基于改進社會力模型的突發大客流源站點客流組織研究

收稿日期：2023-10-26

作者簡介：周中懿（1999—），男，研究生，研究方向：交通運輸系統優化與決策。

摘要 文章以某一次性大型活動為研究事件，通過分析一次性大型活動產生的突發大客流組成以及不同出行者群體的交互行為特性，建立一次性大型活動源站點人流模型，運用AnyLogic 軟件搭建仿真實驗平臺，對一次性大型活動散場階段的突發大客流情況進行模擬仿真。仿真結果表明，縮短發車時間、限流并設置接駁交通工具可以有效緩解站點擁擠。

關鍵詞 改進社會力模型；瓶頸識別；突發大客流；AnyLogic；客流組織

中圖分類號 U298文獻標識碼 A文章編號 2096-8949（2024）01-0192-03

0 引言

社會和經濟的更新迭代改變了居民的消費結構、消費理念和生活方式。地鐵在出行者城市內部出行的占比日漸上升，城市結構給地鐵網絡運營施加了周期性常態化的客流壓力，如早晚高峰。而類似于一次性大型活動的高度客流吸引力事件由于其時間短、客流強度大的特點，使客流需求量超過地鐵網絡的客流承載力。

為了保障地鐵運營與出行者的安全，減少突發大客流可能造成的安全事件等負面影響，國內外學者對突發大客流展開了多層次的研究。現有研究對突發大客流多采用計算機軟件仿真模擬的方法，但存在把突發大客流視為單一客流、把突發大客流結構組成單一化，未對大客流內部不同結構類別客流的交互產生的影響進行深層次的分析[1]。該文以某一次性大型活動源站點為研究對象，通過調研研究行人特性并結合AnyLogic仿真軟件識別車站的疏散瓶頸，并對瓶頸問題采取有效的改善措施。

1 AnyLogic客流仿真方法

1.1 AnyLogic仿真軟件簡介

AnyLogic是一款功能強大的仿真建模軟件，可以創建復雜的事件模型并可通過Java語句進行自定義調整，在交通運輸領域被廣泛應用[2]。使用AnyLogic建模并仿真一般包括以下步驟，如圖1所示。

1.2 考慮突發大客流結構的改進社會力模型

社會力模型中對于行人的受力分析主要由兩種力構成：自驅力、排斥力。排斥力由人與人之間的空間需求產生的人與人間排斥力和為實現位移、保證自身安全和障礙物產生的人與障礙物間的排斥力[3]，如圖2所示。

該文以一次大型演出活動作為背景，基于調查發現：地鐵內，參加活動的出行者大多結伴出行。活動結束后大多數人比較累更傾向于跟隨大部隊前進乘車。對于單個出行者或者3個以內結伴出行的人而言，如果前面的行人很少且自身行進速度較大程度上高于前方行人則傾向于超越；如果前方出行者為4人以上結伴而行，后方行人較少考慮超越。結伴行人2～3人時一般并排行走；3人以上時一般抱團為橢圓狀行走。不同于一般情況下的靠右行走，活動結束散場時間段由于單方向客流數量十分龐大，所以行走過程中一般占據道路中心，反向出行者一般靠墻兩側行走。對于不同站臺層的移動由于客流量大，絕大多數人考慮通過扶梯方式移動。對于入站口的選擇，絕大多數人會選擇靠近活動場地最近的進站口進入站內[4]。對于這種情況，得到考慮突發大客流結構的改進社會力模型如下[5-7]。

（1）

式中，lα——行人α的空間位置向量；vα——行人α的速度；fα（t）——考慮突發大客流結構的改進社會力；θα（t）——考慮隨行為偏差的干擾項；為不屬于結伴群體A的人對行人α的排斥力的合力；——屬于結伴A且保持橢圓隊伍的凝聚力的合力。

2 案例建模分析

活動散場后，返程游客人流前往最近的兩個地鐵站乘車，大多數游客采用手機出行碼的方式安檢后進站，少部分出行者需要前往售票處購票再通過安檢進站。進站后通過乘降系統前往站臺層候車等待。地鐵列車到達后乘客上下車，實現地鐵站的轉移[8]，如圖3～4所示。

2.1 結果分析

如圖5所示，可以看出，一次性大型活動源站點的C口和D口顏色十分的深，這是由于大型活動結束后大多數游客比較疲憊會選擇離活動場所最近的地鐵口進入地鐵，并且由于大多數游客會在活動結束時立即離場，但站內安檢通道有限，這會造成大量游客需要排隊進站導致入站口擁堵。對于站內而言除候車區域兩側顏色很深外其余地方顏色較淺。這是由于大量游客進入站臺候車，而列車承載力有限無法實現站臺一側全員上車，所以會出現乘客滯留的情況，最終導致擁擠。

2.2 客流組織策略

如圖6所示，可以看出，將靠近一次性大型活動源站點一側的安檢通道由2條增加到4條后，C口和D口顏色較未采取措施的情況要更淺且面積更小，這說明增加安檢通道能夠有效減少進站口的游客擁擠。但是在站內的扶梯處和候車區域顏色較未優化前更深，這說明單一的增加進站速率會產生新的高密度擁擠區域，這對出行者的安全是不利的。

如圖7所示，可以看出，減少發車間隔能減少候車區域乘客的擁擠但是效果不顯著。

如圖8所示，可以看出，通過車站限流能夠較好地改善站內擁擠情況，但是站外被限流游客會對地鐵產生厭煩情緒，這對運營方是不利的，還需結合增設臨時接駁來引導游客通過其他方式轉移到樞紐點以實現較好的效果。

如圖9所示，可以看出，結合站外合理引流，適當增加安檢通道、縮短發車間隔、設置臨時接駁交通共同執行對緩解站點擁擠的效果是最好的。

3 結語

該文對一次性突發活動產生的突發大客流進行了分析，建立一次性大型活動源站點人流模型，仿真結果表明：散場時間段產生的突發大客流會對地鐵站點入口處以及候車區域產生較大的客流壓力，從而導致站點擁擠。單一客流組織策略下增設臨時接駁與限流策略的效果最好，縮短發車間隔策略次之，增加安檢通道策略則會導致站內扶梯處的擁擠現象產生。采用三個策略結合情況下的客流組織策略對緩解站內客流壓力的效果是最好的。為軌道交通運營方客流組織提供了有效的理論和應用基礎。

參考文獻

[1]楊子賢， 陳軍華. 復雜客流條件下鐵路客運站應急疏散仿真研究[J]. 鐵道運輸與經濟， 2020（11）： 66-71.

[2]陳建宇. 基于Anylogic的成都北站鐵路客流換乘城市軌道交通仿真研究[D]. 成都：西南交通大學， 2014.

[3]郭海湘， 曾楊， 陳衛明. 基于社會力模型的多出口室內應急疏散仿真研究[J]. 系統仿真學報， 2021（3）： 721-731.

[4]陳雷鈺， 張汝華， 馬明迪. 基于AnyLogic的軌道交通車站大客流瓶頸識別與疏散組織優化[J]. 上海大學學報（自然科學版）， 2023（4）： 694-704.

[5]楊子賢， 陳軍華. 復雜客流條件下鐵路客運站應急疏散仿真研究[J]. 鐵道運輸與經濟， 2020（11）： 66-71.

[6]毛清華， 余榮付， 毛承成. 基于改進蝴蝶算法和社會力模型的多出口疏散模型研究[J]. 中國安全生產科學技術， 2022（7）： 12-18.

[7]林金城， 紀慶革， 鐘圳偉. 考慮行人特征與領導者角色的改進社會力模型[J]. 計算機科學， 2022（5）： 347-354.

[8]李洪旭， 李海鷹， 樊校， 等. 基于Anylogic的地鐵車站集散能力仿真分析評估[J]. 鐵路計算機應用， 2012（8）： 48-50+55.