乘客登机离港情景下的首都机场T3航站楼行人流特征

任国友教授 王文涛 刘 旭

（1.中国劳动关系学院 安全工程学院应急决策与仿真分析实验室，北京 100048；2.首都经济贸易大学 安全与环境工程学院，北京 100070）

0 引言

机场类公众聚集场所（Airport Public Gathering Place，APGP）是城市公共安全管理的重要区域与场所之一。机场航站楼是一类典型的公众聚集场所，具有人员集中、人群复杂、局部人员密度高的特点[1]。其次，场所内人员流动性大，人员构成复杂。由于个体差异，在面对意外情况时，很容易造成现场混乱并导致事故的发生。因此，面对突发事件，研究人群在公众聚集场所的行为，实现高效、合理、准确的人员疏散非常重要。

针对行人的个体差异，行人流理论的研究最早开始于20世纪50年代。国外学者Fruin于1987年提出了宏观行人流特征的概念[2]，研究了行人在平均速度，行人密度和行人交通流方面的聚集性特征。May对行人流行为特征方面进行了研究，并将行人疏散仿真模型分为宏观仿真模拟和微观仿真模拟两大类[3]。Huang等人认为[4]，在一定条件下，Hughes模型中行人的路径选择行为满足用户动态平衡原则。国内学者陈涛等人[5]认为行人的行为减速是为了避免碰撞，从而修正了社会力模型。卢春霞[6]运用了波动理论研究人群在出口的拥挤行为。陈亮等人[7]模拟了双出口教室人员的疏散过程。赵光华和张广厚[8]对北京北苑交通枢纽的设计进行仿真模拟分析。张建勋等人[9]利用VISSIM仿真模拟软件对北京地铁客流量进行仿真模拟分析，但很少有关机场航站楼乘客群体行为的研究。鉴于此，本研究基于乘客登机离港情景，以首都机场T3航站楼作为仿真对象，运用MassMotion软件仿真分析了乘客群人流行为，揭示了首都机场T3航站楼进站与登机离港时行人流特征。

1 机场行人流影响因素及其特征

行人流特性差异可以从个体特征差异和非个体特征差异2方面进行分析。

1.1 个体因素及其特征

个体特征差异包括年龄、性别、文化和种族差异等因素。一是年龄。年龄是影响行人速度的一个重要因素。根据年龄可将人群分为3个阶段，15～40岁为青年，40～60岁为中年，60岁以上为老年。二是性别。仅考虑性别因素，男女身体结构存在差异，行走速度必定存在差异。通常，男人有更大的步伐和更快的步速。三是文化和种族差异。行人流研究目前多数在欧洲、亚洲、北美进行。亚洲人同西方人（欧洲，北美）身材有着明显的差异[10]。

1.2 非个体因素及其特征

非个体特征差异包括温度、携带行李状况、避让距离和建筑设施类型等因素。一是温度。温度对行人速度有明显的影响。二是携带行李状况。根据行李的大小尺寸可分为4种情况[11]。无行李或携带随身小包、小行李（公文包等）、中等行李（中等尺寸的行李箱等）和大行李（大件行李箱或两个及以上的中等尺寸行李箱）。三是避让距离。避让距离是指行人，行人和墙壁或障碍物之间的最小距离。这取决于周围环境和行人自由度[12]。四是建筑设施的类型。在公共场所，典型的建筑设施包括人行走道、过廊、电梯、楼梯、自动扶梯、推拉门和旋转门等。当行人使用垂直移动设施时，行人对向下方向的运动延迟更敏感[13]，穿过门时，形成拱形区域的可能性取决于门的宽度和行人的恐慌程度。

1.3 首都机场客流量调查统计

机场作为公众聚集场所，有其特殊之处，节假日相较日常工作日接待客流量增多。基于现实国情，每到节假日时，客流量急剧增大。目前，我国全年法定节假日（一般包括元旦、春节、清明节、劳动节、端午节、中秋节、国庆节）共7个，其中春节和国庆节持续时间最长，出行、回家的客流量是最多的。根据北青航媒发布的数据显示，首都机场T3航站楼占首都机场旅客流量近60%。研究将选取典型假期为例，机场会在假期前做好预计进出港旅客的数据统计，根据官网发布的数据统计可知，2018年4月5～7日将迎来“清明”小长假，在为期3天假期内，首都机场预计进出港旅客74.7万人次，日均24.9万人次[14]。在“五一”小长假期间，即4月29日～5月1日，首都机场预计保障进出港旅客80.5万人次，日均26.8万人次；进出港航班预计4860架次，日均1620架次。从这两个假期的数据比较可以看出，日均人数差别不大，总人数还是五一长假相对较多。与往年春运客流量比较，春运的日均客流量与上两个节假日持平，虽然春运客流量是最大的，但因为其持续时间长，所以人流数量分散。因此，得出结论节假日日均旅客量是大致相同的。

2 航站楼乘客人群行为仿真模型

2.1 首都机场T3航站楼概况及仿真工具选用

2.1.1 首都机场T3航站楼概况

北京首都国际机场3号航站楼主楼由荷兰机场顾问公司（NACO）和英国诺曼福斯特建筑事务所联合设计。机场所处北京市顺义区，位于北京城城区的东北方向，和市区有多条线路的连接，交通便利。3号候机楼是世界第二大单体航站楼，并且是中国最大的单体建筑。3号航站楼由主楼，国内候机大厅和国际候机大厅组成。配备自动处理高速传输的行李系统、快速客运、快速交通系统和总建筑面积98.6万平方米的信息系统。国际机场理事会（ACI）发布数据统计显示，2017年世界各大机场接待旅客排名，中国北京机场以9579万人次的客流量位居第二。

2.1.2 乘客行人流模型及其仿真工具

在20世纪50年代时，Lewin在研究行人移动行为时发现，行人在移动过程中会受到力的作用，行人因此会改变自己的运动行为。后来，D. Helbing等人根据Lewin提出的理论，将流体力学方程与Lewin的理论组合起来，建立了一个社会力模型[15]，这里将行人视为满足力学定律的粒子，相比于其他模型，能更加真实地再现行人运动现象。社会力模型是基于以个体为单位所建立的，它是一种连续行人流动态模型。因此，本研究采用的MassMotion软件是基于社会力模型研发的一款新型人群仿真模拟软件，其仿真效果与机场乘客实际人群的运动更相符。

2.2 行人流仿真模型构建

2.2.1 基本假设

（1）初始状态。航站楼内所有服务设备均正常运行，没有上机和等候的旅客，安保人员、服务人员等员工均处于就绪状态。

（2）模型中行人运行流程涉及到买票、值机、安检等服务。均选择方式为：旅客先到达则先得到服务。

（3）值机柜台的功能分为：有行李托运柜台和无托运行李柜台。

（4）安检通道分为两个类型：普通通道和VIP通道。旅客选择安检的方式遵循就近原则且选择随机，即旅客行走距离最短[16]。

（5）为了简化行人仿真模型，该模型中不包括行李检查和行李分检等流程。

（6）假设所有的旅客均熟悉登机流程，每一架航班都没有延误，当日所有航班均按照计划时刻表执行飞行任务。

2.2.2 基本模拟参数

按航空运输的国际惯例，机场运行开放时间点是6:00，关闭时间点是24:00，数据显示北京机场在0:00～6:00间仍有部分航班执行。通常以航班数量、航班密度和占航班总量的比重三者作为衡量指标。仿真中模型选择人最多的中午黄金航段（11:00～14:00）的20min进行模拟。20min约有16个航班，每架航班搭乘人数约121人，共3146人。表1选取2018年4月某日进行统计得出T3航站楼各时段接待航班数量及每个时段预计搭乘旅客的人数。从中可以看出，日常工作日搭乘旅客数总计为15.05万人[17]。

而节假日每日搭乘旅客数为25万人左右，详见1.3，两个时段旅客人数差别明显。

表1 T3航站楼各时段接待航班数量及预计搭乘人数Tab.1 The number of reception flights and the estimated number of passengers in each time period of terminal T3

2.2.3 观测数据与仿真参数标定

笔者实地调查首都机场T3航站楼进出口通道行人流到达量分布数据，见表2、3，给出了仿真建模关键参数。

行人服务水平评价体系是Fruin根据行人运动（见表4）和候车（见表5）两种不同行为下的场景内服务水平，也就是依据人群的密度得出的人群在此范围内的舒适度。

表2 行人流建模参数Tab.2 Row stream modeling parameters

表3 行人流设施参数表Tab.3 Row parameter table of pedestrian facilities

表4 行人运动服务水平 [6]Tab.4 Pedestrian exercise service levels

表5 行人候车服务水平 [6]Tab.5 Pedestrian waiting service level

为了确定机场内行人流步速，采用人工观测和视频采集的方法，结合个体特征差异和非个体特征差异中的影响因素，考虑年龄、性别、种族、携带行李状况的影响，见表6。根据不同种类的人群，确定他们速度变化的范围。

表6 不同种类人群的速度参数Tab.6 Speed parameters of different groups of occupant

3 仿真结果及其分析

在本研究中，模型分两个部分，第一部分为旅客达到机场办理托运、值机等服务，即进站区域；第二部分为旅客安检通过从上机通道离港，模拟了航站楼黄金时段20min内行人流情况和节假日最大客流量情况。

3.1 进站口仿真方案及其结果

输出旅客进站口的仿真模拟界面，如图1，不同颜色对应不同种类的人群，深色代表男性，浅色代表女性。

图1 进站口仿真图Fig.1 Simulation diagram of inlet

3.1.1 日常工作日进站口仿真结果

从图2可知，日常值机服务水平可以达到A级水平。在电梯和安检口两个易拥堵的区域，工作日行人密度表现良好。电梯达到C级服务水平之上，安检处均在A级以上。

图2 工作日值机服务情景行人平均密度图Fig.2 Average pedestrian density graph of working day check-in service scenario

3.1.2 节假日进站口仿真结果

在节假日时间段内，旅客人数增多，航班增多，导致服务压力增大，服务水平的等级即将降低到E级，如图3；在进站口的其他局部区域（如电梯口和安全检查处），容易造成人员的拥挤，但都没到达危险的情况。

图3 节假日值机服务情景行人平均密度图Fig.3 Average pedestrian density of holiday check-in service scenario

3.2 登机离港仿真方案及其结果

T3航站楼登机离港受建筑结构重要影响，其输出旅客离港仿真测试结果界面，如图4。

图4 旅客登机离港仿真界面Fig.4 Passenger boarding departure simulation interface

3.2.1 日常工作日进站口仿真结果

图5显示在日常工作日，乘客从B1层乘坐电梯进入一层安检区，进行排队接受安检，行人平均密度均在E级以上服务水平，满足基本乘机的需要，排队顺畅，设施之间有序衔接，没有较为拥堵的区域。

图5 工作日离港前通过安检区行人平均密度图Fig.5 Average pedestrian density of passing through the security area before departure

3.2.2 节假日进站口仿真结果

同样，增加模拟人数，模拟节假日时段内的人群密度发现，在安检处存在拥堵状况，局部人群突然密集区域密度增大。

3.3 T3航站楼实际行人流特征分析

行人流特征可以用行人流流量、速度和行人流密度3个基本参数描述。

3.3.1 流量与密度之间的关系

密度是用来描述特定区域内行人密集程度的参数。通过实际观测数据（通过SAS的F检验，95%的置信区间），绘出流量与密度的关系图，如图6，并得到的二次多项式函数：

图6 T3航站楼人群密度与流量关系Fig.6 Relationship between occupant density and traffic flow in terminal T3

拟合出的流量与密度关系趋势图，对比文献[19]研究结果，当密度为K=2.08人/m2，区域内行人流量达到最大值为Q=73p/min/mm，且当达到最大值后，流量开始逐渐下降，整体图像呈开口向下。以Km=2.08人/m2为分界点，此时流量为最大流量Qm前一部分为不拥挤范围，后一部分属于拥挤的范围。当密度Kj=4.21人/m2时，此时流量Q接近于0，这时区域内的人群非常拥挤，难以移动，达到难以忍受的最小静态空间。

3.3.2 速度与密度之间的关系

同样，如图7，本文将实际观测数据与文献[19]进行对比，总体趋势大致相同，即：

与图8国外学者研究结果对比可知，在密度为0～1人/m2区间内，人流密度较小，行人处于离散的状态，个体行为特征因素对速度的影响占据主要位置。与模拟仿真结果作对比，C级处于密度为1.393～2.333人/m2之间，而依据实际测量的结果，当密度达到K=2.08人/m2时，是不拥挤和拥挤的分界点，这个点落于C级区域内，仿真与实际符合。

图7 密度与速度关系图Fig.7 Relation between density and velocity

图8 文献[20]中的密度与速度关系Fig.8 Relation between density and velocity obtained in literature[20]

4 结论

（1）研究发现，相比日常工作日，节假日同一地点行人流平均密度明显增大，科学预测节假日高峰期的行人流密度是航站楼事故风险控制的关键手段。

（2）仿真结果表明，首都机场T3航站楼行人流量与密度在水平通道处呈二元函数关系。当达到区域内行人密度条件的某一点时，即K=2.08人/m2，行人流量达到峰值；密度再增大，到密度Kj=4.21人/m2时，行人流量为零，这时称此密度为阻塞密度。

行人速度与密度之间的关系更为复杂，在密度为0～1人/m2区间内，即人流密度较小的区域，行人处于离散的状态，个体行为特征因素对速度的影响占据主要位置；当人群密度大于4人/m2时，即在行人流高度密集时，非个体行为特征对于速度变化不产生影响。

（3）航站楼的基础设施在一段时间内不会改变，想要更好的缓解航站楼这类公众密集场所的安全问题，需要建立合理有效的安全管理制度，着重培养工作人员的安全素质，在服务质量不变的情况下，提高服务效率。