基于AnyLogic的地铁换乘站步梯改进分析

基于AnyLogic的地铁换乘站步梯改进分析

王明华刘安阳

成都地铁运营有限公司四川成都610000

摘要：通过对成都地铁一品天下换乘站实地调查乘客进出站、站内设备设施、列车运行等信息，处理得到行人到达、换乘及出站客流数据、站内行人微观交通参数、设备设施服务时间、列车运行间隔等参数。在此基础上，利用AnyLogic软件对一品天下站站厅和站台进行仿真建模，以站内行人密度及扶梯排队延误时间为统计指标，对制约客流瓶颈部分设施进行优化设计。仿真结果表明，2号线站厅至站台步梯分别改建为运行方向向上和向下的电动扶梯对车站客流组织最为有利。

关键词：地铁换乘站；客流仿真；AnyLogic；换乘步梯

1概况

城市轨道交通换乘站是城市轨道交通网络中的关键节点，车站站厅、站台客流特征分析是车站整体结构及其内部设施设计时重点考虑因素之一。近些年，国内外学者分别从宏观和微观两个角度出发对地铁站内行人客流进行仿真研究，其中宏观方面主要关注换乘与疏散客流在步梯通道等设施设备处的交通特性，并通过采集数据进行分析对比、验证或仿真评价，而微观方面则主要研究站内行人客流特征引发机理，如行人生理、心理对客流特征的影响。HELBINGD等采用摄像法调查获得车站内走廊、平静区域和行人交织区域的行人交通数据，得出站内设施的几何边界与其通行能力有关且会影响行人分布情况的结论[1]。JODIEYSL等研究了乘客在香港地铁车站内的特性，以实际观测数据为基础对不同交通设施下行人速度-流量关系作了详细描述，并将观测数据与仿真模型所得数据对比[2]。胡明伟等分别从性别、年龄和观测点统计客流的步速、步幅、步频等行人微观交通特性，利用Simwalk软件建立客流微观仿真模型[3]；张弛清等总结了枢纽内乘客表现出的行人微观交通行为，构件了枢纽内通道、楼梯处的交通流模型[4]；常丹等以行人微观行为参数为基础，通过实地调查并借助统计数据软件，对比分析得到不同设施处影响行人行为特征的主要因素[5]；薛艳青等通过对北京南站地下一层行人客流进行仿真，构件了客流组织动态环境模型，提出了仿真过程和评价指标[6]。

然而，部分国内外文献中的客流特性并不能广泛适用于所有城市轨道交通，因而研究具体城市轨道交通内行人的客流特性很有必要。本文以成都地铁一品天下换乘站为研究对象，分析换乘站内乘客交通特性，利用所得数据基于AnyLogic仿真软件进行仿真建模，最后根据仿真结果对站内设施进行优化设计。

2车站内乘客交通特性分析

一品天下站位于蜀汉路与一品天下大街交汇处，为地铁2号线与7号线的换乘站且呈“十字”交叉，车站主体结构为“L”型布置，两线站台均为岛式，7号线站台南端与2号线站台东端设置有互通“L”型折角楼梯。本文采用视频录像数据采集方式并采用人工统计方法进行数据提取。

2.1车站客流统计分析

本文选取2017年12月30日最大高峰小时为研究对象，分别提取进出站客流数据、各方向换乘客流数据。

1）进出站客流

全天进出站最大客流时间段为18:00～19:00，最大客流为2223人/小时，其中进站客流为875人/小时，出站客流为1348人/小时。全天进出站客流统计如图1所示。

图1换乘站全天进出站客流统计图

2）各方向换乘客流

换乘站内2号线与7号线之间换乘客流远大于该站进出站客流，其客流主要集中分布在2号线上行方向至7号线上行方向及7号线上、下行方向至2号线下行方向。站内各方向换乘客流分布如图2所示。

图2换乘站各方向换乘客流统计图

2.2乘客步行速度

由于不同年龄段行人的步行速度存在一定差异，为使模型更加符合实际，故采用调查数据中85%乘客步速来分析乘客特征。由数理统计知识，选取乘客样本473人，其中有效样本462人，利用SPSS软件进行K-S检验，得到乘客步速服从泊松分布且步速分布在[0.62,1.58]m/s区间。

2.3设备设施服务时间

1）购票服务时间

根据调查数据，人工售票窗口与自动售票机的服务时间大多分别为7～12s及5～8s。其中人工售票窗口服务平均时间较大于自动售票机时间，其原因在于部分乘客由于对乘车路线不熟需询问售票员详细路线。

2）安检及闸机服务时间

通过对乘客通过安检进行抽样检查发现，得到其服务时间服从负指数分布且均值为21.2s。但由于安检仪可同时为多名乘客进行服务，因而安检的实际花费时间远小于理论时间，本文选取3.5s～5.5s均匀分布描述乘客安检服务时间。同样采用1.5s～2.5s的均匀分布描述检票闸机的服务时间。

2.4列车到达间隔

通过视频观察统计换乘站2号线和7号线列车到达间隔时间以及到达后的开门时间，其中发车间隔以实际观察中的前后两列车停车开门时的时间节点之差为准。统计计算得到两条线路上下行发车间隔时间如表1所示。

表1换乘站不同线路发车间隔时间

3换乘站客流AnyLogic仿真及结果分析

3.1仿真建模思路

换乘站客流仿真主要使用AnyLogic行人库中的功能模块，运用行人产生模块（PedSource）、行人走行模块（PedGoTo）、行人消失模块（PedSink）等。首先对换乘站站厅和站台进行建模，包括站厅设备设施、步梯、扶梯、站台轮廓的设置、站厅和站台行人产生和消失模块的设置、乘客活动区域及走行路径的设置等；然后根据站内行人的实际走行情况，加入其它相应模块，并将各个模块之间通过逻辑关系进行链接，构成整个站内行人走行模型；最后添加交通参数及设备设施服务参数完成仿真。

3.2仿真参数设置

在系统仿真建模前，根据研究目的，对系统进行一定的假设和说明以简化模型，达到降低建模难度和减少无关因素干扰的目的。

1）简化行人的占地形态，将乘客的占地空间简化为二维椭圆形；

2）简化行人的步行模式，假定行人受其他行人、障碍物等综合作用力，且以最短路径到达目的地，此过程中不含向他人咨询、停留、折返等行为；

3）根据换乘站实际调查结果，选取85%乘客速度作为站内行人步行参数；

4）根据乘客空间需求相关理论，假定乘客到达目标线的容差为0.2m，且列车到站时所有乘客均能实现下车、上车行为。

3.3仿真结果分析

仿真所采用底图为一品天下换乘站站厅及站台结构图，模型的逻辑设置主要分为乘客进站上车逻辑、乘客下车出站逻辑和2号线与7号线之间乘客换乘逻辑，仿真数据取自实地调研和软件自带部分参数，通过连续运行30min后得到换乘站站厅和站台客流仿真分别如图3、图4所示。

图3换乘站站厅客流仿真图

由图3站厅仿真结果可看出,2号线站厅东端与7号线站厅南端乘客客流密度明显大于站厅其它行人区域，原因在于由东端步梯下至2号线站台的进站乘客和7号线部分由站厅换乘2号线的乘客客流与东端上行扶梯出站客流交织干扰，客流冲突明显，且客流密度最大处达到4.1p/m2。由图4站台客流仿真图可看出，受2号线东端站厅客流冲突影响，导致站台部分出站客流及所有由站厅实现换乘至7号线的乘客受阻，致使2号线东端站台扶梯处乘客拥挤度远大于2号线西端扶梯处及7号线站台所有扶梯处，且客流密度最大处达到5.4p/m2，排队等候扶梯最大延误时间为156s。站台各扶梯处行人密度如表2所示。

表2换乘站站台不同扶梯处最大客流密度

图4换乘站站台客流仿真图

4基于仿真结果的优化改进

由于地铁列车的发车间隔需指挥中心根据不同客流时间分布情况进行实时调整，从运营安全角度出发，部分列车发车间隔继续压缩难度较大。针对换乘站仿真模型分析可知，2号线站厅至站台的步梯通道是制约乘客换乘疏散的主要瓶颈，因而本文将其站厅至站台的步梯改为自动扶梯，利用仿真结果验证改造后的乘客拥挤密的改变幅度是否合理。具体改造方案如下：将2号线站厅西端步梯改造为扶梯，其运行方向为站厅至站台；将2号线站厅东端步梯改造为扶梯，其运行方向和原有扶梯方向一致仍为站台至站厅方向。保证模型其它逻辑参数不变前提下，运行优化后的仿真模型，统计得到2号线、7号线站台不同扶梯处行人步行密度如表3所示，步梯改造后站厅、站台客流仿真如图5、图6所示。

图5换乘站站厅优化后客流仿真图

表3换乘站站台不同扶梯处优化后最大客流密度

图6换乘站站台优化后客流仿真图

由仿真结果可知，2号线步梯改建后换乘站2号线站厅东端和7号线站厅南端客流交织干扰现象有所缓解，站台不同扶梯处客流拥堵最大密度和平均密度均有所下降，且扶梯处乘客排队等待最大延误时间下降至87s，因而可认为改建后的方案对优化换乘站客流组织方案和提高运营效率是有利的。

结论

本文以成都地铁一品天下换乘站为研究对象，实地调查并处理得到行人到达、换乘及出站客流数据、站内行人微观交通参数等信息，通过AnyLogic软件对换乘站站厅和站台进行仿真建模，分析得出站厅至站台步梯是制约乘客进出站、换乘的主要因素。以站内的行人密度和最大排队延误时间为统计指标，对制约客流瓶颈部分设施进行优化。结果表明，2号线站厅至站台步梯分别改造为运行方向向上、向下的电动扶梯对站内客流组织最为有利。该方法也为换乘站的设施设计及运营信息化管理提供辅助设计和决策支持。

参考文献

[1]HELBINGD,BUZNAL,JOHANSSONA,etal.Self-OrganizedPedestrianCrowdDynamics:Experiments,Simulations,andDesignSolutions[J].TransportationScience，2005,39(1):1-24.

[2]JODIEYSL,WILLIAMHKL,WONGSC.PedestrianSimulationModelforHongKongUndergroundStations[C]//IEEEIntelligentTransportationSystemsConferenceProceedings.Oakland,2001:554-558．

[3]胡明伟,史其信.城市轨道交通车站客流组织的仿真和评价[J].交通信息与安全，2009（3）：39.

[4]张弛清.城市轨道交通枢纽乘客交通设施服务水平研究[D].北京:北京交通大学,2007:7-25.

[5]常丹.地铁行人微观行为参数量化研究[D].北京：北京交通大学，2010:11-18.

[6]薛艳青，张喜.基于AnyLogic仿真技术的北京南站客流组织优化分析[J].铁路计算机应用，2012(2):5.