轨道交通枢纽人员紧急疏散技术现状及展望*

李伟许强张颖

（重庆交通大学信息科学与工程学院，400074，重庆∥第一作者，教授）

随着国内外许多城市的轨道交通网络化发展，形成了较多的多线换乘枢纽站点或大型多交通模式互联互通站点，即轨道交通枢纽。这些枢纽存在着交通方式多层次、旅客客流多方向、旅客流量大而发散的典型特征。在一个旅客人群密度极高，且相对封闭的轨道交通枢纽空间中，当出现突发情况时，如何采取合理的技术和管理措施，将封闭空间中的人员安全、迅速地疏散到开阔地带，保障轨道交通运输系统的顺利运行，是一个极为重要且新颖的公共安全课题。

1 轨道交通枢纽紧急疏散技术现状

国内外许多研究者从不同方面对轨道交通枢纽的人员疏散问题进行了研究，总体上可分为轨道交通枢纽疏散空间环境设计、疏散人员客流环境分析、疏散行为模式研究等3个细分研究领域。

1.1 疏散空间环境设计

轨道交通枢纽空间环境分析主要指轨道交通枢纽内部的站台、站厅等空间布局形式在紧急事件发生时，对人员疏散效果的影响。研究多围绕轨道交通枢纽建筑布局、建筑设计参数、设备设置、运行参数等方面展开。现有主要研究总体情况如表1所示。

在轨道交通枢纽空间疏散设计上，文献［1］结合轨道交通型地下综合体的固有属性，提出了具体的“整体-分区-单元”分层分级的疏散空间设计研究对策；文献［2］分析了铁路综合客运枢纽交通设施布局及配置方法，针对铁路综合客运枢纽内场站类换乘设施的布局、规模、数量进行研究；文献［3］讨论了不同的城市轨道交通枢纽线路和车站形式的交通承载容量；文献［4］以中庭式空间布局方式为计算对象，比较了不同国家标准下的疏散时间计算模式。

表1 疏散空间环境研究分类

在空间设施疏散能力分析和设备应用效果研究方面，文献［5］以数据形式表明门式闸机的疏散效果优于三杆式闸机；文献［6］提出了轨道交通枢纽中行人交通导向标志指示效率概念；文献［7］研究了北京地下综合交通枢纽的安全标识,明确了安全标识的定义、分类和优化原则；文献［8］结合楼梯物理特性和楼梯上乘客运动特性两方面，对楼梯通行能力进行了计算与仿真；文献［9］分析讨论了地铁疏散平台不同设置方法与区间轨旁设备敷设路径所具有的优势和不足。

城市轨道交通枢纽各疏散设施往往空间相距比较近，而旅客聚集度大、应急疏散流存在互相影响关系，使各应急设施缺少实时联动性。同时，在对自动扶梯、楼梯、检票口等城市疏散瓶颈设施的通行能力规定上，尚未充分考虑紧急疏散情况下的人员通过能力，难以完全满足轨道交通枢纽人员疏散设计的真实条件。

1.2 疏散人员客流环境分析

不同地域的轨道交通枢纽人员密集性、流动性、差异性都较大，往往呈现出区域性特色，形成了各具特色的人员客流环境特征。现有主要研究总体情况如表2所示。

国外对于轨道交通乘客等疏散人员特征研究开展较早，获得的人员特征数据较为系统完整，并已形成 了 Building EXODUS、Anylogic、SimWalk、STEPS、VISSM等应用性仿真软件。国内早期对于轨道交通人员疏散特征的研究较少且缺乏系统性，一般直接使用或参考国外数据。近几年国内也在逐步加强人员特征调查、相关数据采集和统计分析工作，并取得了一些初步的成果：文献［10］北京、南京、广州三地通过问卷调查法和统计分析法，分析了地铁乘客疏散行为特征；文献［11］选择某地铁线上客流量较大的B站乘客为调查对象，随机调查现场人员心理反应、行为反应、安全出口选择等疏散特征；文献［12］通过视频采集、后期人工处理，实测分析了地铁通道内行人交通微观特性；文献［13］利用元细胞自动机模型对行人疏散仿真的行为效果进行了研究；文献［14］利用在北京地铁东单站、西直门站及天通苑站获取的551份调查问卷，讨论分析了地铁乘客个人特性与疏散行为特征相关性影响。在相关工作基础上，目前初步形成了国内轨道交通枢纽人员的特征认知，但上述研究往往是针对轨道交通单条线路、单个站点的人员情况进行调查和分析，设计的人员调查问卷特定性较强。

表2 疏散客流环境研究分类

在轨道交通枢纽的客流环境研究方面，文献［15］研究了轨道交通枢纽客流、设施设备和区域构成、环境及其界限、输入和输出、时间维等客流集散系统情况，提出了基于图像处理的客流数据采集方法和过程；文献［16］在国内提出了“超大客流”及告警阈值的概念,给出了超大客流的告警阈值方法；文献［17］使用保障率和成本作为博弈支付函数，构建了处理突发大客流的两阶段动态博弈模型；文献［18］面向大型活动产生的突发客流，讨论了“轨道交通为主、多交通方式配合”方法；文献［19］使用疏散排队论，分析了重庆轨道交通在不同客流形态下的不同形式服务系统模式。

上述研究表明，轨道交通枢纽疏散环境设计和分析对于人员紧急疏散能力和效果有着重要影响。后续需要积极开展人员理论优化和验证性应用。

1.3 疏散环境中人员行为模式

人群疏散行为模式研究始于20世纪初，初期主要通过调查试验等手段进行定性的描述，中后期多以计算机模拟等方法对人群或个体进行分析。目前，国内外已经建立和正在开发的人员疏散仿真模型有Wayyout、Evacnet、Xit89、Helbing 社 会 力 模 型 、Okazaki磁场力模型、Victor Blue元细胞模型、元胞自动机模型等20余种。早期疏散模型大部分采用传统的连续型仿真和离散型仿真方法建立，近几年为更好地实现疏散过程人员个体行为仿真特性，元胞自动机、移动格子气、Agent等仿真微观模拟方法也在轨道交通枢纽人员疏散仿真建模中有所应用。现有主要研究如表3所示。

表3 疏散行为模式研究分类

在人员疏散行为模式关系模型研究方面，文献［20］采取了基于元胞自动机模型的仿真算法，改进了以平均速度、密度、流量关系公式确定行人运动的传统即时速度方法，；文献［21］利用自适应Agent技术，构建了基于神经元模型的环境感知、行为决策、动作执行的Agent自适环境拥挤感知模式及乘客人员微观行为动力学模型；文献［22］利用可视化技术开展游客疏散行为引导分析与决策支持技术研究。上述研究工作已经部分形成了一些连通人流流量、人群密度和人流平均速度的人员行为模式关系模型算法。

在人员疏散行为模式策略分析及仿真方面，文献［23］从地铁枢纽站台乘客行为时空分布特点出发，引入势能场的概念和个体决策规则，讨论了复杂拥挤条件下乘客人员个体方向选择与行为决策方案；文献［24］基于从众心理机制对轨道交通枢纽人员疏散行为效应进行了讨论和分析；文献［25］对地铁火灾中的人员有效行为模式进行了研究和讨论；文献［26］基于Agent技术研究了轨道交通通道内的行人行为和通道优化；文献［27］面向宣武门北京地铁站4号线平台环境，研究了火灾环境中空气温度和烟密度变化下的应急疏散行为模式。

在疏散行为模式、疏散路径选择方法方面，文献［20］考虑了行人行走距离、拥挤程度和运动方向等因素，提出了行人路径选择的效应值公式；文献［28］结合交通流理论和疏散人员特性，数学化地铁疏散网络的路径阻抗函数，提出了地铁疏散网络的路径分配方法和人员疏散时间计算方法；文献［29］在分析密度、行人流量基础上，建立了地铁枢纽的人员疏散路径优化模型，仿真表明最高可缩短疏散时间16.05%；文献［30］将个人空间理论概念引入到疏散等人员拥挤环境,设计了考虑个体行为差异性的人员疏散行走路径优化模型。

由于人群疏散行为模式异常复杂，且随机性强，在上述工作成果基础上，后期工作中可充分考虑疏散人员特征行为和环境信息的相互影响，积极引入协同机制、博弈机制、心理机制等因素，进一步探索轨道交通枢纽疏散人员行为模式规律和参数数字化模型设计。

2 轨道交通枢纽紧急疏散技术新思考

城市轨道交通枢纽区域设施通行和人流聚集状态错综复杂，已呈现为分布式开放的规模化系统，而现有人员紧急疏散控制系统大多是单点孤立管理，并没有充分考虑区域内疏散设施、疏散人流的相互影响、相互作用，效果往往不尽如人意；现有工作也多侧重于对影响疏散效果的空间布局、设施配置因素、疏散特征参数、行为模式等多方面的讨论分析，但较少涉及基于旅客人群应急分布特征和疏散措施通行能力的实时协同疏散诱导方法研究。

2.1 基于免疫机制的疏散协同框架构建

生物免疫系统是通过分布在全身的不同种类的免疫细胞来识别和清除侵入生物体的抗原性异物。疏散协同调控过程类似于免疫系统病毒识别过程，不同免疫细胞在本质上已经具备了智能Agent的共性特点，一个基于相关免疫机制的疏散过程控制系统可以构造为形成不同特性疏散智能体单元组（E－vacuation Agent Units，EAUs） 群体的多 Agent协同自治系统。

借鉴免疫应答过程的信息传递机制，如图1所示的每一个疏散单元组EAU由一个管理Agent、感知 Agent、疏散特征 Agent、决策 Agent、协同进化 A－gent、记忆Agent和通信Agent组成。面对新出现的疏散征兆，可视疏散环境状况对象作为抗原，引入浓度调节机制，设计抗体适应度方案，相应疏散智能体单元组EAUs抗体可以“进化重构”成新疏散智能体单元组EAUs，从而有效提高应急疏散系统对复杂疏散环境的适应性。

图1EAU框架结构

基于Agent的BDI理论模型，在免疫疏散领域中，Agent在组织构造结构上可表示为五元组A－genti：：=〈IDi，TSi，DKi，IMEi，COMMi〉，其中五元组分别代表智能体标识、智能体任务求解器、智能体知识、智能体免疫进化、智能体通信。

2.2 多疏散模型演化模式设计

在免疫学研究中，各种免疫细胞之间的相互促进和抑制现象可以理解为一种特有的协同进化形式——免疫协同进化（Immune Co-evolution，ICE），结合基本免疫算法，可建立如下所示的疏散免疫协同进化（Evacuation Immune Co-evolution，EICE），演化模式［31］。

步骤1 疏散系统处于相对平衡状态，疏散模型EAU数量Q。

步骤2 t=k，新的疏散危险环境模式出现，获取危险环境特征。

步骤3 基于特定疏散空间环境、实时人员特征和危险环境特征，选择N个疏散模型EAUi组成免疫协同进化疏散模型集合。

步骤4 对当前的疏散模型EAU集合，进行如下操作：

（1）基于亲合度和协同因子从当前疏散模型EAU集合中比例选择若干疏散模型EAUi组成候选集合；

（2）将免疫演化算子（克隆、突变、抑制）作用到候选集合，计算疏散模型EAUi个体浓度；

（3）对候选集合中不同于母体的疏散EAUi个体，联合协同因子评价其亲合度；

（4）依据亲合度和浓度选择N个疏散模型EAUi组成新疏散模型集合；

（5）计算更新各EAUi的协同因子。

步骤5 对新的疏散模型EAU集合进行疏散风险决策评价。

步骤6 若满足结束条件，则结束；否则，继续对新的疏散模型EAU集合进行优化（t=t+1，转步骤 4）；

步骤7 疏散系统处于新的相对平衡状态，疏散模型EAU数量Q。

该模式在功能构造结构上可表示为四元组EICE：：=〈CEP，CEE，CIEA，CRA〉。其中，四元组分别代表疏散免疫细胞种群、疏散环境、疏散免疫协同模式、疏散免疫协同风险评价。

为了实现免疫协同进化，EAU通过其内部的五元组功能 Agenti：：=〈IDi，TSi，DKi，IMEi，COMMi〉中的智能体协同进化模块IMEi为EAU提供进化决策。各个EAU中的IMEi进化算法并不是独立运行的，可构建集协同风险评价、协同亲合度分析、协同浓度计算、协同行为偏好等协同因素为一体的免疫协同因子，按照特定免疫协同机制调控各EAU中的IMEi进化模块共同实施进化调控，最终形成EAU之间和EAU与轨道交通枢纽疏散环境之间的共同适应。

2.3 疏散EAU进化重构解析

针对特定疏散重构任务，协同进化Agent处理其他4个功能Agent：感知Agent、疏散特征Agent、决策Agent和记忆Agent的重构工作。协同进化Agent收到来自管理Agent的任务计划，将计划译成对有关功能智能体的控制行为，利用Petri网可构建如图2所示的疏散重构Petri流程网，以高效完成疏散智能体重构中的多种流程和不同环节，确保不产生阻塞死锁等不协调情况。图2变迁含义描述如下：

图2EAU重构流程

t1：协同进化Agent获得来自管理Agent的任务，开始准备重构任务。

t2：协同进化Agent依据不同任务需求，要求相应的功能Agent准备实施“领域知识更新与修正”。

t3：协同进化Agent对感知Agent发出指令，要求该Agent通过调整监控方案、监控领域知识和模型进行重构。

t4：感知Agent重构完毕，进入新的工作模式。

t5：协同进化Agent对疏散特征Agent发出指令，要求该Agent通过调整信号途径、特征识别、特征模式等领域知识和模型进行重构。

t6：疏散特征Agent重构完毕，达到应急疏散所需要的分析精度等。

t7：协同进化Agent对决策Agent发出指令，要求该Agent通过调整疏散方法、决策方式等领域知识和模型进行重构后，采用新的方式进行应急疏散。

t8：决策Agent得到应急疏散决策，执行对该结论的评价。

t9：若应急疏散决策不满意，对具有相似状态征兆的应急疏散现象采用现有的信号监测方式，对疏散模型进行适当的类比重构，重新进行应急疏散决策。

t10：若应急疏散决策不满意，对不具有相似状态征兆的应急疏散现象采用新的信号监测方式，开始新的功能Agent重构，重新进行应急疏散决策。

t11：若应急疏散决策满意，进化Agent更新其领域知识和模型。

t12：进化Agent更新完毕，并将应急疏散任务执行结果在功能Agent间交互。

t13：管理Agent接收处理应急疏散任务执行结果报告。

t14：管理Agent综合过程调控机制，并对记忆A－gent发出指令，要求该Agent更新其领域知识和模型。

t15：记忆Agent更新完毕，疏散EAU进化重构完成。

生物免疫系统所具有的进化、自适应、自组织等特性，从交通监控、信号优化、故障诊断等工程角度来看具有广泛的启发意义，在轨道交通枢纽人员疏散领域也是完全可以借鉴的，在未来的研究中，将进一步利用抽象提取的免疫协同机制重点解决轨道交通枢纽人员紧急疏散协同优化联控问题，尝试为提升轨道交通枢纽人员疏散效率提供一种新的解决途径。

3 结语

目前，国内外许多城市正处在从中心区向郊区扩散的过程中，因而建设有轨道交通枢纽的区域越来越多，且枢纽的人员密集度不断提升，其人员紧急疏散技术对于保障人员安全具有关键性作用。为此，在现有工作成果基础上，需要针对不足之处，采用新的理论和技术提高轨道交通枢纽人员紧急应急疏散的有效性，以实现紧急疏散资源节约与整合，减少损失，确保实现轨道交通枢纽区域应急疏散的安全、高效、畅通的优化管理目标。

［1］ 吕元，向鑫，胡斌，等.交通枢纽型地下综合体疏散空间设计研究［J］.地下空间与工程学报，2014，10（2）：259.

［2］ 聂广渊.铁路综合客运枢纽交通设施布局及配置方法研究［D］.北京：北京交通大学，2015.

［3］ SUN S J，XU X F.Research on transport capacity load for line section and station of urban rail transit［C］//The 15th COTA International Conference of Transportation Professionals.Beijing：［s.n.］，2015：1837.

［4］ ZHAO G，LI Y F，CUI Y Q，et al.A comparative analysis on the evacuation time of atrium-style metro station ［J］.Procedia Engineering，2016，135（1）：33.

［5］ 田娟荣，周孝清，郑志敏.地铁一般人员特性的观测分析［J］.暖通空调，2007，37（2）：83.

［6］ 赵东拂，宿宇.综合交通枢纽行人交通导向标志指示效率研究［J］.城市轨道交通研究，2014，17（3）：43.

［7］ 冷一楠.北京地下综合交通枢纽安全标识研究［D］.北京：北京建筑大学，2015.

［8］ 杨业.城市轨道交通枢纽楼梯通行能力计算与仿真［D］.北京:北京交通大学，2015.

［9］ 陈园.地铁疏散平台及轨旁设备布设方案的优化［J］.城市轨道交通研究，2016，19（2）：65.

［10］ HE L，ZHONG M H，SHI C L，et al.Experimental research on investigation of metro passenger evacuation behaviors in case of emergency in pedestrian and evacuation dynamics［M］.New York：Springer US，2011：173.

［11］ 穆娜娜，肖国清，何理.地铁人员疏散心理行为调查及相关性研究［J］.中国安全生产科学技术，2013，9（6）：85.

［12］ 刘立元，张宁，王洪臣.地铁通道内行人交通微观特性的实测分析［J］.交通运输工程与信息学报，2014，12（3）：18.

［13］ LI D W，HAN B M.Behavioral effect on pedestrian evacuation simulation using cellular automata［J］.Safety Science，2015，80（11）：41.

［14］ 何理，蒋仲安，穆娜娜.地铁乘客特性与疏散行为特征相关性分析［J］.中国安全生产科学技术，2015，11（9）：94.

［15］ 李要娜.铁路客运枢纽客流集散系统数据采集与分析［D］.北京：北京交通大学，2009.

［16］ 刘洁.地铁车站超大客流疏散研究［D］.成都：西南交通大学，2010.

［17］ 汪明艳，汪泓，刘志钢.城市轨道交通换乘枢纽突发大客流的动态博弈研究［J］.管理现代化，2014，34（4）：113.

［18］ 苗沁.城市突发大客流的轨道交通解决方案［J］.都市快轨交通，2015，28（4）：62.

［19］ 马文俊，吴丽霞，陆洋，等.基于排队论的轨道交通车站平峰时期乘客疏散时间研究［J］.铁道标准设计，2016，60（2）：125.

［20］ 赵伟，蔡鹏.城市轨道交通枢纽行人仿真系统开发［J］.土木建筑工程信息技术，2010，2（2）：51.

［21］ 许奇，毛保华，李明高.基于自适应Agent的地铁站台乘客集散仿真研究［J］.交通运输系统工程与信息，2014，12（1）：28.

［22］ NAOTO E，TOMOKO I，YOSHIO N.Support system for developing evacuation guidance for tourists：Visualization of the number of evacuees in a space ［C］//IMECS 2015-Proceedings of the International Multi Conference of Engineers and Computer Scientists.Hong Kong：［s.n.］，2015：534.

［23］ 张琦，韩宝明，李得伟.地铁枢纽站台的乘客行为仿真模型［J］.系统仿真学报，2007，19（22）：20.

［24］ 刘栋栋，刘金亮，张远青.基于从众心理影响的交通枢纽人员疏散［J］.消防科学与技术，2011，30（10）：889.

［25］ NGUYEN M H，HO T V，NGUYEN T N，et al.Which behavior is best in a fire evacuation：Simulation with the Metro supermarket of Hanoi［C］//RIVF 2012-2012 IEEE RIVF International Conference on Computing and Communication Technologies，Research，Innovation，and Vision for the Future.Ho Chi Minh City：［s.n.］，2012：83.

［26］ 王扬扬.基于Agent的轨道交通通道内行人行为研究和通道优化［D］.北京：北京交通大学，2015.

［27］ YANG X X，DONG H R，YAO XM，et al.Pedestrian evacuation at the subway station under fire ［J］.Chinese Physics B，2016，25（4）：486.

［28］ 李岩.基于路径分配的城市轨道交通枢纽疏散管理研究［D］.北京：北京交通大学，2011.

［29］ REN G，ZHAO X，LI Y.Route optimization model for pedestrian evacuation in metro hubs ［J］.Journal of Central South University，2014，21（2）：822.

［30］ 张大鹏，肖峰.基于个人空间理论的人群疏散机理研究［J］.交通运输工程与信息学报，2016，14（2）：144.

［31］ POTER M A，JONG K A.A cooperative co-evolutionary approach to function optimization in lecture notes in computer science［M］.Berlin：Springer Verlag，1994：249.