高校教學(xué)樓出入口的流量觀測實驗研究

羊海米 呂偉 潘麗娟

摘 要：為探索高校教學(xué)樓出入口上下課人流量高峰時期的流量特征，首先選取某高校的兩棟教學(xué)樓的6個出入口作為觀測對象，開展觀測實驗，然后，匯總處理實驗數(shù)據(jù)，比較分析各出入口之間的流量差異和使用率特征。結(jié)果表明，以教學(xué)樓-宿舍、教學(xué)樓-食堂、教學(xué)樓-車站、教學(xué)樓-外部出口等為起訖點的出行方向會直接影響學(xué)生群體對教學(xué)樓各不同出口的選擇，進而造成各出入口的流量差異和使用率不均衡，高校管理者在對教學(xué)區(qū)域進行管理時，需要考慮學(xué)生群體的行為特性和出行空間特征，通過合理排課、合理分流、優(yōu)化出入口、增設(shè)引導(dǎo)等方式影響學(xué)生群體對出入口的選擇行為，從而避免因出入口使用率不均帶來的擁擠踩踏風(fēng)險。

關(guān)鍵詞：校園安全;教學(xué)樓;出入口;擁擠踩踏風(fēng)險;觀測實驗

中圖分類號：TB 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2019.25.099

0 引言

近年來，學(xué)校擁擠踩踏事故屢見不鮮，根據(jù)事故發(fā)生的時間和地點統(tǒng)計分析，這類事故主要發(fā)生在課前課后的教學(xué)樓出入口和樓梯處。高校作為學(xué)生高度集中的場所，教學(xué)樓出入口通行設(shè)施在學(xué)生上下課人流量高峰時段承受巨大壓力，存在很大的擁擠踩踏事故風(fēng)險和管控難度。因此，如何準確識別高校教學(xué)樓出入口的人群流動風(fēng)險，提出并實施相應(yīng)的管控措施，是高校校園安全管理的重要工作。

目前，國內(nèi)外針對人群擁擠踩踏風(fēng)險的研究主要集中在模型研究和機理研究兩個層面。模型研究層面，多關(guān)注常態(tài)或緊急狀況下的人群行為，并進行建模分析。Lee等人利用連續(xù)行人流模型，通過實際案例對人群擁擠踩踏事故進行分析并預(yù)測人群的行為規(guī)律;Henein等人通過改進Kirchner的元胞自動機模型，歸納了個體間相互作用力所遵循的基本規(guī)律;Helbing等人針對恐慌導(dǎo)致的人群擁擠踩踏事故，提出了“社會力”模型，研究了人群在恐慌狀況下的“自組織現(xiàn)象”;Teknomo以“社會力”模型為基礎(chǔ)，深入分析了人群中的排斥力并建立了新的微觀模型;張培紅等人基于行人間的相互影響，建立了群集流動的微觀動力學(xué)模型，通過計算機模擬人員群集流動現(xiàn)象。機理研究層面，多以相關(guān)理論為依據(jù)，從社會學(xué)角度研究人群擁擠行為并分析踩踏事故的成因。盧春霞以波動理論為依據(jù)，剖析了人群擁擠形成的一般機理;張青松等人基于風(fēng)險理論、事故突變等理論方法提出了人群擁擠踩踏事故風(fēng)險的四階段理論，并構(gòu)建了理論模型;于帆等人以事件系統(tǒng)理論為基礎(chǔ)，結(jié)合事件本身特點來分析踩踏事故機理，建立了擁擠踩踏事故原理圖;無論是模型研究還是機理研究，都是從理論層面展開，關(guān)注既已發(fā)生的事故案例，對人群密集擁擠場所中通行設(shè)施的實證研究程度尚不充分。

考慮到高校教學(xué)樓出入口的有限通行能力和巨大的短時人群流量高峰壓力，有必要掌握這些出入口學(xué)生流量的時間和空間特征，進而在特定的時間對流量壓力很大的出口采取干預(yù)和管控措施，減少學(xué)生擁擠踩踏的風(fēng)險，具有重要意義。基于此，本文以某高校兩棟教學(xué)樓的6個不同位置處的出入口為研究對象，開展實地流量觀測實驗，獲取其人群通行流量的時間數(shù)據(jù)，分析其流量特征和通行能力，進而提出合理的干預(yù)和管控措施。

1 研究方法

本研究采取試驗觀測法，采集高校教學(xué)樓出入口學(xué)生進出流量數(shù)據(jù)，通過流量數(shù)據(jù)的時間序列分析和空間比較分析，探討上下課期間教學(xué)樓出入口的流量特點，有針對性地提出優(yōu)化出口利用和流量的干預(yù)和管控措施。

1.1 觀測點選取

為保證研究的可信度，需選擇具有代表性的教學(xué)樓出入口作為觀測點，以保證數(shù)據(jù)的充分性和有效性。觀測點的選取遵循兩條基本原則：（1）視野開闊良好，便于在學(xué)生大量進出時通過觀測方式統(tǒng)計流量數(shù)據(jù);（2）上下課期間，學(xué)生進出量足夠大，可以達到較為擁擠的狀態(tài)。

根據(jù)以上原則，筆者對某高校教學(xué)區(qū)的多棟教學(xué)樓進行了實地觀察調(diào)研，選取其中特點明顯、出入口布局差異較大的兩棟教學(xué)樓作為研究對象，將其6個出入口（P1，P2，P3，P4，P5，P6）作為觀測點，如圖1所示。

1.2 觀測的組織與實施

為保證觀測數(shù)據(jù)的準確性，本研究擬采用設(shè)備影像錄入與人工計數(shù)相結(jié)合的觀測方式，在重點觀測點安裝攝像機一臺、配備觀測員一名，觀測員通過電腦觀看影像，統(tǒng)計并錄入各時段的實時人流量數(shù)據(jù)。為減小氣象、光照等無關(guān)因素對人流量的影響，觀測應(yīng)盡可能在天氣晴好的日間進行，同時，為準確獲得各時段的人流量信息并得到各重點觀測點可容納的最大人員數(shù)量，觀測應(yīng)全天候進行，時間為8：00-17：00。

2 觀測有效性分析

基于觀測方法與觀測背景，對觀測所得數(shù)據(jù)的時間代表性、地點代表性、峰值可靠性、時間精度進行分析。

時間代表性。本觀測定于4月天氣晴好的工作日，在該時間段內(nèi)，學(xué)校處于正常上課狀態(tài)，觀測所得數(shù)據(jù)在時間上具有較高代表性，有利于得到各重點觀測點的人流量特征。

地點代表性。本研究的觀測點為兩棟主教學(xué)樓的6個出入口，這兩棟教學(xué)樓在建筑結(jié)構(gòu)上具有較強代表性，且彼此之間差異較大，便于分析和比較兩者的優(yōu)劣。因此，在觀測樣本的選擇上，觀測所得數(shù)據(jù)具有較高代表性。

峰值可靠性。除個別人流量一直較為稀少的觀測點之外，其他觀測點均可得到高峰時段的人流量數(shù)據(jù)，可達到擁擠排隊狀態(tài)下單位時間內(nèi)的人流量密集程度，觀測所得數(shù)據(jù)均存在峰值。

時間精度。盡管各時間段的分隔用時嚴格掌控，但仍存在1-3秒的誤差，由于將5分鐘即300秒設(shè)置為計量單位，相對誤差可控制在0.33%-1%之間，因此各時間段的時間精度可得到保證。

本觀測共得到數(shù)據(jù)1296條，包含各觀測點在人流量高峰時段的數(shù)據(jù)，各教學(xué)樓出入口人流量變化范圍較大，為分析高校教學(xué)樓出入口人流量的時空特征，研究出入口通行能力，以及建立相應(yīng)的分流方案奠定了有效的基礎(chǔ)。

3 分析與討論

3.1 觀測數(shù)據(jù)記錄

各觀測點位置分布情況如圖1所示，其中，P1與P6為兩棟教學(xué)樓距校車候車點距離最短的出入口，P1與P5為兩棟教學(xué)樓距宿舍與食堂距離最短的出入口。

本研究觀測時間為8：05-17：00，將五分鐘設(shè)置為一個計量單位，分別統(tǒng)計并記錄各單位時間內(nèi)的進出人員數(shù)量，獲得1296個觀測數(shù)據(jù)。表1為觀測時采集人流量的采集表。

3.2 數(shù)據(jù)統(tǒng)計與分析

為使數(shù)據(jù)展示形式更加直觀，以時序圖的形式對表1中的人流量數(shù)據(jù)進行統(tǒng)計。統(tǒng)計結(jié)果如圖2-圖7所示，可觀測到各觀測點在不同時間段的人流量變化，并有針對性地比較各觀測點之間的差別。

圖2-圖7為6個不同觀測點處的人流量時間序列圖。從整體上看，各觀測點的總?cè)肆髁糠逯稻霈F(xiàn)在以下四個時間段：9∶40-10∶10、11∶50-12∶00、13∶50-14∶00、15∶40-16∶00，剛好為上下課間隙，大量學(xué)生需進出教學(xué)樓更換上課教室，其余時間段內(nèi)，人流量在較低的水平上波動;從具體的出入情況看，進入教學(xué)樓的人流量峰值普遍出現(xiàn)在9∶40-10∶10、13∶50-14∶00、15∶40-16∶00三個時間段，離開教學(xué)樓的人流量峰值普遍出現(xiàn)在9∶40-10∶10、11∶50-12∶00、15∶40-16∶00三個時間段，其中，11∶50-12∶00為上午課程結(jié)束時間，大量學(xué)生離開教學(xué)樓，13∶50-14∶00為下午課程開始時間，大量學(xué)生進入教學(xué)樓;從人流量峰值的持續(xù)時間上看，持續(xù)時間一般為5分鐘，產(chǎn)生該現(xiàn)象的原因是大量學(xué)生集中在某一短時間段內(nèi)迅速進入或離開教學(xué)樓，從而導(dǎo)致人群短時聚集和流量高峰現(xiàn)象的出現(xiàn)。然而，各教學(xué)樓出入口的進入、離開以及總?cè)肆髁康姆逯挡煌_到峰值的時間也不完全相同，從表2中也可以看出。

3.3 教學(xué)樓出入口通行能力分析

經(jīng)以上數(shù)據(jù)分析，得出各教學(xué)樓進出總?cè)肆髁糠逯导俺鋈肴肆髁浚Y(jié)合各教學(xué)樓出入口寬度，可計算出各出入口實際通行流量，如表3所示。

由表3可知，在實際觀測中，出入口P5的實際流率為2.117人/米·秒，為6個出入口的實際流率最高值，出入口P6與P5的實際流率較為接近，為2.083人/米·秒，而其它4個出入口的實際流率較低，遠低于P5和P6。流量差異的原因與各出入口的空間分布有關(guān)，在所觀測的學(xué)校，P1和P5是與宿舍區(qū)距離最短的出入口，學(xué)生更傾向于從這兩個出入口往返宿舍區(qū)與教學(xué)樓，且P1與校車點的距離最短，因此P1和P5分別為所在教學(xué)樓流量值最高的兩個出入口。P2和P6為兩教學(xué)樓間的往返出入口，其中，P6為教學(xué)樓通往校車點的出入口，P2較為隱蔽且不定時關(guān)閉，因此，P6的人流量峰值僅次于P5，而P2與P1人流量峰值差異較大。相比較，P4的人流量峰值最低，因為該出入口并不是通往宿舍區(qū)及教學(xué)區(qū)最近的通道，極少有學(xué)生選擇該出入口進出，因而流量很低。

研究表明，當飽和人群通過瓶頸時，瓶頸處的平均流率可達到2.5人/米·秒，該流率值可表征瓶頸的通行能力。對于本實驗中的6個出入口，采用2.5人/米·秒的流率值作為通行能力計算依據(jù)，可得到各出口利用率，如表4所示。由表可知，出入口P5、P6的使用率分別為84.5%和83.7%，使用相對充分;而出入口P1、P2、P3的使用率較低，特別是出入口P4基本未被使用，各出入口之間的使用率呈現(xiàn)明顯的不均衡狀態(tài)。

4 結(jié)論與展望

從觀測得到的流量和流率差異的結(jié)果及其原因分析來看，盡管高校教學(xué)樓的出入口在數(shù)量上和寬度上都做了較為寬裕的設(shè)計，仍然出現(xiàn)了各出口進入流量高峰時期的使用不均衡，在過人群過飽和的狀態(tài)下，使用率過高的出入口附近人群擁擠或踩踏的風(fēng)險較大，而使用率低的出入口在某種意義上是對疏散空間資源的浪費。

高校教學(xué)樓的出入口使用，不僅與教學(xué)樓建筑本身的出口布局有關(guān)，還會受到學(xué)生交通出行行為特性的影響，以教學(xué)樓-宿舍、教學(xué)樓-食堂、教學(xué)樓-車站、教學(xué)樓-外部出口等為起訖點的出行方向會直接影響學(xué)生群體對教學(xué)樓各不同出口的選擇，進而造成各出入口的流量差異和使用率不均衡。但是從管理的角度上看，校園管理者可以通過合理排課、合理分流、優(yōu)化出入口、增設(shè)引導(dǎo)等方式影響學(xué)生群體對出入口的選擇行為，從而避免因出入口使用率不均帶來的擁擠踩踏風(fēng)險，具體對策包括：合理分配各樓層的上課教室數(shù)，控制同時時段各樓層人數(shù);設(shè)置上下樓專用樓梯;應(yīng)根據(jù)人員流動情況制定樓梯使用規(guī)范，設(shè)置高峰期間上下樓專用樓梯，排除反向人流對人員流動速率的影響;在上下課流量高峰期，引導(dǎo)人群向低使用率出入口分流;在高峰時段增加出入口數(shù)量及通道，同時減少出入口附近非必要障礙物或設(shè)施。

高校教學(xué)出入口是人群密集的典型區(qū)域，有效避免該區(qū)域的擁擠踩踏事故發(fā)生，需要進行大量深入的工作，從人防、物防、技防、教育、管理等多個角度，探討提升教學(xué)樓出入口安全性的有效途徑。

參考文獻

[1]Lee R C，Hughes R L.Exploring trampling and crushing in a crowd[J].Journal of transportation engineering，2005，131（8）：575-582.

[2]Henein C M，White T.Macroscopic effects of microscopic forces between agents in crowd models[J].Physica A，2007，（373）：694-712.

[3]Helbing D.Traffic and Related Self-Driven Many-Particle Systems[J].Review of Modern Physics，2000，73（4）：1067-1141.

[4]Helbing D，F(xiàn)arkas I，Vicsek T.Simulating Dynamical Features of Escape Panic[J].Nature，2000，407（6803）：487-90.

[5]Kirchner A，Schadschneider A.Simulation of evacuation processes using a bionics-inspired cellular automaton model for pedestrian dynamics[J].Physica A，2002，312（1）：260-276.

[6]Teknomo K.Microscopic Pedestrian Flow Characteristics：Development of an Image Processing Data Collection and Simulation Model[J].Tohoku University Japan，2016.

[7]張培紅，黃曉燕，萬歡歡等.人員群集流動自適應(yīng)元胞自動機模型研究[J].沈陽建筑大學(xué)學(xué)報（自然科學(xué)版），2006，22，（2）：289-293.

[8]盧春霞.人群流動的波動性分析[J].中國安全科學(xué)學(xué)報，2006，16（2）：30-34.

[9]張青松，劉金蘭，趙國敏.大型公共場所人群擁擠踩踏事故機理初探[J].自然災(zāi)害學(xué)報，2009，18（06）：81-86.

[10]于帆，宋英華，霍非舟，方丹輝.城市公共場所擁擠踩踏事故機理與風(fēng)險評估研究—基于EST層次影響模型[J].科研管理，2016，37（12）：162-169.