作者：李斌
在人们享受地铁带来的现代化便利生活同时，一系列地铁事故不断发生。2003年韩国大邱地铁火灾事件，造成198人死亡、147人受伤；2010年俄罗斯地铁连环爆炸事件，导致40人死亡、近百人受伤；2011年我国上海地铁列车追尾，导致200余人受伤。这些惨痛事件不仅与火灾、爆炸、追尾等地铁恶性事故相关，更与事故发生时的应急疏散有直接关系。2014年上海外滩跨年夜踩踏事件，并非由火灾爆炸等恶性事故引发，而仅因人流对冲、疏散混乱等原因，酿成36人死亡、49人受伤的惨剧。地铁站、集会等人员密集场所应急疏散时，由于受到周围事故环境刺激，人员易出现不听从引导人员指挥、推挤人群等过激行为以及跟随人群行动的从众行为等而影响疏散效率。刘栋栋等对北京市多个地铁站早高峰行人流进行观测，通过大量数据统计得到行人的速度、年龄、身宽等特征数值，为地铁应急疏散设计提供可靠依据；保鲁昆、朱君研究地铁站人员特性对疏散的影响，并建立了乘客应急疏散行为过程Petri网模型；Li Yi - fan等利用Simulex软件对岛式地铁站应急疏散进行仿真，研究疏散中瓶颈位置对于人员的影响；许伟伟使用Java语言建立疏散仿真模型，并对北京、上海等地的地铁站进行疏散研究。以往学者多将研究重点倾向于地铁疏散中人员特征观测、疏散行为分析与疏散仿真建模方面，而对考虑地铁不同运行时段人群特征的疏散仿真较少。通过对考虑人群特征的地铁不同运行时段疏散进行仿真，可以对事故灾害条件下不同运行时段的地铁疏散进行研究。
1 地铁不同运行时段人群特征分析
1.1 地铁不同运行时段
选取北京市某地铁换乘站进行观测，该地铁站换乘站内有L1、L2两条地铁线路，且沿线均经过几个大型客流集散点，携带大件行李乘客较多，乘车人员结构较为复杂。观测点设置在该换乘站各个出入口处，共9个。由于工作日客流数量较大，各运行时段客流数量差异性明显，故选择3个连续工作日的6：00~ 22:00进行观测，记录每小时进入该地铁站人员数量，观测结果如图1所示。
上述观测结果表明，地铁运行时段内进入地铁站乘车的人员数量呈一定变化规律，结合人员数量峰值变化规律，将地铁运行时段分为高峰(7：00~9:00,17:00~19:00)、平峰(9:00~11:00,12:00~15：00，16：00~17：00，19:00~ 22:00)及低峰(6:00～7:00 ,11:00～12:00 ,15:00～16:00).
对该地铁站内不同运行时段同一时刻到站列车数目进行观测可知，一列车到站与两列列车同时到站的情况最为普遍，出现频率为所有列车到站情况的44.3%与30.1%，各运行时段列车到站数量比值如表1所示。
1.2不同运行时段人群特征
由于该地铁站线路沿线经过几个大型客流集散点，乘车人员除早晚高峰通勤的市民外，还包含大量携带大件行李的乘客，不同运行时段的人员组成各不相同，将对地铁疏散造成很大的影响。在进行疏散仿真时，应考虑不同时段人员的年龄、携带行李情况及速度等人群特征对疏散的影响。
1.2.1年龄特征
年龄特征与疏散中人的行为反应显著相关，疏散过程中，未成年人及老年人因其不利生理因素更容易产生恐惧、呆滞等不利于疏散的心理及行为，而中青年人则表现较为冷静。将人员年龄分为未成年、中青年及老年三类，对不同运行时段进入该地铁站的人员年龄情况进行观测，高峰时段选取8:00~9:00；平峰时段选取10:00~11:00；低峰时段选取15：00~ 16：00，各时段的人员年龄比例如表2所示。
1.2.2携带行李情况特征
人员携带大件行李时，行李的大小与重量将减慢人员的疏散运动速度，造成疏散时间增大，且携带行李人员担心疏散中的财产损失，更易产生惊慌情绪与折返取物等不理智行为，对地铁疏散造成一定的不良影响。将人员携带行李情况分为携带大件、携带小件及未携带，对该地铁站人员携带行李情况进行观测，高峰时段选取8:00~9:00；平峰时段选取10:00~11:00；低峰时段选取15：00~16：00。高峰时段通勤市民较多，大多为学生与职员，携带大件行李的乘客较少，仅占9 010；而平峰时段前往大型客流集散点的乘客较多，短途出行的乘客数量较少，携带大件行李的人员占39%，不同运行时段人员携带行李情况比例如表3所示。
1.2.3速度特征
国内外许多学者对疏散中用人员速度进行了大量观测，不同国家不同地区人员平均速度值存在着一定差异，且年龄、性别、出行目的、换乘通道方向等因素均对人员速度有影响。对该地铁站内楼梯与换乘通道处人员运动速度分别进行视频观测，选择该地铁站内Li线西北乘车通道人口下行楼梯处、L2线岛式站台与换乘站厅间上行楼梯处、L1线换L：线换乘长通道人口处、L2线西侧乘车通道平台处作为试验点，高峰时段观测时间为18:00~19:00，平峰时段为10：00~11:00，低峰时段为15：00~16：00。以上述年龄特征将人员进行分类，楼梯、换乘通道处各运行时段不同年龄的人员运动速度观测值如表4~表6所示。
2 地铁疏散仿真研究
2.1 疏散仿真建模
该地铁站内包含L1、L2两条地铁线路，线路中列车采用标准B型车，3拖3动共6辆编组，两条线路之间的换乘方式为通道换乘。L1线为地下负三层结构，地下一层为换乘大厅，地下二层为分离站厅，地下三层为岛式地铁站台；L2线为地下负二层结构，地下一层为换乘大厅，地下二层为岛式地铁站台。
根据该地铁站实际建筑尺寸，利用人员疏散仿真软件Pathfinder进行仿真建模。该软件具有可以利用三维视觉效果展示疏散场景、可以分区域显示建筑物内各个区域人员疏散情况、可以精确选择观测每个人员的逃生路径以及疏散所用时间等优点。且该软件使用三角形导航网格和A*搜索算法生成人员疏散运动路径，并运用string pul-ling技术使人员运动路径变平滑而保证人员在障碍物影响范围外。
人群特征可通过设置反应延迟时间、肩宽、步速值体现。将未成年与老年的反应延迟时间设置为3s，中青年为Os。考虑穿衣厚度0.02m，将疏散中未携带行李的人员肩宽值设置为0.4m。对60件人员携带的行李进行测量，将疏散中携带大件行李人员的肩宽值设为0. 6m，携带小件行李人员的肩宽值为0. 45m，结合上述地铁运行时段人群特征数值对仿真模型中的人员进行设定，建立地铁疏散仿真模型如图2所示。
2.2 高峰时段人群特征疏散仿真
由观测可知，高峰时段同一地铁线路两车到站平均时间间隔为178. 8s。在此间隔内人员主要由新进入地铁站准备乘车人员、上一列车中仍在站内活动的人员、站台候车人员、服务人员与其他滞留人员等组成。分别在上述9个观测点处记录178. 8s内进出该地铁站的人员数量，并对候车站台与换乘通道内的人员数量进行记录可知，高峰时段某一时刻进行疏散时，地铁站各通道与候车站台内的人员数量为982人。且高峰时段乘车人员具有数量多、密度大等特点，将高峰时段列车内人员数量按列车运输能力定额进行计算，即每列车6车厢中共有1460人。
结合上述高峰时段人群特征分析，分别对高峰时段某一时刻最常见的两列列车同时到站、1列车到站进行疏散仿真分析。
2.2.1 两列列车同时到站疏散分析
高峰时段两列列车同时到站时，两列列车中人员汇入站台与通道内，站内人员密度剧增，对疏散造成一定压力。假设地铁站内L，线与L2线上行列车同时到站，站内共有3902人进行疏散，仿真疏散时间为426. 8s，疏散时间大于地铁设计规范中站台层事故疏散时间不大于6min的要求。
疏散中拥堵现象明显，主要拥堵点为各疏散通道、楼梯及分离站厅闸机处，两条线路间换乘长通道处无拥挤现象。出口B、D、H利用率较低，大部分人员选择离自己所在位置较近的出口进行疏散。线中大量人员选择出口A进行疏散，导致出口A附近通道人员密度不断增加，人员滞留排队疏散现象严重，当其他出口完成疏散时，A口处人员仍在进行疏散，影响疏散总时间。高峰时段两列列车同时到站人员疏散情况如图3所示。
2.2.2 -列车到站疏散分析
分别对高峰时段仅L1线上行列车到站与仅L2线上行列车到站进行疏散仿真，此时站内2442人，疏散仿真结果为261. Ss与333. 3s。L1线虽为地下负三层结构，但站台与站厅间有6部位于岛式站台中心两侧的楼梯可供疏散使用、疏散通道短、疏散环境简单，疏散中人员可以任意选择距离自己较近的楼梯进行疏散。存在拥堵现象，拥堵点主要为负二层分离站厅闸机处与岛式站台楼梯入口处。L2线楼梯位于站台两侧，疏散通道较长，虽然有5个出口
可以选择，但大多数人员由于趋近心理而选择距离较近的A、C1、C2口，其余出口利用率低，造成大量人员拥堵在通往这些出口的分层站台通道处。拥堵现象较为明显，拥堵点为岛式站台楼梯入口处、分层站台处与A、C1、C2口附近疏散通道处等。高峰时段仅L2线上行列车到站疏散情况如图4所示。
2.3平峰、低峰时段人群特征疏散仿真
地铁运行平峰、低峰时段人员密度明显低于高峰时段，疏散中的不安全因素较少，故在进行疏散仿真时仅对平峰、低峰时段某一时刻两列列车同时进站时的疏散进行分析。
分别对平峰、低峰时段前后两列列车到站时间间隔进行观测，并对两时段进出站、车厢中及候车站台与通道内的人员数量进行记录，观测记录结果如表7所示。
结合上述平峰、低峰时段人群特征分析，分别对平峰、低峰时段两列列车到站时的疏散进行仿真分析。平峰、低峰时段仿真疏散时间为241. 8s及193.3s，不同时刻人员疏散情况如图5所示。
L2线大部分人员选择站台东侧的疏散通道进行疏散，少部分人员选择站台西侧的通道。疏散初期站台东侧通道出现短暂拥堵现象，但由于出口数量较多，拥堵现象得到缓解。大部分人员选择距离列车上行方向较近的出口A、C1、C2进行疏散，仅有少量人员从出口B、D进行疏散。L1线拥堵点主要为负二层分离站厅闸机处，大部分人员选择使用距离较近、宽度较大的闸机通道，其余闸机通道的使用率较低，几乎没有人员通过负二层分离站厅北侧闸
机进行疏散。平峰、低峰时段人员疏散路径如图6所示。
3地铁疏散效率提高建议措施
3.1 注重时段差异性的地铁疏散管理
不同运行时段人员数量、特征具有较大差异，应结合这些因素进行注重时段差异性的地铁疏散管理。高峰时段疏散时，为防止疏散人员因人群密度过大、疏散环境复杂等问题造成如恐慌、呆滞、从众等不利于疏散的情绪及行为，应在站台及各通道增设疏散引导人员，并保证站内疏散信息能够有效的传播；平峰时段疏散携带大件行李人员数量较多时，应通过站内广播等方式强调生命安全第一位原则，防止发生人员折返取物、为保护行李而推搡人群等行为；低峰时段疏散时，应在站台处增设疏散引导，将疏散人员分流至各个出口，提高出口使用率，减低疏散时间。
3.2增强拥堵点的疏散引导
在各时段疏散中，A口与L1线负二层分离站厅处最易形成拥堵点，人员疏散至此处时由于受到趋近心理影响而忽视距离较远的闸机通道，造成大量人员拥堵在距离较近的闸机处，形成瓶颈型拥堵点。疏散中应在拥堵点处增设引导人员，将人员引导至不同闸机通道方向，减少排队等待人员数量，提高疏散效率。
3.3缩短列车行车间隔
地铁运营组织管理中应适当缩减列车行车间隔，减少站内候车人员数量，减轻疏散压力。根据大客流方向，可采用利用就近的存车线、折返线等组织
列车的运行方案及增大列车发车的频率的方法，降低站台内等待候车的人员数量，保证地铁疏散的安全、高效性。
4结论
1)北京地铁运行时段为高峰时段、平峰时段及低峰时段，且各个时段乘客年龄、携带行李情况、运动速度等人群特征不同，地铁不同运行时段人员疏散存在显著差异。
2)高峰时段两列列车同时到站时，疏散中拥堵现象明显，部分疏散设施利用率较低；高峰时段两列列车同时到站与一列列车到站进行疏散时，人员疏散情况存在一定差异。
3)平峰与低峰时段两列列车同时到站疏散拥堵点明显，出口利用率情况较为一致。
4)地铁疏散中人员易受到趋近心理影响而降低疏散设施使用率。
5)针对分析结果对提高地铁疏散效率提出注重时段差异性的地铁疏散管理、增强拥堵点的疏散引导、缩短列车行车间隔等建议措施。
5摘要：
针对地铁不同运行时段人群特征对疏散的影响，对每小时进入地铁站人数进行观测，将地铁运行时段分为高峰时段、平峰时段与低峰时段，并对各时段某一时刻列车到站数量进行记录。对不同运行时段的年龄、携带行李情况、速度等人群特征进行观测记录，根据各时段人群特征对地铁站进行Pathfinder疏散仿真建模。从疏散用时、拥堵点、人员疏散路径、出口利用率等方面对各运行时段人员疏散仿真结果进行分析，得到高峰时段两列列车同时到站时，疏散拥堵现象明显，且两列列车到站与1列车到站两种情况下的人员疏散存在一定差异；平峰与低峰时段两列列车同时到站疏散拥堵点明显，出口利用率情况较为一致。最后，对提高地铁疏散效率提出几点建议措施：注重时段差异性的地铁疏散管理；增强拥堵点的疏散引导；缩短列车行车间隔。
