既有大型客運站最高聚集人數仿真計算

靳添舟

(哈爾濱地鐵集團有限公司運營分公司，哈爾濱 150086)

根據《鐵路旅客車站建筑設計規范》(GB50226—95)關于旅客最高聚集人數的定義為:最高聚集人數為車站全年上車旅客最多月份中一晝夜在候車室內瞬時(8～10 min)出現的最大候車人數(含送站)的平均值。也就是一個車站運送旅客多月份中每日瞬時所出現的最多旅客數量的平均值。這一定義是20世紀50年代計劃經濟時期確定的，當時的新線建設多，客運規模基本上按計劃控制［1］。但它又是鐵路客運站設計的重要指標［2］。傳統計算鐵路客運站最高聚集人數的方法有著簡單、參數較少、便于操作的優點。但是，它們也存在一些不足，難以滿足高速鐵路及客運專線車站的設計。計算旅客最高聚集人數必須考慮到以下幾點:(1)明確旅客在車站內停留的時間長短，做出最準確的估計和預測;(2)明確列車的發車間隔;(3)避免用到一些經驗數據和參數，遵循科學的數據調查依據建立計算模型。鑒于以上分析，運用先進的計算機計算技術并通過Simio仿真建模將可以實現上述要求。

1 鐵路客運站最高聚集人數仿真建模

1.1 數量建模

文獻［3］根據對北京站、北京西站、廣州東站、合肥站和無錫站的大量調查，發現旅客到達車站提前時間的分布近似服從對數正態分布

式中 f(x)——旅客到達概率分布函數;

x——旅客提前到達時間;

μ、α——待估參數，分別表示均值和方差。

文獻［4］認為在公交化運營的情況下，旅客出行時間較少考慮列車的出發時間，而以自己的出行時間為主，此時，旅客的到達事件基本符合泊松事件流，可以表示為

式中 Pt(n)——在單位時間內到達 k個旅客的概率;

λ——到達流的強度，可以根據實際客流量進行取值。

考慮到Simio輸入流的產生需要旅客到達間隔時間的約束，旅客進入仿真區域是個隨機性事件，本文依據調查比例，得到在每5 min每次列車到達的旅客人數。其數學模型如下

式中 Ci——第 i時段旅客到達人數;

λi——第i時段旅客到達概率;

C——本次列車旅客發送人數;

i——時段(單位 5 min)。

旅客如果想要進入車站，首先需要面對的是選擇進站口。由于車站可能有多個入口，可通過統計的方法以概率的形式將客流分配到各個入口。當旅客進入車站候車室后，首先需要通過安全檢查機的掃描。為了將通過安檢的速度控制在最接近實際情況的水平，將通過安全檢查機的時間分布定義為三角分布，如下

式中 m——旅客可能通過安檢的時間;

mmin——旅客通過安檢時間最小值;

mmax——旅客通過安檢時間的最大值。

旅客進入候車室后，控制旅客離開的時間就是旅客進入檢票口上車的時間，為乘坐該次列車發車前的20 min。根據列車時刻表即可完成旅客在候車室內停留時間的控制。同旅客通過安全檢查機一樣，旅客通過檢票口的速度也是一個快速且容易控制的過程。運用三角分布定義其最大值和最小值即可完成對于旅客通過檢票口的時間控制。

1.2 基于Simio的邏輯建模

根據Simio面向對象的仿真機制，聯系旅客在候車室內的候車行為，分別運用 Simio當中的 Souce、Sever、Sink模塊進行控制，Souce和Sink分別控制旅客進入和離開，3個Sever分別為安全檢查站、旅客候車區和檢票口?？傮w邏輯模型如圖1所示。

圖1 總體邏輯模型

在PassengersArrive系列模塊中，通過對RateTable到達率表的輸入，可以將旅客提前到達車站的時間以及每5 min內到達的人數進行定義。每一個模塊產生一個車次的旅客，這樣既便于定義每列車的人數，也可以根據每列車的發車時間定義旅客提前到達車站的實際時間。如圖2所示。

圖2 部分到達率示意

仿真時間運行到某一列車發車前20 min時，該車次的旅客將會依次進入檢票口檢票上車。可以通過對候車區內Timer控制該次旅客離開候車室的具體時刻。如圖3所示。

圖3 開始檢票處理

進入候車區的旅客將被計算到旅客聚集人數中，隨著各次列車旅客進入檢票口離開，旅客聚集人數也相應陸續減少。通過對旅客聚集人數的監控可以得到在仿真時間范圍內的旅客瞬時最高聚集人數，如圖4所示。

圖4 最高聚集人數計算處理

2 算例分析

2.1 參數及變量定義

本文根據在網上發起的調查，得到了每5 min內旅客提前到達車站的人數的概率。并且根據大連站春運期間統計的1個月內各車次旅客發送人數的均值得到旅客提前到達時刻分布。通過輸入RateTable即可實現各車次每5 min內的旅客提前到達車站人數。

根據旅客通過安全檢查的實際平均水平，對旅客通過安全檢查與檢票口的函數進行賦值，如表1所示。

表1 安檢參數定義

根據大連站時間運營情況，對發車較密集的10 h進行仿真模擬實驗，根據旅客提前到達時刻分布，將仿真時間延長2 h。既總體仿真時間為00∶00～12∶00。根據大連站列車時刻表，按照仿真的時間段，將時間數據進行整合，并定義旅客離開候車室的時間為發車前20 min。

2.2 仿真結果與分析

通過Simio建模仿真計算旅客在候車室的聚集過程，最高聚集旅客人數平均3 160人，半長140人，最小2 810人，最大3 380人。得到旅客聚集高峰時刻為11:55～12:00與15:55～16:00。共產生實體數平均 20 900，半長為 350，置信區間［20 550，21 250］，實際輸入實體數20 163。故仿真結果具有準確性與可靠性。如表2、圖5所示。

表2 仿真結果

圖5 旅客聚集人數示意

根據本文前面的介紹，分別運用新型計算方法最壞情景法和既有計算方法聚集系數法對大連站最高聚集人數進行檢驗計算，根據文獻［6-12］，送站人員的比例為占到發送人數的15%。故在本文算例中將使用0.15作為送站人員的比例與該次列車的發送人數相乘既可得到該次列車旅客的送站人員人數。具體數值與其他算法得到的數值如表3所示。

表3 計算結果對比

3 結論

針對既有大型鐵路客運站客流集散特點，提出了大型鐵路客運站候車過程基本仿真流程和仿真模型，建立了基于個體活動的旅客集散仿真模型計算旅客最高聚集人數。通過對大連站春運期間客流的模擬再現，得到大連站旅客最高聚集人數，并且通過既有算法聚集系數法和新衍生出來的算法最壞情景法的檢驗。結果表明:(1)本文算法可以彌補聚集系數法當中對于密集發車時刻定義的不足;(2)可以防止最壞情景法當中對于旅客聚集情況的過度估計;(3)通過仿真旅客在候車室內的聚集過程，在鐵路客運站設計期間即可得到旅客最高聚集人數數值，對于車站的設計和建設起到積極的作用。

［1］鄭立勇.鐵路客運站最高聚集人數探討［J］.上海鐵道科技，2001(1):24-25.

［2］王雪晴.鐵路旅客車站站前廣場面積指標專題研究［J］.鐵道標準設計，2007(5):99-102.

［3］何宇強，毛保華，丁勇，張好智，楊靜.鐵路客運站最高聚集人數模擬計算研究［J］.系統仿真學報，2006(1):213-216.

［4］李得偉，韓寶明.鐵路客運專線車站乘客集散微觀仿真模型［J］.交通運輸工程學報，2009(2):83-86.

［5］李得偉，韓寶明，李海鷹.大型鐵路客運站旅客集散微觀仿真［J］.中國鐵道科學，2009(5):120-123.

［6］邵毓賓.現代鐵路旅客車站規劃設計［M］.北京:中國鐵道出版社，1999.

［7］金一兵.模糊數學在預測最高聚集人數中的應用［J］.鐵道運輸經濟2003(7):68-70.

［8］王甦男.旅客運輸［M］.2版.北京:中國鐵道出版社，2003.

［9］張天偉.最高聚集人數的定義及方法討論［J］.上海鐵道科技，2005(3):13-14.

［10］中華人民共和國鐵道部.GB50226—95 鐵路旅客車站建筑設計規范［S］.北京:中國計劃出版社，1996.

［11］楊振海.應用數理統計［M］.北京:北京工業大學出版社，2005(3):15-16.

［12］王華.鐵路客流高峰期旅客運輸特點及對策［J］.鐵道運輸與經濟，2004(10):38-39.