基于仿真试验设计的地铁换乘通道客流适应性研究

2015-06-29 02:35陈先龙廖胜华
城市轨道交通研究 2015年8期
关键词:客流量换乘客流

陈先龙 宋 程 廖胜华

(广州市交通规划研究院,510030,广州∥第一作者,高级工程师)

由于我国主要大城市人口密度高,城市轨道交通客流规模巨大,由此导致了高峰期间换乘通道拥挤,换乘效率低下等一系列问题。

目前,国内外学者对地铁换乘通道也进行了相关研究[1-6]。地铁换乘通道设计必须考虑客流的动态特性。本文拟采用行人交通仿真软件对地铁换乘通道客流适应性进行研究,以辅助未来地铁换乘通道设计与建设。

1 换乘通道客流适应性仿真试验设计

本次试验拟采用建模方便、分析功能强大[8-9]的LEGION 行人仿真软件,通过LEGION 软件模拟试验,从而得到换乘通道长度、宽度与客流密度的相互影响关系。首先进行长度适应性仿真分析——固定通道宽度,对不同长度的通道不同客流进行测试;其次进行宽度适应性仿真分析——固定通道长度,对不同宽度不同客流通道进行测试。仿真分析试验流程如图1所示。该试验设计进行了以下相关假定:

(1)在进行长度适应性仿真分析中,宽度固定值为6 m,长度按每60 m 间隔增加(约1 min行程时间);

(2)在进行宽度适应性分析中,假定长度维持100 m 不变,宽度按2 m 的间隔增加。

2 通道宽度的客流适应性分析

经LEGION 仿真软件测试分析,在不同通道宽度情况下,统计数据显示客流密度与客流量呈现出“S型”生成曲线关系。当通道正常运作时,客流密度随客流量的增加而逐渐增大;但当客流密度达到一定程度时,拥挤开始发生,客流密度迅速增长;当客流密度处于非常拥挤的状态时,客流量的增加对客流密度的影响已趋缓,这主要是因为达到通行能力后,即使有再多的客流需求也无法通行。具体分析结果见表1。

图1 仿真分析试验设计流程图

表1 不同宽度通道客流量与客流密度仿真数据统计表 人/m2

从安全角度考虑,地铁换乘通道设计时,换乘通道的客流密度宜控制在D 级服务水平以内。从图2和表1可以看出,在D 级服务水平下,3 m 宽的通道最大可适应9 000人次/h的客流量,5 m 宽的通道最大可适应客流增加到1.3万人次/h左右,7 m 宽可达1.8 万人次/h 左右,9 m 宽则约为 2.1 万人次/h左右,换乘通道宽度每增加2 m 其最大适应客流规模约增加4 000人次/h 左右。从以上统计数据发现,在方案设计时如换乘站换乘客流超过2.1万人次/h 的时候,其换乘通道宽度不宜低于10 m[10]。

将上述数据回归,得到通道宽度、客流量与通道客流密度的关系式:

式中:

ρ——换乘通道密度,人/m2;

f——客流量,人次/h;

N——换乘通道宽度/m;

R2——相关系数。

3 通道长度的客流适应性分析

3.1 通道长度、客流量与通道客流密度相互关系

同样利用LEGION 软件仿真,统计结果显示随着客流量的增加,客流密度增大。但通道长度对客流密度的影响并不十分明显,在同一客流密度和同一宽度情形下,不同长度通道对应的密度相差不多,但当换乘客流接近设定宽度的能力时,通道长度对客流密度的影响会适当增大。不同长度通道的具体分析结果见表2。

表2 不同长度通道客流量与客流密度仿真数据统计表 人/m2

从图3中也可以看出,在测试宽度6 m 下,长度的变化会引起最大适应客流的轻微变化。50 m 长的通道最大可适应1.58万人次/h的客流量,110 m长的通道最大可适应客流增加到1.7万人次/h 左右,170 m 宽可达1.8万人次/h左右,230 m 长则约为1.84万人次/h。通过上述数据分析,在通道长度每增加60 m 的情况下,最大适应客流约增加1 000~1 200人次/h左右。

根据上述测试数据,将客流量换算成单位宽度的客流,回归得到通道长度、单位宽度客流量与通道客流密度关系式:

式中:

ρ——换乘通道客流密度,人/m2;

L——换乘通道长度,m;

R2——相关系数;

fm——单位换乘通道宽度客流量,人次/(h·m);

fo——单位换乘通道宽度临界客流量,人次/(h·m)。

当fm>fo时,通道开始拥挤。从上节换乘通道宽度影响研究推算,fo约在2 500~3 000人次/(h·m)左右。

从回归公式来看,当fm<fo时,通道客流密度迅速稳定,直至达到完全拥挤状态,其密度逐渐趋于稳定(拥挤密度),没有明显的函数关系。

3.2 通道长度对站台客流密度的影响

假定每次列车离站后站台均没有滞留乘客,通过仿真试验分析,换乘通道的长短对站台密度有一定的影响,其回归函数关系式:

式中:

ρ——站台客流密度,人/m2;

L——换乘通道长度,m;

R2——相关系数。

由图2可知,随着换乘通道长度的增加,站台客流密度适当降低;且当换乘通道长度在200 m 内时,换乘通道长度的增加对站台密度影响较为明显;换乘通道长度达到200 m 以上后,其长度的增加对站台客流密度的影响相对降低。

图2 换乘通道长度对站台客流密度影响关系示意图

4 物理分隔的通道影响分析

4.1 按规则行走情况下的影响分析

按规则行走指的是行人没有逆向行走的情况。根据仿真分析结果图3、图4可知,当客流量在一定范围内时,无分隔通道和有分隔通道客流密度和运行速度相差不大,甚至有分隔通道客流密度还略低。当单位宽度客流量达到2 600 人次/(h·m)的时候,无分隔通道客流密度激增,行走速度突然降低,直到达到饱和密度。但有分隔通道由于较好的行走秩序,客流密度和行走速度仍然维持在相对稳定的状态。因此,从维持较好的换乘通道服务水平来说,如单位宽度客流量达到2 400 人次/(h·m)的时候,必须设置物理分隔以规范换乘通道的运作秩序。

图3 物理分隔对换乘通道客流密度影响分析

图4 物理分隔对换乘通道客流速度影响分析

4.2 逆向行走影响分析

仿真测试结果图5显示,随着逆行人群比例的增加,通道行人密度会增大,此外当单位宽度人流量小于2 800人/(h·m)的时候,逆行人群的数量对通道客流密度影响较小;人流量大于2 800人/(h·m)后,逆行人群对通道客流密度产生较大影响,且逆行人群越多,显著影响的临界点越小。

图5 逆行对通道密度影响分析

5 仿真试验结果检验

通道长度对客流密度影响的检验存在一定困难,因此本研究以通道宽度对客流密度的影响来检验仿真方法的可靠性和实用性。广州市部分地铁换乘站点的实测数据及仿真试验结果见表3。从检测结果来看,仿真试验推算数据的误差基本控制在6%以内,表明仿真试验方法的可靠性和准确性较高,利用该方法回归得到的相关结论可用于换乘通道的评价分析工作。

表3 广州市部分地铁换乘站点的实测数据及仿真试验结果检测表

6 结语

本文使用LEGION 行人仿真软件,使用试验设计和实证研究相结合的方法,系统研究了地铁换乘通道长度、宽度与客流量和客流密度的相互关系,并研究了换乘通道长度对站台客流密度及物理分隔对换乘通道客流密度的影响,其成果对地铁换乘站站点的规划设计具有较好的指导作用。

研究结果表明:换乘通道客流密度与通道宽度、客流强度密切相关,与通道长度相关性不大;通道宽度每增加2 m,最大适应客流约可增加4 000人次/h左右;而通道长度每增加60 m,最大适应客流可增加1 000~1 200人次/h左右;换乘通道长度对站台客流密度影响较大,换乘通道越长,站台密度越低,但换乘通道长度超过200 m 后,其影响变小。此外,当单位宽度客流量达到2 400人次/h,需对通道进行物理分隔以强化通道的运作秩序,提高通道通行能力。

[1]史聪灵,钟茂华,张岚,等.地铁换乘通道客流疏运风险分析与计算模拟[C]//Proceedings of 2010(Shenyang)International Colloquium on Safety Science and Technology.沈阳:东北大学出版社,2010.

[2]史聪灵.地铁换乘车站客流疏运模拟及风险分析——T 型车站[J].中国安全生产科技技术,2011(7):11.

[3]史聪灵,钟茂华,张岚,等.地铁换乘车站客流疏运模拟及风险分析——单通道换乘车站[J].中国安全生产科技技术,2011(7):21.

[4]张朝峰.地铁换乘站行人流特性和疏散时间模型研究[D].北京:北京交通大学,2010.

[5]李得伟,尹浩东.地铁车站换乘通道合理长度评估方法[J].城市轨道交通研究,2014(9):37.

[6]王飞.城市轨道交通换乘通道设施能力匹配研究[D].北京:北京交通大学,2012.

[7]隗斌贤,徐云庆,徐雅.统计实验法及其设计和应用[J].统计教育,1998(3):28.

[8]胡明伟,史其信.行人交通仿真模型与相关软件的对比分析[J].交通信息与安全,2009,27(4):123.

[9]甘勇华,陈先龙,宋程,等.基于LEGION 的大型活动人流交通仿真——以第16届亚运会开幕式散场人流仿真为例[J].交通信息与安全,2012,30(1):76.

[10]邓兴栋,马小毅,徐士伟,等.大城市综合客运枢纽换乘系统规划设计研究——以广州市轨道交通客运枢纽为例(2014)[R].广州:广州市交通规划研究院,2014.

[11]商金涛,陈峰.Vissim 在城市轨道交通车站客流仿真中的应用[J].城市轨道交通研究,2013(1):54.

猜你喜欢
客流量换乘客流
客流增多
城市轨道交通节假日期间大客流行车组织思考与实践
基于灰色预测理论在交通枢纽客流量的实际应用
基于灰色预测理论在交通枢纽客流量的实际应用
基于嵌入式系统的商场客流量统计算法
地铁车站换乘形式对比与分析
天津地铁红旗南路站不同时期换乘客流组织方案研究
基于自学习补偿的室内定位及在客流分析中的应用
基于AFC数据的城轨站间客流量分布预测
人工免疫算法在电梯客流时段划分的应用