高校教学楼出入口的流量观测实验研究

羊海米 吕伟 潘丽娟

摘 要：为探索高校教学楼出入口上下课人流量高峰时期的流量特征，首先选取某高校的两栋教学楼的6个出入口作为观测对象，开展观测实验，然后，汇总处理实验数據，比较分析各出入口之间的流量差异和使用率特征。结果表明，以教学楼-宿舍、教学楼-食堂、教学楼-车站、教学楼-外部出口等为起讫点的出行方向会直接影响学生群体对教学楼各不同出口的选择，进而造成各出入口的流量差异和使用率不均衡，高校管理者在对教学区域进行管理时，需要考虑学生群体的行为特性和出行空间特征，通过合理排课、合理分流、优化出入口、增设引导等方式影响学生群体对出入口的选择行为，从而避免因出入口使用率不均带来的拥挤踩踏风险。

关键词：校园安全;教学楼;出入口;拥挤踩踏风险;观测实验

中图分类号：TB 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.25.099

0 引言

近年来，学校拥挤踩踏事故屡见不鲜，根据事故发生的时间和地点统计分析，这类事故主要发生在课前课后的教学楼出入口和楼梯处。高校作为学生高度集中的场所，教学楼出入口通行设施在学生上下课人流量高峰时段承受巨大压力，存在很大的拥挤踩踏事故风险和管控难度。因此，如何准确识别高校教学楼出入口的人群流动风险，提出并实施相应的管控措施，是高校校园安全管理的重要工作。

目前，国内外针对人群拥挤踩踏风险的研究主要集中在模型研究和机理研究两个层面。模型研究层面，多关注常态或紧急状况下的人群行为，并进行建模分析。Lee等人利用连续行人流模型，通过实际案例对人群拥挤踩踏事故进行分析并预测人群的行为规律;Henein等人通过改进Kirchner的元胞自动机模型，归纳了个体间相互作用力所遵循的基本规律;Helbing等人针对恐慌导致的人群拥挤踩踏事故，提出了“社会力”模型，研究了人群在恐慌状况下的“自组织现象”;Teknomo以“社会力”模型为基础，深入分析了人群中的排斥力并建立了新的微观模型;张培红等人基于行人间的相互影响，建立了群集流动的微观动力学模型，通过计算机模拟人员群集流动现象。机理研究层面，多以相关理论为依据，从社会学角度研究人群拥挤行为并分析踩踏事故的成因。卢春霞以波动理论为依据，剖析了人群拥挤形成的一般机理;张青松等人基于风险理论、事故突变等理论方法提出了人群拥挤踩踏事故风险的四阶段理论，并构建了理论模型;于帆等人以事件系统理论为基础，结合事件本身特点来分析踩踏事故机理，建立了拥挤踩踏事故原理图;无论是模型研究还是机理研究，都是从理论层面展开，关注既已发生的事故案例，对人群密集拥挤场所中通行设施的实证研究程度尚不充分。

考虑到高校教学楼出入口的有限通行能力和巨大的短时人群流量高峰压力，有必要掌握这些出入口学生流量的时间和空间特征，进而在特定的时间对流量压力很大的出口采取干预和管控措施，减少学生拥挤踩踏的风险，具有重要意义。基于此，本文以某高校两栋教学楼的6个不同位置处的出入口为研究对象，开展实地流量观测实验，获取其人群通行流量的时间数据，分析其流量特征和通行能力，进而提出合理的干预和管控措施。

1 研究方法

本研究采取试验观测法，采集高校教学楼出入口学生进出流量数据，通过流量数据的时间序列分析和空间比较分析，探讨上下课期间教学楼出入口的流量特点，有针对性地提出优化出口利用和流量的干预和管控措施。

1.1 观测点选取

为保证研究的可信度，需选择具有代表性的教学楼出入口作为观测点，以保证数据的充分性和有效性。观测点的选取遵循两条基本原则：（1）视野开阔良好，便于在学生大量进出时通过观测方式统计流量数据;（2）上下课期间，学生进出量足够大，可以达到较为拥挤的状态。

根据以上原则，笔者对某高校教学区的多栋教学楼进行了实地观察调研，选取其中特点明显、出入口布局差异较大的两栋教学楼作为研究对象，将其6个出入口（P1，P2，P3，P4，P5，P6）作为观测点，如图1所示。

1.2 观测的组织与实施

为保证观测数据的准确性，本研究拟采用设备影像录入与人工计数相结合的观测方式，在重点观测点安装摄像机一台、配备观测员一名，观测员通过电脑观看影像，统计并录入各时段的实时人流量数据。为减小气象、光照等无关因素对人流量的影响，观测应尽可能在天气晴好的日间进行，同时，为准确获得各时段的人流量信息并得到各重点观测点可容纳的最大人员数量，观测应全天候进行，时间为8：00-17：00。

2 观测有效性分析

基于观测方法与观测背景，对观测所得数据的时间代表性、地点代表性、峰值可靠性、时间精度进行分析。

时间代表性。本观测定于4月天气晴好的工作日，在该时间段内，学校处于正常上课状态，观测所得数据在时间上具有较高代表性，有利于得到各重点观测点的人流量特征。

地点代表性。本研究的观测点为两栋主教学楼的6个出入口，这两栋教学楼在建筑结构上具有较强代表性，且彼此之间差异较大，便于分析和比较两者的优劣。因此，在观测样本的选择上，观测所得数据具有较高代表性。

峰值可靠性。除个别人流量一直较为稀少的观测点之外，其他观测点均可得到高峰时段的人流量数据，可达到拥挤排队状态下单位时间内的人流量密集程度，观测所得数据均存在峰值。

时间精度。尽管各时间段的分隔用时严格掌控，但仍存在1-3秒的误差，由于将5分钟即300秒设置为计量单位，相对误差可控制在0.33%-1%之间，因此各时间段的时间精度可得到保证。

本观测共得到数据1296条，包含各观测点在人流量高峰时段的数据，各教学楼出入口人流量变化范围较大，为分析高校教学楼出入口人流量的时空特征，研究出入口通行能力，以及建立相应的分流方案奠定了有效的基础。

3 分析与讨论

3.1 观测数据记录

各观测点位置分布情况如图1所示，其中，P1与P6为两栋教学楼距校车候车点距离最短的出入口，P1与P5为两栋教学楼距宿舍与食堂距离最短的出入口。

本研究观测时间为8：05-17：00，将五分钟设置为一个计量单位，分别统计并记录各单位时间内的进出人员数量，获得1296个观测数据。表1为观测时采集人流量的采集表。

3.2 数据统计与分析

为使数据展示形式更加直观，以时序图的形式对表1中的人流量数据进行统计。统计结果如图2-图7所示，可观测到各观测点在不同时间段的人流量变化，并有针对性地比较各观测点之间的差别。

图2-图7为6个不同观测点处的人流量时间序列图。从整体上看，各观测点的总人流量峰值均出现在以下四个时间段：9∶40-10∶10、11∶50-12∶00、13∶50-14∶00、15∶40-16∶00，刚好为上下课间隙，大量学生需进出教学楼更换上课教室，其余时间段内，人流量在较低的水平上波动;从具体的出入情况看，进入教学楼的人流量峰值普遍出现在9∶40-10∶10、13∶50-14∶00、15∶40-16∶00三个时间段，离开教学楼的人流量峰值普遍出现在9∶40-10∶10、11∶50-12∶00、15∶40-16∶00三个时间段，其中，11∶50-12∶00为上午课程结束时间，大量学生离开教学楼，13∶50-14∶00為下午课程开始时间，大量学生进入教学楼;从人流量峰值的持续时间上看，持续时间一般为5分钟，产生该现象的原因是大量学生集中在某一短时间段内迅速进入或离开教学楼，从而导致人群短时聚集和流量高峰现象的出现。然而，各教学楼出入口的进入、离开以及总人流量的峰值不同，达到峰值的时间也不完全相同，从表2中也可以看出。

3.3 教学楼出入口通行能力分析

经以上数据分析，得出各教学楼进出总人流量峰值及出入人流量，结合各教学楼出入口宽度，可计算出各出入口实际通行流量，如表3所示。

由表3可知，在实际观测中，出入口P5的实际流率为2.117人/米·秒，为6个出入口的实际流率最高值，出入口P6与P5的实际流率较为接近，为2.083人/米·秒，而其它4个出入口的实际流率较低，远低于P5和P6。流量差异的原因与各出入口的空间分布有关，在所观测的学校，P1和P5是与宿舍区距离最短的出入口，学生更倾向于从这两个出入口往返宿舍区与教学楼，且P1与校车点的距离最短，因此P1和P5分别为所在教学楼流量值最高的两个出入口。P2和P6为两教学楼间的往返出入口，其中，P6为教学楼通往校车点的出入口，P2较为隐蔽且不定时关闭，因此，P6的人流量峰值仅次于P5，而P2与P1人流量峰值差异较大。相比较，P4的人流量峰值最低，因为该出入口并不是通往宿舍区及教学区最近的通道，极少有学生选择该出入口进出，因而流量很低。

研究表明，当饱和人群通过瓶颈时，瓶颈处的平均流率可达到2.5人/米·秒，该流率值可表征瓶颈的通行能力。对于本实验中的6个出入口，采用2.5人/米·秒的流率值作为通行能力计算依据，可得到各出口利用率，如表4所示。由表可知，出入口P5、P6的使用率分别为84.5%和83.7%，使用相对充分;而出入口P1、P2、P3的使用率较低，特别是出入口P4基本未被使用，各出入口之间的使用率呈现明显的不均衡状态。

4 结论与展望

从观测得到的流量和流率差异的结果及其原因分析来看，尽管高校教学楼的出入口在数量上和宽度上都做了较为宽裕的设计，仍然出现了各出口进入流量高峰时期的使用不均衡，在过人群过饱和的状态下，使用率过高的出入口附近人群拥挤或踩踏的风险较大，而使用率低的出入口在某种意义上是对疏散空间资源的浪费。

高校教学楼的出入口使用，不仅与教学楼建筑本身的出口布局有关，还会受到学生交通出行行为特性的影响，以教学楼-宿舍、教学楼-食堂、教学楼-车站、教学楼-外部出口等为起讫点的出行方向会直接影响学生群体对教学楼各不同出口的选择，进而造成各出入口的流量差异和使用率不均衡。但是从管理的角度上看，校园管理者可以通过合理排课、合理分流、优化出入口、增设引导等方式影响学生群体对出入口的选择行为，从而避免因出入口使用率不均带来的拥挤踩踏风险，具体对策包括：合理分配各楼层的上课教室数，控制同时时段各楼层人数;设置上下楼专用楼梯;应根据人员流动情况制定楼梯使用规范，设置高峰期间上下楼专用楼梯，排除反向人流对人员流动速率的影响;在上下课流量高峰期，引导人群向低使用率出入口分流;在高峰时段增加出入口数量及通道，同时减少出入口附近非必要障碍物或设施。

高校教学出入口是人群密集的典型区域，有效避免该区域的拥挤踩踏事故发生，需要进行大量深入的工作，从人防、物防、技防、教育、管理等多个角度，探讨提升教学楼出入口安全性的有效途径。

参考文献

[1]Lee R C，Hughes R L.Exploring trampling and crushing in a crowd[J].Journal of transportation engineering，2005，131（8）：575-582.

[2]Henein C M，White T.Macroscopic effects of microscopic forces between agents in crowd models[J].Physica A，2007，（373）：694-712.

[3]Helbing D.Traffic and Related Self-Driven Many-Particle Systems[J].Review of Modern Physics，2000，73（4）：1067-1141.

[4]Helbing D，Farkas I，Vicsek T.Simulating Dynamical Features of Escape Panic[J].Nature，2000，407（6803）：487-90.

[5]Kirchner A，Schadschneider A.Simulation of evacuation processes using a bionics-inspired cellular automaton model for pedestrian dynamics[J].Physica A，2002，312（1）：260-276.

[6]Teknomo K.Microscopic Pedestrian Flow Characteristics：Development of an Image Processing Data Collection and Simulation Model[J].Tohoku University Japan，2016.

[7]张培红，黄晓燕，万欢欢等.人员群集流动自适应元胞自动机模型研究[J].沈阳建筑大学学报（自然科学版），2006，22，（2）：289-293.

[8]卢春霞.人群流动的波动性分析[J].中国安全科学学报，2006，16（2）：30-34.

[9]张青松，刘金兰，赵国敏.大型公共场所人群拥挤踩踏事故机理初探[J].自然灾害学报，2009，18（06）：81-86.

[10]于帆，宋英华，霍非舟，方丹辉.城市公共场所拥挤踩踏事故机理与风险评估研究—基于EST层次影响模型[J].科研管理，2016，37（12）：162-169.