地铁换乘站客流拥堵瓶颈的识别与优化

魏宇浩，张 然，秦 华, ，石熙普

（1.北京建筑大学 机电与车辆工程学院，北京 102616；2.北京市建筑安全检测工程技术研究中心，北京 102616)

0 引言

随着城市轨道交通日趋成熟，越来越多的居民选择地铁作为主要的出行工具。地铁换乘车站作为不同线路间换乘的主要设施，客流规模庞大，尤其是在高峰时段，车站内的瓶颈场所人员数量极大、聚集频繁且人员的行为复杂多样，一旦出现突发情况，极易造成拥堵，形成安全隐患。因此，迫切需要对地铁站站内出现的拥堵瓶颈进行识别和优化，提高地铁运营管理水平和乘客服务水平。

对于地铁站站内的瓶颈识别，相关学者提出了许多模型和评价指标。陈绍宽等[1]选取M/G/c/c网络排队模型，分析地铁站内楼梯和通道的疏散能力，识别出在不同客流到达率下，楼梯和通道的疏散能力瓶颈点；盛应平等[2]提出了改进的行人流线网络法模型，并利用流线饱和度、设施最大拥堵面积等指标分析了原方案及3个优化方案在多种客流工况下的客流适应性，给出了推荐方案；张瑞等[3]将用户均衡理论融入M/G/c/c模型，构建出乘客网络动态客流分配和瓶颈识别模型，该模型可以有效识别车站瓶颈和拥堵情况，并指出最终疏解效果与导流杆的设置方法有关；付婷[4]使用约束理论(TOC)对城市轨道交通车站系统进行瓶颈分析与识别；黄敏等[5]提出了考虑高峰期客流时空特点的人流交织区域及人流冲突点、局部拥挤系数、设施利用不均系数3个评价指标，对地铁站厅设施布局进行仿真评价，并提出了优化措施；吴贤国等[6]以人流密度、关联人群组数和人流负荷率作为瓶颈点风险的评价指标，结合LED评分法，提出了人群集散风险等级的计算方法，之后通过仿真进行了验证并提出了增设导流杆和增加检票口的优化方法；陈伟等[7]选取乘客平均排队长度、平均逗留时间和区域密度3个指标，结合行人密度图探讨布局设施优化方案，且验证了其方法的可行性。

国内学者对识别出的瓶颈进行疏解和优化主要是针对瓶颈设施改进，莫逆等[8]从闸机的布设方式入手，结合仿真结果，提出了与客流流线呈倾斜角的布设方式；柳泽原等[9]调查了车站的实际状况，发现闸机的布置存在弊端，随后通过仿真进行布局优化，并验证了优化方案的可行性；黄文成等[10]以建国门地铁站为研究对象，通过AnyLogic仿真模拟，选取换乘疏散时间为衡量指标，对换乘楼梯宽度做出优化。上述方法直接对形成瓶颈的设施进行改进，针对性较强，但遇到诸如加宽楼梯、加宽站台等措施时，会产生较高的成本，且可行性较差。本研究以客流密度作为瓶颈识别准则，通过AnyLogic软件中的行人仿真模块对整个换乘车站进行模拟仿真，对站内客流进行分析，以客流密度和区域平均逗留时间作为评价优化效果的指标，结合人流自组织效应探讨可以缓解拥堵且简单易行的有效措施，为地铁站客流组织优化提供建议。

1 研究方法

1.1 角门西地铁换乘站概况

角门西站是北京市地铁4号线和10号线的换乘车站，车站地下共分3层，地下1层为地铁站站厅层，地下2层为乘坐地铁4号线的站台层，地下3层为乘坐地铁10号线的站台层，车站共有A1，A2，B，C，D，E，F，G共8个出入口，其中A1，A2共用一个出入口通道，接下来将其合并称作为出入口A。站厅层分为A/B厅、C/D厅、E厅、F/G厅4个部分，4个部分由换乘通道连接，其中A/B厅和C/D厅可以乘坐4号线，E厅和F/G厅可以乘坐10号线，各厅内均具备自助售票机、人工服务窗口、电梯、安检区、检票闸机、楼扶梯等设施。角门西换乘站客流流向如图1所示，是各进站口进站客流与换乘客流的流向展示，由于出站客流相对于进站客流和换乘客流来说较少，为了更加清晰地展示主要客流的流向，图中省略了出站客流流线，且未展示车站中不影响客流的设施细节。

图1 角门西换乘站客流流向Fig.1 Passenger flow direction of JiaoMenxi transfer station

1.2 仿真工具选取

目前描述行人运动的微观模型主要包括元胞自动机模型、社会力模型、移动效益模型、磁力模型和排队论模型等[11]。其中，社会力模型在建模过程中综合考虑了行人对目标的运动、行人间的相互作用及周围环境的影响，可以较好地模拟再现行人的典型自组织现象。模型把行人抽象为具有一定形状、质量和体积的粒子，然后以力的形式对行人受到的外部影响进行量化，再通过经典力学中的受力分析来分析行人在走行过程中的受力情况，以此来解释行人运动中遇到的路径选择、加速、减速、等待及趋向性等问题[12]。

AnyLogic作为成熟的社会力模型仿真软件，其内置的行人库不仅可以构建行人微观仿真模型，还提供了高自由度的二次开发环境，用户可以进行细致的环境建模，使得仿真过程、结果更加接近真实情况。该软件还可以输出动画和一些统计数据信息，包括停留时间、排队长度、通过某区域的人流量以及通过人流密度图直观地显示人流密度的分布情况等。考虑到这些特点，选择AnyLogic作为仿真建模的工具。

1.3 地铁站内客流拥堵评价指标

研究主要从空间和时间2个方面对整个地铁换乘站内瓶颈区域的拥挤程度进行评价，空间方面的评价采用人流密度[13]作为指标，时间方面参照陈伟等[7]对平均逗留时间的定义，提出区域平均逗留时间作为指标。

（1）人流密度ρi是指在指定区域i内单位面积的平均人数，数值越大说明拥堵程度越高。

式中：Ni表示区域i内的行人人数，人；Si表示区域i的面积，m2；ρi表示区域i的人流密度，人/m2。

（2）区域平均逗留时间Tqi(单位s)，是指在时间q内进入区域i的行人通过区域i的平均走行时间，其值越大，说明行人在区域i内滞留越严重，拥挤程度越高。

式中：Nq表示在时间q内进入区域i内的行人数量，人；tj表示在时间q内进入区域i的行人j通过区域i的走行时间，s。

1.4 仿真环境搭建

通过实地调研获取角门西换乘站的布局、尺寸等数据，数据采集时间为2019年10月21日至2019年10月25日的9 : 00—11 : 00，采集方法为通过使用手机测距APP进行相关尺寸测量，利用获取的数据绘制角门西换乘站的AutoCAD图纸，图纸包括3部分，分别为：站厅层、4号线站台层、10号线站台层。随后，在AnyLogic软件中建立模型并导入角门西换乘站的AutoCAD图纸，调节模型比例尺，对照图纸绘制墙壁并添加检票闸机、楼扶梯等智能体设施，其中楼梯使用矩形区域进行绘制，得到角门西换乘站仿真底图如图2所示。

图2 角门西换乘站仿真底图Fig.2 Simulation base map of JiaoMenxi transfer station

1.5 参数设置

流程建模需要客流流线、客流量、设施参数、路径选择比例等数据，研究人员在2019年10月28日至2019年11月1日期间，对角门西换乘站7 : 30—8 : 30的早高峰进行实地调研获取所需数据。根据调研结果设置客流流程图和列车流程图，其中，4号线下车乘客流程建模如图3所示，给出了4号线下车乘客的换乘、出站流程，乘客下车后依次通过各设施，通过在PedSelectOutput中设置不同的概率值实现客流按照特定比例选择不同路线和设施。4号线列车流程建模如图4所示，给出了4号线列车的生成、进站、乘客下车、乘客上车、离站过程，可以通过控制参数改变列车到达时间间隔。调研过程中，采用抽样统计方法获取各设施服务时间，根据统计结果得到以下参数：行人速度、闸机单人服务时间、单个乘客安检服务时间、单个乘客人工售票窗口购票时间和自助售票窗口购票时间，分别服从 1.2 ～ 1.8 m/s，1 ～ 5 s，2 ～ 4 s，15 ～ 25 s和 18 ～ 50 s的均匀分布。各路径客流比例、楼扶梯选择比例分别以10 min时间内观察到的对应比例近似。地铁车站各出入口早高峰客流量如表1所示，列车上下车人数如表2所示。对模型进行调试，完成后进行3 600 s的仿真实验。

表1 地铁车站各出入口早高峰客流量 人次/ hTab.1 Passenger flow at all entrances and exits of the subway station during morning peaks

表2 列车上下车人数Tab.2 Number of people getting on and off the train

图3 4号线下车乘客流程建模Fig.3 Process modeling of passengers getting off at Line 4

图4 4号线列车流程建模Fig.4 Process modeling of the train in line 4

2 仿真结果与分析

2.1 瓶颈区域识别

仿真运行过程中，通过显示整个车站的客流密度图，可以对站内各区域的客流密度大小有一个直观的了解，便于初步识别出可能发生拥挤的瓶颈区域。优化前站厅层(左)和站台层(右)客流密度图如图5所示，灰色椭圆标记的位置即为初步识别出的可能发生拥堵的瓶颈区域，其中a为CD口安检设施限流排队区域，b为E口站厅换乘4号线楼扶梯区域，c为AB口站厅换乘10号线楼扶梯区域，d为4号线站台靠近CD口的楼扶梯区域，e为4号线站台靠近AB口的楼扶梯区域，f为10号线站台靠近E口的楼扶梯区域，g为10号线站台靠近FG口的楼扶梯区域。后续在对各瓶颈区域的评价指标进行计算时，以矩形框划定各瓶颈区域的具体范围，矩形框的大小在仿真运行3 600 s时能完全包括红色区域，各瓶颈区域统计面积如表3所示。

表3 各瓶颈区域统计面积Tab.3 Statistical area of each bottleneck area

图5 优化前站厅层(左)和站台层(右)客流密度图Fig.5 Passenger density map of station hall floor (left) and platform floor (right)before optimization

2.2 瓶颈原因及优化措施

瓶颈区域a为CD口进站客流在安检设施前排队等待形成，由于CD口进站客流很大，只有2个安检口不足以保证乘客通畅进站，实地调研中发现，工作人员为了保证乘客有秩序地排队安检，在该区域采取了限流措施，根据密度图显示，在拐角处密度较大，该拐角为折角型设计，走向具有突变性，流畅性差，在客流较大时极易形成局部高密度客流而造成拥堵[14]，有些研究中把这样的折角去掉后取得了不错的效果[15]。因此，提出将折角拐角改为弧形拐角的优化方案，优化后的模型中把拐角处的直角墙壁和护栏调整为半径1 m的弧形。

瓶颈区域b为换乘10号线的楼扶梯处，该楼扶梯承担了整个4号线换乘10号线的客流，无论是从4号线左侧楼扶梯还是右侧楼扶梯上来的换乘10号线的乘客均通过该瓶颈区域去往10号线。实地调研发现，从4号线左侧楼扶梯上来的换乘客流可以通过换乘通道从靠近FG口的楼扶梯换乘10号线，但是在没有工作人员引导的情况下，几乎所有的乘客均不从该楼扶梯换乘10号线。从仿真密度图也可以看出该楼扶梯处客流密度较小，尚未有效利用。因此，提出引导部分客流从靠近FG口的楼扶梯换乘10号线，以缓解该瓶颈区域的客流压力。经试验确定，引导4号线左侧楼扶梯处上来的换乘客流的30%通过靠近FG口的楼扶梯换乘10号线。同理，瓶颈区域c也采用引导客流的方法进行优化，引导从10号线上侧方向(靠近E口的楼扶梯)上来的部分换乘4号线客流从靠近CD口的楼扶梯处换乘4号线。经试验确定，引导从10号线上侧楼扶梯上来的换乘客流的20%通过靠近CD口的楼扶梯换乘4号线。优化后的模型中，在4号线换乘客流的流程逻辑中加入通往靠近FG口的路线，路线概率设为0.3，在10号线换乘客流的流程逻辑中加入通往靠近CD口的路线，路线概率设为0.2，模型里通过设置参数的方式实现客流分流，在实际应用时，可以通过设置分流护栏和引导人员的方式实现。

瓶颈区域d，e，f，g均为从列车下来的乘客前往站厅层时在上行扶梯处形成，瓶颈区域d处客流密度时间折线图如图6所示，其密度随时间呈现一定的波动性，由列车的间隔到达引起。当列车到达时，乘客一拥而下，客流密度迅速增大；随着乘客上楼，密度逐渐减小。因此提出令2个方向的列车错峰进站的方式进行优化，避免双向列车同时到达引起的客流激增，优化时通过调整列车到达时间间隔参数来实现错峰到达。

图6 瓶颈区域d处客流密度时间折线图Fig.6 Time line chart of passenger density at the bottleneck area d

2.3 优化后仿真验证

为了验证优化的效果，在根据前述优化措施调整相应设置后，重新进行仿真，通过密度图和区域平均逗留时间进行评估。优化后站厅层(左)和站台层(右)客流密度图如图7所示。优化方案实施后，各瓶颈区域客流密度均有明显改善。优化前后区域平均逗留时间对比如表4所示，可以看出优化措施有效地减少了行人在瓶颈区域的逗留时间，减少幅度最大可以达到35%，最小可以达到7.1%，客流通行更加通畅。结合优化前后的密度图和区域平均逗留时间对比，可以得出结论：研究所提出的优化措施有效。

图7 优化后站厅层(左)和站台层(右)客流密度图Fig.7 Passenger density map of station hall floor (left) and platform floor (right)after optimization

表4 优化前后区域平均逗留时间对比Tab.4 Comparison of average stay time in bottleneck areas before and after optimization

3 结束语

本研究试图在不改变地铁站原有布局的前提下，通过客流的自组织效应及客流引导疏解瓶颈区域。选取早高峰的角门西换乘站为研究对象，结合AnyLogic仿真实验获取密度图并识别出瓶颈区域，利用自组织效应和客流引导等方法进行瓶颈优化，提出将瓶颈区域的直角拐角改为弧形拐角、引导客流压力大的流线分摊出部分客流前往客流压力较小的流线、调整列车到达时间以确保双向列车错峰到达等优化方案，对优化后的模型再次进行仿真获取密度图、区域平均逗留时间，其结果均得到了较大改善，验证了所提优化措施的可行性与有效性。相较于以往对瓶颈设施进行改进，研究提出的优化方案便捷且经济，减少因作业施工造成的直接及间接经济损失。不足点在于只针对角门西地铁站高峰期换乘瓶颈提出优化，未来将选取更多地铁站进行仿真实验，不断验证并完善该仿真方案的可行性，提高地铁整体服务水平。