地铁车站行人排队行为建模与仿真

杜棋东 许楚群

摘  要： 面对地铁车站高峰时段客流量大、站场空间有限等情况，仿真分析地铁车站行人排队行为，提出一种根据进站口的单位时间通过率来有效组织行人进站的方法。文章根据对排队论构建了行人排队行为模型，并利用Anylogic软件仿真分析了广州地铁某车站的进站闸机平均排队、车站候车排队以及进站口的单位时间通过人数等。实验分析表明，在高峰时段该进站口行人单位时间通过率控制在3500人/h以内较为合适。

关键词： 地铁车站; 行人排队行为建模; 仿真; Anylogic

中图分类号：TP391.4          文献标识码：A     文章编号：1006-8228（2020）04-14-04

Modeling and simulation of pedestrian queuing behavior in subway station

Du Qidong， Xu Chuqun

（Guangzhou Railway Polytechnic Education Technology Center， Guangzhou， Guangdong 510430， China）

Abstract： Facing the situation of large passenger flow and limited space in the subway station during the peak period， this paper analyzes the queuing behavior of pedestrians in the subway station by simulation， and puts forward a method to effectively organize pedestrians to enter the station according to the passing rate of unit time at the entrance. Based on the queuing theory， this paper constructs a pedestrian queuing behavior model， and analyzes the average queuing of the entrance gate， the waiting queue of the station and the number of people passing through the entrance in unit time at a station in Guangzhou Metro by using the software of Anylogic. The experimental analysis shows that it is more suitable to control the pedestrian passing rate within 3500 people/h in the peak period.

Key words： subway station; pedestrian queuing behavior modeling; simulation; Anylogic

0 引言

結合地铁站场空间格局和地铁运营规律，对地铁行人行为规律进行研究，对防范地铁车站事故发生、保障行人安全有重要的意义。国外学者针对交通领域的行人行为模型有大量的探索研究。W.M.P.van der Aslst[1]等对铁路枢纽内行人的步行特性进行研究，对服务服务设施提出了优化方案，Fateh Kaakai[2]利用仿真软件对铁路客运站设施进行评价，研究行人换乘的安全性。Rivers E、Jaynes C等[3]提出采用疏散时间、行程时间、速率和流量作为指标，验证行人运动和路径选择疏散模型。在国内，陆铖[4]模拟北京南站的站内换乘行人流仿真，提出利用客服设备进行站内换乘;李得伟[5]使用马尔科夫过程进行仿真，描绘行人自组织等复杂现象;裴剑平等众多学者[6-12]也针对各种影响因素对地铁行人行为特性进行分析，提出了相关建议与方法。综合分析国内外的研究现状，本文基于社会力模型，重点围绕地铁行人排队动态特性，分析进站口单位时间通过人数情况，提出高峰时段进站口单位时间进站人数建议值。

1 排队论

1.1 排队论概述

排队流程是指，在一段时间内或特定空间位置超出设施服务能力时，行人需要按照一定的规则进行排队，依次等待接收服务，直到结束服务后进入下一环节。排队系统有三个重要的影响因素，分别是到达过程、排队规则、服务设施。

在地铁车站中，到达过程受到行人总数以及行人间到达排队系统的时间间隔影响，其中，一般的出站闸机和进站闸机的行人到达服务时间间隔分别服从正态分布和泊松分布，排队规则以等待制为原则，当服务设施被全部占用后，行人自动排队等待，服务设施以多台服务并行为主。

一般情况下，地铁车站排队模型可用表达式X/Y/Z/A/B/C进行表示。

其中，X表示行人间到达的时间间隔分布，Y表示服务时间的分布，Z表示地铁服务设施的台数，A表示系统限制的容量（默认为无限大），B表示行人数量（默认为无限大），C表示服务规则（先来先服务原则）。

1.2 排队模型构建

地铁车站行人排队系统通常为多设施排队系统，包括售票机与进出站闸机。行人到达与接受服务均为随机事件，构成的排队模型如图1所示。

根据图1所示，采用M/M/C排队模型来表示，其中行人到达服务参数为λ（到达率）的泊松分布，排队系统服务时间为μ的负指数分布，C表示服务设施数量，系统结构如图2所示。

设行人到达服务参数为λ（到达率），n为排队系统中实际人数，ω为服务设施的服务求强度，P为排队系统行人的概率，其中，P0为没有行人的概率，Pn为有n名行人的概率。当服务设施C=1时，为防止队列无限长，服务强度ω=λ/μ且小于1;当C≠1时，平均服务率为C*μ（n?C），或n*μ（n

⑴

⑵

设L为平均排队长度，则：

⑶

2 仿真分析

具体以广州地铁某地铁站D进站口为例，利用Anylogic软件基于社会力模型进行闸机进站仿真分析。考虑到当前大部分旅客采用手机扫二维码或者刷羊城通直接进站，仿真分析忽略行人到售票机购票这一环节。

设定进站闸机平均服务强度为0.6/s，进站闸机为6台，行人到达闸机服务参数（到达率）从0.75人/s～3人/s取值仿真，地铁到站间隔为2～3分钟。图3为模拟仿真5分钟后，同一时刻不同行人服务参数的模拟进站情况。

进站闸机排队长度情况如表1所示。

结合图3与表1可知，高峰初期，随着行人到达率越高，进站闸机平均排队人数变化，比站内排队候车人数的平均长度变化更加明显，而且随着时间变化，当行人到达率为λ=2.5时，要注意在站场外设置移动栏杆，有序组织行人排队，防止乘客涌入地铁站内。

下面，模拟仿真15分钟后，同一时刻不同行人服务参数的模拟进站情况，如图4所示。

观察图4，15分钟后，D进站口通过人数单位时间如表2所示。行人到达率为1人/s时，闸机排队未拥堵，候车排队拥堵;行人到达率为1.5人/s时，闸机排队拥堵，候车排队拥堵;行人到达率为2人/s时，进站口处于严重拥堵状态，当行人到达率为2.5人/s或3人/s时，进站口通过人数单位时间保持在7800～8300人/h左右，处于严重拥堵状态。

为了保障地铁车站内行人安全，在高峰阶段该进站口单位时间进站人数建议值控制在3500人/h左右为佳。

3 结束语

针对地铁高峰时段客流量大、站场空间有限等情况，本文提出一种根据当前进站口单位时间通过人数建议值来有效组织行人进站的方法。以广州地铁某地铁站D进站口为例，仿真不同达到率同一时间段内进站闸机平均排队、车站候车排队，以及进站口单位时间通过人数情况。下一步我们将结合地铁车站内行人排队出站、多个进出站口选择、行人碰撞等因素进行研究。

参考文献（References）：

[1] Van d A W M P， Odijk M A.Analysis of railway stations by means of interval timed coloured Petrinets[M].Kluwer Academic Publicshers，1995.9（3）：241-263

[2] Fateh Kaakai， said Hayat， Abdellah El Moudni. A hybridPetri nets-based simulation model for evaluating thedesign of railway transit ststions[J]. Simulation Modelling Practice and Theory，2007.15（8）：935-969

[3] Rivers E， Jaynes C， Kimball A， et al. Using Case StudyData to Validate 3D Agent-based Pedestrian Simulation Tool for Building Egress Modeling[J].Transportation Research Procedia，2014.2：123-131

[4] 陆铖.大型综合交通枢纽站换乘客流组织动态仿真与评价方法的研究[D].北京交通大学，2008.

[5] 李得伟，韩宝明.铁路客运专线车站乘客集散微观仿真模型[J].交通运输工程学报，2009.1：83-86

[6] 裴剑平，范东涛.Vissim在常州站综合客运枢纽交通仿真中的应用[J].交通信息与安全，2010.28（3）：68-71

[7] 聂广渊，袁振洲，吴昊灵.基于AnyLogic仿真的城市轨道交通枢纽通道宽度研究[J].城市轨道交通研究，2016.19（6）：34-38

[8] 孔德璇，张亚平.寒地城市地铁站短时步行交通需求动态预测模型[J].交通信息与安全，2019.37（4）：102-111

[9] 柳澤原，彭宏勤.基于Anylogic的地铁车站闸机口通过能力仿真研究[J].交通运输系统工程与信息，2018.18（S1）：110-114

[10] 杜棋东，陈柔香，许爱军.基于蚁群元胞自动机的地铁行人疏散模型[J].计算机时代，2018.2：18-21

[11] 王付宇，王骏.突发事件情景下地铁站人员应急疏散问题综述[J].计算机应用研究，2018.35（10）：2888-2893

[12] 王亚娜，赵永翔.基于社会力模型的地铁站乘客上下车行为影响因素分析[J].交通信息与安全，2017.35（1）：105-111