基于行为特征的智慧地铁车站空间组构效能分析研究

姚启帆，陈景衡，雷仁婧，高建

1 背景：智慧技术影响下的地铁车站空间精细化利用

随着城市地面建设及交通压力不断增大，大量的城市通勤人群涌入地下交通空间[1]。人们对地铁车站内的功能复合性和空间便利性的需求日益增加，车站内出现了乘车、接驳、购物等多种类型的行为复合。为了应对更大的客流压力和保障车站安全运行，在建设范围受限的地下空间内优化和提升车站空间的承载力是必然趋势。

地铁车站多位于地下，提高车站承载能力最直接的方法是调整车站规模[2]，但粗放地增加地下工程的面积，相应的代价是建设成本的大幅提升和地下空间的大量侵占。伴随车站智慧技术变革下的无感安检、无感检票等乘车行为的出现，车站的局部区域反而出现了空间的闲置。大量的面积紧缺与空间浪费在同一站点内同时发生，这表明智慧技术影响下的地铁车站空间利用并不高效。

地铁车站空间利用的问题，是基于地铁建设的特殊背景。轨道交通作为地下空间开发利用的核心内容，它与城市空间之间的关系，从最初以投入大量资源进行轨道交通生产建设的状态，逐渐演化为以效益产出为主的再生产过程[3]。与此同时，2020 年国内制定并发布智慧城轨发展纲要[4]，旨在依托大数据、物联网、人工智能等新兴信息技术，构建新一代智慧型城市轨道交通[4]。简言之，地铁车站的建设正处于城市地下综合开发和交通智慧化建设双向复合影响变动时期。

新形势下，地下车站空间的精细化设计，面临以下难点：（1）空间资源的开发强度正处在动态变化中，车站周边环境的不确定性和车站的精细规划相互矛盾；（2）设计总是滞后于技术迭代，地下车站建筑设计具有设计周期长、设计迭代挑战大、矛盾多的特点。新建车站按照100年的使用年限进行设计，一旦建成，空间更新难度大[5]。总之，地铁车站精细化设计与现有城市开发强度的迅速变化相矛盾，同时又受到车站自身建设长周期的制约，滞后于智慧技术的发展。

2 微观行人层面的车站空间组构再讨论

在既有研究中，对地铁车站与地下空间利用的讨论，包含交通效率、空间使用和城市效能3 个层面。交通效率的研究，是指车站内核的人员运输效率，与车辆运行、车站运维、客流运载紧密相关[6]，包括了交通设施效率、枢纽换乘效率以及全面的枢纽评价等方面的研究[7]；空间使用的研究，主要的研究对象是轨道交通车站公共区域[8]以及站点周边相连接的城市公共空间、接驳空间、中介空间等空间类型[9]，并着重于从功能、流线、尺度等各个维度探讨空间的组织模式和设计策略[8-9]；城市效能的研究，主要探讨车站内核对城市周边区域发展的影响，即区域价值的最大化，“车站社区”[10]“城市核”[11]“轨交站共享域”[12]“影响域”[13]“外围域”[14]等多类型的空间模式被提出。总体上，既有的研究趋向于认同车站空间本身构成的稳固性，空间精细化设计各维度的操作对象从“车站空间内核的量化研究”转为“激活车站域的城市效应”等更为外延的范围进行讨论（图1）。

1 车站域的界定

以更广泛的视角讨论地下车站空间，能够有效发挥站点的城市综合效能，但在实际的执行与应用中，这样的方式将行人的微观活动行为剥离。一个简单朴素的事实是，在城市持续膨胀的现实下，人的身体尺度与行为能力显然不会随之放大，也不会在漫长的历史发展中产生显著变化[13]。车站作为承载行人行为的空间容器，其外围物理轮廓受制于地下环境，内部空间组织构成是讨论微观行人活动的有效方法和落实空间效率的最佳途径，这自然地引发出对地铁车站本身空间组织构成的再讨论。

城市地下综合开发和智慧车站技术对于车站空间的诉求是快速更替和动态变化的，而行人的行为演变是车站空间关联最为直接、稳定的影响要素（图2）。如何落回行人微观层面，基于行人行为演变对空间的基本组织构成进行底层推演，是回答地下车站空间精细化利用问题的关键。如何在微观行人层面审视和评价地铁车站空间高效利用，是本研究回答的核心问题。

2 车站空间影响要素关联

研究首先提出地铁车站“空间组构效能”这一概念，并对其进行界定和描述；其次通过数组的方式建立起组构效能的数学表达式；继而提出组构效能的量化计算方法；对计算结果进行可视化表达；最终建立完整的地铁车站空间组构效能分析模型（图3），并基于两个地铁车站的实例进行空间精细化利用的分析与讨论。

3 地铁车站组构效能分析模型

3 基于行为特征的空间组构效能

3.1 何为空间组构效能

希利尔（Bill Hillier）对于空间组构的定义是：一系列的空间关系，它们之间相互影响。更改其中任何一组空间关系，整个空间组构将会相应地发生变化[15]。地铁车站在建造完成时是一个空旷完整的物理空间，为保障进出站双向人群的流畅通行以及方便收费管理，地铁车站公共区域的物理空间又具体限定为接驳通道、站厅非付费区、站厅付费区、竖向交通、站台公共区5 个空间单元1）（图4）。行人连续通过每一个单元，最终达成乘车、出站、换乘的目的。这种因行人流动所串联起的空间组织模式，即地铁车站的空间组构。这里的组构不是空间的物理几何，而是抽象的空间关联（图5）。

4 T型换乘车站空间组构单元

5 T型换乘车站空间组构协同匹配

由于车站每个区域的通行行为不同，因此建设时划分给各组构单元的通行面积也有所差异。为满足车站内的行走通畅、停留舒适，各组构单元以及设施之间需要在通行面积上进行协同与匹配（图5），这种协同关系用度量来表示即匹配度。据此，这种基于空间通行面积来反映各单元之间协同与匹配程度的量纲被称为“空间组构效能”。用数组形式表达如下：

其中：Sn为车站组构中第n 个单元的通行面积；M（n-1）n为第n-1 个单元与第n 个单元之间的匹配度。

空间组构效能具有评价全面性。地铁空间精细化利用包含两种情况：一是对物理空间的使用，即是否充分利用地下空间面积；二是对行人流量资源的使用，即是否将站点所带来的流量变为空间价值。相较于既有研究将地铁车站空间精细化利用简单地归结为地下空间面积的节约[16]，空间组构效能反应出空间面积、功能与人流资源的关联，能够双向交叉评价面积利用的合理性。空间组构效能具有量化计算特性。空间组构效能的概念在于探究车站局部与局部、局部与整体之间的匹配程度，并使用数组形式表达。基于此，组构效能能够被量化计算和可视化表达。

3.2 基于行为特征的组构效能表示

组构单元的通行面积{S1，S2，S3，…Sn}与车站的客流强度直接挂钩，而客流强度包含两个关键影响因子，即乘降总量和行为特征。

“乘降总量”是车站全日进站、出站、换乘客流之和，包含初期、近期、远期3 个级别，是客流强度的直接影响因素。随着地下空间接驳方式多样化，功能复合性提升。地铁车站不仅承担交通客流集散功能，还更多承载商业接驳、城市地下公共活动等非乘车行为。在相同乘降量的前提下，更为复合化的行为特征导致了更高强度的客流冲击。因此，仅凭乘降总量无法准确地反映出车站的真实客流强度。

“行为特征”是指行人在车站物理空间内的分流、汇合、滞留等通行行为，包含“人群状态”和“个体行为”两个层级。人群状态是一定数量相同或不同的个体行为同时发生而构成的群体现象。车站内人群状态包含流动、分流、汇合、交叉、滞留等；个体行为包含乘车时的行走观察、静止等待、静止寻路等行为（图6）。车站物理空间、人群状态与个体行为三者构成了互为关联的复杂映射关系（图7），这种复杂的映射关系解析了车站内部高度复合的行人行为状态。

6 车站空间行人行为特征

7 行为特征—空间组构关联映射

基于以上分析，通过对地铁车站客流预测以及微观行为的多元影响的调查研究，在现有乘降总量的基础上计入行为特征因素，更为精细化地确立了地铁车站4 个等级的客流强度，分别为：a 紧急疏散、b 平均客流、c 动态客流、d 高峰客流（表1）。

表1 行为特征分级及衡量标准

相应的，遵循组构单元面积{S1，S2，S3，…Sn}与客流强度匹配对应的原则，组构单元也分为4 个面积级别（Sna，Snb，Snc，Snd）并与4 级客流强度对应（表1）。由于面积为连续变量，因此组构单元面积级别可以用面积区间[Sna，Snd]表示，而该区间即实际地铁单元空间设计建造的合理面积区间，在此区间内的车站单元最低能够满足紧急疏散客流，最高能够承载高峰客流。进一步，空间组构效能由一维单元面积匹配数组（公式1）更新为包含单元面积区间的多维数组，具体表达方式如下：

其中：Sn为车站组构中第n 个单元的标准通行面积；a，b，c，d 为客流强度。

3.3 组构单元面积区间计算

组构单元面积区间[Sna，Snd]是组构效能量化计算的关键。既有的地铁车站空间计算方法是依据《地铁设计防火标准》[17]计算车站最小面积标准Sna。而后，基于客流预测数据进行客流仿真模拟，依据模拟结果扩大或调整部分拥堵区域，最终得到车站最终的设计尺寸和面积。本研究在既有计算方法的基础上，结合数字化模拟的最新方法，将行为特征因素考虑在内，基于上述对4 个级别客流强度的定义，更为细粒度地计算Sna，Snb，Snc，Snd4 个级别的面积，最终得出组构单元更为精细、更为合理的面积区间，为设计实践提供参考，为效能分析提供依据。

目前广泛应用的交通行人仿真模拟平台有AnyLogic、Legion、Steps 和Sim-Walks 等（表2）[18]，其中AnyLogic 的核心算法为社会力模型，即行人受到3 种作用力影响：主观意识驱动力、人与人之间作用力、人与边界之间作用力[19]，可以实现包括离散、连续和混合行为的复杂仿真[20]。相较于其他模拟平台，AnyLogic 具有以下优点：（1）依靠其行人库实现行人仿真，行人库中包含了行人对象和人群对象[18]，可以反映乘客个体行走特征及行人自组织现象[21]；（2）AnyLogic不需给出行人行走的完整路径，在社会力模型中，人具有自激励机制，每个行人的行走是若干因素共同作用的结果[22]，更加贴近地铁车站复合化的行为特征；（3）AnyLogic 允许对空间组件进行拼装和拆分模拟，从组构层面进行模拟研究。因此，本文选用AnyLogic 作为模拟工具，建立面积区间精细化计算流程。其中，行人数量参数依据《西安市地铁客流预测》中T 型换乘站设计要求进行确定，其他工况如表3。

表2 行人仿真模拟软件对比

表3 行人模拟工况设置

本文以西安地铁T 型换乘车站为例对组构单元精细化计算流程进行说明（图8）。首先，基于疏散客流计算满足疏散的最小面积方案Sna，计算方法依据《地铁设计防火标准》[17]执行；并以Sna为初始面积方案，采用序贯试验法在各单元初始面积的基础上每次增加一个步长面积，调整步长为5%，直到模拟结果达到表1 中下一级别的衡量标准，记录达标的各单元面积数据；继续以上循环直到4 个级别的组构单元面积全部计算完成，循环终止。最终储存的数据和模拟结果如表4。

表4 模拟结果

8 组构单元面积区间精细化计算流程

3.4 组构效能的计算

以上通过组构单元精细化面积区间计算得到了西安地铁T 型换乘车站组构效能的多维数组公式（3）。

该数组为车站每一个组构单元对应提供了一个合理通行面积区间，可作为组构单元精细化设计的指导依据，即Sn∈[Sna，Snd]。单元面积低于Sna表示通行能力不足，高于Snd表示通行能力过剩。所以每一个单元Sn在所属区间[Sna，Snd]中的定位就能够反映该单元的通行能力，用Tn表示。而T(n-1)与Tn之间的差值即匹配度M(n-1)n，计算方式如下：

其中：Sn为车站的第n 个组构单元面积，单位为m2；a，d 为客流强度；Tn为车站组构中第n 个单元的通行能力值；M(n-1)n为Sn-1与Sn-1之间的匹配度。

进一步，将车站所有单元的通行能力考虑在内，即对多维数组中的所有单元的通行能力值Tn进行均方差（Standard Deviation）计算，就能够反映出车站空间整体的匹配的均衡关系，研究将这种匹配关系定义为效能不均匀性，并以效能不均匀系数表示，计算方式如下：

其中：Tn为车站组构中第n 个单元的通行能力值（公式4-1）；N为组构单元数量。

进一步，在车站运行时，车站的真实通行能力取决于5 个组构单元中通行能力最低的区域Tmin（Tmin ∈Tn，且为Tn中的最小值），客流强度一旦高于该值，车站便会出现局部拥堵，即存在通行瓶颈区。对所有单元的通行能力值Tn与Tmin进行均方误差（Mean Squared Error）计算，就能反映车站组构的真实通行效能，计算方式如下：

其中：Tn为车站组构中第n 个单元的通行能力值（公式4-1）；N为组构单元数量。

4 组构效能可视化分析——以两个T型换乘车站为例

基于以上对于空间组构效能概念的界定及量化计算方式的建立，研究选取两个T 型换乘车站（科技路站和西工大站）进行实例对比（图9）。两站为西安地铁6 号线上相邻站点，西工大站设计乘降总量更大，车站规模更大，公共区域部分面积约为科技路站的1.4 倍，主要差距在接驳通道和站厅非付费区部分（图10）。虽然车站规模不同，但两个车站内部组构单元的面积占比却非常接近。为直观表示两个车站的组构效能，研究通过平行坐标图对组构效能多维数组进行可视化（图11），将车站的组构单元面积（图11 中折线端点）带入平行坐标图，可直观反映出车站自身组构单元之间的面积匹配情况。

9 西安地铁T型换乘车站，来源：西安地铁

10 组构单元面积对照

11 空间效能分析坐标

对于西工大站，接驳通道、站厅非付费区和站厅付费区的通行级别均超过高峰客流标准。原因在于该站点周边规划容积率较高，设计面向未来周边地下空间复合开发留有较大余量。竖向交通虽达到动态客流级别，但该区域在未来客流增大时有可能成为空间通行的瓶颈区。对于科技路站，竖向交通的通行级别高于其他组构单元，这种配置方法考虑到了未来车站流量增大时的通行安全性，但接驳通道和站厅层均无法承载更为复合的行为活动，空间综合开发改造的潜力不大。

经计算，西工大站效能不均匀系数为0.23，科技路站为0.22，这表明两个车站均存在一定程度的效能不均衡。西工大站真实效能系数为0.14，科技路站为0.08，表明科技路站真实效能更高，其原因在于西工大站有明显短板，竖向交通成为车站通行能力的瓶颈区域；而科技路站则完全相反，除竖向交通远离瓶颈区域，其他组构单元均在瓶颈区附近分布，车站通行瓶颈不明显，显然这种在竖向交通部分预留面积富余量的配比方式具有更高的真实效能。

综上，通过实例研究得出以下结论：（1）两个车站的总体规模不同，虽然面积配比接近，效能不均匀系数接近，但真实效能差异较大。这说明不可简单地按比例扩大车站规模来匹配更大流量，而需要组构单元间精细化的匹配计算；（2）两个车站效能不均匀系数非常接近，但具体影响因素完全不同。西工大站是由于局部瓶颈导致不均衡，而科技路站则是由于局部富余导致的不均衡。而真实效能系数能够反映出车站短板和真实效能，并在不同车站之间进行对比。

5 组构效能提升策略

为提升地铁换乘车站的空间综合使用效能，激发空间的利用潜力，化解空间拥堵“瓶颈”，且保障地下空间的安全，针对以上发现的地铁车站效能不均衡问题，提出设计优化策略：（1）轨道交通及周边城市建设具有圈层性[23]，同样的，地铁车站各组构单元及相邻城市空间内的行人行为特征也具有层级性，因此健康的组构配比可使组构各层级的通行能力保持相对均衡，从而保证行人的通行流畅；（2）在未来，行为活动的复合化将率先出现在接驳通道内部，设计应由当前的“通道”概念转为“接驳空间”，以承载更多的非乘车行为活动。但应避免粗放地扩大接驳通道面积而导致效能的不均衡，连带影响车站其他区域出现通行瓶颈；（3）在地下空间行为特征复合化的背景下，车站外围的接驳通道及站厅非付费区将拥有更多的与城市融合可能性。未来应当缩小交通核心范围，将交通核心限定在站厅付费区、竖向交通以及站台区内，简化空间层级，提升整体效能。

6 结语

对“空间组构效能”概念的界定，透析出了“地下车站空间精细化利用”议题下的“组构效能不均衡”问题。从表面上看，该问题是由于空间未精细化计算导致的，只需要调整组构之间的面积配比即可解决。但事实上，地铁车站空间组构效能的不均衡现象将在未来一段时间内持续存在，该问题是城市地下空间快速变动下缺乏整合规划的产物，必须从对“组构效能不均衡”现象的考察上升到研究其背后普遍合理的行人行为演变、城市区域不均衡发展、城市用地权属等多因素的复合作用规律，对其进行科学化的描述、抽象与解释，并以此建立完整的组构效能评价模型。本研究建立的“组构效能分析模型”从行为特征层面对地铁空间效能的量化评价进行了初步探索，为地铁车站的精细化利用提供了细粒度的参考区间，为科学的量化评价体系贡献了评价逻辑。

注释

1）车站空间依据使用权限分为乘客活动的公共区、设备区和管理区。其中设备区与管理区为封闭区域，本研究暂不做考虑。