地铁事故应急疏散模拟及优化研究*

王起全，李登尧，杨鑫刚

(中国劳动关系学院 安全工程学院，北京 100048)

0 引言

地铁站站台多为复杂结构的地下建筑，运营过程中会有大量的人群流动，疏散出口数量有限，建筑空间狭小，壶口结构居多，疏散过程中易诱发踩踏事故。因此，针对地铁应急疏散，研究影响应急疏散效率的相关参数，就如何快速疏散人群、保证疏散提出相应的措施建议，对改善地铁运营的安全状况，提高应急疏散能力，具有十分重要的意义。

针对人员应急疏散，Helbing提出最早的社会力模型，此模型将个体与其他个体以及所处应急环境的作用力，如心理反应进行了量化[1]；Lovas通过排队网格模型进行了人群宏观疏散模型的构建，该宏观模型以排队论为基础，通过严谨的数学推导过程分析疏散时间[2]；陆君安等建立了人员疏散过程中的逃生速度疏散模型动力学方程,针对紧急疏散条件下，周围人群的拥挤程度等因素对人员启动加速度的影响进行研究，同时得到拥挤环境下人的移动速度公式，将人的移动速度和人群的拥挤程度相关联，推导出呈对数关系[3]；宋卫国等在元胞自动机模型的基础上，拓展了个体与环境之间相互作用力的应用，其中摩擦力和排斥力得到量化，使得元胞自动机模型在人群疏散研究方面得到更好的应用[4]；王起全等使用优化路径的蚁群算法研究爆炸事故下群体疏散行为[5]；刘梦浩选择某地铁车站为背景,建立了FDS火灾仿真模型和Pathfinder人员疏散仿真模型，通过FDS火灾仿真得到车站内最危险的3种工况，由应急疏散路径进而得到各个工况下疏散的最危险环节[6]；穆娜娜等运用Building EXODUS 模拟研究地铁导流杆的设置与疏散效率的关系[7]；邢志祥等提出将建筑信息模型(BIM)应用到地铁疏散仿真的建模过程中[8]；王佳亮、史健勇通过使用BIM模型的地铁车站建筑信息，建立了基于动态网络算法的疏散模型，并与Pathfinder 的模拟结果进行比较研究[9]。

为研究地铁车站运营事故对疏散进度的影响，本文以应急疏散响应为切入点，选取北京地铁西直门车站为实例，在疏散模拟的基础上，通过疏导方案优化，为地铁车站的应急疏散优化提供参考依据。

1 地铁事故与疏散响应机制

从地铁事故角度出发，为优化地铁应急疏散过程提供新的思路。地铁车站运营事故类型众多，每种事故的演化机理有所差异，对疏散过程有不同程度影响。使用事故风险矩阵和基于沙堆模型的元胞自动机综合评估的结果作为不同疏散等级的依据，建立地铁事故和疏散响应等级关联机制，以选择对应的疏散措施，确定疏散的范围，保障人员安全的同时，在合理范围内降低疏散对地铁运营的影响。

1.1 地铁事故与地铁应急疏散响应过程

整个地铁事故应急的生命周期包括预防(减少)、准备、响应、恢复4个阶段，应急疏散不仅是响应阶段重要的应急措施，也是整个事故应急过程的重要内容。地铁车站运营中发生事故后，根据事故的风险确定不同的疏散等级，以实施对应的疏散措施，在疏散过程中，对运营事故处置情况或次生事故的发生都会导致整体风险的变化，对疏散等级的要求也随之改变，因此需要循环“事故-疏散”的响应过程，如图1所示。

图1 地铁“事故-疏散”响应过程Fig.1 Response process of “accident-evacuation” in subway

1.2 地铁疏散响应后的风险评估机制

根据国内近十年内的地铁运营事故统计，高频的事故类型主要包括：坠轨事故、碰撞事故、设备故障、踩踏事故、火灾事故、追尾事故、触电事故[10]，且在疏散过程中引起的人员密度过高是产生二次踩踏事故的主要诱因[11]。通过风险矩阵可以识别一定区域内的风险高低，元胞自动机是一种局部时空网格动力学模型，由于其自组织特性，通常被用来模拟复杂系统的空间相互作用以及时间因果关系[12]，对于地铁车站复杂空间系统中某区域内发生事故的风险，当事故风险超过自组织临界状态，必然会影响到周边区域的风险大小，可视为一种事故风险的扩散和转移，从而影响到整个地铁车站应急过程中的事故风险。

1)将地铁车站空间划分为离散的二维网格。根据我国成年人的平均肩宽，元胞为面积0.4 m×0.4 m的矩形，每个元胞最多存在1个人员，采用Moore型领域，每个元胞的邻居元胞有8个，边界条件为封闭式边界，根据车站通行空间尺寸网格划分情况如图2所示。

图2 地铁车站二维网格划分Fig.2 Two-dimensional grid division of subway station

2)对每个元胞进行事故风险等级分析。根据能量意外释放理论，元胞内的设施环境对能量意外释放的控制水平决定了事故发生的频率，邻域内的人群状况确定了能量意外释放后的后果，元胞内事故风险等级划分矩阵如表1所示。

3)根据沙堆模型建立地铁事故风险元胞自动机。根据元胞的风险矩阵等级划分设置对应沙粒数目S。特别重大风险时，S=5；重大风险时，S=4；较大风险时，S=3；一般风险时，S=2。S(i，j)表示坐标(i，j)处元胞的沙粒数，如图3所示。

表1 元胞内事故风险矩阵
Table 1 Accident risk matrix in cellular(i,j)

图3 (i，j)处元胞的Moore邻域Fig.3 Moore neighborhood of cellular at (i,j)

元胞自动机规则为：初始状态下，若(i，j)处元胞以及领域元胞都无人员，则S(i，j)=0，否则S(i，j)=1，若初始事故发生在(i，j)处，则S(i，j)=3；根据初始事故的主要能量类型，运用风险矩阵确定元胞内应添加的沙粒数；设定SC=3为风险扩散的临界值，当S>SC时，视为1次“崩塌”及风险发生扩散，数学表述如下：

若S=4>3时，

若S=5>3时，

4)元胞自动机运作后，以风险转移的水平确定整体疏散响应后的整体风险。即发生的“崩塌”次数越多，整体风险越大。

1.3 地铁疏散响应等级划分及疏散措施

依据地铁疏散响应后的整体风险评估结果作为应急疏散响应等级的定量依据，根据初始事故发生的位置，以站台、站厅、隧道(列车)空间划分，考虑轨道交通应急响应的需要，将地铁疏散响应分为4级，确定不同等级下应急疏散的措施，如表2所示。

“崩塌”次数临界值划分依据：1～9次，表示事故引发的高风险范围在1个元胞及其邻域元胞的范围内，且不会继续扩散；根据车站通行空间尺寸划分后，地铁车站空间最大区域站厅及站台的元胞数都为9 800个，10～9 800次，表示高风险范围超出1个元胞及其邻域元胞区域，但不超出站厅或站台或隧道(列车)任一地铁设施空间区域的范围；9 800次以上，表示高风险范围已经超出单个地铁设施空间区域的范围，甚至波及到整个地铁车站。

2 地铁疏散过程模拟

通过地铁疏散响应等级划分，建立起地铁事故疏散响应机制，为完善整个地铁“事故-疏散”响应过程，提出疏散行为的优化方案，需要进一步运用Pathfinder对应急疏散措施中的疏散行为进行模拟研究，了解影响疏散效率的因素。

2.1 模拟仿真环境建立

本次仿真环境的建立参考北京地铁2号线和4号线复合的西直门车站，相较于单线的地铁车站，西直门站作为北京地铁新老线路的交汇车站结构更加复杂多样，更能涵盖城市轨道交通应急疏散中的普遍问题和非典型状况，研究意义广泛。

参考表2地铁应急疏散等级划分，Ⅱ级应急疏散，需要对整个地铁站内站台、站厅候车行人以及车站内停靠列车内乘客进行疏散至出口，因此要在软件中构建整个地铁车站建筑结构作为本次仿真环境，根据地铁车站平面图，在Pathfinder软件中进行通行环境的建模。

表2 地铁应急疏散响应等级划分及相应措施Table 2 Response level division and corresponding measures of emergency evacuation in subway

2.2 疏散人员仿真设定

参照疏散设施通行速度数据来设定本次模拟中仿真人群的位移速度。仿真软件在楼梯、扶梯设施处会对平面通行空间的移动速度进行修正，故采用人群在地铁车站最大通行空间站台设施的行动速度数据为准，数据如表3[8]所示。考虑现实疏散过程中的低龄和高龄人群在疏散过程中多为他人辅助疏散，因此疏散人群特性参数设置的人行速度随机分布在[1.30 m/s，1.56 m/s]的范围里。

表3 不同年龄行人的设施通过速度Table 3 Facility passing speeds of pedestrian with different ages m/s

软件通过获取参考肩宽数据来确定每个个体的空间面积，通过查阅GB/T 10000-1988《中国成年人人体尺寸》中有关我国成年人肩宽尺寸的数据，数据如表4所示。为使模拟场景的仿真人员肩宽参数更具代表性，且考虑到衣物厚度和个体上的心理特征差异，模拟人群的肩宽数值分布在[32.5 cm，43.5 cm]区间内。

参照相关地铁站统计数据，站台人数523人以及站厅层人数349人[9]，按照最不利原则，考虑双向列车停靠站台的状况，双向列车内人员同时进入站台层疏散，站台疏散人数最大。北京4号线车辆采用SFM05车型，属B型车，为6B编组，车辆总定员1 440人。北京地铁2号线现役为50列DKZ16型地铁电动客车，核定载客为1 356人/列。考虑到西直门车站的特殊结构导致2号线站台承担4号线站厅功能，故设定各区域模拟行人数量以及分布情况如表5所示。

2.3 模拟过程及结果

参照GB50157-2013《地铁设计规范》第 28.2.11条规定：车站站台公共区的楼梯、自动扶梯、出入口通道，应当满足发生火灾时在 6 min内将远期或客流控制期超高峰小时1列进站列车所载的乘客及站台上的候车人员全部撤离站台到达安全区域的要求。最终模拟疏散效果判定以6 min是否完成站内所有人员疏散为准。

使用已经构建好的模拟场景进行Steering模式下的疏散模拟，在此模式之下，个体之间会去刻意试图避开其他个体，会考虑防碰撞和人员的交互作用。车站各部分同时进行疏散，模拟运行后场景中的人员会随机地选择距离疏散出口最短的路径进行逃生。疏散效率的变化情况见图4，本场景共需疏散全部人员共计7 303人，此次疏散所有仿真行人共耗时513.3 s，超过规定的最长有效疏散时间，6 min时间节点时仍然有1 279人滞留在场景内。观察图4可知，疏散开始后2 min左右疏散效率开始有所提高，在5 min左右又开始放缓；由图5可以观察到，在2 min前后，开始出现大规模拥堵，主要发生在2号线站台与4号线站台中部换乘处，以及4号线东西侧以及2号线南北侧各自进入换乘环形通道的楼梯处，其中中部换乘处的拥堵状况最为严重，甚至进入到疏散尾声依然存在人员滞留的问题，此时疏散效率开始趋于平稳；5 min前后，西南口D以及东南口C通道处出现十分严重的人群拥挤情况，见图6。

表4 我国成年人人体尺寸Table 4 Human dimensions of adults in China cm

表5 不同区域设定人数Table 5 Setting number of people in different areas

图4 整体疏散人数与滞留人数变化曲线Fig.4 Change curves of total number of evacuated personnel and total number of remaining personnel

西直门地铁站2号线与4号线共同使用西北换乘大厅A1，A2口，东北口B口，东南口C口以及西南口D口，除换乘大厅具备较大的通行空间，其他3个疏散口都有由狭长通道连接，且疏散口设计狭小，应对规模庞大的疏散人群时整体3口的通行能力都较差。疏散口流量变化如图7所示。由于疏散人群都以选择距离疏散口最短路径疏散，因此拥有良好通行能力的换乘大厅反而使用量较低，换乘大厅在100—160 s时间段内甚至处于闲置状态，而其余3个疏散口却承载了大部分的通行流量。2，4号线连通换乘大厅的新换乘通道，由于相对其他通道路径距离太远，在疏散过程中几乎没有被用来进行人员疏散，造成疏散设施的浪费，应急设施分配不合理是致使疏散效率低下的一大原因。

图5 2 min时人群密度热力图Fig.5 Thermodynamic diagram of population density at 2 min

图6 5 min时人群密度热力图Fig.6 Thermodynamic diagram of population density at 5 min

图7 各出口流量变化曲线Fig.7 Change curves of flow rate at each exit

3 地铁应急疏散行为优化

根据地铁疏散过程的模拟结果，影响疏散效率的主要因素为疏散过程中发生的拥堵，且疏散中发生的踩踏事故是最主要的次生事故，疏散行为本身引发的人员拥堵是踩踏发生的诱因，其次疏散设施的不合理利用也是导致疏散效率不高的重要因素，针对以上2点提出疏散行为的优化策略。

3.1 针对次生事故的应急疏散优化

西直门站仿真环境中出现拥堵导致人员通行速率变慢的位置如图8所示。在本次模拟中造成拥堵的原因主要有2类：一类是地铁站内部设施自身结构影响，如楼梯的斜度、通道宽度限制；另一类是由于原有的疏散路径导致逃生人员汇流形成或加剧拥堵，各点具体拥堵原因如表6所示。

图8 拥堵位置Fig.8 Congestion Location

表6 各点拥堵成因Table 6 Congestion reasons of different place

3.1.1 A处拥堵

A处为2，4号线中部的换乘楼梯。A处发生的拥堵情况很大方面缘于人群不合理的疏散，由上文疏散设施影响分析得出，此处4号线站台中部的疏散人群与2号线站台的人流发生汇合，拥堵情况如图9所示。疏散点位置以及人员疏散路径如图10所示。

原本的拥堵情况下，西直门站4号线站台疏散全部的3 403人用时219 s，在对疏导点设置进行拥堵舒缓后，西直门4号线站台疏散用时154 s，减少疏散耗时约65 s。西直门整体疏散时间缩短5 s。

3.1.2 B处拥堵

B1，B2，B33处拥堵发生在通道三叉口处，主要由4号线2号线疏散人流共用同一疏散出口，远超出了出口的承载疏散能力，导致连接点的狭小空间内发生拥堵，拥堵情况如图11所示。

图11 B处拥堵原因Fig.11 Congestion causes of position B

考虑到西南口与东南口疏散能力弱且使用率较高，以及东北口疏散能力较强且使用率较低，通过设置疏导点引导疏散人流的通行方向，保证各疏散人流独立使用各自的疏散出口，避免严重的拥堵发生。2号线使用西北口以及东北口进行疏散，4号线使用西北、西南、东南3口疏散，优化路径后同时提高了西北区域内应急设施的使用率，具体疏导方案如图12所示。

图12 B处拥堵疏导方案Fig.12 Congestion dispersion scheme of position B

对原本仿真环境中B类疏散方案进行优化，全部人员安全疏散用时459.3 s，比原有疏散结果缩短了54 s,更改方案对拥堵的改善效果明显，很大程度上提高了应急疏散的效率。

3.2 应急疏散设施使用情况优化

对仿真环境的设施累计使用量热力图分析可知，西直门仿真环境内部分设施没有得到充分使用。为研究设施使用率对缓解拥堵以及对应急疏散效果的具体影响，选取环境内累积使用量最低的M通道，在原有的仿真环境基础上，通过在M通道内设置疏散路径并编辑模拟人员行为，以控制选择M通道逃生的人数，从而控制该设施使用率，研究在不同使用率下对疏散的影响。M通道位置如图13所示。

图13 M通道Fig.13 M Channel

在原有的仿真环境基础上设定新的行为，添加去疏散路径的动作，疏散路径设置在M通道内，模拟人员分别设置采取M通道逃生人数占总疏散人数比为0%，3%，5%，6%，7%，8%，9%，通过占比体现设施的使用率，模拟结果如表7所示。

表7 使用人数占比与疏散总时间Table 7 Proportion of usage people number and total evacuation time

从仿真结果可以看出，适度提高M通道的使用量，明显减少了疏散总耗时，当使用M通道设施的人数占到约7%时，对疏散的改善效果最佳，当超过7%时，反而延长了疏散耗时，这是由于通道宽度决定了1次可通过最大人数，当疏散人数超过饱和时，人数越多，反之拖延了整个疏散进度。适当优化分配疏散人群，合理控制设施疏散人数，提高低频使用的设施，可有效缓解其他设施的压力，对整体疏散效果的改善极为重要。

3.3 应急疏散行为优化策略

根据优化模拟的结果，针对不同应急疏散响应等级的应急疏散措施的实际需求，设定不同等级下的疏散行为优化策略，如表8所示。

表8 不同响应级别的疏散行为优化策略Table 8 Optimization strategies of evacuation behavior under different response levels

4 结论

1)研究地铁事故与应急疏散的响应关系。结合风险矩阵和元胞自动机，通过应急疏散所需规模大小以及调用应急资源规模进行应急疏散等级的划分，确定不同规模的应急疏散措施，根据模拟结果确定不同响应级别下的疏散行为优化策略，健全地铁事故与疏散响应机制。

2)在构建西直门仿真环境的基础上，针对模拟过程中发现的拥堵情况，提出疏散优化方案舒缓拥堵，楼梯十字口以及通道三岔口的拥堵缓解后，整体疏散时间分别缩短了5 s和54 s，从另一个侧面体现出拥堵状况对整个疏散进度的延滞效应之大，在逃生指示物设置和人群疏导时，1股人流独立使用1个出口，可有效避免人员汇流导致拥堵发生。

3)疏散路径的设置不应只考虑疏散路径最短，应尽量保障应急设施的充分利用，在保障较低风险的前提下，合理分配疏散人流，才能够使疏散效率最佳。