基于Anylogic的地铁换乘站集散能力评估与设施优化

孙军艳， 张媛媛，陈婵娟，牛亚儒

（陕西科技大学 机电工程学院，西安 710021）

地铁换乘站是城市轨道交通系统的重要组成部分，它决定了线网中的每个运输线路之间的连接关系，是换乘人流流量分配的枢纽。近年来，大量的国内外学者运用行人动力学对地铁换乘站进行研究，其中，大多数学者采用的是社会力模型的分析方法[1-5]，该方法目前被广泛认可。

本文通过相关参数对不同行人个体进行了区分和细化，建立了基于三维场景可视化的地铁换乘站行人动力学模型，可直观清晰地反映地铁换乘站的运营状况。从宏观与微观，局部与整体全方位设计评价指标并对模型进行评价，提出切实可行的优化措施来提高地铁集散与疏散能力，以期对现实城市轨道交通的优化提供借鉴。

1 建模思路和评价指标设计

1.1 建模思路

将地铁换乘站系统的实体分为两类：固定实体和行人。其中，固定实体表现为行人活动区域和站台内各种设施。设置行人的属性、状态与行为，并根据固定实体和行人的关系，建立行人在固定实体形成的三维场景中的状态和行为变化的联系，以此构建仿真模型。

1.2 评价指标设计

为了反映地铁换乘站的集散能力以及设施设备利用情况，行人通行效率及地铁高流通量时存在的瓶颈。除了考虑以往学者提出的行人密度分布，行人流通量指标外[6]，还设计了行人等待时间、总流程时间和区域滞留人数3个指标，以期全方位评价模型，提出更有效的优化方案和改进建议。

1.2.1 行人等待时间

两时间点差值为行人等待时间。

1.2.2 行人总流程时间

两时间点差值为行人总流程时间。

1.2.3 楼梯口行人流通量

楼梯口极容易出现拥堵，列车到达，上下楼梯的人数会短时间急剧增多。楼梯口行人流通量（PFS，person flow statistics）反映地铁转中站的局部疏散能力，如式（3）：

其中，Ni—第i个单位时间T内的行人数量。

1.2.4 换乘区域滞留行人量

换乘区域是地铁的关键服务区，此处出现行人滞留的原因是部分行人对换乘方向有一定的反映时间，且空间有限，当两个或两个以上方向的列车同时到达时，此处聚集了大量的行人，拥堵使滞留行人增多。换乘区域滞留行人量（PAD，person area descriptor）也反映地铁转中站的局部疏散能力，如式（4）：

其中，Nj—第j个单位时间T内区域滞留行人量。

1.2.5 行人密度分布

2 仿真模型建立

2.1 模型建立与瓶颈识别

以某市中心地铁换乘站为研究对象，通过录像提取数据得到各个通道口以及楼梯口等行人流通量，设置模型的初始参数。选择Anylogic仿真平台，使用平台中的行人库、智能体库、数据分析库、演示库以及三维物体库等，进行模型的建立。

行人在地铁中的服务包括：从通道口进入地铁到乘坐地铁离开；从地铁列车前往通道口离开；在地铁换乘站进行换乘；以地下通道的形式经过地铁部分服务区。图1表示构建的三维场景，以及出现瓶颈的节点。

图1 仿真环境三维图

2.2 采集数据分析

选取上下班高峰期，通过多次实地录像提取数据以及实际记录得到各指标的实际基础数据，针对记录了其随着时间段的分布，通过分析处理得到其各时间点的均值。针对对大量行人的使用时间进行分析处理，得到其均值、最大值、最小值以及偏差。

3 极限流通量分析

调研发现，该地铁换乘站目前日常流通量为149.48万人次，最高纪录日流通量为205.10万人次，较日常增加了37.21%，模型仿真日常工作日地铁的运行情况，在此基础上，将日常流通量增加20%，40%，60%和100%，仿真分析行人流通量递增情况下对换乘站的影响。

3.1 WTD分析

表1说明当行人流通量增加60%时，相比于流通量增加40%，购票等待时间均值增加了36.15%。且最大值、最小值都出现明显增长，可知拥堵使排队人数增加。流通量增加100%时，等待时间均值增长了186.95%，最小值增长了103.09%。问卷调查发现，仅有9%的行人能够接受购票等待时间超过日常上下班高峰期的3倍左右。可见流通量增加100%时，地铁换乘站的服务水平降低。

表1 WTD随流通量的变化 单位：s

从图2可知，流通量增加100%时，其楼梯口流通量相比于60%的流通量，有明显增加，从仿真三维可视化场景中，明显看到楼梯口长时间处于高密度人群，出现非常严重拥堵现象，可预计在流通量持续增长的基础上，楼梯口截面流通量已经达到极限，将不会有大的变化。

图2 PFS 随流通量的变化

图3行人密度图直观地反映了大量人群在地铁中的分布形态，增加40%时，通道口已经出现了明显的拥堵现象，负一层换乘区域以及各楼梯口也出现明显的拥堵现象。流通量增加100%时，地铁近乎崩溃，出现大面积的拥堵区域，相比于流通量增加40%，拥堵区域增加了3倍左右，拥堵现象极为严重。

图3 PDM 随流通量的变化

4 优化并评估分析

4.1 优化方案设计

换乘站为应对未来可能出现的更大行人流通量，以提高该地铁换乘站的集散能力，扩大客流活动的范围，减少行人间的横向干扰为目的进行优化方案的设计。

4.1.1 负1层换乘区域路径优化方案

如图1中所显示的负1层路径引导区域是拥堵最严重的节点，此处是通过改变引导路径，使拥堵现象得到改善，优化路径方案以及行走指示图，如图4所示。

根据“最短路径”原则[7]进行优化，如图4b中①、②处所示，①处用于正常及紧急情况下的出口，使行人更为方便灵活的选择通道口和乘车。②用于紧急情况时的出口，优化前的行人必须跟随引导路径走，导致疏散时间变长，极容易在路径中由于拥堵造成踩踏事故。多次仿真试验得到“曲线端口”相比于“垂直端口”能够有效减少行人的拥堵现象，本文优化前后的引导路径如下。

图4 负1层换乘区域优化前后路径引导对比

4.1.2 负2层楼梯口路径优化方案

如图1中所显示的负2层楼梯口，该节点既有1号线换乘2号线的，也有2号线换乘一号线和离开地铁的行人。此处优化方案依然是将引导路线改变，由原来的L型改为S型，楼梯口由栏栅隔挡的面积变大，使拥挤现象得到缓解。优化前后对比，如图5所示。

4.1.3 负3层拥堵现象的优化方案

图 5 负2层楼梯口优化前后路径引导对比

地铁流通量与地铁楼梯口宽度密切相关，楼梯通道宽度每增加2 m，最大适应客流约可增加4 000人次/h[8]。可见楼梯宽度对流通量影响之大，该地铁楼梯宽度为4.8 m，根据其实际设施限制，以及极限流通量，对负3层楼梯的宽度增加25%。以期通过楼梯宽度改变来缓解负3层上行行人拥堵压力。

4.2 优化结果分析

图6表明，优化后行人等待时间出现了增长现象，均值增加3.03%，原因是等待时间统计的是付费区外行人在购票处与刷卡进站处的滞留时间，而改善节点在付费区内，优化使付费区的集散能力提高，离开该换乘站的行人疏散时使非付费区增多，对于购票行人有一定的路线干扰。

图7表明，优化后行人总流程时间均值减少了21.53%，最小值减少了28.17%，地铁换乘站的拥堵现象有所改善，服务质量得以提升。

图6 WTD 的优化前后对比

图7 TSD 的优化前后对比

图8表明，优化后楼梯口通过人数增加了17.82%到22.60%，说明优化对楼梯口行人流通量增加。图9表明，优化后区域滞留人数明显减少，减少幅度最大16.76%。

图8 PFS 的优化前后对比

综上，通过分析等待时间，可知优化后非付费区的服务水平稍下降，而付费区的服务水平明显地提高。但优化从整体上使拥堵现象得到改善，地铁的集散能力提高。

图9 PAD 的优化前后对比

5 人群紧急疏散评估分析

5.1 疏散方案设计

紧急疏散模型是指在发生紧急情况时，启动“紧急事件”按钮，所有的购票点停止服务，通道口进入量为零，行人取消乘车计划，闸机变为无障碍通道，扶梯停止运行，行人选择就近的通道口离开，在规定时间内实现紧急疏散。根据地铁设计规范，一般站台的紧急疏散时间不大于6 min[9-10]。下面运行优化前后路径下的疏散模型，记录完成疏散所用时间，并与标准疏散时间对比。

以上述优化前后的仿真模型为基础，设计紧急疏散方案，在此基础上加入控制按钮和控制函数，改变各智能体之间的连接关系与顺序，具体不再详述。在本文中，对负1层的疏散进行了路线设计。紧急疏散方案如图4、图5所示，用实线表示，明显看出优化的引导路径使行人紧急疏散时更为灵活。

5.2 疏散方案对比与结果分析

如图10所示，优化前，基于该换乘站现状模得到疏散时间为7.68 min，高于标准时间28%，而优化得到的疏散时间为5.89 min，符合地铁设计规范要求。证明优化路径对紧急情况下的疏散有帮助。

6 结束语

本文基于社会力模型，建立了可视化的三维地铁换乘站的行人仿真模型，设计了反映系统服务水平的微观区域和宏观整体的评价指标，对模型进行了仿真基础数据分析检验，验证了该换乘站最大流通量，运用改善引导路径以及改善设施的手段对该换乘站进行了优化，并设计了疏散优化方案。结果表明：

图10 人群疏散时间优化路径前后对比

（1）该建模思路和方法和所设计的评价指标能较好地反映地铁换乘站的运作过程和集散能力。

（3）通过分析指标，可知优化后非付费区的服务水平下降。以及均表明付费区的服务水平明显地提高了。优化从整体上使拥堵现象得到改善，地铁的集散能力提高。

（4）通过“最短路径”原则，对引导路径进行了优化，使其更加灵活，基于此，设计紧急疏散方案。疏散时间较优化前减少1.79 min，低于地铁标准疏散时间1.8%，有效地改善了在紧急情况下的地铁站行人疏散问题。

本文的研究方法及思路为轨道交通车站的优化设计提供参考。