曹 凱,張 寧
(東南大學智能運輸系統(tǒng)研究中心,南京 211189)
國內城市化進程的推進致使車站服務壓力越來越大,高峰時段乘客進站的主要矛盾已經成為安檢排隊?!吨腔鄢擒壈l(fā)展綱要》提出,要研究與城軌交通客流相適應的智慧安檢,探索票檢、安檢合一的新模式[1]。近年,國內一線城市如北京、上海、廣州等已經開展了新安檢模式的試點研究[2-4],在此背景下,應當順應局勢,結合新安檢模式對現有安檢進行配置優(yōu)化。
新安檢模式在軌道交通領域的應用處于起步階段,武漢地鐵[5]推出了“三位一體”智慧出行方案,使乘客無需刷卡就能快速通過安檢進站;文獻[6] 提出了差異化安檢的實施方案;文獻[7] 對新時代國內城市軌道交通運行模式進行了探索研究;文獻[8] 針對早高峰大客流優(yōu)化了安檢設備布局,提升了其通行能力;文獻[9-10] 總結提出了智慧安檢系統(tǒng)的發(fā)展趨勢;文獻[11] 基于運行狀態(tài)評價對現有安檢進行了改進優(yōu)化;秦柳[12]從集中判圖角度優(yōu)化了軌道交通安檢的人力資源配置;王紫薇[13]提出了基于人臉識別和信用登乘的乘車方案,提升了出行效率;文獻[14] 通過引入大數據技術,為新安檢模式的實現提供了技術支撐。本文以現有車站進站通行能力為基礎,構建進站客流仿真模型,系統(tǒng)提出基于差異化安檢模式的安檢配置優(yōu)化策略,從而提升乘客進站效率。
車站進站通行能力制約了最大進站客流量,同時為安檢配置優(yōu)化策略的制定提供了基本依據。
安檢通過能力主要與服務時間有關,對乘客進站安檢服務時間影響最為顯著的因素是安檢機類型和乘客行李[15]。本文依據乘客行李數量將進站乘客分為以下4 類,如表1 所示。
表1 乘客屬性分類Tab.1 Passenger attribute classification
2.2.1 安檢通過能力
安檢的實際通過能力取決于乘客屬性,由不同類型乘客的比例確定。在建立乘客攜帶行李安檢能力模型時,可采用帶有權重的分布函數。帶有權重的分布函數其概率密度如公式(1)所示。
其平均值即為各權重與平均值之積的累加,如公式(2)所示。
進一步地,容易得到安檢帶包乘客服務時間的平均值如公式(3)所示。
公式(3)中Ubag表示安檢通道帶包乘客服務時間的平均值。pb、pc、pd分別為3 類帶包乘客所占比例;ub、uc、ud分別為3 類乘客安檢時間的加權平均值。
安檢通道的通過能力如公式(4)所示。
公式(4)中,Csc為安檢通道通過能力;c1、c2分別為帶包、無包通道的通過能力;n1、n2分別為帶包、無包通道數量;k1、k2分別為無包、帶包通道的調整系數。
2.2.2 檢票閘機通過能力
現有閘機絕大多數為門扉式,實際運行過程中,由于乘客之間非無縫銜接,閘機無法達到最大通過能力?;A計算如公式(5)所示。
公式(5)中Cafc為閘機組最大通過能力;ca為單個閘機通過能力;na為閘機數量;uafc為乘客平均通過時間。
2.2.3 檢票閘機通過能力
1)通道
通道是車站內連接不同設施或用于站內換乘的步行空間,是引導乘客進站流線的重要方式,本文主要研究雙向通道,其通過能力計算如公式(6)所示。
公式(6)中,Cpw為通道最大通過能力,人次/小時;cpw為單位寬度通過能力,人次/(小時·米);dpw為通道有效寬度,m;kpw為通過能力調整系數,一般取1。
2)樓梯
因涉及高峰時段,本文研究主要以雙向樓梯為主,其最大通過能力計算如公式(7)所示。
其中Cst為通道最大通過能力,人次/小時;cst為單位寬度通過能力,人次/(小時·米);dst為通道有效寬度,m;kst為通過能力調整系數,一般取1。本文在計算進站通過能力時,以樓梯通過能力為準。
依據約束理論(Theory of Constraints,TOC),車站整體通行能力是指未加載客流的狀態(tài)下,車站內各設施通過能力的最小值,站點內部通過能力最小的節(jié)點決定了整個車站的通行能力。
差異化安檢模式主要思路是將進站乘客分類,不同類型的乘客前往對應通道進行安檢。因此,乘客分類是差異化安檢的前提。
差異化安檢的核心思路是通過乘客分流和安檢機布局兩個方面進行優(yōu)化。乘客分流時,采取鐵馬護欄將安檢通道分為快速通道和常規(guī)通道,具體方案如圖1 所示。
圖1 差異化安檢布局Fig.1 Differentiated security check layout
1)安檢通道分離
根據安檢通道區(qū)域將其分為快速通道和常規(guī)通道兩部分。
2)常規(guī)安檢通道改進
通過移動安檢機,將常規(guī)安檢通道分為兩路,判圖機位移至安檢機末端橫向布置,這樣使得乘客到達率減半,且安檢服務率不變,顯著提升通行效率。
3)快速安檢通道布局
快速通道需與常規(guī)通道錯位布置并設置單向門,若乘客識別失敗則引導進入常規(guī)通道安檢。
4)安檢人員配備
在差異化安檢模式中,每個安檢機至少配置3名安檢員,1 名負責判圖,1 名負責行李復核,1 名負責快速通道指引。
根據居住型車站早高峰時段進站客流激增的特點,本節(jié)以南京地鐵某站為例,從臨時安檢配置角度給予優(yōu)化建議。
為充分利用現有站廳空間,結合高峰時段進站乘客遠大于出站乘客的特點,可將部分出站閘機改為臨時進站閘機,具體優(yōu)化方式如圖2 所示,流程如下。
圖2 臨時安檢配置方法Fig.2 Temporary security check configuration method
1)早高峰時段出站人數較少,可將部分出站閘機臨時改為進站閘機。
2)車站西側僅有1 號進站口,部分乘客通過臨時安檢進站,另一部分通過常規(guī)安檢進站,并設置臨時安檢點。
3)車站東側有兩個進站口,3 號口進站乘客直接通過臨時安檢通道檢票進站,2 號口進站乘客通過現有安檢進站。
本文將現有閘機配置方式分為兩種。方案A:檢票閘機組與乘客流線平行。該布置形式適用于站廳寬度受限的情況。方案B:檢票閘機組與乘客流線垂直。這種布局形式適合站廳寬度充裕、有足夠空間橫列閘機組的車站。
本文借助微觀仿真模型對進站閘機進行配置優(yōu)化,采用Anylogic 仿真軟件觀測分析自動檢票機兩側、樓梯處密度圖變化情況。
1)方案A 仿真分析
以正常狀態(tài)客流量作為進站乘客進行仿真,仿真密度如圖3 所示。
圖3 進站閘機方案A仿真Fig.3 Simulation of entry gate scheme A
結果顯示,因為閘機配置方式與乘客流線平行,導致乘客優(yōu)先選擇距離較近的閘機,并且限制了遠端閘機的利用率,最大客流密度位于距離近端閘機的區(qū)域。
2)方案B 仿真分析
以正常狀態(tài)客流量加載并運行仿真模型,乘客進站策略保持不變,運行仿真結果如圖4 所示。
圖4 進站閘機方案B仿真Fig.4 Simulation of entry gate scheme B
結果顯示,進站客流密度在進入閘機前趨于平衡,雖然最右側遠離樓梯的閘機利用率仍然較低,但是整體均衡性較好。
3)進站閘機布局優(yōu)化
為進一步優(yōu)化布局,將進站閘機分為兩組,一組與乘客流線平行布置,另一組則與乘客流線垂直布置,如圖5 所示。另外位于站廳中部的自動扶梯可在高峰期臨時調整為下行。
圖5 進站閘機優(yōu)化方案仿真Fig.5 Simulation of entry gate optimization scheme
仿真結果顯示,雖然平行配置閘機組相對垂直方向客流密度仍然較大,但整體密度得到了有效緩解。
總的來說,在車站站廳橫向空間受限的情況下,可采用方案A 進行布置;方案B 則經濟性不足,雖然閘機的利用率相對均衡,現實情況下乘客刷卡后會在轉彎處大量堆積,反而降低了進站效率;優(yōu)化方案由于借助中部下行扶梯分流了部分進站客流,增加了乘客進站的舒適度。
按照上述3 種優(yōu)化方案,本節(jié)提出高峰期間提升乘客進站效率的具體策略,具體步驟如下。
Step1:優(yōu)化策略初步判斷。安檢配置優(yōu)化方案的選擇需要綜合考慮進站客流量和進站通行能力,不同類型車站可選擇不同的安檢模式,具體如表2所示。
表2 安檢配置優(yōu)化策略初步判斷Tab.2 Preliminary judgment on optimization strategies for security check configuration
Step1.1:當進站客流量遠小于進站通行能力,即Qin<0.6,表明無需進行優(yōu)化,或僅考慮優(yōu)化進站流線,轉Step5。
Step2:差異化安檢模式。在初步判斷結束后,若需要優(yōu)化,優(yōu)先采取差異化安檢模式,調整適配仿真模型參數,若優(yōu)化結果滿意轉Step5,否則轉Step3。
Step3:臨時安檢配置優(yōu)化。當采取差異化安檢模式后,若安檢運行狀態(tài)仍然不理想,可將部分出站閘機調整為臨時進站閘機,若優(yōu)化結果滿意,轉Step5,否則轉Step4。
Step4:閘機布局優(yōu)化。此方案能夠優(yōu)化進站閘機區(qū)域密度,當連續(xù)進行差異化安檢模式和臨時安檢配置優(yōu)化后,絕大多數情況下能夠提升進站效率,轉Step5。
Step5:優(yōu)化策略流程結束。
為了使運營方綜合考慮采取最優(yōu)策略,本文依次采取基于差異化安檢模式的3 種優(yōu)化方案對現有安檢進行優(yōu)化。
本文以南京地鐵某站為例,通過計算車站進站通行能力,對比優(yōu)化前后安檢通過效率,驗證安檢配置優(yōu)化策略的有效性。
某站為居住型車站,工作日客流量巨大。根據實地調研,工作日早高峰平均進站客流超過了7 000人次;進站乘客方面,根據統(tǒng)計的736 個有效樣本,A 類乘客占比23%,B 類乘客占比42%,C 類乘客占比32%,D 類乘客占比3%;安檢通過時間方面,A 類乘客為3.29 s,B 類乘客為8.8 s,C 類乘客為10.59 s,D 類乘客為15.86 s,以此數據作為仿真建模的依據。
某站不存在換乘,高峰期主要為進站乘客,因此,本文不考慮出站乘客,僅計算進站通行能力。
1)安檢通過能力
進站通道一共有3 臺安檢機,站廳東西兩側各有1 臺安檢機,另外中間部位有1 臺安檢機,每個安檢區(qū)域有2 條行人通道,1 條通道為帶包通道,1條為無包通道。
帶包通道通行能力c1和無包通道通行能力c2計算如公式(9)、(10)所示。
實際情況下,帶包通道中一般有多名乘客同時接受安檢,取k1=5,無包通道中同樣會有多名乘客排隊,且安檢員會對乘客進行人身抽檢,取k2=1,故進站安檢通行能力Csc如公式(11)所示。
2)進站閘機通過能力
據統(tǒng)計,乘客刷卡通過閘機時間一般為1.8 s,站廳兩側進站閘機數量為12 臺,考慮到乘客排隊刷卡情況,取ka=0.8,故進站閘機通行能力如公式(12)所示。
3)通道通過能力
進站通道包括了進入車站到站廳之間的長通道、安檢至檢票閘機之間的通道和刷卡進站到樓扶梯之間的通道,取其最小寬度2 m,則通道通行能力如公式(13)所示。
4)樓梯通過能力
此處樓梯主要是指站廳到站臺之間的步行樓梯,主要服務于下行乘客。其通行能力為4 200 人次/小時,兩側樓梯寬度均為1.8 m,其通過能力如公式(14)所示。
根據公式(8),天潤城站進站通行能力為8 790人次/小時,總的來說現有安檢配置并不能滿足高峰期的通行需求,由此得出安檢區(qū)域為進站通行能力的決定性區(qū)域。
根據車站實景分別建立優(yōu)化前后仿真物理環(huán)境,本文通過對比優(yōu)化前后安檢通過人數和排隊長度等關鍵指標,能夠得出安檢通行效率的提升情況。
如圖6 所示,在運行模型后,站廳客流密度保持持續(xù)高位,但是采用差異化安檢模式后,安檢通道隊列變得井然有序。
圖6 優(yōu)化前后客流密度熱力圖對比Fig.6 Comparison of passenger flow density thermal maps before and after optimization
如圖7 所示,在采用差異化安檢模式后,兩側排隊長度明顯縮短,西側最大排隊人數由77 人縮短為45 人,東側由170 人縮短為87 人,均得到了明顯改善。
圖7 優(yōu)化前后安檢排隊長度對比Fig.7 Comparison of security line lengths before and after optimization
安檢通過能力以兩側通過安檢的客流量統(tǒng)計結果為準,優(yōu)化前安檢通過能力為1 085 人,優(yōu)化后通過能力為1 237 人,乘客整體進站效率提升了14.0%,達到了優(yōu)化的目的。
根據臨時安檢通行模式完成模型適配,結果顯示,安檢排隊人數與單純采用差異化,得到了進一步優(yōu)化。其中,東西兩側安檢排隊人數分別減少為38 人和36 人。此外,相同時間內通過安檢的通過能力從1 237 人增加到1 398 人,整體進站效率提升了13.0%,說明此優(yōu)化方案有效。
在上述優(yōu)化基礎上,繼續(xù)優(yōu)化檢票閘機布局,運行結果顯示:采用閘機配置優(yōu)化方案后,相同時間內通過安檢的進站乘客從1 398 人變?yōu)? 396 人,雖然整體進站效率保持不變,但是該優(yōu)化措施能夠改善區(qū)域最大客流密度,在疏解區(qū)域客流密度方面起到了關鍵作用。
本文主要針對高峰時段進站客流擁堵現狀,提出了差異化安檢模式,并結合實例進行仿真優(yōu)化研究。結果表明:天潤城站高峰時段進站客流量非常接近其通過能力;現有安檢配置方案很難滿足高峰時段進站需求;本文提出的安檢配置優(yōu)化策略能夠顯著提升乘客進站效率。本文研究有助于差異化安檢模式的普及,為運營方安檢優(yōu)化方案的制定提供參考。