基于Agent模型的城市軌道交通車站人群聚集風(fēng)險(xiǎn)的分析*

林 銘 金 華 徐匯川 程文濤

(1.中國人民公安大學(xué)警務(wù)信息工程學(xué)院，102600，北京；2.深圳市公安局公交分局，518049，深圳//第一作者，碩士研究生)

人群密集程度高的公共場所存在較大的人群聚集風(fēng)險(xiǎn)，容易引發(fā)人群擁擠、踩踏等嚴(yán)重事故。如：2004年2月在北京密云縣發(fā)生的擁擠踩踏事故，造成37人死亡，15人重傷；2015年1月在上海外灘發(fā)生踩踏事故，造成36人死亡。公共場所的人群聚集風(fēng)險(xiǎn)已經(jīng)引發(fā)社會(huì)各界的高度關(guān)注。由于城市軌道交通車站的封閉性以及客流來源的復(fù)雜性，如果車站發(fā)生人群擁擠、踩踏等事故,其危害性更大，也更難以防范[1]。因此，城市軌道交通車站的人群聚集風(fēng)險(xiǎn)分析是城市軌道交通風(fēng)險(xiǎn)防范工作中的重點(diǎn)。目前，針對城市軌道交通車站人群聚集風(fēng)險(xiǎn)的研究主要集中在乘客微觀特性[2-3]和大客流預(yù)測預(yù)警[4]兩方面，而對于城市軌道交通站點(diǎn)乘客密度分布的研究仍然缺乏，難以直觀地分析站點(diǎn)內(nèi)各區(qū)域的風(fēng)險(xiǎn)分布情況。

Agent模型適用于對人類行為進(jìn)行仿真，可模擬人群之間的信息交互、心理傳播以及某些復(fù)雜的群體行為[5]。本文以深圳地鐵老街站的調(diào)研數(shù)據(jù)為基礎(chǔ)，結(jié)合站內(nèi)乘客的微觀特性研究，建立Agent模型，仿真乘客在站點(diǎn)內(nèi)的運(yùn)動(dòng)情況，分析人群聚集風(fēng)險(xiǎn)較大的區(qū)域。研究成果可為城市軌道交通車站的風(fēng)險(xiǎn)防范工作提供理論依據(jù)。

1 建立Agent模型

1.1 老街站概況

老街站是深圳地鐵1號線和3號線的換乘站點(diǎn)，位于羅湖區(qū)解放路與建設(shè)路的交匯處，處于繁華的東門商業(yè)圈內(nèi)。在2011年，老街站的日均客流就高達(dá)6萬人次，使得老街站成為深圳地鐵最為繁忙的站點(diǎn)。大流量的乘客不僅讓老街站的運(yùn)營承擔(dān)了巨大的壓力，同時(shí)也增加了人群聚集風(fēng)險(xiǎn)，給乘客的人身安全問題帶來了重大挑戰(zhàn)。

1.1.1 站內(nèi)建筑及設(shè)施

老街站共3層，分別是地下2層、地下3層和地下4層。地下2層是站廳，共有8個(gè)出入口，其代號分別為A、B、C、D、E、F、G、H。站廳設(shè)施設(shè)備完善，其中自動(dòng)售票機(jī)組3處，人工服務(wù)窗口3處，進(jìn)出站閘機(jī)5處，扶梯8部、樓梯3處、電梯1部。地下3層和地下4層是站臺，其中地下3層經(jīng)停往機(jī)場東方向的1號線列車和往益田方向的3號線列車,地下4層經(jīng)停往羅湖方向的1號線列車和往雙龍方向的3號線列車。

1.1.2 客流進(jìn)出站情況

進(jìn)站乘客由老街站的8個(gè)入口進(jìn)入站廳，然后乘坐不同的列車離開該站點(diǎn)。其中A、B、C、D、E、G這6個(gè)入口均在站廳內(nèi)設(shè)置了安檢機(jī)，對帶包乘客進(jìn)行安檢，F(xiàn)、H入口的安檢機(jī)不設(shè)置在站廳內(nèi)，因此乘客從不同入口進(jìn)入站廳所形成的乘客流線不完全相同。

圖1和圖2是乘客進(jìn)入老街站時(shí)兩種不同的流線。通過A、B、C、D、E、G口進(jìn)站的帶包乘客必須接受安檢才能進(jìn)入站廳內(nèi)部。在站廳內(nèi)部的乘客分為兩部分，一部分是持有“深圳通”的乘客，他們可以直接通過進(jìn)站閘機(jī)進(jìn)入付費(fèi)區(qū)，選擇要搭乘的列車離開站點(diǎn)；另一部分則是非持有該卡的乘客，他們必須通過人工售票窗口或者自動(dòng)售票機(jī)進(jìn)行購票才能進(jìn)入付費(fèi)區(qū)，搭乘列車離開站點(diǎn)。從F、H口進(jìn)入的乘客由于安檢機(jī)不在站廳這一層，因此進(jìn)站流線相對簡單，不需要通過安檢。

圖1 老街站A、B、C、D、E、G入口進(jìn)站乘客流線

圖2 老街站F、H入口進(jìn)站乘客流線

圖3是到站乘客的出站流線，從站臺下車的乘客可以選擇換乘，或者出站。選擇出站的乘客從站臺搭乘電梯或扶梯到達(dá)地下2層的站廳付費(fèi)區(qū)，通過出站閘機(jī)離開車站。

圖3 老街站出站乘客流線

1.2 模型參數(shù)

1.2.1 進(jìn)站乘客數(shù)量

由于老街站地處東門商圈內(nèi)，在此站進(jìn)出的乘客多以購物、娛樂、休閑為目的，因此雙休日進(jìn)出站的乘客數(shù)量要多于工作日的數(shù)量。雙休日每日進(jìn)出站的乘客總量約為16萬人次，比工作日高出約25%，因此雙休日的人群聚集風(fēng)險(xiǎn)也相對較大。根據(jù)老街站的客流分布特征，采集雙休日閘機(jī)客流統(tǒng)計(jì)數(shù)據(jù)，統(tǒng)計(jì)各入口進(jìn)站乘客數(shù)量，其結(jié)果如表1所示。

由于老街站使用隔離帶將從E、F入口進(jìn)入的乘客合并到一個(gè)通道內(nèi)，因此在仿真時(shí)將這兩個(gè)入口視為同一入口。同時(shí)，由于老街站具有同站臺換乘的特點(diǎn)，換乘乘客不會(huì)出現(xiàn)在站廳內(nèi)，故不考慮換乘客流對于進(jìn)站乘客數(shù)量的影響。

1.2.2 模型參數(shù)確定

從微觀上看，客流中不同的乘客存在著差異，這些差異對乘客的行進(jìn)速度和空間需求存在影響。從不同角度考慮，并參考相關(guān)文獻(xiàn)和實(shí)際情況，確定的模型使用參數(shù)如表2所示。

1.3 模型建立

Agent技術(shù)是擁有特定功能及高度智能化的一種計(jì)算技術(shù)，具有自治性、反應(yīng)性、主動(dòng)性、社會(huì)性及進(jìn)化性等特點(diǎn)，可以較為準(zhǔn)確地對人類的某些復(fù)雜群體行為，如人群之間的信息交互、心理傳播及行為等進(jìn)行建模仿真。本文使用的Agent建模工具為俄羅斯XJ Technologies公司的基于社會(huì)力模型的仿真軟件AnyLogic，該軟件能準(zhǔn)確地表現(xiàn)不同乘客在城市軌道交通站點(diǎn)中的行走方向和路線選擇等。

表1 老街站雙休日各入口進(jìn)站乘客數(shù)量 人次

表2 乘客微觀特性參數(shù)

根據(jù)圖1～3中乘客流線和老街站廳建筑結(jié)構(gòu)，構(gòu)建了老街站乘客進(jìn)出站的Agent仿真模型，其中部分如圖4所示。

由圖4可知，首先,由pedSourceB產(chǎn)生進(jìn)站的乘客數(shù)(具體數(shù)值根據(jù)表1設(shè)置)，乘客通過pedSelectOutput分流，一部分乘客接受安檢，另一部分則直接通過；其次,乘客通過pedSelectOutput1分成3部分，分別選擇自動(dòng)售票、人工售票、不需要購票3種方式，然后通過附近的閘機(jī)進(jìn)入付費(fèi)區(qū)；最后,乘客在付費(fèi)區(qū)內(nèi)根據(jù)目的地選擇不同的樓梯或扶梯進(jìn)入站臺，從站廳消失，消失的動(dòng)作用pedSink模塊表示。其他的A、C、D、E、F、G、H口可根據(jù)上述原理，結(jié)合入口的地理位置及乘客的行走路線，構(gòu)建對應(yīng)的模型，將各個(gè)獨(dú)立模型正確地連接，即為完整的仿真模型。

圖4 B口進(jìn)入老街站乘客仿真模型

2 仿真結(jié)果及風(fēng)險(xiǎn)分析

老街站每日運(yùn)營時(shí)間為06:30—23:30，且不同時(shí)間段的客流分布存在較大的差別。對老街站雙休日全天的客流分布情況進(jìn)行仿真，結(jié)果顯示，老街站在14:00—15:00(客流高峰期)人群聚集現(xiàn)象最為嚴(yán)重，該時(shí)間段的仿真結(jié)果如圖5 b)所示。

圖5 a)為老街站站廳平面圖。仿真結(jié)果在站廳平面圖上直觀地顯示了乘客的密度分布與流線。線條顏色的深淺反映了人群密度的不同，其中顏色較深的線條表示人群密度較小，顏色較淺的線條表示人群密度較大。當(dāng)人群密度超過一定值時(shí)，人群聚集風(fēng)險(xiǎn)增加。人群密度分布圖不僅反映高密度的人群聚集區(qū)域，也體現(xiàn)乘客進(jìn)出站的流線。根據(jù)仿真結(jié)果，可對老街站的人群聚集風(fēng)險(xiǎn)進(jìn)行深入分析。

a) 老街站站廳平面圖

b) 客流分布仿真結(jié)果圖5 老街站站廳客流分布仿真結(jié)果

2.1 乘客流線交叉

城市軌道交通站點(diǎn)乘客流線是乘客在站點(diǎn)內(nèi)集散活動(dòng)所產(chǎn)生的流動(dòng)過程和流動(dòng)路線[10]，對站點(diǎn)內(nèi)乘客流線進(jìn)行組織和協(xié)調(diào)時(shí)，要避免不同乘客流線互相交叉干擾。乘客流線交叉即表示乘客行走路線有沖突，過多的交叉不僅會(huì)延長乘客在站點(diǎn)內(nèi)部的逗留時(shí)間，也會(huì)增加乘客的碰撞幾率，而且在乘客流線交叉點(diǎn)處的客流密度也相對較大，具有一定潛在風(fēng)險(xiǎn)。

由圖5 b)可知，老街站對乘客流線的組織協(xié)調(diào)工作存在不足之處，導(dǎo)致站廳內(nèi)乘客流線在自動(dòng)售票機(jī)、人工售票亭、樓梯口、扶梯口等處有交叉。在非付費(fèi)區(qū)產(chǎn)生乘客流線交叉的主要原因是部分乘客在購票結(jié)束時(shí)選擇離購票點(diǎn)最近的閘機(jī)進(jìn)站，與直接通過閘機(jī)進(jìn)站的乘客產(chǎn)生乘客流線交叉。在付費(fèi)區(qū)產(chǎn)生乘客流線交叉的主要原因是從不同閘機(jī)入口進(jìn)入付費(fèi)區(qū)的乘客選擇不同的扶梯、電梯、樓梯進(jìn)入站臺，導(dǎo)致付費(fèi)區(qū)內(nèi)的客流線十分復(fù)雜，交叉點(diǎn)過多。

針對非付費(fèi)區(qū)的乘客流線交叉問題，可以用物理切割法解決。物理切割法是將進(jìn)站、出站、購票、通過安檢等乘客流線進(jìn)行物理分割，減少交叉。老街站可在各售票區(qū)增設(shè)隔離帶，組織乘客有序地進(jìn)行購票，并規(guī)劃從各個(gè)入口進(jìn)入的乘客行進(jìn)路線，避免乘客流線交叉。針對付費(fèi)區(qū)的乘客流線交叉問題，可以用引導(dǎo)法解決，即利用信息指示標(biāo)志或者引導(dǎo)員對乘客流線進(jìn)行引導(dǎo)。從圖5 b)可以看出，付費(fèi)區(qū)內(nèi)的扶梯、樓梯分為左右兩側(cè)，都能到達(dá)地下3層和地下4層的站臺。如果利用引導(dǎo)法安排從左側(cè)B、G、H入口進(jìn)入站點(diǎn)的乘客從左側(cè)扶梯和樓梯下達(dá)站臺，從右側(cè)A、C、D、E、F入口進(jìn)入站點(diǎn)的乘客從右側(cè)扶梯和樓梯下達(dá)站臺，則可大量減少乘客流線的交叉，避免潛在風(fēng)險(xiǎn)。

2.2 售票處排隊(duì)人數(shù)不均

老街站的購票點(diǎn)共6處，其中3處為自動(dòng)售票機(jī)，其余為人工售票。1號自動(dòng)售票機(jī)和1號人工售票亭靠近B出口，2號自動(dòng)售票機(jī)和2號人工售票亭靠近G出口，3號人工售票亭靠近D出口，3號自動(dòng)售票機(jī)靠近A出口。仿真結(jié)果表明，過長的購票隊(duì)伍會(huì)影響進(jìn)出站乘客的移動(dòng)，造成人群聚集。為此,對仿真模型中的售票處進(jìn)行數(shù)據(jù)采集，其結(jié)果如圖6所示。

圖6 售票處排隊(duì)人數(shù)折線圖

由圖6可知,各購票處的排隊(duì)人數(shù)存在巨大差距，設(shè)施利用率不平均，乘客密度分布不合理。如下午16時(shí)至17時(shí)，2號人工售票亭的平均排隊(duì)人數(shù)達(dá)到7人，購票乘客已經(jīng)可以感受到明顯的擁堵。由于排隊(duì)人數(shù)變多，乘客平均購票時(shí)間延長，從而增加了乘客的焦急感。當(dāng)乘客的焦急感不斷增加時(shí)，其與周邊乘客的距離將會(huì)不斷減小，人群密度持續(xù)增加[11]，進(jìn)而增大了排隊(duì)區(qū)域的人群聚集風(fēng)險(xiǎn)。由于設(shè)施在站廳內(nèi)的位置特殊，如果在2號自動(dòng)售票機(jī)和2號人工售票亭處發(fā)生擁堵，將大幅度提高E、F、G、H 4個(gè)入口的人群密度，人群聚集風(fēng)險(xiǎn)將進(jìn)一步提高。

針對以上情況，可以通過合理配置自動(dòng)售票機(jī)及人工售票亭的工作人員，適當(dāng)引導(dǎo)部分乘客去其他售票點(diǎn)的方式加以解決。如：將1號人工售票亭的工作人員抽調(diào)至2號人工售票亭協(xié)助進(jìn)行售票工作，同時(shí)增設(shè)2號自動(dòng)售票機(jī)設(shè)備，以降低2號自動(dòng)售票亭和人工售票亭的服務(wù)壓力，有效平衡各購票處的排隊(duì)人數(shù)；增設(shè)信息指示標(biāo)志和客流引導(dǎo)員，將H入口的部分乘客分流至1號自動(dòng)售票機(jī)和1號人工售票亭，降低其他售票點(diǎn)的服務(wù)壓力，減少人群聚集風(fēng)險(xiǎn)發(fā)生的可能性。

2.3 部分區(qū)域人群密度過高

眾多研究表明[12-13]，發(fā)生擁擠踩踏事故的誘因很多，其中最主要的是人群密度過高。人群聚集密度越高，事故發(fā)生的可能性就越大。根據(jù)仿真結(jié)果，分析老街站站廳各處的人群密度分布情況，重點(diǎn)監(jiān)測人群密度過高的區(qū)域，以防止人群聚集風(fēng)險(xiǎn)產(chǎn)生。

圖5展示了老街站內(nèi)容易引發(fā)人群聚集、導(dǎo)致人群密度過高的3處區(qū)域，其中，付費(fèi)區(qū)內(nèi)一處，非付費(fèi)區(qū)內(nèi)兩處。E、F共同入口處為1號人群密度過高區(qū)域，造成該區(qū)域人群密度過高的原因在于老街站使用隔離帶和鐵馬等物理設(shè)施將從E、F入口進(jìn)站的乘客合并到一個(gè)通道內(nèi)；D入口處為2號人群密度過高區(qū)域，造成該區(qū)域人群密度過高的原因在于D入口直通地面上的“1234”商城，客流量是8個(gè)入口中最大的，并且大部分乘客都攜帶行李進(jìn)站，乘客在接受安檢的拐角處容易扎堆聚集；付費(fèi)區(qū)內(nèi)高密度人群聚集區(qū)為3號區(qū)域，造成該區(qū)域人群密度過高的原因在于，大部分乘客要通過此處的閘機(jī)從A、C、D口離開站點(diǎn)，閘機(jī)通行速度較慢，無法有效疏導(dǎo)出站乘客，導(dǎo)致乘客在3號區(qū)域聚集。

文獻(xiàn)[14]利用圖片調(diào)查法，分析了城市軌道交通車站的通道服務(wù)水平，并提出了a、b、c、d、e、f 6個(gè)服務(wù)水平的劃分標(biāo)準(zhǔn)。當(dāng)人群密度越大，服務(wù)水平越低，反之則服務(wù)水平越高。根據(jù)仿真結(jié)果可得，1號區(qū)域的人群密度在12時(shí)至13時(shí)達(dá)到峰值(5.68人/m2)，對應(yīng)的服務(wù)水平為a；2號區(qū)域的人群密度在17時(shí)至18時(shí)達(dá)到峰值(6.44人/m2)，對應(yīng)的服務(wù)水平為a；3號區(qū)域的人群密度在9時(shí)至10時(shí)達(dá)到峰值(2.06人/m2)，對應(yīng)的服務(wù)水平為c。由此可以看出，1、2號區(qū)域的人群聚集風(fēng)險(xiǎn)較高，發(fā)生擁擠踩踏事故的概率較大，需采用預(yù)案降低人群密度。3號區(qū)域的人群聚集風(fēng)險(xiǎn)相對較小，大部分的乘客行走受到限制，發(fā)生擁擠踩踏事故的概率較小，但仍需對出站客流進(jìn)行合理有序的引導(dǎo)。

3 結(jié)語

針對城市軌道交通站點(diǎn)的人群聚集風(fēng)險(xiǎn)，結(jié)合深圳地鐵老街站的調(diào)研數(shù)據(jù)，進(jìn)行Agent建模仿真，模擬老街站在正常運(yùn)營時(shí)的乘客分布情況。由仿真結(jié)果可知：老街站在自動(dòng)售票機(jī)、人工售票亭、樓梯口、扶梯口等處容易產(chǎn)生客流交叉現(xiàn)象，產(chǎn)生安全隱患；2號自動(dòng)售票機(jī)的服務(wù)壓力過大，導(dǎo)致排隊(duì)人數(shù)過多，購票時(shí)間過長，人群密度大，容易產(chǎn)生擁擠；老街站內(nèi)容易引起人群密度過高的區(qū)域共有3處，其中，E、F共同入口處的最低服務(wù)水平達(dá)到a級，D入口處的最低服務(wù)水平達(dá)到a級，付費(fèi)區(qū)內(nèi)左上角處的最低服務(wù)水平達(dá)到c級。針對以上仿真結(jié)果，進(jìn)行了原因分析并提出了解決對策，以降低老街站的人群聚集風(fēng)險(xiǎn)。