基于物流配送的地鐵換乘仿真分析

曠 愷，何法江，呂鴻雁 （上海工程技術大學 航空運輸學院，上海 200000）

0 引 言

在科學技術飛速發展的今天，各種物流形式層出不窮，同時巨大的物流運輸需求也使得地鐵需要承擔更多壓力。國內外許多學者已經將眼光投向城市內的地鐵物流運輸，其主要研究方向有三種：地下貨運系統、地下物流系統以及地下分揀通道系統[1]。例如陳一村等設計了一種遺傳算法，利用地鐵系統建立了具有時間窗的城內快遞路徑優化模型（POM），以降低成本，提高效率，提高客戶的滿意度，緩解道路擁擠和減少空氣污染[2]。王通等提出了一種新的城市物流系統，將公共地鐵服務與傳統貨運車輛運營相結合，有效地將貨物從郊區運輸到市中心。該系統緩解了交通擁堵、環境影響和送貨延誤等城市交通問題[3]。童勝昌等提出了具有兩級軸輻結構的三階段優化模型，以建立城市地鐵物流網絡；并以上海為實證案例，論證適合上海地鐵物流網絡的布局優化方案。通過敏感性分析不同容量參數對網絡布局的影響[4]。劉亞楠等以企業和用戶為起始點，以地鐵與地面配送車輛的容量為約束條件，優化地鐵和地面物流的配送路徑，形成函數并建立模型，從而使得運輸、車輛以及時間成本最小[5]。劉蘊博等將城市里完善的軌道交通網絡與無人駕駛配送車及智能貨箱相結合，以及專門設計的配套基站，使快遞收發模式達到高效率、個性化且成本低的目標[6]。孫煜晴在Excel軟件的基礎上利用精確重心法和層次分析法，為物流配送中心的選址提供了簡便、快捷的運算方法，并對地鐵的物資倉庫設置進行了探討[7]。

然而，在微觀方面，貨物配送對地鐵站中行人換乘的影響通常被忽略，配送人員與普通乘客有著不同特性，通常情況下，配送人員更加注重換乘的效率以及自身和貨物的安全。在地鐵站等客流高密度場所，若配送人員不能及時安全地疏散，且處于擁擠狀況下，很容易造成貨物損傷甚至自身與他人受傷。因此，個人物流運輸進入地鐵站的研究是非常必要的。

1 配送人員地鐵換乘的可能影響因素

1.1 配送人員自身因素

1.1.1 年齡

配送人員從年齡上主要分為青年、中年與老人，不同年齡階段行人的地鐵換乘差異主要體現在行走速度與通過服務設施速度上，速度由慢到快分別是老人、中年與青年。在物流配送中，配送人員主要為青年與中年。

1.1.2 性別

配送人員的性別分為男性與女性，不同性別行人的地鐵換乘差異主要體現在行走速度上，其中兩者步頻相近，男性比女性步幅大。

1.1.3 攜帶貨物的尺寸

配送人員攜帶的貨物可以分為大型貨物、中型貨物與小型貨物。不同攜帶貨物的配送人員在行走速度和通過各種服務設施與狹窄通道時存在差異，具體而言，隨著貨物體積越大，行人的行走速度和通過各種服務設施與狹窄通道的速度越慢。

1.2 環境與設施

1.2.1 站內外銜接

軌道交通的銜接方式主要有步行、自行車、公交車、出租車和私家車五種，不同的銜接方式滿足不同行人的需求[8]。

1.2.2 總體布局和行人的行走路線規劃

車站的總體布局和行人的行走路線規劃需要解決客流的集散、換乘，同時保證整條線路中的技術設備運轉、信息控制、運行管理，以確保交通的通暢、便捷、準時和安全[9]。

1.2.3 服務設施分布

軌道交通車站的服務設施通常有站臺、扶梯、自動扶梯、升降自動扶梯、售票處、安檢門、檢票口等，服務設施的多寡、位置的擺放直接影響行人換乘的效率、流暢性與協調性[10]。

2 錦泰廣場站建模

2.1 錦泰廣場站的基本情況

地鐵錦泰廣場站是長沙地鐵2號線、長株潭城際鐵路換乘車站，位于長沙市芙蓉區東二環錦泰廣場的西南部，車站設有4個出入口，其中修建在錦泰家園北側的1號口暫未開放，2號、3號、4號口分別設置于錦泰商務大廈旁、荷花園中國電信大樓對面與錦泰廣場內，運行時間為每天的6:31—23:30，客流量大。

通過實地調查統計得知，錦泰廣場站行人多為商旅乘客、旅游乘客與通勤乘客，行人結構復雜，攜帶貨物的行人較多；與較多配送人員進行換乘情況相似，客流高峰時間為18:00—19:00，客流約為3 600人/小時，在該時段各服務設施都有不同程度的排隊與擁堵，本文就行人換乘排隊、擁堵問題進行原因分析并提出解決方法。

2.2 模型參數選擇

本文基于Anylogic建立模型，其仿真參數設置分為行人參數與服務設施參數兩部分。

2.2.1 行人參數

針對錦泰廣場站行人結構復雜，男女比例接近1:1且攜帶貨物情況較多，模型對貨物與換乘效率進行影響分析，因此，模型設置了多個行人來源參數，主要包括行人的行走速度與行人自身的面積，如表1所示[11]。

表1 行人的行走速度與半徑

2.2.2 服務設施參數

錦泰廣場站的服務設施主要有自動售票機、安檢門、檢票閘機以及自動扶梯。其中，通過調查，模型采用符合實際的10.0~25.0s均勻分布描述自動售票機的個人花費時間；同樣，模型選擇1.0~4.0s、2.0~3.0s分別描述安檢門與檢票閘機的行人通過時間；自動扶梯運行速度為0.65m/s，符合安全規定；后續構成改變，行人通過各種服務設施時間也隨之調整。

2.3 模型及換乘流程圖

本文以長沙地鐵2號線錦泰廣場站作為仿真分析對象。該站分為上下兩層，上層有四個出入口，總體構造為東西對稱，其主要服務設施有2個安檢門、2個自動售票處、2處檢票口以及自動扶梯。根據該站的平面圖與實地調查結果，本文以Anylogic行人建模庫繪制出3D模型與行人換乘邏輯流程圖，如圖1、圖2、圖3所示。

圖1 錦泰廣場3D模型圖

圖2 行人進站換乘邏輯流程圖

圖3 行人出站換乘邏輯流程圖

3 換乘過程的主要影響因素仿真分析

通過實地調查與模型仿真得知，當客流量在高峰時段為3 600人/小時時，換乘系統的部分區域密度較高，各服務設施開始排隊，形成擁堵。因此，本文對可能易導致各服務設施排隊擁堵的因素進行仿真分析。

3.1 性別與年齡因素

行人本身的特征通常有性別與年齡層次的不同。通過觀察可知，男女行人主要在行走速度上稍存差異，在通過服務設施、路線選擇上無明顯不同。在一定比例的配送人員參與換乘的情況下，分別將配送人員分配給男性和女性，得到仿真結果，前者的平均換乘時間為173s，后者的平均換乘時間為175s，并無明顯區別。

從年齡來看，青年、中年與他們攜帶的兒童在行走和通過服務設施時都保持較快速度，老年人及其攜帶的兒童的速度則有較大差距，如前者的行走速度大約為1.43m/s，使用自助售票機的時間為10.0~20.0s，后者的行走速度大約為1.62m/s，使用自助售票機的時間為15.0~30.0s，然而，物流配送人員主要集中于青年與中年，因此年齡對配送人員換乘的影響也是極小的。

3.2 貨物尺寸因素

本文將貨物分為大型貨物、中型貨物與小型貨物。由于配送人員負重、通過安檢需要對貨物進行檢查，攜帶貨物的行人往往要比未攜帶貨物的行人的換乘效率低，通過對行人的調查與統計得到各類行人的平均行走速度、通過安檢時間與檢票時間分別為①不攜帶貨物：1.45m/s、1.0~3.0s、2.0~3.0s；②攜帶小型貨物：1.43m/s、2.0~4.0s、2.0~3.0s；③攜帶中型貨物：1.35m/s、2.0~5.0s、2.0~3.0s；④攜帶大型貨物：1.16m/s、2.0~5.0s、2.0~4.0s。

用以上4種情況作為行人來源分別進行仿真，統計數據得到4種攜帶貨物情況的行人的換乘時間分別為165s、173s、175s、188s，相較于不攜帶貨物的行人，攜帶小型貨物行人的換乘效率降低了約5%，攜帶中型貨物行人的換乘效率降低了約6%，攜帶大型貨物的行人的換乘效率降低了約14%，如圖4所示[12]。

圖4 各類行人換乘平均時間折線圖

3.3 設施因素

在考慮部分行人屬于配送人員攜帶貨物的基礎上，當部分地鐵由于設施故障或其他原因停用時，換乘系統可能發生擁堵甚至無法正常運行，如地面維修導致某條行走路線中斷或自動扶梯故障無法使用等。本文建立模型檢測以上兩種情況發生時換乘系統是否還能正常運行[13]。

3.3.1 某條線路中斷

錦泰廣場站東西方向對稱，行人行走線路為地下層站臺下車，通過兩側步梯或自動扶梯到達地面層，到達檢票閘機處并通過，離開地鐵站。此次模型中，當左側檢票閘機前的路面維修導致此線路中斷，行人到達地面層后只能去往右側檢票口并通過。模型運行1min后，右側檢票口便擁擠堵塞，顯然，這是由于行人行走線路過于簡單、容錯率低，一旦有路線不能正常通行，行人將不能及時疏散，極有可能造成危險，如圖5所示[14]。

圖5 行人線路中斷示意圖

3.3.2 自動扶梯故障

此次模擬錦泰廣場站左側自動扶梯發生故障而無法運行，行人只能通過左側步梯或者右側步梯與自動扶梯到達地面層完成換乘。在模型運行30min后，系統依舊穩定運行，區域密度并未明顯增加，說明錦泰廣場站在兩層連接處的通行能力有足夠富余，滿足行人安全疏散的要求，如圖6所示[15]。

圖6 自動扶梯故障示意圖

4 錦泰廣場站存在的問題及優化方案

通過對錦泰廣場站的調查與分析，考慮各類行人的特征，設置相應的行人參數與設施參數模擬錦泰廣場站（圖7），模型運行30min后，出站檢票口每條隊列的平均排隊人數穩定在3.5人左右，這表明此處行人換乘的流暢性與協調性還存在問題。本文就此問題提出優化方案并進行驗證，優化方案如下。

圖7 出站檢票口排隊情況

4.1 將自動扶梯與檢票口的距離拉長

模型將自動扶梯與檢票機分別向左、右移動，使得行人從自動扶梯到檢票口的行走時間增加，檢票機有更多時間完成對到達此處的行人的服務，優化后行人的平均排隊長度約為2.3人（圖8）。

圖8 方案一優化后出站檢票口排隊情況

4.2 增加一個檢票機

模型將四個檢票機增加為五個檢票機，增加的服務設施分擔了行人到來的壓力，降低了此處的區域密度，優化后行人的平均排隊長度約為0.6人，極大提高了行人換乘的流暢性（圖9）。

圖9 方案二優化后出站檢票口排隊情況

5 結 論

本文通過對錦泰廣場站內結構與設施分布情況進行調查、對行人特性進行分析，用Anylogic繪制出錦泰廣場站的行人換乘模型，分析了配送人員自身的性別、年齡與攜帶貨物的尺寸對換乘效率的影響，以及設施因素對行人換乘起到的作用，得到攜帶貨物的尺寸是對行人換乘影響最大的因素，并發現當錦泰廣場站的某條行人線路中斷時，換乘系統將無法正常運行，存在安全隱患。在正常情況下仿真后，結果顯示出站檢票處的排隊人較多，本文提出兩項優化措施并驗證有效。仿真成果為引進更多配送人員走入地鐵與車站換乘設計提供了參考建議，后續或可在保證換乘效率不受較大影響的前提下，探討如何使地鐵分擔更多物流配送人員，減輕其他交通的壓力。