摘要 為了研究影響地鐵車站人員應(yīng)急疏散行為的因素，綜合考慮年齡、性別、安全意識等因素設(shè)計了特殊事件下地鐵站行人行為的調(diào)查問卷。依據(jù)293份問卷數(shù)據(jù)對各因素進(jìn)行檢驗，進(jìn)行相關(guān)性分析，研究它們對行人疏散行為及人群心理反應(yīng)所產(chǎn)生的影響。以大連馬欄廣場地鐵站為例，文章采用AnyLogic平臺進(jìn)行建模，模擬高峰期站內(nèi)出現(xiàn)突發(fā)事件的行人疏散過程，引入合理引導(dǎo)人群分流等方式對人群行為進(jìn)行干預(yù)，通過仿真，最終將疏散時間控制在所要求的6 min內(nèi)，有效提高了疏散效率，為地鐵應(yīng)急疏散提供了參考建議。

關(guān)鍵詞 地鐵站應(yīng)急疏散；調(diào)查問卷；疏散行為；Anylogic建模

中圖分類號 U298 文獻(xiàn)標(biāo)識碼 A 文章編號 2096-8949（2024）13-0014-04

0 引言

地鐵系統(tǒng)以其高效、便捷、大容量的特性，成為城市公共交通的主力軍。然而，隨著城市規(guī)模的擴大和客流量的持續(xù)增加，運營安全問題越發(fā)突出[1]。當(dāng)前，地鐵應(yīng)急疏散面臨著諸多挑戰(zhàn)，如大客流、有限空間、復(fù)雜環(huán)境等。作為疏散的目標(biāo)，站內(nèi)行人的行為對疏散效率具有非常大的影響[2]，我國也對地鐵站的疏散能力進(jìn)行了規(guī)范[3-4]。目前國內(nèi)外學(xué)者已針對行人的疏散行為特性展開研究，穆娜娜等[5]調(diào)查了乘客的心理行為狀態(tài)并針對其對疏散行為的影響進(jìn)行了研究；Elias W等[6]通過調(diào)查以色列的城市，評估了乘客對風(fēng)險感知的程度，以及事件對行為模式選擇的影響；張延珍等[7]從地鐵站設(shè)備布局、客流分流及運營管理等方面，完善了車站客流組織的路徑優(yōu)化分析。

該研究針對我國地鐵城市行人的地鐵出行情況及特殊條件下行為和心理進(jìn)行調(diào)查，通過性別、年齡、學(xué)歷等因素產(chǎn)生的差異，分析其對疏散行為產(chǎn)生的影響，研究站內(nèi)工作人員對行人疏散行為的影響程度，通過AnyLogic軟件建模，對乘客得到引導(dǎo)前后的疏散時間差異進(jìn)行對比，分析合理引導(dǎo)人群對地鐵車站疏散效率產(chǎn)生的影響，為疏散方案提供了參考借鑒。

1 突發(fā)事件下行人行為數(shù)據(jù)分析

1.1 問卷設(shè)計

該文的問卷設(shè)計由行人基本信息、地鐵安全知識了解程度、正常情況下行為及突發(fā)事件下的疏散行為等幾個方面組成。

通過網(wǎng)絡(luò)及現(xiàn)場分發(fā)問卷，共發(fā)布問卷300份，收回有效問卷293份。該次調(diào)查問卷中關(guān)于熟悉程度的克隆巴赫Alpha系數(shù)為0.770，關(guān)于影響程度的克隆巴赫Alpha系數(shù)為0.667，整體的克隆巴赫Alpha系數(shù)為0.768，均大于0.6，說明此次調(diào)查的信度較好。

1.2 基本信息分析

通過發(fā)放調(diào)查問卷，大致總結(jié)出我國地鐵乘客的構(gòu)成如下：

（1）性別及年齡：該次調(diào)查問卷中，男性乘客為128人，占總?cè)藬?shù)的43.7%；女性乘客為165人，占總?cè)藬?shù)的56.3%，表明地鐵乘客中女性乘客的數(shù)量多于男性。地鐵乘坐者整體呈現(xiàn)較為年輕的趨勢，年齡在18～25歲及26～35歲之間的受訪者較多，占總?cè)藬?shù)的61.09%。

（2）職業(yè)：該次調(diào)查問卷中，上班族和工人的人數(shù)最多，分別占比25.6%和24.57%；退休人士、商戶/服務(wù)業(yè)工作者、學(xué)生、其他職業(yè)的人數(shù)分別占比19.8%、12.63%、11.6%、5.8%，相對前兩者占比較小?？梢钥闯?，以地鐵為主要交通方式的主要職業(yè)群體為上班族和工人。

（3）文化程度：該次調(diào)查問卷中，可以得出乘坐地鐵的人群中，學(xué)歷為初高中的人數(shù)最多，占比達(dá)到49.15%；其次是本?？?，占比為36.18%；小學(xué)和研究生的選擇人數(shù)相對較少，分別占比11.26%和3.41%。由此可得，參與該次調(diào)查的人群中，大部分人的文化程度在初高中和本?？浦g。

（4）安全知識熟悉程度：該次調(diào)查問卷中，有72.01%的乘客表示對安全知識的掌握程度在熟悉以上，14.68%的乘客對安全知識的熟悉度一般；此外，分別有6.83%和6.48%的乘客表示不熟悉和從未了解。

1.3 各因素對乘客疏散行為的影響

（1）性別：通過調(diào)查問卷分析，如圖1所示，在突發(fā)事件下疏散時，男性選擇迅速撤離的有46%，首先確認(rèn)情況的有27%，原地等待和報警并通知他人的均為11%，協(xié)助疏散的有6%；女性在相應(yīng)選擇上的人數(shù)依次為67%、18%、4%、3%、8%。說明女性第一反應(yīng)大多為迅速撤離，但男性在確認(rèn)情況及協(xié)助疏散的比例高于女性乘客，這表明男性在突發(fā)狀況時的反應(yīng)相較于女性更加冷靜。

（2）年齡：通過分析，如圖1所示，各年齡段乘客的第一反應(yīng)為迅速撤離現(xiàn)場的分別占該年齡段人數(shù)的62%、56%、77%、56%、41%及55%。但明顯可以看出，年齡在18～35歲的乘客反應(yīng)速度較快，往往能立即做出撤離反應(yīng)，年齡在36歲以上的乘客能夠更加冷靜判斷現(xiàn)場情況，年齡在46～55歲及56歲以上的乘客選擇原地等待救援的乘客比例分別為13%和9%，疏散行為被動的比例高于其他年齡段。

（3）文化程度：通過分析，如圖1所示，學(xué)歷在初高中以上乘客在疏散時相對更加冷靜，冷靜觀察現(xiàn)場情況的比例較高，并有部分乘客協(xié)助疏散人群。同時可以看出，學(xué)歷越高的乘客疏散行為更為主動，初高中和本專科的主動疏散行為占70%以上。

（4）安全知識熟悉程度：通過調(diào)查問卷分析，如圖1所示，對于安全知識熟悉度較高的乘客在疏散行為上更為主動，能夠更快地做出自救反應(yīng)，并且由統(tǒng)計數(shù)據(jù)可以看出，對地鐵安全知識熟悉的乘客比例較高，占總?cè)藬?shù)的72%，這也說明目前乘客對于地鐵安全十分重視。

1.4 基于Logistic模型的乘客疏散行為分析

使用SPSS軟件，將年齡、性別、文化程度、對地鐵緊急疏散相關(guān)安全知識的熟悉程度為自變量，而將“地鐵站發(fā)生事故（火災(zāi)、恐怖襲擊等），您的第一反應(yīng)”作為因變量進(jìn)行二元Logistic回歸分析。

從表1可以看出，年齡、性別、文化程度以及安全知識熟悉程度的顯著性（P）值均小于0.05，年齡、性別、文化程度以及安全知識熟悉程度分別為4.941、0.003、2.548及13.545，都對地鐵站出現(xiàn)突發(fā)事件時乘客的行為有顯著影響。

1.5 站內(nèi)工作人員引導(dǎo)對于疏散行為影響分析

表2為各因素與工作人員對疏散行為影響的交叉統(tǒng)計表，可以看出大部分乘客在疏散過程中行為都會受到站內(nèi)工作人員的引導(dǎo)的影響，影響程度與乘客的性別、年齡、文化水平有一定關(guān)系。性別上，女性更容易受到影響，僅有18%的女性乘客表明疏散時工作人員對自己的影響程度較??；年齡上，56歲以上的乘客受到的影響程度大及以上的占比54%，相對其他年齡段占比最小，這與乘客的身體狀況及反應(yīng)速度相關(guān)，25歲以下受工作人員影響小的乘客不超過20%，46歲以上中有41%及45%的乘客表示影響一般或更小。文化水平上，學(xué)歷為小學(xué)及以下、初高中、本?？啤⒀芯可某丝捅硎臼艿秸緝?nèi)工作人員引導(dǎo)影響程度為大及以上分別總占比66%、65%、58%、40%，說明學(xué)歷越高的乘客，疏散行為更傾向于自我判斷，文化水平在初高中的乘客有65%表示受到的影響較大，相同程度下，學(xué)歷為研究生及以上的乘客僅有40%。

2 仿真疏散及分析

2.1 研究對象

該文選取馬欄廣場地鐵站為研究對象，該站位于遼寧省大連市甘井子區(qū)馬欄廣場與黃河路和紅旗東路的交界處，車站臨近大連市第五人民醫(yī)院、住宅區(qū)及各個商城，且為101、522、702路等多條公交線路的換乘樞紐，交通便利、人流量密集。

該地鐵站為地下二層島式站臺車站，由地下一層站廳層和地下二層站臺層構(gòu)成，為地鐵2號線的通行車站。在AnyLogic軟件中建立模型，地鐵站臺長約101 m，寬約9.4 m；站廳長約111.5 m，寬約15 m，內(nèi)部有閘機，安檢等設(shè)施。

2.2 參數(shù)設(shè)定

通過現(xiàn)場實地調(diào)研，行人參數(shù)統(tǒng)計見表3所示。通過多次現(xiàn)場調(diào)查，該站高峰期進(jìn)站候車人數(shù)為80～110人，列車內(nèi)人數(shù)為1 583～1 600人，該文最終選取平均值1 628人作為仿真模型的疏散總?cè)藬?shù)。

2.3 模型驗證

2.3.1 理論疏散時間

根據(jù)《地鐵安全疏散規(guī)范》[4]規(guī)定，站臺發(fā)生事故時的乘客疏散時間計算公式為：

式中，Ts，1——探測報警時間與人員預(yù)動作時間之和，取1 min。Ts，3按式（2）進(jìn)行計算：

自動扶梯通過能力取A1=170.6人/（分鐘·臺），A2=81.3人/（分鐘·臺），樓梯通過能力A3=123.3人/（分鐘·臺），N1表示用于疏散的自動扶梯數(shù)，取N1=2，N2表示當(dāng)作樓梯使用的自動扶梯數(shù)，取N2=0，B3表示樓梯寬度，均按照0.55 m的整倍數(shù)計算，取B3=2.2 m。

總的疏散時間計算公式為：

其中，通過檢票口的時間：

站廳檢票口通過能力為Ag，1=83人/分鐘；柵欄門寬Ng，2=1.1 m，通過能力為Ag，2=83人/分鐘。疏散時檢票口的必須疏散人員Q=120，Bg，1表示站廳欄柵門寬，均按照0.55 m的整倍數(shù)計算，取Bg，1=1.1。

根據(jù)以上公式，計算出該地鐵站的平均疏散時間為5.93 min。

2.3.2 仿真模型疏散時間

通過AnyLogic軟件模擬，表4為模型運行5次后得到的疏散時間。

通過模擬得到的疏散時間平均值為6.07 min，超過了規(guī)范所要求的6 min。圖2為疏散過程中的行人密度圖，可以看出站臺樓梯與扶梯區(qū)域?qū)儆谌菀桩a(chǎn)生擁堵的區(qū)域；這是由于站臺層的空間限制，嚴(yán)重影響了乘客的通過效率，且受樓扶梯通過能力的影響，乘客無法及時疏散，明顯可以看出此處的人群密度較大，乘客難以移動，故而在樓梯口附近產(chǎn)生了擁堵現(xiàn)象。

由圖2還可以看出，站廳層相對站臺寬闊，乘客擁擠現(xiàn)象相對站臺層較輕，主要的擁擠區(qū)域集中在閘機及疏散通道處，拐角的擁擠現(xiàn)象較為嚴(yán)重，但是乘客在疏散過程中由于從眾心理，并且下意識尋找最短疏散路徑，在站內(nèi)形成區(qū)域內(nèi)擁擠，從而影響疏散效率。

2.4 行人行為優(yōu)化

為提高疏散效率，現(xiàn)對站內(nèi)客流加以引導(dǎo)措施，設(shè)定疏散時有站內(nèi)工作人員的干預(yù)，即對人員密集的區(qū)域引流，使一部分乘客通過人群較少的路徑疏散，圖3為優(yōu)化一次后的運行結(jié)果，優(yōu)化后的疏散完成時間較優(yōu)化前有顯著縮短。

采用引導(dǎo)人流的優(yōu)化措施后，經(jīng)過5次模型運行，所用的疏散時間如表5所示，所用的平均疏散時間縮短為5.79 min，相較沒有引導(dǎo)前的疏散完成時間，該結(jié)果符合規(guī)范所要求的6 min內(nèi)，提高了緊急情況下行人的疏散效率，一定程度上改善了擁堵情況，能夠更加有效地避免出現(xiàn)人群踩踏事故。

3 結(jié)論

通過對地鐵乘客的調(diào)查，表明性別、年齡及文化水平等方面的不同導(dǎo)致其疏散行為存在差異，受工作人員影響的程度也不同，例如：男性較女性更為冷靜，疏散行為更主動，女性更容易被影響；年輕的乘客反應(yīng)更為迅速，越容易受引導(dǎo)，而年長的乘客相對更加冷靜，傾向于自己選擇疏散路徑；學(xué)歷更高的乘客疏散行為更加冷靜且迅速，在疏散過程中更傾向于個人判斷；越熟悉安全知識的乘客越能冷靜地采取迅速行動。

通過AnyLogic軟件建模，首先模擬未經(jīng)干預(yù)情況下的人群疏散情況，結(jié)果顯示在多數(shù)情況下，人群的疏散時間超過了《地鐵安全疏散規(guī)范》所要求的6 min。通過對客流進(jìn)行引導(dǎo)，使一部分乘客被引導(dǎo)至人群較為寬松的路徑上，運行結(jié)果顯示疏散時間顯著減少。充分驗證經(jīng)過引導(dǎo)后的乘客疏散效率，能夠得到顯著提升。

參考文獻(xiàn)

[1]趙保鋒， 晉君， 陳慶龍， 等. 地鐵安全疏散分析與討論[J]. 技術(shù)與市場， 2022（11）： 73-75.

[2]李微微， 樓曉雷， 楊文杰， 等. 大客流場景下地鐵電扶梯故障的乘客疏散[J]. 深圳大學(xué)學(xué)報（理工版） ， 2024（1）： 83-91.

[3]地鐵設(shè)計防火標(biāo)準(zhǔn)： GB 51298—2018[S]. 北京：中國計劃出版社， 2018.

[4]地鐵安全疏散規(guī)范： GB/T 33668—2017[S]. 北京：中國標(biāo)準(zhǔn)出版社， 2017.

[5]穆娜娜， 肖國清， 何理， 等. 地鐵人員疏散心理行為調(diào)查及相關(guān)性研究[J]. 中國安全生產(chǎn)科學(xué)技術(shù)， 2013（6）： 85-90.

[6]Elias W， Albert G， Shiftan Y. Travel behavior in the face of surface transportation terror threats[J]. Transport policy， 2013， 28： 114-122.

[7]張延珍， 丁鴻飛， 張美娟， 等. 基于Anylogic地鐵站客流組織優(yōu)化分析[J]. 黑龍江科學(xué)， 2023（18）： 148-151.

收稿日期：2024-02-18

作者簡介：付君窈（1999—），女，碩士在讀，研究方向：交通安全系統(tǒng)工程。