地铁车站客流疏导优化

詹银霞, 李晓雷, 杨斌, 李欣雨

(重庆交通大学交通运输学院, 重庆 400074)

地铁车站是轨道交通运行的重要部分,为市民的基本生活提供了一定保障。但在高峰时期,地铁站由于突发客流易产生拥堵,同时缺乏相应的疏导措施,导致车站通行能力与乘客乘车需求不匹配,车站运行效率降低,影响乘客的乘车体验。

面对轨道交通发展带来的行人拥堵及疏散问题,不少学者陆续开展了相关研究。林静等[1]利用AnyLogic软件对地铁大客流进行建模与分析,发现影响地铁站疏散能力的关键因素是行人密度,其次是出入口选择策略和行人亲属关系。厉志强等[2]利用MassMotion仿真软件对地铁站进行疏散模拟研究,发现疏散出口的流量及有效性是影响疏散过程和总时间的关键因素。陶桂东等[3]使用实际演练和MassMotion仿真模拟两种方法,研究火灾情况下列车人员的疏散行为,发现此时影响疏散效率的因素主要有:车厢出口数量、乘客是否携带行李和携带行李比例。李晨霖[4]使用MassMotion软件对车站站台上烟气扩散条件下的人员疏散进行了模拟分析。王月[5]使用SPSS软件对客流相关数据进行描述性统计分析,从乘客自身、站点结构、导向标识以及列车运行情况这4个角度提出枢纽站点对大客流的疏散需求。徐慧智等[6]研究表明地铁的盲从型、慌乱型、自主型和冲动型乘客比例差异对疏散效率有显著影响。段力伟等[7]通过AnyLogic仿真平台分析老年乘客比例对轨道交通站点内行人运动的影响。熊国强等[8]利用元细胞自动机理论建立地铁站客流疏散组合模型,利用AnyLogic软件进行疏散模拟分析,发现紧急疏散时掌握出入口及路径信息是避免拥挤的要点。聂佳莹[9]用改进社会力模型分析高峰时期工作人员和铁马栏杆这两种客流控制措施对乘客的影响。姚自俊[10]结合现有复杂场所行人疏散空间建模方法的特点,考虑到乘客疏散路径决策信息不完备,建立了客流路径分配模型。黄聪等[11]结合洪水漫延对行人移动速度和前进方向的影响,建立地铁站在洪水漫延下行人疏散分析模型。冯涛[12]通过改进社会力模型来建立突发情况下地铁疏散模型,从行人疏散风险区域和风险防范责任主体两个角度提出相应的管控措施。车怡雯[13]从安全检查和乘客通行效率两个角度分析大客流下安检存在的问题,并提出既能确保安检安全与效果,又能加快安检速度,提高安检通过率的对策建议。丁小兵等[14]建立了地铁安检智能引导分流系统,提出基于该系统的客流组织措施。周百灵等[15]利用数值模拟方法,分析了不同时间节点下的疏散特征,得出疏散瓶颈区为站台层疏散口,并提出优化措施。张强[16]分析了某地铁站现行系统运能和客流组织,基于AnyLogic仿真结果得出突发大客流时的拥堵点,并提出针对性措施。杨静等[17]分析了大型活动散场期间的客流规律,提出了短时客流预测模型。李建华等[18]从地铁站内外两方面系统分析了客流增多原因,应用工业工程方法提出优化思维和再优化原则。刘秋成等[19]从客流疏导流线优化设计和站内组织管理优化角度提出优化方案。Lei等[20]提出了基于回溯算法的两阶段集成1客流分配来进行客流引导。Yin等[21]认为客流引导信息的发布是缓解拥堵的有效策略,并提出优化模型来优化引导信息发布。Zhou等[22]在分析客流分布情况和以往采取措施的基础上,从地铁站节点布局和客流两个角度提出优化方案。Zhu等[23]提出了一种新型计数方法以生成高质量的密度图,进而准确估计高度拥挤的地铁场景中的乘客数量。

综上,目前的行人疏散问题研究大多是基于仿真软件进行,这是因为仿真软件实验成本低、实验安全性高。此外,既有研究主要针对突发客流、紧急情况下的客流疏散问题,缺乏对日常轨道交通的拥堵、疏散研究。

为解决地铁站平日期间的拥堵疏散问题,现以青岛薛家岛地铁站为例,采用AnyLogic仿真软件进行建模,针对间歇性到达的大客流进行模拟仿真,识别站内客流疏散瓶颈点,根据站内行人拥堵特点及其规律,设施设备布局情况,考虑缩小成本和提高通行能力两方面因素,提出弹性增加安检设施及科学安排工作人员引导交织客流的优化措施。

1 软件选择

仿真建模是一种对不同假设情景进行测试和探索的安全方式,与真实实验相比,仿真实验中的实验成本更低安全性更高。行人交通仿真主要有宏观模型、中观模型和微观模型,由于微观仿真具有灵活和与实际高吻合的特点,能够反映复杂的行人运动行为,因此成为分析行人运动行为的主流模型。微观模型有两大类,分别是元胞自动机模型和社会力模型。目前常用的行人仿真软件主要有AnyLogic、Legion、Steps、MassMotion、SimWalk,5款仿真软件的对比简况如表1所示。

表1 5款软件技术性能对比Table 1 Comparison of technical performance of 5 softwares

行人交通仿真建模软件在使用方法和功能上大致相同, AnyLogic软件是一款集系统动力学、多智能体和混合系统建模与仿真的工具。AnyLogic具有丰富的数据库和案例模型,可以通过案例模型学习其使用方法,并且可以自定义智能体,输出各种数据,如时间直方图、流量图、密度图,速度图等。基于以上特点,选取AnyLogic作为仿真软件。

AnyLogic是基于社会力模型驱动乘客运动的行人模拟和仿真软件,能真实地反映行人的决策。社会力模型是以牛顿力学为基础,假设行人受到社会力的作用,从而驱动行人运动。行人在行走过程中受到行人与行人间的作用力、行人与障碍物之间的作用力和驱动力的影响。社会力模型如式(1)所示。

(1)

式(1)中:mα为行人的质量,kg;wα为期望速度,m/s;Fα(t)为行人受到的合力,N;ε为扰动力,N。

该软件还具有功能集,使用户能够模拟使用BIM或其他3D建模工具定义的环境。个体可以在环境中自由选择路线,也可以通过设定路径选择特定路线。

2 模型构建

仿真建模首先需要获取建模对象的尺寸、布局等数据,然后建立三维模型,设置活动场景,分析行人运动流程,最后进行仿真模拟和结果分析。地铁车站仿真建模流程图如图1所示。

图1 仿真建模流程图Fig.1 Flow chart of simulation modeling

地铁站一般有站厅层和站台层两层,站厅层可分为付费区和非付费区。根据行人前进方向与目的地,可以把行人流线分为进站流线、出站流线、循环流线、换乘流线。地铁站模型主要由行人上下楼梯、扶梯、直梯、通道、自动售票机组(ticket vending machine,TVM)、安检系统、检票机组、站台及相应服务设施构成。通过逻辑设定和路径选择表现乘客乘车行为,乘客乘车流程图如图2所示。

图2 乘车流程图Fig.2 Flow chart of ride

薛家岛站是典型“办公+居住”型轨道站点,在工作日早晚高峰时段进出站客流很大,因此选取薛家岛地铁车站作为研究对象。站点基本情况:深埋型地铁站,从上往下依次为B1地面层、B2站厅层、1号线站台层。1号线为东西走向。站厅层总共设置18个检票口,北侧共8个进站检票口,对应A、C安检口,东西侧各5个出站检票口,对应A、C出入口。薛家岛地铁站模型图如图3示。

图3 薛家岛地铁站模型图及流线图Fig.3 The model and flow diagram of Xuejiadao subway station

3 拥堵瓶颈点分析及优化方法

3.1 拥堵瓶颈点分析

3.1.1 行人最大密度分析

基于Fruin和国际航空运输协会(International Air Transport Association,IATA)提出的服务水平,结合行人密度图,可以确定不同服务设施对应的拥堵瓶颈的密度最大值与空间最小值。拥堵瓶颈点参考值如表2所示。站厅层和站台层行人密度图如图4(a)和图4(b)所示,当服务水平达到F等级时,可判断为严重拥堵,确定为拥堵瓶颈点。

A～F分别表示不同拥堵程度下对应的服务水平

表2 拥堵瓶颈点参考值Table 2 Reference value of congestion bottleneck point

由图4观察可知,站厅层A安检区和扶梯出口区域拥堵最为严重;入口闸机组、出口闸机组使用率非常不均匀;站台层扶梯出口和靠近两扶梯口的车门明显拥堵,乘客倾向就近乘车。

3.1.2 瓶颈点位置及成因分析

根据仿真结果,可识别出拥堵瓶颈点,并分析其成因,如表3所示。

表3 拥堵瓶颈点及成因分析Table 3 Analysis of congestion bottleneck point and reason

3.2 客流组织优化

地铁站客流组织优化不仅要遵循客流组织原则,还应考虑已建成设施设备的尺寸大小和所在位置等参数较为固定所产生的局限性,结合实际提出建议。薛家岛地铁站更适合采用外界引导行人选择适当路径的客流组织方式,以及弹性增加安检设施来提高安检效率的方式。具体措施:高峰时段,A、C安检处各增设一套独立安检设施,提高安检速率,平峰时段关掉该设备,减少用电消耗;站厅层安排一名工作人员引导A安检区交织客流,站台层安排2名工作人员,分别引导出扶梯的乘客,平衡车门的使用率。优化方法示意图如图5所示。此外,为优化闸机的识别速率,减少检票闸机的排队时间,在检票、手机二维码的基础上,新增人脸识别功能以减少闸机区域的排队时间。

红色字体内容表示优化措施

为验证优化后效果,选取行人密度和相同时段内通过安检机客流量两个指标进行效果评估。

3.2.1 行人密度

以行人密度为指标,观察瓶颈点优化效果。优化后站厅层与站台层客流密度图如图6所示,通过观察可知,拥堵瓶颈点获得有效疏解,各拥堵瓶颈区域密度均有减小。站厅层扶梯出口仍有小部分拥堵,这是因为行人的反应时间是无法避免的。

A～F分别表示不同拥堵程度下对应的服务水平

3.2.2 安检区人流量

A安检区是站厅层拥堵瓶颈点,解决进出站客流交织与安检效率低的问题是该区域客流组织优化的主要目标。优化前后安检区累积人流量对比图如图7所示,可知,相同时间段内,优化后安检区累积人流量总和提升,行人通行速率提高。

图7 优化前后安检区累积人流量对比图Fig.7 Comparison diagram of cumulative human plow in security inspection area before and after optimization

4 结论

(1)以青岛市薛家岛地铁站为实例,在对地铁站设施调查和行人流分析的基础上,应用AnyLogic构建三维模型,进行行人仿真,得到行人密度图,分析地铁站拥堵瓶颈点。发现站厅层A安检处进出站行人交织复杂,服务水平为F级,拥堵最为严重。连接站台层与站厅层的扶梯上下出口拥堵较为严重。

(2)从行人路径与设施设备布局相结合的角度分析产生拥堵的原因,提出优化方案,即弹性增设独立安检设备,“弹性”表示高峰时期使用设备,以提高安检效率降低拥堵,平峰、低峰时期关闭设备,以节约能耗;安排工作人员引导A安检处客流和站台层出扶梯客流同时平衡车门使用率,检票闸机增加人脸识别功能。优化后,服务水平上升到E级和D级;相同时间段内通过安检处的累计人流量有所上升,验证了优化措施的有效性。

(3)在客流疏导方面,通过分析地铁站点平日期间的行人拥堵特点及规律,综合考虑减小成本和提高通行能力两方面因素,提出疏散优化措施,该方法可为地铁站日常客流组织优化提供参考。