城市轨道交通车站客流疏散研究综述

正文:

0 引言

近年来, 城市轨道交通凭借其运量大, 污染小, 速度快的特点, 得到了飞速的发展, 成为各地市改善交通拥堵问题的首选。2005年—2015年, 我国内地开通运营城市轨道交通的城市从5个增加到24个;运营线路长度由381.6km增长至3010.6km, 年均增长239.0km;运营线路由17条增长为93条;运营车站数由237座增长至1998座。如图1所示

城市轨道交通的发展前景是有目共睹的。但是, 随着城市轨道交通建设规模的扩大和运营里程的迅速增加, 随之所带来的风险和隐患也呈现出上扬趋势。城市轨道交通大部分是在相对封闭的地下或高架上运营, 相比于地面上的交通枢纽设施, 车站疏散线路长, 客流密集, 进出口少。在这种情形下, 一旦有突发状况, 乘客若无法安全、有效、快速的撤离, 造成人员拥堵, 极易产生无可估量的严重后果, 带来悲痛的教训。因此, 客流疏散问题已经成为城市轨道交通发展亟需解决的重要问题。

1 客流疏散影响因素综述

对客流疏散影响因素的研究是进行疏散理论数学计算研究及计算机仿真实验的基础。客流疏散过程是一个复杂的过程, 除了受流量、平均速度和平均密度的影响外还涉及到人的生理、心理和环境等方面的因素。在疏散过程中, 乘客个人的行为决定着客流整体的疏散, 客流整体的疏散又影响着乘客的行为, 乘客个体和客流整体的运动是互相联系、相互制约的。

早在20世纪初, 基于观察和统计分析方法的疏散研究就已在国外展开。1937年, 前苏联VAKH研究院对行人运动状态的观测分析, 经过数理统计, 首次发现了运动速率和人群密度成反比1946年, 前苏联火灾研究所 (VNIIPN) 首次提出了人群密度的概念, 定量分析了行人流的基本特征。1971年, John Fruin提出了“服务水平”将影响人群疏散速度的观点。并根据针对大量数据的分析, 拟合出人群疏散速率与人群密度的关系曲线。

随着对客流疏散影响直接因素的研究已经逐步完善, 对人群心理特征及场站结构情况等间接因素的研究开始展开。1997年, 陈全等在对火灾疏散研究中建立了逃生人群的避难行为特性仿真模型。2006年, A Haack和J Schreyer在研究中提出疏散时间与地铁车站楼梯、通道结构关系的观点。2007年, 中国科学院心理研究所的徐敏等人针对疏散个体心理行为的研究中, 对疏散个体的心理行为进行了细致分类, 总结出了几种典型行为特征。2009年, 何理针对城市轨道交通乘客的疏散心理及疏散行为, 以发放调查问卷的形式开展了研究工作。2012年, 郭雩对调查进行了改进, 重点研究了年龄和学历对轨道交通乘客疏散行为的影响, 结果表明, 年龄、学历是乘客在应急疏散时能否听从指挥的重要影响因子。

2 客流疏散数学模型

现代科学的发展是精确化、数学化的过程。对客流疏散规律的定量研究有助于准确地掌握疏散时间, 帮助改善车站设计, 并为客流疏散过程的计算仿真奠定理论基础。

2.1 客流疏散时间模型

1955年, 日本的Togawa根据众多的演练实验数据提出了构筑物内人员疏散的经验公式。至今为止此方法仍是估算构筑物人员疏散最短时间的基本公式。这是早期客流疏散时间模型理论的开端。1969年, 加拿大的Paul在观测统计大量建筑物应急疏散演练而提出了适用于高层建筑物疏散时间的计算通式。[13]在研究中, 楼梯有效宽度概念被首次提出, 在实际的疏散过程中, 人们更多选择楼梯的中间部分, 而楼梯两侧部分并不可得到有效的利用, 即可利用的楼梯宽度总是小于楼梯的宽度。1975年, 英国学者Melink等在前人的基础上, 得出针对多层建筑物的最小疏散时间的经验模型。安全疏散时间是由人员在楼梯前排队等候所需时间和人员通过楼梯所消耗时间两部分所组成的。2008年, 陈绍宽等将轨道交通车站客流疏散分成四个阶段进行分析研究, 分别是乘车下车阶段、通过站台阶段、经过通道阶段以及通过楼梯阶段, 基于数理统计知识与排队理论的建立了一套成熟的综合的时间计算模型。

2.2 客流疏散动力学模型

1971年John Fruin在人群运动综合研究方面做了大量工作后, 首次提出了宏观客流仿真模型。1974年, Henderson在研究中运用热力学中的分布, 将客流模拟成气体或流体, 建立了群体运动的流体模型, 并考虑了个体之间的相互作用和运动目的, 并在此基础上给出了疏散速度的概率分布公式。这是早期客流疏散动力学模型的基础。随着研究的深入, 越来越多的客流疏散动力学模型被相继建立, 典型的有磁场力模型、社会力模型、最优速度模型等。

2.2.1 磁场力模型

磁场力模型是由日本Shigeyuki Okazaki教授提出的, 认为位于疏散中的行人个体和疏散过程中遇到的障碍物都是磁场力正极, 客流疏散出口为磁场力负极, 由于磁场力的作用行人个体向出口运动并在运动过程中与其他个体及障碍物相互排斥。模型中认为每个人身上都受到两个力的作用。首先, 是由库仑定律决定的磁场力, 它取决于磁场强度的大小和行人个体之间的距离;模型中行人个体的受到的磁场力可由库仑定律来表示:

式中:为个体与磁极间的距离, 为从个体指向磁极的矢量。

另一个力是由于运动中的个体与其他个体及障碍物相互排斥而产生的加速度。因此, 来自目的地、障碍物及其他个体的合力, 决定了行人个体瞬时的加速度, 可计算为:

磁场力模型自提出以来, 曾多次被有效地应用到大规模人流疏散的多种场景的模拟中, 如多层建筑火灾人员疏散、轨道交通车站乘客运动和酒店客厅里的旅客运动等情景。该模型可以很好地刻画人流疏散特征, 计算出人流疏散时间。但该模型参数设置比较自由, 没有理论的计算公式, 难以验证参数设置的合理性;理论上, 只能进行可视化模拟, 不能给出更多的结论。

2.2.2 社会力学模型

1995年, Helbing等在人流疏散研究中, 引入“社会力”的概念, 将行人个体抽象成为一个质点, 将不同环境因素对行人个体运动的影响抽象成对行人个体的作用力形式, 提出了第一个具有较大影响的微观模型, 那就是社会力模型。该模型认为个体在随人流疏运动散过程中共受到三个社会力的影响, 分别是由个体的主观愿望构成个体运动的内在驱动力, 个体与个体之间的作用力人与阻碍运动的障碍物之间的作用力。行人个体与障碍物及其他行人个体之间存在互斥力和摩擦力, 互斥力随着距离变近而变大, 切向相对速度也随之变大, 摩擦力变大, 这两种力阻碍行人个体的移动。在时间内速度的变化情况可以用如下运动学公式来表示:

2000年, Helbing等改进社会力模型, 并仿真研究了房间内行人的疏散时间, 发现了“快即是慢”现象。2005年, 宋卫国等针对疏散过程的模拟研究中, 应用社会力模型深度解析了“快即是慢”现象、拥堵效应以及间歇性客流等疏散特征[20]。2006年, 陈涛等引入相对速度概念对社会力模型中个体运动的内在驱动力进行改进, 并对改进后的模型进行模拟分析, 得到的新改进模型, 提高了行人个体的主观能动性, 解决了原社会力模型中人与人或者人与障碍物相靠近时容易出现的速度振荡问题, 使改进后的疏散模型更贴近现实情况。

社会力模型现在被普遍应用在模拟客流的疏散状况过程中相互碰撞、挤压的情况, 是最能近似真实描绘突发状况下疏散个体特征的数学模型之一, 是人群建模研究上一次较大突破。该模型能够模拟出人流运动中出现的复杂自组织现象, 但却做不出速度密度或者是流量密度的基本图, 同时对于大规模人流疏散问题的计算研究通常具有很高的难度。

3 客流疏散仿真模型

随着计算机技术的高速发展, 利用计算机仿真技术模拟客流疏散过程逐渐成为各国学者研究的方向。通过计算机语言编程可再现客流在轨道交通车站内的整个疏散过程, 并能方便快速地得到疏散时间。计算机仿真模型又可具体分为:宏观仿真模型和微观仿真模型。

宏观仿真模型是将疏散人流作为单一整体来仿真和分析。其忽略了个体之间的差异、相互作用对整体人流的影响, 导致模型仿真结果有一定的局限性。微观仿真模型是通过对人流中个体运动特征的仿真来反映人流整体的状态。微观仿真模型中的每个个体都代表一个计算单元, 不要求个体的具体行为, 只确定个体的参数和运动规则。在仿真的过程中, 个体参照周围不同的场地状况, 依据事先规定的运动规则和自身参数决定其具体的运动状态, 这类模型又被称为基于Agent技术的仿真模型。微观模型能够更加准确、客观地模拟实际疏散过程中可能出现的不同状况。

由于微观仿真模型的在基于个体行为建模上的众多优点, 各国学者对此类仿真模型的研究逐渐丰富, 具有各自不同优缺点的模型被大量建立起来。同时, 基于Agent技术的仿真模型可以分为两大类:离散型仿真模型和连续型仿真模型。典型的包括元胞自动机模型、格子气模型、网络网格模型等。

3.1 元胞自动机模型

元胞自动机属微观离散型仿真模型, 于上个世纪50年代由Von Neumann等人提出, 最初被应用于生命自然界中, 用来模拟自复制行为。由于该模型的规则简单, 并且能够复现生物界的自组织行为和物理中的混沌现象等复杂现象的动态演化过程, 得到了学者们重点的关注。1986年Cremer等首次将该模型利用于交通运输领域, 模拟出了复杂的机动车交通流。1998年, Blue等最先利用该模型模拟行人交通流, 元胞自动机模型把行人运动的空间划分成若干网格, 规定每个网格只能被一个个体占有, 利用预先设定的规则改变元胞的占有状态的来模拟行人的运动。2005年, M.Schultz利用元胞自动机对航站楼大厅内人员的运动特征进行仿真。此模型中, 研究了人员之间排斥、摩擦对疏散过程的干扰, 并确立了针对不同疏散环境下的路径选择规则。该模型考虑行人个体对场站的了解程度和恐惧心理因素的作用, 并加入了场站指引作用参数, 考虑了多个个体同时竞争同一网格时的状况, 解决了客流疏散最优路径选择问题。

元胞自动机模型结构规则简单, 计算机表达较为容易, 具有运算速率快, 工作效率高的优点, 适合大规模人流疏散的模拟。但在模型中, 行人个体只有前进和换道两种选择, 不能后退, 更不可能绕道, 对实际疏散过程中可能出现的复杂交通状况的模拟有一定的难度, 同时该模型没有考虑到不同个体间相互作用影响。

3.2 格子气模型

格子气模型是在流体运动理论的背景下, 基于元胞自动机模型, 发展成的一种离散型的非线性仿真模型。格子气模型是元胞自动机模型的具体化应用, 通过利用元胞自动机模型的动态特征来模拟流体分子的运动。虽然格子气模型同样从微观个体角度来模拟整个过程, 但其更关注人流所体现出的流体特征。格子气模型在人流疏散模拟时采用顺序更新规则, 赋予个体平等的优先权, 以及不必考虑个体间的碰撞, 使模型更加机动而且易于调整。1973年法国等建立了HPP模型, 是第一个完全离散的格子气模型。2001年, Tajima和Nagatani在研究构筑物的结构特征对疏散过程的影响时, 应用偏向随机行走格子气模型, 模拟人流从不同结构的构筑物 (如:候车厅、十字交叉通道、Y型交叉通道) 疏散的情形, 得到了不同结构条件下发生变化的临界值。2004年, 邱冰等在Tajima基础上应用格子气模型研究了通道中人流疏散问题, 得出了模型中基本参数之间的线性关系。

格子气模型是以流体分子理论为背景发展起来的, 但与传统宏观流体模型相比有一定的进步, 但计算较为复杂;格子气模型建模角度是行人个体, 但模型中忽略了个体间的互相作用对疏散过程的影响, 相比于其他微观模型又变得较为粗糙, 精确度不足。

3.3 其他仿真模型

近年来, 计算机仿真技术逐步发展成熟, 国内外市场上研发出来一系列人流疏散的仿真软件, 比较成熟的有, , 等仿真软件系统模型。软件是由格林威治大学开发的一种精细化网格模拟软件, 其考虑了疏散个体与个体及个体与周围环境的作用, 较为真实的模拟出疏散过程的许多细节, 可以展现出不同个体间行为特征的差异, 并在此基础上做出全面具体的预测结果。模型按一定比例将疏散空间划分成众多网格, 采用疏散空间中网格到出口最近距离的形式, 精确地描绘疏散空间中人员的疏散轨迹、行为特征及针对不同突发状况下人员的不同反应。斯坦福大学开发的软件可对人的动态路径选择和最短路径进行模拟。该软件基于心理学和社会学对模拟疏散过程中的行人个体的行为进行细致研究, 仿真结束后, 软件自动输出整个过程所用时间。另外, 卢兆明和方正利用当前较为流行的虚拟现实技术, 来模拟火灾发生时的建筑物内人员的疏散过程, 重点研究了人员疏散行为特征, 并建立了SGEM网格模型。

4 结论

总的来说, 国内外学者对人群应急疏散的研究经历了三个阶段, 首先是20世纪早期, 对应急疏散影响因素的探索性研究;其次是对应急疏散时间模型及疏散动力学模型的定量化研究;再次是对应急疏散过程的计算机仿真研究。从观测统计到科学实验, 从宏观分析到微观研究, 从整体人流计算到个体行为特征的仿真, 应急疏散的研究逐步得到重视, 研究成果颇为丰富。与此同时, 应急疏散理论的研究已经超出了交通工程这一单一学科研究的问题, 呈现出交通规划、交通安全、社会心理学、大数据计算、计算机等理论技术, 多学科交叉发展的势头。应急疏散问题已经成为我国城市轨道交通长期发展亟需解决的关键性问题。

应当说无论是国内还是国外, 针对应急疏散场景的研究比较单一, 多数研究基于火灾情景下, 研究范围更多的是局限于高层建筑物的人员疏散, 而针对城市轨道交通客流疏散的研究才逐步开始。对客流密集、结构封闭的城市轨道交通车站的来说, 基于火灾等疏散条件下的传统疏散模型并不能体现目前城市轨道交通车站客流疏散仿真模拟的真实状况。因此, 针对城市轨道交通车站在不同突发状况下的不同应急疏散策略方法、应急疏散模型的研究有待进一步地深化。

摘要：近年来, 城市轨道交通凭借其运量大, 污染小, 速度快的特点, 得到了飞速的发展, 成为各地市改善交通拥堵问题的首选。但由于城市轨道交通系统, 运营环境密闭, 客流量密集, 容易发生安全事故。因此, 针对可能发生的安全事故, 提前做好可能出现的城市轨道交通车站客流疏散准备对城市乃至国家的重要性是不言而喻的。本文通过对客流疏散理论研究中的三个方面:客流疏散影响因素、客流疏散数学模型、客流疏散仿真模型进行综合评述, 列举了经典的重要模型及研究, 最后对城市轨道交通疏散研究成果进行总结, 对下一步研究做了展望。

关键词：城市轨道交通,客流疏散,数学模型,仿真模型

参考文献

[1] 孙世超, 顾保南, 邓澄远.2015年中国城市轨道交通运营线路统计和分析——中国城市轨道交通“年报快递”之三[J].城市轨道交通研究, 2016, 01:1-4+9.

[2] Pretechenskii V.M.and A.I.Milinsk.Planning for foot traffic flow in building, anslated from Russian, (Stroiizdat Publishers, scow, 69) .Published for NBS, DOC and NSF Washington, D.C., New Delhi:Amerind Publishing Co.Pvt.Ltd, 789.

[3] Al Gadhi, Mahmassani, R.Herman, A speed concentration relation for bi-directional crowd movements with strong interaction[J].Pedestrian and evacuation dynamics, 2001.

[4] Oeding D.Traffic Loads and Dimensions of walkways and other Pedestrian Circulation Facilities[M].Bonn, Germany:Strassembau and strassenverkehr steehnik, 1963.

[5] Hankin B.D.and Wright R.A.Case Studies.OP.Res.Quart., 1958, 9:81-88

[6] Fruin.Pedestrian Planning and Design.Metropolitan association of urban designers and environmental planners[M].Inc., New York, 1971.

[7] 陈全, 陈宝智.人在火灾中避难的一般行为特征[J].安全, 1997.

[8] A Haack, J Schreyer.Emergency scenarios for tunnels and underground stations in public transport[J].Tunnelling and Underground Space Technology, 2006, 21 (3-4) :285-294.

[9] 徐敏.疏散中的典型心理行为特征分析[J].安全, 2007, 06:42-

[10] 何理, 钟茂华, 史聪灵, 石杰红.地铁突发事件下乘客疏散行为调查研究[J].中国安全生产科学技术, 2009, 01:53-58.

[11] 郭雩, 何理, 石杰红, 肖国清.地铁不同人群疏散行为特征调查问卷研究[J].中国安全生产科学技术, 2012, 04:183-188.

[12] Togawa K.Report No.14 in Building Research Institute., Tokyo.1955

[13] Paulus, Nelson, and H.A.Mac Lennan.SFPE Handbook of Fire Protection Engineering.1995:National Fire Protection Association Quincy, MA.

[14] Melinek.S.J, Booth.S.An analysis of evaeuation times and the movement of crowds in buildings, Buliding Research Establishment, Fire Research Station, Borehamwood, 1975.

[15] 陈绍宽, 李思悦, 李雪, 洪婧, 赖瑾璇, 蔡培.地铁车站内乘客疏散时间计算方法研究[J].交通运输系统工程与信息, 2008, 04:101-107.

[16] Henderson.L.F.On the fluid mechanics of human crowd motion[J].Transportation research, 1974.8 (6) :509-515.

[17] Okazaki.S.A Study of Pedestrian Movement in Architectural Space, Part1:Pedestrian Movement by the Application on of Magnetic Models[J].Trans of AIJ, 1979 (283) :11121191

[18] D.Helbing, P.Molnar.Social force model for pedestrian dynamics[J].Phys.Rev.E, 1995, 51:4282-4286.

[19] D.Helbing, I.Farkas, T.Vicsek.Simulating dynamical features of escape panic[J].Nature, 2000, 407:487-490.

[20] 宋卫国, 于彦飞.一种考虑摩擦与排斥的人员疏散元胞自动机模型[J].中国科学工程科学材料科学, 2005, 35 (7) :725-736.

[21] 陈涛, 应振根, 申世飞, 袁宏永, 范维澄.相对速度影响下社会力模型的疏散模拟与分析[J].自然科学进展, 2006, 12:1606-1612.

[22] Blue V J, Adler J L.Emergent fundamental pedestrian flows from cellular automata microsimulation.Transportation Research Record, 1998, 1644:29-36

[23] M.Schultz, 5.Lehlnarm, and H.Frieke.A discrete microscopic model for pedestrian dynamics to manage emergency situations in airport terminals.Pedestrian and Evacuation Dynamics 2005, Berlin Heidelberg:Springer, 2007:369-375.

[24] 赵雪.地铁车站人员应急疏散模型的研究[D].四川:西南交通大学, 2013.

[25] Hardy J, Pomeau Y, Pazzis O.de.Time evolution of a twodimensional model system.J.Math.Phys, 14:1746-1759, 1973.

[26] Tajima Y., Nagatani T, Scaling behavior of crowd flow outside a hall[J].Physica A, 2001, 292 (1) :545-554.

[27] 邱冰.楼房内人员逃生流的自动机模拟研究[D].广西师范大学, 2004.

[28] 陆君安, 方正, 卢兆明等.建筑物人员疏散逃生速度的数学模型[J].武汉大学学报 (工学版) , 2002.