。Wi-Fi探針采集頻率設(shè)置為2 s/次，采集時間從工作日的17：00開始，連續(xù)采集10個候車周期。

乘客的1個候車周期定義為：上一班次地鐵關(guān)門的時刻，到本班次地鐵到達(dá)車門開啟的時刻之間的時間。通過實地觀察，地鐵14號線候車周期為5 min，車輛到達(dá)后開門時間為52 s。

圖1 探針布設(shè)位置Fig.1 The diagram of AP setting position

數(shù)據(jù)采集所使用的2個探針可分別獲取某時刻乘客與2個探針的距離。分別以2個Wi-Fi探針?biāo)幬恢脼閳A心，所收集的距離為半徑畫圓產(chǎn)生2處交點，其中1個點代表乘客實際位置，根據(jù)設(shè)施、站臺范圍等實際情況，可判斷代表該點。

為降低誤差影響，數(shù)據(jù)采集過程中，設(shè)置探針采集數(shù)據(jù)的頻率為2 s/次。將單個乘客的位置距離繪制散點圖。去除波動較大的數(shù)據(jù)點，并考慮乘客移動的連續(xù)性，利用擬合曲線，確定乘客在各時刻下的與探針間的距離，見圖2。

圖2 某乘客距離散點圖Fig.2 Scatter diagram of distance from some passenger

為確定數(shù)據(jù)采集的精確度，在實地數(shù)據(jù)采集之前，先進行距離誤差實驗以及開啟Wi-Fi人數(shù)實驗。通過人工法對站臺樓扶梯處客流量進行計數(shù)，同時利用Wi-Fi探針在相同位置進行數(shù)據(jù)采集，連續(xù)采集30 min。以有效的Mac地址數(shù)量作為客流量，對比發(fā)現(xiàn)，有效的Mac地址數(shù)量約為實際人數(shù)的33%，故在后期統(tǒng)計客流量時，將所獲取的數(shù)量按比例擴張，作為實際客流分布數(shù)據(jù)。

1.2 調(diào)查結(jié)果

依據(jù)上述方案，最終共獲得10個候車周期內(nèi)候車乘客數(shù)據(jù)。進入站臺的總?cè)藬?shù)為3 531，其中樓梯口1進入人數(shù)為1 728人，樓梯口2進入人數(shù)為1 803人。各周期內(nèi)進入站臺的客流量見圖3。

圖3 各周期進入站臺客流量Fig.3 Volume of passenger enter platform in each cycle

由圖3可見，2個樓扶梯口在周期內(nèi)進入站臺客流量在150～204人·次不等。其中客流最為密集的為4～6，進入站臺的總?cè)恕ご畏謩e為394，378，388人·次，此時站臺擁堵現(xiàn)象較為嚴(yán)重。

候車時，每個車門前一般形成2列排隊乘客。全部的10個周期中，第4周期處于客流高峰期最明顯的時段。該周期下的候車乘客的分布特性最為典型，各車門前的等待人數(shù)見圖4。

圖4 候車乘客分布數(shù)量圖Fig.4 Distribution chart of waiting passengers

由圖4可以見，距離樓梯口較近的10號車門與19號車門人數(shù)最多，位于站臺中部的14～17號車門由于存在障礙物，限制了候車空間，候車人數(shù)較相鄰車門較少。此外，由于空間因素影響，站臺兩端車門相較站臺中部車門乘客數(shù)較少。

在乘客登車期間仍有乘客到達(dá)，但開門時間較短，難以完成登車；加上部分未上車乘客，導(dǎo)致本班次車門關(guān)閉后，仍有30～50名乘客在候車區(qū)等候，主要分布在距離2個樓梯口距離較近的車門。

所收集的數(shù)據(jù)也用于仿真模型中的乘客期望速度、各等級密度的乘客數(shù)量、等待區(qū)排隊容量等參數(shù)的標(biāo)定。

2 軌道交通站臺引導(dǎo)員效用分析

2.1 站臺候車乘客運動特性

根據(jù)實際觀測的數(shù)據(jù)可得出以下候車乘客運動規(guī)律。

1）地鐵班次的到達(dá)具有明顯的周期性，但到達(dá)站臺的客流具有連續(xù)性，并且存在時間上的不均勻現(xiàn)象。

2）客流密度較小時，候車乘客會趨向減少步行距離，選擇距離樓梯口最近的等待區(qū)候車。

3）當(dāng)站臺各候車區(qū)域區(qū)域存在一定量乘客時，乘客會趨向于選擇候車人數(shù)較少的區(qū)域進行候車。

4）站臺設(shè)施及管理措施，如建筑設(shè)施、引導(dǎo)員、引流欄桿等，對于候車乘客運動的影響效果較為明顯。

2.2 引導(dǎo)員效用分析

實例站臺在高峰期設(shè)置3名引導(dǎo)員，1名位于樓梯口位置，2名位于候車區(qū)域。通過對比候車乘客運動特性及實測數(shù)據(jù)可以發(fā)現(xiàn)，引導(dǎo)員具有動態(tài)導(dǎo)向作用，在站臺候車乘客疏散的過程中，引導(dǎo)員主要具備以下效用。

1）維持乘客上下車秩序，減少上下車客流沖突，從而提高開門時間的利用效率，保證乘客安全。

2）乘客路線指引。島式站臺上，可幫助乘客明確候車區(qū)域的方向，提高乘客行走的目的性。

3）候車區(qū)域乘客調(diào)配。當(dāng)引導(dǎo)員管理范圍內(nèi)的區(qū)域排隊超過一定人數(shù)時，引導(dǎo)多余乘客前往周圍其他相對空閑的候車區(qū)域，從而提高站臺空間的利用效率，減少乘客滯留現(xiàn)象。

4）突發(fā)事件下的安全保障。引導(dǎo)員對于站臺及車站構(gòu)造較為熟悉，且掌握應(yīng)急處理方案，可在出現(xiàn)列車故障、自然災(zāi)害或恐怖襲擊等突發(fā)事件時減輕客流恐慌心理，安全快速疏散乘客。

目前，引導(dǎo)員分布位置尚未形成統(tǒng)一的規(guī)定，一般根據(jù)站臺的設(shè)施設(shè)置及客流高峰期實際情況決定，并依據(jù)客流運動實時狀態(tài)進行調(diào)整。通常，引導(dǎo)員的位置可根據(jù)與站臺的相對位置分為：①位于站臺側(cè)部；②位于樓扶梯口；③位于站臺中部。以北京南站地鐵14號線站臺為例，該站臺共有30個車門，以1～30從左到右依次編號。引導(dǎo)員位于側(cè)部、樓梯口以及中部的具體示意見圖5。

圖5 常見引導(dǎo)員布設(shè)方案示意圖Fig.5 Schematic diagram of common guide layout schemes

3 仿真模型搭建及驗證

站臺客流仿真主要使用Any Logic行人庫中的模塊實現(xiàn)。對站臺進行建模，并根據(jù)行人的實際情況加入其它模塊，將各模塊進行邏輯連接和事件輸入，構(gòu)成站臺模型流程圖，從而驅(qū)動仿真運行[16-17]。

依據(jù)站臺實例幾何要素，構(gòu)建站臺仿真場景見圖6。在此場景中，利用Any Logic中的行人庫模塊，實現(xiàn)行人運動的仿真。分別在2處樓扶梯位置設(shè)置行人產(chǎn)生點，每個車門前設(shè)置2條服務(wù)隊列。

通過分析實地觀測的乘客速度分布情況，將Source模塊中的行人舒適速度和期望速度分別標(biāo)定為Uniform（0.5，1）m/s，Uniform（0.8，1.3）m/s。乘客前往每個車門前的概率依據(jù)實地調(diào)研數(shù)據(jù)進行標(biāo)定。

為研究引導(dǎo)員在不同位置上對于客流疏散的影響效果，筆者主要對2名引導(dǎo)員，在不同相對位置的布設(shè)方案進行仿真分析。

在仿真模型中，引導(dǎo)員的主要作用體現(xiàn)在疏散部分車門前過多的候車乘客，從而提高站臺空間利用率。在模型中規(guī)定引導(dǎo)員所站位置附近的車門候車隊列容量存在上限，從而疏散乘客至其他車門。當(dāng)2名引導(dǎo)員站在站臺側(cè)部位置時，設(shè)定5～8號車門、22～26號車門前每條隊列的排隊人數(shù)上限為10人；當(dāng)2名引導(dǎo)員站在樓梯口位置時，設(shè)定9～12號車門、18～22號車門前每條隊列的排隊人數(shù)上限為10人；當(dāng)2名引導(dǎo)員位于站臺中部位置時，考慮站臺中部障礙物的影響，限制14～17號車門前隊列排隊上限為8人。

圖6 站臺仿真場景搭建Fig.6 Platform simulation scene construction

仿真模型搭建完成后，以實際數(shù)據(jù)中第4，5，6個周期的平均客流量輸入該模型，將與3個周期各車門前的平均候車人數(shù)相對比，實際數(shù)據(jù)與仿真結(jié)果平均誤差為4.13%，真實性較好。各車門分布的人數(shù)對比為圖7。

4 引導(dǎo)員位置適用性研究

4.1 站臺運行效果判斷指標(biāo)

圖7 仿真結(jié)果與實際數(shù)據(jù)對比Fig.7 Comparison diagram between simulation results and field data

對于整個站臺系統(tǒng)，引導(dǎo)員的主要作用是保障站臺乘客安全及提升出行效率。因此，引導(dǎo)員設(shè)置方案的運行效果可以通過站臺運行狀況來判斷。一般來說，站臺乘客群體分布越均勻，即站臺的空間利用率越高，安全性越好；乘客平均候車時間越短，或前一班次列車未上車的人數(shù)越少，出行效率越高。依據(jù)上述2項目標(biāo)，分別選擇車門人數(shù)均衡度和二次上車人數(shù)作為站臺整體運行效果的判斷指標(biāo)。2項指標(biāo)的具體定義情況如下。

1）車門人數(shù)均衡度ε。車門人數(shù)均衡度是指站臺乘客位置分布均勻程度，是能夠體現(xiàn)站臺空間的利用效率指標(biāo)，以車輛到達(dá)后車門開啟的瞬間，等待區(qū)的排隊人數(shù)和每個等待區(qū)域的平均人數(shù)的比值表示。

式中：εi為車門均衡度；Ni為等待區(qū)i前的候車乘客數(shù)，人·次；n為站臺一側(cè)等待區(qū)數(shù)量，即車門數(shù)量。

一般來說，乘客是否在局部區(qū)域過度聚集，即各車門前候車區(qū)域人數(shù)趨近于相同或相差較小時均衡度更高，運行效果更好。因此，本項指標(biāo)越小，代表站臺空間設(shè)施利用率越高。

2）二次上車人數(shù)Q。二次上車人數(shù)是指在1個候車周期內(nèi)，到達(dá)站臺但未能上車的乘客數(shù)量總和（包含車輛駐停期間到達(dá)站臺的乘客），是能夠體現(xiàn)站臺時間利用效率的指標(biāo)，以各個等待區(qū)候車乘客數(shù)量與1個周期內(nèi)的上車人數(shù)的數(shù)量的差表示。

式中：Q為二次上車人數(shù)，人·次；Ni為等待區(qū)i前的候車乘客數(shù)，人·次；Nalight為1個班次的地鐵到達(dá)后，上車的乘客數(shù)量，人·次。

當(dāng)?shù)罔F內(nèi)候車乘客排隊過長時，可能導(dǎo)致隊尾部分乘客難以在開門期間登車，從而產(chǎn)生“二次上車”現(xiàn)象。引導(dǎo)員通過合理調(diào)配部分區(qū)域候車乘客，可有效減少二次上車人數(shù)，增加站臺整體的疏散效率。因此本項指標(biāo)越小，代表站臺整體運行效果越好。

4.2 仿真結(jié)果及分析

將整理后的Wi-Fi客流數(shù)據(jù)對仿真模型進行校準(zhǔn)，逐一改變引導(dǎo)員的位置研究對站臺運行狀況的影響。根據(jù)站臺規(guī)模情況，分別將270人·次/周期、360人·次/周期、450人·次/周期作為低密度客流、中密度客流和高密度客流條件，將模型在3種客流密度水平下獨立運行5次，觀測引導(dǎo)員在不同相對位置下的各項指標(biāo)的平均值變化情況。

由于案例中候車周期為5 min，故筆者主要研究仿真過程0～300 s時段收集到的數(shù)據(jù)。各仿真的車門人數(shù)均衡度統(tǒng)計結(jié)果見圖8。

由圖8可見，在各客流密度條件下，候車人數(shù)整體呈現(xiàn)中間多、兩側(cè)少的現(xiàn)象，各車門與站臺入口樓扶梯的距離是導(dǎo)致該現(xiàn)象的主要因素。此外，由于13～18號車門位于站臺正中部，受障礙物阻擋，其容量相較周圍區(qū)域較小，故候車人數(shù)一般較為固定且略少于其他車門。

一般認(rèn)為，所有車門平均分配全部乘客數(shù)量時，或所有車門前候車乘客數(shù)量差距較小，站臺空間利用情況為最優(yōu)狀態(tài)。因此，計算仿真結(jié)果中30個車門人數(shù)均衡度的樣本方差，體現(xiàn)該站臺整體均衡度的優(yōu)劣情況，從而判斷站臺空間區(qū)域利用效率情況。

由表1可見，在低密度客流條件下，引導(dǎo)員在側(cè)部、在樓梯口及在中部的方差分別為0.44，0.46，0.52，引導(dǎo)員在側(cè)部位置的均衡度方差最小，即均衡程度更高，在中部位置的均衡度方差略小于中部位置的方差。主要是由于在客流密度較低時，站臺的排隊人數(shù)較少，在登車時間內(nèi)上車的壓力不大，乘客趨向于在距離較近的候車區(qū)域聚集。引導(dǎo)員站在側(cè)部位置時，能更大程度地疏散過多聚集的乘客。

在中密度條件下，在側(cè)部、樓梯口以及中部的車門人數(shù)均衡度方差分別為0.42，0.39，0.38，位于站臺中部時引導(dǎo)員效用最高。此時樓梯口與中部位置附近的區(qū)域為乘客候車首選，引導(dǎo)員位于該區(qū)域時，更接近客流密集區(qū)域，相對來說有利于對站臺客流的均衡度引導(dǎo)，減少局部區(qū)域的密集程度。

圖8 各客流條件下的車門人數(shù)均衡度Fig.8 Number equilibrium degree under each density situation

表1 各條件下站臺客流均衡度方差Tab.1 Variance of platform passenger flow equilibrium under various conditions

在高密度條件下，三者的均衡度方差分別為0.34,0.41,0.44，引導(dǎo)員位于站臺側(cè)部的均衡度最高。

在模型運行過程中，對各條件下站臺二次上車人數(shù)進行記錄和對比，結(jié)果見表2。

表2 站臺二次上車人數(shù)統(tǒng)計表Tab.2 statistics of the number of people getting on the platform twice

仿真結(jié)果顯示，客流處于低密度時，引導(dǎo)員在站臺中部的二次上車人數(shù)較在樓梯口和側(cè)部分別減少了11人·次與2人·次；客流處于中密度時，引導(dǎo)員在樓梯口的二次上車人數(shù)，相較側(cè)部和中部分別減少了28人·次與12人·次；當(dāng)客流處于高密度時，引導(dǎo)員位于站臺側(cè)部時的二次上車人數(shù)，相較位于樓梯口和中部分別減少了7人·次與13人·次。

綜合對比2項指標(biāo)結(jié)果，客流處于低密度狀態(tài)時，引導(dǎo)員位于站臺側(cè)部最有利于站臺乘客的疏散；客流處于中等密度時，由于位于站臺中部時的車門人數(shù)均衡度方差與樓梯口位置相近，而樓梯口位置的二次上車人數(shù)遠(yuǎn)小于站臺中部，因此站在樓梯口，具有更大的引導(dǎo)效用；在客流水平處于高密度時，側(cè)部客流均衡度方差為0.34，分別低于樓梯口位置及站臺中部0.07和0.1，二次上車人數(shù)為45，低于樓梯口位置及站臺中部7人·次和13人·次，2項指標(biāo)均為在側(cè)部位置時最小，引導(dǎo)員宜站在側(cè)部位置進行客流疏導(dǎo)。

已有學(xué)者對密閉空間下引導(dǎo)員的位置和數(shù)量對疏散效率的影響進行了研究[7]，結(jié)果顯示，疏散過程中，引導(dǎo)員的位置因素比數(shù)量因素的作用更加關(guān)鍵，證明了本研究的意義。

基于仿真平臺和實際案例，通過限制排隊人數(shù)的方式，實現(xiàn)了對引導(dǎo)員的建模。相較于修正社會力模型[7]和元胞自動機模型[18]，本方法復(fù)雜程度較低，可節(jié)約計算成本。對2名引導(dǎo)員位置和候車乘客分布的關(guān)系進行了分析，總結(jié)了引導(dǎo)員位置方案的適用條件。結(jié)果表明，引導(dǎo)員在站臺疏散過度密集的候車乘客時，其各位置的布置方案在不同客流條件下有所差別。在所設(shè)置的低、中、高密度客流條件下，適用性最強的引導(dǎo)員位置分別為站臺側(cè)部、樓梯口、側(cè)部。管理人員可依據(jù)結(jié)論，結(jié)合站點客流高峰期特點，制定動態(tài)位置的引導(dǎo)員布置方案。

5 結(jié)束語

分析了乘客候車分布規(guī)律和引導(dǎo)員對乘客候車位置決策的影響。以北京南站14號線地鐵站臺為例，設(shè)計了3種引導(dǎo)員布設(shè)方案，即2名引導(dǎo)員分別位于站臺的側(cè)部、中部及樓梯口附近。利用Any Logic平臺搭建仿真模型，確定了在各客流密度條件下，3種布設(shè)方式對站臺候車乘客疏導(dǎo)的效果及其適用情況。

結(jié)果表明：①在低密度客流條件（270人·次/周期）下，引導(dǎo)員位于站臺側(cè)部時，站臺的車門客流均衡度方差相較引導(dǎo)員位于中部及樓梯口時下降0.02和0.08，二次上車人數(shù)分別下降1人·次和12人·次，其引導(dǎo)效用相對較好；②在中密度客流條件（360人·次/周期）下，相較站臺側(cè)部和中部位置，引導(dǎo)員位于樓梯口位置時客流均衡度方差分別下降0.04和0.01，二次上車人數(shù)下降30人·次與16人·次，綜合2項指標(biāo)來看，引導(dǎo)員在樓梯口位置時引導(dǎo)效果更顯著；③在高密度客流條件（450人·次/周期）下，引導(dǎo)員在側(cè)部位置的時的客流分布最為均勻，其站臺客流均衡度方差分別低于樓梯口位置和站臺中部為止0.07和0.1，同時二次上車人數(shù)最少，因此高密度條件下引導(dǎo)員最適合位于側(cè)部進行疏散。

后續(xù)研究中，可對不同類型站臺及較為復(fù)雜的站臺場景下的引導(dǎo)員布設(shè)方案進行分析，并與引導(dǎo)標(biāo)識[19]結(jié)合，進一步研究引導(dǎo)員布設(shè)的算法理論。本研究模型中默認(rèn)所有乘客遵從引導(dǎo)員指令，可進一步考慮乘客執(zhí)行率因素以及不遵從指導(dǎo)的乘客的影響特點。此外，已有研究顯示，引導(dǎo)員在部分情況下對疏散效率具有消極作用[20],未來可對引導(dǎo)員布設(shè)的疏散場景的出口、樓扶梯、障礙物等設(shè)施以及環(huán)境的前提條件進行研究。