论文部分内容阅读
摘 要：构建有效的地铁车站仿真模型对制定地铁客流疏散路径有重要的意义。文章从分析地铁车站空间示意图、构建地铁车站物理模型以及绘制客流仿真逻辑思路图等方面阐述了地铁车站仿真模型构建要点，基于仿真模型阐述了逻辑数据生成方式，并重点以进出站时间分布统计、地铁行人平均速度数据统计以及区域密度统计介绍仿真模型统计数据生成的方法。
关键词：地铁车站;客流仿真;行人行为;Anylogic
0 引言
伴随着经济的快速发展，城市轨道交通发展速度突飞猛进。根据中国城市轨道交通协会发布的城市轨道交通行业统计报告，广州地铁最高客流量达1 002.6万人次，客流强度已位居全国第一，其中，广州体育西站日客运量为全国最高。地铁系统客流高度密集、可控性差、突变性强、疏散条件差，潜在风险高和危险大。在早、晚客流高峰，轨道交通车站的楼层、闸机等瓶颈区域经常发生行人拥挤现象，不仅导致行人通行效率下降，还会产生诸多的安全问题。在地铁车站这种复杂的环境中，行人运动的安全性、舒适性以及瓶颈区域的通行效率引起的关注越来越多。为了对地铁车站行人微观行为进行客观分析，制定地铁客流疏散路径，需要构建有效的地铁车站仿真模型。文章基于Anylogic软件平台[1]，从地铁车站仿真模型构建要点和地铁车站仿真模型统计数据生成两个方面对地铁车站仿真模型构建进行研究[2]。
1 地铁车站仿真模型构建要点
1.1 分析地铁车站空间示意图
地铁车站建筑图纸是模型构建的基础。地铁车站的平面图、三维立体图由于涉及一些重要信息，通常情况都难以在网上找到。因此，通常采取预估法来确定地铁车站图纸。首先，可以通过百度地图、Bing地图等在线地图，从俯瞰的角度，确定地铁站的平面结构及平面尺寸[3]。其次，通过百度图片或网络搜索的方法，查一查相关地铁站是否有三维立体图，获取不同的角度建筑图。最后，到地铁站现场查看相关结构示意图以及设备设施，构思地铁车站的三维空间立体模型。
1.2 構建地铁车站物理模型
在建立物理模型的过程中，有几个要点：一是明确单位尺寸，单位尺寸可以根据模型复杂度，设置1单元是5 m，或 15 m，或35 m;二是设置层间，对不同的层间修改名称，并设置Z关键参数，Z为楼层高度;三是闭合构建区域，用线条构建一定范围的区域，线条可以是直线，也可以是折线，注意线条需要闭合，否则会出现行人乱跑现象（走出既定的区域），还需根据实际需要设置墙的高度[4];四是添加物理设施，根据地铁车站现场实际情况，添置安检门、闸机、自动售票机、栅栏等物理设施;五是对楼层间进行“开口”，利用折线在自动扶梯口或者楼梯口处进行折线“开口”;六是完善物理模型，添加扶梯组，扶梯组要重点设置扶梯的方向、宽度，添加柱子，柱子的位置、形状要适宜;七是设置到达线，在层间、闸机、出入口设置到达线（也称“目标性”），引导行人行走的方向。
1.3 绘制客流仿真逻辑思路图
利用行人库、流程建模库、智能体库等模块内容进行逻辑思路绘制，地铁车站行人行走常见逻辑思路为pedSource→pedEscalator→pedService→pedSelectOutput→pedGoTo→pedSink，再结合事件和函数一起使用。pedSource的使用需要先捕捉具体的目标线，目标线代表产生行人的位置，地铁车站可以有多pedSource，同理，也可以有多个pedEscalator，但是需要不同的命名，如pedEscalator1，pedEscalator2。pedGoTo常与collection集合结合起来用，collection初始内容可以把多个目标线集合起来，接着pedGoTo可以在目标线处使用函数randomFrom（collection），代表客流根据随机条件前往不同的目标处。地铁车站客流逻辑思路如图1所示。
关于事件，地铁车站常用到事件event，包括地铁到达的间隔事件，地铁到达后释放的行人数量以及上车人数等。一般的，可设置event触发类型为“到时”，模式为“循环”，首次发生时间为30 s（3 min），复发事件180 s（表示间隔 3 min），每次释放行人为100人，即pedSource.inject（100），上车人数的函数为pedWait.freeAll（）。
关于函数，地铁车站常用到就近原则找出口函数nearestExit，nearestExit（ped）==escalatorGroup。根据实际情况，可对程序代码参数名称进行更改。nearestExit函数体如下：
double dshortest = infinity ;
EscalatorGroup nearestexit = null;
for （ EscalatorGroup exit ： exits ）{
double d = ped.distanceTo （ exit.getX（），exit.getY（） ） ;
if （d < dshort test ） {
dshortest = d ; nearestexit = exit ;
}
}
return nearestexit ;
2 地铁车站仿真模型统计数据生成
地铁车站仿真模型数据生成[5-6]，一般有两种方式展示，一是数据形式，二是图表形式。数据形式可以有数据集、统计、直方图数据以及二维直方图数据以及输出。图表形式有条形图、堆叠图、饼状图、折线图、时间折线图、时间对堆叠图、时间着色图以及直方图。 2.1 逻辑数据生成
在模型启动时，逻辑思路图将会根据设置的情况随机生成逻辑数据，如图2所示。从pedSource开始随机产生地铁行人数据;pedEscalator处上下左右有4个数据，左侧数据代表从pedSource产生随机行人行走到电梯之间的行人数据，上面数据代表正在乘坐电梯的行人数据，右侧代表离开电梯的行人数据;pedSelectOutput左右两侧有6个数据，左侧1个数据代表需要进行路径选择的总人数，右侧5个数据代表选择不同路径的人数。另外pedService，pedChangeGround等逻辑数据原理相同。
2.2 进出站时间分布统计
进出站时间分布统计，利用流程建模库函数和图表来表示。首先，在流程建模库找到控件函数，将其添置到需要获取数据的地方。一般通过添置timeMeasureStart在pedSourece与pedEscalator处获取进站行人数据，timeMeasureEnd添置在pedWait与pedSink处获取行人出站情况。然后通过直方图绑定数据函数，进站时间分布直方图设定为timeMeasureStart.distribution（ ），出站时间分布图设定为timeMeasureEnd.distribution（ ）.
2.3 地鐵客流平均速度数据统计
地铁客流平均速度数据统计，利用事件、参数以及图表来表示。首先，添加参数函数，并命名为speed;其次，添加事件event，设置模式为循环模式，并在行动面板处设置函数：speed = 0，for（Person p： people），speed = speed + p.getSpeed（ ）/people.size（ ）;最后，在pedSoure处将根据智能体的默认群设置为自定义群people即可。
2.4 区域密度统计
区域密度统计，利用密度图来表示。直接添加行人库中的密度图到编辑区域上，密度图本身不显示密度变化情况，仅代表密度的大小，密度图默认大小是0.00～1.50。默认情况下，“临界密度”（Critical Density）值为1.5个单位/m2，可根据实际情况修改密度图的值。在模型运行时，密度值等于或大于临界密度阈值的区域将用红色绘制（如果某些其他颜色未使用自定义颜色方案设置）。由于地铁空间有不同的层，统计区域密度图，需要选择所统计的层间。地铁站首层行人密度效果如图3所示。
3 结语
文章从地铁车站仿真模型构建要点和地铁车站仿真模型统计数据生成两个方面阐述了如何构建有效的地铁车站仿真模型构，期望为基于Anylogic设计开发地铁车站仿真模型的研究人员提供参考、借鉴。
[参考文献]
[1]朱清波，宋庭新，李岩.基于Anylogic的轨道交通换乘能力改进的研究[J].计算机仿真，2020（2）：169-173，415.
[2]霍扬.基于客流模拟的沈阳地铁1、2号线换乘站改造设计研究[J].铁道标准设计，2018（7）：148-153.
[3]赵建立，石敬诗，孙秋霞，等.基于混合深度学习的地铁站进出客流量短时预测[J].交通运输系统工程与信息，2020（5）：128-134.
[4]房霄虹，冯爱军，刘彦君.轨道交通换乘车站客流仿真评估指标体系优化及应用[J].都市快轨交通，2016（5）：68-73.
[5]陈先龙，宋程，廖胜华.基于仿真试验设计的地铁换乘通道客流适应性研究[J].城市轨道交通研究，2015（8）：67-70，75.
[6]丁青艳，王喜富，单庆超，等.轨道交通行人流运动建模及仿真[J].交通运输系统工程与信息，2011（5）：99-106.
（编辑 王雪芬）
关键词：地铁车站;客流仿真;行人行为;Anylogic
0 引言
伴随着经济的快速发展，城市轨道交通发展速度突飞猛进。根据中国城市轨道交通协会发布的城市轨道交通行业统计报告，广州地铁最高客流量达1 002.6万人次，客流强度已位居全国第一，其中，广州体育西站日客运量为全国最高。地铁系统客流高度密集、可控性差、突变性强、疏散条件差，潜在风险高和危险大。在早、晚客流高峰，轨道交通车站的楼层、闸机等瓶颈区域经常发生行人拥挤现象，不仅导致行人通行效率下降，还会产生诸多的安全问题。在地铁车站这种复杂的环境中，行人运动的安全性、舒适性以及瓶颈区域的通行效率引起的关注越来越多。为了对地铁车站行人微观行为进行客观分析，制定地铁客流疏散路径，需要构建有效的地铁车站仿真模型。文章基于Anylogic软件平台[1]，从地铁车站仿真模型构建要点和地铁车站仿真模型统计数据生成两个方面对地铁车站仿真模型构建进行研究[2]。
1 地铁车站仿真模型构建要点
1.1 分析地铁车站空间示意图
地铁车站建筑图纸是模型构建的基础。地铁车站的平面图、三维立体图由于涉及一些重要信息，通常情况都难以在网上找到。因此，通常采取预估法来确定地铁车站图纸。首先，可以通过百度地图、Bing地图等在线地图，从俯瞰的角度，确定地铁站的平面结构及平面尺寸[3]。其次，通过百度图片或网络搜索的方法，查一查相关地铁站是否有三维立体图，获取不同的角度建筑图。最后，到地铁站现场查看相关结构示意图以及设备设施，构思地铁车站的三维空间立体模型。
1.2 構建地铁车站物理模型
在建立物理模型的过程中，有几个要点：一是明确单位尺寸，单位尺寸可以根据模型复杂度，设置1单元是5 m，或 15 m，或35 m;二是设置层间，对不同的层间修改名称，并设置Z关键参数，Z为楼层高度;三是闭合构建区域，用线条构建一定范围的区域，线条可以是直线，也可以是折线，注意线条需要闭合，否则会出现行人乱跑现象（走出既定的区域），还需根据实际需要设置墙的高度[4];四是添加物理设施，根据地铁车站现场实际情况，添置安检门、闸机、自动售票机、栅栏等物理设施;五是对楼层间进行“开口”，利用折线在自动扶梯口或者楼梯口处进行折线“开口”;六是完善物理模型，添加扶梯组，扶梯组要重点设置扶梯的方向、宽度，添加柱子，柱子的位置、形状要适宜;七是设置到达线，在层间、闸机、出入口设置到达线（也称“目标性”），引导行人行走的方向。
1.3 绘制客流仿真逻辑思路图
利用行人库、流程建模库、智能体库等模块内容进行逻辑思路绘制，地铁车站行人行走常见逻辑思路为pedSource→pedEscalator→pedService→pedSelectOutput→pedGoTo→pedSink，再结合事件和函数一起使用。pedSource的使用需要先捕捉具体的目标线，目标线代表产生行人的位置，地铁车站可以有多pedSource，同理，也可以有多个pedEscalator，但是需要不同的命名，如pedEscalator1，pedEscalator2。pedGoTo常与collection集合结合起来用，collection初始内容可以把多个目标线集合起来，接着pedGoTo可以在目标线处使用函数randomFrom（collection），代表客流根据随机条件前往不同的目标处。地铁车站客流逻辑思路如图1所示。
关于事件，地铁车站常用到事件event，包括地铁到达的间隔事件，地铁到达后释放的行人数量以及上车人数等。一般的，可设置event触发类型为“到时”，模式为“循环”，首次发生时间为30 s（3 min），复发事件180 s（表示间隔 3 min），每次释放行人为100人，即pedSource.inject（100），上车人数的函数为pedWait.freeAll（）。
关于函数，地铁车站常用到就近原则找出口函数nearestExit，nearestExit（ped）==escalatorGroup。根据实际情况，可对程序代码参数名称进行更改。nearestExit函数体如下：
double dshortest = infinity ;
EscalatorGroup nearestexit = null;
for （ EscalatorGroup exit ： exits ）{
double d = ped.distanceTo （ exit.getX（），exit.getY（） ） ;
if （d < dshort test ） {
dshortest = d ; nearestexit = exit ;
}
}
return nearestexit ;
2 地铁车站仿真模型统计数据生成
地铁车站仿真模型数据生成[5-6]，一般有两种方式展示，一是数据形式，二是图表形式。数据形式可以有数据集、统计、直方图数据以及二维直方图数据以及输出。图表形式有条形图、堆叠图、饼状图、折线图、时间折线图、时间对堆叠图、时间着色图以及直方图。 2.1 逻辑数据生成
在模型启动时，逻辑思路图将会根据设置的情况随机生成逻辑数据，如图2所示。从pedSource开始随机产生地铁行人数据;pedEscalator处上下左右有4个数据，左侧数据代表从pedSource产生随机行人行走到电梯之间的行人数据，上面数据代表正在乘坐电梯的行人数据，右侧代表离开电梯的行人数据;pedSelectOutput左右两侧有6个数据，左侧1个数据代表需要进行路径选择的总人数，右侧5个数据代表选择不同路径的人数。另外pedService，pedChangeGround等逻辑数据原理相同。
2.2 进出站时间分布统计
进出站时间分布统计，利用流程建模库函数和图表来表示。首先，在流程建模库找到控件函数，将其添置到需要获取数据的地方。一般通过添置timeMeasureStart在pedSourece与pedEscalator处获取进站行人数据，timeMeasureEnd添置在pedWait与pedSink处获取行人出站情况。然后通过直方图绑定数据函数，进站时间分布直方图设定为timeMeasureStart.distribution（ ），出站时间分布图设定为timeMeasureEnd.distribution（ ）.
2.3 地鐵客流平均速度数据统计
地铁客流平均速度数据统计，利用事件、参数以及图表来表示。首先，添加参数函数，并命名为speed;其次，添加事件event，设置模式为循环模式，并在行动面板处设置函数：speed = 0，for（Person p： people），speed = speed + p.getSpeed（ ）/people.size（ ）;最后，在pedSoure处将根据智能体的默认群设置为自定义群people即可。
2.4 区域密度统计
区域密度统计，利用密度图来表示。直接添加行人库中的密度图到编辑区域上，密度图本身不显示密度变化情况，仅代表密度的大小，密度图默认大小是0.00～1.50。默认情况下，“临界密度”（Critical Density）值为1.5个单位/m2，可根据实际情况修改密度图的值。在模型运行时，密度值等于或大于临界密度阈值的区域将用红色绘制（如果某些其他颜色未使用自定义颜色方案设置）。由于地铁空间有不同的层，统计区域密度图，需要选择所统计的层间。地铁站首层行人密度效果如图3所示。
3 结语
文章从地铁车站仿真模型构建要点和地铁车站仿真模型统计数据生成两个方面阐述了如何构建有效的地铁车站仿真模型构，期望为基于Anylogic设计开发地铁车站仿真模型的研究人员提供参考、借鉴。
[参考文献]
[1]朱清波，宋庭新，李岩.基于Anylogic的轨道交通换乘能力改进的研究[J].计算机仿真，2020（2）：169-173，415.
[2]霍扬.基于客流模拟的沈阳地铁1、2号线换乘站改造设计研究[J].铁道标准设计，2018（7）：148-153.
[3]赵建立，石敬诗，孙秋霞，等.基于混合深度学习的地铁站进出客流量短时预测[J].交通运输系统工程与信息，2020（5）：128-134.
[4]房霄虹，冯爱军，刘彦君.轨道交通换乘车站客流仿真评估指标体系优化及应用[J].都市快轨交通，2016（5）：68-73.
[5]陈先龙，宋程，廖胜华.基于仿真试验设计的地铁换乘通道客流适应性研究[J].城市轨道交通研究，2015（8）：67-70，75.
[6]丁青艳，王喜富，单庆超，等.轨道交通行人流运动建模及仿真[J].交通运输系统工程与信息，2011（5）：99-106.
（编辑 王雪芬）