地铁换乘站行人换乘时间模型研究
城市地铁换乘效率的调查与提升研究
城市地铁换乘效率的调查与提升研究随着城市化进程的加速，越来越多的人涌入城市，交通压力也逐渐加大。
地铁作为城市交通的重要组成部分，极大地缓解了城市的交通压力。
但是随着城市地铁路线的不断扩大，地铁之间的换乘也成为一个热点问题。
本文将对城市地铁换乘效率进行调查和研究，提出改善方案。
一、城市地铁换乘调查为了深入了解城市地铁换乘的情况，我们对多个城市的地铁站进行了调查。
通过实地考察和数据统计，我们发现了以下问题：1.地铁换乘时间过长在一些繁忙的地铁换乘站，换乘时间超过3分钟的情况时有发生。
例如北京的五棵松地铁站，由于A口与B口之间距离较长，地铁站内没有自动步道，不少乘客需要步行跨越整个站台才能完成换乘，导致换乘时间明显过长。
2.地铁换乘线路不够明晰在一些地铁站，由于换乘线路设计不够合理，换乘过程较为复杂。
例如上海的人民广场地铁站，由于地铁站规模较大，多条地铁线路换乘繁琐，导致部分乘客找不到正确的换乘路径，浪费时间和精力。
3.地铁换乘信息不足在一些地铁站，换乘指示牌和广播不够清晰，导致乘客无法准确了解线路和换乘信息。
例如广州地铁的珠江新城站，由于指示牌布局和信息更新不及时，乘客经常需要询问工作人员或其他乘客获得正确的换乘信息，浪费了时间和精力。
二、城市地铁换乘提升方案基于以上调查和分析结果，我们提出了以下城市地铁换乘提升方案：1.优化地铁换乘线路设计在地铁建设过程中，应当充分考虑换乘线路的设计，避免过于复杂，让乘客更容易把握线路。
同时，在地铁站内使用明显易懂的标识和指示牌，提高线路识别度和易用性。
2.加强地铁站服务地铁站应当加强人员管理和服务，提供有益的换乘建议和应急措施。
例如，深圳地铁的某些站点，设置了换乘志愿者，向新来的乘客提供详细的换乘建议和线路介绍。
另外，在地铁站的换乘通道设置电子显示屏，提供及时有效的换乘信息，增强乘客的便捷性和用户体验。
3.提高地铁换乘自动化水平在现有地铁进行改造升级时，应当重视地铁换乘自动化设备的覆盖率和效率。
地铁乘客上下车时间分析及建模
地铁乘客上下车时间分析及建模一、问题描述地铁是一个极为重要的城市交通工具，每天都有大量的乘客通过地铁进行出行。
而地铁乘客上下车时间的分析和建模，可以帮助我们更好地了解地铁客流量变化的规律，为地铁的规划和管理提供重要参考。
二、研究内容1.上下车时间分析：通过收集地铁站点的乘客上下车数据，分析不同时间段的上下车人数变化情况，找出高峰期和低谷期，并进行深入研究。
2.周期性分析：分析地铁客流量是否存在其中一种规律性，比如每周同一天的上下车时间是否相似，是否有季节性变化等。
3.上下车时间建模：根据上述分析结果，建立相应的数学模型，以预测未来地铁的乘客上下车时间，并进行验证。
三、数据收集与分析1.数据收集：通过安装地铁站点的视频监控和人流计数器，收集乘客上下车的数据。
也可以通过调查问卷、乘客刷卡信息等方式获得数据。
需要收集的数据包括：时间、站点、上车人数和下车人数等。
2.数据预处理：对收集到的数据进行清洗和统计，去除异常数据和缺失值，并对数据进行格式化处理。
同时，将数据按时间段、站点等进行分类整理。
四、上下车时间分析1.高峰期分析：通过统计每个时间段内的总乘客人数，找出客流量最大的时间段，判断为高峰期。
对高峰期内的上下车时间进行详细分析，找出上下车热门时段和热门站点。
2.低谷期分析：同样，通过统计每个时间段内的总乘客人数，找出客流量最小的时间段，判断为低谷期。
对低谷期内的上下车时间进行详细分析，找出上下车冷门时段和冷门站点。
五、周期性分析1.周期性判断：使用时间序列分析方法，比如自相关图和谱图等，来判断地铁客流量是否存在其中一种周期性变化。
如果存在，进一步分析周期的长度和变化规律。
2.季节性分析：分析地铁客流量在不同季节（春夏秋冬）的变化，找出是否存在明显的季节性规律。
六、上下车时间建模1.概率模型：可以使用概率模型，如泊松过程、马尔可夫链等，来预测地铁乘客的上下车时间。
根据历史数据，建立相应的模型参数，并进行模型训练和验证。
地铁乘客购票时间换乘时间调研
地铁乘客购票时间换乘时间调研引言地铁系统是现代城市的重要交通工具之一。
在繁忙的都市生活中，地铁能够快速、方便地将乘客从一个地点运送到另一个地点。
然而，在地铁乘坐过程中，乘客购票时间和换乘时间是两个重要的环节，它们直接影响着乘客的出行效率和体验。
因此，本文将对地铁乘客购票时间和换乘时间进行调研，并探讨如何提高这些环节的效率。
方法为了对地铁乘客购票时间和换乘时间进行调研，我们采取了以下方法： 1. 问卷调查：我们设计了一份针对地铁乘客的问卷调查，包括乘客购票时间和换乘时间的相关问题。
通过在多个地铁站点发放问卷，并邀请乘客填写，我们收集到了大量的数据。
2. 实地观察：我们选择了不同地铁站点，并对乘客的购票时间和换乘时间进行了实地观察。
通过记录观察到的数据，我们可以更加准确地了解这些环节的情况。
3. 访谈调查：我们还采访了一些经常使用地铁的乘客，询问他们对购票时间和换乘时间的看法和建议。
通过访谈的方式，我们可以深入了解乘客的需求和期望。
地铁乘客购票时间调研结果调研数据分析通过对问卷调查和实地观察数据的分析，我们得出了以下结论： 1. 大多数乘客在购票时间上花费较少的时间，约占55%。
2. 约有30%的乘客在购票时间上花费适中的时间，不过也有一定比例的乘客需要较长时间来购票。
3. 在购票过程中，自动售票机是乘客主要的购票方式，约有80%的乘客使用自动售票机购票。
4. 自动售票机的操作相对简单，但有一小部分乘客不太熟悉或遇到故障时，购票流程会出现延误。
改善建议基于上述调研结果，我们提出如下改善建议以提高地铁乘客购票时间的效率： 1. 提供操作指引：在自动售票机旁边设置清晰的操作指引，帮助乘客快速学习和理解购票流程。
指引可以包括文字说明和简明的图示。
2. 定期维护自动售票机：地铁运营方应定期维护和更新自动售票机的硬件和软件，确保其正常运行。
同时，设立专人负责及时处理乘客在购票过程中遇到的问题。
3. 推广移动支付：为了减少乘客购票时间，地铁系统可以推广移动支付方式。
城市轨道交通换乘站客流预测方法研究
城市轨道交通换乘站客流预测方法研究
城市轨道交通换乘站客流预测是城市交通规划和管理中的重要问题，对于优化交通运输资源配置和改善乘客出行体验具有重要意义。
以下介绍几种常见的城市轨道交通换乘站客流预测方法：
1. 统计方法：基于历史客流数据进行统计分析和建模，通过时间
序列分析、回归分析等方法预测未来客流。
此方法适用于稳定的
换乘站，但对于受到不确定因素（如突发事件、特殊活动）影响
较大的站点预测效果较差。
2. 传统模型方法：利用数学模型描述换乘站客流产生和分布规律，如人群流动模型、行为模型等。
通过建立模型来推导客流变化规律，但对于复杂的换乘场景，模型建立和参数估计较为困难。
3. 机器学习方法：基于机器学习算法（如决策树、支持向量机、
神经网络等）来学习历史客流数据的规律，并预测未来客流。
机
器学习方法具有较强的适应性和预测能力，能够处理大量的数据
和复杂的变量关系，但需要较多的数据样本来建模和训练。
4. 深度学习方法：基于深度神经网络模型（如循环神经网络、长
短期记忆网络等）来学习复杂的客流序列数据，并预测未来客流。
深度学习方法在处理序列数据和捕捉特征方面具有优势，但对数
据量和计算资源要求较高。
综上所述，城市轨道交通换乘站客流预测方法多种多样，可以根
据实际情况选择合适的方法进行预测。
不同方法的优劣势和适用
场景需要综合考虑。
轨道交通站点换乘时空优化设计
轨道交通站点换乘时空优化设计随着城市人口的增长和城市化进程的加快，轨道交通成为现代城市中不可或缺的交通方式。
而站点换乘作为轨道交通系统的重要组成部分，对于方便乘客的出行，提高交通效率起着至关重要的作用。
因此，如何对站点换乘进行时空优化设计，成为当今城市交通规划中的热门话题之一。
时空优化设计的核心在于如何使得站点换乘更加高效、便捷。
首先，换乘的空间布局需要合理规划。
在设计站点布局时，要考虑到换乘乘客的数量以及不同线路之间的换乘流量。
合理的空间布局可以最大限度地减少换乘乘客之间的行走距离，提高换乘的效率。
在站点换乘设计中，可以引入地下街或者过街天桥，将换乘流线与行人流线有效地分隔开来，避免拥堵和混乱。
其次，时间安排也是站点换乘优化设计的关键环节。
根据不同的站点特点和换乘需求，设置合理的发车间隔和换乘时间，以减少乘客的等待时间和换乘时间。
在站点设计中，可以加设换乘引导员或者使用电子显示屏等方式提供实时的换乘信息，方便乘客及时获取有关换乘的信息，减少等待和迷茫。
此外，信息化技术的应用也是站点换乘时空优化设计的关键手段之一。
通过引入智慧交通系统、应用大数据分析等技术手段，可以实现站点换乘数据的实时监测与分析。
通过对换乘乘客的流量、换乘时间等数据的分析，可以更好地了解站点换乘的需求，进而对站点进行优化调整。
同时，信息化技术还可以实现站点换乘的自动控制，减少人工操作的繁琐，提高工作效率。
除了以上的设计要点，站点换乘时空优化设计还需要考虑到站点的可达性和可持续发展。
在城市规划中，应该注重轨道交通站点的布局，使得站点与周边居民的居住区、商业区等相对应，减少乘客的步行距离，提高站点的可达性。
此外，应该考虑到轨道交通站点的可持续发展，如加设可再生能源站点、设置垃圾循环利用设施等，以降低对环境的负面影响。
总结起来，轨道交通站点换乘时空优化设计需要从空间布局、时间安排、信息化技术和可持续发展等多个方面综合考虑。
只有确保站点的高效性和便捷性，才能提高市民对于轨道交通的出行体验，进一步推动城市交通的发展。
地铁换乘站行人行为与设施服务水平及其仿真研究
乘客个体特征对步速影响
标准化回归方程拟合参数表 设施 性别 b1 年龄 b2 跟随类型 b3 拥挤情况 (b4 , b5)
通道 上行楼梯 自动扶梯
下行楼梯 瓶颈
-0.019 0.477 -0.077
0.248 -0.107
0.114 0.401 -0.033
0.078 0.063
0.185 0.639 0.178
Y = a1·X1 + a2·X2 + a3·X3 + a4·X4 + a5·X5 + a6 Y = b1·X1 + b2·X2 + b3·X3 + b4·X4 + b5·X5
乘客 步速 (m/s)
性别 1-男 0-女
年龄 1 - 青年 0 - 中年
跟随类型 1 - 单独 0 - 结伴
拥挤状态 (0,1) - 通畅 (1,0) - 略有拥挤 (0,0) - 拥挤
设施
.976 0.962 0.973 0.971 0.957 0.866 0.938 0.915
楼梯密度-楼梯宽度
设施建议宽度
0.21p/m2 0.29p/m2 0.50p/m2 0.61p/m2 0.89p/m2 1.13p/m2 服务水平 D
超越可能性
服务水平 A 服务水平 B 服务水平 C
B混= B扶梯+B步梯
(1.7m)
5.4 5.2 5.1 66% 4.5 4.3 4.0 3.9 3.6 3.4 3.3 3.2 3.0 2.9 2.6 2.4 B D A B A
A
A
A
C
B
B
B
C
C
D
B
C A
A
《基于LEGION仿真技术的城市轨道交通换乘车站大客流疏运组织研究》
《基于LEGION仿真技术的城市轨道交通换乘车站大客流疏运组织研究》篇一一、引言随着城市化进程的加速，城市轨道交通作为解决城市交通问题的有效手段，其换乘车站的客流量日益增大。
面对大客流疏运的挑战，如何高效、安全地组织换乘车站的客流成为亟待解决的问题。
本文基于LEGION仿真技术，对城市轨道交通换乘车站的大客流疏运组织进行研究，旨在提高车站的运营效率和安全性。
二、研究背景及意义城市轨道交通换乘车站作为城市交通的重要组成部分，其运行效率和安全性直接影响到整个城市交通系统的运行。
随着城市经济的发展和人口的增长，轨道交通换乘车站的客流量不断增大，大客流疏运问题日益突出。
因此，研究基于LEGION仿真技术的城市轨道交通换乘车站大客流疏运组织，对于提高车站运营效率、保障乘客安全、缓解城市交通压力具有重要意义。
三、LEGION仿真技术概述LEGION是一种先进的仿真技术，可以模拟真实环境中的行人流动和交互行为。
在城市轨道交通换乘车站大客流疏运组织研究中，LEGION仿真技术可以用于模拟乘客的行走、换乘、上下车等行为，以及车站内的设施布局、客流分布等情况。
通过LEGION仿真技术，可以预测车站的客流状况，评估不同疏运组织方案的优劣，为实际运营提供科学依据。
四、基于LEGION仿真技术的换乘车站大客流疏运组织研究（一）仿真模型建立利用LEGION仿真技术，建立城市轨道交通换乘车站的仿真模型。
模型应包括车站的设施布局、乘客行为特征、客流分布等要素。
通过设定不同的参数，模拟不同情况下的客流状况。
（二）仿真实验及结果分析根据实际需求，设定不同的疏运组织方案，进行仿真实验。
通过对比不同方案的仿真结果，评估各方案的优劣。
重点分析疏运效率、乘客等待时间、拥挤程度等指标，为实际运营提供科学依据。
（三）实际运营策略建议根据仿真实验结果，提出针对城市轨道交通换乘车站大客流疏运的组织策略。
包括优化设施布局、调整乘客流线、增设临时疏导措施等。
211093835_两条地铁间所有方向换乘客流同站台换乘模式研究
运营管理1 引言地铁作为城市公共交通中最主要的交通方式之一，具有运量大、高效快捷等优势，成为当前城市居民出行首选的公共交通方式。
发挥地铁的优势离不开不同地铁线路之间的换乘。
地铁换乘方式在地铁站点间起着重要的衔接作用，有助于整个城市地铁搭建起良好的换乘衔接系统。
地铁站点间的换乘方式对于提升地铁系统运输的整体效率，方便城市居民出行具有重要意义。
两条地铁间所有方向换乘客流同站台换乘模式研究王小刚（中铁第一勘察设计院集团有限公司，陕西西安 710043）表1为常见地铁站的换乘形式，其中同台换乘站方式由于乘客只需从站台一侧移步到另一侧，即可实现2条地铁间的换乘，步行路程短、换乘耗时少，故而最受广大乘客欢迎。
本文首先对同台换乘模式进行分析，然后对连续2个同台换乘站组合方案进行分析和实例探讨，最后从城市轨道交通线网规划、客流、车站及区间实施条件、两线建设时序等方面分析这种组合模式的实施可行性。
2 同台换乘模式分析2.1 双岛同台换乘双岛同台换乘又称“双岛四线同台换乘”，是将2条地铁线路的上行线布置在同一个站台上，将2条下行线布在另一个站台上。
乘客在本站台即可换乘另一条线路同方向的列车，换乘非常方便，具体如图1、图2所摘 要：通过对地铁同台换乘车站的研究可以得出，1 个同台换乘车站无论采用平行双岛站台还是叠岛站台，都只能实现 4 个客流方向的同台换乘，而另外 4 个客流方向的组织需要通过楼扶梯绕行至另一站台才能实现。
连续 2 个同台换乘车站组合可以实现两线间所有方向的同台换乘，从而为旅客提供最便捷的换乘服务，同时也更加符合以人为本的设计理念。
文章从城市轨道交通线网规划、客流、车站及区间实施条件、两线建设时序等方面分析这种组合模式的实施可行性。
关键词：地铁；同站台换乘；双岛站台车站；叠岛站台车站；客流组织中图分类号：U293.6第一作者：王小刚，男，工程师，一级注册建筑师，注册城乡规划师表1 常见地铁站的换乘形式常见换乘形式特点节点换乘十字换乘 上下层站台都在中部换乘，乘客通过楼扶梯进行换乘，行走距离较短T 形换乘 上层站台中央与下层站台端部换乘，乘客通过楼扶梯进行换乘，行走距离较长L 形换乘上下层站台都在端部换乘，乘客通过楼扶梯进行换乘，行走距离最长同台换乘叠岛同台换乘 平行双岛四线布置，同方向同站台换乘，换乘便捷 双岛同台换乘 双层站台重叠布置，同方向（或反方向）同站台换乘，换乘便捷通道换乘2个车站站厅用换乘通道连接付费区，换乘不便，多是未统一规划的补救措施示。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
R-square 0.9829
Adjusted R-square 0.9761
RMSE 0.03526
1.3 上下行楼梯行人流特性观测和分析
上行楼梯的观测位置选择在西直门 2 号线站台内行人流向外疏散的楼梯上， 下行楼梯的 观测位置选择为惠新西街南口的换乘通道内，是 10 号线→5 号线唯一的通道，每次换乘时 行人流量都很大， 在楼梯入口会形成排队现象。 数据处理和分析的方法与处理平直通道相同， 最终拟合得到上行楼梯关系式为：
2．换乘时间计算模型
通过观察和分析可知， 行人在地铁站进行换乘所需时间按不同环节可以分为 3 部分： （1） 行人下车时间； （2）行人通过站台疏散到通道内的时间； （3）行人走过通道、楼梯或自动扶 梯到达另一站台的时间。以下对每一部分进行详细说明。
2.1 行人下车时间模型
行人下车时间是指地铁车辆到达地铁站停稳， 开启车门后行人全部到达站台所需时间， 与下车人数、车门宽度和车门处上车人数有关。 韩宇等[10]分析了影响地铁站内行人流上下车效率的因素，认为当前的地铁硬件设施水 平已经基本上能够满足人们的普通上下车要求，影响行人上下车效率的主要因素是人为因 素，包括同时上下车人数、行人年龄、性别、文化水平等。 陈绍宽等[8]建立了单门乘客下车时间与下车乘客人数之间的关系，对数据进行进一步 分析得知，地铁车站内单门乘客下车时间与下车乘客人数服从幂函数关系，关系式如下：
图1
站台上行人流数据分析
表1
站台上行人流的速度
序号 1 2 3 4 5 6 7 8
时间(s) 1 2.32 2.32 3.04 3.32 2.56 2 2.52
长度(m) 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5
速度( m / s ) 3.50 1.51 1.51 1.15 1.05 1.37 1.75 1.39
表2 调查区域内行人的个数
序号 1 2 3 4 5 6 7 8
面积(m ) 5 5 5 5 5 5 5 5
2
人数 18 17 16 17 18 19 16 17
ห้องสมุดไป่ตู้
序号 9 10 11 12 13 14 15 …
面积(m2) 5 5 5 5 5 5 5 …
人数 17 18 16 19 16 17 17 …
2
本次调查的行人流在平直通道内最大密度为 2.6p/ m2，从现场观察可以看出，平直通道 内的行人流基本上不会发生流动停滞的状态， 对以上统计的速度与密度的关系做出它们之间 的散点图，如图 2 所示。
图 2 平直通道速度-密度散点图图
图3
4 多项式拟合的速-密关系曲线图
由图中速-密关系大体的趋势可以看出，当行人流的密度较小时，行人可以选择自己习 惯的步速前进，而不受周围行人的影响；随着行人流密度的增大，行人步速逐渐减小，直至 步速趋近于零，这时形成拥挤。 为了得到更详细的速-密关系，本文使用 MATLAB2009a 对以上的散点图进行了曲线拟 合，在 MATLAB 环境中启动曲线拟合工具箱 cftool，选择 4 次多项式对以上散点进行拟合， 得到关系式为：
1.2 平直通道行人流特性观测和分析
平直通道的观测位置选择在了知春路站 13 号线→10 号线的换乘通道内， 对不同密度下 行人流速度统计分析，总结归纳了 15 组数据，如表 4 所示。
表4 平直通道内不同行人流密度下的速度
组号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
v ( ρ ) = 0.07388ρ 4 − 0.4268ρ 3 + 0.8699 ρ 2 − 0.9944 ρ + 1.82
（1）
以 上 得 到的 关 系 式 密度 范围 为 ρ ∈ ( 0, 2.6 ) ， 从 表 5 中 可以 看 出 方 程 的 确定 系 数 （R-square）为 0.9829，均方根误差（RMSE）为 0.03526，图 3 显示了拟合曲线和散点之间 的吻合程度，可以看出吻合程度是比较高的。
序号 9 10 11 12 13 14 15 …
时间(s) 2.64 3.04 3.84 3 3.6 3.32 2.6 …
长度(m) 3.5 3.5 3.5 3.5 3.5 3.5 3.5 …
速度( m / s ) 1.33 1.15 0.91 1.17 0.97 1.05 1.35 …
对 50 组行人的速度取平均值，得到行人流在站台的平均速度为 1.36 m / s 。这一速度 比陈然[7]在步行街所观测的 1.24 m / s 和 Lam et al[8]在香港观测到的 1.19 m / s 都要高，主要 原因是由于行人在早高峰换乘条件下， 行动目标一致且心理都比较匆忙， 使得步行速度稍高 于 正 常 情况 。 而 且 从 表 中 可以 看 出 ，行人的 速 度 差异比 较 大， 一小部 分 行人 速 度达到了 2 m / s 以上，这是最早下车的行人因为站台前方密度小，后方有大批同列车到达流，加上走 在行人流前方的行人往往具有行动比较快、 个体步速较高或者情绪比较焦急的个体特征， 因 此，最早下车的行人平均速度比较高。但对表中数据进行分析可以看出，大部分行人流的速 度都集中在 1.2 m / s -1.4 m / s 之间。 （2）汇流点的行人流平均密度 随着列车以固定的时间间隔到站，行人在很短的时间内聚集到出口，这一区域瞬时聚 集大量行人，使得行人密度迅速增大，我们对长为 2m，宽为 2.5m 的紧邻下行楼梯的区域 内行人的最大密度进行了调查，如表 2 所示。
2
对以上 20 组数据进行分析处理，求出这一区域行人的平均密度为 3.43 p / m ，参考 Fruin[9]关于人员行动能力和空间尺寸关系的研究， 可以看出在这一密度下所有行人步行速度 非常低， 超越慢行行人的能力被严重限制， 行人流基本上是拖拽前行， 很难逆行和交叉行进， 流量接近通行能力。
表3 人均占据空间的面积( m 大于 1.2 0.9-1.2 0.7-0.9 0.3-0.7 0.2-0.3 小于 0.2
【关键词】地铁换乘站；行人流特性；换乘时间模型
引言
由于地铁的大规模建设和城市交通需求的增长， 地铁的客流量急剧增加， 2013 年 3 月 8 日北京地铁日客运量达到 1027.53 万人次，首次突破 1000 万人次。地铁换乘站作为轨道交 通的枢纽，也同样经受着巨大客流的冲击，这么大客流的聚集和疏散，常常降低了行人换乘 的效率和舒适性，尤其在早晚高峰时段，换乘站内外客流高密度聚集，大大降低换乘效率的 同时，也留下了安全隐患。目前北京市采取在重点换乘车站的出入口、站台、换乘通道、列 车两端安装客流感知和图像监控设备， 根据车站的客流流量和密度进行限流的措施， 这些措 施只能缓解换乘站内的拥挤， 但不能从根本上提高换乘站的换乘效率， 只有深入的研究换乘 站内不同设施处行人流的特性， 进而研究影响换乘时间的因素， 才能科学的指导换乘站的合 理设计和保障行人换乘的安全。 同时目前对密集型流动人群疏散过程的研究主要集中在发生事故时的行人流特性分析 和计算机模拟仿真，主要集中于高层建筑、体育场馆和地面车站等行人高度聚集的区域。从 70 年代末到本世纪初国际上很多学者都提出了计算疏散时间的公式，如日本的 Togawa ， 加拿大的 Pauls ，美国的 J.Fruin ，英国的 D.A.Purser 等针对不同的建筑类型提出了 相应的疏散时间计算公式，这些公式使用方便，应用广泛，但它没有考虑行人会随着周围密 度的不同速度也会有所变化， 而且不能反映行人众多的情况下可能发生拥挤的现象。 陈绍宽 等 在分析实测数据的基础上，针对地铁车站内行人疏散时间计算问题建立了考虑行人密 度、空间环境变化的数学模型。谢灼利等 在分析了地铁站台火灾时火灾临界危险条件和行 人的疏散特点， 提出了地铁站台火灾中行人安全疏散模型， 确定了行人安全疏散时间的计算
1．行人流特性观测和分析
行人流的特性是换乘时间模型建立的基础， 本文以地铁换乘站中各种典型设施场景为研 究对象，研究了地铁环境中不同行人流密度对其速度的影响，典型场景包括以下三部分：站 台、平直通道和上下行楼梯。
1.1 站台行人流特性观测和分析
站台行人流的观测位置选择在惠新西街南口站 10 号线→5 号线的站台内，为了计算行 人在站台内疏散所用的时间,需要获得两方面的数据，一方面是行人流在自由流状态下行走 时的平均速度，另一方面是行人在汇流点出现排队现象时的平均密度。 （1）站台上的行人流平均速度 对于站台上的行人流，进行视频拍摄后利用 Premiere Pro CS3.0 软件进行处理，如图 1 所示。一共进行了 50 组数据的记录和分析，如表 1 所示。
2
区域平均速度 (m/ s ) 1.7123 1.5944 1.5528 1.4663 1.4451 1.4468 1.4085 1.3021 1.2690 1.2195 1.1574 1.0870 1.0560 0.9976 0.9783
区域密度 ( p/m ) 0.1818 0.2424 0.3636 0.4242 0.6061 0.7879 0.9091 1.0909 1.2121 1.4545 1.6970 2.0000 2.1212 2.4242 2.5455
[6] [5] [2] [3] [4] [1]
方法。 这些研究主要集中在发生火灾等紧急疏散的情况， 对正常情况和早晚高峰时行人流在 疏散过程中的特性， 以及疏散时间模型的参数标定和取值范围的研究相对较少。 本文在已有 行人流特性研究和模拟仿真基础上进行了地铁站实际行人流的观测和分析， 形成再现地铁人 群流动过程的主要时间参数取值范围， 并对时间模型进行了修正， 建立了综合考虑密度和空 间环境变化的地铁换乘站行人换乘时间模型， 并运用本模型对地铁惠新西街南口站的换乘时 间进行了计算，通过与实测值的比较证明了该模型的适用性。
2
行人行动能力和空间几何尺寸关系的研究 行人密度 ( 行人间距( m ) 1.2 1.1-1.2 0.9-1.1 0.6-0.9 0.6 —