地铁车站步行设施超越行为负效应评价模型研究.pdf

铁道运输与经济RAILW AY TRANSPORT AND ECONOMY第 45 卷 第 09 期地铁车站步行设施超越行为负效应评价模型研究Negative Effect Evaluation Model of Pedestrian Facilities Transcendental Behavior in Subway Station 丁泓十，胡华，方勇，郝妍熙，刘志钢DING Hongshi，HU Hua，FANG Yong，HAO Yanxi，LIU Zhigang(上海工程技术大学 城市轨道交通学院，上海 201620)(School of Urban Rail Transit,Shanghai University of Engineering Science,Shanghai 201620,China)摘要：行人超越行为会引起步行设施服务水平下降，同时还会增加安全隐患。由于地铁车站步行设施类型的多样化和行人自身属性的差异化，导致行人超越行为特性复杂，并产生不同程度的影响和后果。为量化评价地铁车站步行设施超越行为负效应，首先基于行人动力学分析超越行为的运动特性及其负效应形成机理；其次，提出轨迹偏移率、速度熵、速度相对极差3个评价指标，并构建基于熵权法的超越行为负效应评价模型；最后，设计可控模拟实验定量确定行人发生超越行为时运动状态变化的负效应阈值，划分负效应评价等级，并追溯分析不同的通道行人服务水平条件下超越行为负效应等级的变化规律。研究成果可为考虑行人异质性行为的地铁车站精细化客流组织和设施布局设计提供理论依据。关键词：地铁车站；步行设施；超越行为；速度熵；负效应评价模型Abstract:The transcendental behavior leads to both a decline in the service level of pedestrian facilities and an increase in safety risks.The complexity of this behavior arises from the variety of pedestrian facilities in subway stations and the differentiation of pedestrian characteristics,leading to varying degrees of impact and consequences.This paper aimed to quantify the negative effect of the transcendental behavior of pedestrian facilities in subway stations.Firstly,pedestrian dynamics were utilized to analyze the motion characteristics of transcendental behavior and the formation mechanism of negative effects.Secondly,three evaluation indexes of trajectory offset rate,velocity entropy,and velocity relative range were proposed,and the negative effect evaluation model of transcendental behavior based on entropy weight method was constructed.Finally,a controllable simulation experiment was designed to quantitatively determine the negative effect threshold caused by changes in pedestrian movement state during transcendental behavior,categorize the levels of negative effect evaluation,and retrospectively analyze the change patterns of these levels under different pedestrian service conditions.The research results can provide a theoretical basis for the refined passenger flow organization and facility layout design of subway stations,taking into account the pedestrians heterogeneous transcendental behavior.Keywords:Subway Station;Pedestrian Facilities;Transcendental Behavior;Velocity Entropy;Negative Effect Evaluation Model文章编号：1003-1421（2023）09-0140-07 中图分类号：U293.6 文献标识码：ADOI：10.16668/ki.issn.1003-1421.2023.09.20引用格式：丁泓十，胡华，方勇，等.地铁车站步行设施超越行为负效应评价模型研究J.铁道运输与经济，2023，45(9)：140-146.DING Hongshi，HU Hua，FANG Yong，et al.Negative Effect Evaluation Model of Pedestrian Facilities Transcendental Behavior in Subway StationJ.Railway Transport and Economy，2023，45(9)：140-146.-140丁泓十 等 地铁车站步行设施超越行为负效应评价模型研究0引言步行设施如出入口、通道、楼梯等是地铁车站的主要客运服务设施。超越行为作为地铁车站步行设施内的主要行人行为特征之一，在高密度人群或突发事件情况下，会产生水波式扩散的不良连锁反应，从而干扰行人流的稳定移动秩序，降低步行设施的通行效率和服务水平，并且增加其安全隐患。地铁车站步行设施类型(通道、楼梯等)和属性(布设位置、几何尺寸等)多样，行人特征(性别、年龄、是否携带行李等)也存在较大差异，导致步行设施上超越行为特性及其影响后果复杂多变。如何定量评价超越行为负效应是地铁车站进行精细化客流组织和设施布局设计的基础问题。目前，对于超越行为的研究已受到国内外诸多学者的重视。行人在步行设施内的超越行为会影响周围其他行人的走行路径和运动速度，导致“快就是慢”现象1。Shi等2考虑乘客超越行为对传统社会力模型进行了改进，构建了地铁车站合流通道乘客步行模型。Ye等3研究了不同服务水平下行人在楼梯上的超越行为，结果显示超越行为发生强度随着密度由低到中呈快速增加趋势，行人可用运动空间的多少是造成上述现象的主要因素。Tang等4基于速度-时间领域建立了连续的超越行为模型，通过改变行人移动的速度和方向避免与其他行人发生冲突。Yuen等5基于步速高的行人习惯于超越步速低的行人这一现象提出了改进的社会力模型。王雨佳6研究了同向走行行人跟随行为和超越行为的变换机制，确定了超越行为的产生条件并引入超越临时目标点和超越力的概念。综上所述，目前国内外关于超越行为的研究主要集中于基于仿真建模的超越行为特性及行人通行机理研究或行人流密度等宏观指标对超越行为特性的影响，关于超越行为引起行人走行路径、运动速度改变等而带来的负效应影响缺乏定量研究。为此，研究分析地铁车站步行设施超越行为的微观运动特性及其负效应的形成和影响机理，提出负效应评价指标并基于熵权法构建评价模型。设计可控实验采集超越行为数据，并对其负效应评价值、评价等级及其等级变化规律进行分析。1超越行为负效应形成机理1.1超越行为表征指标超越行为是指当前方行人速度小于后方行人且对后方行人移动路径造成阻碍时，后方行人需要换道甚至提速来超越前方慢速行人或行人队列以避免碰撞的情况7。超越行为为交互行为，涉及的对象包括超越者、被超越者，后方行人为超越者，前方行人或行人队列为被超越者。行人超越行为可划分为2个阶段换道阶段和超越阶段。超越行为示意图如图1所示。超越行为表征指标如表1所示。1.2超越行为负效应成因分析从图1可知，由于超越者发生超越行为会造成自身步行距离变长，同时导致被超越者以及周围其他行人的步行速度、轨迹等运动状态被动频繁改变，导致步行设施通行效率降低。拥挤情况下，超越行为所必需的行人间步行速度差会增大行人流的无序和混乱程度，从而增大步行设施的安全隐患。因此，超越行为会带来步行设施的通行效率降低和安全隐患增大等负效应，其主要影响因素和影响机理如下。（1）对于超越者来说，为了确保换道的完成，必须改变自身原先的行走轨迹以绕过被超越者。如图1所示，将超越者超越过程的起点与终点之间的直线距离进行垂直方向上的投影分解，会发现超越者需要额外在通道宽度方向上横向移动一段距离h，与原行走方向会产生偏移角度。h越大，值也越图1超越行为示意图Fig.1Schematic diagram of transcendental behavior-141丁泓十 等 地铁车站步行设施超越行为负效应评价模型研究大，超越者的运动位移增大，步行设施的通行效率随之降低。（2）由于超越者在发生超越行为时需要进行换道，这会对步行道上其他行人(超越者和被超越者以外的行人)的运动状态产生干扰，使其正常的步行速度 v 受到影响，出现加速、减速、停顿等情况，甚至可能发生冲突碰撞8，因此将其定义为被超越行为干扰的其他行人(以下简称“被干扰行人”)。被干扰行人受干扰程度越大，外在表现为其步行速度变化频繁、无序性增大，这不仅会降低步行设施的通行效率，还会影响行人行走过程中的舒适和安全。（3）超越行为发生的前提条件之一为超越者与被超越者之间存在一个较大的速度差v。在行人密度比较小且在前进方向出现走行速度比较慢的个体(如老人、小孩)时，行人的超越倾向会更加明显。并且，与均质人群相比，由于运动和自我调节能力存在差异，在年轻人和老年人的混合人群中更容易发生交通拥堵现象9。此时，若群体中出现个别行人的速度明显大于其他行人，即发生超越行为，不仅会出现“快即是慢”现象，还容易发生碰撞冲突，增大行人流的混乱和无序程度，增加了行人碰撞、拥挤踩踏等安全隐患。2超越行为负效应评价模型2.1超越行为负效应评价指标根据上述分析，超越行为负效应影响因素包含距离、速度及速度差3个方面。相应选取3个负效应评价指标，超越行为负效应评价指标如表2所示。（1）轨迹偏移率U1。由于超越者需要额外进行横向移动h，因此选择超越者与被超越者直线移动距离(位移，即目标的视频起点帧坐标与视频终点帧坐标之间的距离)之差与超越者直线移动距离的比值U1(即轨迹偏移率)来衡量超越者轨迹偏移产生的负效应。U1越大，表明超越者需要消耗更多的体力和时间来完成超越行为，从而产生的效率负效应越大。设超越行为开始于第 k 帧视频，结束于第(k+n)帧视频，U1的计算公式如下。di=(xi(k+n)-xi(k)2+(yi(k+n)-yi(k)2dj=(xj(k+n)-xj(k)2+(yj(k+n)-yj(k)2U1=|dj-didj式中：di，dj分别为被超越者i和超越者j在超越过程中的直线移动距离；(xi(k)，yi(k)，(xj(k)，yj(k)分别为被超越者i和超越者j在视频第k帧时刻的坐标。（2）速度熵U2。“熵”可以用于度量系统的无序性和随机程度10，其本质表示的是一个系统“内在的混乱程度”。假设一个随机变量X的可能取值为X=x1，x2，xn，对应的概率为P(X=xi)(i=1，2，n)，则随机变量的熵H(X)基本公式为H(X)=-i=1nP(xi)log(P(xi)理论上，熵中的对数函数可以采用任何底数，但不同底数对应的信息量单位也不同，如采用log2，则对应的单位为比特(bit)，这是最小的信息量单位，也是最常用的底数11。由于被干扰行人的步行速度会频繁发生改变，无序性增加，因此选取速度熵U2来衡量被干扰行人的步行速度混乱度。U2越大，表现为被干扰行人的步速变化越频繁，则速度熵U2就会越大。将超越行为发生全过程划分为m个单位片段(每个单位片段包含x帧视频)，U2的计算公式如下。vl(a)=(xl(k+ax)-xl(k+(a-1)x)2+(yl(k+ax)-yl(k+()a-1 x)2tU2=-P(vl(a)log2P(vl(a)式中：vl(a)为被干扰行人l在第a个单位片段内的平均步行速度；k为超越行为开始时刻的视频帧数序号；x为每个单位片段包含的帧数；t为一个单位表1超越行为表征指标Tab.1Schematic diagram of transcendental behavior表征指标横向移动距离h/m行走偏移角度/平均速度差v/(m/s)含义超越过程中超越者在通道宽度方向上移动的距离换道阶段超越者行走方向与y轴之间的角度差超越过程中超越者与被超越者步行速度差表2超越行为负效应评价指标Tab.2Negative effect evaluation indexes of transcendental behavior评价准则通行效率运营安全影响因素距离速度速度差评价指标轨迹偏移率U1速度熵U2速度相对极差U3-142丁泓十 等 地铁车站步行设施超越行为负效应评价模型研究片段持续的时间；P(vl(a)为vl(a)在整个超越过程中出现的次数与片段总数m的比值；(xl(k+ax)，yl(k+ax)，(xl(k+(a-1)x，yl(k+(a-1)x)，xl，yl分别为被干扰行人l在视频第(k+ax)和(k+(a-1)x)时刻的坐标。（3）速度相对极差U3。相对极差常用于衡量数据的离散程度，可以用来衡量风险的大小。并且，它不需要参照数据的平均值，是一个无量纲数值，能够简化数据处理过程。因此，采用速度相对极差U3来衡量超越行为中行人步行速度差产生的负效应，即超越者与被超越者之间的平均速度差与全体行人平均速度的比值。U3值越大，行人步行速度分布越离散，存在的风险隐患也随之增大。U3的计算公式如下。U3=-vj-viv 式中：-vi和-vj分别为被超越者i与超越者j的平均步行速度；v 为行人流平均步行速度。2.2超越行为负效应评价模型由上文可知，轨迹偏移率、速度熵、速度相对极差 3 项指标与负效应均呈现出正相关关系，因此，3项指标值之和越大，表明超越行为总体负效应越大。为消除3个评价指标不同量纲的影响，需要对负效应评价指标值进行无量纲处理，使得数据处于相近的数量级水平同时又不改变数据之间的相关性质。评价指标无量纲化计算公式如下。xni=xni-minXnmaxXn-min XnXn=xn1，xn2，xni，T式中：xni为第i个超越行为样本的第n个评价指标原始值；xni为xni无量纲处理后的值；i为超越行为样本序号；n为评价指标序号，n=1，2，3。负效应是反应异质性超越行为对稳态行人流的干扰程度(或引起的无序程度)，因此与超越行为评价指标数据的离散化程度(反应个体行为的差异化程度)有关。因此，选择熵权法来确定3个评价指标的权重系数12。熵权法是一种客观赋权方法，其原理是利用信息熵计算各指标的权重，信息熵值越大，表明该指标的离散程度越高，对综合评价值的影响(权重系数)就会越大。En=-1lnki=1k(xnixni)ln(xnixni)n=1-Enm-En式中：En为第n个评价指标样本数据的归一化信息熵；n为第n个评价指标的权重；k为超越行为样本总量；m为评价指标个数，m=3。综上，构建超越行为负效应评价模型如下。Wi=f()U1i，U2i，U3i=n=13nxni i=1，2，k式中：Wi为第i个超越行为样本的综合负效应值。3数据采集与分析3.1数据采集基于上海某地铁车站单向通道搭建实验场景，通道长25 m，宽2.73 m，内部铺设0.8 m0.8 m地砖。选取102名实验人员开展自由走行实验，实验人员佩戴有编号的棒球帽以便提取视频中的行人运动轨迹。为模拟产生合理的同向超越行为，控制通道内行人流量在545人/(min m)之间13。此外，为了提高数据处理的精度，将摄像头调整为垂直俯拍以便将三维坐标转换为二维坐标14，摄像头布设方案如图2所示，共20台，其中最外侧2台采取倾斜拍摄方式以保证能够观测到完整的超越行为，其余摄像头则垂直俯拍以保证完全覆盖实验区域。将多个摄像头在通道上连续布设及数据采集完成之后，首先从最外侧的倾斜摄像头视频中人工定位到一组超越行为后，再根据帽子上的编号寻找相应的连续俯拍视频，利用软件对多个视频数据进行拼接以得到通道全程的行人超越行为；进一步利用软件对拼接视频中的行人头部进行目标定位，连续追踪并显示出目标的运动轨迹，同时自动获取行人每一帧的横纵坐标和时间信息。视频拼接和轨迹提取过程如图3所示。通过目标追踪曲线可以得到超越者在超越过程中的运动轨迹和速度变化，并根据提取的位置坐标、时间信息计算出超越行为表征指图2摄像头布设方案Fig.2Layout of cameras-143丁泓十 等 地铁车站步行设施超越行为负效应评价模型研究标值。3.2数据分析3.2.1超越行为负效应评价值实验共采集到有效的超越行为150个，根据公式至公式计算得到超越行为负效应评价指标值如表3所示。下一步，根据公式至公式计算得到超越行为负效应综合评价值。无量纲化处理后的超越行为负效应评价指标值如表4所示，超越行为负效应评价指标信息熵如表5所示，超越行为负效应综合评价值如表6所示。3.2.2超越行为负效应评价等级为了对上述超越行为样本的负效应进行等级划分，将表6得到的负效应综合评价值Wi按从小到大的顺序排列并绘制散点图，超越行为负效应综合评价值散点图如图4所示。从图4中可以看出，超越行为样本负效应综合评价值的散点图分布存在2个明显的突变点，即在行为样本20和行为样本145附近散点图连成的曲线斜率发生了较大改变。直接利用拐点法进行负效应值等级划分15。记行为样本i和j的超越行为负效应综合评价值之间的斜率为 ki-j，则通过计算得到k18-19为0.011，k19-20为0.008，而k20-21和k21-22分别为0.002，0.008，验证得到(k18-19-k19-20)(k20-21-k21-22)0，因此可以将i=20视为一个拐点。同理，可以得到另一个拐点i=145。根据这2个拐点，即以负效表3超越行为负效应评价指标值Tab.3Evaluation index values of negative effect of transcendental behavior行为样本i行为样本1行为样本2行为样本3行为样本148行为样本149行为样本150负效应评价指标轨迹偏移率U10.110.310.280.330.160.11速度熵U20.391.270.954.113.714.26速度相对极差U30.210.720.180.320.420.42表4无量纲化处理后的超越行为负效应评价指标值Tab.4Evaluation index values of negative effect of transcendental behavior after dimensionless treatment行为样本i行为样本1行为样本2行为样本3行为样本148行为样本149行为样本150负效应评价指标轨迹偏移率U10.040.500.420.550.160.05速度熵U20.030.240.160.950.850.99速度相对极差U30.130.540.100.210.300.29表5超越行为负效应评价指标信息熵Tab.5Evaluation index information entropy of the negative effect of transcendental behavior评价指标信息熵En权重n轨迹偏移率U10.972 30.300 9速度熵U20.964 60.384 0速度相对极差U30.971 00.315 1表6超越行为负效应综合评价值Tab.6Comprehensive evaluation values of the negative effect of transcendental behavior行为样本负效应综合评价值10.0520.3230.161480.601490.511500.49图3视频拼接和轨迹提取过程Fig.3Video mosaic and track extraction process-144丁泓十 等 地铁车站步行设施超越行为负效应评价模型研究应综合评价值0.27和0.54为阈值，将所有的超越行为样本负效应综合评价值划分成低等、中等、高等3个等级，其均值分别为0.17，0.41，0.61，其负效应的阈值分别为0，0.27)，0.27，0.54)，0.54，)。超越行为负效应综合评价值等级划分如图5所示。3.2.3不同人流密度下负效应评价等级变化规律分析根据图 5，分别计算 3 个等级下轨迹偏移率、速度熵、速度相对极差的均值以及25%和75%分位值，并绘制分组箱型图。超越行为负效应评价指标分组箱型图如图6所示。可见，3个评价指标的均值随负效应等级的增长而逐渐增大，再结合行人流密度进行分析。本次实验控制了通道内实验人员数量在545人/(min m)之间，可对应参考美国道路通行能力手册(HCM2000)中针对通行类设施采用的行人服务水平标准为 AD 级服务水平，即人均占用空间在0.9，5.6 m2/人范围内。通过计算与分析发现：当通道人均占用空间在(3.3，5.6 m2/人、服务水平为A级时，Wi(i=1，2，150)的均值W为0.21，即超越行为负效应属于低等；当通道人均占用空间在(1.4，3.3 m2/人、服务水平为B级和C级时，W分别为0.32和0.45，即超越行为负效应都属于中等；当通道当人均占用空间在0.9，1.4 m2/人、服务水平为D级时，W进一步增加，达到0.54，超越行为负效应上升为高等。超越行为负效应值随人均占用空间变化箱型图如图7所示。可见，超越行为负效应强度等级随着行人流密图5超越行为负效应综合评价值等级划分Fig.5Rating of comprehensive evaluation value of negative effect of transcendence behavior图6超越行为负效应评价指标分组箱型图Fig.6Boxplots of grouped box plots for evaluation indexes of negative effect of transcendental behavior图7超越行为负效应值随人均占用空间变化箱型图Fig.7Boxplot of change in negative effect value of transcendental behavior with space occupied per capita图4超越行为负效应综合评价值散点图Fig.4Scatter plot of comprehensive evaluation value of negative effect of transcendental behavior-145丁泓十 等 地铁车站步行设施超越行为负效应评价模型研究度的增加而增大。因此，地铁车站应对高人流密度条件下步行设施超越行为进行干预和管控，如设置隔离栏杆、语音提示等方式降低超越行为的发生率或者通过限流控制超越行为的负效应强度，从而提高设施通行效率和运营安全水平。4结束语研究分析了超越行为负效应形成机理，提出轨迹偏移率、速度熵、速度相对极差3个负效应评价指标，基于熵权法确定评价指标权重系数并构建评价模型。设计可控实验采集超越行为样本数据，计算超越行为负效应评价值，并运用拐点法将其划分为低等、中等、高等 3 个等级。通过数据分析发现，超越行为负效应随着行人流密度的增加而增大。研究成果可为地铁车站精细化客流组织和设施布局设计提供依据。超越行为干预设施布设优化及有效性评价将是下一步研究方向。参考文献：1 SHAHHOSEINI Z，SARVI M，SABERI M.Pedestrian Crowd Dynamics in Merging Sections：Revisiting the“Faster-is-slower”PhenomenonJ.Physica，A：Statistical Mechanics and its Applications，2018(491)：101-111.2 SHI Y H，XU J，ZHANG H，et al.Walking Model on Passenger in Merging Passage of Subway Station Considering Overtaking BehaviorJ.Physica A：Statistical Mechanics and its Applications，2021(585)：126436.3 YE J H，SHAN X N，CHEN X H，et al.Understanding Pedestrian Interactive Behaviors under the Different Level of Services on StairwaysJ.Journal of Advanced Transportation，2019(3)：2015671.4 TANG M，JIA H F，RAN B，et al.Analysis of the Pedestrian Arching at Bottleneck Based on a Bypassing Behavior modelJ.Physica A，2016(453)：242-2585 YUEN J K K，LEE E W M.The Effect of Overtaking Behavior on Unidirectional Pedestrian FlowJ.Safety Science，2012，50(8)：1704-1714.6 王雨佳.城市轨道交通车站站台行人跟随行为仿真模型研究D.北京：北京交通大学，2019.WANG Yujia.The Research of Pedestrian Following Behavior Simulation Model in Platform of Urban Rail Transit StationD.Beijing：Beijing Jiaotong University，2019.7 吴娇蓉，冯建栋，陆苏刚.通道行人超越行为研究J.同济大学学报(自然科学版)，2012，40(2)：228-234.WU Jiaorong，FENG Jiandong，LU Sugang.Research on Pedestrians Overtaking Behavior in PassagewayJ.Journal of Tongji University(Natural Science)，2012，40(2)：228-234.8 FRUIN J JPedestrian Planning and DesignMNew York：Metropolitan Association of Urban Designer and Environmental Planners，19719 CAO S C，ZHANG J，DANIEL S，et al.Pedestrian Dynamics in Single-file Movement of Crowd with Diggerent Age CompositionsJ.Physical Review E，2016(94)：012312.10 VENKATESWARLU S，RAMACHANDRA M S，SUBBARAJU G V.Synthesis and Biological Evaluation of PolyhydroxycurcuminoidsJ.Bioorg Med Chem，2005，13(23)：6380-6437.11 SHANNON C E，WEAVER W.The Mathematical Theory of CommunicationM.Urbana：University of Illinois Press，1971.12 TAN S T，YANG J，YAN J Y，et al.A Holistic Low Carbon City Indicator Framework for Sustainable DevelopmentJ.Applied Energy，2017(185)：1919-1930.13 Transportation Research Board.Highway Capacity Manual 2000M.Washington DC：National Research Council，2000.14 魏万旭，方 勇，胡 华，等.基于视频数据挖掘的城市轨道交通车站行人交通行为特征提取系统研究J.铁道运输与经济，2021，43(8)：119-125.WEI Wanxu，FANG Yong，HU Hua，et al.Study on Characteristics Extraction System of Pedestrian Traffic Behavior for Subway Stations Based on Video Data MiningJ.Railway Transport and Economy，2021，43(8)：119-125.15 李 涛，田晓君.离散型函数拐点算法及应用J.微计算机信息，2007，23(6)：248-249，254.LI Tao，TIAN Xiaojun.The Algorithm and Application of Discrete Inflection PointJ.Microcomputer Information，2007，23(6)：248-249，254.收稿日期：2022-02-08通信作者：胡华(1979)，女，四川遂宁人，上海工程技术大学城市轨道交通学院教授。基金项目：上 海 市 科 委 地 方 院 校 能 力 建 设 项 目(19030501400)；国家自然科学基金项目(52072235)责任编辑：金颖-146