曹 凯，张 宁

（东南大学智能运输系统研究中心，南京 211189）

1 概述

国内城市轨道交通客运量保持持续增长趋势，致使车站服务压力越来越大，乘客进站的主要矛盾已经从售检票排队转移到安检排队。《智慧城轨发展纲要》提出，研究与城轨交通客流相适应的智慧安检，探索票检、安检合一的新模式[1]。近年，国内一线城市如北京、上海、广州等已经开展了新安检模式的试点研究[2-4]，在此背景下，应当顺应局势，结合新安检模式对现有安检进行配置优化。

新安检模式在轨道交通领域的应用处于起步阶段，武汉地铁[5]推出了“三位一体”智慧出行方案，使乘客无需刷卡就能快速通过安检进站；文献[6]提出了差异化安检的实施方案；文献[7]设计了地铁安检智能引导分流系统，有效提升了安检排队进站效率。本文以现有车站安检运行状态评价结果为依据，构建进站客流仿真模型，提出基于乘客分类的差异化安检模式，对现有安检进行配置优化，以期达到提升乘客进站效率的目的。

2 安检运行状态评价

轨道交通安检运行状态，本质上是指安检通道的运行状态，安检运行状态是指在乘客进站流线上，包含安检区域和与之密切关联的、共同服务于乘客进站的设施运行状态，通常包括走廊通道、安检机、检票闸机、楼扶梯等设施。

2.1 安检运行状态评价指标体系

本文认为，轨道交通车站安检运行状态主要体现在进站设施通畅性、能力协调性、安全性和服务水平等4 个方面，针对早高峰进站乘客对车站的冲击，本文构建了如图1 所示的安检运行状态评价指标体系。

图1 安检运行状态评价指标体系Fig.1 Evaluation indicator system for security check operational status

2.1.1 设施通畅性指标

1）高峰饱和度

高峰饱和度能够反映高峰期站内安检、票检等设施通行能力与客流量的匹配程度，可采用高峰时段设施客流量与设施通过能力的比值表示。计算方法如公式（1）所示。

公式（1）中：δ为高峰饱和度；Qh为高峰小时设施通过客流量；C为设施实际通过能力。

2）设施最大排队长度

安检、票检等通过型设施的最大排队长度，能够反映设施在面对大客流冲击时的通畅程度。乘客进入站厅后，安检区域最先受到冲击，如果安检通过能力有限，很容易产生拥堵，此外，检票闸机处、出站楼扶梯处同样容易产生排队。其计算方法如公式（2）所示。

公式（2）中：qm为设施最大排队长度；t为排队数据采集时刻；T为仿真时段。

3）乘客行走速度

用于描述乘客从进站到乘车行走速度的平均值，是反映乘客进站便捷性和流畅性的直观指标，其指标值可通过仿真软件输出，并根据指标评价阈值进行评价。

2.1.2 能力协调性指标

协调性指标可用设施能力匹配度表示，具体来说，设施能力匹配度是指同一进站(或出站)流线上相邻设施通行能力的匹配程度，可用来衡量高峰期流线上各设施之间的匹配度，如安检与闸机，闸机与楼扶梯，通道与楼梯等。计算方法如公式（3）所示。

公式（3）中，φ为不同设施能力匹配度；为设施a、b高峰小时客流量，

2.1.3 安全性指标

车站站厅属于公共区域，必须把安全放在重要位置考虑。本文用区域客流密度来衡量安全性，区域最大密度反映了设施区域内应对客流的短时冲击能力。最大客流密度计算方法如公式（4）所示。

公式（4）中，ρm为客流密度最大值；t为密度数据时刻；为t时刻最大客流密度；满足＝Pt/Sp；T为仿真时段；Pt为t时刻区域内乘客数量；Sp为区域有效面积。

2.1.4 服务水平指标

1）进站密集度指数

密集度指数通过对车站客流强度、拥堵范围、拥堵持续时间进行综合评估，能够直观反映进站客流分布状态和拥堵程度。该指标选择仿真时段进站核心区域（如安检、楼扶梯、站台）的客流密度，并进行加权求和，用来衡量进站流线整体拥堵程度。该指标以各关键区域平均密度加权得出整个进站流线的平均密度，再除以密度阈值归一化得到进站密集度指数。具体计算如公式（5）所示。

公式（5）中：P为进站密集度指数；i、j为各区域编号；n为区域总数；m为区域密度大于阈值的数量；ρj为区域j的平均密度，满足ρj＞ρ0，ρ0为密度阈值；tj为区域j在统计时间段内平均密度大于阈值的持续时间（min）；T为仿真统计时段；αi、αj为区域i、j权重系数，可根据统计时段各区域客流量计算如公式（6）所示。

公式（6）中，Qi为仿真时段区域i客流量，Qi为所有区域客流量。

密度阈值ρ0取值可参考Fruin 服务水平标准[8]，并结合国内实际选择C 级服务水平上限值作为关键区域密度阈值，即通道0.72 人/平方米，排队设施1.538 人/平方米，楼梯1.08 人/平方米。

2）乘客进站时间

乘客进站时间是指高峰小时乘客进站花费的总时间，具体为乘客从进入车站系统经过一系列交通行为后到达站台花费的时间，包括行走、安检、票检、等候、乘车等行为。乘客进站花费时间的长短能够一定程度上反映车站的服务水平。

3）服务水平分级

设施服务水平是对乘客舒适度的综合评价，一般可用行人占有空间表示。在国内国情下，行人的交通流特性、出行习惯和心理生理因素同西方有着较大差别，结合国外研究成果，根据国内乘客特点和调研分析，已有学者制订了适合国内国情的服务水平分级标准[9]，如表1 所示。

表1 国内行人服务水平分级标准建议值Tab.1 Recommended values for pedestrian service level classification standards

2.2 指标评价建议阈值

通过对比安检实际运行状态下不同指标的数值，并参考相关规范，本文将各指标分为良好、一般、较差3 级，如表2 所示。

表2 安检运行状态评价指标建议阈值Tab.2 Recommended threshold for evaluation indicators of security check operational status

3 城市轨道交通差异化安检模式

差异化安检模式是实现智慧安检的必经之路。其主要思路是将进站乘客分类，不同类型的乘客前往对应通道进行安检。因此，乘客分类是差异化安检的前提，本文将乘客属性分为A、B、C、D 共4类，具体如表3 所示。

表3 乘客属性分类Tab.3 Passenger attribute classification

3.1 差异化安检通行模式

差异化安检采用快速通道和常规通道结合的方式，该方法能够在保证安检质量的同时大幅提升乘客进站效率。但是，差异化安检的实现需要具备若干前提。

1）进站乘客分类：通过实地调研，统计不同类型乘客比例和通过安检时间。

2）安检运行状态评价：掌握目标车站的安检运行状态，并针对评价结果进行针对性优化。

3）乘客实名制系统：运营方可在APP 设置实名认证模块，乘客通过实名认证和生物信息录入，同时关联地铁信用积分和支付方式，系统将乘客信息写入业务数据库，并按权限获取乘客数据。但是，考虑到实名制普及的进程，初期可增配一名安检员，采用手持探测仪负责人身检查，为乘客实名制系统实现提供过渡解决方案。

高峰时段进站客流主要为本地常客流，出行时间和起讫点相对固定，且多数携带小包或者无包，因此常客流进站效率的提升是差异化安检模式实现的关键。不同类型进站乘客通行模式如下。

1）A 类乘客：由于该类乘客无携带行李，无论是否进行过实名认证，可选择快速通道或常规通道直接通过安检。

2）B 类乘客：已通过认证的B 类乘客直接通过快速通道进站，未认证的B 类乘客则需要通过常规通道进站，特殊地，当验证失败或C、D 类乘客错误进站时，由安检人员引导进入常规通道。

3）C 类乘客：该类乘客经过常规通道安检进站。

4）D 类乘客：该类乘客数量较少，需通过常规通道安检进站。

差异化安检模式乘客进站流程如图2 所示。首先，乘客需进行实名认证，该环节可考虑接入第三方平台或者在地铁APP 中设置实名认证模块；其次，乘客进站时，A、B 类乘客直接通过快速安检通道进站，系统会同时比对乘客信息，确保安检质量，其他乘客需通过常规通道进行安检；最后，若判图机位提示或安检门报警，乘客需前往人工台复核，确认无误后刷卡进站乘车。

图2 差异化安检乘客进站流程Fig.2 Passenger inbound process for differentiated security check

3.2 差异化安检布局方法

差异化安检的核心思路是通过乘客分流和安检机布局两个方面进行优化。乘客分流时，采取铁马护栏将安检通道分为快速通道和常规通道，如图3所示，具体方案如下。

图3 差异化安检布局Fig.3 Differentiated security check layout

1）安检通道分离

根据安检通道区域将其分为快速通道和常规通道两部分，中间采用铁马护栏隔断，可在通道入口处设置明显标志标牌。

2）常规安检通道改进

现有安检队列采用单侧方案，乘客到达时间是泊松过程，服务时间服从指数分布，若想降低乘客安检排队长度、缩短排队总时间，可采用降低乘客达到率或增加设备平均服务率的方法实现。

通过移动安检机，将常规安检通道分为两路，判图机位移至安检机末端横向布置，使得乘客到达率减半，且安检服务率不变，显著提升通行效率。

3）快速安检通道布局

快速通道入口需设置显著提醒标识，通道内部设置安检门，门侧加装识别设备，并配置一名安检员随机服务。快速通道需与常规通道错位布置并设置单向门，若乘客识别失败则引导进入常规通道安检。

4）安检人员配备

在差异化安检模式中，每个安检机至少配置3名安检员，与现有配置保持一致。其中，一名负责判图，一名负责行李复核，一名负责快速通道指引。

在实际应用过程中，并不是所有站点都适合采用差异化安检模式，针对空间受限或者高峰客流远超出通行能力的站点，则需要优先采用限流等措施避免系统瘫痪。

4 实例分析

本文以南京地铁天润城站为例，对比优化前后安检运行状态和安检通过效率提升情况，验证差异化安检模式的有效性。

4.1 车站概况及模型建立

天润城站为典型的居住型车站，工作日客流量巨大，早高峰排队情况严重，故选取该时段为优化对象。站厅层平面布局如图4 所示，站厅整体呈对称式布局，进站闸机组、出站闸机组和安检区域均为2 组。根据实地调研统计，工作日早高峰平均进站客流超过7 000 人次，最大客流量超过8 000 人次，模型采用进站客流量为8 000 人次/小时；进站乘客方面，根据统计的736 个有效样本，A 类乘客占比23%，B 类乘客占比42%，C 类乘客占比32%，D 类乘客占比3%；安检通过时间方面，A 类乘客为3.29 s，B 类乘客为8.8 s，C 类乘客为10.59 s，D类乘客为15.86 s，以此数据作为仿真建模的依据。

图4 站厅平面布局Fig.4 Station hall layout

仿真建模采用Anylogic 软件，根据车站实景建立仿真物理环境，模型效果如图4 所示。乘客进站流程需要分别建立现有安检模式和差异化安检模式两种，乘客进站逻辑可通过适配不同类型乘客的通道选择来实现。安检通过效率可以根据优化前后乘客通过数量对比来衡量。

4.2 安检运行状态对比分析

利用进站客流仿真模型，根据安检运行状态评价指标体系，对比优化前后指标评价结果，获取进站效率提升情况。在运行模型后，站厅客流密度保持持续高位，但是采用差异化安检模式后，安检通道队列变得井然有序，客流密度如图5 所示。

图5 优化前后客流密度热力图对比Fig.5 Comparison of thermal maps of passenger flow density before and after optimization

4.2.1 通畅度指标对比分析

1）高峰饱和度

按照仿真数据分别计算安检和闸机处优化前后高峰饱和度，现有安检配置两侧安检处饱和度相对较高，采用差异化安检模式后，西侧安检高峰饱和度从0.62 提升为0.66，中间安检提升为0.54，东侧安检从0.81 提升为0.97，更加接近其理论通过能力。

2）设施最大排队长度

如图6 所示，在采用差异化安检模式后，两侧排队长度明显缩短，西侧最大排队长度由77 人缩短为45 人，评价结果为良好，东侧由170 人缩短为87 人，评价结果提升为一般。

图6 优化前后安检排队长度对比Fig.6 Comparison of queue lengths for security checks before and after optimization

3）乘客行走速度

优化后乘客行走速度由0.75 m/s，降低为0.61 m/s，评价结果由一般降低为较差。

4.2.2 协调性指标对比分析

现有安检配置中，安检与闸机、闸机与楼梯间通过人数接近，协调性指标在1.0 ～1.2 范围内，指标评价等级为良好；而两侧进站通道与安检通过人数相差较大，协调性指标分别为1.22 和1.29，评价结果分别均为一般。不难发现，很可能是由于安检的通过能力限制了乘客进站，导致乘客在安检区域大量堆积。在采用差异化安检配置后，两侧进站通道和安检协调性指标由一般提升为良好，证明优化措施奏效。

4.2.3 安全性指标对比分析

在采用差异化模式后，西侧安检密度由2.10 降低为1.72，东侧安检区域密度由3.50 降为2.70，虽然评价结果不变，但从整体来看，区域内乘客走行顺畅，有效缓解了乘客进站拥堵，图5 的密度图也佐证了这一点。

4.2.4 服务水平指标对比分析

1）进站密集度指数

密集度指数用于衡量进站客流拥挤程度，现有进站密集度指数P=6.033，评价结果为较差；在采用差异化安检模式后，再次计算权重系数、区域客流密度等参数，进一步计算密集度指数，得到优化后进站密集度指数由6.03 降低为5.16，相应的评价结果由较差提升为一般。

2）乘客进站时间

从进站时间来看，优化前后3 个进站口整体时间接近，均在500 s 以内，评价结果为一般。但是优化后的进站人数明显增加，说明优化后乘客进站效率明显提升，达到了预期的目标。

3）进站服务水平评价

根据乘客在车站中的平均速度作为车站进站服务水平的评价依据。对比表1 中分级标准，其服务水平为D 级，而优化后服务水平仍维持在D 级，评价结果为一般。

4.2.5 综合评价结果对比分析

通过汇总安检运行状态评价结果，能够得到制约乘客进站效率的关键区域，4 种评价指标结果如表4 所示。

表4 差异化安检模式优化前后评价指标结果Tab.4 Evaluation indicator results of diあerentiated security check mode before and after optimization

现有安检模式在高峰期的安检运行状态评价结果保持在一般水平以下，指标结果较差的设施位置均为东西两侧安检部位。在采用差异化安检模式后，其中关键指标如最大排队长度、设施能力匹配度、最大客流密度和进站密集度指数均有了明显改善。

4.3 安检通过能力比较

安检通过能力以两侧通过安检的客流量统计结果为准，优化前安检通过能力为1 085 人，优化后通过能力为1 237 人，乘客整体进站效率提升了14.0%，达到了优化的目的。同时，西侧安检和中间安检高峰饱和度分别为0.66 和0.54，二者通行能力有待挖掘，运营方可以通过将进站乘客引导至1 号口进站，进一步提升进站效率。

5 结束语

本文主要针对高峰时段进站客流拥堵现状，构建了安检运行状态评价指标体系，提出差异化安检模式，并结合实例进行仿真优化研究。结果表明：第一，现有安检配置方案很难满足高峰时段乘客进站需求；第二，基于差异化安检模式的优化方案能够使高峰时段乘客进站效率至少提升14.0%，并且反映安检运行状态的关键指标参数，如最大排队长度、设施能力匹配度和进站密集度指数等有了很大改善。本文研究有助于差异化安检模式的普及，为运营方安检优化方案的制定提供参考。