大型医院院区入口的人行交通研究<br/>——过街天桥通行效果的MassMotion 仿真分析

大型医院院区入口的人行交通研究
——过街天桥通行效果的MassMotion 仿真分析

2020-08-15刘浩然曹昊周颖

建筑技艺 2020年7期

刘浩然曹昊周颖

东南大学建筑学院

长期以来，如何切实改善大型医院周边乃至院内的交通状况，一直是困扰医院建筑师的重要问题。特别是大型医院的院区入口处，由于临近交通繁忙的城市干道，再加上过街的行人数量实在太多，常常会产生异常严重的拥堵现象，不仅阻碍了车辆通行，同时也对患者的通行安全和就医体验产生了非常不利的影响。为了解决上述问题，当前许多大型医院都考虑在院区入口处架设过街天桥，这就需要对过街天桥的架设方式及通行效果展开深入的分析探讨。

目前国内关于大型医院交通问题的研究，主要集中在机动车交通组织与停车场所设置等方面[1-4]，但很少关注进入医院院区的人行交通[5]，尤其缺少关于对过街天桥架设方式及通行效果的探讨。实际上，不仅院区入口外数量庞大的过街行人与道路上通行的机动车相互影响，等候交通信号灯时积累的巨大人流量过街后在短时间内涌入医院，也是造成院区内水平交通和垂直交通堵塞的重要原因之一。对于医院建筑师来说，只有对各种通行方式下的人行量有相当程度的精确把握与分析预测，才有可能对包括过街天桥在内的各种交通设施进行有效的设计。而要做到这点，需要引入最新的技术手段与分析工具。

近年来，以MassMotion软件为代表的行人模拟软件取得了长足的发展。利用MassMotion软件，目前已经可以对机场、火车站、地铁站等大型交通设施以及商场、宗教设施等公共建筑中的各类行人进行较高精度的仿真模拟[6-10]，当然也为本文的定量仿真分析提供了新思路与新方法。

1 研究方法

1.1 研究对象

如表1所示，医院院区入口处的过街天桥设置方式大体有两种：一种是过街天桥仅连接道路两侧的人行通道，另一种是过街天桥的一侧与医院建筑的某层直接相连。

本文选取R医院为研究对象。该医院是一所大型三甲综合医院，占地300亩，总建筑面积为41万m2，床位3 685张，日门诊量高达1.5～1.8万人次。如图1所示，该医院位于某历史文化名城的老城区，医院南侧为城市主干道，西侧为城市支路。受地形影响，城市道路蜿蜒曲折。院区共有6个大门，1～3号门通向住院部，4号门临近急诊入口，5号门临近门诊入口，6号门为机动车出入口。其中4号门距地铁站最近，并紧邻城市道路红绿灯，因而行人通行量极大（图2）。监控录像显示，仅调研日上午8:00～12:00从4号门进入医院院区的行人数量高达25 184人次，另外从4号门离开医院的行人数量也超过了2万人次。

现场调研还发现，经4号门前往门诊大厅的人群分为两股，多数行人经门诊坡道从门诊入口进入，但也有不少行人经由急诊入口乘坐电梯进入门诊大厅。由图3可见，后者的流线相对较短，且不用爬坡，但这部分行人加剧了急诊部和住院部电梯的拥堵，从而影响了医院运营。因此，相关管理部门拟采用架设天桥的方式来缓解4号门院区内外的拥堵状况，为了对架设天桥后的通行效果进行定量评价，我们使用MassMotion软件对该处的行人交通状况进行了仿真模拟。

表1 医院入口处天桥类型

1 R 医院总平面图

2 R 医院4 号门概况

3 经由4 号门前往门诊大厅的流线

1.2 技术路线

图4显示了本研究的技术路线，调研数据包括R医院总平面与各层平面、2019年12月23日（星期一）全天4号门的监控录像以及2020年2月24日（星期一）指定时段的交通信号灯监控录像。接下来对经4号门进入院区的行人流量、流线、通行速度等数据进行统计，重点分析7:04～12:04经4号门进入院区的行人数量（图5），并从中选取高峰时段7:50～8:10的数据输入MassMotion软件。然后通过对4个不同交通场景的仿真模拟，对过街天桥的假设效果进行定量的分析评估。

4 技术路线

5 基于监控视频的经由4 号门进入院区的行人数量

1.3 场景设计

现场调研发现，进入4号门的行人分别来自起点1～4（表2中的蓝点），而去向只有两个，分别是入口广场北侧的急诊入口和4号门西侧的门诊坡道（表2中的橘点）。如表2所示，笔者设计了四个场景，分别模拟不同的行人过街方式：1）无机动车、无信号灯时的直接过街；2）信号灯控制的人行横道；3）过街天桥仅连接道路两侧的人行通道；4）过街天桥一侧连接院区内的二层平台。

表2 模拟场景一览

2 建模与验证

在MassMotion中建模，输入调研数据，并不断调整参数直至模型输出的结果与监控视频显示的结果基本一致。

2.1 数据输入

2.1.1 行人流量

输入的行人流量不仅包括总流量，还包括不同方向行人流量的占比，即4个起点与2个终点（表3）。对2019年12月23日7:50～8:10这一高峰时段内进入4号门监控视频中的行人数量进行统计，总计1 281人，其中35.5%的行人前往急诊入口，64.5%的行人前往门诊坡道。实地观测发现，该时段来自起点1、2、3、4的行人分别占12.5%、70.6%、14.3%、2.6%，然后将行人流量以表3的形式输入MassMotion。

表3 行人流量（单位：人）

2.1.2 人群通行速度

人群通行速度的设定需要考虑多方面因素，笔者团队的前期研究表明，医院入口处老弱患者数量众多且步速不一致是导致高峰时段门诊坡道拥堵的主要原因。而MassMotion软件则默认人群中不同个体的速度呈正态分布，最大值为2.05m/s，最小值为0.65m/s，平均值为1.35m/s，标准偏差为0.25m/s。考虑到患者大多身体状况较差、行动速度较慢，因此在本研究中将人群速度的平均值下调至1.2m/s。

2.1.3 交通信号灯

上午7:50～8:00时段，医院入口外由南向北的交通信号灯周期为红灯2min，绿灯35s。在四个场景中，场景一不设置信号灯，而另外三个场景均设置信号灯。

2.1.4 非机动车流线

除行人外，现场还有一定数量的非机动车进入医院院区。其中一部分前往急诊大厅外的非机动车停车位，另一部分通过西侧道路前往门诊大厅方向。

2.2 模拟结果与监控结果的比较

图6为4号门行人数量的MassMotion模拟结果，图7为基于监控视频的统计结果。两条曲线的峰值相当接近，都在50～80人之间；其次在相同的时段，两者都出现了8个峰值，即周期大体一致。两者的不同主要表现在前者的周期稳定在3min左右，而后者有一定的波动。其原因为MassMotion模拟选取的人行速度比较均匀，而实际人群中的个体行动速度存在一些差异。总体来说，MassMotion的模拟结果具有相当高的可信度。

3 仿真模拟

3.1 天桥通行量的数据输入

根据实际观测结果，假定红灯期间80%的行人通过天桥前往医院入口，20%的个体等待信号灯过街；而绿灯阶段10%的行人通过天桥前往医院入口，90%的行人直接穿过道路。

3.2 模拟结果

下面从平均过街时间、人群密度、人群通行效率等指标来展示模拟结果。由于交通信号灯的周期为2min35s，而模拟开始后一段时间，人群才能到达被测区域，因此分析采样的时间范围是第1min～第11min，大致包含四个完整的信号灯周期。

6 4 号门仿真模拟行人计数图

7 4 号门监控统计行人计数图

3.2.1 平均过街时间

本文使用采样范围内的平均过街时间，反映患者穿过城市道路与入口广场所花费的时间。采样范围从起点开始到人群进入急诊入口或进入门诊坡道结束，包括人行道、过街横道、天桥、医院入口广场一系列空间。计算方法是统计所有个体穿过采样范围所耗费的时间，并求平均值。

四个场景的行人平均过街时间如表4所示。场景一平均过街时间最短，而场景二耗时最长，两者相差1min3s。设置天桥后，场景三的平均过街时间显著缩短；而当天桥的出口设置在二层平台后，场景四的平均过街时间则进一步缩短。

3.2.2 人群密度

将人群密度分为A～F六个级别，其中A、B表示人群密度较低，C、D表示有一定的拥挤，而E、F表示拥堵严重（表5）1。

进一步用最大密度地图来表示给定时段内到达每个点上的最大人群密度，并用不同颜色来表达（表5）。可以发现，由于没有考虑机动车与信号灯，场景一中的拥堵区域最少；但场景二中的拥堵区域最多；过街天桥建成后，场景三和场景四的拥堵区域都明显减少。此外，场景三中医院外部的拥堵得到一定缓解，但医院内部仍较拥堵；而在场景四中，医院内外的拥堵都有明显缓解。

3.2.3 人流量变化率

若某区域人流量的波峰与波谷差值过大，那么在高峰期之外该区域会有较多空间闲置，从而降低空间利用率。相反，如果人流量的波动较小，相同的空间则可以容纳更多的行人流量。图8表示了四个场景中进入医院前广场的单位时间内（取10秒）的行人流量。同样可以发现，场景二的人流量变化率最大；而天桥建成后，场景三和场景四的人流量变化率均有明显减小，其中场景四的变化率较场景三更为平缓。

表4 平均过街时间的模拟结果

表5 人群密度级别

8 四种场景的人流量变化率

3.2.4 四个场景的比较

将人群密度细分为院内拥挤程度、人行道拥挤程度、波谷拥挤程度三个指标，再加上平均过街时间和人流量变化率，共得到五个评价指标。每个评价指标再分为五个评价等级，等级越高，代表该项指标越有利于行人通行。表7中将四个场景中的模拟结果用这五项指标定量地表达出来。可以发现，建造了过街天桥后，场景三与场景四的交通拥堵状况较场景二有了明显改观。