宋程程,蔺陆洲,陈艳艳
(1.交通运输部水运科学研究院,北京 100088;2.全图通位置网络有限公司,北京 100176;3.北京工业大学 北京市交通工程重点试验室,北京 100124)
在出行高峰时段,处于站台不同位置的候车乘客数量不同,使候车乘客分布呈现不均衡特点。在排队人数较多的候车区域,一般意味着站台该位置乘客总量较大,造成候车区域内乘客的整体乘车时间增加。同时,与候车区相对应,更多乘客通常伴随着更高的乘客密度,影响乘客上下车速度,导致上车时间增加,并造成极大的安全隐患。
目前,国内外学者主要通过调查客流和物理等因素进行统计分析,对站台乘客候车区域选择行为特性进行研究。许阳[1]基于观测入口流量、距离、负重等因素,构建基于候车场的站台候车乘客分布模型,并采用增量分配方法进行候车乘客分配,研究结果表明,候车区域的候车分布人数与站台入口流量呈正相关关系,与候车区域离入口的距离呈负相关关系;李森荟等[2-5]利用车站走行距离、排队人数和引导措施等因素,构建乘客候车区域效用函数及优化模型,以候车乘客分布均衡度最优为目标,建立了候车乘客分布优化模型;宋庆梅等[6-9]通过挖掘站台客流特征,构建候车区域客流分布数学模型,依托实际站台客流分布数据,对模型参数进行标定,对站台客流分布进行预测;吴非等[10]根据实测数据,分析乘客选择候车位置是受候车位置与入口的距离、候车位置与乘客在进站阶梯上的视野度等主要因素影响,并构建了乘客候车区域选择模型。
近年来,随着计算机领域和视频采集分析技术的发展,一些学者将新型计算模型和视频追踪技术引入乘客站台候车行为研究。Seriani 等[11]基于对伦敦地铁站的观察,以及伦敦大学学院行人可达性和运动环境试验室(PAMELA)的不同上下车场景模拟,开发了乘客最终的候车行为工具;Zhou 等[12]通过现场观察和视频记录,探讨了正常情况下和导游干预下的乘客候车行为,并分析2 种情况下的等待区行人分布情况、不同密度水平下等待方式的百分比,以及距离车头时距、移动速度和平均等待时间的分布情况;Ding 等[13]基于门口排队长度、车厢内人数和行驶距离对乘客选择车厢的影响,建立乘客到达分布模型,并对乘客进行乘车引导,以提高车厢间乘客分布的均匀性;Yang 等[14]基于目标候车区的距离、队列长度、候车区物理长度和列车时刻表4 个主要影响因素,提出一种基于蚁群算法的客流分布建模方法来预测乘客候车区选择过程。
在乘客候车区域选择行为建模方面,既有研究多集中于在行为影响因素分析的基础上,采用显性影响因素(如乘客速度、排队长度、候车区物理长度等)构建乘客候车区域选择模型或站台乘客分布模型,典型模型包括Logit 模型、元胞自动机仿真模型、乘客分布函数模型等[15-16]。依托科学提取关键影响因素,融合实际调查数据,构建站台乘客候车区域选择模型,实现对分类乘客候车区域选择行为特征的挖掘,并进一步探讨行为影响因素的重要性,以期为站台规划和客流组织精细化管理提供依据。
以北京地铁常用岛式站台为研究对象,根据站台设施设置情况和站台物理特征,将站台候车区域划分为3 类:(1)A 类区域,指站台两端;(2)B 类区域,指站台设施阻碍区;(3)C类区域,指开阔区域。以北京地铁14 号线北工大西门站站台区域为例,站台候车区域划分见图1。
图1 北工大西门站站台候车区域划分
由图1可知,由于岛式站台两侧一般分为列车上下行,因此仅对单一方向进行标注。根据站台几何特征,3类乘客候车区域分别具有以下特性:
(1)A类区域。位于站台两端,是两车前后端车厢的候车位置,对应每列车固定前后方车厢,一般离楼扶梯出口设施较远,该区域可能设有卫生间、母婴室、应急通道等物理设施。
(2)B类区域。位于楼扶梯设施两侧,空间受设施阻挡,排队空间有限,由于各站台楼扶梯设置位置不一致,因此无固定对应车厢,且为主要乘客通道,冲突较多。
(3)C类区域。位于楼扶梯设施中间,除立柱外无其他设施阻挡,空间大,该类区域细分为2种:①楼扶梯前方,距离楼扶梯入口距离短,常与出站客流形成冲突;②楼扶梯后方,不在乘客进入站台的第一视野范围,不易引起乘客注意。
根据乘客轨迹数据,采用每个车辆到达周期范围内,乘客未上车状态下的每类区域候车人数、平均密度作为指标,表征站台候车区域的利用率情况。取北京地铁14 号线北工大西门站、北京地铁5 号线天通苑北站、北京地铁4号线北京南站在高峰时段站台单一方向候车区域10个周期利用情况(见图2)。
图2 站台各类候车区域利用情况
经调研分析,站台乘客候车区域选择具有以下特性:
(1)不同站台区域位置,列车进站前候车人数具有一定的不均衡性,且差异性较大。通过统计,车辆到达前候车人数最少为7人、最多为21人。B类区域候车人数较少,A 类、C 类区域候车人数最多。以上现象的形成主要是由于候车区域距入口的距离以及候车区域容量等因素造成的。
(2)乘客候车集中于入口附近区域,且候车区域分布人数与距入口距离呈一定负相关关系。乘客分布特征与入口的距离直接相关,距离入口越远、候车人数数量越少,表明乘客不愿走更远的路程选择候车区域。
(3)在站台不同候车区域,乘客分布随入口候车人数增加而逐渐趋于均衡,并存在一定上限值。
通过以上分析可知,在大客流状态下,站台各区域候车人数分布不均问题严重,站台未得到有效利用,同一站台不同类型区域乘客密度差异大,导致站台服务水平低下、安全隐患大。
基于乘客候车区域选择行为进行特性分析,其影响因素总体可分为以下3个方面:
(1)乘客因素。子因素包括性别、年龄、受教育程度、收入水平、行走速度、出行目的、视野范围、熟悉程度、出行时段、出行频率、对信息的敏感度、刚需性、负重情况、从众行为、舒适性、更换队列。
(2)站台因素。子因素包括车站类型、站台形式、站台入口数量、站台出口数量、入口到候车区域的距离、楼扶梯设施数量、乘客座椅数量、排队区护栏、有效利用面积、站台引导标志、排队空间。
(3)环境因素。子因素包括客流行进速度、客流达到率、乘客聚集度、排队长度、站台入口处乘客数量、车厢满载率、发车频次。
2.2.1 乘客因素
乘客因素指对乘客候车区域选择行为产生影响的个体因素,可分为以下4个方面:
(1)生理因素。代表乘客身体心理健康状态,包括性别、年龄、行走速度、视野范围等。①性别。男女性别差异会对候车区域的选择产生一定影响;②乘客年龄。为乘客划分的关键指标,年龄低于26 岁为未成年人及学生,26~45岁为青年人,45~60岁为中年人,60 岁以上为老年人;③行走速度。为一项非常关键的指标;④视野范围。影响乘客候车区域选择的关键因素,指对站台更广区域交通状态的感知能力。
(2)客观因素。主要包括受教育程度和收入水平。①受教育程度指乘客接受的最高教育等级;②收入水平指的乘客收入情况。
(3)出行因素。出行因素与乘客在乘车过程中的决策行为有直接关系,主要包括出行目的、出行时段、出行频率、刚需性、负重情况。①出行目的。指本次乘坐地铁出行的目的,如上班、回家、购物、娱乐等;②出行时段。根据城市轨道交通客流特征,划分为平峰时段和高峰时段;③出行频率。乘客1周内的出行次数,可影响乘客在出行环境容忍性等方面的变化;④刚需性。表示本次出行时间紧张,必须尽快上车,表现为强烈急迫性;⑤负重情况。指乘客携带行李情况,可对乘客运动行为产生一定影响。
(4)偏好因素。用于对特殊乘客群体进行划分,包括站台熟悉程度、对信息的敏感度、从众行为、舒适性和更换队列。①站台熟悉程度。指乘客对站台的熟悉程度;②对信息的敏感度。指乘客对站台诱导信息的敏感程度、对信息的遵从情况,与乘客性格特征关系密切;③从众行为。一种常见的候车区域选择行为,即乘客对外界信息关注度不高,多跟从大众行为;④舒适性。表示乘客对站台环境的容忍性以及对客流密度的要求;⑤更换队列。指乘客意志不坚定,决策不定。
2.2.2 站台因素
站台因素又称基础设施因素,主要包括几何特征因素、设施因素2个方面。
(1)几何特征因素。主要指站台的几何形状,车站类型包括始发站、换乘站、终点站、一般通过站,根据车站类型不同,客流特征存在显著差异。站台形式包括岛式站台、侧式站台、岛侧混合式站台。站台出入口的数量也是重要的几何特征,出入口的数量及形式也与车站类型有一定关联性,最典型的是单线车站和换乘站的站台出入口存在较大差异。
(2)设施因素。主要指站台服务类设施的设置和布局对乘客候车区域选择行为产生一定影响。①入口到候车区域的距离。指入口到站台典型候车区域的物理距离,包括所有入口到典型候车区域的距离,是一个集合;②有效利用面积。指站台可用于候车排队区域的面积,一般指站台总面积减去各类设施占地面积;③楼扶梯设施数量。指层间设施数量,包括楼梯、扶梯、直梯;④乘客座椅数量,指站台中央设置用于乘客候车休息用的座椅设施,设置位置一般位于站台中央,对高峰时段站台客流有一定的阻挡作用;⑤排队区护栏。指在候车排队区域设置的导向护栏,多设置于楼扶梯出口与排队区域的重合处,减小排队客流与进站客流冲突;⑥站台引导标志。主要包括引导标志的设置位置、标志的内容、设置形式等,用于评估标志对乘客候车区域选择的影响程度;⑦排队空间。指站台区域内屏蔽门前可用于乘客排队的空间。
2.2.3 环境因素
环境因素指站台运行的动态环境因素,包含客流因素和车辆运行因素,2种因素分别对站台的动态环境变化产生一定影响。
(1)客流因素。根据乘客出行特征不同,站台客流状态在不同时段呈现不同状态,挖掘乘客候车区域选择行为影响的客流因素,分析其在所有因素中的关键程度,为站台客流组织管理提供支持。①客流行进速度。指客流在站台的运动速度,与客流构成和站台拥堵度联系紧密;②客流到达率。指单位时间内站台乘客到达的人数,直接影响站台拥挤度的变化情况;③乘客聚集度。指站台局部区域乘客密度;④排队长度。指站台排队区域上车乘客排队队列长度;⑤站台入口处乘客数量。表示在楼扶梯的底端附近候车的乘客数量,该指标影响乘客的视野范围和对站台综合状态的判断。
(2)车辆运行因素。对于站台乘客候车区域选择的因素主要有车厢满载率和发车频率。①车辆满载率。表示列车单节车辆的客流饱和度;②发车频率。指列车到站的频率,也是乘客乘车的机会概率。
运用相关性分析方法,获取站台乘客候车区域选择行为影响因素,按重要度排序依次为:行走距离>乘客聚集度>排队空间>车厢满载率>乘客对车站熟悉程度。
基于站台乘客候车区域选择关键影响因素,构建站台乘客候车区域选择行为仿真模型,挖掘多因素对站台利用率的影响机理。元胞自动机模型具有符合实际的有限方向移动特征,且元胞自动机模型可获取仿真范围内的各项信息,包括行人密度、距离、速度、区域面积等。可利用元胞自动机模型模拟站台乘客候车区域选择行为,用于分析评估不同因素对站台空间利用率的影响。
城市轨道交通车站类型分为岛式站台、侧式站台和岛侧混合式站台,主要研究站台层乘客对候车区域的选择,研究关键点是候车区的特性研究,几种站台在候车区域设置方面原则一致,站台类型对于研究结果无太大影响,因此选取典型岛式站台为仿真研究案例,对城市轨道交通车站具有一定的代表性。
根据研究目的构建模型场景,针对乘客分布不均、站台空间利用率低的问题,构建典型站台场景。根据某地铁站实际站台尺寸,构建站台环境,站台环境规模为长132.8 m、宽13.6 m,元胞尺寸0.4×0.4 m2。为便于研究候车区域划分,在仿真场景设施设置中在站台两侧分别设1组楼扶梯设施。乘客候车区域选择仿真基础场景见图3。
图3 乘客候车区域选择仿真基础场景
根据以上站台仿真场景和研究目的,在仿真中仅探讨进站乘客的候车区域选择行为,不考虑下车乘客。
仿真模型构建目的是评估不同影响因素对乘客候车区域选择的影响,评价指标是不同影响因素下的站台利用率。仍将站台候车区域划分为A、B、C 3 类区域,站台候车区域仿真场景划分见图4。
图4 站台候车区域仿真场景划分
站台两侧为公共设施,A类区域为站台两端,对应列车前后端车厢;B类区域为楼扶梯设施遮挡区,可用候车空间有限,但距离站台入口设施距离短;C1、C3类候车区域为站台开阔区域,位于楼梯入口正面,承担乘客候车和客流通道双重功能;C2 类区域为站台开阔区域,位于楼扶梯后面,主要承担乘客候车功能,由于其位置不在乘客第一视野范围内。站台乘客候车区域选择行为仿真过程包括:乘客从站台入口进入站台,选择A、B、C类中任一区域候车。
根据仿真场景,构建基于元胞自动机的站台乘客候车区域选择仿真模型。根据元胞自动机的仿真机制,结合乘客候车区域选择的关键影响因素,提出候车区域吸引力模型。
根据行人运动规则,行人倾向于向势能值小的方向移动。乘客候车区域关键影响因素包括:行走距离、乘客聚集度、排队空间、车厢满载率、乘客对车站熟悉程度。结合元胞自动的可实现功能及乘客个体属性,在候车区域模型构建中选取行走距离、乘客聚集度和排队空间3个因素作为模型变量参数。仿真模型考虑了自身到各候车区域的距离、各区域内乘客的聚集度、排队空间3个因素。乘客聚集度的计算方法为各候车区域内任一局部区域的密度,以该区域最大密度为该区域内的综合指标。吸引力的大小主要与候车区域有关,模型中元胞势能值由各区域吸引力模型确定,对应候车区域因素转化为候车区域到任一入口的距离、区域内单位面积的最大密度、区域内可排队空间3 个方面因素。
根据候车区域与各入口的关系,结合乘客特性,吸引力与区域内可排队空间成正比,与入口到候车区域的距离和区域内单位面积的最大密度成反比,根据站台物理空间,得候车区域吸引力模型如下:
式中:Yij为候车区域i对入口j行人的吸引力;Si为候车区域i的可用排队空间;ki为候车区域i现有人数;s0为单个行人所占排队空间值,取0.16 m2;Lij为候车区域i到入口j的距离;Mi为候车区域i内单位面积乘客的最大密度;a、b、c分别为空间、距离、密度系数。
模型中利用候车区域吸引力模型可得入口j的乘客到候车区域i的概率为:
式中:Pji为入口j的乘客到候车区域i的概率;Ydj为候车区域d对入口j的乘客的吸引力;n为候车区域总数。
基于上节构建的模型,对乘客候车区域选择行为进行仿真模拟。从到站客流量和不同考虑因素系数组合的方面探讨站台乘客区域利用率。站台乘客候车区域选择行为仿真场景见图5。
图5 站台乘客候车区域选择行为仿真场景
3.3.1 仿真模型参数标定
根据候车区域吸引力模型,需要对进站客流达到率和自身到各候车区域的距离、各区域内乘客的聚集度、排队空间的系数进行标定。
根据站台乘客数据处理,在大客流状态下,对典型大客流地铁站——北京地铁5号线天通苑北站、北京地铁13 号线回龙观站作为客流标定依据。在7:30—8:30 时段,对2 个地铁站以10 min 为统计周期,对进入站台的客流进行分析(见图6)。
图6 高峰时段站台客流到达率分布
首先,根据实际客流数据标定,将客流到达率设定为250~500 人/min。其次,对自身到各候车区域的距离、各区域内乘客的聚集度、排队空间的系数进行标定。根据候车区域吸引力模型,吸引力与区域内可排队空间成正比,与入口到候车区域的距离和区域内单位面积的最大密度成反比。因此,将a设置为取值0.1~1.0 表征乘客对距离的关注程度;将b、c设置为取值1.0~0.1,分别表征乘客对聚集度和排队空间的关注程度。
3.3.2 试验结果分析
在仿真结果,区域占有率表征各区域利用率,仿真时间取10 min,积累一定的客流量;在不同客流到达率情况下,摒弃乘客对各因素间的偏好,将吸引力模型中的a、b、c均设置为1.0。基于站台元胞自动机本身为离散模型,仿真具有一定随机性,为避免随机性导致的仿真结果误差,取30 次仿真结果进行分析,不同客流到达率情况下,A1 类区域乘客占有率见图7。
图7 A1类区域乘客占有率
将仿真结果取平均值,得不同客流到达率情况下,站台各区域乘客占有率(见图8)。
图8 站台各区域乘客占有率
由图8 可知,随着到站客流增加,各区域站台占有率提高,且由于C1 和C3 类区域距离入口设施距离近、可用排队空间大,导致选择人数多,但总体单位面积占有率与其他区域差别小;B 类区域由于其具备入口到区域距离近、排队空间有限,从而占有率高。
分析乘客到各候车区域的距离、各区域内乘客的聚集度、排队空间的系数对各区域占有率的影响,排队空间参数与各区域乘客占有率的关系见图9,系数a取值0.1~1.0,b=c=0.5。
图9 排队空间参数与各区域乘客占有率关系
由于C类区域为站台开阔区域,基于区域吸引力模型,区域排队空间与区域吸引力成正比,随着排队空间系数的增强,C 类区域的吸引力增强,C 类区域的空间占有率增大;A、B 类区域由于其排队空间有限,导致空间占有率下降。当区域排队空间系数为0.6 时,站台综合利用率最高。聚集度参数与站台各区域乘客占有率关系见图10。
如图10 所示,由于A 类和C2 类区域到入口设施距离较远,因此A 类和C2 区域的整体占有率处于较低水平,聚集度系数大时,相较于其他区域吸引力大,空间占有率高;随着聚集度系数的减小,二者空间占有率下降。B 类区域由于其空间有限,其聚集度一直处于由于其到入口的距离优势,基于区域吸引力模型,聚集度与区域吸引力成反比,随着排队空间系数的减小,B 类和C1、C2 区域的吸引力增强,相应的空间占有率增大。当聚集度系数为0.7 时,站台综合利用率最高。
距离参数与站台各区域乘客占有率关系见图11。如图11 所示,由于A 类和C2 区域到入口设施距离较远,基于候车区域吸引力模型,区域吸引力与乘客到区域的距离系数成反比,当距离系数大时,A 类和C2区域的整体占有率处于低水平。随着距离系数的减小,代表乘客对于距离的在意程度小,二者区域吸引力增大,空间占有率升高;B 类和C1、C2 区域随着距离系数的减小,二者吸引力减小,空间占有率下降,由于三者的空间优势,空间占有率下降有限。当距离系数为0.3时,站台综合利用率最高。
图11 距离参数与站台各区域乘客占有率关系
结果表明,在各影响因素系数统一固定值设置时,随着进站客流量的增大,站台各区域的占有率增加,各区域综合占有率排序为楼扶梯设施阻挡区域>站台开阔区域>站台两端;随着排队空间系数的增大,站台开阔区域的吸引力明显大于其他区域,且楼扶梯设施中间的区域得到了有效利用;随着乘客到候车区域距离系数的减小,站台两端及楼扶梯中间开阔区域吸引力增大,站台的综合利用率高;随着聚集度系数的减小,楼扶梯阻挡区域和站台两端区域吸引力增大,站台的综合利用效率一般。
研究提出考虑乘客到候车区域的距离、区域内乘客的聚集度和排队空间影响的候车区域吸引力模型,揭示了不同影响因素对乘客候车区域选择的影响机理和关键性。
在现有站台乘客候车区域行为研究基础上,依托视频数据对站台候车区域特性、乘客选择特性和行为影响因素进行深入挖掘,通过问卷及因素与方案相关性分析的基础上,得出站台乘客候车区域选择行为影响因素重要度排序。主要研究结论如下:
(1)站台乘客候车区域选择行为影响因素前5名按重要度排序依次为:行走距离>乘客聚集度>排队空间>车厢满载率>乘客对车站熟悉程度。
(2)随着站台乘客排队空间系数的增大,站台开阔区域的吸引力明显大于其他区域,且楼扶梯设施中间区域得到有效利用;随着乘客到候车区域距离系数的减小,站台两端及楼扶梯中间开阔区域吸引力增大,站台的综合利用率高;随着聚集度系数的减小,楼扶梯阻挡区域和站台两端区域吸引力增大,站台的综合利用效率一般。
(3)站台层间设施的设置应该与站台乘客候车特性综合考虑,尽量增大站台乘客候车可用有效空间。
(4)在站厅层和楼扶梯出口设置乘客候车引导设施,可有效防止站台乘客聚集度过高,提高站台乘客分布均匀度和站台服务水平。