基于排队论和Anylogic仿真的车站进站排队优化

戴建强

（中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081）

随着实名制售票的全路推广，旅客进站时的实名制核验，不仅给车站工作人员带来不小的工作压力，而且旅客进站时，经常会出现拥堵、排队时间过长的情况，给旅客出行带来不好的体验。目前，国内学者对排队论和软件仿真研究深度不够，大多数只停留在简单模型的建立和分析上[1-7]。国外学者针对简单的排队问题，提出拥堵指标k[8]；针对长短两种休假策略，提出一般随机变量分布[9]，排队问题也停留在单层排队优化上。针对铁路实名制售票下的旅客进站，除了实名制验证检票的排队外，还要进行行李的安检、车站工作人员的手检和危险品的开包检验，都涉及排队等待问题[10-11]。

本文以旅客排队进站的全流程为研究对象，通过收集车站排队进站旅客数量、排队等待时间等数据，采用排队论和Anylogic软件仿真对目前车站通道设置和旅客排队方式进行优化，为车站运营决策和提高进站效率提供理论支撑。

1 基于排队论的旅客排队研究

1.1 排队论

排队论也称随机服务系统理论，主要是研究各种服务系统随机规律的学科，属于运筹学的分支。本文通过深入研究铁路旅客进站的特殊性、旅客到达车站随机性和旅客携带行李的不确定性，并根据站房空间，选用不同的排队方式，通过对旅客到来规律及实名制验证检票、行李安检、手检的时间统计研究，得出旅客排队等待时间、排队长度、验票时长等的统计规律，然后根据这些规律来改进排队的方式和实名制验证的数量、行李安检的数量匹配，既能满足旅客验票进站的需要，又能使车站资源配置达到最优。

1.2 进站排队的影响因素

旅客集中到达的时间、排队长度等；进站口设置数量；实名制验证检票速度；行李安检速度；手检速度。

1.3 铁路旅客排队方式

根据对既有站和部分高铁站的调研发现，由于受站房和行李安检仪价格昂贵的限制，目前大客流车站普遍采用混合式排队方式，即：多个进站核验通道和少量行李安检仪，而一台安检仪一般都匹配两台金属探测仪和两名人工手检人员，如图1所示。

图1 混合式排队模式

对于客流量较小的车站，普遍采用并联式排队进站的模式，如图2所示。甚至在淡季，客流量少的时候，车站还可以采用串联式单通道进站模式。

图2 并列式排队模式

1.4 车站旅客排队过程的数学模型

（1）车站排队系统。车站的排队系统分为旅客和车站实名制验证检票人员（或设备）、行李安检仪、人工手检。车站进站排队系统模型，如图3所示。排队系统包括输入过程、排队规则和服务机构。其中，输入过程是指旅客随机到达，然后进入排队系统；排队规则是指旅客排队过程中要遵循先到先服务的规则。车站旅客排队系统的服务机构分为3个：实名制核验服务、行李安检服务和人工手检服务。

图3 进站排队模型

（2）输入过程。旅客到达的时间为随机型，即在时间t内顾客到达数n(t)服从一定的随机分布。根据现场收集数据，其分布服从泊松分布，在时间t内到达n个顾客的概率为：

当旅客数量n大于实名制核验通道数量时，就会出现排队情况。实名制验证检票时间一般固定在一个时间范围内。

由于铁路安保需要，行李安检一般还采用人工屏幕识别的方式，这就制约了安检的速度，目前，安检仪的速度一般采用0.2 m/s，安检仪的长度一般为3.5 m左右，因此行李安检成为进站过程中排队时间最长的环节。只有当系统的顾客数n≥c时，其中，c为行李安检仪的数量，才有n–c个顾客进入系统队列等待服务，因此旅客排队的长度为：

计算λ的最大似然估计值为：

即：

2 基于Anylogic车站旅客进站排队仿真

Anylogic旅客仿真主要通过行人库中的功能实现，它不同于传统的排队论简单的数学计算，而是综合利用社会力模型进行仿真建模，通过软件仿真，直观地显现出旅客排队进站3个环节上的密度情况。

2.1 模型中的主要数据

根据Anylogic软件仿真的要求，在旅客进站排队的3个环节中，相关参数如表1所示。

表1 车站旅客进站排队参数

2.2 车站数据收集

通过实地跟踪收集高铁站和既有站旅客排队进站整体情况，采用人工验证检票通过时间为4～10 s，统计100人平均时间为6.7 s；采用自助核验闸机验票通过时间为4～10 s，统计100人平均时间为6 s。由于行李安检是制约点，现根据实地收集数据，由于旅客携带行李的不同，统计安检时间如表2所示。

表2 车站旅客行李安检时间统计

行李安检完成后，旅客取行李进入金属探测和手检阶段，根据旅客携带行李的多少，时间上也有差异，纯粹手检时间经统计平均时间为7 s。

2.3 旅客排队仿真

2.3.1 Anylogic仿真图形构建

目前，国内车站按客流量的大小，一般分为并列式（包括串行）排队和混合式排队。其中，混合式排队，车站为了节约开支，一般采用两个或更多的人工核验口对应一台行李安检仪的方式。现针对不同情况，利用Anylogic仿真软件的SpaceMakeup模块和表1、表2中的数据进行车站图形建模，如图4所示。

图4 车站图形建模

2.3.2 Anylogic仿真结果

（1）大客流车站仿真。对于大客流站假设有两个进站口，单个进站口每小时进站100人，Anylogic模型仿真的单位时间为60 min，以表1、表2中的数据为参数进行仿真，得出3种人流密度图，如图5所示。其中，颜色越趋于红色表明人流密度越大，在客流量相同的情况下，并列式排队方式最差，3个环节均有颜色较深的情况。

图5 人流密度2D结果

（2）小客流车站仿真。对于小客流站假设有两个进站口，单个进站口每小时进站30人，Anylogic模型仿真的单位时间为60 min，以表1、表2中的数据为参数进行仿真，得出如图6所示的3种人流密度图。其中，颜色越趋于红色表明人流密度越大，从图中可以看出，在客流量相同的情况下，并列式排队方式即可满足要求，而且现实中大部分小站也选择并列式排队方式。

2.3.3 仿真结果分析

通过人流密度仿真图可以看出，对于平常客流较小的车站，比较适合并列式排队。在客流量大时，车站可适当加开人工口来缓解。对于大客流车站，比较适合混合式排队。根据目前行李安检的运行速度，最佳配比为2:1，即2个车票的实名制核验通道对应1台行李安检仪。从仿真图中可看出，3:1配比的在行李安检环节的人流密度要远大于2:1配比的混合式排队。对于春运暑运期间，客流量过大时，车站也可采用增加行李安检仪或增开通道的方式加以缓解。

图6 人流密度2D结果

2.4 排队优化建议

（1）缩短实名制核验车票的排队等待时间。采用实名制核验闸机替代目前的人工检票，由于核验闸机具有占地小、速度快、旅客自助式的特点，既满足了提高速度的需要，而且也为车站减员增效。（2）缩短行李安检时间。车站可增加安检仪的数量，但受场地和资金的限制；可采用提高安检仪的速度，提高软件报警的比例，降低人眼识别，但目前软件识别违禁品的技术还不成熟，还需要海量数据深度学习；另外车站可根据携带行李不同将旅客分类，设置小件行李快速通道，提高部分旅客的进站速度。（3）改变目前串行进站的方式。目前，铁路普遍采用实名制核验、行李安检、人工手检串行的方式，如果采用新技术，如：太赫兹人体安检仪和毫米波人体安检仪，可将实名制核验、金属探测和人工手检合并，并可将人体安检与行李安检并行，这样可缩短整个流程时间，也会提高旅客体验。

另外，在春运暑运阶段，车站还可通过增开临时通道或快速通道来缓解旅客积压过多的问题。

3 结束语

本文以合理安排铁路进站口资源配置，提高旅客进站体验为目的，通过收集实名制验证检票、行李安检和手检（包括金属探测及旅客拿取行李）3个环节的排队时间，利用排队论和Anylogic两种方式建模，对旅客进站全流程进行模拟仿真对比，结果表明：大客流车站适合混合式排队方式，小客流车站适合并列式排队。