地铁站内乘客选择步梯与扶梯模式研究

李涛，吴凡雨，林鹏，卢戈南，马剑



地铁站内乘客选择步梯与扶梯模式研究

李涛1,2，吴凡雨2，林鹏2，卢戈南2，马剑1

（1. 西南交通大学，交通运输与物流学院，成都 610031；2. 西南交通大学，地球科学与环境工程学院，成都 610031）

步梯和扶梯是地铁站内连接站台和站厅、站厅和室外安全区的主要设施，是站内客流使用的重要通道。研究分析行人对步梯和扶梯的选择模式对理解地铁站内行人行为和疏散方式具有重要意义。本文采集成都地铁两个地铁站在高峰与非高峰下不同人群选择步梯和扶梯的人数，并进行统计分析得出4种不同因素对行人选择步梯和扶梯模式影响。结果表明行进方向、前方是否成拱和是否处于高峰期均对行人选择模式产生影响，且影响能力可分为2个等级。论文研究为地铁站人员步梯和扶梯选择模式提供了基础数据和理论指导。

城市交通；步梯与扶梯；选择模式；二元Logistic回归分析

0 引 言

随着我国城市化进程不断取得新成果，城市规模快速增加，城市人口迅速增多，城市交通拥堵问题日益突出。地铁以其不受路面交通状况影响的特性，加之以便捷、舒适、安全等特点，日益成为市民外出乐于选择的交通方式[1,2]。扶梯和步梯是客运站内垂向连接设施，但扶梯和步梯的使用常常是不均衡的，选择扶梯的行人较多，从而使高峰时段出现拥堵，容易引发拥挤踩踏事故。分析行人对步梯和扶梯的选择模式可为了解地铁站内行人选择行为规律，进而为规划和组织地铁内客流提供帮助。

Dolan等人[3]发现较低的楼层高度将使得更多人选择步梯；Eves等人[4]提出，步梯的设计越醒目，则其使用率将越高，且在另一项研究[5]中提出携带大型包裹、较为年老的行人和女性的行人更容易选择扶梯，不过没有进一步提出影响方程。Boutelle等人[6]和Kerr等人[7]均就非结构性设计——包括指示标志、艺术渲染乃至声音诱导信号等的设置对行人选择步梯和扶梯的影响进行了研究；John Zacharias等人[8]使用分层线性回归研究了北京13处人流量较大的地点中不同因素对人们选择步梯和扶梯的影响及其大小。Frank等人[9]从行人对楼梯坡度的认知研究行人的选择行为，分析了不同特性人感知楼梯坡度的陡峭程度的影响。李涛等人[10]通过开展地铁旅客疏散实验，研究了以步梯和扶梯为代表的垂直疏散设施的疏散效率；史芮嘉等人[11]采用灰色关联分析法，利用模糊数学对地铁站内行人对步梯和扶梯的选择模式进行了分析和建模；曹洁等人[12]考察了队列长度和行人紧急程度对选择模式的影响，并建立了影响方程式。

分析已有的研究可以发现，目前尚缺乏既能较全面地分析各种不同因素对行人选择模式影响大小，又能得出行人选择模式方程的研究工作。行人对步梯和扶梯的选择是一个二分类问题，因此可使用Logistic回归分析法分析多变量影响下的行人选择模式。这种方法已广泛应用于医学和经济学领域中[13]。最近，徐上[14]等人以多项Logistic回归预测了不同因素对大型活动观众出行方式选择的影响力大小，毛霖[15]等人则建立了基于Logistic回归模型的电动自行车出行方式选择模型。

1 实验数据统计分析

1.1 影响行人选择模式的因素选取

从站内设施分布和行人特征的角度考虑，行人对步梯和扶梯的选择模式受个体和宏观两种因素影响。宏观因素包括：行人出发点距离步梯近或距离扶梯近；行人的行进方向；行人是否处于高峰期；行人携带行李量，分为携带行李和未携带行李。个体因素包括：年龄，分为老年人和青壮年人群；性别，分为男性和女性。

将从两个地铁站采集的数据经筛分后汇总，其结果如表1和表2所示。通过对表1和表2中总体单一划分的数据进行分析，初步得到了可能有意义的4种影响因素：是否处于高峰，是否携带行李，行进方向和选择时前方是否形成拱形，并据此将站内行人群体划分为如表3所示的16种不同类型。

1.2 统计分析

将真实数据的结果绘制成柱状图，如图1所示，以直观地感受地铁站内行人在不同状况下选择步梯和扶梯模式的不同。

表1 按单一因素进行属性划分后的统计结果

Tab.1 Summary results after separation of different properties due to single factor

表2 按复合因素进行属性划分后的统计结果

表3 按不同属性对地铁站中人群划分

Tab.3 Separation among people in subway stations by different attributes

续表3

人群划分高峰行李方向拱形 D是是下行否 E是否上行是 F是否上行否 G是否下行是 H是否下行否 I否是上行是 J否是上行否 K否是下行是 L否是下行否 M否否上行是 N否否上行否 O否否下行是 P否否下行否

若按单一因素划分，则容易看到，无论何种因素影响下，选择扶梯的人数均大于选择步梯的人数，但其影响程度有所不同。当前方行人未成拱时选择步梯和选择扶梯的人数比约为1∶2，而前方行人成拱时选择步梯和选择扶梯的人数比约为1∶6，两者差异显著，表明成拱因素的确对行人的选择模式产生了影响。当考虑性别因素时，因为无论男性还是女性，其最终的选择结果均是选择步梯的占总人数25%左右，选择扶梯的占总人数75%左右，两者无显著差异，表明性别因素对行人的选择模式影响不明显。

若按复合因素划分，以查看高峰期对人选择模式的影响为例，依次选取A类人群和I类人群、B类人群和J类人群……H类人群和P类人群进行对比，发现除一例外，其余对比均呈现“处于高峰期的人更愿意选择步梯”的结论。但对剩余三种因素分析时发现其结果较为复杂，无法得出直观的结论，需要借助统计学工具进行进一步分析。

2 行人选择模型与分析

2.1 Logistic二元回归分析法

二元Logistic回归是指被解释变量为二分类变量时的回归分析。就地铁站行人选择模式而言，该课题即是一个典型的二元变量情况，行人选择步梯或扶梯是一个非一即二的选择，其与各影响因素之间的关系分析可以运用到二元Logistic回归分析法[16]。并且，因为本文取因变量为选择扶梯的概率，其取值被限定在(0,1)，而回归方程中的自变量、回归系数和残差的取值没有任何限制，因此势必会出现矛盾[17]。为解决这一矛盾而引入二元Logistic回归分析法，由该方法所得模型方程如下式所示：

L——Logistic概率单位。

2.2 建立模型

将所统计的全部行人的选择数据输入SPSS统计分析软件，使用二元Logistic回归分析法，得到如表3所示的结果。其显示了解释变量筛选过程同各解释变量之间的回归系数检验结果，此处只选取了最有意义的第1步和最后1步的回归结果。

表4 方程式中的变量

Tab.4 Variables in the equation

注：步骤1：输入变量：成拱与否。步骤2：输入变量：是否处于高峰。步骤3：输入变量：上行或下行。步骤4：输入变量：所靠近的设施。步骤5：输入变量：性别。步骤6：输入变量：年龄。

因为显著性水平大于0.05，所以行李因素没有被纳入方程。另一方面，根据Raftery[18]的研究，为推翻虚无假设，某系数的Wald检验量应超过样本量的对数，即：

式中：——贝叶斯信息准则参数；

——Wald检验量；

其中：

当行人处于高峰，行进方向为上行，选择时前方行人成拱时，其对应的因素值取1，否则取0。结合因素前的系数符号易知，当时间为非高峰期，行人上行，前方行人成拱时，Lp取到最大的值，且Lp与p成正相关，故选择扶梯的概率p也达到最大，因而行人更容易选择扶梯。 2.3 模型精度检验 使用ROC曲线图检验所得回归方程的预测精度，选取预测概率作为检验变量，所得曲线如图2中位于上方的线所示，其具体数值被归纳在表5中。 行人AUC为ROC曲线下的面积，其值在0.5到0.7间时诊断价值较低，0.7到0.9间时诊断价值中等，0.9以上诊断价值高。 表5 曲线下的面积 Tab.5 Area under the curve 面积图标准错误渐近显著性水平渐近95%置信区间 下限值上限 0.7220.0090.0000.7050.740 本文所取对象为回归方程的预测概率，其AUC值为0.722，属于中等诊断价值，表明其具有一定的诊断准确性，具有诊断价值。因此可以推断，回归方程具有相当的预测精度。 图2 模型预测概率的ROC曲线图 Fig.2 ROC figure of possibilities of prediction by the model 2.4 敏感性分析 首先定义发生比和优势比的概念：所谓发生比，即事件发生的概率与其不发生概率的比值，记为D，数学形式为： 在2016年12月—2017年12月，我院收治100例孕妇，通过随机数字表法进行分组，分别划分为观察组和对照组，每组各为50例。 （4） 而优势比则为两个发生比的比值，记为R，数学形式为： （5） 当将两个发生比进行比较时，会发现其结果同对应的概率的对比结果相同，即设p1>p2，则有： 在花卉种植过程中，施肥主要在每年新芽长出之前、发育期间进行，可以促进植株生长、保护土壤墒情，对于充分利用土地资源具有非常重要的意义。在施肥过程中需要合理控制氮磷钾肥的配比。对于花卉的灌溉，应根据花卉的生长情况及当地的雨水情况进行。对于降水量较多的情况，还应及时做好排水工作，以免导致花卉死亡［4］。 （6） 因此，R是否大于1，可以作为两种情形下发生概率大小比较的依据。 而就本文所论述的课题而言，可以通过比较三个影响因素分别的优势比大小来判断其对人们最终选择的影响力大小。考察每一项因素在其他因素固定不变时，其自身变化对于行人选择模式的影响的大小程度，并依照重要程度对其进行分类。此处需要结合表2进行分析。 为了验证IOCAP算法对聚类效果的影响，采用UCI中的Iris(鸢尾花)数据集[16]、Diabetes(糖尿病)数据集、Digits(手写数字)数据集、Plant(植物)数据集及Posture(手势识别)数据集进行实验.对五种数据集采用K-Means算法、Spectral Clustering算法、经典AP算法和IOCAP算法进行聚类.将算法的阻尼系数damp均设为0.5，最大迭代次数设为1 200，粒度变量Gv中的λ设为0.6，使得聚心保持稳定的迭代次数设为120次. （1）“高峰与否”因素：由所得方程知，处于高峰状态的人较之处于非高峰状态的人使得减小1.143，结合发生比可以推知，前者相对后者的优势比为0.319。另一方面，后者相对前者的优势比为3.136。 则主塔桩基满足邻桩人工开挖要求，但为了避免施工相互影响，采取间隔交错施工，群桩开挖及浇筑顺序为：1#、8#、15#、4#、11#、18#→3#、13#、6#、16#→2#、14#、5#、17#→7#、9#、10#、12#。 （2）“行进方向”因素：由所得方程知，上行因素较下行因素使得增大0.506个单位，故前者相对后者的优势比为1.659。 虽然国家开展实施统计四大工程，对新时期农业统计工作提出了明确的要求，但是在具体实施和推进过程中，乡镇基层农业统计工作依然停留在传统的统计工作模式上，统计信息化进程缓慢，统计软件应用开发力度不够[2]。 （3）“成拱与否”因素：由所得方程知，成拱时较未成拱时使得增大1.128个单位，故前者相对后者的优势比为3.09。 为便于比较优势比大小，统一将3个因素的优势比定为较大的发生比比上较小的发生比，由此可以将3个因素分为2个等级： 抗逆力理论为研究孤儿教育与就业提供的理论支撑是，孤儿救助的社会政策作为外部支持因素，同孤儿个体内在优势帮助他们提升其抗逆力；内在优势则包括自立人格、家庭责任和感恩情感、兴趣和特长，以及积极思维⑥。这一视角无疑为孤儿教育和就业社会政策的制定提供了新的介入点。 （1）强影响：包含“高峰与否”和“成拱与否”两个因素，其优势比分别为3.136和3.09，差值较小，故划为同一等级；又因其远大于剩余的影响因素的优势比，故统一划为强影响 等级。 （2）弱影响：包含“行进方向”一个因素，其优势比为1.659，较之强影响等级为小，故划为弱影响等级。 2.5 结果分析 （1）高峰因素和成拱因素均为重要因素，且对行人选择模式的影响相反。人处于高峰状态时，更倾向于选择步梯；人的前方形成了拱形时，人更倾向于选择扶梯。前者可以解释为高峰时期的行人普遍更加焦急，希望能尽快出站，因而会选择更加快速的步梯；后者则可以解释为从众心理，当行人看到前方聚集大量人员时，其首要反应可能并非避让，而是跟从，与行人过马路时忽略信号灯而选择跟随前方行人的选择有相同的心理学机理[19]。 （2）上行下行为次重要的因素，其中上行时人们更愿意选择扶梯，这一点与通常的认知相同，即行人为了节省体力，避免自身生物能的消耗，而选择利用机械代替自身做功，即在不消耗自身生物能的情况下，增大自己的势能。 具体在防治病害以及推广新型作物种类的有关实践中，各地可以视情况创建示范基地，运用展示样品的方式来获得农户对于新品种的认同。与传统的作物品种相比，作物新品种具备更强的综合抗病性能，有助于减低防治病虫害的投入成本。 （3）性别、是否携带行李和行人离哪个设施更近不具有显著性，表明其在行人对步梯和扶梯的选择过程中没有决定性的影响。现代社会中男性与女性体力上虽有差别，但尚不足以对人们的选择构成影响。本文统计时是将所有重物归为了行李一类，而并非单指旅行时所携带的行李，因此并非所有行李都重要到能影响人们的选择；步梯或扶梯哪一个离行人的初始位置更近，看起来似乎是比较重要的因素，但人们做出选择时往往是根据自身的具体情况或通行设施的便利程度来决定的，在此前提下，距离因素的重要性稍显逊色。 3 结 论 本文基于地铁站内实地采集的大量数据，联系行人个人的行为模式以及一些内在影响因素，定性分析了不同种类的人群选择的趋向性，并定量地使用二元Logistic回归分析法推导出了地铁站内行人选择步梯和扶梯模式的模型方程。相对于前人的研究，本文发现了人前成拱时人们所做抉择与预期的差异，即并非选择避让而是选择跟随，且进一步得出了造成这一现象的原因在于“从众心理”。 由于条件限制，本文没能更广泛地采集不同地铁站的数据，从而难以对更多的影响因素进行研究。因此，未来可通过更加广泛的数据来研究更加广泛的影响因素，进一步完善站内行人选择模式的回归方程。 参考文献 [1] 王莉. 虚拟现实技术在地铁站火灾模拟中的应用研究[D]. 成都：西南交通大学, 2008：1-5. [2] 刘斌，马剑，牟瑞芳, 等. 区分障碍物特性的客车乘客疏散模型与分析[J]. 交通运输系统工程与信息, 2015, 15(4): 173-180. [3] DOLAN M S, WEISS L A, LEWIS R A, et al. 'Take the stairs instead of the escalator': effect of environmental prompts on community stair use and implications for a national 'Small Steps' campaign. [J]. Obesity Reviews, 2006, 7(1): 25-32. [4] EVES F F, LEWIS A L , GRIFFIN C. Modelling effects of stair width on rates of stair climbing in a train station[J]. Preventive Medicine, 2008, 47(3): 270-272. [5] EVES F F. Is there any proffitt in stair climbing? A head count of studies testing for demographic differences in choice of stairs[J]. Psychonomic Bulletin & Review, 2014, 21(1): 71-77. [6] BOUTELLE K N, JEFFERY R W, MURRAY D M, SCHMITZ M K H. Using signs, artwork, and music to promote stair use in a public building[J]. American Journal of Public Health, 2001, 91(12): 2004-2006. [7] KERR N A, YORE M M, HAM S A, DIETZ W H. Increasing stair use in a worksite through environmental changes[J]. American Journal of Health Promotion, 2004, 18(4): 312-315. [8] ZACHARIAS J, TANG B. Choosing between stairs and scalators in China: The impact of location, height and pedestrian volume[J]. Preventive Medicine Reports, 2015, 2(6): 529-532. [9] EVES F F, THORPE S K S, LEWIS A, TAYLOR- COVILL G A H. Does perceived steepness deter stair climbing when an alternative is available? [J]. Psychonomic Bulletin & Review, (21)3: 637-644. [10] 李涛，陈娟，马剑, 等. 地铁车站旅客紧急疏散效率实验研究[J]. 交通运输系统工程与信息, 2016, 16(3): 228-234. [11] 史芮嘉，丁勇，柏赟，等. 地铁乘客对步行楼梯和自动扶梯的选择行为分析及建模[J]. 交通运输系统工程与信息，2015，15(1)：185-190. [12] 曹洁，刘黎明，赵宏. 铁路客运站客流组织的仿真与优化[J]. 计算机工程与应用, 2014，50(12)：237-241. [13] 张初兵，高康，杨贵军. 判别分析与Logistic回归的模拟比较[J]. 统计与信息论坛，2010， 25(1): 19-25. [14] 徐上，陆建，马海峰，等. 大型活动观众出行方式选择影响因素研究[J]. 交通运输工程与信息学报, 2007(4): 77-83. [15] 毛霖，杨新苗，常玉林. 基于Logistic回归模型的电动自行车出行特征分析[J]. 交通运输工程与信息学报, 2007(1): 114-117. [16] 薛薇. SPSS统计分析方法及应用[M]. 北京：电子工业出版社，2004：281-300. [17] 李雪平. 基于GIS的区域斜坡稳定性评价Logistic回归模型研究[D]. 武汉：中国地质大学， 2005：15-22. [18] RAFTERY A E. Bayesian model selection in social research[J]. Sociological Methodology, 1995, 25(25): 111-163. [19] HAMMED M M. Analysis of pedestrians’ behavior at pedestrian crossings[J]. Safety Science, 2001, 38(1): 63-82. （中文编辑：刘娉婷） Study on Passengers’ Escalator-stair Selection Mode in Subway Station LI Tao1,2，WU Fan-yu2，LIN Peng2，LU Ge-nan2，MA Jian1 ( 1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China;2. School of Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 610031, China ) Abstract: Stairs and escalators are the main facilities connecting the platform and the hall as well as the hall and the ground safety level, which formed the key path segment for pedestrians in subway stations. Understanding how passengers select stairs and escalators in subway station is of critical importance for pedestrian traffic and evacuation dynamic analysis. The present paper collects pedestrian numbers in two subway stations during peak and off-peak hours, and then statistically explore the influences of 4 different factors on pedestrian’s selection mode. The conclusion is that factors including pedestrian flow direction directions, arch formed or not, rush hours or not, have influences on the selection mode. According to the affection level, these factors can be classified into 2 categories. Basic data and theoretical instruction about stair and escalator selection mode for passengers in metro station are provided and could benefit pedestrian traffic planning. Key words：urban traffic; stairways and escalators; selection mode; binary logistic regression analysis 文章编号：1672-4747（2018）02-0057-07 中图分类号：U293.7 文献标志码：A DOI：10.3969/j.issn.1672-4747.2018.02.009 收稿日期：2017-05-30 基金项目：国家自然科学基金（71473207，51178445）；科技部国家重点研发计划项目（2016YFC0802209） 作者简介：李涛（1983—），男，陕西西安人，博士，讲师，主要从事建筑防火、地下交通设施防灭火技术及人员疏散教学和科研工作。 通信作者：马剑（1983—），男，江苏徐州人，西南交通大学教授，研究方向：行人与疏散动力学。 引文格式：李涛，吴凡雨，林鹏，等. 地铁站内乘客选择步梯与扶梯模式研究[J]. 交通运输工程与信息学报，2018, 16(2): 57-63.