地下空间人流量监测及人员足迹仿真研究

2019-07-20乔英娟毛士荣范益群

城市道桥与防洪 2019年7期

乔英娟，毛士荣，范益群

（上海市政工程设计研究总院（集团）有限公司，上海市 200092）

0 引言

随着我国城市化建设的快速发展，大型复杂的现代化建筑物越来越多地涌现，相应的大规模地下空间建设也越发普遍。由于地下空间自身特点以及身在其中人群的主观行为表现与普通建筑内有明显差异，常见的灾害在发展过程和后果严重性上大为不同，部分常规的防范方法在大规模地下空间中已不适用，需根据地下空间的布局、业态、人流量等进行人员足迹分析与研究。

通过研制基于视觉的人流量采集系统，以某地下空间购物中心为监测场地，进行长期的人流量监测及数据采集，得到人员足迹出入规律；以实测数据为基础，利用疏散路径模拟软件对地下空间人员足迹进行仿真模拟，为人员疏散提供路径方案及改进建议，为地下空间运营安全提供管理依据。

1 地下空间人流量监测系统及实施

基于视觉信息的人流量采集技术得益于广泛分布的视频监控系统，现在已经日趋成熟。此次项目采用了帧间差分法进行运动检测[1]，在对人体分类识别的过程中，采用了垂直向下的摄像机。人流量采集系统以该地下空间原有安防系统为核心，作为子系统与其他不同功能的安防子系统进行集成，避免了孤立系统并存时使用不便的情况，节省了布置、维护成本，可实现人流量采集系统与其他安防子系统监控信息资源的共享，方便了数据通信、信息采集和综合处理。

摄像机的固定位置依照各出入口实际情况判断。首先要保证摄像机垂直向下拍摄，这样有利于图像中人体形态的识别。采用前端摄像机对地下空间所有进出口进行布置，共使用12台摄像机对5个主出入口进行监测，在北门、南门、名店街位置依照通道宽度分别使用了3～4台摄像机，在小区域位置采用1～2个摄像头；同时对重点监控区域进行重点布置。

2 人流量统计数据分析

数据的统计分析围绕三个方面进行：首先对购物中心内部人数进行统计，分析1 d内人数峰值出现次数、出现时段以及峰值时段的人员数量；并结合长期数据，分析节假日对峰值时段、峰值人数的影响。其次对重点监控区域（“风云再起”游戏区）进行人员数量统计及人流密度分析。最后对各出口离开人员比例、数量进行统计，以及节假日对离开人数比例产生的影响等。

2.1 购物中心人数峰值统计

对每小时段内各出入口进出人数进行总计，以出入人数差值作为增量，拟定午夜5时购物中心内人数为0，进行累加，可获得每小时段购物中心内人数总和。如图1、图2所示，截取了5月部分日期（调整前）、12月部分日期（调整后）的统计数据。其中，面积图表示周内（周一至周五），簇状柱形图表示周末（周六、周日），折线图表示重大节假日（端午节、劳动节、圣诞节、元旦）。

从整体趋势分析，早8时之后购物中心人数开始增加，直至16时达到峰值，而周内的人数峰值出现在20时左右，这是由于周内时间段前往购物区的目的性消费人群有所减少，而娱乐区域、餐饮区域的随机性消费人群没有受到太大影响。商场内人数有三个阶段性的减少，分别出现在18时、21时、24时，分别因为顾客购物习惯、购物中心营业时间截止、“风云再起”游戏区营业时间截止。

从人数峰值分析，周内时间段购物中心人数最少，人数峰值出现在19—20时，以娱乐、餐饮顾客为主，峰值人数为800～900人。周末时间段人数明显增加，主要表现为人数峰值时段前移至16时，峰值人数增加至1 300～1 400人。而这一人数在重大节假日增加至2 100左右。

随后以12月至次年4月每天人数峰值为基础，鉴于峰值时段的持续性与出现概率，取最大峰值2 256人（12月31日元旦节假日第二天）的95%作为标准峰值，用于考量人流疏散问题，则标准峰值人数为2 143人。

2.2 封闭区域人流密度统计

“风云再起”游戏区域人数计算方式与总体人数计算方式相同，图3选取了与图2相同几日的人数统计结果。整体人数趋势与地下空间内总人数趋势基本吻合。

图1 5月人数峰值统计

图2 12月人数峰值统计

“风云再起”游戏区域实际建筑面积1 873m2，以实际建筑面积扣除人员无法使用的面积，可供人员停留与活动地面的净面积为1 055m2，则此区域人员可接受的最大限度为1 140人（见图3）。由

表1 人流密度分级表[2]

2.3 出入口人数规律统计分析

图4 是12月各出口离开人数占总离开人数的比例关系。可以看出，比例基本固定，不存在节假日等其他因素的影响。购物中心内人员的离开保持固定规律，其中名店街出口占据总人数的半数左右，这是由于名店街连接地铁站，是购物中心的主要出口。北门出口作为主干路上的出入口，离开人数约占总人数的30%，其他出口约占20%。

图5 描述了重大节假日平均每天内各时段离开人数以及各出口离开人数。各出口离开人数比例基本符合规律，且离开人数峰值出现在16时，正是重大节假日购物中心内人数峰值出现的时间段。5月各出口离开人数的数据分析表明，各出口离开人数随时间段的变化趋势与购物中心人数变化相似，因为人数越多人员流动也越频繁。而都在21—22时左右出现了另一个高峰，且在“风云再起”电梯出口尤为明显，此时已经是购物中心停止营业的时间，因此离开人员数量增加。在21时，购物中心总的离开人数早已呈现下降趋势，此时购物中心内部人数已经远远小于峰值时期，所以此时的离开人员高峰不再具有人员基数支撑，不做考虑。

综合以上可以得出，购物中心内部人员数量峰值时期，空间内人员从各出口离开的比例基本固定，分别为名店街48.18%、北门30.46%、南门13.15%、“风云再起”电梯6.21%、中央采光球1.99%。

3 地下空间人员足迹仿真模拟

以购物中心内部人数统计数量及峰值为基础，各出口离开人员比例为依据，结合现场空间布局与指示标志布置情况，利用专业疏散路径模拟软件对购物中心人员疏散进行模拟验证。在模拟过程的定义中可以修改门流出率、最大空间密度、门边界层等参数，通过对这些参数的修改可以直接影响人员的碰撞检测、路径规划、逃离时间等。

对人员的疏散模拟分两组进行：一组是无引导方案，模拟紧急疏散指引标志缺失，疏散引导人员不足的情况下，内部人员按照行为习惯选择出口；一组是最佳疏散方案，综合最短移动路径、最快疏散时间、最小人流密度等因素给出的最优方案。比较两种方案，确定在缺少指示时人员疏散所面临的问题。为区分异质人群对仿真模拟结果的影响，对场地内人员移动速度分三级进行随机调整，分别模拟成年人、儿童、老人，但保持三级人数比例为6∶3∶1。

图3 12月游戏区域人数峰值统计

图4 12月各出口离开人数占总离开人数百分比

图5 重大节假日平均每天各出口离开人数堆积柱形图

3.1 无引导方案

综合之前统计所得各出口离开人数占总离开人数百分比（名店街48.18%、北门30.46%、南门13.15%、“风云再起”电梯6.21%、中央采光球1.99%），再结合现场出口位置、通道宽度进行分析，取消通往地下空间的名店街出入口，取消“风云再起”电梯出入口。北门取（48.48%+30.46%）×0.8=62.91%，南门取（13.15%+6.21%）×0.8=15.49%，其余21.6%选择任意出口。内部人员总数设为2 143人，其中1 143人分布在“风云再起”游戏区域，在固定区域内部人员位置随机分布（见图6）。

3.2 最佳疏散方案

取消通往地下空间的名店街出入口，取消“风云再起”电梯出入口。内部人员总数设为2 143人，其中1 143人分布在“风云再起”游戏区域，在固定区域内部人员位置随机分布（见图7）。

图6 结束时间人员路径（无引导方案）

图7 结束时间人员路径（最佳疏散方案）

3.3 模拟仿真结果

（1）无引导方案下疏散2 052人共耗时918.3 s，人员疏散路径混乱，有大量交错、逆向冲突；最佳疏散方案下疏散2 052人共耗时782.8 s，人员疏散路径基本统一。

（2）有三个出入口（Door-16、Door-20、Door-23）的疏散时间超出平均疏散时间很多。

（3）最佳疏散方案下，最终撤离人员行走路径略长，且经过人流密集区。

根据群集动力学理论，每个个体的行动都在一定程度上影响着群体的运动，因此群体的运动过程相比个体要复杂得多。人群在疏散过程若缺少必要的指引，会容易形成来自不同方向的异向群集，特别是在多个通道的交会处。在紧急情况下，各群集在各自前进的过程中会相互阻塞、冲突、碰撞，在这种混乱的局面下容易因拥挤和踩踏而造成人员伤亡。无引导方案中路径的交错、逆向冲突都导致了疏散时间延长。

Door-16、Door-20、Door-23 的位置都是面向大流量疏散通道，因为室内与通道形成异向群体，所以室内人群移动缓慢。当室内拥挤的人群涌向狭窄的出口时，除了正常的纵向人流外，还存在从两侧进入房间出口的人流。而这种从两侧进入的人流会妨碍正常流向人群通行，从而在出口处形成滞留人群，人群密度逐渐增大，达到一定程度时，出口处形成拱形的人流结构，瞬时所有人都无法通过。

疏散道路的规划直接影响最终的疏散时长，道路弯曲折叠、主要疏散通道宽度不足等情况会导致人群的滞留；而群体移动速度不是取决于群体中个体的平均移动速度，而是取决于人流密度。人流密度越大，群体的移动速度越小；当人流密度达到一定极限时，群体会因过于拥挤而无法移动。

人群中每个个体的行动都受到外部指示、外部环境刺激。当群体的运动速度达不到自己的期望时，忍耐程度也会随着时间的推移而增长，从而影响行为判断。所以在人群疏散过程中应当做好指示、指引工作，保证人员疏散畅通，避免出现异向群体、成拱现象。对各个空间布局需要仔细安排，缩短疏散路径长度、保障疏散通道宽敞，合理安排通道交汇、空间出口位置。