基于物流配送的地铁换乘仿真分析

旷 恺，何法江，吕鸿雁 （上海工程技术大学 航空运输学院，上海 200000）

0 引 言

在科学技术飞速发展的今天，各种物流形式层出不穷，同时巨大的物流运输需求也使得地铁需要承担更多压力。国内外许多学者已经将眼光投向城市内的地铁物流运输，其主要研究方向有三种：地下货运系统、地下物流系统以及地下分拣通道系统[1]。例如陈一村等设计了一种遗传算法，利用地铁系统建立了具有时间窗的城内快递路径优化模型（POM），以降低成本，提高效率，提高客户的满意度，缓解道路拥挤和减少空气污染[2]。王通等提出了一种新的城市物流系统，将公共地铁服务与传统货运车辆运营相结合，有效地将货物从郊区运输到市中心。该系统缓解了交通拥堵、环境影响和送货延误等城市交通问题[3]。童胜昌等提出了具有两级轴辐结构的三阶段优化模型，以建立城市地铁物流网络；并以上海为实证案例，论证适合上海地铁物流网络的布局优化方案。通过敏感性分析不同容量参数对网络布局的影响[4]。刘亚楠等以企业和用户为起始点，以地铁与地面配送车辆的容量为约束条件，优化地铁和地面物流的配送路径，形成函数并建立模型，从而使得运输、车辆以及时间成本最小[5]。刘蕴博等将城市里完善的轨道交通网络与无人驾驶配送车及智能货箱相结合，以及专门设计的配套基站，使快递收发模式达到高效率、个性化且成本低的目标[6]。孙煜晴在Excel软件的基础上利用精确重心法和层次分析法，为物流配送中心的选址提供了简便、快捷的运算方法，并对地铁的物资仓库设置进行了探讨[7]。

然而，在微观方面，货物配送对地铁站中行人换乘的影响通常被忽略，配送人员与普通乘客有着不同特性，通常情况下，配送人员更加注重换乘的效率以及自身和货物的安全。在地铁站等客流高密度场所，若配送人员不能及时安全地疏散，且处于拥挤状况下，很容易造成货物损伤甚至自身与他人受伤。因此，个人物流运输进入地铁站的研究是非常必要的。

1 配送人员地铁换乘的可能影响因素

1.1 配送人员自身因素

1.1.1 年龄

配送人员从年龄上主要分为青年、中年与老人，不同年龄阶段行人的地铁换乘差异主要体现在行走速度与通过服务设施速度上，速度由慢到快分别是老人、中年与青年。在物流配送中，配送人员主要为青年与中年。

1.1.2 性别

配送人员的性别分为男性与女性，不同性别行人的地铁换乘差异主要体现在行走速度上，其中两者步频相近，男性比女性步幅大。

1.1.3 携带货物的尺寸

配送人员携带的货物可以分为大型货物、中型货物与小型货物。不同携带货物的配送人员在行走速度和通过各种服务设施与狭窄通道时存在差异，具体而言，随着货物体积越大，行人的行走速度和通过各种服务设施与狭窄通道的速度越慢。

1.2 环境与设施

1.2.1 站内外衔接

轨道交通的衔接方式主要有步行、自行车、公交车、出租车和私家车五种，不同的衔接方式满足不同行人的需求[8]。

1.2.2 总体布局和行人的行走路线规划

车站的总体布局和行人的行走路线规划需要解决客流的集散、换乘，同时保证整条线路中的技术设备运转、信息控制、运行管理，以确保交通的通畅、便捷、准时和安全[9]。

1.2.3 服务设施分布

轨道交通车站的服务设施通常有站台、扶梯、自动扶梯、升降自动扶梯、售票处、安检门、检票口等，服务设施的多寡、位置的摆放直接影响行人换乘的效率、流畅性与协调性[10]。

2 锦泰广场站建模

2.1 锦泰广场站的基本情况

地铁锦泰广场站是长沙地铁2号线、长株潭城际铁路换乘车站，位于长沙市芙蓉区东二环锦泰广场的西南部，车站设有4个出入口，其中修建在锦泰家园北侧的1号口暂未开放，2号、3号、4号口分别设置于锦泰商务大厦旁、荷花园中国电信大楼对面与锦泰广场内，运行时间为每天的6:31—23:30，客流量大。

通过实地调查统计得知，锦泰广场站行人多为商旅乘客、旅游乘客与通勤乘客，行人结构复杂，携带货物的行人较多；与较多配送人员进行换乘情况相似，客流高峰时间为18:00—19:00，客流约为3 600人/小时，在该时段各服务设施都有不同程度的排队与拥堵，本文就行人换乘排队、拥堵问题进行原因分析并提出解决方法。

2.2 模型参数选择

本文基于Anylogic建立模型，其仿真参数设置分为行人参数与服务设施参数两部分。

2.2.1 行人参数

针对锦泰广场站行人结构复杂，男女比例接近1:1且携带货物情况较多，模型对货物与换乘效率进行影响分析，因此，模型设置了多个行人来源参数，主要包括行人的行走速度与行人自身的面积，如表1所示[11]。

表1 行人的行走速度与半径

2.2.2 服务设施参数

锦泰广场站的服务设施主要有自动售票机、安检门、检票闸机以及自动扶梯。其中，通过调查，模型采用符合实际的10.0~25.0s均匀分布描述自动售票机的个人花费时间；同样，模型选择1.0~4.0s、2.0~3.0s分别描述安检门与检票闸机的行人通过时间；自动扶梯运行速度为0.65m/s，符合安全规定；后续构成改变，行人通过各种服务设施时间也随之调整。

2.3 模型及换乘流程图

本文以长沙地铁2号线锦泰广场站作为仿真分析对象。该站分为上下两层，上层有四个出入口，总体构造为东西对称，其主要服务设施有2个安检门、2个自动售票处、2处检票口以及自动扶梯。根据该站的平面图与实地调查结果，本文以Anylogic行人建模库绘制出3D模型与行人换乘逻辑流程图，如图1、图2、图3所示。

图1 锦泰广场3D模型图

图2 行人进站换乘逻辑流程图

图3 行人出站换乘逻辑流程图

3 换乘过程的主要影响因素仿真分析

通过实地调查与模型仿真得知，当客流量在高峰时段为3 600人/小时时，换乘系统的部分区域密度较高，各服务设施开始排队，形成拥堵。因此，本文对可能易导致各服务设施排队拥堵的因素进行仿真分析。

3.1 性别与年龄因素

行人本身的特征通常有性别与年龄层次的不同。通过观察可知，男女行人主要在行走速度上稍存差异，在通过服务设施、路线选择上无明显不同。在一定比例的配送人员参与换乘的情况下，分别将配送人员分配给男性和女性，得到仿真结果，前者的平均换乘时间为173s，后者的平均换乘时间为175s，并无明显区别。

从年龄来看，青年、中年与他们携带的儿童在行走和通过服务设施时都保持较快速度，老年人及其携带的儿童的速度则有较大差距，如前者的行走速度大约为1.43m/s，使用自助售票机的时间为10.0~20.0s，后者的行走速度大约为1.62m/s，使用自助售票机的时间为15.0~30.0s，然而，物流配送人员主要集中于青年与中年，因此年龄对配送人员换乘的影响也是极小的。

3.2 货物尺寸因素

本文将货物分为大型货物、中型货物与小型货物。由于配送人员负重、通过安检需要对货物进行检查，携带货物的行人往往要比未携带货物的行人的换乘效率低，通过对行人的调查与统计得到各类行人的平均行走速度、通过安检时间与检票时间分别为①不携带货物：1.45m/s、1.0~3.0s、2.0~3.0s；②携带小型货物：1.43m/s、2.0~4.0s、2.0~3.0s；③携带中型货物：1.35m/s、2.0~5.0s、2.0~3.0s；④携带大型货物：1.16m/s、2.0~5.0s、2.0~4.0s。

用以上4种情况作为行人来源分别进行仿真，统计数据得到4种携带货物情况的行人的换乘时间分别为165s、173s、175s、188s，相较于不携带货物的行人，携带小型货物行人的换乘效率降低了约5%，携带中型货物行人的换乘效率降低了约6%，携带大型货物的行人的换乘效率降低了约14%，如图4所示[12]。

图4 各类行人换乘平均时间折线图

3.3 设施因素

在考虑部分行人属于配送人员携带货物的基础上，当部分地铁由于设施故障或其他原因停用时，换乘系统可能发生拥堵甚至无法正常运行，如地面维修导致某条行走路线中断或自动扶梯故障无法使用等。本文建立模型检测以上两种情况发生时换乘系统是否还能正常运行[13]。

3.3.1 某条线路中断

锦泰广场站东西方向对称，行人行走线路为地下层站台下车，通过两侧步梯或自动扶梯到达地面层，到达检票闸机处并通过，离开地铁站。此次模型中，当左侧检票闸机前的路面维修导致此线路中断，行人到达地面层后只能去往右侧检票口并通过。模型运行1min后，右侧检票口便拥挤堵塞，显然，这是由于行人行走线路过于简单、容错率低，一旦有路线不能正常通行，行人将不能及时疏散，极有可能造成危险，如图5所示[14]。

图5 行人线路中断示意图

3.3.2 自动扶梯故障

此次模拟锦泰广场站左侧自动扶梯发生故障而无法运行，行人只能通过左侧步梯或者右侧步梯与自动扶梯到达地面层完成换乘。在模型运行30min后，系统依旧稳定运行，区域密度并未明显增加，说明锦泰广场站在两层连接处的通行能力有足够富余，满足行人安全疏散的要求，如图6所示[15]。

图6 自动扶梯故障示意图

4 锦泰广场站存在的问题及优化方案

通过对锦泰广场站的调查与分析，考虑各类行人的特征，设置相应的行人参数与设施参数模拟锦泰广场站（图7），模型运行30min后，出站检票口每条队列的平均排队人数稳定在3.5人左右，这表明此处行人换乘的流畅性与协调性还存在问题。本文就此问题提出优化方案并进行验证，优化方案如下。

图7 出站检票口排队情况

4.1 将自动扶梯与检票口的距离拉长

模型将自动扶梯与检票机分别向左、右移动，使得行人从自动扶梯到检票口的行走时间增加，检票机有更多时间完成对到达此处的行人的服务，优化后行人的平均排队长度约为2.3人（图8）。

图8 方案一优化后出站检票口排队情况

4.2 增加一个检票机

模型将四个检票机增加为五个检票机，增加的服务设施分担了行人到来的压力，降低了此处的区域密度，优化后行人的平均排队长度约为0.6人，极大提高了行人换乘的流畅性（图9）。

图9 方案二优化后出站检票口排队情况

5 结 论

本文通过对锦泰广场站内结构与设施分布情况进行调查、对行人特性进行分析，用Anylogic绘制出锦泰广场站的行人换乘模型，分析了配送人员自身的性别、年龄与携带货物的尺寸对换乘效率的影响，以及设施因素对行人换乘起到的作用，得到携带货物的尺寸是对行人换乘影响最大的因素，并发现当锦泰广场站的某条行人线路中断时，换乘系统将无法正常运行，存在安全隐患。在正常情况下仿真后，结果显示出站检票处的排队人较多，本文提出两项优化措施并验证有效。仿真成果为引进更多配送人员走入地铁与车站换乘设计提供了参考建议，后续或可在保证换乘效率不受较大影响的前提下，探讨如何使地铁分担更多物流配送人员，减轻其他交通的压力。