基于BC算法的地鐵站臺乘客分布建模及應(yīng)用

劉光通，孔德文，鄭宣傳，沈 瑜，董曉春

學(xué)術(shù)探討

基于BC算法的地鐵站臺乘客分布建模及應(yīng)用

劉光通1，孔德文1，鄭宣傳3，沈 瑜2，董曉春2

（1. 北京工業(yè)大學(xué)城市交通學(xué)院，北京 100124；2. 南京地鐵集團(tuán)有限公司，南京 210008； 3. 北京城建設(shè)計(jì)發(fā)展集團(tuán)股份有限公司，北京 100037）

為定量化分析地鐵站臺客流組織方案的應(yīng)用效果，實(shí)地收集乘客候車分布數(shù)據(jù)，統(tǒng)計(jì)分析候車位置選擇的特性，研究發(fā)現(xiàn)乘客的候車位置選擇具有集中性，并受行走距離、排隊(duì)長度和候車區(qū)域容量影響。基于細(xì)菌趨藥性(BC)算法原理，結(jié)合站臺乘客候車位置選擇特性，建立了站臺乘客分布仿真模型，并利用實(shí)測數(shù)據(jù)對模型進(jìn)行了標(biāo)定和驗(yàn)證。從實(shí)例站臺的限流欄桿長度方面提出了優(yōu)化方案，利用所建模型再現(xiàn)了實(shí)例站臺的候車場景及優(yōu)化方案，對優(yōu)化效果進(jìn)行驗(yàn)證。結(jié)果顯示：優(yōu)化的限流欄桿設(shè)置方案實(shí)施后，站臺候車區(qū)域客流平均密度在各客流條件下分別下降了0.02、0.07和0.09，可上車的人數(shù)分別增加了10、8及11人次，因此所提優(yōu)化方案具備有效性，得到的模型及應(yīng)用成果能為地鐵車站運(yùn)營管理方在站臺客流控制策略的制定方面提供理論支持和依據(jù)。

城市軌道交通；管控優(yōu)化；乘客仿真模型；站臺

站臺是地鐵車站內(nèi)連接落客區(qū)域與站廳層的過渡性集散空間。但由于其空間狹小，客流集散量大的特點(diǎn)，加上乘客自身的視覺限制，常出現(xiàn)各等待區(qū)域乘客分布不均勻的情況。這種現(xiàn)象會導(dǎo)致部分區(qū)域客流過度密集，站臺候車乘客分布的不均衡容易導(dǎo)致相應(yīng)車廂的乘客滿載率也不均衡，在滿載率較低的車廂出現(xiàn)列車運(yùn)力的浪費(fèi)[1]。為解決上述問題，已在站臺區(qū)域展開實(shí)施多種類型的客流控制方式，但方案設(shè)定多以經(jīng)驗(yàn)為主導(dǎo)，尚缺乏科學(xué)的指導(dǎo)和規(guī)范。因此，建立軌道交通站臺乘客的分布模型，用以驗(yàn)證站臺客流組織方式的科學(xué)性和合理性具有重要意義。

國內(nèi)外許多專家學(xué)者對站臺乘客候車和管控方式進(jìn)行了研究，Lam等[2]采集了香港地鐵站臺的實(shí)際數(shù)據(jù)，通過回歸分析和相關(guān)性分析發(fā)現(xiàn)列車開門時(shí)間與上、下車人數(shù)的相關(guān)性最大，并以此構(gòu)建了地鐵列車的?？繒r(shí)間模型；Oliveira等[3]分析了導(dǎo)致站臺乘客分布不均的相關(guān)性因素，并提出了利用實(shí)時(shí)數(shù)據(jù)減緩過度集中現(xiàn)象的方法；Seriani等[4]利用仿真和實(shí)驗(yàn)手段，從乘客服務(wù)水平(LOS)、乘客服務(wù)時(shí)間(PST)、站臺乘客密度和乘客不滿程度方面出發(fā)，提出了站臺行人管控方案建議；Heuvel等[5]提出列車停靠位置向前移動50 m的優(yōu)化方案，結(jié)果顯示乘客平均候車時(shí)間減少了32 s。曹守華等[6]以軌道交通乘客上車時(shí)間為研究對象，綜合了站臺設(shè)置、車門寬度、提示音等一系列因素，建立了計(jì)算乘客上車時(shí)間的模型；趙宇剛等[7]分析列車到達(dá)時(shí)間間隔、換乘乘客走行時(shí)間與站臺最高聚集人數(shù)的關(guān)系，提出一種規(guī)劃期內(nèi)城市軌道交通換乘站站臺最高聚集人數(shù)的計(jì)算方法；徐尉南等[8]引入流體力學(xué)思想，基于實(shí)地調(diào)查數(shù)據(jù)，建立了基于描述站臺客流運(yùn)動的定量數(shù)學(xué)模型；孫小菲等[9]通過對調(diào)研各類型車站站臺上乘客的基礎(chǔ)數(shù)據(jù)，對步速、步幅、步頻之間的關(guān)系以及客流速度與密度之間的關(guān)系進(jìn)行擬合，得到不同參數(shù)的擬合函數(shù)并結(jié)合實(shí)例分析其內(nèi)在機(jī)理。

綜上所述，已有學(xué)者對站臺乘客運(yùn)動特性以及行為建模進(jìn)行了一定研究，但對于考慮乘客主觀因素和外部環(huán)境變化下的運(yùn)動特性描述尚有待深入。本文基于實(shí)測數(shù)據(jù)，分析乘客候車區(qū)域選擇的主要影響因素，結(jié)合細(xì)菌趨藥性優(yōu)化算法的基本假設(shè)，構(gòu)建站臺客流分布仿真模型。對實(shí)例站臺從限流欄桿方面提出了優(yōu)化建議，并利用所構(gòu)建模型對其優(yōu)化效果進(jìn)行了驗(yàn)證。

與社會力模型、元胞自動機(jī)模型等廣泛使用的行人仿真模型相比，本研究構(gòu)建的模型更側(cè)重于乘客運(yùn)動的結(jié)果，即最終乘客的分布情況，因此在時(shí)效性上更具優(yōu)勢。本模型中融入了乘客主觀因素的影響，能夠準(zhǔn)確地再現(xiàn)站臺乘客位置選擇的過程。

1 地鐵站臺乘客候車區(qū)域選擇特性分析

1.1 站臺乘客運(yùn)動規(guī)律

站臺是軌道交通乘客實(shí)現(xiàn)登車下車以及換乘的重要區(qū)域，該區(qū)域的客流具有高度聚集、人員交織頻繁等特點(diǎn)。地鐵乘客在車站內(nèi)行走具有極強(qiáng)的目的性，同時(shí)還有較強(qiáng)的靈活性和適應(yīng)性。站臺乘客通常結(jié)合設(shè)施設(shè)備配置情況、客流密度水平以及列車到發(fā)狀態(tài)等條件后做出行為決定。

一般來說，進(jìn)入站臺區(qū)域乘客選擇候車區(qū)域時(shí)有如下趨勢：①客流密度較小時(shí)，乘客會趨向于選擇距離樓梯口最近的等待區(qū)候車；②當(dāng)站臺區(qū)域存在一定量乘客時(shí)，乘客更愿意選擇候車排隊(duì)人數(shù)較少的位置候車；③站臺設(shè)施管理措施，如固定建筑物、限流欄桿等，對于客流運(yùn)動的影響效果較為明顯。

1.2 站臺客流數(shù)據(jù)采集方案

為研究站臺乘客候車位置選擇行為的特性，對北京地鐵2號線東直門站臺開展數(shù)據(jù)調(diào)查工作。該站臺形式為島式站臺，平面形狀近似矩形。經(jīng)測量，該站臺長度約為113 m，寬度約為24 m。站臺每側(cè)各設(shè)置24個(gè)車門，兩端分別設(shè)置一處樓梯，其中一側(cè)樓梯通過延伸扶手的方式設(shè)置了限流欄桿，另一側(cè)未設(shè)置。此外，站臺區(qū)域設(shè)有距離均衡的柱子，除此之外，不存在扶梯、直梯、管理用房等其他設(shè)施。乘客在站臺上行走時(shí)，該站臺可看作包含兩個(gè)入口的封閉空間。對相關(guān)障礙物做簡化處理后的平面示意圖見圖1。

分別在客流平峰(14:30～15:30)及高峰(17:30～18:30)期間收集客流分布數(shù)據(jù)。在每個(gè)扶梯附近的位置安排一名調(diào)查員，以東四十條方向列車候車周期為準(zhǔn)，分別記錄一個(gè)候車周期內(nèi)進(jìn)入站臺的人數(shù)。同時(shí)站臺兩側(cè)分別設(shè)置兩名調(diào)查員，記錄周期內(nèi)各車門前的候車人數(shù)。依據(jù)上述方法在平峰及高峰期連續(xù)調(diào)查10個(gè)周期。本文中，乘客的一個(gè)候車周期定義為：從上一班次地鐵關(guān)門的時(shí)刻到本班地鐵到達(dá)車門開啟的時(shí)刻之間的時(shí)間。

圖1 東直門地鐵2號線站臺平面簡圖

Figure 1 The platform plan of Dongzhimen of Line 2 of Beijing Metro

地鐵2號線全天各時(shí)段候車周期是動態(tài)變化的。在平峰期內(nèi)，候車周期約為5 min，高峰期內(nèi)候車周期約為2 min，車輛到達(dá)后開門時(shí)間約為18 s。

1.3 數(shù)據(jù)及客流運(yùn)動特征分析

最終一共獲取平峰期及高峰期共20組有效樣本。平峰期和高峰期內(nèi)各候車區(qū)域前的平均候車人數(shù)如圖2所示?？梢钥闯銎椒迤趦?nèi)，各候車區(qū)域內(nèi)人數(shù)差異不大，多數(shù)候車區(qū)域內(nèi)乘客較少。高峰期站臺部分區(qū)域出現(xiàn)擁擠現(xiàn)象，各車門前乘客數(shù)量出現(xiàn)不均衡。

高峰候車周期為120 s，將候車周期的40 s、80 s以及120 s時(shí)的候車人數(shù)分別統(tǒng)計(jì)，結(jié)果如圖3所示。

可以看出，距離樓梯口較近的7、8、9號以及17、18、19號車門的候車人數(shù)始終較多，位于站臺中部候車區(qū)域的人數(shù)相對較少。證明乘客在選擇候車位置時(shí)，傾向于選擇步行距離較小的位置。

對40～80 s內(nèi)以及80～120 s內(nèi)各候車人數(shù)增加情況進(jìn)行統(tǒng)計(jì)，結(jié)果如圖4所示。

結(jié)果表明，0～80 s內(nèi)，距離樓梯口較近的各候車區(qū)域的人數(shù)上升速度較快，80 s之后，由于距樓梯口附近的7、8、9以及排隊(duì)人數(shù)較多，乘客開始更多地選擇站臺中部位置進(jìn)行候車。此外可以看出，站臺兩側(cè)車門受障礙物阻擋影響，其候車區(qū)域面積較小，導(dǎo)致其候車人數(shù)始終較少。

本節(jié)中處理后的數(shù)據(jù)也用于下文中模型的標(biāo)定及驗(yàn)證。

圖2 候車人數(shù)分布

Figure 2 Distribution of numbers of waiting people

2 站臺乘客分布模型構(gòu)建

2.1 細(xì)菌趨藥性算法原理

細(xì)菌趨藥性(BC)優(yōu)化算法是一種從生物行為原理提煉出的函數(shù)優(yōu)化方法。Hans[10]發(fā)現(xiàn)細(xì)菌在引誘及環(huán)境下的應(yīng)激機(jī)制和梯度下降相類似。Muller等[11]在此基礎(chǔ)上結(jié)合最新的生物學(xué)研究成果提出了細(xì)菌趨藥性算法。算法中每個(gè)細(xì)菌的運(yùn)動遵從以下假設(shè)：

圖3 3個(gè)時(shí)刻下各區(qū)域的候車人數(shù)

Figure 3 Number of waiting passengers in each area at three different times

圖4 3個(gè)時(shí)間段下各區(qū)域增加的候車人數(shù)

Figure 4 Increase in the number of waiting passengers in the next area during the three periods

1) 細(xì)菌的運(yùn)動軌跡是由一系列的直線組成的，其軌跡形態(tài)由速度、運(yùn)動時(shí)間、轉(zhuǎn)角3個(gè)變量決定。

2) 在所有的運(yùn)動軌跡中，每個(gè)細(xì)菌的運(yùn)動速度是恒定的。

3) 在細(xì)菌改變運(yùn)動方向時(shí)，向左轉(zhuǎn)和向右轉(zhuǎn)的概率是相同的。

4) 細(xì)菌在每條軌跡上的運(yùn)動時(shí)間是由指數(shù)分布決定的。

5) 每個(gè)細(xì)菌在各段運(yùn)動軌跡上的運(yùn)動時(shí)間和各段相鄰軌跡間的夾角是兩個(gè)相互獨(dú)立的參數(shù)。

在上述假設(shè)下，細(xì)菌趨藥性算法的計(jì)算過程見文獻(xiàn)[11]，運(yùn)動原理見圖5。

圖5 細(xì)菌個(gè)體運(yùn)動簡圖

Figure 5 Schematic of single bacterial movement

在本研究中，將對細(xì)菌趨藥性算法原理進(jìn)行改進(jìn)，從而構(gòu)建站臺乘客分布仿真模型，以描述站臺乘客候車位置選擇的過程。

2.2 模型搭建

2.2.1 場景搭建

乘客在進(jìn)入站臺后，將綜合各車門與站臺入口的距離、候車區(qū)域排隊(duì)長度以及候車區(qū)域容量的現(xiàn)狀情況3項(xiàng)因素確定候車位置。在仿真場景中，將站臺看作二維平面直角坐標(biāo)系，站臺左下角作為坐標(biāo)系原點(diǎn)，以北京市地鐵2號線東直門地鐵站臺為例，站臺俯視圖的左下角為原點(diǎn)，兩條側(cè)邊為軸，構(gòu)建平面直角坐標(biāo)系，如圖6所示。

2.2.2 模型搭建

本文中搭建的仿真模型為離散型微觀模型，仿真步長為1 s，仿真周期等于候車周期。在模型運(yùn)行過程中，運(yùn)動起點(diǎn)即樓扶梯口處，每秒鐘均生成若干數(shù)量乘客，每位乘客對各個(gè)候車區(qū)域與當(dāng)前位置的距離、已有人數(shù)以及容量等因素進(jìn)行綜合考慮后，確定目標(biāo)候車區(qū)域，并在運(yùn)動過程中改變各參數(shù)，對目標(biāo)候車區(qū)域進(jìn)行調(diào)整。

乘客在整個(gè)移動過程中，速度不變，其移動軌跡由一系列直線以及若干改變轉(zhuǎn)角的點(diǎn)組成。當(dāng)乘客到達(dá)候車區(qū)域或仿真周期結(jié)束時(shí)，該乘客停止運(yùn)動。乘客在到達(dá)候車區(qū)域后，不存在更換隊(duì)列行為。站臺乘客位置移動具體過程如下。

1) 輸入乘客并確定目標(biāo)側(cè)邊。首先在場景起點(diǎn)輸入數(shù)量固定的乘客，在仿真環(huán)境中，每位乘客的移動速度是相同的，且在仿真過程中數(shù)值保持不變。根據(jù)《地鐵安全疏散規(guī)范》(GB 33669-2017)[12]，不同性別、年齡的人群的平均水平行走速度可取1.1 m/s，本模型中乘客速度選用該值。輸入乘客后，每位乘客將首先選擇去往島式站臺的兩條側(cè)邊之一，如東直門地鐵站臺的東四十條方向或雍和宮方向，該乘客將在移動過程始終前往該側(cè)邊方向。

圖6 站臺平面直角坐標(biāo)系

Figure 6 Platform plane rectangular coordinate system

2) 確定排斥力系數(shù)。在模型中提出排斥力系數(shù)的概念，以原算法中的計(jì)算精度表示。在乘客進(jìn)入站臺后，每個(gè)候車區(qū)域均存在一個(gè)排斥力系數(shù)，用以量化在乘客選擇過程中對該候車區(qū)域的排斥程度。根據(jù)前文中站臺乘客運(yùn)動特性的分析結(jié)果以及文獻(xiàn)[13]、[14]的研究，最終選擇行走距離、排隊(duì)長度、候車區(qū)域容量為組成排斥力系數(shù)的參數(shù)。

在上述所建立的場景中，把BC優(yōu)化算法中的參量改進(jìn)為排斥力系數(shù)，具體公式見下：

其中：D()代表在時(shí)刻下，乘客與候車區(qū)域的距離；L代表候車區(qū)域的容量；N()代表候車區(qū)域的候車人數(shù)，即排隊(duì)長度；、、、分別為4項(xiàng)待標(biāo)定參數(shù)。

3) 移動時(shí)間設(shè)置。移動時(shí)間是由最小平均移動時(shí)間0決定的。乘客在每條移動軌跡上的時(shí)間服從參數(shù)的指數(shù)分布。移動時(shí)間由指數(shù)分布下取隨機(jī)數(shù)確定。

式中：0k()為乘客在時(shí)刻的最小移動時(shí)間；εmin()為時(shí)刻所有排斥力系數(shù)中的最小值，最小時(shí)間單位為s。

4) 轉(zhuǎn)角設(shè)置。乘客移動的方向由每條軌跡的轉(zhuǎn)角()決定，目前對于乘客移動轉(zhuǎn)角的研究較少，且在不同環(huán)境中各有不同。結(jié)合本研究的實(shí)例情況，規(guī)定在本模型中，轉(zhuǎn)角數(shù)值為[0°，90°]范圍內(nèi)的隨機(jī)數(shù)。

5) 乘客移動。在仿真模型中，每位乘客上一次移動的時(shí)間點(diǎn)為t，軌跡上的移動時(shí)間為t，下一次的移動時(shí)間點(diǎn)為t。因此t等于t和t的和。

仿真時(shí)間每進(jìn)行1 s，模型將判斷當(dāng)前時(shí)間點(diǎn)是否等于t，如果相等，則乘客將依據(jù)公式(3)的原理進(jìn)行移動。如果不相等，則該乘客位置不變，并等候進(jìn)入下1 s。乘客位置移動公式如下。

將站臺兩側(cè)以車門為中心，分別劃分為24個(gè)候車區(qū)域，并按照坐標(biāo)劃分區(qū)間。如果乘客在運(yùn)動過程中，到站臺一側(cè)的距離小于5 m，則視為到達(dá)候車區(qū)域。

6) 模型參數(shù)更新。到達(dá)新位置后，判斷乘客是否進(jìn)入候車區(qū)域，若已到達(dá)，則該區(qū)域的候車乘客數(shù)量加1，乘客停止運(yùn)動；若未到達(dá)，更新ε，0和，重復(fù)上述步驟，直到乘客到達(dá)等候區(qū)或候車周期結(jié)束。

2.3 模型標(biāo)定及驗(yàn)證

利用前文中采集到的實(shí)際數(shù)據(jù)對仿真模型進(jìn)行了標(biāo)定和驗(yàn)證，其中7組數(shù)據(jù)用于校準(zhǔn)，3組數(shù)據(jù)用于驗(yàn)證。

2.3.1 模型標(biāo)定

待標(biāo)定的參數(shù)包含公式(1)中的、、、。本節(jié)利用試驗(yàn)法對上述參數(shù)進(jìn)行標(biāo)定，其中，、的初始范圍為[1，10]，為[0，0.1]，為[0，100]。

分別選擇第2、3、4、6、7、8、9個(gè)候車周期的實(shí)際客流分布數(shù)據(jù)，與不同參數(shù)取值組合下的模型輸出數(shù)據(jù)進(jìn)行對比。其中，、的取值間隔為0.5，的取值間隔為0.01，的取值間隔為1。最終，多個(gè)不同參數(shù)組合下的模型輸出結(jié)果與實(shí)際各車門前的候車人數(shù)進(jìn)行對比，選出平均誤差最小的參數(shù)組合作為標(biāo)定結(jié)果。最終結(jié)果為=7，=5，=0.09，=10，此時(shí)平均候車人數(shù)誤差小于10%。

2.3.2 模型驗(yàn)證

將第1、5、10個(gè)候車周期的實(shí)際數(shù)據(jù)與仿真模型所呈現(xiàn)的客流分布情況進(jìn)行對比，從而確定所構(gòu)建模型的實(shí)用性。3個(gè)周期中，進(jìn)入站臺的乘客數(shù)量分別為125、174、155人次。將同等客流分別輸入模型，對比各客流密度下的乘客候車區(qū)域選擇情況。3個(gè)周期內(nèi)各候車區(qū)域平均候車人數(shù)與10次模型輸出的客流分布情況如圖7所示。

圖7 模型結(jié)果與實(shí)際數(shù)據(jù)對比情況

Figure 7 Comparison between model results and actual data

通過檢驗(yàn)驗(yàn)證了仿真模型的預(yù)測精度，分析了現(xiàn)場數(shù)據(jù)與模型輸出的差異。結(jié)果表明，=0.278，屬于(–1.06，3.64)范圍。因此，在95%置信水平下，分布是一致的。在本文中，95%的置信區(qū)間是可接受的。

在所搭建模型的仿真周期內(nèi)，輸入所調(diào)查的平峰期和高峰期的客流量，并將模型輸出的各候車區(qū)域候車人數(shù)與實(shí)際數(shù)據(jù)進(jìn)行誤差計(jì)算，結(jié)果見表1。

結(jié)果表明，在平峰與高峰客流條件下，模型輸出的候車人數(shù)絕對誤差均小于5，百分比誤差均小于15%，因此本文建立的模型能夠較準(zhǔn)確地反映乘客候車位置選擇的結(jié)果。

表1 模型輸出與實(shí)際數(shù)據(jù)誤差

3 優(yōu)化案例應(yīng)用

軌道交通站臺常見的客流組織方法包括流線組織、設(shè)施配置和信息引導(dǎo)等[15]。多數(shù)地鐵站的站臺區(qū)域內(nèi)組織方式以設(shè)施配置為主，其中設(shè)置導(dǎo)流欄桿是一項(xiàng)較為常見的措施。

在地鐵站臺上，一般通過延長樓梯扶手或獨(dú)立設(shè)置的形式，對部分候車區(qū)域，尤其是距離樓梯口較近的位置進(jìn)行限流，從而有效避免了乘客在樓梯口附近過度聚集，進(jìn)而阻擋客流流線運(yùn)行。但同時(shí)，限流欄桿也會影響部分候車區(qū)域的容量，降低站臺容納量。因此設(shè)置合理限流欄桿對站臺的穩(wěn)定運(yùn)行具有促進(jìn)作用。

目前，實(shí)例站臺僅在一側(cè)樓梯口布設(shè)限流欄桿，被限流的候車區(qū)域分別為5、6、7以及31、32、33號，每個(gè)被限制的區(qū)域客流容納量約為10人。由于另一側(cè)樓梯客流量不大，故未設(shè)置限流欄桿。

基于構(gòu)建的乘客分布模型，對實(shí)例站臺現(xiàn)狀在不同客流量下的運(yùn)行狀況進(jìn)行仿真。依據(jù)站臺設(shè)計(jì)以及實(shí)際客流情況，分別在仿真周期內(nèi)輸入240、360、480人次的客流量進(jìn)入站臺，對3種客流條件下的候車分布進(jìn)行記錄。模型輸出的單側(cè)站臺各車門前候車人數(shù)如圖8所示。

圖8 現(xiàn)狀設(shè)施候車人數(shù)分布

Figure 8 Distribution of waiting population of current facilities

可以看出，距離樓梯口較近的候車區(qū)域，如8、9、10、11號區(qū)域，候車人數(shù)較多，但中部位置的區(qū)域，如12、13、14、15號在各客流條件下均出現(xiàn)候車人數(shù)較少，即利用率不足的現(xiàn)象。

因此，為提高站臺中部區(qū)域利用率，提升乘客上車效率，提出延長引流欄桿至10號車門附近位置的優(yōu)化措施?，F(xiàn)狀方案和優(yōu)化方案見圖9。但是，延長欄桿將會使更多候車區(qū)域的空間受限，進(jìn)而導(dǎo)致部分候車區(qū)域的容量降低，因此需要綜合考慮上述優(yōu)化方案的效果，最終確定其有效性。

Figure 9 Current situation and optimization scheme of drainage railing

基于構(gòu)建的模型，在不同客流條件下運(yùn)行，以站臺候車區(qū)域平均密度、可上車人數(shù)為判斷指標(biāo)，驗(yàn)證優(yōu)化方案的運(yùn)行效果。

將現(xiàn)狀方案與優(yōu)化方案分別在本節(jié)上述3種客流條件下運(yùn)行，計(jì)算各方案在3種客流條件下的候車區(qū)域平均客流密度和可上車人數(shù)，計(jì)算結(jié)果如表2和表3所示。

表2 優(yōu)化前后的候車區(qū)域客流平均密度對比

表3 優(yōu)化前后的可上車人數(shù)對比

可以看出，在3種客流條件下，對引流欄桿優(yōu)化后站臺的候車區(qū)域客流平均密度均有不同程度下降，證明優(yōu)化效果良好。在客流量為240人次/周期時(shí)，由于站臺本身擁擠程度不嚴(yán)重，優(yōu)化方案效果并不明顯。在客流量達(dá)到360、480人次/周期時(shí)，候車區(qū)域客流平均密度分別下降了0.07、0.09。

實(shí)例站臺單側(cè)候車區(qū)域可上車人數(shù)的規(guī)則為：乘客可利用列車停站時(shí)間登車，各車門在一停站周期內(nèi)可登車的人數(shù)最多為18人，超過上限的乘客可利用周邊未達(dá)上限的車門上車。在3種客流條件下，前往單側(cè)候車區(qū)域的總候車人數(shù)分別為115、172、230人次。

實(shí)施優(yōu)化方案后，3種客流條件下的可上車人數(shù)分別上升了10、8、11人次。這表明所提優(yōu)化方案能有效提高站臺乘客分布均衡程度，從而提高站臺空間利用率，減少乘客滯留情況。

4 結(jié)論

在分析站臺乘客候車區(qū)域選擇特性的基礎(chǔ)上，以細(xì)菌趨藥性算法的原理為基礎(chǔ)，考慮了行走距離、排隊(duì)長度和空間容量3項(xiàng)因素，構(gòu)建了地鐵站臺候車乘客分布預(yù)測模型，并以實(shí)際候車數(shù)據(jù)，對模型參數(shù)進(jìn)行了標(biāo)定和模型的真實(shí)性驗(yàn)證。結(jié)果表明構(gòu)建模型能夠再現(xiàn)乘客在站臺的候車場景。以北京地鐵2號線東直門站臺為實(shí)例，提出了對限流欄桿進(jìn)行延長的優(yōu)化方案，并以所構(gòu)建的模型對方案進(jìn)行了效果驗(yàn)證。處理后的模型結(jié)果顯示，候車區(qū)域的平均客流密度在不同客流條件下均有下降，可上車人數(shù)均有上升，故優(yōu)化方案有效。

本研究以北京為例，其研究方案及結(jié)論具有通用性，可在國內(nèi)其他城市的地鐵設(shè)施研究中借鑒。需進(jìn)一步研究的內(nèi)容包括考慮上、下車乘客群體間相互影響的作用，以及將模型應(yīng)用于其他客流組織方案的優(yōu)化，以此能夠更進(jìn)一步提高地鐵站臺區(qū)域客流管控方案的科學(xué)性。

[1] 濮燁. 基于地鐵站臺設(shè)施布局的候車乘客分布與優(yōu)化研究[D]. 北京: 北京交通大學(xué), 2018.PU Ye. Study on the distribution of waiting passengers and the optimization based on the facilities’ layout subway platform[D]. Beijing: Beijing Jiaotong University, 2018.

[2] LAM W H, CHEUNG C, LAM C F. A study of crowding effects at the Hong Kong light rail transit stations[J]. Transportation research part A, 1993, 33: 401-415.

[3] Oliveira L C, Fox C, Birrell S, et al. Analysing passengers’ behaviours when boarding trains to improve rail infra-structure and technology[J]. Robotics and computer- integrated manufacturing, 2019, 57: 282-291.

[4] SERIANI S, FERNANDEZ R. Pedestrian traffic mana-ge-ment of boarding and alighting in metro stations[J]. Tran-sportation research part C: emerging technologies, 2015, 53: 76-92.

[5] HEUVEL J V D. Field experiments with train stopping positions at Schiphol airport train station in Amsterdam, Netherlands[J]. Transportation Research Record: Journal of the Transportation Research Board, 2016, 2546(1): 24-32.

[6] 曹守華, 袁振洲, 趙丹. 城市軌道交通乘客上車時(shí)間特性分析及建模[J]. 鐵道學(xué)報(bào), 2009, 31(3): 89-93. CAO Shouhua., YUAN Zhengzhou, ZHAO Dan.Chara-cteri-stics Analysis and Model Establishment for Passenger Boarding Time in Urban Rail Transit[J]. Journal of the China railway society, 2009, 31(3): 89-93.

[7] 趙宇剛, 毛保華, 楊遠(yuǎn)舟, 等. 城市軌道交通站臺最高聚集人數(shù)計(jì)算方法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2011, 11(2): 149-154. ZHAO Yugang, MAO Baohua, YANG Yuanzhou et al. A study on the calculation method of the maximum aggregatenumber at the platform of urban rail transit[J]. Transpor-tationsystem engineering and information, 2011, 11(2): 149-154.

[8] 徐尉南, 吳正. 地鐵候車廳客流運(yùn)動的數(shù)學(xué)模型[J]. 鐵道科學(xué)與工程學(xué)報(bào), 2005(2): 70-75.XU Wannan, WU Zheng. Mathematical model of passenger flow in subway station[J]. Journal of railway science and engineering, 2005(2): 70-75.

[9] 孫小菲, 陳旭梅, 王佑安. 不同類型城市軌道交通車站站臺客流特性對比研究[J]. 交通運(yùn)輸工程與信息學(xué)報(bào), 2015, 13(4): 127-134.SUN Xiaofei, CHEN Xumei, WANG Youan. Compara-tive study on passenger flow characteristics of different types of urban rail transit stations[J]. Journal of Transpor-ta--tion engineering and information technology, 2015, 13(4): 127-134.

[10] HANS B. Chemotaxis and Optimization[J]. Franklin Inst, 1974: 297: 397-404.

[11] MULLER S D, MARCHETTO J, AIRAGHI S.Optimi-zation based on bacterial chemotaxis[J]. IEEE Transac-tions evolutionary computation, 2002; 6(1): 17-19.

[12] 國家標(biāo)準(zhǔn)化管理委員會. 地鐵安全疏散規(guī)范: GB 33669-2017[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2017. Code for safety evacuation of metro: GB 33669-2017[S]. Beijing: China Standards Press, 2017.

[13] YANG X X, Dong H, YAO X. Passenger distribution modelling at the subway platform based on ant colony optimization algorithm[J]. Simulation modelling practice and theory, 2017, 77: 228-244.

[14] KIM H, KWON S, WU K S, et al. Why do passengers choose a specific car of a metro train during the morning peak hours[J]. Transportation research part A: policy and practice, 2014, 61: 249-258.

[15] 鄭勛. 城市軌道交通車站乘客微觀行為分析與建模[D].北京交通大學(xué), 2019.ZHENG Xun. Analysis and modeling of passenger micro- behavior in urban rail transit stations[D]. Beijing: Beijing Jiaotong University, 2019.

Simulation Model Construction and Application of Platform Passenger Distribution

LIU Guangtong1, KONG Dewen1, ZHENG Xuanchan3, SHEN Yu2, DONG Xiaochun2

(1. College of Metropolitan Transportation, Beijing University of Technology, Beijing 100124; 2. Nangjing Metro Group Co., Ltd., Nanjing 210008; 3. Beijing Urban Construction Design & Development Group Co., Ltd., Beijing 100037)

For quantitative analysis of the application effect of a subway platform passenger flow organization scheme, the data on the passenger waiting distribution were collected on-site, and the characteristics of the waiting position selection were statistically analyzed. Finally, it was found that the waiting position selection of the passengers was centralized and affected by the walking distance, queue length, and waiting area capacity. Based on the principle of the bacterial chemotaxis (BC) algorithm and the characteristics of platform passenger waiting position selection, a platform passenger distribution simulation model was established, and the model was calibrated and validated using the measured data. An optimization scheme has been proposed based on the length of the current-limiting railing of the platform, the waiting scene and optimization scheme of the platform are reproduced using the model, and the optimization effect is verified. The results show that after the implementation of the optimized scheme of limiting the railing, the average density of passenger flow in the waiting area of the platform decreased by 0.02, 0.07, and 0.09, respectively, and the number of people who could get on the bus increased by 10, 8, and 11; this scheme was therefore considered to be effective. The model and its application results can provide the theoretical support and basis for subway station operation management to determine a passenger flow control strategy.

rail transit; control optimization; passenger simulation model; platform

U121

A

1672-6073(2021)02-0091-08

10.3969/j.issn.1672-6073.2021.02.015

2019-12-25

2019-02-26

劉光通，男，碩士研究生，從事軌道交通客流特性的研究，liukrongton@126.com

國家重點(diǎn)研發(fā)計(jì)劃(2017YFB1201104); 朝陽區(qū)博士后科研活動經(jīng)費(fèi)資助項(xiàng)目(Q1038001201901)

劉光通，孔德文，鄭宣傳，等. 基于BC算法的地鐵站臺乘客分布建模及應(yīng)用[J]. 都市快軌交通，2021，34(2)：91-98.

LIU Guangtong, KONG Dewen, ZHENG Xuanchan, et al. Simulation model construction and application of platform passenger distribution[J]. Urban rapid rail transit, 2021, 34(2): 91-98.

（編輯：郝京紅）