随着城市轨道交通的日益发展,其舒适、安全、准时、便利等众多优点也越发明显,城市居民出行对轨道交通的依赖性也逐步提升,其对社会发展具有重要意义。但由于轨道交通网络结构复杂、列车运行方式多样、客流时空分布复杂等特点,一旦发生列车延误等突发事件,网络上大量乘客的出行将受到影响,其出行行为的选择也变得更加复杂。随之造成网络客流分布将会产生巨大变化,与正常运营相比,相关车站和断面的客流量及构成均会明显不同,造成安全隐患。为保证运营次序和客运安全应立即生成高效的城市轨道交通应急指挥决策,而作为应急决策的核心依据,突发事件发生后乘客的出行行为分析是当前具有重要意义的研究课题。本研究分析了突发事件对轨道交通网络客流出行行为选择产生的影响,建立了乘客Agent和列车Agent模型,利用离散事件系统仿真方法构建仿真模型,对城市轨道交通网络突发情况的乘客出行行为进行仿真研究。研究结果可为城市轨道交通网络客流分布的计算提供基础,进一步可对城市轨道交通应急指挥、列车运行方案调整等提供辅助决策依据。正常运营状态下,城市轨道交通网络客流分布采用基于多路径的概率选择模型计算。在发生突发事件条件下,乘客出行方式将发生较大改变,因此有必要专门针对突发事件条件下的乘客出行行为进行分析研究,为突发事件对网络客流分布的影响分析打下基础。突发事件条件下,乘客出行选择受到列车运行调整方案、客流引导信息等因素的影响,一般地,乘客会根据获得的有关实时信息,并结合自身经验做出相应的决策。乘客可能采取的替代出行方式包括:1)选择轨道交通网络中的其他可行路径绕开受影响区域;2)按原路径等待直到列车恢复运营;这里需考虑乘客的"不耐烦"的方面,即当乘客等待超过一定时间,乘客将放弃等待选择其他替代方式。3)直接选择出站采用其他交通方式;4)放弃出行。针对上述城市轨道交通乘客在突发事件条件下乘客出行行为改变的不确定性,可引入Agent仿真方法对乘客在城市轨道交通网络上的出行行为进行建模仿真。作为人工智能领域的核心概念,Agent是具备感知、分析、学习等智能行为,可与所处环境及其他实体动态交互、综合决策、调整自我状态的实体。对于城市轨道交通乘客,可抽象出乘客Agent类,包含如年纪、性别、步速等人的身体特征,以及乘客的出发点、目的地、出发时间、选择路径、当前位置等出行属性。对城市轨道交通列车,可抽象出列车Agent类,包含如车体号、车次号、所属线路、定员等列车的基本属性,以及载客量、始发站、终到站、当前位置等运行属性。城市轨道交通突发事件乘客出行行为仿真就是由上述多个乘客Agent和列车Agent构成的多智能体系统(Multi-Agent System,MAS),各Agent之间、Agent与环境之间进行感知、反馈、决策。乘客Agent拥有独立的出发站、目的站、出发时间等,不受外界其他因素影响,而乘客选择哪条路径出行,以及受突发事件影响后的选择行为等根据其自身的历史经验和实时环境动态自主改变,决策的依据是可替代方式的路径效用值,本文采用效用函数(Logit模型)确定乘客选择各种方式的概率。同时,乘客Agent的出行则依靠列车Agent带动,而列车Agent依据运行图上规定时间到达车站或从车站出发,基于突发事件发生后的实际列车运行情况,将乘客分配到每辆车上,结果更贴近突发事件情况;同时,考虑列车容量下的乘客"留乘"问题,根据乘客到达站台时间和列车满载率进行"留乘判定",若站台上需上车的客流超过列车还能容纳的客流量将会产生"留乘"现象;根据列车延误实时考虑乘客额外候车时间,和在延误列车上乘客的延误时间。突发事件下乘客出行行为仿真采用离散事件系统仿真方法(Time-Increment Simulation)构建仿真模型,模型以全天候原始OD客流数据,列车实际运行图为输入条件,以乘客在网络上的实时运动情况、分布情况为输出结果,实现按离散时间点对所有乘客Agent和列车Agent进行系统仿真。具体算法如下:Step1:当前时刻,对新进入的OD客流构建乘客Agent,达到发点的始发列车构建列车Agent;Step2:判断乘客Agent是否受突发事件影响,正常乘客按照既定出行路径出行,受事件影响的乘客依据上述分析选择替代方式进行出行路径决策,乘客Agent随即运动;Step3:判断轨道交通网络上所有列车Agent的当前位置,若列车Agent到达车站,办理乘客的上下车作业(本文假设乘客按照"先下后上"规则上下车,上车按"先进先出(FIFO)"规则),根据列车空闲容量和乘客Agent到达站台短时间判断乘客能否乘坐该列车,更新列车和乘客状态;Step4:若列车Agent到点离开车站,更新列车位置等属性;Step5:判断是否结束运营,是则终止仿真,否则时刻加1转到Step1。