轨道交通站域公共空间的平疫结合设计策略及评估模型研究

杨柳，赵芳芳，张慧瑾，刘浩然

0 引言

在我国许多大城市中，交通枢纽的建设规模过大，不仅给城市居民带来了视觉和心理上的割裂，还使得枢纽衔接区的公共空间尺度过大、质量不佳，人们在其中缺乏安全感和舒适感[1-2]。随着公共交通的发展，站城一体化设计思想逐渐被接受，TOD 也成为城市规划的重要策略，为城市高效能发展提供了途径[3-4]。新一代TOD 设计关注人的行为与感受，对城市设计的人性化、精细化、科学性提出了更高的要求[5-6]。近几年，站域开放空间的设计受到广泛关注，有研究指出，实现TOD 不仅需要将建筑空间与公共交通相结合，还需要关注主要交通站点周边的公共空间[7-8]。站域公共空间聚集了多种交通方式的使用者，也是市民聚集休闲的场所，通过城市设计的手段可以提高空间品质，促进人们在其中的多种体验，提高城市性[9]。例如，有学者研究了站点周边商业街及服务设施的设计[10-11]、站域空间的使用绩效[12]、零余空间再利用[13]。在保证交通运输安全与高效的同时提升公共空间的品质，构建多尺度、站—城—人协同的轨道交通站点影响域空间（以下简称站域空间），是建筑学及相关领域亟待解决的关键问题[14-16]。

2020 年新型冠状病毒肺炎疫情的爆发为全球带来了巨大的损失，突发传染病等公共卫生事件受到国际各界的广泛关注。城市设计通过采取空间干预措施，可以有效阻断传染源的传播，保护易感人群[17]，因此，将流行病等疾病的防控纳入我国大城市城镇灾害管理战略[18]，实施“预防为主，平疫结合”的规划设计原则以及开展传染病风险评估，有助于提升城市应对公共卫生突发事件的能力，从而促进健康和韧性城市的建设[19]；轨道交通枢纽作为传染病健康风险重点防护场所，尤其需要提升应对突发公共卫生事件的能力。有研究指出，公共空间是构建韧性城市的重要组成部分，在传染病等突发性事件爆发时，公共交通和室内公共空间的使用受到限制，室外开放空间可以提供户外休闲功能并促进社会互动，满足人的生理和心理需求[20]，因此，平疫结合的站域公共空间设计可以提升城市应对未来不确定风险的能力。然而，现有研究多关注交通枢纽内部的人流调控等软性管理措施[21]，如何对室外站域空间进行设计，在满足常规状态下公共空间人性化使用的同时应对传染病爆发情景下的特殊使用仍需深入探究。

基于大数据的行为分析、复杂系统仿真、计算机模拟量化评估与决策支持工具为站域空间的人性化、数字化城市设计提供了支持[22-24]，借助传染病传播模拟[25-26]等工具，综合利用计算机模拟、GIS 等技术构建城市量化设计工具[27-28]可以实现对突发公共卫生事件的预测以及精准防控。

本研究将针对轨道交通站点“大人流、强聚集”的特征，探讨站域公共空间平疫结合的设计策略并构建量化评估工具。旨在通过案例搜集和分析，总结出有效的城市设计干预策略，以应对传染病的威胁。为此，我们建立了行人仿真模型，对常规情景和疫情爆发情景下的站域空间设计方案进行了量化评估，并以南京市新街口地区为实证案例，深入探讨了不同设计策略对行人使用的影响。

1 背景

1.1 应对突发性传染病的设计策略

由于专门针对轨道交通站点影响域的城市设计策略研究和实践比较有限，本研究将案例搜集范围拓展到城市公共空间的范畴。为此，我们在YANG 等[26]研究的基础上，结合相关资料[29-31]，总结了一系列干预策略和具体设计方法（表1）。

1.2 轨道交通站点行人模拟的方法和技术

行人模拟技术在轨道交通站域的应用由来已久，但绝大多数研究聚焦于站点本身的站厅、站台空间，围绕客流等议题展开。地铁作为一种重要的交通工具，其受众群体广泛，不仅包括固定客流，如上下班人群，还有临时到访的客流。因此，客流群体之间存在明显的差异，出行行为和偏好也有所不同。在此基础上，部分研究探索影响客流出行行为的外部因素，例如，在微观层面探索乘客出行路径选择与出行时间[32]的相关度。研究表明，地铁站的服务水平可以通过客流密度、流量、平均行程时间、人流速度等特征来评估[33]。此外，还有研究探索了地铁站在极端情况下的韧性，比如通过集成可用安全出口时间、所需安全出口时间、数值模拟和多属性决策分析等方法，来评估地铁站在火灾情况下的疏散效率[34]。然而，现有研究多关注地铁站点内部部分物理设施布局的影响，模型中仅纳入部分参数，针对站域公共空间的设计和布局影响仍有待研究，且较少考虑空间使用者的需求与感受，行人模拟技术的应用可以在一定程度上弥补这一缺失。

行人仿真建模可划分为宏观、中观和微观3 个大类，其中微观建模占据主导地位。宏观或中观建模的研究则相对较少，且聚焦于步行行为的战略层面，因此无法模拟乘客的个体选择行为和地铁与乘客之间的动态交互。而中观仿真模型主要描述较小的群体行为，代表模型包括格子气模型，其对单个元素进行建模，但避免对其详细运动情形进行建模。微观仿真模型则是以细粒度的方式研究个体行为，由于其可以模拟个体行为的动态交互[35]，被广泛应用于地铁客流行为的相关仿真研究。微观模拟的方法有很多，其中包括基于主体的建模（agent-based model）、元胞自动机建模，本研究将采用基于主体的建模技术进行行人仿真。

在研究人行为的微观仿真模型中，Anylogic、Netlogo、Vissim 等软件都可以提供有效的帮助。其中，AnyLogic 软件的行人模拟大部分依赖于行人库，基础方法是社会力模型（social force model，简称SFM），其公式可以参考式（1）[36]。首先，该模型假设行人受到自我驱动力、人与人相互之间的作用以及人与障碍物之间的作用3 个力的共同作用[37]。此外，社会力模型的构建考虑了人行为的多种因素，包括环境、心理等，而且对人的行为模拟可以随时间连续变化，可以根据实际情况调整运动方向和速度[35]。Anylogic 软件具有出色的仿真能力，现已被应用于各种交通领域，包括私家车[38]、公交汽车[39]等；在轨道交通领域，该软件被广泛应用于优化设计研究，以提升地铁站的通行能力[40]。它可以根据客流量来调整枢纽通道的宽度[37]，并找出车站系统的瓶颈点，以便优化冲突区的物理设施空间布局和增加服务设施[41]。

2 行人仿真模型构建

本研究采用Anylogic 软件构建基于主体的模型，用于研究不同的轨道交通站点影响域公共空间（广场、步行街）设计方案对站域空间质量、疫情防控措施以及行人使用的影响，图1 为模型构建的流程。作为输入数据，模型设定了初始人流量和每小时进入人流量，所产生的行人被划分为通勤者、漫游者、购物者、休憩者4 类，其行为特征如图2 所示。

2 根据行为特征的行人分类

根据现场观察，模型将每类人群的行为规则设定如下（图3）：（1）通勤者：沿着道路向出口行走，有一定概率休息，若休息则找到临近椅子随机休息5～10min 后离开，否则将直接沿道路行走，直至出口消失；（2）漫游者：首先从4 条路经中选择一条，然后沿着选择的路径行走，当周期性休息事件发生时，有一定的概率休息，若休息则找到临近椅子随机休息5～15min 后离开，并返回选择的路径继续行走，否则将一直沿着路径行走，直至走到出口消失；（3）购物者：首先沿着道路行走，对于特定个体而言，进入近端的商场的概率为80%，若进入则会在商场停留20～40min，否则将继续沿道路行走，若不进入近端商场则100%进入远端商场，若进入近端商场则再进入远端商场的概率为50%，若进入远端商场则同样停留20～40min，否则将继续沿道路行走，最终来到出口消失；（4）休憩者：首先，沿着道路行走，对于特定个体而言，进入近端广场的概率为80%，若进入则会在广场休息10～20min，否则将继续沿道路行走；进入中端广场的概率为50%，若进入则会在广场休息10～20min，否则将继续沿道路行走；进入远端广场的概率为30%，若进入则会在广场休息10～20min，否则将继续沿道路行走；若近端和中端广场都不进入，则一定进入远端广场，最终来到出口消失。

3 模型流程

为了更好地模拟常规场景和疫情爆发的情况，我们参考了相关文献和国家的疫情管控政策，并将行人间的社交距离分别设定为1m、2m、3m，同时将广场的最大允许人流密度设定为1 人/m2、0.40 人/m2、0.08 人/m2。为了研究人行道和广场的设计干预，我们从表1 中选取了座椅的不同布置方案以及社交距离干预措施等策略，分别探讨了座椅间距为10m、20m、40m，以及广场空间不进行划分和划分为分散式小广场的情况。表2 提供了具体的场景设定，可以帮助我们更好地理解不同设计方案在正常和疫情爆发情况下对广场密度、行人落座时间、行人落座等待时间、行人落座人数以及行人等待落座人数等方面的影响。在给定的条件下，模型运行2h，重复10 次，每隔10min 就会从中提取一次数据。

表2 模拟方案

3 应用案例

3.1 场地概况及场景设计

本文以南京新街口地铁站为研究对象，建立了一个行人模型，涵盖了地铁口、商业建筑、广场和人行道等空间元素。需要指出的是，为了便于观察主要设计要素对公共空间的影响，在现状CAD 图纸的基础上，对基地进行了适当的简化，图4 所示为模型中构建的基地场景。研究关注3 个广场以及沿街两段人行道空间的设计：在3 个广场中，广场0、广场1 独立于人行道存在，服务于以广场为目的地的人群，而广场2 处于人行道中间，除了服务以广场为目的地的人群，还会被其他人群穿越。设计干预要素包括在两段人行道中沿街布置不同密度的座椅、以及对3 个广场采取完整大广场/划分为分散小广场的设计。

本研究选取一个普通工作日，初始行人的数量设置为50，4 类行人生成比例按照问卷调查结果设定为通勤者:漫游者:购物者:休憩者=1.5:1.5:2:5，每小时生成的行人数量90 个。

3.2 模拟结果

（1）座椅间距：常规场景下，座椅间距对广场人流密度的影响见图5（左）：在广场0 和广场1 中，间距为20m 时广场人流密度最大；在广场2 中，随着间距的增大，广场平均人流密度也会增大。同一场景下，座椅间距对座椅服务人数、座椅等待时间的影响见图5（右）：当选取100min 这一断面数据进行比较时发现，随着椅子间距的增加，行人的等待时间也会增加；然而，落座人数却没有随着椅子间距的增加而线性递减，即椅子数量减少不一定会降低区域内部使用椅子的人数。

疫情场景下，座椅间距的影响如图6 所示，座椅布置密集（10m）、数量较多时，有利于人流在整条路上均匀分散，但也有可能造成整条路较为拥堵；座椅间距逐渐增大时（40m），座椅数量会越来越少，这会导致行人等待座位的时间变长，因排队会造成道路较为拥堵；因此适中的座椅间距较好。

此外，本研究运用普通最小二乘法（OLS）综合分析常规和疫情场景下，座椅间距等因素对广场人流密度的影响，研究发现，座椅间距对广场0、广场1 中人流密度的影响均不显著（p＞ 0.1）。但在广场2 中呈现出负相关影响，即人行道椅子布置密集时，会使广场2 的人流密度升高（表3）。

表3 常规和疫情场景下，座椅间距、广场布置、广场最大密度对广场2 人流密度的影响

（2）小广场布置：常规场景下，广场空间布置对广场人流密度的影响见图7（左）：当选取100min 这一断面数据进行比较时发现，在广场0 和广场2 中，当布置分散的小广场时，平均人流密度都有所提高，但在广场1 中此影响不显著。广场空间布置对座椅服务人数、座椅等待时间的影响见图7（右）：布置分散小广场对落座人数和落座等待时间都有正影响。

7 广场空间布置对广场人流密度（左）、座椅服务人数及等待时间的影响（右）

疫情场景下，通过广场空间布置对广场人流密度的影响可以看出，在社交距离保持不变时，广场的布局方式对内部的人流密度影响不明显（图8）。

8 广场空间布置对广场人流密度的影响

综合对比常规和疫情场景可以发现，分散小广场的设计在相同的场景下，能够有效改善局部的拥挤状况；且社交距离要求越高，小广场对人群的分散效果越好（图9）。

9 常规和疫情场景下，分散小广场设计对人流密度的影响

3.3 量化分析结果

综合以上结论可以发现，座椅间距的设计会对人流密度、行人落座时间等产生影响。具体而言，在疫情场景下，座椅布置密集有利于人流在整条路上均匀分散，但也有可能造成拥堵；座椅间距增大会导致行人等待座位的时间变长。因此，适中的座椅间距较好。在常规和疫情场景下，椅子布置密集时还将提高地铁口附近可穿行广场的人流密度。

在广场的不同布置方式方面，综合分析常规和疫情场景可以发现，分散小广场的设计在相同的场景下能够有效改善局部的拥挤状况。在常规场景中，当布置分散的小广场时，靠近地铁和地面出入口处的广场人流密度、人在户外休息（落座）的时间将升高；在疫情场景中，当社交距离保持不变时，广场的布局方式对内部的人流密度影响不明显；但当社交距离要求提高时，小广场对人群的分散效果会体现出来。

4 结语

伴随公交的发展，轨道交通因其便捷性、高效性和强大的运力使其成为城市交通的首选方式之一。轨交站点具有大人流聚集的特点，其周边公共空间的设计不但要满足行人通勤的需要，还应为城市提供高品质的休憩、社交场所，因此在近些年受到了学界的关注。自2020 年新冠疫情爆发以来，其强大的传染力对社会发展造成了巨大的冲击；尽管新冠疫情现已在全球范围内得到了控制，但是如何有效地防控突发性传染病仍然是构建韧性城市的一个重要议题，其中，人流密集的轨道交通枢纽周边公共空间是疫情防控的重点场所，提高其应对突发公共卫生事件的能力可以提升城市空间品质和韧性。本文以公共空间中座椅的设计、广场的集中和分散式布局为例，深入探讨了将站域公共空间人性化设计与疫情防控相结合的方法，通过建立行人仿真模型，量化评估了不同场景下城市设计的干预策略。研究选取了南京市新街口地铁站周边一处商业街为案例，因其同时容纳了交通接驳、商业、休闲等功能，承载了多样的人群和大量的人流，可以反映出TOD 规划设计中的典型场景。

研究发现：（1）为了实现平疫结合的设计，人行道座椅密度宜适中（如间距20m 左右），在地铁口附近的人行道上应相应降低休息点数量，以避免大的人流聚集。（2）在突发性传染病爆发时，使用醒目的胶带、绘画或棋盘式草坪将站域广场划分为小型休息区域可以起到分散人流、保持社交距离的作用；但需要避免在紧邻地铁口的广场中采用此方法。（3）在常规状态下，将地铁站周边的广场分散为2～3 人一组的小广场也可以提高服务人群的总数及时间。

需要指出的是，随着广场、人行道等公共空间的人性化设计和商业化利用，站域空间的经济效益也会增强，行人的出行目的（模型中设定的4 种人群类型）可能会发生转化，地下空间中的行人也可能被吸引到地面，由此会带来站域公共空间使用状态的变化，人群类型在需要等待进入公共空间时也可能发生类型转化。为了解决上述问题，我们将在接下来的研究中，通过提升多智能体的学习能力，并利用数据驱动的建模技术来优化模型。此外，本研究所构建的行人仿真模型还可应用于TOD 规划设计的其他场景，如用于探究地下公共空间的空间绩效、平疫结合的设计。□（衷心感谢东南大学王建国院士、同济大学施骞教授和华中科技大学刘智强教授的支持，同时也感谢Anylogic 公司的张嘉、倪佳佳在建模过程中给予宝贵的技术支持。）