乘客停留时间变化对地铁车站空调负荷影响分析

徐国强 王冠 张童

西安建筑科技大学建筑设备科学与工程学院

目前，乘客停留时间的研究方法主要有实地调研，统计数据分析和行人仿真模拟等，实地调研方法[1]的适用性较强，但公式中的参数选取较为复杂，所需工作量较大。统计数据分析[2]利用客流数据，结果精度较高，但其难以得到站内各区域的负荷。客流仿真方法[3]是通过模拟乘客在站内的走行过程获得其停留时间。随着行人仿真模型研究的不断深入以及计算机性能的提高，此方法更为准确和便捷。因此本研究通过行人仿真获得动态乘客停留时间，并与基于传统静态乘客停留时间的负荷计算结果进行对比，探究动态乘客停留时间对负荷结果精度的影响。

1 乘客在站停留时间分析

1.1 行人运动物理模型建立

行人的运动行为复杂且随意，受个人的年龄、性别、携带行李情况等自身因素和车站的结构、站内设施及布置方式等环境因素影响。可通过设定行人运动的驱动力或将运动区域划分成有限网格等方式对人的活动进行模拟。其中社会力模型[4]是假设人与人、墙体间的斥力，人与目标的引力的合力共同作用促使行人产生运动。该模型在行人交通中能较好地展现行人的自组织、超越、拥挤聚集和避让等行为，能较好的展现乘客的运动状态，因此选择基于社会力模型原理的仿真软件AnyLogic[5]，通过其内置的行人库和智能体模块建立模型，模拟乘客在站内的走行过程。

行人模拟时，先在软件中搭建一个与实际地铁车站相同尺寸的空间，用于指定行人的运动范围以及各服务设施的位置。地铁车站的类型多样，但对于岛式车站，其设施的布置方式大体相同，且在国内应用较多。因此，选择西安地铁2 号线某岛式车站为研究对象，其周边建筑发展较为成熟，客流量较为稳定且平时不会出现较为拥挤的现象，便于现场实测。根据其平面图纸，在软件中建立的安检机，闸机，楼梯和扶梯等服务设施，地铁站模型如图1 所示。

图1 Anylogic 地铁站三维模型图

然后，根据乘客的在站内的活动流程，如图2 所示，建立行人运动逻辑流程图。客流运动状态通过软件内置的模块组成。利用“Event”和“参数”控件对列车发车时间和乘客年龄，性别等进行设定，利用Java 语言[6]实现乘客上、下车等情景。

图2 进出站乘客运动流程图

1.2 软件输入参数设置

根据车站实地调研的结果及相关文献的整理，对模拟中人员的舒适速度，服务设施的服务时间以及服务的人员类型等参数进行设置。人员舒适速度是指人员在不受阻碍时的运动速度。受到乘客的性别，年龄，负重情况的影响。乘客携带行李状况决定行人身体尺寸大小。根据相关研究[7]，将乘客速度分为0.9 m/s 和1.2 m/s 两类，且假设人数比例为1:1。站内携带与非携带乘客的比例约为7:3，乘客身体直径分别取为0.4 和0.6 m。乘客在闸机的等待时间受到刷卡方式等的影响。经调研发现一般使用乘车码的乘客等待时间较使用磁卡的长，且易出现操作不当等问题。结合相关文献[8]，确定闸机服务时间服从0.5～1 s 的均匀概率分布。站内安检设施有行李和行人安检机，乘客通过两者的等待时间不同，行人和行李安检机的服务时间分别服从三角和均匀概率分布。该站楼梯为双向混合行走模式，扶梯为上行模式，通过调研，在客流高峰时段，较为着急的乘客会选择楼梯出站，且行走速度和自动扶梯相当。本研究中行人在楼扶梯的行走速度取值为0.65 m/s。

为了避免出站客流聚集，一般正反向列车不会同时到站。模拟时假设正反向列车交替到站且所有在站台等候的乘客都能上车。模拟时不考虑乘客购票（乘车码的普及）、购物、原路返回等特殊行为。

2 空调负荷计算

将模拟得到的乘客停留时间参数用于车站空调负荷的计算。站内空调负荷的主要有围护结构负荷，设备负荷，渗透风负荷和人员负荷。其中围护结构主要有土壤，排热风道和屏蔽门，这部分围护结构受室外辐射等气象参数影响较少，且在车站运营前期主要表现为逆向传热[9]，所以这里不做考虑。屏蔽门开启漏风量取值为每辆列车30 m3/h，屏蔽门关闭时渗透风量为屏蔽门开启时的7%[10]。隧道空气温度采用相关学者对西安地铁隧道环境的测量结果28 ℃[11]进行计算。出入口渗透风量取平均值6.25 m3/s[12]。新风负荷的新风量依据地铁设计规范[13]取每人12.6 m3/h。人员负荷按照人体的散热标准进行计算。

地铁车站属于过渡区间，所以室内目标温度值的确定方式应与办公类建筑不同。本研究室内目标温度采用动态相对热指标（RWI）法进行计算[14]，RWI 主要用于过渡区域的热环境的评价，基于此方法下，站内温度随室外温度变化而变化，更为合理。

空调负荷计算所需的室外气象参数主要通过中国气象数据网站获得，选用陕西泾河气象站的地面逐时气象资料。站内客流变化以及发车间隔参数通过对西安某地铁站的某工作日客流进行实地调研获得。在站台楼梯处，通过拍照与录像的方式记录6 min 内的上、下楼梯客流量作为1 h 时间段内的平均客流量（假设两侧楼梯的客流量相同），记录每趟列车的发车间隔以及在站停留时间。如表1 所示。

表1 夏季某日地铁站室外气象及客流量参数

3 结果分析

对各时段下，乘客在站内的走行状况进行模拟，部分工况如图3 所示，进出站乘客按照图2 所示流线分布。

图3 17 点时刻乘客在站内的走行状态

对各时段乘客在站停留时间进行统计，结果如表2 所示，τa1和τb1分别为进站乘客在站厅和站台停留时间，τa2和τb2分别为出站乘客在站厅和站台停留时间。

表2 夏季某工作日测试车站客流量调研结果

由表2 可见，随客流的变化，进站乘客在站厅的停留时间在60-680 s 之间。这主要是因为客流量增大时乘客在安检机处的排队等待时间较长。进站乘客在站台停留时间主要受列车发车间隔影响在75-180 s 之间变化。当客流量减小时，列车发车间隔变长，乘客走行受其他乘客影响较小，走行速度较快，在站停留时间也越接近发车间隔。出站乘客在站台和站厅的停留时间随客流量的变化范围相对较小。这是由于乘客出站时，只在扶梯处出现短暂的无规则拥挤聚集现象。

4 地铁站空调负荷计算结果对比

对基于静态和动态乘客停留时间的负荷计算结果进行对比。其中静态乘客在站停留时间的取值为：进站乘客在站厅和站台的停留时间分别为3 min 和2 min、出站乘客在站厅和站台停留时间均为1 min[15]。动态乘客在站停留时间采用前面行人模拟得到。计算得到两者站厅和站台的空调冷负荷结果绘制具体如图4 所示。

图4 站内负荷计算结果

由图4（a）可见，基于动态乘客停留时间的站厅层空调负荷波动性更强。最大负荷差值发生在客流高峰时刻，差值达到96.1 kW，相对差值为29.97%，在客流平峰时刻两者负荷差距较小。主要因为在客流较大的时间段，乘客在站停留时间较长导致负荷更大。这是因为进站乘客在站厅停留的时间受到客流量的影响较大。这是由于进站乘客站台乘客的停留时间主要受到列车发车间隔的影响，且当客流量较大时列车发车班次增加，发车间隔减小，进站乘客在站台的等待时间缩短，计算空调人数的增幅较缓。人员负荷的波动不明显。

由图4（b）可见，由于静态的乘客停留时间估计较大，因此基于静态的乘客停留时间的负荷计算结果较大。随着客流量增加，列车发车间隔缩短，导致乘客在站台停留时间减小。站台空调负荷波动反而较为平缓。最大负荷差值也发生在晚高峰时刻，差值为-14.5 kW，相对差值为-11.16%，相对站厅较小。

5 结论与展望

本文通过对西安某地铁站乘客运动行为的调研和模拟得到在不同客流量及列车发车班次情况下的乘客在站停留时间。结果表明，随着进站客流量的增多，乘客在安检设施处的排队时间增加，导致进站乘客在站台停留时间在1 min 到10 min 之间变化。随着发车间隔减小，乘客在站台的停留时间缩短，在6 min到2 min 之间变化。出站乘客走行阻碍较弱，停留时间随客流量的变化较小。

对比基于静态和动态的乘客在站停留时间的空调负荷计算结果表明，基于动态乘客在站停留时间的站厅空调负荷波动性较强，最大负荷差值达到96.1 kW，相对差值达到29.97%。站台层负荷波动较为平缓，最大负荷差值为-14.5 kW，相对差值为-11.16%。建议当对地铁车站空调负荷结果精度要求较高时，应当采用基于动态的乘客停留时间的计算方法进行计算。