大型铁路客运站旅客集散微观仿真

第30卷,第3期 中国铁道科学Vo l 130No 13

2009年5月 CH INA RAILWAY SCIEN CE

M ay,2009

文章编号:1001-4632(2009)03-0119-06

大型铁路客运站旅客集散微观仿真

李得伟,韩宝明,李海鹰

(北京交通大学交通运输学院,北京 100044)

摘 要:为准确预测大型铁路客运站旅客聚集能力和设施利用程度,分析大型铁路客运站旅客集散特点,提出旅客集散仿真的基本流程,构建基于个体活动的旅客集散微观仿真模型。将旅客在站内的活动过程划分为路径选择、节点选择和决策感知3个阶段,运用最小支撑子图求解旅客路径,建立基于多项L O GIT 模型的节点选择模型,给出旅客复杂行为决策感知的统一表达式,开发大型铁路客运站旅客集散仿真系统。以北京南站为例进行综合仿真分析可知:全站绝大多数时间内服务水平较高,高峰时间段服务水平有所下降;在高峰时期最高聚集旅客人数达3907人;在非高峰时期可以适当减少售票窗口,以提高售票设备利用率。 关键词:铁路客运站;旅客集散;个体行为;微观仿真 中图分类号:U 293113 文献标识码:A

收稿日期:2008-05-30;修订日期:2009-02-10

基金项目:国家自然科学基金资助项目(60674012);国家/八六三0计划项目(2007AA11Z136);北京交通大学校基金资助项目

(2007RC039)

作者简介:李得伟(1982)),男,青海乐都人,讲师,博士。

铁路客运站客流具有流量大、成分复杂、疏散空间受限、流线交叉多等特点。准确预测客运站中的客流聚集能力和分布规律,对客运站的设计和运营管理都具有非常重要的意义。随着客运专线的大规模建设,一批新的现代化大型铁路客运站正在建设或已开通运营。这些大型铁路客运站空间结构复杂,在运营效率、车站服务、管理水平等方面均要求较传统客运站有较大提升,并且由于大型铁路客运站客流行为的复杂性[1,2],依靠传统的经验手段处理这方面的问题往往会失效[3-7]。国外的经验表明,旅客集散行为具有十分突出的地域性和非线性动力特性[8-12],因此也无法直接采用国外的模型和方法。本文在既有研究的基础上[13-15]

,通过计算机仿真,模拟大客流在复杂车站环境中的群集运动和活动行为,获得有关客流集散效率和车站设施利用等方面实用可靠的结果,从而为合理安排车站设施,科学制定客流组织方案和应急疏散预案提供可靠的技术手段和决策支持。

1 大型铁路客运站旅客集散特点

客流集散的本质是大量旅客行为的积聚体现。在不同的环境下,旅客行为会有很大的差异,客流

积聚原理也有所不同。与其他环境下的客流集散相比,大型铁路客运站的旅客集散具有如下特点。

(1)客流规模庞大,流线复杂。大型铁路客运站一般位于人口密集城市,开行列车数量多,因此形成大量的客流;大型铁路客运站立体空间格局复杂,设备数量众多,易形成网络化的密集客流流线。

(2)客流生成模式复杂。客流生成受事件和时间双重复合驱动。客流生成的事件驱动主要是列车的到发,时间驱动主要是列车时刻表。旅客自身的出行偏好也会影响客流的生成。

(3)旅客行为动态复杂。旅客的交通行为(如买票、候车、安检等)由旅客移动、等待、排队、接受服务、避让等微观行为通过复杂机制组合形成,而且伴随着大量潜在的非交通行为(问询、购物、充电等),增加了旅客站内行为的动态性。

2 旅客集散基本仿真流程

大型客运站旅客集散仿真的实质是在一定的车站空间结构和车站作业安排下,对旅客行为和集散规律的再现,从而完成对车站设施利用、作业安排、客运组织等方面的综合评估和优化。

211前处理

前处理包括车站空间模型数字化、客流流线结构化和控制事件离散化。车站空间模型数字化是在CAD模型的基础上将车站设施划分为具有一定属性的实体,将几何空间划分为结构化的网格,使车站设施具有与旅客模型进行交互的能力。车站流线结构化是将非结构化的作业流程和客流流线用一种通用、快速、有效的数据结构表达,并能够进行灵活调整。控制事件离散化则是将车站中列车出发与到达、客流的产生与消散、设备的开启与关闭等事件进行建模,并离散到仿真时钟的粒度范围内。212仿真控制

仿真控制包括对车站内各种事件和旅客活动控制,后者是旅客集散微观仿真的核心问题。与列车、车站设备和服务有关的事件具有相对确定的特性,对它们的状态控制基本都是通过列车时刻表、作业计划及排队规则等指令性文件完成的。而对旅客活动的控制则具有动态性,控制目的是既要保证旅客能够在指定的车站位置完成必要活动,还要体现由于自身属性和状态不同而产生的选择性活动,也就是不但能够体现个体旅客行为特征,而且也能够反映旅客群和旅客流的整体特性。

213后处理

后处理包括结果输出和数据统计分析。利用仿真得到的结果分析评价车站设计和运营的效果,预测客运站中的客流聚集能力和分布规律,为车站设计和运营的优化调整做决策支持。

3旅客集散微观仿真模型

旅客在车站内的活动划分为路径规划、节点选择和决策感知3个阶段。大量个体旅客通过活动影响整个车站的环境和设备状态,反过来间接改变了自身活动决策。这种反馈机制下旅客集散过程涌现出复杂的特征,使车站的聚集态势出现动态变化。基于此建立旅客集散微观仿真模型。

311路径规划

旅客在车站内的路径包括全局、局部和临时3种路径。全局路径是旅客对固定起讫点条件下的期望路径,它可以描述为站内一系列设施节点的集合。设(v1,v2,,,v m)为某类流线L i上的所有设施节点,这些节点构成有向图G(V,A),节点之间连通关系为(a1,a2,,,a k),则在t时刻,起讫点为(v o,v d)的旅客全局路径可以用G的最小支撑子图G(V c,A c)表示,满足所有点对起点和终点均单向连通条件,表示为

A c={a(v i,v j)|a(v o,v i)X5,a(v j,v d)X5, i>j,i=1,2,,,k;j=1,2,,,k}(1)

局部路径是旅客从当前位置运动至目标位置时所选择的适当路径,用旅客运动的连续方向角e p(t)表示。由于旅客对时间的敏感性,在自由流状态下,旅客局部路径通常为最快路径。实际情况下,旅客处于复杂的客流环境中,由于拥堵旅客会根据自身周围的密度情况对其走行方向进行调解。在保证旅客走行方向不变的时间段t e内,新的行进方向通过碰撞检测范围内其他行人的移动速度v t(i)和移动位置P i(x,y)获得,可以表示为

e c p(t)=

E P i(x,y)+v t(i)t e

E P i(x,y)+v t(i)t e-e p(t)

(2)

临时路径是旅客由于特殊原因,脱离全局或局部路径而形成临时的新路径,其表示方法与局部路径相同。临时路径通常源于自身扰动,例如由于疲劳、饥饿等因素,旅客受到脱离原有路径趋势力的影响。假定产生趋势力的因素为R1,R2,,, R m,并且这些因素的增强和削弱与旅客站内活动时间呈现单调关系,则乘客脱离原有路径形成临时路径的概率可以表示为

P r=f i

F

t(3)式中:f i为某个乘客受到的第i种初始趋势力;t 为该乘客在该趋势力下的持续时间;F为乘客能够忍受的最大趋势力。

312节点选择

在确定了运动路径后,旅客首先需要对路线上的主要活动进行选择。例如:是否需要购票、是否需要候车等具体行为。这类事件的驱动主要与乘客的个体属性和当前时间有关。在某一类活动中,乘客可能将面临多个活动地点的选择,如对于售票窗口的选择和上车地点的选择,为了将乘客对各种服务设备选择行为抽象为1个模型,可以将乘客的节点选择行为简化归结为拥挤程度、接近程度和设备服务频率3个因素。由此,通过多项LOGIT模型刻画乘客对同一活动不同地点的选择概率如下U in=V in+E in=-(A t in+B c in+C s in)+E in

(4)

P in=e

K U

in

E n

j=1

e K U j n

(5)

120中国铁道科学第30卷

式中:U in 为从n 个活动节点中选择第i 个节点所获得的效用值;P in 为对应的选择概率;t in 为乘客到第i 个节点所需要花费的时间;c in 为在第i 个节点的人数;s in 为第i 个节点的服务能力,A ,B ,C 分别为各因素的影响系数;E in 为服从正态分布的随机变量。313 决策感知

将旅客的基本行为划分为移动、等待、避让、搜索、徘徊、跟随、超越7种,由这7种行为进行组合形成结伴、排队、候车、接受服务、响应环境等复杂行为,这些行为的来源是乘客对自身和周围环境的感知。

一方面,从旅客移动的目的性出发,旅客愿意选择所有路径中使得旅客效用E 下降最快的方向前进,这种行为带来的直接效果是旅客向终点聚集,产生有一定目的的搜索、移动和跟随的行为,从而使其更进一步接近目的地,当暂时无法实现目的时,旅客将则呈现等待、徘徊行为。另一方面,旅客遇到障碍或比他更慢的人,前方允许活动空间G 小于个人的速度所产生的位移时,旅客愿意选择空间更加宽阔的方向前进,这种行为带来的直接效果是乘客互相排斥形成疏散,旅客呈现避让、超越行为。对2种作用进行带权叠加,获得旅客对空间

环境感知的效用,可以表示为

U =E 0E -E 1G -R(E)+$v (6)

式中:E 0,E 1为相对参数;R 为对变向行为的惩罚

函数;$v 为旅客在面临前方其他旅客阻挡时,前方旅客与当前旅客的速度差。

E 0,E 1与旅客的心理特点和行为有关。当E 0/E 1>1时,反映该旅客属保守型,不大希望通过绕道的办法提前到达自己的目标;当E 0/E 1<1时,反映该乘客属冒进型,在等待和绕道之间更易选择绕道;当E 0/E 1=1时,反映该乘客对等待和绕道的容忍程度大致相同。

4 旅客集散微观仿真系统

根据仿真流程和仿真模型,开发了大型客运站旅客集散微观仿真系统。系统由基础数据管理、客流生成、车站设备管理、空间流线管理、数字化仿真引擎、图形化输出、统计分析和仿真数据回放共8部分组成。数字化仿真引擎通过客流生成控制、设备状态控制和旅客行为仿真实现整个车站业务与旅客集散的联动仿真。大型铁路客运站旅客集散微观仿真系统如图1

所示。

图1 大型铁路客运站旅客集散微观仿真系统框图

系统仿真的主要步骤如下。

步骤1:读取系统基础数据和仿真控制参数,生成空间模型。基础数据主要由4类组成:客流产生规律是客流生成的基础数据,它规定了客流的生成模式、生成方式、时空规律和客流构成分配;列车时刻表是影响客流集散的基础,是事件驱动型客流的主要生成依据,它规定了不同列车的车次、到发时间、编组、定员、股道站台以及检票口的使用情况;车站逻辑设备是描述车站内各功能区域、设

备性质、状态和参数的主要文件;客流特定流线规定了车站中各种作业流程的先后顺序以及作业场所,是车站仿真中有关客运组织调整的基础文件。仿真控制参数由仿真时钟步长、仿真起始和结束时间、系统功能开关状态、仿真模型参数组成。

步骤2:根据基础文件生成车站各种设施、设备及其状态控制规则。通过输入基础数据直接产生列车到达规律、客流到达规律、设备状态更新规律以及客流流线分布,并形成结构化的车站仿真控制

121

第3期 大型铁路客运站旅客集散微观仿真

规则。

步骤3:按照当前仿真时钟生成站内OD客流,并生成具有一定个体属性、社会属性和交通属性的个体旅客。旅客个体属性包括性别、年龄、行走能力、饥饿程度、心理半径等。社会属性包括车站熟悉度、受教育程度、是否结伴、是否容易被环境吸引等。交通属性包括是否携带行李、是否有票、进入车站的目的、期望速度、当前位置和行进方向等。

步骤4:系统中所有个体旅客分别进行独立时间规划。根据当前仿真时钟、旅客状态和环境信息进行时间规划,获得活动最晚开始时间列表。

步骤5:根据旅客自身属性和环境状态进行路径规划、节点选择和决策感知,生成并执行当前行为。随着时间步长的每次推进,具有时间规划、路径规划和行为活动功能的旅客个体,将自身的状态信息和外界环境信息输入旅客集散微观仿真模型,并根据计算结果进行下一步决策。

步骤6:根据车站设备、旅客的状态变化更新仿真状态数据和图形数据。

步骤7:统计并输出站内分区域旅客聚集统计数据、设备运行状态数据及自定义指标数据。标准仿真输出包括用于评价车站旅客积聚能力、车站设备利用效率、车站各区域服务水平、车站各时段客流荷载、旅客在各环节上耗费时间、客流拥挤延误、客流疏散时间等统计指标。

5实例验证

北京南站是个立体化的大型铁路客运站,车站主体结构分5层,分别是高架候车层、平面站台层、地下1层集散大厅、地下2层地铁4号线、地下3层地铁14号线。由于地下2和3层尚未开通运营,因此主要就高架候车层、平面站台层和地下集散大厅进行仿真建模并进行综合旅客集散微观仿真。本次仿真目的是为了获得车站的最高聚集人数和售票窗口的利用率。

具体实验场景设计为:车站日接发列车85对(不含通过),其中,74对为编组8辆的城际动车组(定员610人),11对为编组16辆的重联动车组(定员1220人);由于开通运营后车站1站台尚无法使用,车站可用股道6条,可用站台3个;列车时刻表按照实际开通运营后的情况输入;高架售票厅开通2个售票角楼共28个售票窗口,根据现有客票系统中的数据统计,高峰时期一般售票窗口平均售每张票需耗时3314s,考虑到北京南站去向简单,售票窗口对每位旅客的服务时间取服从N(30,10)的正态分布;设定检票设备在开车前15min开启,前2min关闭;根据实际调查结果取1列车旅客平均上下车时间为8min;乘客行为仿真参数根据文献[7]中提供的关于乘客在站台分布的数据进行了标定,并根据对中国乘客的实际调查结果[15]进行了修正,通过实验发现当A=2,B= 1,C=0时,最能与实际数据吻合;通过对同类型的北京站的实际旅客集散录像进行分析标定,决策感知参数分别取E0=2和E1=1;为了保证仿真精度,旅客速度按照G(115,0125)取高斯分布,以乘客不变更走行方向的时间015s作为仿真时钟的基本取值,并假定正常情况下每位乘客所占空间为015m2。

通过仿真,得出北京南站全日旅客聚集人数变化图及售票窗口利用效率,如图2和图3所示。

由图2可以看出:全站绝大多数时间内服务水平较高(A级:个人空间>3124m2),高峰时间段服务水平有所下降(B)C级:个人空间1139~ 3124m2);在高峰时期本站出发和到达旅客最高聚集人数3907人,考虑送站人员、接站人员、单纯买票退票旅客、工作人员以及部分购物参观人员,

122中国铁道科学第30卷

各按上限10%计,车站的聚集人数将达到5000人左右,车站整体服务水平较高;但进一步仿真发现,站台局部客流密度较高,导致出站疏散时间增加,在高峰期虽基本能够满足要求,但必须进行必要的客流组织。

由图3可以看出:28个售票窗口全日46%的时间每个售票窗口同时接待人数均在10人以下,排队较少。因此,在非高峰时期可以适当减少售票窗口,以提高售票设备利用率。

6 结 语

本文针对大型铁路客运站客流集散特点,提出了大型铁路客运站基本仿真流程和仿真模型,建立了基于个体活动的旅客集散微观仿真系统。通过北京南站实证表明,该仿真模型和系统适用于大型铁路客运站的辅助设计和运营决策,具有良好的实用性。有关旅客复杂行为的进一步刻画,将是今后研究的主要问题。

参考文献

[1] 史 峰,邓连波,霍 亮.铁路旅客乘车选择行为及其效用[J].中国铁道科学,2007,28(6):117-121.

(SH I Feng,DENG L ianbo,H U O L iang.Boar ding Choice Behavior and Its U tility of Railw ay Passeng ers [J].China Railway Science,2007,28(6):117-121.in Chinese)

[2] 甄 静.京沪线铁路客流规律分析[J].中国铁道科学,2002,23(2):122-127.

(ZH EN Jing.A naly sis o f the Rule of P assenger T raff ic Flow of Jing -H u R ailway Line [J].China Railway Science,2002,23(2):122-127.in Chinese)

[3] 叶年发,孙 峰.铁路客运专线车站自动售检票终端配置算法[J].中国铁道科学,2008,29(1):102-106.

(Y E Nianfa,SU N F eng.D eployment M ethodolog y of A F C T erminal Dev ice in R ailway Stat ion of Passenger D edica -ted L ine [J].China Railw ay Science,2008,29(1):102-106.in Chinese)

[4] 谢楚农,黎新华.铁路客运站到发线运用优化研究[J].中国铁道科学,2004,25(5):130-133.

(XIE Chunong ,LI Xinhua.O ptimizatio n Research fo r U tilization of Ar rival and Depar ture T racks in Railroad Passen -g er Station [J].China Railway Science,2004,25(5):130-133.in Chinese)

[5] 余少鹤,李夏苗,付延冰,等.铁路客运服务需求的模糊聚类分析[J].中国铁道科学,2004,25(3):122-125.

(Y U Shao he,L I Xiamiao,FU Y anbing,et al.Fuzzy Clustering Analysis of Railway P assenger T ranspo rt Serv ice Demand [J].China Railway Science,2004,25(3):122-125.in Chinese)

[6] 谢如鹤,邱祝强,李庆云,等.L og it 模型在广深铁路客流分担率估算中的应用[J].中国铁道科学,2006,27

(3):111-115.

(XIE Ruhe,Q IU Zhuqiang,L I Q ing yun,et al.A pplication of Lo git M odel in Estimating the Distr ibution R ate o f Passeng er F low s on Guang zho u -Shenzhen Railw ay [J].China Railway Science,2006,27(3):111-115.in Chinese)

[7] 李得伟.城市轨道交通乘客集散模型及微观仿真理论研究[D].北京:北京交通大学,2007.

(L I Dewei.M o deling and Simulation o f M icroscopic P edestr ian Flow in M T R Hubs [D].Beijing :Beijing Jiaotong U niversity,2007.in Chinese)

[8] GIP PS P G ,M A RK SJO B.A M icro -Simulatio n M odel for Pedestr ian F low s [J].M athematics and Com puters in

Simulatio n:S0378-4754,1985,27(2):95-105.

[9] BL U E V J,AD LER J L.Cellular A utomata M icro -Simulatio n of Bidirectional Pedestr ian Flow s [C]//T ranspo rta -t ion Research Reco rd.W ashing ton:National Research Council,2000:135-141.

[10] H EL BI NG D,M O NN A R P.Social F or ce M o del for P edestr ian D ynamics [J].P hysical Rev iew E:S1539-3755,

1995,51(5):4282-4286.

[11] LO V AS G G.M odeling and Simulation of Pedestrian T r affic F low [J].T ranspo rtation Resear ch P art B,1994,28B

(6):429-443.

[12] FRU I N J J.Pedest rian Planning and Desig n [M ].N ew Y or k:M etro po litan A sso ciation of U rban D esigners and En -v iro nmental Planners,1971.

[13] LI Dewei,H AN Bao ming.M odeling and Simulat ion Pedestr ian Ev acuation Pro cess in M ass T ransit Railway Stat ions

[C]//Pr og ress in Safety Science and T echnolo g y V ol VI.Beijing :Science P ress,2006:365-370.

123

第3期 大型铁路客运站旅客集散微观仿真

124中国铁道科学第30卷

[14]ZHA N G Q,H A N B M,L I D W.M odeling and Simulatio n of Passeng er A lighting and Bo arding M ov ement in Beijing

M etro St ations[J].T ranspo rtation Resear ch P art C,2008(5):635-649.

[15]LI D W,H AN B M.M etho d of Passeng er M uster ing and Evacuatio n Simulatio n for M ass T ransit Railway Station

Design[C]//Pro ceedings of the Fo ur th Inter nat ional Conference on T raff ic and T r ansport ation Studies.Beijing: Science Pr ess,2008:607-616.

Microscopic Simulation on Large Scale Railway Station of

Passenger Mustering and Evacuation

LI Dew ei,H A N Baoming,LI H aiying

(Schoo l o f T raff ic and T r ansport ation,Beijing Jiaot ong U niv ersity,Beijing100044)

Abstract:T o accurately estimate the passenger muster ing capacity and facility utilizatio n,the char acteris-tics o f passeng er mustering and ev acuation in larg e scale railw ay station w er e analy zed.Based o n the pro-posed simulation flow,an effective micr oscopic sim ulation mo del of railw ay station is developed by path planning,node selectio n and decision perceptio n.Passeng er path is calculated by minimum connected sub-graph metho d.A M ULT I-LOGIT node selection model is pro posed.A universal ex pression o f individual passeng er behavior decision and perception is also set up.A sim ulation system has been developed fo r prac-tical use.As an example,Beijing South Railway Station is simulated using the proposed m ethod.It is fo und that high level of serv ice prev ails w ithin the station for m ost of the tim e,w hile the level of ser vice declines dur ing peek time.T he max im um passenger m uster ing approaches3907.It is also sug gested that som e vender m achines should be closed during no n-peek tim es to improve facility utilizatio n.

Key words:Railw ay passenger statio n;Passenger mustering and evacuatio n;Individual behavior;M icro-sco pic simulation

(责任编辑刘卫华)