钱振伟，钱大琳，张辉

(北京交通大学 交通运输学院，北京 100044)*

城市轨道交通车站客流应急疏散时间影响要素分析

钱振伟，钱大琳，张辉

(北京交通大学 交通运输学院，北京 100044)*

通过对北京地铁四惠站的现场以及客流调研，同时利用anylogic仿真平台的搭建对于地铁乘客应急疏散行为以及地铁车站的空间建筑形式对疏散时间的影响进行分析，总结疏散时间主要影响因素并对调研车站的疏散方案进行优化.

城市轨道交通；疏散时间；anylogic；影响因素

0 引言

我国地铁车站站台层的事故疏散时间一直采用的是《地铁设计规范》[1]中的公式计算方法.近年来，人群疏散分析已经发展成为一个独立的研究方向，成为国际上安全研究的新热点，计算机仿真技术与人员疏散模拟相结合，成为火灾疏散设计安全性的有效手段[2].

anylogic的行人库(Pedestrian Library)是一个用于仿真“真实”环境中的行人流的高级库[3].行人库允许你创建行人建筑(如地铁站，安检通道等)或街道(其中具有大量行人).行人库底层采用社会力模型算法，精确的模拟了人的心理对行动的影响.除了算法上的优势以外，还有强大的物理环境的模拟功能，不管是电梯，楼梯，各种设备，甚至是电动门等等.这对于影响疏散时间的主要因素分析及多种场景模拟起到了一定的可行性和便捷性.

1 基于anylogic的地铁乘客应急疏散行为分析

每个乘客在不同设施、不同时刻选择的走行速度是不同的.但在城市轨道交通车站这类人口密度大的公共场所中，由于乘客个体难以采取独立行动，其走行特征受周围乘客影响较大[4]，因此可以忽略乘客个体的心理反应等因素，只考虑乘客该时刻所处几何位置和该位置在一定范围内的客流密度.

本文通过anylogic仿真模拟行人在通道走行的过程，收集不同密度下一定范围内行人的走行速度，来获取速度与密度的定量关系.疏散过程中，乘客同向行走，通道内基本不存在客流冲突现象，因此选取单向通道进行客流仿真， 其中通道宽度为5 m，实验针对通道中行人进行速度与密度进行统计.

下面是实验参数设置及数据获取：

设置客流到达率为1 000 人 /h，首先得到固定区域的客流密度随时间的分布如图1所示.

图1 固定区域内客流密度随时间分布图

可以看到最后密度稳定在1.5～2 人/m2之间，并采集速度-密度数据进行拟合，得到三次关系如图2.

图2 速度与密度的关系

根据经验密度是随流量增加的，故得到速度和流量的关系：在行人较少的时候，流量较小，此时由于可选的空间较大，行人容易达到较高的速度.随着行人数量的不断增加，流量虽然逐渐增加，但空间逐渐狭小，速度也逐渐减小；当行人数量继续增加时，行人可用空间开始压缩，此时流量和速度都逐渐减小，直至完全拥堵状态，行人的速度和流量均减小为零.

2 城轨车站应急疏散时间影响因素

根据不同空间环境(站台、通道、楼梯、电梯、出口等)及其不同的建筑布置形式进行对比实验，获取不同方案对应的疏散时间并进行比较分析.其基本涵盖了整个疏散过程，即站台与楼梯宽度比、通道入口、通道以及出口[4].

2.1 站台处楼梯与乘降区站台剩余部分宽度比

如图3所示，有楼梯的站台其去除楼梯的剩余站台宽度往往是制约客流的瓶颈之一，故合理选择楼梯与剩余站台宽度比以提高从站台到楼梯的整体通过能力是影响疏散时间的主要因素之一.

下面是所设置的对比实验：

(1)所有站台总宽设置为10 m；

(2)楼梯与剩余站台宽度分别设为2 m和8m，3 m和7 m，4 m和6 m，5 m和5 m，6 m和4 m，7 m和3 m，8 m和2 m；

(3)疏散人数一定(1 000人)，分两种情况进行模拟：①各组客流到达率相同(即不管站台剩余部分通过能力，以相同的到达率输出上楼客流)，得到各组的疏散时间;②保证站台不过分拥堵的情况下设置不同的客流到达率，得到各组的疏散时间.

仿真结果：

(1)设置客流到达率为8 000 人/h(较大)时，从各组疏散时间上来看，楼梯的通行能力是制约整个疏散过程的关键，撇开最后两组出现极度拥堵的情况，此处得到当楼梯与剩余站台宽度为5 m和5 m以及6 m和4 m时，即楼梯和剩余站台宽度比为1∶1和3∶2，疏散时间较短.

(2)根据各组剩余站台宽度设置客流到达率：故剩余站台宽度分别为8、7、6、5、4、3、2m时，客流到达率分别设为12 500、11 000、9 500、8 000、6 500、5 000、3 500 人/h.从疏散时间上依旧可以看出楼梯能力与站台能力的不匹配导致对接的楼梯口客流疏散能力严重不足，并得出最佳楼梯与剩余站台宽度比为3∶2，如图3.

图3 仿真示意图和站台聚集和疏散人数

2.2 通道入口形式

如图4，从大厅或站台进入通道是一个空间突然缩小的过程，大量客流亦会在此处聚集，故通道入口布置形式也是影响疏散时间的主要因素之一.

图4 仿真示意图和入口聚集人数

此处对于如何设置入口形式以达到最大通过率为目的进行对比实验：入口处宽度设为15m，通道宽度为5m，入口客流到达率为10 000 人/h，分别设置入口形式为直角型以及不同程度漏斗型进行客流通过模拟，找出最佳通过形式及疏散时间.所有的客流从图上都是自下而上的.入口形式中完全漏斗型(即入口截面宽度等于入口宽度)的疏散能力最大，客流滞留能力小，疏散时间短，如图5.

图5 仿真示意图和入口聚集人数

2.3 通道设置形式

单一长直的通道反而会降低其通过能力，故将如何设计直道部分也作为影响疏散时间的主要因素之一.下面是单一直道设计方案，并通过模拟验证其通过能力：

单一长直的通道在客流稍大的情况下比较容易在局部聚集大量客流，造成局部客流拥堵滞留，并且拥堵会很快扩散，形成大面积拥堵，对于疏散工作有很大的不利影响.故在此考虑到为长直通道进行局部拓宽处理，这样可以适当容纳局部聚集客流并使拥堵扩散得到缓冲以及化解，具体看模拟结果.所有客流从图上均为自西向东，设置初始通道宽度为5m，拓宽部分长6m，最大截面宽度为6m.

按各自通道的客流最大通过率分别设置初始通道的客流到达率为8 000 人/h和拓宽通道的客流到达率为9 000 人/h.初始通道聚集人数如图6.客流通过流畅，无拥堵出现，通道利用率高.拓宽通道聚集人数如图7.

图6 初始通道(8 000/h)及通道人数

图7 拓宽通道(9 000/h)及通道人数

客流通过流畅，无拥堵出现，通道利用率高.就疏散时间的角度来看，拓宽通道流畅地完成疏散使用的疏散时间更短.可以看出拓宽后的通道在通过人数以及疏散时间上的优势，虽然从拓宽通道人数时间分布图上可以看出峰值处也会有短时间的拥堵，不过由于拓宽部分对于拥堵客流起到一个很好的缓冲稀释作用，拥堵部分立马又恢复了通畅，从图上显示为通道人数从峰值的回落，这样维持了整个疏散过程的流畅进行.

3 调研车站应急疏散优化

3.1 调研车站

四惠站是北京地铁的车站，编号是124和BT01，为连接1号线与八通线的第一个换乘站.

选站理由：四惠作为北京地铁客流量极高的一号线与八通线的换乘站点，对于此站的安全应急研究具有很强的意义.并且地面站相对地下站在疏散难度上更有可控性，如火灾时的烟气扩散问题可以弱化考虑，减少了一些因研究跨度太大而难以解决的问题.

3.2 站台疏散

通过以上对于各个影响因素的分析，将结合实际调研的车站的建筑形式，针对疏散过程的各个环节的建筑形式以及参数作适当修改，设计一个应急疏散优化方案，获得疏散时间，并与未优化情况进行对比：

疏散人数确定：疏散客流组成：两列车乘客+站台候车乘客.两列车乘客数(人)不再单纯的只取列车满载人数(例如：B型车一列车满载 1460 人)，而是取远期或客流控制期超高峰小时一列进站列车客流断面流量(人)，使得计算结果更为严谨，可信.站台上等候乘客我们指的是发车间隔时间内站台上的等候乘客(其取值是高峰小时下进站客流除以列车对数).

根据调查以北京地铁一号线单节车厢200人计算，6节编组的车辆两列总共有乘客2 400 人.根据调研高峰小时进站乘客人数得到一号线站台等候乘客数为4 500/h，以2min的发车间隔计算，单个发车间隔内站台等候人数为150 人.所以得到四惠站1号线疏散人数为2 550 人.

在现有条件下的站台疏散仿真如图8.设置客流到达率为3 600 人/h，即每个车门1s出1个人，每个出门的客流到达率以及疏散人数相同.图8为疏散开始，乘客从车辆跑出跑向楼梯；疏散进行中，车辆已经清空，客流大量聚集在楼梯四周；以及站台疏散快结束的状态，由于设置初始以就近为原则，故西侧第一对楼梯聚集的人数少于西侧第二对楼梯，而西侧第二对楼梯客流拥堵极其严重.

图8 站台疏散过程(优化前)及站台人数

最后得到站台疏散时间为1 820s，远远大于6min.故对于站台进行疏散优化：

首先楼梯的设置就极不合理，平行设置两个同向楼梯增加了乘客上行的选择和犹豫时间，只会造成楼梯的拥堵与滞留情况，使流线变得混乱不堪.

另外列车车门没有相对于楼梯均匀设置，由于一般人逃跑都是就近选择的心理，这样会造成各组楼梯疏散压力不平衡，部分楼梯口拥堵极为严重.故对平行设置的同向楼梯进行合并，其宽度根据之前对比实验得到的结果设置，即楼梯与剩余站台宽度比为3∶2，得到合并后楼梯宽5.4m.并通过人群梳理将客流均匀分配至每一个楼梯.得到疏散优化仿真结果,如图9.图9为疏散开始，乘客从车辆跑出跑向楼梯；疏散进行中，经客流有效疏导后，四个楼梯疏散压力相近；最后四个楼梯几乎同时疏散完毕.

图9 站台疏散过程(优化后)及站台人数

最后得到站台疏散时间为470s，相较于之前未优化方案有了很大的提升.其实从疏散的仿真截图来看，在疏散过程中站台的很大一部分面积几乎没有客流到达，故可以设想在空白区域继续添加楼梯以吸引客流到达并且进一步提高疏散效率，但由于此方案与站厅结构无法结合所以不予操作，仅供假设.

3.3 站厅疏散

有了站台疏散的结果，接下来进行站厅疏散.由于八通线站台与1号线基本对称，故假设八通线站台疏散情况与1号线相同，按8 min的站台疏散时间来计算，站厅层所有楼梯的客流到达率为4 800 人/h，按照优化前平行同向楼梯的形式即各楼梯2 400/h.

现按照就近原则，即每个乘客选择距离自己最近的出口疏散，进行仿真，如图10.

图10 站厅疏散过程(优化前)及站厅人数

可以看出东西两侧闸机内客流聚集较多，并且楼梯口拐弯处也比较拥堵，另外楼梯上也较为拥堵，楼梯能力略显不足.由于拥堵西侧闸机口甚至出现了堵死的情况，这对于实际情况是相当危险的.经过分析我认为此处是由于站厅的常态疏散与站台的优化疏散不匹配所造成的，这里姑且再将楼梯的客流到达率降低为600 人/h.得到站厅聚集人数随时间分布如图10.虽然整个疏散较为流畅，聚集人数也始终保持在一个较低的水平，但疏散时间超过了2 000 s，实在过于缓慢，没有任何实际意义.

下面进行站厅疏散优化：

同样将平行同向楼梯进行合并以增大能力并减少流线交叉.适当改变流线，尽量使客流直线行走，避免出现90°～180°的拐弯，加开紧急疏散出口，适当拆除护栏，平衡各出口以及闸机的疏散压力.(此处加开的出口位于南侧，与E口相对).此处对应站台优化方案，设置各楼梯的客流到达率为4 800 人/h.如图11.

图11 站厅疏散过程(优化后)及站厅人数

首先说明此处修改如图箭头所示，可以看出仍然有聚集拥堵.但拥堵点都不在出口、闸机等关键位置.最后得到站厅疏散时间为802 s，相比未优化方案同样有很大的提高.由于四惠站出口较多，且仿真过程中可以看见各出口基本没有拥堵出现，所以此处对于出口形式以及进入出口通道的入口形式就不作修改.由于站厅疏散时间在疏散优化前后均大于站台疏散时间，且从站台到站厅的时间忽略不计.根据不同疏散环节在时间上的重叠得出结论，疏散优化前后此车站的疏散时间分别为2351 s和802s.

4 结论

本文针对城市轨道交通车站的应急疏散问题进行了研究，主要就疏散过程中各个主要环节所涉及的建筑形式进行了深入详细地探讨，利用anylogic仿真软件更加形象直观地表现不同形式的疏散效果，以及整体疏散方案优化后疏散时间的减短和疏散效果的改善，并且进行了大量地铁车站乘客交通行为数据的采集，以代替繁琐费时的人工采集记录，得到了较为准确的地铁车站乘客行为的描述.同时对于典型车站的实地调研不仅是建立所有仿真模拟不可缺少的基础，同时也是模拟结果评判的重要依据.

[1]北京城建设计研究院. GB50157-2003地铁设计规范[S].北京:中国计划出版社,2003.

[2]郭谨一,刘爽,陈绍宽,等. 行人运动仿真研究综述[J].系统仿真学报,2008,20(9):2237-2242.

[3]李洪旭,李海鹰,樊校,等. 基于Analogic的地铁车站集散能力仿真分析评估[J].铁路计算机应用，2012，21(8):48-55.

[4]陈迎欣. 基于 Multi-agent 的地铁站内人群应急疏散交互研究[J]. 计算机应用与软件, 2013, 30(10): 226-228.

[5]孔维伟, 刘栋栋. 北京复兴门地铁火灾时人员安全疏散研究[J]. 北京建筑工程学院学报, 2009, 25(4): 29-32.

[6]王伟. 地铁车站火灾安全疏散评估[J]. 科技资讯, 2009 (1): 239-239.

[7]田娟荣, 周孝清. 地铁出口条件对人员疏散的影响分析[J]. 广州大学学报(自然科学版), 2006, 5(1): 78-82.

[8]吴正, 王昀, 沈俊彦. 地铁候车厅客流疏散时间的数学模型研究[J]. 复旦学报(自然科学版), 2006, 45(5): 594-598.

[9]HAACK A.Schreyer Emergency Scenarios for Tunnels and Underground Stations in Public Transport [J].Tunneling and Underground Space Technology, 2006, 21(3/4):285-294.

[10]杨英霞, 陈超, 屈璐，等. 关于地铁列车火灾人员疏散问题的几点讨论[J]. 中国安全科学学报, 2006, 16(9): 45-50.

Analysis of Factors Impacting Passenger Emergency Evacuation Time in Urban Railway Station

QIAN Zhenwei，QIAN Dalin，ZHANG Hui

(School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China)

Based on Beijing Sihui Subway Station site and passenger investigation survey, evacuation the behaviors of subway passengers are analyzed and the constructional influence of subway station on emergency evacuation time via a simulation platform is built by anylogy to summarize the main factors and optimize the evacuation program of the surveyed station.

urban railway; evacuation time; anylogy; impact factors

1673- 9590(2017)02- 0006- 05

2016-05-10

钱振伟(1992-)，男，硕士研究生； 钱大琳(1963-)，女，教授，博士，主要从事系统工程的研究

A

E- mail:dlqian@bjtu.edu.cn .