铁路客运站最高聚集人数模拟计算研究

第18卷第1期 系

统 仿 真 学 报? V ol. 18 No. 1

2006年1月 Journal of System Simulation Jan., 2006

铁路客运站最高聚集人数模拟计算研究

何宇强，毛保华，丁 勇，张好智，杨 静

（北京交通大学 交通运输学院，北京 100044）

摘 要：旅客最高聚集人数是研究铁路客运站站舍能力与规模的核心。分析了传统的铁路客运站最

高聚集人数计算方法的优点和不足，建立了铁路客运站最高聚集人数的模拟模型，实现了相应的模拟系统。最后以某车站为算例进行了仿真计算。模拟模型包含客流模拟模型和计算模拟模型两个子模型。客流模拟模型以对数正态分布为基础，根据列车旅客发送量来模拟旅客到达车站的时间分布。计算模拟模型用来模拟旅客的聚集过程，从而找到车站最高聚集人数和该值的出现时间。研究结果表明，系统是对实际情况模拟，它的应用能够提高效率，避免大量调查工作，节省支出。 关键词：最高聚集人数；铁路客运站；对数正态分布；客流模拟；仿真

中图分类号：TP391.9 文献标识码：A 文章编号：1004-731X (2006) 01-0213-04

Research on Simulative Calculation of Maximum Assembling

of Railway Passenger Station

HE Yu-qiang , MAO Bao-hua, DING Yong , ZHANG Hao-zhi, YANG Jing

(School of Traffic and Transportation, Beijing Jiaotong University, Beijing 100044, China)

Abstract: The maximum assembling passenger of railway passenger station is the key to research the capacity and the scale of the railway passenger station. The advantages and the disadvantages of traditional methods for calculating maximum as-sembling passenger of railway passenger station were analyzed, and a new simulation model was brought forward. Based on the model, the simulation system was achieved. At last, some passenger stations were taken as an example to calculate the maximum assembling passenger of railway passenger station. The simulation model includes two sub-models, passenger flow simu-lation model and calculating simulation system. Based on the logarithm normal school and the numbers of passengers carried by train, the passenger flow simulation model simulates the distribution of the passengers’ arrival time. The calculating simula-tion model was used to simulate the assembling process of the passenger and to find the maximum assembling passenger of railway passenger station and the time it appears. The research result shows that the simulation system simulates the real condition. Its application can enhance the efficiency, avoid much work of investigation and save the payout.

Key words: maximum assembling passenger; railway passenger station; logarithm normal school; passenger flow simulation; simulation

引 言

最高聚集人数指一昼夜在候车室内瞬时（8-10min ）出现的最大候车（含送站旅客）人数的最高月平均值。旅客最高聚集人数是研究铁路客运站站舍能力与规模的核心[1,3,6]。有时候把旅客最高聚集人数称为客运站的规模。影响旅客最高聚集人数的因素主要有：旅客上车人数和波动系数、旅客列车对数及其开行的均衡性、旅客在站等候时间的长短、发送量较大的车次的时间分布、城市交通系统接续均衡性等。

传统计算铁路客运站最高聚集人数的方法有聚集系数法、图解法、单向列车次数法[1,5]。这三种方法形成于20世纪六七十年代，它们有着简单、参数较少、便于操作的优

收稿日期：2004-11-16 修回日期：2005-04-19 基金项目：自然科学基金课题资助项目（70173014）

作者简介：何宇强（1978-）,男，河南三门峡人, 博士生, 研究方向为交通运输系统模拟; 毛保华（1963-）,男,湖南祁阳人, 博士, 教授, 博导, 研究方向为交通仿真,城市轨道交通; 丁勇(1974-),男,新疆乌鲁木齐人,博士生,研究方向为交通运输系统模拟; 张好智（1975-）,男,河南长垣人, 博士生, 研究方向为交通运输规划与管理; 杨静（1980-

）,女, 河北张张家口人, 博士生,研究方向为交通运输与规划.

点。但是，它们也存在一些不足，难以满足高速铁路及客运专线车站的设计。这些不足包括：（1）未考虑旅客在车站实际候车时间的长短。时间越长则聚集人数越大，反之越小。（2）对列车发车间隔影响考虑不足。发车间隔越大，旅客聚集时间长，聚集人数增大，反之减小。参考文献[2]探讨了一种应用模糊数学的方法。该方法可用于新建车站时，根据几个已建成车站的资料来确定新建站的最高聚集人数，但该方法实际上是对聚集系数法的一种优化。

根据目前计算机的广泛应用的现状[4,6,7]以及将来高速铁路客运站设计的需要，我们研究和设计了计算机模拟计算的方法。该方法中包含客流模拟模型和计算模拟模型两个模型。

1 客流模拟模型的建立

根据对北京站、北京西站、广州东站、合肥站和无锡站的大量调查，我们发现旅客到达车站提前时间的分布近似服从对数正态分布

[8]，北京站旅客到达提前量分布如图1。

2, 000

()=

x ,x f x ?> ≤?

2006年1月 系

统 仿 真 学 报 Jan., 2006

（1）极大似然估计

1ln 1

n

x i i n μ=∑=

12

2(ln )1

n x i i n σ

μ=?∑= 根据对北京站客流集散时间的调查结果，计算得到：

μ = 1.7578, σ = 0.34031

（2）分布拟合检验——皮尔逊(Pearson)2χ检验法

2

2()1

=183.1335i i i

r m np i np χ?=∑

=

查表，有：

220.05(21)(45)=61.656r χαχ=??

而0.052χ=200，有：

20.05χ>2χ>20.05(45)χ

因此，旅客到达分布与对数正态分布拟合程度稍差，但尚可接受。采用对数正态分布对图1拟合的结果如图2。

利用这一结果，可以模拟车站客流的到达过程。具体做法是，首先确定每列旅客列车的发车时间和旅客发送量（S k ），接着根据正态对数分布计算在不同的提前时间到达车站的旅客数量，然后把这些数值根据相对应的列车加载到连续的时间序列中，最后产生旅客到站时间分布。用数学模型（1）,（2）,（3）表示这一过程：

图1 北京站旅客到达提前量分布图

图2 对数正态分布拟合图

ik i i g S p =? （1）

当k i T x =?时，i kx p p = （2）

M

k ik i g G ==∑ （3）

式中：

g ik ——为在时间序列第i 分钟内到达车站的旅客人数； T k ——为第k 列车的发车时间；

x ——为旅客到站提前于列车发车的时间； P kx ——为旅客提前列车发车x 分钟到达车站的概率； P i ——为在时间序列第i 分钟内旅客到达车站的概率； G i ——为第i 分钟时累计到达车站的旅客总人数。

2 最高人数计算模拟模型的建立

2.1 建模思路

根据客流模拟模型生成的旅客到达车站的时间分布数据，和车站各次列车发车的时刻及每列车发送乘客数量（S k ），来计算任意时刻（精确到分钟）间隔内车站留存的旅客数（N i ），从而找到车站的最大聚集人数。

2.2 建立模型

计算模型如下： 对于集中候车方式：

0()T

i i i i i i N f ei d eo ==+??∑ （4）

式中：

N i ——第i 分钟车站聚集旅客人数； f i ——第i 分钟到达车站的旅客人数；

ei i ——第i 分钟内进入车站的闲散人员，可取进站旅客人数的0.2～0.5％。

d i ——第i 分钟离开车站的旅客人数，包括由检票口进站的旅客和送人进站的旅客；

eo i ——第i 分钟内离开车站的闲散人员，可取列车发送旅客人数的1.5～3％[5]。

对于分线候车方式：

1

1

()T H T

h h i i i i i i h h N f ei d eo ====+??∑∑∑ （5）

式中：

h i d ——第i 分钟从第h 候车室离开车站的旅客人数，包括由检票口进站的旅客和送人进站的旅客；

h i eo ——第i 分钟内从第h 候车室离开车站的闲散人员。

车站最高聚集人数J 取值：

max i J N = （6） d i 的计算：

()

0L

h h h i k dk k d v v ==+∑ （7） 式中：

h k v ——第k 列车检票口旅客通过速度，人/分钟；

h dk

v ——通过检票口进站的送站人员的离开速度，人/分钟；

L ——同时进行检票的列车数。

2006年1月 何宇强, 等：铁路客运站最高聚集人数模拟计算研究 Jan., 2006

检票持续时间： k k k k k

v S S T θ+=

（8）

式中：

T k ——第k 列车检票持续时间； S k ——第k 列车发送人数； θk ——送站人员比率。

3 系统的设计与实现

3.1 系统设计

模拟系统划分为4个子系统：（1）参数输入系统；（2）客流模拟系统；（3）模拟计算系统；（4）动画演示系统。参数输入系统用来设定模型参数，如车站旅客到达时间所服从分布的μ和σ值、检票口通过速度v j 、系统时钟步长、检票提前时间等。客流模拟系统用来模拟旅客到达分布数据、车站列车时刻表以及每列车的发送人数或列车定员和上座率等文件。模型计算系统是整个系统的核心，用来计算车站聚集人数。最终的计算结果由动画演示系统给出。

3.2 系统算法和流程

算法思想：用对数正态分布模拟每列车的旅客到达时间分布，然后生成整个车站的旅客到达时间分布；按照计算步长累计进站人数f i ，边累计边检测是否到达时间终点，同时探测是否有列车开始检票，反复进行直至时间终点。求解算法流程：

步骤1：数据输入，数据包括车站列车发车时刻、每列车发送人数S k 、送站人员比例θk 等；

步骤2：确定对数分布参数值，进行客流模拟，生成车站的旅客到达时间分布；

步骤3：定义候车方式，变量初始化，I = 0，f i = 0 ，

ei i ＝0，h i v =0，h dk v =0，h i eo =0，N i =0，J =0，Time 为空；

步骤4：i =i ＋1，检测i =T 的真假，若真，转步骤4，若假，进行步骤3；

步骤5：探测旅客到达事件和检票事件，为f i ，ei i ，

h i v ，h d v ，h i

eo 赋值，依据（4）、（5）和（7），进行第 i 时刻聚集人数N i 的计算。比较N i 与N i －1，J 取其大者，

Time 取该值出现时刻。转步骤2；

步骤6：给出J 和Time ，即最高聚集人数和达到该值时刻，结束。

根据以上算法，系统流程图如图3。

3.3系统实现

系统采用面向对象的设计开发方法，应用JBuilder9.0和SQL Server2000数据库共同实现。由于目标是最高聚集人数，因而在目前实现的系统中旅客到达车站的时间为旅客通过车站或候车室安检口的时刻，不考虑旅客在站内的

走行。在检票口通过速度设定上，系统只设计了一个平均通过速度，但实际上各次列车由于乘坐人员的素质差异，通过速度各不相同，因而，这一点应在以后进一步完善。

图3 系统流程图

4 算例研究

4.1集中候车方式

我们假设一个车站a ，1个候车室，每天发车16列，发车时刻和发送人数如表1：

表1 车站a 列车时刻表及列车发送人数 车次名称

发车时间

发送人数

L1 8:35 449

L2 13:52 863 L3 14:08 196 L4 14:25 613 L5 15:01 881 L6 15:17 764 L7 16:00 1031 L8 17:04 501 L9 17:11 345 L10 17:19 130 L11 18:27 1123 L12 18:54 547 L13 19:34 408 L14 19:44 479 L15 21:39 715 L16 22:29 951

表2给出了系统参数设置值。

表2 参数设置

系统参数 客流模拟

计算模拟

时钟

单位候车室数送站比例

μ

σ

检票 通道数 检票口 通过速度

5min

1 0 1.7578

0.34031 2 35人/（口·min ）

然后进行模拟。客流模拟结果如表3：

表3 模拟产生的客流到达时间分布表

0~5 5~10 10~15 15~20 20~25 25~30 30~35 35~40 40~45 45~50 50~55 55~60 3:00 0 0 0 0 0 0 0 0 0 0 1 1 4:00 1 1 1 1 1 1 1 1 1 1 1 1 5:00 1 1 2 2 2 2 2 2 2 3 3 3 6:00 3 4 4 4 5 5 6 6 7 8 8 9 7:00 10 11 12 14 15 17 18 20 22 23 25 26 8:00 27 27 25 21 14 6 1 1 1 1 1 1 9:00 1 1 1 2 2 2 3 3 3 3 4 4 10:00 4 5 6 6 7 7 8 8 9 10 11 11 11:00 12 13 14 15 17 18 20 21 23 25 27 30 12:00 33 36 39 43 47 52 57 63 69 76 83 90 13:00 98 106 115 122 128 131 130 124 114 110 114 117 14:00 120 122 121 118 120 126 132 134 131 121 106 95 15:00 88 79 77 82 87 91 94 92 86 74 59 52 16:00 55 60 66 72 77 82 85 86 85 79 70 62 17:00 57 55 59 65 71 78 85 92 99 106 112 115 18:00 114 108 95 78 68 68 66 62 55 53 56 59 19:00 61 61 58 50 39 28 20 16 17 19 21 23 20:00 25 27 30 33 36 40 44 48 52 57 62 66 21:00 69 72 72 68 60 51 46 50 53 56 57 57 22:00

53

44

29

11

1

图4 车站a 最高聚集人数模拟结果 图5 车站b 最高聚集人数模拟结果

图4给出了集中候车方式下最高聚集人数计算的结果和模拟过程。模拟结果为，该客运站最高聚集人数为1540人，出现时间为14:30。由于送站人数比例取0，所模拟出的最高聚集人数数值偏小，在对具体车站进行模拟时，应根据车站的实际情况，取一个合适的比例。

4.2 分线候车方式

对于分线候车的情况，我们取某大型客运站站b 的基础数据进行计算。该站有6个候车室，一日发车数74列车。由于篇幅所限，在此我们只给出参数设置和模拟结果。

表4 参数设置

系统参数 客流模拟 计算模拟 时钟 单位 候车 室数 送站 比例 μ σ 检票通道数 检票口

通过速度

10min 6 0.15 1.751143 0.332408 3/

候车室 35人/（口·min ）

我国大型客运站送站人数较多[5]

，故在模拟中取送站比

例为15％。分线候车方式下最高聚集人数计算的结果和模拟过程见图5。我国铁路大型客运站划分标准为最高聚集人数达1万人，模拟得到的结果为9139，与该标准接近。

5 结论

计算机仿真是铁路客运站最高聚集人数计算强大的工具。本文研究了应用计算机仿真计算铁路客运站最高聚集人数的方法，并实现了仿真系统。应用仿真系统进行计算，避免了到车站去实地调查旅客人数，以及手工计算，极大的降低了工作量和人力、物力开销。列车发送人数、送站人数等数据资料可以通过车站的客票和站台票记录取得，并且该数据车站每天都有记录，我们可以对数据进行筛选，取最有代表性的数据进行计算，列车时刻表也容易获得。同时，与传统手工计算的方法相比，采用仿真系统计算，结果精确，并能够记录最高聚集人数产生的时间，对车站客流组织工作更加有利。

表4 中南路口高峰小时交通状况

路 段 进

出

转向

平均车速(km/h)

平均停车延误（秒） 最大排队长度（米）

1 2 左转 24.79 36.32 52 1 4 直行 12.96 78.03 125 4 1 直行 10.41 75.81 105 4 2 右转 31.62 3.12 18 2 4 左转 25.18 37.49 70 2 1 右转

31.05 2.86 15

由上表分析可知，在现有交通需求下，傅家坡与洪山双向直行方向流量最大，因此要重点解决。考察该路口路网拓扑结构（见图1）

，可见直行方向车道较多，道路较宽，有建立高架的可能。于是，对该路口进行高架设计改造（设计为双向4车道，系统运行图像见图4）

，并相应调整信号灯控制（将相位3减少20秒，相位4减少10秒）。再次进行仿真计算，可得到表5所示结果。

表5 增设高架后中南路口高峰小时交通状况

路 段 平均车速 （公里/小时） 平均停车 延误（秒） 最大排队 长度（米） 进

出

转向

地面

高架

地面

高架 地面

高架1 2 左转 30.13

21.63

40.00

1 4 直行 21.96 47.1

2 57.06 0.66 59.5012 4 1 直行 21.62 47.55 62.46 0.54 65.0015

4 2 右转 36.11 2.91 20.50 2 4 左转 25.47 30.7 55.00 2 1 右转 39.89

1.70

15.50

由表5可以看出，交通量最大两方向的大部分车辆（即傅家坡与洪山之间的直行车辆）可以在高架上高速行驶，不必受信号灯制约，行车速度较快。同时，由于地面上这两个方向的车辆数减少，分配的绿灯时长就可以随之减少，因此信号灯总周期变短，其它方向车辆的等待时间也相应缩短，行车速度也得到显著提高。

5 结论

文中建立的城市微观交通仿真系统能够对城市各主要道路的通行能力、路网改造、

交通控制策略进行评估和预测，为交通管理者提供良好的决策支持。

选择视景平台Vega 来实现交通仿真系统的三维可视化，能够真实、直观地再现交通运行状况。同时，本系统采用了模块化设计，具有良好的可扩展性和可移植性。

其中： 表示小型车 表示中型车 表示大型车

图4 中南路口高架方案仿真图像

考虑到我国城市道路中交通混行严重，若要将仿真系统更好地应用于机动车、非机动车混行的中小城市道路、城市次干路等，就需要在现有模型基础上补充非机动车干扰模型。下一步拟重点研究自行车、三轮车对机动车驾驶员行为的影响。由于这部分涉及机动车驾驶员的性格特点、主观判断和行为，必须依靠深入广泛地实地观测和对驾驶员的调查研究来协助完成。

参考文献：

[1]

Serge P. Hoogendoorn, Piet H.L. Bovy. State-of-the-art of Vehicular Traffic Flow Modeling. Special Issue on Road Traffic Modelling and Control [J]. Journal of Systems and Control Engineering ，2000. [2]

Q. Yang. A Simulation Laboratory for Dynamic Traffic Management Systems [D]. PhD thesis, Massachusetts Inst. of Tech., Cambridge, MA, 1997. [3] 顾启泰．离散事件系统建模与仿真[M]．北京: 清华大学出版社，1999.

[4] 邹智军，杨东援. 动态交通状态微观仿真技术初探[J]. 同济大学学报, 1999,6: 305-308.

[5] 吴家铸，党岗，刘华峰, 等. 视景仿真技术及应用[M]. 西安: 电子科技大学出版社, 2001.

[6]

邹智军，杨东援. 城市交通仿真实验系统的面向对象开发[J]. 系统仿真学报, 2002, 14(7): 844-848.

（上接第216页）

参考文献：

[1] 刘其斌, 马桂贞. 铁路车站及枢纽[M]. 北京: 中国铁道出版社, 1999, 223-231.

[2] 金一兵. 模糊数学在预测车站最高聚集人数中的应用[J]. 铁道运输与经济, 2004，（2）：69-70.

[3] 王甦男. 旅客运输[M]. 北京: 中国铁道出版社, 1998. 74-77. [4] 顾启泰. 应用仿真技术[Ｍ]. 北京: 国防工业出版社,1995.264-270.

[5] 邵毓宾. 现代铁路旅客车站规划设计[M]. 北京: 中国铁道出版社, 1999. 86-94.

[6] Janice P. Li. Train Station Passenger Flow Study[C]//Proceedings of 2000 Winter Simulation Conference. 2000. 1163-1167.

[7] 李文新. 大型客运站高峰期客运组织仿真模型及其优化[J]. 北京:铁道学报, 2003，（2）：15-19.

[8]

叶中行, 等. 概率论与数理统计[M]. 北京：科学出版社，2001. 47-56.