乘客登机离港情景下的首都机场T3航站楼行人流特征

2019-09-04任国友教授王文涛

安全 2019年8期

任国友教授王文涛刘旭

（1.中国劳动关系学院安全工程学院应急决策与仿真分析实验室，北京 100048；2.首都经济贸易大学安全与环境工程学院，北京 100070）

0 引言

机场类公众聚集场所（Airport Public Gathering Place，APGP）是城市公共安全管理的重要区域与场所之一。机场航站楼是一类典型的公众聚集场所，具有人员集中、人群复杂、局部人员密度高的特点[1]。其次，场所内人员流动性大，人员构成复杂。由于个体差异，在面对意外情况时，很容易造成现场混乱并导致事故的发生。因此，面对突发事件，研究人群在公众聚集场所的行为，实现高效、合理、准确的人员疏散非常重要。

针对行人的个体差异，行人流理论的研究最早开始于20世纪50年代。国外学者Fruin于1987年提出了宏观行人流特征的概念[2]，研究了行人在平均速度，行人密度和行人交通流方面的聚集性特征。May对行人流行为特征方面进行了研究，并将行人疏散仿真模型分为宏观仿真模拟和微观仿真模拟两大类[3]。Huang等人认为[4]，在一定条件下，Hughes模型中行人的路径选择行为满足用户动态平衡原则。国内学者陈涛等人[5]认为行人的行为减速是为了避免碰撞，从而修正了社会力模型。卢春霞[6]运用了波动理论研究人群在出口的拥挤行为。陈亮等人[7]模拟了双出口教室人员的疏散过程。赵光华和张广厚[8]对北京北苑交通枢纽的设计进行仿真模拟分析。张建勋等人[9]利用VISSIM仿真模拟软件对北京地铁客流量进行仿真模拟分析，但很少有关机场航站楼乘客群体行为的研究。鉴于此，本研究基于乘客登机离港情景，以首都机场T3航站楼作为仿真对象，运用MassMotion软件仿真分析了乘客群人流行为，揭示了首都机场T3航站楼进站与登机离港时行人流特征。

1 机场行人流影响因素及其特征

行人流特性差异可以从个体特征差异和非个体特征差异2方面进行分析。

1.1 个体因素及其特征

个体特征差异包括年龄、性别、文化和种族差异等因素。一是年龄。年龄是影响行人速度的一个重要因素。根据年龄可将人群分为3个阶段，15～40岁为青年，40～60岁为中年，60岁以上为老年。二是性别。仅考虑性别因素，男女身体结构存在差异，行走速度必定存在差异。通常，男人有更大的步伐和更快的步速。三是文化和种族差异。行人流研究目前多数在欧洲、亚洲、北美进行。亚洲人同西方人（欧洲，北美）身材有着明显的差异[10]。

1.2 非个体因素及其特征

非个体特征差异包括温度、携带行李状况、避让距离和建筑设施类型等因素。一是温度。温度对行人速度有明显的影响。二是携带行李状况。根据行李的大小尺寸可分为4种情况[11]。无行李或携带随身小包、小行李（公文包等）、中等行李（中等尺寸的行李箱等）和大行李（大件行李箱或两个及以上的中等尺寸行李箱）。三是避让距离。避让距离是指行人，行人和墙壁或障碍物之间的最小距离。这取决于周围环境和行人自由度[12]。四是建筑设施的类型。在公共场所，典型的建筑设施包括人行走道、过廊、电梯、楼梯、自动扶梯、推拉门和旋转门等。当行人使用垂直移动设施时，行人对向下方向的运动延迟更敏感[13]，穿过门时，形成拱形区域的可能性取决于门的宽度和行人的恐慌程度。

1.3 首都机场客流量调查统计

机场作为公众聚集场所，有其特殊之处，节假日相较日常工作日接待客流量增多。基于现实国情，每到节假日时，客流量急剧增大。目前，我国全年法定节假日（一般包括元旦、春节、清明节、劳动节、端午节、中秋节、国庆节）共7个，其中春节和国庆节持续时间最长，出行、回家的客流量是最多的。根据北青航媒发布的数据显示，首都机场T3航站楼占首都机场旅客流量近60%。研究将选取典型假期为例，机场会在假期前做好预计进出港旅客的数据统计，根据官网发布的数据统计可知，2018年4月5～7日将迎来“清明”小长假，在为期3天假期内，首都机场预计进出港旅客74.7万人次，日均24.9万人次[14]。在“五一”小长假期间，即4月29日～5月1日，首都机场预计保障进出港旅客80.5万人次，日均26.8万人次；进出港航班预计4860架次，日均1620架次。从这两个假期的数据比较可以看出，日均人数差别不大，总人数还是五一长假相对较多。与往年春运客流量比较，春运的日均客流量与上两个节假日持平，虽然春运客流量是最大的，但因为其持续时间长，所以人流数量分散。因此，得出结论节假日日均旅客量是大致相同的。

2 航站楼乘客人群行为仿真模型

2.1 首都机场T3航站楼概况及仿真工具选用

2.1.1 首都机场T3航站楼概况

北京首都国际机场3号航站楼主楼由荷兰机场顾问公司（NACO）和英国诺曼福斯特建筑事务所联合设计。机场所处北京市顺义区，位于北京城城区的东北方向，和市区有多条线路的连接，交通便利。3号候机楼是世界第二大单体航站楼，并且是中国最大的单体建筑。3号航站楼由主楼，国内候机大厅和国际候机大厅组成。配备自动处理高速传输的行李系统、快速客运、快速交通系统和总建筑面积98.6万平方米的信息系统。国际机场理事会（ACI）发布数据统计显示，2017年世界各大机场接待旅客排名，中国北京机场以9579万人次的客流量位居第二。

2.1.2 乘客行人流模型及其仿真工具

在20世纪50年代时，Lewin在研究行人移动行为时发现，行人在移动过程中会受到力的作用，行人因此会改变自己的运动行为。后来，D. Helbing等人根据Lewin提出的理论，将流体力学方程与Lewin的理论组合起来，建立了一个社会力模型[15]，这里将行人视为满足力学定律的粒子，相比于其他模型，能更加真实地再现行人运动现象。社会力模型是基于以个体为单位所建立的，它是一种连续行人流动态模型。因此，本研究采用的MassMotion软件是基于社会力模型研发的一款新型人群仿真模拟软件，其仿真效果与机场乘客实际人群的运动更相符。

2.2 行人流仿真模型构建

2.2.1 基本假设

（1）初始状态。航站楼内所有服务设备均正常运行，没有上机和等候的旅客，安保人员、服务人员等员工均处于就绪状态。

（2）模型中行人运行流程涉及到买票、值机、安检等服务。均选择方式为：旅客先到达则先得到服务。

（3）值机柜台的功能分为：有行李托运柜台和无托运行李柜台。

（4）安检通道分为两个类型：普通通道和VIP通道。旅客选择安检的方式遵循就近原则且选择随机，即旅客行走距离最短[16]。

（5）为了简化行人仿真模型，该模型中不包括行李检查和行李分检等流程。

（6）假设所有的旅客均熟悉登机流程，每一架航班都没有延误，当日所有航班均按照计划时刻表执行飞行任务。

2.2.2 基本模拟参数

按航空运输的国际惯例，机场运行开放时间点是6:00，关闭时间点是24:00，数据显示北京机场在0:00～6:00间仍有部分航班执行。通常以航班数量、航班密度和占航班总量的比重三者作为衡量指标。仿真中模型选择人最多的中午黄金航段（11:00～14:00）的20min进行模拟。20min约有16个航班，每架航班搭乘人数约121人，共3146人。表1选取2018年4月某日进行统计得出T3航站楼各时段接待航班数量及每个时段预计搭乘旅客的人数。从中可以看出，日常工作日搭乘旅客数总计为15.05万人[17]。

而节假日每日搭乘旅客数为25万人左右，详见1.3，两个时段旅客人数差别明显。

表1 T3航站楼各时段接待航班数量及预计搭乘人数Tab.1 The number of reception flights and the estimated number of passengers in each time period of terminal T3

2.2.3 观测数据与仿真参数标定

笔者实地调查首都机场T3航站楼进出口通道行人流到达量分布数据，见表2、3，给出了仿真建模关键参数。

行人服务水平评价体系是Fruin根据行人运动（见表4）和候车（见表5）两种不同行为下的场景内服务水平，也就是依据人群的密度得出的人群在此范围内的舒适度。

表2 行人流建模参数Tab.2 Row stream modeling parameters

表3 行人流设施参数表Tab.3 Row parameter table of pedestrian facilities

表4 行人运动服务水平 [6]Tab.4 Pedestrian exercise service levels

表5 行人候车服务水平 [6]Tab.5 Pedestrian waiting service level

为了确定机场内行人流步速，采用人工观测和视频采集的方法，结合个体特征差异和非个体特征差异中的影响因素，考虑年龄、性别、种族、携带行李状况的影响，见表6。根据不同种类的人群，确定他们速度变化的范围。

表6 不同种类人群的速度参数Tab.6 Speed parameters of different groups of occupant

3 仿真结果及其分析

在本研究中，模型分两个部分，第一部分为旅客达到机场办理托运、值机等服务，即进站区域；第二部分为旅客安检通过从上机通道离港，模拟了航站楼黄金时段20min内行人流情况和节假日最大客流量情况。

3.1 进站口仿真方案及其结果

输出旅客进站口的仿真模拟界面，如图1，不同颜色对应不同种类的人群，深色代表男性，浅色代表女性。

图1 进站口仿真图Fig.1 Simulation diagram of inlet

3.1.1 日常工作日进站口仿真结果

从图2可知，日常值机服务水平可以达到A级水平。在电梯和安检口两个易拥堵的区域，工作日行人密度表现良好。电梯达到C级服务水平之上，安检处均在A级以上。

图2 工作日值机服务情景行人平均密度图Fig.2 Average pedestrian density graph of working day check-in service scenario

3.1.2 节假日进站口仿真结果

在节假日时间段内，旅客人数增多，航班增多，导致服务压力增大，服务水平的等级即将降低到E级，如图3；在进站口的其他局部区域（如电梯口和安全检查处），容易造成人员的拥挤，但都没到达危险的情况。

图3 节假日值机服务情景行人平均密度图Fig.3 Average pedestrian density of holiday check-in service scenario

3.2 登机离港仿真方案及其结果

T3航站楼登机离港受建筑结构重要影响，其输出旅客离港仿真测试结果界面，如图4。

图4 旅客登机离港仿真界面Fig.4 Passenger boarding departure simulation interface

3.2.1 日常工作日进站口仿真结果

图5显示在日常工作日，乘客从B1层乘坐电梯进入一层安检区，进行排队接受安检，行人平均密度均在E级以上服务水平，满足基本乘机的需要，排队顺畅，设施之间有序衔接，没有较为拥堵的区域。

图5 工作日离港前通过安检区行人平均密度图Fig.5 Average pedestrian density of passing through the security area before departure

3.2.2 节假日进站口仿真结果

同样，增加模拟人数，模拟节假日时段内的人群密度发现，在安检处存在拥堵状况，局部人群突然密集区域密度增大。

3.3 T3航站楼实际行人流特征分析

行人流特征可以用行人流流量、速度和行人流密度3个基本参数描述。

3.3.1 流量与密度之间的关系

密度是用来描述特定区域内行人密集程度的参数。通过实际观测数据（通过SAS的F检验，95%的置信区间），绘出流量与密度的关系图，如图6，并得到的二次多项式函数：

图6 T3航站楼人群密度与流量关系Fig.6 Relationship between occupant density and traffic flow in terminal T3

拟合出的流量与密度关系趋势图，对比文献[19]研究结果，当密度为K=2.08人/m2，区域内行人流量达到最大值为Q=73p/min/mm，且当达到最大值后，流量开始逐渐下降，整体图像呈开口向下。以Km=2.08人/m2为分界点，此时流量为最大流量Qm前一部分为不拥挤范围，后一部分属于拥挤的范围。当密度Kj=4.21人/m2时，此时流量Q接近于0，这时区域内的人群非常拥挤，难以移动，达到难以忍受的最小静态空间。

3.3.2 速度与密度之间的关系

同样，如图7，本文将实际观测数据与文献[19]进行对比，总体趋势大致相同，即：

与图8国外学者研究结果对比可知，在密度为0～1人/m2区间内，人流密度较小，行人处于离散的状态，个体行为特征因素对速度的影响占据主要位置。与模拟仿真结果作对比，C级处于密度为1.393～2.333人/m2之间，而依据实际测量的结果，当密度达到K=2.08人/m2时，是不拥挤和拥挤的分界点，这个点落于C级区域内，仿真与实际符合。