城市轨道交通换乘拥挤度分析与评价
2021-01-11柳雪丽昝文博
柳雪丽 昝文博
摘 要:随着城市轨道交通网络化发展,换乘站服务设施与布局已成为影响换乘效率和拥堵转移问题的主要因素。換乘主要问题表现为扶梯和通道过于拥挤、换乘通道长且狭窄、换乘体验感及换乘便捷性差等方面。针对以上问题,从分析城市轨道交通换乘站内服务设施对人流量的影响这一角度进行研究,建立评价指标体系,以小寨换乘站为例进行评价,并提出改善拥挤度的有效措施。
关键词:城市轨道交通;换乘站;拥挤度
中图分类号:U293.1 文献标识码:A 文章编号:1003-5168(2021)23-0114-03
Abstract: With the development of urban rail transit network, service facilities and layout of transfer stations have become the main factors affecting transfer efficiency and congestion transfer, mainly manifested in overcrowded escalators and channels, long and narrow transfer channels, poor transfer experience and convenience, etc. In view of this problem, this paper studies the impact of service facilities in urban rail transit transfer stations on passenger flow, establishes an evaluation index system, takes Xiaozhai transfer station as an example to evaluate, and puts forward effective measures to improve congestion.
Keywords: urban rail transit;transfer station;crowded degree
1 地铁换乘站行人拥挤的影响因素
地铁中行人具有一定的群体特征,所以引入行人流交通参数来分析行人特征,研究地铁车站中行人宏观行为。研究资料表明:造成地铁车站换乘拥挤的原因众多,且不同的服务设施与人群,对拥挤度的影响也不同。
1.1 行人流交通参数
1.1.1 行人流量与流率。行人流这一概念对地铁换乘拥挤度分析、换乘服务设施的设置、车站的服务水平及换乘效率的评价有着重要的意义。在地铁车站中将规定的时间内通过某一指定的点或者某一指定的断面的行人的数量称为流量,通过某一指定单位有效宽度的行人数量称为流率。行人流量反映了地铁车站的客流大小,而流率则反映了车站的客流疏散效率。
1.1.2 行人密度。行人密度的大小能反映行人行走的自由度。由于早晚高峰、节假日和平峰时期的人流量不同,量化困难,因此用在地铁换乘站中每个乘客所占行走空间的大小来表示行人密度。行人占用空间和行人密度在数值上互为倒数,随着行人走行速度的增加,占据的空间也会相应增加,乘客占据空间的大小能够直观反映地铁换乘站的拥挤程度。
1.1.3 行人速度。行人速度是行人交通流在指定方向上运动的流率。在一定条件下行人速度越快,说明拥挤度越低,反之则越高。但是,行人速度也受到乘客的性别、乘客年龄和乘客出行目的及时间预算的影响。
1.2 拥挤原因
对于地铁换乘站而言,造成行人拥挤的原因包括直接原因、客观原因、根本原因和其他原因4类[1]:直接原因主要是换乘客流的双向交织、站厅层与楼扶梯的衔接处以及弱势群体行走缓慢造成的局部拥堵等;客观原因主要是服务设施设计不合理和导向标识不清;根本原因是乘客缺乏安全知识技能,安全素质较低;此外,还有工作人员的应急准备和应急能力不足等其他原因。在众多因素中,服务设施对行人流的影响最为直接。
1.3 服务设施对行人流的影响[2]
1.3.1 通道对行人流的影响。换乘通道的长度和宽度直接影响换乘效率。通常来讲,换乘通道越宽,换乘客流的自由度也越大。除了通道客容量,还应考虑通道中的紧急突变点。因为乘客在换乘过程对于紧急突变点需要反应过程,客流密度大时,紧急突变点一时难以通过,便会在通道中形成短时拥堵。
1.3.2 楼扶梯对行人流的影响。扶梯的乘载人数有限,高峰期行人聚集在楼梯上,会形成部分密集的客流拥挤。另外,楼梯因为双向混行造成行人流速变慢,拥堵时间就会变长。
1.3.3 站台对行人流的影响。站台的主要作用是供乘客乘降,按功能可分为乘降区和集散区两部分。区域面积和客流组织设施直接影响行人流速。为了保证乘客有序候车与乘车,通常在楼扶梯旁边划分禁止排队等候区域,避免因楼扶梯处人流量大而影响乘客正常通行。
2 换乘站拥挤度评价指标体系建立
2.1 建立指标体系
2.1.1 拥挤度指标确定。为全面反映换乘拥挤的各方面因素,将排队区域拥挤、集散区域拥挤、换乘区域拥挤作为一级评价指标,对一级评价指标进一步分析,得出二级评价指标,如表1所示。
2.1.2 拥挤评价等级划分。为了更直观地反映地铁换乘站拥堵的变化趋势,提出了5个行人状态,并参照国家突发公共事件应急预案,将拥挤度分为五个级别,即{畅通无阻,基本畅通,一般拥挤,比较拥挤,严重拥挤},每个级别对应不同的拥塞状态[3]。
2.2 模糊综合评价法
对评价指标进行分类之后,将指标中不易定量的因素定量化,选择模糊综合评价法从多个因素对被评价的拥挤度的隶属等级状况进行评价[4]。
2.2.1 确定换乘站评价对象的因素论域。[X=X1,X2,…,Xn],即[n]个评价指标,包括排队区域、集散区域和换乘区域3个方面,共11个具体指标。
2.2.2 确定换乘站评价等级论域。[V=V1,V2,…Vi,…Vk],即[k]个评价等级,每一个等级可对应一个模糊子集。在换乘站综合评价中,划分为5个等级,即{很好,较好,一般,较差,很差}。
2.2.3 进行单因素评价,建立换乘站综合评价的模糊关系矩阵[R]。构造换乘站评价等级模糊子集后,就要对影响换乘站综合评价的每个因素Xi进行量化,从单因素来分析换乘站综合评价对各等级子集的隶属度([RXi]),进而得到换乘站综合评价的模糊关系矩阵:
[R=rijn×s∙r11r12…r1sr21r22…r2s⋮⋮⋱⋮rn1rn2…rns,i=1,2,...,n;j=1,2,...,s] (1)
矩阵[R]中第[i]行第j列元素[rij]表示换乘站准则层指标因素Xi对Vj等级模糊子集的隶属度。准则层指标在某个影响因素Xi方面的表现是通过换乘站评价模糊向量[R]来描述。
2.2.4 确定换乘站综合评价指标的模糊权向量[W]。一般地,[n]个评价指标对换乘站综合评价并非同等重要,各指标层对准则层的影响也不同。因此,在合成之前要确定模糊权向量。在换乘站模糊综合评价中,权向量[W]中的元素wi本质上是影响评价的具体指标Xi对各准则层指标模糊子集的隶属度,因而一般用模糊方法来确定,并且在合成之前要归一化。换乘站模糊综合评价模型为:
[B=WR=ω1,ω2,…,ωn∙r11r12…r1sr21r22…r2s⋮⋮⋱⋮rn1rn2…rnsb1,b2,…,bs] (2)
式中:bj表示评价的准则层指标从整体上看对Vj等级模糊子集的隶属度。[B]中的各个元素是在广义模糊合成运算下得出的运算结果,其计算公式为:
[bj=(ω1?r1j)⊕(ω2∙r2j)⊕...⊕(ωn∙rnj)] (3)
式中:⊕为模糊矩阵相加;B是评价集V上的等级模糊子集;[bji=1,2,…,s]为等级Vj对综合评价所得等级模糊子集[B]的隶属度。
2.2.5 评判结果决策。模糊综合评价判定出来的大多数是一个向量,若多个共同判定,则选择按大小顺序,择优排序。
3 实例分析
3.1 小寨换乘站概况
小寨站是陕西西安地铁2号线与3号线的换乘站,由于时间限制,选择了一个工作日调查小寨站的换乘客流情况。在调查的过程中,分别选取双向换乘的各一个断面来统计换乘客流量。早高峰选取7:00—8:00,晚高峰则选择了18:00—19:00,每隔15分钟记录一次数据,具体调查结果如表2所示。
调查结果显示,在小寨站2号线换乘3号线早高峰达到5 058人/h,晚高峰6 124人/h。乘客步行速度受控制,拥挤感强烈,无法逆行,属于严重拥挤。
3.2 小寨站换乘拥挤度评价
选取了小寨站换乘乘客作为评价主体,进行问卷调查,通过回收反馈,得到评价结果如表3所示。
对于定量指标,选定各指标合理取值范围,应用模糊数学方法建立各指标隶属函数,计算出各指标的具体值,代入相应的隶属函数得到隶属度。定性指标则采用上面问卷调查及专家打分的方法来确定其隶属度。顺畅性指标的计算结果如表4所示。
根据式(1)分别计算排队区域、集散区域拥挤和换乘区域拥挤的评价指标矩阵。
3.3 模糊综合评价
根据模糊度评判可知,小寨站排队区域人数多对换乘拥挤度影响很大,属于严重拥挤区域。集散区域拥挤相对满意的隶属度比较高,属于一般拥挤。然而,换乘区域的满意隶属度也很低,可以看出西安地铁小寨换乘站的拥挤度评价比较差。
4 结语
根据综合评价结果,目前,小寨站存在换乘走行距离过长、出现突变点、乘客空间导向弱、站台处过于拥挤和服务设施匮乏的问题。因此,为缓解换乘站客流堆积,降低安全隐患,可以增强换乘空间导向标志,对地铁站内部客流流线进行优化组织设计,同时加强服务设施的布置与服务人员的培训,全面优化换乘站的组织设计[5]。
参考文献:
[1]周继彪.综合交通换乘枢纽行人交通特性及安全疏散研究[D].西安:长安大学,2014:23-28.
[2]周继彪,陈红,闫彬,等.基于云模型的地铁换乘枢纽拥挤度辨识方法[J].吉林大学学报(工学版),2016(1):100-107.
[3]施云惠,熊梦伟,孙艳丰.城市轨道交通线网拥挤度指标体系研究[J].铁道科学与工程学报,2016(11):2290-2298.
[4]韩嘉.城市地铁应急预案研究[D].长沙:中南大学,2010:16-53.
[5]史册.基于设施分隔的地铁换乘站换乘效率优化研究[D].北京:北京交通大学,2018:26-29.