孔奧 胥耀方段力偉 馬慶祿

（重慶交通大學(xué)交通運(yùn)輸學(xué)院 重慶 400074）

0 引言

綜合客運(yùn)樞紐是運(yùn)輸系統(tǒng)的核心，也是城市內(nèi)外交通客流集散的重要節(jié)點(diǎn)，不僅聚集了公交、地鐵、出租車、社會(huì)車輛等城市交通，還形成了鐵路與公路、水運(yùn)、航空客流之間的換乘銜接。樞紐內(nèi)部結(jié)構(gòu)復(fù)雜且人員流動(dòng)性大，因此，使旅客快捷舒適地進(jìn)出站對(duì)樞紐的良好運(yùn)行至關(guān)重要。國內(nèi)外學(xué)者對(duì)綜合客運(yùn)樞紐的換乘銜接效率評(píng)價(jià)及優(yōu)化做了許多研究。趙政宇等[1]采用基于層次分析法（analytic hierarchy process，AHP）與熵值法相結(jié)合的最優(yōu)組合賦權(quán)法確定指標(biāo)權(quán)重，并建立以可拓理論為核心的高鐵客運(yùn)樞紐換乘銜接多級(jí)可拓評(píng)價(jià)模型。周繼彪[2]通過對(duì)樞紐內(nèi)行人交通特性進(jìn)行深入研究，建立了城市綜合交通換乘樞紐安全疏散時(shí)間模型。郭偉等[3]引入?yún)^(qū)間層次分析法（interval analytic hierarchy process，IAHP）確定專家權(quán)重和改進(jìn)熵權(quán)法確定基于乘客體驗(yàn)的客觀權(quán)重，結(jié)合擴(kuò)展模糊Vague集理論建立了高鐵客運(yùn)樞紐離站換乘銜接的改進(jìn)模糊綜合評(píng)價(jià)模型。張瑞等[4]構(gòu)建了綜合考慮M/G/c/c模型和用戶均衡理論的乘客網(wǎng)絡(luò)動(dòng)態(tài)客流分配和瓶頸識(shí)別模型，通過多指標(biāo)比較,有效識(shí)別車站瓶頸及其擁堵情況。總體而言，這些評(píng)價(jià)指標(biāo)的選取與評(píng)價(jià)方法的適用性對(duì)樞紐換乘銜接效果的評(píng)估具有較大借鑒意義。

新型冠狀病毒肺炎疫情以來，為防止病毒傳播擴(kuò)散，綜合客運(yùn)樞紐對(duì)行人的社交距離提出了明確要求，即要求行人之間的身體在空間上保持一定的距離。醫(yī)學(xué)研究也表明保持社交距離等非藥物干預(yù)措施對(duì)新型冠狀病毒肺炎疫情的傳播有抑制作用[5]。因此，國內(nèi)外綜合客運(yùn)樞紐均要求旅客保持一定的社交距離。許多學(xué)者也對(duì)此做了相關(guān)研究。周繼彪等[6]針對(duì)寧波市城市公共交通系統(tǒng)中存在的防疫問題,提出了基于問題驅(qū)動(dòng)的城市公共交通非常規(guī)防疫策略。胡松等[7]結(jié)合前景理論與計(jì)劃行為理論，開展重大疫情時(shí)期SP/RP出行調(diào)查，深入探究了重大疫情對(duì)乘客公共交通使用行為和依賴性的影響。Alam等[8]結(jié)合社會(huì)力模型，為國際機(jī)場開發(fā)了1個(gè)行人微觀仿真模型，并模擬了疫情發(fā)生前及大流行期間的行人移動(dòng)場景。通過實(shí)施2 m社交距離的策略，行人之間小于2 m距離的情況減少93%～94%。陳力等[9]基于社會(huì)力模型，驗(yàn)證了增大行人間距最多能夠降低約25%的感染人數(shù)。

Alam和陳力通過社會(huì)力模型驗(yàn)證了保持社交距離對(duì)樞紐疫情防控的有效性[8-9]，但目前社交距離的設(shè)置并沒有明確的標(biāo)準(zhǔn)，在不同的國家對(duì)綜合客運(yùn)樞紐的要求也不一致。根據(jù)歐洲時(shí)報(bào)網(wǎng)[10]和新華網(wǎng)[11]報(bào)道，英國的客運(yùn)樞紐要求保持2 m的社交距離，法國要求1.5 m，而中國大陸地區(qū)則要求1 m的社交距離。樞紐內(nèi)保持過大的社交距離將增大旅客的行動(dòng)阻力，影響旅客的換乘效率和換乘體驗(yàn)；而在新冠疫情期間，保持過小的社交距離又會(huì)增大新冠病毒傳播擴(kuò)散的風(fēng)險(xiǎn)。因此，綜合客運(yùn)樞紐社交距離設(shè)置的合理性有待探討，通過對(duì)不同社交距離下的換乘銜接效果水平進(jìn)行評(píng)價(jià)，分析4種常見的不同社交距離對(duì)樞紐換乘銜接效果的影響。

首先，在以往研究的基礎(chǔ)上，選取能夠直接表明社交距離對(duì)換乘銜接效果影響的評(píng)價(jià)指標(biāo)，如進(jìn)出站時(shí)間和進(jìn)出站效率等，同時(shí)以平均客流密度和平均客流密度過高點(diǎn)位數(shù)作為疫情傳播風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)。其次，通過Anylogic仿真軟件對(duì)綜合客運(yùn)樞紐不同客流量和不同社交距離方案進(jìn)行仿真，輸出并統(tǒng)計(jì)評(píng)價(jià)指標(biāo)結(jié)果。最后，基于CRITIC-熵權(quán)法組合權(quán)重的TOPSIS評(píng)價(jià)模型對(duì)不同社交距離下的換乘銜接效果進(jìn)行評(píng)價(jià)，并分析社交距離對(duì)樞紐換乘銜接效果的影響。

1 保持社交距離對(duì)綜合客運(yùn)樞紐換乘銜接效果的影響

在樞紐的服務(wù)能力保持不變的情況下，樞紐換乘銜接效果不同的原因主要受旅客運(yùn)動(dòng)行為的影響。Helbing在1995年首次提出社會(huì)力模型（social force model，SFM）來進(jìn)行行人動(dòng)力學(xué)的研究，并將行人的行為規(guī)則轉(zhuǎn)換為運(yùn)動(dòng)方程：行人速度隨時(shí)間的變化率dv/dt可由矢量F(t)表示，F(xiàn)(t)即為“社會(huì)力”。社會(huì)力模型數(shù)學(xué)表達(dá)式見式（1）[12]。

式中：dvi(t)/dt為行人i速度隨時(shí)間的變化率；ξi(t)為隨機(jī)誤差項(xiàng)；Fi(t)為行人i受到的“社會(huì)力”，可由式（2）進(jìn)一步表示。

式中：(t)為t時(shí)刻行人i受到的自驅(qū)動(dòng)力；表示行人i受到的其他行人的影響，包括排斥力和吸引力表示行人i與墻壁、障礙物等保持一定安全距離的趨勢(shì)。

2 換乘銜接效果評(píng)價(jià)指標(biāo)體系

樞紐換乘銜接效果評(píng)價(jià)指標(biāo)體系一般包括換乘效率指標(biāo)、換乘服務(wù)設(shè)施指標(biāo)、換乘協(xié)調(diào)性指標(biāo)及反映乘客換乘舒適性等的綜合性指標(biāo)[3]，其中換乘效率指標(biāo)是最能反映車站換乘銜接效果的指標(biāo)。同時(shí)，因研究重點(diǎn)是社交距離對(duì)換乘銜接效果的影響，涉及不同社交距離下的多組評(píng)價(jià)方案，因此選取換乘效率評(píng)價(jià)指標(biāo)作為效果評(píng)價(jià)的關(guān)鍵指標(biāo)。平均進(jìn)出站距離能直接體現(xiàn)車站接駁方式布局的合理性[13]，而平均進(jìn)出站時(shí)間能夠在一定程度上反映平均進(jìn)出站距離，且平均進(jìn)出站時(shí)間受客流及設(shè)施服務(wù)能力的影響較大，故平均進(jìn)出站時(shí)間能夠反映樞紐的換乘銜接水平。進(jìn)出站效率能夠直接體現(xiàn)成功進(jìn)出站人數(shù)和在站人數(shù)，在站人數(shù)越多，說明樞紐服務(wù)設(shè)施的服務(wù)水平待加強(qiáng)，故進(jìn)出站效率也能反映樞紐的換乘銜接水平。因此根據(jù)綜合客運(yùn)樞紐車站的一般布局，選取平均進(jìn)出站時(shí)間和進(jìn)出站效率作為換乘效率評(píng)價(jià)指標(biāo)。同時(shí)，補(bǔ)充疫情傳播擴(kuò)散風(fēng)險(xiǎn)作為效果評(píng)價(jià)的指標(biāo)之一。

2.1 進(jìn)出站時(shí)間

1）平均進(jìn)站時(shí)間。進(jìn)站時(shí)間是指由公交、地鐵、私家車等城市交通方式到達(dá)樞紐車站，在車站內(nèi)經(jīng)步行到達(dá)進(jìn)站口所需要的平均時(shí)間。平均進(jìn)站時(shí)間則是不同城市交通方式進(jìn)站時(shí)間的平均值。

2）平均出站時(shí)間。出站時(shí)間是指由鐵路、航空等對(duì)外交通方式到達(dá)樞紐車站，在車站內(nèi)換乘其他城市交通方式離開車站所需要的時(shí)間。平均出站時(shí)間則是不同城市交通方式出站時(shí)間的平均值。平均進(jìn)站時(shí)間和平均出站時(shí)間能夠反映車站接駁方式布局優(yōu)劣程度。

3）進(jìn)站口排隊(duì)時(shí)間。綜合客運(yùn)樞紐的進(jìn)站口往往是整個(gè)車站服務(wù)能力最薄弱的地方，因此需要對(duì)進(jìn)站口的排隊(duì)時(shí)間進(jìn)行評(píng)價(jià)分析。進(jìn)站口的排隊(duì)時(shí)間是指單位時(shí)間內(nèi)旅客在進(jìn)站口排隊(duì)時(shí)間的總和。

2.2 進(jìn)出站效率

1）進(jìn)站率。進(jìn)站率是指單位時(shí)間內(nèi)各種交通方式成功進(jìn)站人數(shù)與到達(dá)車站人數(shù)的比值。

2）出站率。出站率是指單位時(shí)間內(nèi)成功出站人數(shù)與對(duì)外交通方式到達(dá)車站人數(shù)的比值。

2.3 疫情傳播擴(kuò)散風(fēng)險(xiǎn)

新型冠狀病毒肺炎作為1種傳染性極強(qiáng)的疾病，過近的社交距離等居民的高危行為是導(dǎo)致新冠病毒肺炎感染人數(shù)與日俱增的關(guān)鍵[14]。因而選取與社交距離緊密相關(guān)的平均客流密度和平均客流密度過高的點(diǎn)位數(shù)作為疫情傳播風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)。

1）平均客流密度?？土髅芏饶軌蚍从硺屑~內(nèi)不同位置人流擁擠情況，結(jié)合客流密度時(shí)變圖，可以判斷阻塞現(xiàn)象是否可以快速消散。不同的平均客流密度對(duì)應(yīng)不同的服務(wù)服務(wù)水平等級(jí)，對(duì)應(yīng)關(guān)系見表1[15]。在疫情下，車站擁擠度每增加1人/m2，相比于無疫情時(shí)，在樞紐內(nèi)的出行時(shí)間會(huì)顯著增加[16]。同時(shí)，過高的人流密度也將給疫情防控帶來巨大的風(fēng)險(xiǎn)。因此，樞紐內(nèi)的平均客流密度應(yīng)該越小越好。

表1 平均客流密度服務(wù)水平等級(jí)Tab.1 Average passenger flow density service level

2）平均客流密度過高點(diǎn)位數(shù)。社交距離顯著影響平均客流密度，社交距離增大時(shí)，平均客流密度將減小。1 m社交距離情況下與平均客流密度的關(guān)系示意圖見圖1，圖1中實(shí)心黑點(diǎn)表示旅客。保持1 m社交距離的情況下10 m×10 m的區(qū)域最多能容納100人，此時(shí)的平均客流密度為1人/m2。當(dāng)社交距離為2 m時(shí)，10 m×10 m的區(qū)域最多能容納25人，此時(shí)的平均客流下降到0.25人/m2。研究表明[17]，當(dāng)行人之間的身體距離小于1 m的情況下，感染新冠病毒的幾率為12.8%，但距離為1 m或更遠(yuǎn)時(shí)，這一比例僅為2.6%。因此，為了降低新冠疫情在樞紐內(nèi)傳播擴(kuò)散的風(fēng)險(xiǎn)，世界衛(wèi)生組織建議疫情期間應(yīng)保持1 m以上的社交距離[18]。在形成正常排隊(duì)隊(duì)伍但并不擁擠的情況下，旅客將不會(huì)突破設(shè)定的社交距離，如1 m社交距離的正常情況下，行人的間距保持在1 m以上，平均密度將小于1人/m2，2 m的社交距離正常情況下將小于0.25人/m2，但如果旅客的活動(dòng)空間有限且樞紐的疏散能力不足，旅客將逐漸突破社交距離的限制，從而導(dǎo)致區(qū)域內(nèi)的平均密度提高。根據(jù)文獻(xiàn)[15]，平均客流密度小于等于0.75人/m2時(shí)，旅客擁有的服務(wù)水平為B級(jí)，此時(shí)行人不會(huì)與他人發(fā)生沖突，行進(jìn)速度可自由選擇。而當(dāng)平均客流密度大于0.75人/m2時(shí)，行人將與周圍行人產(chǎn)生輕微沖突，行進(jìn)速度會(huì)有一定降低。當(dāng)平均客流密度為0.75人/m2時(shí)，行人之間的社交距離保持在1.3 m以上，能夠讓行人保持1個(gè)相對(duì)安全的社交距離。因此綜合考慮新冠病毒傳播的特點(diǎn)、樞紐關(guān)于旅客密度服務(wù)水平的劃分和降低疫情傳播擴(kuò)散風(fēng)險(xiǎn)的需要，選取密度超過0.75人/m2點(diǎn)位數(shù)作為平均客流密度過高點(diǎn)位數(shù)（后文稱密度數(shù)）作為換乘銜接效果評(píng)價(jià)的指標(biāo)之一。

圖1 保持1 m社交距離與平均客流密度示意圖Fig.1 Schematic diagram of maintaining 1 m social distance and average passenger flow density

綜合客運(yùn)樞紐換乘銜接效果評(píng)價(jià)指標(biāo)體系見表2。

表2 綜合客運(yùn)樞紐換乘銜接效果評(píng)價(jià)指標(biāo)體系Tab.2 The evaluation index system of the transfer and connection effect of the comprehensive passenger hub

3 基于TOPSIS的樞紐換乘銜接效果評(píng)價(jià)模型

樞紐換乘銜接效果評(píng)價(jià)屬于多層次多屬性群決策問題，研究基于CRITIC-熵權(quán)法組合權(quán)重的TOPSIS評(píng)價(jià)模型進(jìn)行評(píng)價(jià)，計(jì)算多個(gè)不同社交距離下的換乘銜接效果評(píng)價(jià)計(jì)算結(jié)果。

3.1 CRITIC-熵權(quán)法組合權(quán)重模型

通過層間相關(guān)性確定指標(biāo)重要性法（criteria importance through intercrieriacorrelation，CRITIC）是Diakoulaki等[19]于1995年提出的1種客觀賦權(quán)方法。該方法能夠通過評(píng)價(jià)指標(biāo)的對(duì)比強(qiáng)度和沖突性來衡量指標(biāo)的客觀權(quán)重，但是不能衡量指標(biāo)之間的離散程度。而熵權(quán)法正是根據(jù)指標(biāo)間的離散程度來確定指標(biāo)權(quán)重，綜合使用CRITIC法和熵權(quán)法能夠更加客觀反映指標(biāo)的權(quán)重[20]。因此，選擇綜合使用CRITIC-熵權(quán)法樞紐換乘銜接效果指標(biāo)的權(quán)重。

設(shè)有m個(gè)評(píng)價(jià)對(duì)象，n個(gè)評(píng)價(jià)指標(biāo)，原始數(shù)據(jù)為xij，i=1,2,…,m；j=1,2,…,n，首先進(jìn)行量綱一的量化處理。

式中：Xmax和Xmin分別為第j項(xiàng)指標(biāo)的最大值和最小值；xij為處理后數(shù)據(jù)。

經(jīng)過量綱一的量化處理后，各項(xiàng)評(píng)價(jià)指標(biāo)的值的范圍均在0～1，且越接近于1，代表該指標(biāo)的評(píng)價(jià)水平越高。

1）CRITIC法。根據(jù)CRITIC方法計(jì)算權(quán)重,計(jì)算第j項(xiàng)指標(biāo)的信息量。

式中：cj為第j項(xiàng)指標(biāo)的信息量；σj，分別為第j項(xiàng)指標(biāo)的標(biāo)準(zhǔn)差和平均值；rij為第i項(xiàng)指標(biāo)與第j項(xiàng)指標(biāo)之間的相關(guān)系數(shù)。

計(jì)算第j項(xiàng)指標(biāo)的權(quán)重。

2）熵權(quán)法。根據(jù)熵權(quán)法計(jì)算權(quán)重，計(jì)算第i個(gè)評(píng)價(jià)對(duì)象第j項(xiàng)指標(biāo)出現(xiàn)的概率。

計(jì)算第j項(xiàng)指標(biāo)的信息熵。

計(jì)算第j項(xiàng)指標(biāo)的權(quán)重。

計(jì)算組合權(quán)重。

由于CRITIC法結(jié)合了標(biāo)準(zhǔn)差系數(shù)法、均方差法和主成分分析法的優(yōu)勢(shì),充分考慮了指標(biāo)對(duì)比強(qiáng)度及數(shù)據(jù)間的關(guān)聯(lián)性,而熵權(quán)法則從離散程度間接反映指標(biāo)重要性假設(shè)，進(jìn)而實(shí)現(xiàn)了客觀賦權(quán)法間的優(yōu)勢(shì)互補(bǔ)。因此假設(shè)2種賦權(quán)方法具有相同的重要性，取β=0.5[21]。

3.2 TOPSIS模型

優(yōu)劣解距離法（technique for order preference by similarity to ideal solution，TOPSIS）根據(jù)有限評(píng)價(jià)對(duì)象與理想化目標(biāo)的接近程度來進(jìn)行排序，且通過衡量評(píng)價(jià)對(duì)象與最優(yōu)解、最劣解的距離進(jìn)行排序[22]。綜合運(yùn)用CRITIC方法、熵權(quán)法、TOPSIS方法，可有效地克服傳統(tǒng)TOPSIS方法無法反映變量之間相關(guān)性和重要程度的缺點(diǎn)，通過量綱一的量化處理也可以有效避免逆序問題。

1）計(jì)算加權(quán)矩陣。

式中：Vij=xij·wj，wj為第j項(xiàng)指標(biāo)的權(quán)重。

2）確定正理想解和負(fù)理想解。

式中：J1為越大越優(yōu)型指標(biāo)集合，J2為越小越優(yōu)型指標(biāo)集合。

3）計(jì)算評(píng)價(jià)對(duì)象到正、負(fù)理想解的距離。

計(jì)算第i個(gè)評(píng)價(jià)對(duì)象與理想解的相對(duì)貼近度。

式中：0≤δ≤1，根據(jù)δi數(shù)值大小進(jìn)行排序，數(shù)值越大表明越接近最優(yōu)水平。

4 實(shí)驗(yàn)方法及結(jié)果分析

4.1 實(shí)驗(yàn)方法

由于社會(huì)力模型已成功應(yīng)用于PTV Vissim、MassMotion、Anylogic等商業(yè)軟件微觀行人人群模擬的基本模型中，且AnyLogic軟件是1款基于社會(huì)力模型的仿真軟件，可以完成混合系統(tǒng)、系統(tǒng)動(dòng)力學(xué)及基于agent的建模和仿真，能夠?yàn)槭褂谜咛峁┆?dú)特的仿真方法，AnyLogic能夠創(chuàng)建二維或三維下的建筑物或存在大量行人運(yùn)動(dòng)的區(qū)域，且能夠直接觀察仿真過程，并輸出仿真過程中的行人密度、時(shí)間、速度等數(shù)據(jù)，進(jìn)而預(yù)測(cè)系統(tǒng)條件變化可能產(chǎn)生的影響[13]。并能夠?qū)π腥说纳缃痪嚯x進(jìn)行設(shè)置，因此本文選擇Anylogic來對(duì)保持社交距離下的旅客換乘行為進(jìn)行模擬，并通過對(duì)不同社交距離下的換乘效果進(jìn)行評(píng)價(jià)，分析社交距離對(duì)樞紐換乘銜接效果的影響。

重慶西站為中國鐵路成都局集團(tuán)有限公司的特等站，集長途客車、公交、軌道交通、出租車和網(wǎng)約車等多種交通方式于一體。除通過小汽車進(jìn)站以外，其余所有進(jìn)出站方式均需在綜合客運(yùn)樞紐部分進(jìn)行換乘，因此涉及的進(jìn)出站時(shí)間只包括在綜合客運(yùn)樞紐部分進(jìn)行換乘的時(shí)間，具體為軌道交通出站時(shí)間、出租車出站時(shí)間、長途客車進(jìn)站時(shí)間、軌道交通進(jìn)站時(shí)間、長途客車出站時(shí)間、網(wǎng)約車出站時(shí)間、公交出站時(shí)間、公交進(jìn)站時(shí)間等5種出站時(shí)間和3種進(jìn)站時(shí)間。

通過對(duì)12306官方網(wǎng)站，查詢重慶西站的到發(fā)列車情況，確定重慶西站的客流高峰小時(shí)。通過對(duì)重慶西站實(shí)地走訪，調(diào)查其結(jié)構(gòu)布局與高峰小時(shí)客流量及各種進(jìn)出站方式的客流比例，并以此為基礎(chǔ)構(gòu)建Anylogic仿真軟件的底圖及作為仿真參數(shù)的輸入。通過Anylogic仿真軟件，對(duì)高峰小時(shí)為4 000，4 500，5 000，5 500，6 000，6 500，7 000，7 500，8 000人等9種不同客流量及0，1，1.5，2 m等4種不同社交距離，共計(jì)36種不同客流和社交距離組合方案，分別進(jìn)行2次仿真，共計(jì)進(jìn)行72次仿真，并輸出各項(xiàng)評(píng)價(jià)指標(biāo)結(jié)果。

4.2 相關(guān)性分析

為了探討客流量和社交距離與各評(píng)價(jià)指標(biāo)之間的關(guān)系，對(duì)輸出的各項(xiàng)評(píng)價(jià)指標(biāo)結(jié)果進(jìn)行無量綱化處理后，根據(jù)數(shù)據(jù)分布特點(diǎn)，對(duì)客流量和社交距離與評(píng)價(jià)指標(biāo)之間的相關(guān)性進(jìn)行Spearman假設(shè)性檢驗(yàn)，見表3。客流量與密度數(shù)、平均密度、排隊(duì)時(shí)間、進(jìn)站時(shí)間，以及出站率評(píng)價(jià)值具有顯著的負(fù)相關(guān)關(guān)系，即總體而言，客流量越大，密度數(shù)、平均密度、排隊(duì)時(shí)間、進(jìn)站時(shí)間，以及出站率評(píng)價(jià)值越?。簧缃痪嚯x與密度數(shù)、平均密度具有顯著的正相關(guān)關(guān)系，與進(jìn)站時(shí)間、出站時(shí)間、進(jìn)站率，以及出站率評(píng)價(jià)值具有顯著的負(fù)相關(guān)關(guān)系，即總體而言，社交距離越大，疫情傳播擴(kuò)散風(fēng)險(xiǎn)評(píng)價(jià)值越大，進(jìn)出站時(shí)間，以及進(jìn)出站效率評(píng)價(jià)值越小。通過各項(xiàng)評(píng)價(jià)指標(biāo)隨不同客流量和不同社交距離變化情況，進(jìn)一步明確不同社交距離和不同客流量與各評(píng)價(jià)指標(biāo)之間的變化情況，見圖2～4。由圖2可見：①進(jìn)站時(shí)間、出站時(shí)間和排隊(duì)時(shí)間評(píng)價(jià)值在社交距離為0，1，1.5 m，進(jìn)站時(shí)間和排隊(duì)時(shí)間在2 m社交距離下，呈現(xiàn)出隨社交距離的增大而逐漸減少的趨勢(shì)，這是因?yàn)樯缃痪嚯x對(duì)旅客的行動(dòng)產(chǎn)生了影響，并且社交距離越遠(yuǎn)，影響程度更為嚴(yán)重；②排隊(duì)時(shí)間評(píng)價(jià)值在社交距離為2 m時(shí)出現(xiàn)上下波動(dòng)的現(xiàn)象，結(jié)合仿真實(shí)時(shí)情況，發(fā)現(xiàn)此時(shí)在鐵路進(jìn)站口聚集大量旅客，但不能形成有效排隊(duì)隊(duì)伍，造成旅客不能正常進(jìn)站。這說明此時(shí)的社交距離對(duì)鐵路進(jìn)站口的進(jìn)站行為產(chǎn)生了更為嚴(yán)重的影響，因此在統(tǒng)計(jì)排隊(duì)時(shí)長時(shí)，不能正確統(tǒng)計(jì)出排隊(duì)時(shí)間，2 m社交距離下的排隊(duì)時(shí)間較短，其評(píng)價(jià)值呈現(xiàn)出較高的水平，同時(shí)由于沒有形成有效排隊(duì)隊(duì)伍，此時(shí)也會(huì)降低進(jìn)站人數(shù)，導(dǎo)致進(jìn)站率降低，使進(jìn)站率評(píng)價(jià)值大幅降低；③出站時(shí)間評(píng)價(jià)值在社交距離為2 m情況下，隨客流量的增大呈現(xiàn)出明顯的下降趨勢(shì)，結(jié)合仿真實(shí)時(shí)情況，發(fā)現(xiàn)在換乘大廳層城市軌道交通進(jìn)站口前聚集了大量旅客，進(jìn)站速率受到嚴(yán)重影響，這是因?yàn)? m的社交距離也對(duì)城市軌道交通進(jìn)站口的進(jìn)站行為造成了影響，且隨客流量的增大影響程度也變大。

表3 Spearman假設(shè)性檢驗(yàn)Tab.3 Spearman hypothesis test

圖2 進(jìn)出站時(shí)間指標(biāo)評(píng)價(jià)值隨客流量和社交距離變化情況Fig.2 The change of the entry and exit time index evaluation value with the passenger flow and social distance

由圖3可見：進(jìn)站率評(píng)價(jià)值隨社交距離的增大呈現(xiàn)出逐步下降的趨勢(shì)，隨客流量的增長呈現(xiàn)出小幅下降趨勢(shì)。出站率值在社交距離為0 m和1 m情況下，隨客流量的增長出現(xiàn)小幅上下波動(dòng)現(xiàn)象，且波動(dòng)范圍基本一致，在1.5 m情況下，出現(xiàn)小幅下降趨勢(shì)，在2 m情況下，出現(xiàn)大幅下降趨勢(shì)，且與出站時(shí)間評(píng)價(jià)值隨客流量和社交距離變化的情況基本一致。

圖3 進(jìn)出站效率指標(biāo)隨客流量和社交距離變化情況圖Fig.3 The change of the inbound and outbound efficiency index with the passenger flow and social distance

由圖4可見：平均密度評(píng)價(jià)值在社交距離為0，1，1.5 m的情況下，出現(xiàn)小幅下降趨勢(shì)，但均維持在較高水平。平均密度評(píng)價(jià)值在社交距離為2 m，客流量超過6 000人時(shí)，開始出現(xiàn)大幅下降趨勢(shì)。密度數(shù)值均隨客流量的增大出現(xiàn)了不同程度的下降趨勢(shì)，社交距離為0時(shí)，密度數(shù)水平一直處于較低水平，這是因?yàn)槁每痛藭r(shí)無需與其他旅客保持社交距離，因此容易造成多區(qū)域密度超過0.75人/m2現(xiàn)象，導(dǎo)致密度數(shù)評(píng)價(jià)值偏低。

圖4 疫情防控指標(biāo)隨客流量和社交距離變化情況圖Fig.4 Graph of changes in epidemic prevention and control indicators with passenger flow and social distance

4.3 指標(biāo)權(quán)重分析

通過CRITIC-熵權(quán)法組合權(quán)重法得到的換乘銜接效果評(píng)價(jià)指標(biāo)權(quán)重見表4。一級(jí)指標(biāo)中，疫情傳播風(fēng)險(xiǎn)、進(jìn)出站時(shí)間和進(jìn)出站效率指標(biāo)權(quán)重分別為41.09%，36.08%和22.84%，說明疫情傳播風(fēng)險(xiǎn)是本換乘銜接效果評(píng)價(jià)模型的第一要素，進(jìn)出站時(shí)間和進(jìn)出站效率也對(duì)換乘銜接效果評(píng)價(jià)產(chǎn)出了重要影響。從二級(jí)指標(biāo)來看，密度數(shù)的綜合權(quán)重為35.13%，排在所有指標(biāo)中的第1位，說明在綜合客運(yùn)樞紐內(nèi)，保持一定的社交距離對(duì)樞紐內(nèi)疫情傳播風(fēng)險(xiǎn)的評(píng)估具有重要作用。進(jìn)站率、進(jìn)站時(shí)間和進(jìn)站口的排隊(duì)時(shí)間分別排在第2/3/4位，說明重慶西站綜合客運(yùn)樞紐的鐵路進(jìn)站口的進(jìn)站效率對(duì)換乘效果的評(píng)估具有重要影響作用。出站時(shí)間、平均密度和出站率位于權(quán)重占比的后3位，說明重慶西站各出站接駁運(yùn)輸方式的服務(wù)能力較好。

表4 換乘銜接效果評(píng)價(jià)指標(biāo)權(quán)重Tab.4 Weights of evaluation indicators for transfer and connection effect單位：%

4.4 換乘銜接效果評(píng)價(jià)分析

采用TOPSIS評(píng)價(jià)模型，得到的不同客流量和社交距離下的二級(jí)評(píng)價(jià)指標(biāo)換乘銜接效果見表5，通過加權(quán)及匯總計(jì)算得到不同社交距離下一級(jí)評(píng)價(jià)指標(biāo)的評(píng)價(jià)水平見表6。按照不同社交距離進(jìn)行分組后，評(píng)價(jià)結(jié)果按優(yōu)劣排序的社交距離組別為1，1.5，0，2 m，其換乘銜接效果綜合評(píng)價(jià)水平為分別為0.846，0.673，0.629，0.527，社交距離為1 m相對(duì)于社交距離為1.5，0，2 m，換乘銜接效果綜合評(píng)價(jià)水平分別提升25.71%，34.50%，60.35%，疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值平均提高53.74%，進(jìn)出站時(shí)間指標(biāo)評(píng)價(jià)值平均提高20.86%，進(jìn)出站效率指標(biāo)評(píng)價(jià)值平均提高47.79%。

表5 不同社交距離下二級(jí)評(píng)價(jià)指標(biāo)的評(píng)價(jià)值水平Tab.5 Evaluation levels of the second-level evaluation indicators under different social distances

表6 不同社交距離下一級(jí)評(píng)價(jià)指標(biāo)的評(píng)價(jià)值水平Tab.6 Evaluation levels of the first-level evaluation indicators of different social distances

因此，可以認(rèn)為綜合客運(yùn)樞紐在社交距離為1 m的情況下，樞紐的換乘銜接效果最好，同時(shí)也能減少疫情在樞紐內(nèi)傳播擴(kuò)散的風(fēng)險(xiǎn)。

通過對(duì)1 m社交距離在不同客流量下的綜合評(píng)價(jià)水平進(jìn)行對(duì)比，見圖5。由圖5可見：客流量超過5 000和7 000人時(shí)，服務(wù)水平出現(xiàn)了較大幅度的下降，降幅分別為10.75%和12.05%。結(jié)合圖1～3可見：社交距離為1 m，客流量為5 500人時(shí)，除進(jìn)站率之外的其他評(píng)價(jià)指標(biāo)相較于社交距離為1 m，客流量為5 000人時(shí)都有小幅度下降；社交距離為1 m、客流量為7 500人時(shí)，相較于社交距離為1 m、客流量為7 000人時(shí)，排隊(duì)時(shí)間評(píng)價(jià)值下降30.86%，而社交距離為1 m的其他評(píng)價(jià)指標(biāo)并未隨客流量的增長出現(xiàn)明顯的變化。因此，在保持社交距離為1 m的情況下，當(dāng)高峰小時(shí)客流量超過5 000人時(shí)，除進(jìn)站率之外的其他評(píng)價(jià)指標(biāo)均有小幅度下降，當(dāng)高峰小時(shí)客流量超過7 000人時(shí)，排隊(duì)時(shí)間評(píng)價(jià)值會(huì)出現(xiàn)1個(gè)大幅度的下降，這2者都導(dǎo)致在客流量超過5 000和7 500人時(shí)的換乘銜接效果綜合評(píng)價(jià)水平出現(xiàn)了大幅的下降。

圖5 1 m社交距離在不同客流量下的綜合服務(wù)水平Fig.5 Comprehensive service level of 1-meter social distance under different passenger flow

由表6可見：不設(shè)置社交距離限制（即社交距離為0 m）時(shí)相較于設(shè)置了社交距離限制（即社交距離為1，1.5，2 m）時(shí)，綜合評(píng)價(jià)水平平均降低7.77%，進(jìn)出站時(shí)間指標(biāo)評(píng)價(jià)值平均提高47.08%，進(jìn)出站效率指標(biāo)評(píng)價(jià)值平均提高60.00%，而疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值平均降低70.09%。

社交距離為0 m時(shí)的疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)的評(píng)價(jià)值僅為0.099，通過對(duì)仿真密度圖的觀察發(fā)現(xiàn)，0 m社交距離下的旅客由于未受到社交距離的限制，更容易形成客流集聚現(xiàn)象，導(dǎo)致部分區(qū)域平均密度過高，特別是當(dāng)客流量超過5 000人/h時(shí)，超過0.75人/m2的密度數(shù)均超過20處；1 m和1.5 m社交距離的疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值均保持在較高水平，此外，社交距離為1 m和1.5 m的平均密度評(píng)價(jià)值和密度數(shù)評(píng)價(jià)值在相同客流量下基本保持在相同的水平，而當(dāng)客流量為8 000人/h時(shí)，1.5 m社交距離下的密度數(shù)水平出現(xiàn)了1個(gè)較大幅度的上升；社交距離為2 m，在客流量小于6 500人/h時(shí)，平均密度評(píng)價(jià)值和密度數(shù)評(píng)價(jià)值均處于較高評(píng)價(jià)水平，且大于社交距離為0 m的評(píng)價(jià)值；在客流量超過6 500人/h情況下，2 m社交距離下的平均密度評(píng)價(jià)值和密度數(shù)評(píng)價(jià)值均出現(xiàn)較大幅度下降的情況，且2 m社交距離下的平均密度評(píng)價(jià)值低于0 m社交距離下的評(píng)價(jià)值，但2 m和0 m社交距離下的密度數(shù)評(píng)價(jià)值均處于接近于0的低水平。由于密度數(shù)和平均密度占綜合綜合評(píng)價(jià)水平的權(quán)重分別為39.7%和3.91%，因此2 m社交距離的疫情傳播風(fēng)險(xiǎn)評(píng)價(jià)值要高于0 m社交距離的評(píng)價(jià)值。

5 結(jié)束語

1）平均密度超過0.75人/m2的點(diǎn)位數(shù)、進(jìn)站口排隊(duì)時(shí)間、進(jìn)站時(shí)間和進(jìn)站率對(duì)綜合客運(yùn)樞紐換乘銜接效果綜合評(píng)價(jià)水平的影響較為關(guān)鍵，平均密度、出站時(shí)間和出站率對(duì)綜合客運(yùn)樞紐換乘銜接效果評(píng)價(jià)水平的影響作用并不明顯。

2）綜合客運(yùn)樞紐換乘銜接效果最好的社交距離為1 m，相對(duì)于社交距離為1.5，0，2 m，換乘銜接效果綜合評(píng)價(jià)水平分別提升25.71%，34.50%，60.35%，疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值平均提高53.74%，進(jìn)出站時(shí)間指標(biāo)評(píng)價(jià)值平均提高20.86%，進(jìn)出站效率指標(biāo)評(píng)價(jià)值平均提高47.79%。

3）建議綜合客運(yùn)樞紐應(yīng)該繼續(xù)保持1 m的社交距離。在保持社交距離為1 m的情況下，當(dāng)高峰小時(shí)客流量超過5 000人時(shí)，除進(jìn)站率之外的其他評(píng)價(jià)指標(biāo)評(píng)價(jià)值均有小幅度下降，當(dāng)高峰小時(shí)客流量超過7 000人時(shí)，排隊(duì)時(shí)間評(píng)價(jià)值出現(xiàn)1個(gè)大幅度的下降，這二者都導(dǎo)致在客流量超過5 000和7 500人時(shí)的換乘銜接效果綜合評(píng)價(jià)水平出現(xiàn)了大幅的下降。

4）對(duì)社交距離不進(jìn)行限制時(shí)比限制了社交距離時(shí)，綜合評(píng)價(jià)水平平均降低7.77%，進(jìn)出站時(shí)間指標(biāo)評(píng)價(jià)值平均提高47.08%，進(jìn)出站效率指標(biāo)評(píng)價(jià)值平均提高60.00%，而疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值平均降低70.09%。

現(xiàn)有研究缺乏對(duì)評(píng)價(jià)社交距離對(duì)樞紐換乘銜接效果影響的討論，通過引入疫情傳播擴(kuò)散風(fēng)險(xiǎn)指標(biāo)，創(chuàng)新性地提出1種適用于評(píng)價(jià)社交距離下的樞紐換乘銜接效果的指標(biāo)體系，并通過采用評(píng)價(jià)的方法來分析社交距離對(duì)樞紐換乘銜接效果的影響。本文提出的評(píng)價(jià)指標(biāo)體系既能體現(xiàn)出保持社交距離下樞紐換乘銜接效果水平，又考慮了疫情傳播擴(kuò)散的風(fēng)險(xiǎn)，克服了傳統(tǒng)樞紐評(píng)價(jià)方法在考慮疫情傳播風(fēng)險(xiǎn)方面的不足。由于在大客流及2 m社交距離下，旅客行動(dòng)力受到較大限制，Anylogic統(tǒng)計(jì)的部分進(jìn)站口排隊(duì)時(shí)間有一定的不足，未來研究可在此做出進(jìn)一步優(yōu)化。