城市轨道交通安检配置优化策略研究

曹 凯，张 宁

（东南大学智能运输系统研究中心，南京 211189）

1 概述

国内城市化进程的推进致使车站服务压力越来越大，高峰时段乘客进站的主要矛盾已经成为安检排队。《智慧城轨发展纲要》提出，要研究与城轨交通客流相适应的智慧安检，探索票检、安检合一的新模式[1]。近年，国内一线城市如北京、上海、广州等已经开展了新安检模式的试点研究[2-4]，在此背景下，应当顺应局势，结合新安检模式对现有安检进行配置优化。

新安检模式在轨道交通领域的应用处于起步阶段，武汉地铁[5]推出了“三位一体”智慧出行方案，使乘客无需刷卡就能快速通过安检进站；文献[6] 提出了差异化安检的实施方案；文献[7] 对新时代国内城市轨道交通运行模式进行了探索研究；文献[8] 针对早高峰大客流优化了安检设备布局，提升了其通行能力；文献[9-10] 总结提出了智慧安检系统的发展趋势；文献[11] 基于运行状态评价对现有安检进行了改进优化；秦柳[12]从集中判图角度优化了轨道交通安检的人力资源配置;王紫薇[13]提出了基于人脸识别和信用登乘的乘车方案，提升了出行效率;文献[14] 通过引入大数据技术，为新安检模式的实现提供了技术支撑。本文以现有车站进站通行能力为基础，构建进站客流仿真模型，系统提出基于差异化安检模式的安检配置优化策略，从而提升乘客进站效率。

2 车站进站通行能力

车站进站通行能力制约了最大进站客流量，同时为安检配置优化策略的制定提供了基本依据。

2.1 进站乘客分类

安检通过能力主要与服务时间有关，对乘客进站安检服务时间影响最为显著的因素是安检机类型和乘客行李[15]。本文依据乘客行李数量将进站乘客分为以下4 类，如表1 所示。

表1 乘客属性分类Tab.1 Passenger attribute classification

2.2 进站设施通过能力分析

2.2.1 安检通过能力

安检的实际通过能力取决于乘客属性，由不同类型乘客的比例确定。在建立乘客携带行李安检能力模型时，可采用带有权重的分布函数。带有权重的分布函数其概率密度如公式（1）所示。

其平均值即为各权重与平均值之积的累加，如公式（2）所示。

进一步地，容易得到安检带包乘客服务时间的平均值如公式（3）所示。

公式（3）中Ubag表示安检通道带包乘客服务时间的平均值。pb、pc、pd分别为3 类带包乘客所占比例；ub、uc、ud分别为3 类乘客安检时间的加权平均值。

安检通道的通过能力如公式（4）所示。

公式（4）中，Csc为安检通道通过能力；c1、c2分别为带包、无包通道的通过能力；n1、n2分别为带包、无包通道数量；k1、k2分别为无包、带包通道的调整系数。

2.2.2 检票闸机通过能力

现有闸机绝大多数为门扉式，实际运行过程中，由于乘客之间非无缝衔接，闸机无法达到最大通过能力。基础计算如公式（5）所示。

公式（5）中Cafc为闸机组最大通过能力；ca为单个闸机通过能力；na为闸机数量；uafc为乘客平均通过时间。

2.2.3 检票闸机通过能力

1）通道

通道是车站内连接不同设施或用于站内换乘的步行空间，是引导乘客进站流线的重要方式，本文主要研究双向通道，其通过能力计算如公式（6）所示。

公式（6）中，Cpw为通道最大通过能力，人次/小时；cpw为单位宽度通过能力，人次/(小时·米)；dpw为通道有效宽度，m；kpw为通过能力调整系数，一般取1。

2）楼梯

因涉及高峰时段，本文研究主要以双向楼梯为主，其最大通过能力计算如公式（7）所示。

其中Cst为通道最大通过能力，人次/小时；cst为单位宽度通过能力，人次/(小时·米)；dst为通道有效宽度，m；kst为通过能力调整系数，一般取1。本文在计算进站通过能力时，以楼梯通过能力为准。

2.3 基于TOC的进站通行能力确定方法

依据约束理论（Theory of Constraints，TOC），车站整体通行能力是指未加载客流的状态下，车站内各设施通过能力的最小值，站点内部通过能力最小的节点决定了整个车站的通行能力。

3 城市轨道交通安检配置优化策略

差异化安检模式主要思路是将进站乘客分类，不同类型的乘客前往对应通道进行安检。因此，乘客分类是差异化安检的前提。

3.1 差异化安检模式

差异化安检的核心思路是通过乘客分流和安检机布局两个方面进行优化。乘客分流时，采取铁马护栏将安检通道分为快速通道和常规通道，具体方案如图1 所示。

图1 差异化安检布局Fig.1 Differentiated security check layout

1）安检通道分离

根据安检通道区域将其分为快速通道和常规通道两部分。

2）常规安检通道改进

通过移动安检机，将常规安检通道分为两路，判图机位移至安检机末端横向布置，这样使得乘客到达率减半，且安检服务率不变，显著提升通行效率。

3）快速安检通道布局

快速通道需与常规通道错位布置并设置单向门，若乘客识别失败则引导进入常规通道安检。

4）安检人员配备

在差异化安检模式中，每个安检机至少配置3名安检员，1 名负责判图，1 名负责行李复核，1 名负责快速通道指引。

3.2 临时安检配置优化方案

根据居住型车站早高峰时段进站客流激增的特点，本节以南京地铁某站为例，从临时安检配置角度给予优化建议。

为充分利用现有站厅空间，结合高峰时段进站乘客远大于出站乘客的特点，可将部分出站闸机改为临时进站闸机，具体优化方式如图2 所示，流程如下。

图2 临时安检配置方法Fig.2 Temporary security check configuration method

1）早高峰时段出站人数较少，可将部分出站闸机临时改为进站闸机。

2）车站西侧仅有1 号进站口，部分乘客通过临时安检进站，另一部分通过常规安检进站，并设置临时安检点。

3）车站东侧有两个进站口，3 号口进站乘客直接通过临时安检通道检票进站，2 号口进站乘客通过现有安检进站。

3.3 检票闸机配置优化方案

本文将现有闸机配置方式分为两种。方案A:检票闸机组与乘客流线平行。该布置形式适用于站厅宽度受限的情况。方案B:检票闸机组与乘客流线垂直。这种布局形式适合站厅宽度充裕、有足够空间横列闸机组的车站。

本文借助微观仿真模型对进站闸机进行配置优化，采用Anylogic 仿真软件观测分析自动检票机两侧、楼梯处密度图变化情况。

1）方案A 仿真分析

以正常状态客流量作为进站乘客进行仿真，仿真密度如图3 所示。

图3 进站闸机方案A仿真Fig.3 Simulation of entry gate scheme A

结果显示，因为闸机配置方式与乘客流线平行，导致乘客优先选择距离较近的闸机，并且限制了远端闸机的利用率，最大客流密度位于距离近端闸机的区域。

2）方案B 仿真分析

以正常状态客流量加载并运行仿真模型，乘客进站策略保持不变，运行仿真结果如图4 所示。

图4 进站闸机方案B仿真Fig.4 Simulation of entry gate scheme B

结果显示，进站客流密度在进入闸机前趋于平衡，虽然最右侧远离楼梯的闸机利用率仍然较低，但是整体均衡性较好。

3）进站闸机布局优化

为进一步优化布局，将进站闸机分为两组，一组与乘客流线平行布置，另一组则与乘客流线垂直布置，如图5 所示。另外位于站厅中部的自动扶梯可在高峰期临时调整为下行。

图5 进站闸机优化方案仿真Fig.5 Simulation of entry gate optimization scheme

仿真结果显示，虽然平行配置闸机组相对垂直方向客流密度仍然较大，但整体密度得到了有效缓解。

总的来说，在车站站厅横向空间受限的情况下，可采用方案A 进行布置；方案B 则经济性不足，虽然闸机的利用率相对均衡，现实情况下乘客刷卡后会在转弯处大量堆积，反而降低了进站效率；优化方案由于借助中部下行扶梯分流了部分进站客流，增加了乘客进站的舒适度。

4 城市轨道交通安检配置优化策略

按照上述3 种优化方案，本节提出高峰期间提升乘客进站效率的具体策略，具体步骤如下。

Step1：优化策略初步判断。安检配置优化方案的选择需要综合考虑进站客流量和进站通行能力，不同类型车站可选择不同的安检模式，具体如表2所示。

表2 安检配置优化策略初步判断Tab.2 Preliminary judgment on optimization strategies for security check configuration

Step1.1：当进站客流量远小于进站通行能力，即Qin＜0.6，表明无需进行优化，或仅考虑优化进站流线，转Step5。

Step2：差异化安检模式。在初步判断结束后，若需要优化，优先采取差异化安检模式，调整适配仿真模型参数，若优化结果满意转Step5，否则转Step3。

Step3：临时安检配置优化。当采取差异化安检模式后，若安检运行状态仍然不理想，可将部分出站闸机调整为临时进站闸机，若优化结果满意，转Step5，否则转Step4。

Step4：闸机布局优化。此方案能够优化进站闸机区域密度，当连续进行差异化安检模式和临时安检配置优化后，绝大多数情况下能够提升进站效率，转Step5。

Step5：优化策略流程结束。

为了使运营方综合考虑采取最优策略，本文依次采取基于差异化安检模式的3 种优化方案对现有安检进行优化。

5 实例分析

本文以南京地铁某站为例，通过计算车站进站通行能力，对比优化前后安检通过效率，验证安检配置优化策略的有效性。

5.1 车站概况及模型建立

某站为居住型车站，工作日客流量巨大。根据实地调研，工作日早高峰平均进站客流超过了7 000人次；进站乘客方面，根据统计的736 个有效样本，A 类乘客占比23%，B 类乘客占比42%，C 类乘客占比32%，D 类乘客占比3%；安检通过时间方面，A 类乘客为3.29 s，B 类乘客为8.8 s，C 类乘客为10.59 s，D 类乘客为15.86 s，以此数据作为仿真建模的依据。

5.2 车站进站通行能力计算

某站不存在换乘，高峰期主要为进站乘客，因此，本文不考虑出站乘客，仅计算进站通行能力。

1）安检通过能力

进站通道一共有3 台安检机，站厅东西两侧各有1 台安检机，另外中间部位有1 台安检机，每个安检区域有2 条行人通道，1 条通道为带包通道，1条为无包通道。

带包通道通行能力c1和无包通道通行能力c2计算如公式（9）、（10）所示。

实际情况下，带包通道中一般有多名乘客同时接受安检，取k1＝5，无包通道中同样会有多名乘客排队，且安检员会对乘客进行人身抽检，取k2＝1，故进站安检通行能力Csc如公式（11）所示。

2）进站闸机通过能力

据统计，乘客刷卡通过闸机时间一般为1.8 s，站厅两侧进站闸机数量为12 台，考虑到乘客排队刷卡情况，取ka＝0.8，故进站闸机通行能力如公式（12）所示。

3）通道通过能力

进站通道包括了进入车站到站厅之间的长通道、安检至检票闸机之间的通道和刷卡进站到楼扶梯之间的通道，取其最小宽度2 m，则通道通行能力如公式（13）所示。

4）楼梯通过能力

此处楼梯主要是指站厅到站台之间的步行楼梯，主要服务于下行乘客。其通行能力为4 200 人次/小时，两侧楼梯宽度均为1.8 m，其通过能力如公式（14）所示。

根据公式（8），天润城站进站通行能力为8 790人次/小时，总的来说现有安检配置并不能满足高峰期的通行需求，由此得出安检区域为进站通行能力的决定性区域。

5.3 差异化安检模式通过能力

根据车站实景分别建立优化前后仿真物理环境，本文通过对比优化前后安检通过人数和排队长度等关键指标，能够得出安检通行效率的提升情况。

如图6 所示，在运行模型后，站厅客流密度保持持续高位，但是采用差异化安检模式后，安检通道队列变得井然有序。

图6 优化前后客流密度热力图对比Fig.6 Comparison of passenger flow density thermal maps before and after optimization

如图7 所示，在采用差异化安检模式后，两侧排队长度明显缩短，西侧最大排队人数由77 人缩短为45 人，东侧由170 人缩短为87 人，均得到了明显改善。

图7 优化前后安检排队长度对比Fig.7 Comparison of security line lengths before and after optimization

安检通过能力以两侧通过安检的客流量统计结果为准，优化前安检通过能力为1 085 人，优化后通过能力为1 237 人，乘客整体进站效率提升了14.0%，达到了优化的目的。

5.4 临时安检配置通过能力

根据临时安检通行模式完成模型适配，结果显示，安检排队人数与单纯采用差异化，得到了进一步优化。其中，东西两侧安检排队人数分别减少为38 人和36 人。此外，相同时间内通过安检的通过能力从1 237 人增加到1 398 人，整体进站效率提升了13.0%，说明此优化方案有效。

5.5 检票闸机配置优化后通过能力

在上述优化基础上，继续优化检票闸机布局，运行结果显示：采用闸机配置优化方案后，相同时间内通过安检的进站乘客从1 398 人变为1 396 人，虽然整体进站效率保持不变，但是该优化措施能够改善区域最大客流密度，在疏解区域客流密度方面起到了关键作用。

6 结束语

本文主要针对高峰时段进站客流拥堵现状，提出了差异化安检模式，并结合实例进行仿真优化研究。结果表明：天润城站高峰时段进站客流量非常接近其通过能力；现有安检配置方案很难满足高峰时段进站需求；本文提出的安检配置优化策略能够显著提升乘客进站效率。本文研究有助于差异化安检模式的普及，为运营方安检优化方案的制定提供参考。