林 銘 金 華 徐匯川 程文濤

(1.中國人民公安大學警務信息工程學院，102600，北京；2.深圳市公安局公交分局，518049，深圳//第一作者，碩士研究生)

人群密集程度高的公共場所存在較大的人群聚集風險，容易引發(fā)人群擁擠、踩踏等嚴重事故。如：2004年2月在北京密云縣發(fā)生的擁擠踩踏事故，造成37人死亡，15人重傷；2015年1月在上海外灘發(fā)生踩踏事故，造成36人死亡。公共場所的人群聚集風險已經引發(fā)社會各界的高度關注。由于城市軌道交通車站的封閉性以及客流來源的復雜性，如果車站發(fā)生人群擁擠、踩踏等事故,其危害性更大，也更難以防范[1]。因此，城市軌道交通車站的人群聚集風險分析是城市軌道交通風險防范工作中的重點。目前，針對城市軌道交通車站人群聚集風險的研究主要集中在乘客微觀特性[2-3]和大客流預測預警[4]兩方面，而對于城市軌道交通站點乘客密度分布的研究仍然缺乏，難以直觀地分析站點內各區(qū)域的風險分布情況。

Agent模型適用于對人類行為進行仿真，可模擬人群之間的信息交互、心理傳播以及某些復雜的群體行為[5]。本文以深圳地鐵老街站的調研數(shù)據(jù)為基礎，結合站內乘客的微觀特性研究，建立Agent模型，仿真乘客在站點內的運動情況，分析人群聚集風險較大的區(qū)域。研究成果可為城市軌道交通車站的風險防范工作提供理論依據(jù)。

1 建立Agent模型

1.1 老街站概況

老街站是深圳地鐵1號線和3號線的換乘站點，位于羅湖區(qū)解放路與建設路的交匯處，處于繁華的東門商業(yè)圈內。在2011年，老街站的日均客流就高達6萬人次，使得老街站成為深圳地鐵最為繁忙的站點。大流量的乘客不僅讓老街站的運營承擔了巨大的壓力，同時也增加了人群聚集風險，給乘客的人身安全問題帶來了重大挑戰(zhàn)。

1.1.1 站內建筑及設施

老街站共3層，分別是地下2層、地下3層和地下4層。地下2層是站廳，共有8個出入口，其代號分別為A、B、C、D、E、F、G、H。站廳設施設備完善，其中自動售票機組3處，人工服務窗口3處，進出站閘機5處，扶梯8部、樓梯3處、電梯1部。地下3層和地下4層是站臺，其中地下3層經停往機場東方向的1號線列車和往益田方向的3號線列車,地下4層經停往羅湖方向的1號線列車和往雙龍方向的3號線列車。

1.1.2 客流進出站情況

進站乘客由老街站的8個入口進入站廳，然后乘坐不同的列車離開該站點。其中A、B、C、D、E、G這6個入口均在站廳內設置了安檢機，對帶包乘客進行安檢，F(xiàn)、H入口的安檢機不設置在站廳內，因此乘客從不同入口進入站廳所形成的乘客流線不完全相同。

圖1和圖2是乘客進入老街站時兩種不同的流線。通過A、B、C、D、E、G口進站的帶包乘客必須接受安檢才能進入站廳內部。在站廳內部的乘客分為兩部分，一部分是持有“深圳通”的乘客，他們可以直接通過進站閘機進入付費區(qū)，選擇要搭乘的列車離開站點；另一部分則是非持有該卡的乘客，他們必須通過人工售票窗口或者自動售票機進行購票才能進入付費區(qū)，搭乘列車離開站點。從F、H口進入的乘客由于安檢機不在站廳這一層，因此進站流線相對簡單，不需要通過安檢。

圖1 老街站A、B、C、D、E、G入口進站乘客流線

圖2 老街站F、H入口進站乘客流線

圖3是到站乘客的出站流線，從站臺下車的乘客可以選擇換乘，或者出站。選擇出站的乘客從站臺搭乘電梯或扶梯到達地下2層的站廳付費區(qū)，通過出站閘機離開車站。

圖3 老街站出站乘客流線

1.2 模型參數(shù)

1.2.1 進站乘客數(shù)量

由于老街站地處東門商圈內，在此站進出的乘客多以購物、娛樂、休閑為目的，因此雙休日進出站的乘客數(shù)量要多于工作日的數(shù)量。雙休日每日進出站的乘客總量約為16萬人次，比工作日高出約25%，因此雙休日的人群聚集風險也相對較大。根據(jù)老街站的客流分布特征，采集雙休日閘機客流統(tǒng)計數(shù)據(jù)，統(tǒng)計各入口進站乘客數(shù)量，其結果如表1所示。

由于老街站使用隔離帶將從E、F入口進入的乘客合并到一個通道內，因此在仿真時將這兩個入口視為同一入口。同時，由于老街站具有同站臺換乘的特點，換乘乘客不會出現(xiàn)在站廳內，故不考慮換乘客流對于進站乘客數(shù)量的影響。

1.2.2 模型參數(shù)確定

從微觀上看，客流中不同的乘客存在著差異，這些差異對乘客的行進速度和空間需求存在影響。從不同角度考慮，并參考相關文獻和實際情況，確定的模型使用參數(shù)如表2所示。

1.3 模型建立

Agent技術是擁有特定功能及高度智能化的一種計算技術，具有自治性、反應性、主動性、社會性及進化性等特點，可以較為準確地對人類的某些復雜群體行為，如人群之間的信息交互、心理傳播及行為等進行建模仿真。本文使用的Agent建模工具為俄羅斯XJ Technologies公司的基于社會力模型的仿真軟件AnyLogic，該軟件能準確地表現(xiàn)不同乘客在城市軌道交通站點中的行走方向和路線選擇等。

表1 老街站雙休日各入口進站乘客數(shù)量 人次

表2 乘客微觀特性參數(shù)

根據(jù)圖1～3中乘客流線和老街站廳建筑結構，構建了老街站乘客進出站的Agent仿真模型，其中部分如圖4所示。

由圖4可知，首先,由pedSourceB產生進站的乘客數(shù)(具體數(shù)值根據(jù)表1設置)，乘客通過pedSelectOutput分流，一部分乘客接受安檢，另一部分則直接通過；其次,乘客通過pedSelectOutput1分成3部分，分別選擇自動售票、人工售票、不需要購票3種方式，然后通過附近的閘機進入付費區(qū)；最后,乘客在付費區(qū)內根據(jù)目的地選擇不同的樓梯或扶梯進入站臺，從站廳消失，消失的動作用pedSink模塊表示。其他的A、C、D、E、F、G、H口可根據(jù)上述原理，結合入口的地理位置及乘客的行走路線，構建對應的模型，將各個獨立模型正確地連接，即為完整的仿真模型。

圖4 B口進入老街站乘客仿真模型

2 仿真結果及風險分析

老街站每日運營時間為06:30—23:30，且不同時間段的客流分布存在較大的差別。對老街站雙休日全天的客流分布情況進行仿真，結果顯示，老街站在14:00—15:00(客流高峰期)人群聚集現(xiàn)象最為嚴重，該時間段的仿真結果如圖5 b)所示。

圖5 a)為老街站站廳平面圖。仿真結果在站廳平面圖上直觀地顯示了乘客的密度分布與流線。線條顏色的深淺反映了人群密度的不同，其中顏色較深的線條表示人群密度較小，顏色較淺的線條表示人群密度較大。當人群密度超過一定值時，人群聚集風險增加。人群密度分布圖不僅反映高密度的人群聚集區(qū)域，也體現(xiàn)乘客進出站的流線。根據(jù)仿真結果，可對老街站的人群聚集風險進行深入分析。

a) 老街站站廳平面圖

b) 客流分布仿真結果圖5 老街站站廳客流分布仿真結果

2.1 乘客流線交叉

城市軌道交通站點乘客流線是乘客在站點內集散活動所產生的流動過程和流動路線[10]，對站點內乘客流線進行組織和協(xié)調時，要避免不同乘客流線互相交叉干擾。乘客流線交叉即表示乘客行走路線有沖突，過多的交叉不僅會延長乘客在站點內部的逗留時間，也會增加乘客的碰撞幾率，而且在乘客流線交叉點處的客流密度也相對較大，具有一定潛在風險。

由圖5 b)可知，老街站對乘客流線的組織協(xié)調工作存在不足之處，導致站廳內乘客流線在自動售票機、人工售票亭、樓梯口、扶梯口等處有交叉。在非付費區(qū)產生乘客流線交叉的主要原因是部分乘客在購票結束時選擇離購票點最近的閘機進站，與直接通過閘機進站的乘客產生乘客流線交叉。在付費區(qū)產生乘客流線交叉的主要原因是從不同閘機入口進入付費區(qū)的乘客選擇不同的扶梯、電梯、樓梯進入站臺，導致付費區(qū)內的客流線十分復雜，交叉點過多。

針對非付費區(qū)的乘客流線交叉問題，可以用物理切割法解決。物理切割法是將進站、出站、購票、通過安檢等乘客流線進行物理分割，減少交叉。老街站可在各售票區(qū)增設隔離帶，組織乘客有序地進行購票，并規(guī)劃從各個入口進入的乘客行進路線，避免乘客流線交叉。針對付費區(qū)的乘客流線交叉問題，可以用引導法解決，即利用信息指示標志或者引導員對乘客流線進行引導。從圖5 b)可以看出，付費區(qū)內的扶梯、樓梯分為左右兩側，都能到達地下3層和地下4層的站臺。如果利用引導法安排從左側B、G、H入口進入站點的乘客從左側扶梯和樓梯下達站臺，從右側A、C、D、E、F入口進入站點的乘客從右側扶梯和樓梯下達站臺，則可大量減少乘客流線的交叉，避免潛在風險。

2.2 售票處排隊人數(shù)不均

老街站的購票點共6處，其中3處為自動售票機，其余為人工售票。1號自動售票機和1號人工售票亭靠近B出口，2號自動售票機和2號人工售票亭靠近G出口，3號人工售票亭靠近D出口，3號自動售票機靠近A出口。仿真結果表明，過長的購票隊伍會影響進出站乘客的移動，造成人群聚集。為此,對仿真模型中的售票處進行數(shù)據(jù)采集，其結果如圖6所示。

圖6 售票處排隊人數(shù)折線圖

由圖6可知,各購票處的排隊人數(shù)存在巨大差距，設施利用率不平均，乘客密度分布不合理。如下午16時至17時，2號人工售票亭的平均排隊人數(shù)達到7人，購票乘客已經可以感受到明顯的擁堵。由于排隊人數(shù)變多，乘客平均購票時間延長，從而增加了乘客的焦急感。當乘客的焦急感不斷增加時，其與周邊乘客的距離將會不斷減小，人群密度持續(xù)增加[11]，進而增大了排隊區(qū)域的人群聚集風險。由于設施在站廳內的位置特殊，如果在2號自動售票機和2號人工售票亭處發(fā)生擁堵，將大幅度提高E、F、G、H 4個入口的人群密度，人群聚集風險將進一步提高。

針對以上情況，可以通過合理配置自動售票機及人工售票亭的工作人員，適當引導部分乘客去其他售票點的方式加以解決。如：將1號人工售票亭的工作人員抽調至2號人工售票亭協(xié)助進行售票工作，同時增設2號自動售票機設備，以降低2號自動售票亭和人工售票亭的服務壓力，有效平衡各購票處的排隊人數(shù)；增設信息指示標志和客流引導員，將H入口的部分乘客分流至1號自動售票機和1號人工售票亭，降低其他售票點的服務壓力，減少人群聚集風險發(fā)生的可能性。

2.3 部分區(qū)域人群密度過高

眾多研究表明[12-13]，發(fā)生擁擠踩踏事故的誘因很多，其中最主要的是人群密度過高。人群聚集密度越高，事故發(fā)生的可能性就越大。根據(jù)仿真結果，分析老街站站廳各處的人群密度分布情況，重點監(jiān)測人群密度過高的區(qū)域，以防止人群聚集風險產生。

圖5展示了老街站內容易引發(fā)人群聚集、導致人群密度過高的3處區(qū)域，其中，付費區(qū)內一處，非付費區(qū)內兩處。E、F共同入口處為1號人群密度過高區(qū)域，造成該區(qū)域人群密度過高的原因在于老街站使用隔離帶和鐵馬等物理設施將從E、F入口進站的乘客合并到一個通道內；D入口處為2號人群密度過高區(qū)域，造成該區(qū)域人群密度過高的原因在于D入口直通地面上的“1234”商城，客流量是8個入口中最大的，并且大部分乘客都攜帶行李進站，乘客在接受安檢的拐角處容易扎堆聚集；付費區(qū)內高密度人群聚集區(qū)為3號區(qū)域，造成該區(qū)域人群密度過高的原因在于，大部分乘客要通過此處的閘機從A、C、D口離開站點，閘機通行速度較慢，無法有效疏導出站乘客，導致乘客在3號區(qū)域聚集。

文獻[14]利用圖片調查法，分析了城市軌道交通車站的通道服務水平，并提出了a、b、c、d、e、f 6個服務水平的劃分標準。當人群密度越大，服務水平越低，反之則服務水平越高。根據(jù)仿真結果可得，1號區(qū)域的人群密度在12時至13時達到峰值(5.68人/m2)，對應的服務水平為a；2號區(qū)域的人群密度在17時至18時達到峰值(6.44人/m2)，對應的服務水平為a；3號區(qū)域的人群密度在9時至10時達到峰值(2.06人/m2)，對應的服務水平為c。由此可以看出，1、2號區(qū)域的人群聚集風險較高，發(fā)生擁擠踩踏事故的概率較大，需采用預案降低人群密度。3號區(qū)域的人群聚集風險相對較小，大部分的乘客行走受到限制，發(fā)生擁擠踩踏事故的概率較小，但仍需對出站客流進行合理有序的引導。

3 結語

針對城市軌道交通站點的人群聚集風險，結合深圳地鐵老街站的調研數(shù)據(jù)，進行Agent建模仿真，模擬老街站在正常運營時的乘客分布情況。由仿真結果可知：老街站在自動售票機、人工售票亭、樓梯口、扶梯口等處容易產生客流交叉現(xiàn)象，產生安全隱患；2號自動售票機的服務壓力過大，導致排隊人數(shù)過多，購票時間過長，人群密度大，容易產生擁擠；老街站內容易引起人群密度過高的區(qū)域共有3處，其中，E、F共同入口處的最低服務水平達到a級，D入口處的最低服務水平達到a級，付費區(qū)內左上角處的最低服務水平達到c級。針對以上仿真結果，進行了原因分析并提出了解決對策，以降低老街站的人群聚集風險。