AnyLogic应用于地铁仿真
AnyLogic复杂系统仿真软件
仿真软件AnyLogic TM是一种创新的建模工具，它是基于过去十年内建模科学和信息技术中出现的最新进展而创建的。
使用AnyLogic进行建模能为你带来远远超出传统工具的收益，这都源于AnyLogic能够：✧更快速地创建可视化的，灵活的，可扩展的，可复用的活动对象，这些活动对象可以为标准对象或自定义对象，也可以是Java TM对象。
✧通过使用多重建模方法，能够更精确地建模和捕捉更多的事件，并针对你所面临的特定问题对这些事件进行联合和调整。
✧在建模环境中可以直接使用一组优秀的分析和优化工具。
✧轻松有效地将AnyLogic开放式体系结构模型与办公或企业软件，包括电子表格，数据库，ERP和CRM系统等集成起来，或将模型直接嵌入到实时运行环境中。
✧当现实世界中的系统发生变化时，通过对模型进行有效的维护，增长了模型的寿命周期。
主要功能最灵活最强大的仿真建模技术AnyLogic TM为您提供了远胜其他任何工具的建模结构，用于结构，行为，和系统数据的描述。
对象，接口和等级层次，块图和流图，计时器，端口和消息传递，变量和代数—微分方程，以及在模型中任何地方插入Java TM语言表达式，语句，或函数，等等这些构成了任何层次，任何专业的建模者都可以使用的终极工具箱。
开放式体系结构AnyLogic TM模型具有开放式的体系结构，因而可以与任何办公或企业软件及用Java TM语言或其他语言（通过JNI）编写的自定义模块协同工作。
模型可以动态地对电子表格，数据库，ERP或CRM系统进行数据读写，或嵌入到实时运行环境中。
可以在模型中任何地方调用外部程序，反之亦然；可以借助AnyLogic TM仿真引擎的开放API从任何外部程序中调用仿真模型。
在AnyLogic中你也可以使用自定义的随机数发生器，数值方法或优化算法等。
分析在AnyLogic TM中，你可以创建随机性或确定性的模型，并对模型的输出数据进行分析。
AnyLogicTM支持超过35种随机分布，也允许自定义分布。
基于AnyLogic的地铁应急客流疏散方案的设计
%
Copyright©博看网 . All Rights Reserved.
科技创新
科技风 "#"$ 年 " 月
在扶梯$楼梯等地方"容易使人群高度聚集"导致整体疏散效 率的降低#
所以本文设计了新的优化方案"有以下两点! 在站台层两端设置紧急逃生楼梯# 因为行政中心站的 扶梯在站台层中央"正常情况下所有的乘客须来到中心处才 能够到达站厅层从而出站"而紧急状况下由于行人易表现出 高度紧张的心理状态"扶梯处会出现明显的拥挤"且扶梯的 位置不利于列车两端离扶梯较远处的行人疏散"所以优化方 案采用在站台层两端设置紧急逃生楼梯"此楼梯直接通向站 台层的出口附近"行人可直接从出口迅速离开地铁站# 平时 将紧急逃生楼梯关闭"防止乘客逃票等行为# 增加扶梯的数量# 因为在紧急疏散时人群由于产生恐 慌的心理导致秩序混乱"造成扶梯入口处拥挤"根据站台和 站厅内的行人密度和行人平均行走速度"预计增加 ) 台扶梯 能够缓解疏散时的拥挤情况"提高通行效率# &仿真模型验证 3&$ 计算理论时间 +地铁设计规范 LM6%$612)%$(,乘客疏散时间计算公式! <J$K& @$K@)' *-%&') ;$%& N2$' K;)% M* . &0F/-))* 3&$&$ 计算扶梯的通过能力 根据地铁设计规范中的标准"自动扶梯的最大通过能力 为 01)% 人次 *O"李胜利等通过社会力模型对人员出现恐慌 行为时的疏散行为进行分析"得出若自动扶梯口人员表现出 恐慌行为"其疏散效率为有序疏散的 1%9)3* # 所以将本次计 算中扶梯的通过能力 ;$ 取 15 人 *F/-/F# 3&$&) 疏散楼梯的通过能力 楼梯通行能力的计算公式!
基于Anylogic的地铁车站通道设施设备规模与布局分析
基于Anylogic的地铁车站通道设施设备规模与布局分析杨天阳;朱志国【摘要】This paper mainly analyzes the subway station's scale and layout where the hall and platform are at the same layer.Intangible Cultural Heritage Park Station of Chengdu subway was simulated with the Anylogic software for the station channel facilities and layout.Meanwhile,combined the simulation results and the actual operation characteristics,the scale and layout of facilities in Intangible Cultural Heritage Park station were put forward.The paper pointed out that the conflict points of people Stream needed to pay more attention in operation.This research could provide a reference for the similar operation and for the similar subway station design.%本文重点分析站厅站台同层布置的地铁车站的设备设施规模与布局,以成都地铁4号线非遗博览园站为研究对象,利用Anylogic车站客流仿真技术重点对非遗博览园站车站通道设施和布局进行分析,同时结合仿真结果和实际运营特点提出非遗博览园站设施设备规模、布局建议和运营中需要重点留意的人流聚集冲突点,为今后同类车站的运营提供参考.【期刊名称】《交通运输工程与信息学报》【年(卷),期】2017(015)001【总页数】7页(P115-121)【关键词】行人仿真;车站通道;设施设备;车站布局【作者】杨天阳;朱志国【作者单位】西南交通大学,交通运输与物流学院,成都610031;西南交通大学,交通运输与物流学院,成都610031【正文语种】中文【中图分类】U212.31随着城市化进度的加快，各大中型城市地铁建设进入高峰期。
基于AnyLogic的佘山站客流控制仿真及优化
基于AnyLogic的佘山站客流控制仿真及优化
刘静;赵源;郑勋;李思杰
【期刊名称】《物流工程与管理》
【年(卷),期】2022(44)5
【摘要】地铁是城市发展的基础,也是居民出行的主要工具。
在客流量快速增长的前提下,保障车站安全有序运行、提高旅客服务水平成为了地铁车站管理的重点。
由于既有车站结构改造成本过高,因此一般选择对乘客流线进行优化以达到缓解车站拥堵的目的。
文中以上海地铁佘山站为例,采用AnyLogic仿真软件对车站进行仿真,从量化的角度对进站客流流线进行了分析,设计了两个客流控制方案,再通过软件对客流控制方案进行仿真,最终验证通过设置限流栏杆、控制闸机开放数量两种方案可以达到限流目的。
【总页数】3页(P82-84)
【作者】刘静;赵源;郑勋;李思杰
【作者单位】上海申通地铁集团有限公司运营管理中心;上海工程技术大学城市轨道交通学院
【正文语种】中文
【中图分类】F572.88
【相关文献】
1.基于Anylogic仿真技术的地铁换乘站客流组织优化评价研究
2.基于Anylogic 的地铁大连北站站厅层客流组织仿真及优化研究
3.基于Anylogic的北九水站客流
组织仿真研究4.基于AnyLogic的兰州西站客流换乘优化仿真研究5.基于Anylogic的高速铁路换乘接续客流仿真优化
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Anylogic的城市地铁站厅仿真研究
10.16638/ki.1671-7988.2019.09.058基于Anylogic的城市地铁站厅仿真研究叶贝贝（长安大学汽车学院，陕西西安710064）摘要：文章选用能够反映行人行为特点的AnyLogic仿真软件来研究地铁站厅建设中设施布局是否合理问题。
以西安北大街地铁站厅层为例，建立车站模型，通过实地调查数据进行仿真，最后利用结果中的行人密度来分析该站厅层设施布局存在的问题，通过优化设施布局，提出改进建议，结果表明优化后的方案使得该站厅层的人流密度分布更均匀，站厅层通行效率提高。
关键词：地铁站厅；Anglogic；行人仿真；设施优化中图分类号：U462 文献标识码：A 文章编号：1671-7988(2019)09-179-03Simulation Research Of Urban Subway Station Based On AnylogicYe Beibei（School of Automobile, Chang'an University, Shaanxi Xi'an 710064）Abstract: This paper selects AnyLogic simulation software that can reflect the characteristics of pedestrian behavior to study whether the layout of facilities in the subway station hall is reasonable. Taking the subway station floor of Xi'an North Street as an example, the station model is established, and the field survey data is used for simulation. Finally, the pedestrian density in the result is used to analyze the problems existing in the layout of the station floor facilities. By optimizing the layout of the facilities, suggestions for improvement are proposed. The results show that the optimized scheme makes the distribution of people's flow density in the station hall layer more uniform, and the traffic efficiency at the station hall level is improved. Keywords: Subway Station Hall; Anylogic; Pedestrian Simulation; Facility OptimizationCLC NO.: U462 Document Code: A Article ID: 1671-7988(2019)09-179-03引言随着城市规模的扩大，城市轨道交通的发展不断得到推动，各个中小城市因轨道交通的强大优势也将轨道交通建设列入日程。
基于Anylogic仿真的兰州西站客运枢纽换乘衔接优化研究
基于anylogic仿真地铁车站自动售检票系统布局优化
2019年增刊1 77基于Anylogic 仿真地铁车站自动售检票系统布局优化徐永能 辛 宇 董哲伟 刘 颂（南京理工大学，南京 210094）摘要 轨道交通作为大运量的公共客运交通，方便、快捷的特性使其成为乘客出行的首要选择。
但是部分地铁站建站时间较早，设施老旧，加之不断激增的客流量均暴露出地铁售检票设施布局已经无法满足现有的客流需求。
因此，本文针对此现状制定以人流密度和乘客行走时间为参数的调查研究方式，依照不同的车站客流类型，对地铁内部闸机和自动售票机的布局和设置进行优化设计，使其能够与客流特性相匹配，满足短、中、长期的客流需求。
最后以孝陵卫地铁站为实例提出布局优化方案，并通过Anylogic 软件进行仿真，对优化方案进行评价。
关键词：城市轨道交通；自动售检票系统布局；行人流线；Anylogic 仿真Research on automatic fare collection layout adjustment optimization ofmetro station based on AnylogicXu Yongneng Xin Yu Dong Zhewei Liu Song(Nanjing University of Science and Technology, Nanjing 210094)Abstract Rail transit, as a mass transit public passenger transport, has a convenient and fast feature that makes it a prime choice for passengers. However, due to the early construction of some subway stations, the old facilities, coupled with the ever-increasing passenger traffic, have revealed that the layout of the subway ticketing facilities has been unable to meet the existing passenger flow requirements. Therefore, the author conducts research on the existing ticket inspection facilities, and formulates the investigation and research method based on the population flow density and passenger travel time. According to the different types of passenger flow in the station, the layout and setting of the gates and ticket vending machines inside the subway are optimized to match the passenger flow characteristics to meet the short, medium and long-term passenger flow requirements. Finally, the Xiaolingwei subway station is taken as an example to propose an optimal layout scheme, and the optimization scheme is evaluated by Anylogic software simulation.Keywords ：urban rail transit; automatic fare collection (AFC) layout; passenger flow; Anylogic simulation目前行业内对于售检票设施通行能力的相关研究主要以城市轨道交通为基础。
开放式行人仿真软件AnyLogic
三维演示动画
Anylogic中国
输出到虚拟现实
Anylogic中国
典型客户
Anylogic中国
模拟通常状态与紧急情况
Anylogic中国
地铁仿真输入
• 设施布局图：CAD或图片格式 • 车站运行规则：例如扶梯上下行、行走方向限制、闸机 方向等 • 列车进出站时间：时刻表或间隔时间规则，停车时长 • 客流数据
社会力模型特性
• 出口处形成半圆形，符合现实
Anylogic中国
AnyLogic优势
• 基于Java和Eclipse，通用性和扩展性得到最大 保障 • 完全的面向对象和层次化建模，真正能够建模 工程级模型 • 集成了离散事件、系统动力学、基于智能体、 行人仿真、轨道交通仿真和公路交通仿真，在 同一平台上实现各种仿真建模的混合应用 • 支持模型作为Java Applet导出，可自定义建模 元素并打包为jar文件发布，为模型发布和开发 交流提供了最大便利
Anylogic中国
Anylogic中国
• AnyLogic是由俄罗斯 公司开发的系 统仿真软件，同时也是该公司最主要的产 品（） • 是AnyLogic产品在中国范围 内的唯一经销商，同时提供相关的培训和 咨询服务（）
– 各区域客流数量及密度 – 各项服务资源利用率及排队统计 – 乘客站内停留时间 – 站内瓶颈判断 – 不同运行方案比较
• 诊断：
– 流程问题或不合理设置 – 合理化改进建议
Anylogic中国
平面图与统计
Anylogic中国
Anylogic中国
AnyLogic优势
• 不同于其他行人仿真软件的封闭架构， AnyLogic在提供社会力模型为行人仿真基础的 同时，提供了高自由度的开发环境，可以实现 高度客户定制化，例如：
地铁乘客的病毒载量演化模型和仿真
山东科学ＳＨＡＮＤＯＮＧＳＣＩＥＮＣＥ收稿日期:２０２３￣０７￣１２基金项目:国家自然科学基金项目(７１０７１０２４)作者简介:卢守峰(１９７８ )ꎬ男ꎬ教授ꎬ研究方向为智能交通ꎮＥ￣ｍａｉｌ:ｉｔｓｌｕ＠ｎｊｔｅｃｈ.ｅｄｕ.ｃｎ地铁乘客的病毒载量演化模型和仿真卢守峰１ꎬ２ꎬ黄志康１ꎬ２ꎬ赵红云３(１.南京工业大学交通运输工程学院ꎬ江苏南京２１１８１６ꎻ２.江苏省交通基础设施安全保障技术工程研究中心ꎬ江苏南京２１１８１６ꎻ３.岳阳市公安局交通警察支队ꎬ湖南岳阳４１４０２１)摘要:为了微观刻画地铁乘客的病毒传播ꎬ构建了吸入病毒概率与社交距离之间的函数关系ꎬ建立了病毒载量增加量和减少量的计算公式ꎬ在此基础上建立了病毒载量演化方程ꎬ其中防疫措施的效果以归一化的参数描述ꎮ通过Ａｎｙｌｏｇｉｃ软件的二次开发接口ꎬ对每个乘客的病毒载量进行编程ꎬ刻画每个乘客在感染前和感染后两个阶段的病毒载量变化ꎮ仿真初始时刻设定１０％的乘客被病毒感染ꎬ包括普通感染者和超级感染者ꎮ对不同乘客数量条件下的病毒演化进行仿真ꎬ分为有管控和无管控两种场景ꎮ仿真结果表明:随着乘车人数的增多ꎬ乘客密度增大ꎬ病毒传播增强ꎬ个体病毒载量增加较快ꎻ对病毒载量大于１０００的乘客进行管控ꎬ禁止其乘车ꎬ可将所有乘客的病毒载量降低一个数量级ꎮ关键词:城市交通ꎻ地铁乘客ꎻ病毒载量ꎻ疫情管控ꎻ演化模型ꎻＡｎｙｌｏｇｉｃ仿真中图分类号:Ｕ１２ꎻＲ１８１.８㊀㊀㊀文献标志码:Ａ㊀㊀㊀文章编号:１００２￣４０２６(２０２４)０２￣００９７￣０７开放科学(资源服务)标志码(ＯＳＩＤ):ＴｈｅｅｖｏｌｕｔｉｏｎｍｏｄｅｌａｎｄｓｉｍｕｌａｔｉｏｎｏｆｔｈｅｖｉｒａｌｌｏａｄｏｆｓｕｂｗａｙｐａｓｓｅｎｇｅｒｓＬＵＳｈｏｕｆｅｎｇ１ꎬ２ꎬＨＵＡＮＧＺｈｉｋａｎｇ１ꎬ２ꎬＺＨＡＯＨｏｎｇｙｕｎ３(１.ＴｒａｎｓｐｏｒｔａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＣｏｌｌｅｇｅꎬＮａｎｊｉｎｇＴｅｃｈＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１１８１６ꎬＣｈｉｎａ２.ＪｉａｎｇｓｕＰｒｏｖｉｎｃｅＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎＩｎｆｒａｓｔｒｕｃｔｕｒｅＳｅｃｕｒｉｔｙＴｅｃｈｎｏｌｏｇｙꎬＮａｎｊｉｎｇ２１１８１６ꎬＣｈｉｎａꎻ３.ＴｒａｆｆｉｃＰｏｌｉｃｅＤｅｔａｃｈｍｅｎｔｏｆＹｕｅｙａｎｇＰｕｂｌｉｃＳｅｃｕｒｉｔｙＢｕｒｅａｕꎬＹｕｅｙａｎｇ４１４０２１ꎬＣｈｉｎａ)ＡｂｓｔｒａｃｔʒＡｆｕｎｃｔｉｏｎａｌｒｅｌａｔｉｏｎｓｈｉｐｗａｓｃｏｎｓｔｒｕｃｔｅｄｂｅｔｗｅｅｎｔｈｅｐｒｏｂａｂｉｌｉｔｙｏｆｉｎｈａｌｉｎｇｖｉｒｕｓｅｓａｎｄｓｏｃｉａｌｄｉｓｔａｎｃｅｔｏｃｈａｒａｃｔｅｒｉｚｅｔｈｅｖｉｒａｌｔｒａｎｓｍｉｓｓｉｏｎｏｆｓｕｂｗａｙｐａｓｓｅｎｇｅｒｓａｔｔｈｅｍｉｃｒｏｓｃｏｐｉｃｌｅｖｅｌ.Ｆｏｒｍｕｌａｓｆｏｒｃａｌｃｕｌａｔｉｎｇｔｈｅｉｎｃｒｅａｓｅａｎｄｄｅｃｒｅａｓｅｏｆｖｉｒａｌｌｏａｄｗｅｒｅｃｏｎｓｔｒｕｃｔｅｄｂａｓｅｄｏｎｅｓｔａｂｌｉｓｈｉｎｇｔｈｅｖｉｒａｌｌｏａｄｅｖｏｌｕｔｉｏｎｅｑｕａｔｉｏｎ.Ｎｏｒｍａｌｉｚｅｄｐａｒａｍｅｔｅｒｓｗｅｒｅｕｓｅｄｗｉｔｈｉｎｔｈｉｓｅｑｕａｔｉｏｎｔｏｄｅｓｃｒｉｂｅｔｈｅｅｆｆｅｃｔｏｆｐａｎｄｅｍｉｃｐｒｅｖｅｎｔｉｏｎｍｅａｓｕｒｅｓ.ＴｈｅｖｉｒａｌｌｏａｄｏｆｅａｃｈｐａｓｓｅｎｇｅｒｗａｓｐｒｏｇｒａｍｍｅｄｔｈｒｏｕｇｈｔｈｅＡｎｙｌｏｇｉｃｓｏｆｔｗａｒｅ ｓｓｅｃｏｎｄａｒｙｄｅｖｅｌｏｐｍｅｎｔｉｎｔｅｒｆａｃｅｔｏｃｈａｒａｃｔｅｒｉｚｅｔｈｅｖｉｒａｌｌｏａｄｃｈａｎｇｅａｔｔｈｅｐｒｅ￣ａｎｄｐｏｓｔ￣ｉｎｆｅｃｔｉｏｎｐｈａｓｅｓ.Ｉｎｔｈｅｉｎｉｔｉａｌｓｉｍｕｌａｔｉｏｎｓｅｔｔｉｎｇｓꎬ１０％ｏｆｔｈｅｐａｓｓｅｎｇｅｒｓｗｅｒｅｉｎｆｅｃｔｅｄｗｉｔｈｔｈｅｖｉｒｕｓꎬｉｎｃｌｕｄｉｎｇｏｒｄｉｎａｒｙｃａｒｒｉｅｒｓａｎｄｓｕｐｅｒｃａｒｒｉｅｒｓ.Ｔｈｅｅｖｏｌｕｔｉｏｎｏｆｔｈｅｖｉｒｕｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｐａｓｓｅｎｇｅｒｎｕｍｂｅｒｃｏｎｄｉｔｉｏｎｓｗｉｔｈｉｎｓｕｂｗａｙｃａｒｒｉａｇｅｓｗａｓｓｉｍｕｌａｔｅｄꎬｗｈｉｃｈｗａｓｃａｔｅｇｏｒｉｚｅｄｉｎｔｏｗｉｔｈ￣ｃｏｎｔｒｏｌａｎｄｗｉｔｈｏｕｔ￣ｃｏｎｔｒｏｌｓｃｅｎａｒｉｏｓ.Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈｅｆｏｌｌｏｗｉｎｇ:ａｓｔｈｅｎｕｍｂｅｒｏｆｐａｓｓｅｎｇｅｒｓｉｎｃｒｅａｓｅｓꎬｔｈｅｐａｓｓｅｎｇｅｒｄｅｎｓｉｔｙｉｎｃｒｅａｓｅｓꎬｔｈｅｖｉｒｕｓｔｒａｎｓｍｉｓｓｉｏｎｉｎｃｒｅａｓｅｓꎬａｎｄｔｈｅｉｎｄｉｖｉｄｕａｌｖｉｒａｌｌｏａｄｉｎｃｒｅａｓｅｓｒａｐｉｄｌｙ.Ｉｓｏｌａｔｉｎｇｐａｓｓｅｎｇｅｒｓｗｉｔｈａｖｉｒａｌｌｏａｄｇｒｅａｔｅｒｔｈａｎａｔｈｒｅｓｈｏｌｄｏｆ１０００ａｎｄｐｒｏｈｉｂｉｔｉｎｇｔｈｅｍｆｒｏｍｔａｋｉｎｇｔｈｅｓｕｂｗａｙｃａｎｒｅｄｕｃｅｔｈｅｖｉｒａｌｌｏａｄｏｆａｌｌｐａｓｓｅｎｇｅｒｓｂｙａｎｏｒｄｅｒｏｆｍａｇｎｉｔｕｄｅ.ＫｅｙｗｏｒｄｓʒｕｒｂａｎｔｒａｎｓｐｏｒｔａｔｉｏｎꎻｓｕｂｗａｙｐａｓｓｅｎｇｅｒｓꎻｖｉｒａｌｌｏａｄꎻｐａｎｄｅｍｉｃｃｏｎｔｒｏｌꎻｅｖｏｌｕｔｉｏｎａｒｙｍｏｄｅｌꎻＡｎｙｌｏｇｉｃｓｉｍｕｌａｔｉｏｎ㊀㊀新型冠状病毒的传播方式㊁检测方法㊁管控模式㊁相关配套措施具有典型代表性ꎬ研究新型冠状病毒感染的精细化管控措施对于其他呼吸道病毒管控有着重要的借鉴意义ꎮ我国学者一直关注各种场景下的新型冠状病毒的传播规律和管控策略ꎮ例如李小莉等[１]构建了考虑传染概率的政府部门与公众演化博弈模型ꎬ研究了不同传染概率下政府防疫管控策略的演化ꎮ方丹辉等[２]提出了一种考虑高低防护人群且将感染者归入移出者的易感者－暴露者－康复者传染病模型(ｓｕｓｃｅｐｔｉｂｌｅ￣ｅｘｐｏｓｅｄ￣ｒｅｃｏｖｅｒｅｄꎬＳＥＲ)ꎬ研究了不同等级管控措施的效果ꎮ马剑等[３]构建了校园内上下课行人流模型ꎬ通过时空伴随概念量化行人接触导致的疫情传播风险ꎬ利用Ａｎｙｌｏｇｉｃ软件对不同的校园疫情防控策略效果进行仿真ꎮ已有关于公共交通内疫情传播模型主要以易感者－感染者－康复者(ｓｕｓｃｅｐｔｉｂｌｅ￣ｉｎｆｅｃｔｉｖｅ￣ｒｅｃｏｖｅｒｅｄꎬＳＩＲ)模型㊁Ｗｅｌｌｓ￣Ｒｉｌｅｙ模型为主ꎮＳＩＲ模型描述各类个体(易感者㊁感染者㊁康复者)的数量随时间的变化ꎬ适合宏观上描述大范围内的疫情传播ꎮ近期相关文献利用该模型对公共交通防疫措施的有效性进行了研究ꎮ例如施红生[４]对铁路交通的传染病防控模式进行评估ꎬ通过对ＳＡＲＳ㊁甲型Ｈ１Ｎ１流感等防控案例分析ꎬ提出了远距离铁路交通传染病传播数学模型ꎬ表明在长距离铁路交通环境下提前进行病毒检测㊁乘务人员的免疫率达到５０％可以有效减少病毒传播ꎮ贾兴利等[５]在ＳＩＲ模型基础上ꎬ考虑了病毒的潜伏期㊁人口迁徙㊁市内小区人口流动等因素建立了市域新型冠状病毒疫情传播模型ꎬ对比分析了４个城市交通管控措施对于疫情发展的阻断效果ꎬ结果表明及时全面地实施市内道路封闭㊁客运交通停运和小区人口流动控制三种交通管控措施可以有效阻断疫情传播㊁控制市域疫情发展ꎮＷｅｌｌｓ￣Ｒｉｌｅｙ模型计算每个个体感染病毒的概率ꎬ输入变量是宏观变量ꎮ近期相关文献从防疫措施㊁病毒传播过程两个方面对该模型进行了改进ꎬ更好地描述公共交通内疫情传播ꎮ例如ꎬ陈国强等[６]在Ｗｅｌｌｓ￣Ｒｉｌｅｙ传染病模型基础上ꎬ考虑乘客个体差异㊁飞沫传播距离㊁口罩保护率㊁疫苗免疫情况及车厢消毒等影响因素ꎬ建立符合公交车辆运行环境的多智能体新型冠状病毒传播模型ꎬ结果表明车辆及时进行消毒㊁提高乘客提高口罩的佩戴率疫苗接种率能有效减少新型冠状病毒传播ꎮＳｕｎ等[７]在原有Ｗｅｌｌｓ￣Ｒｉｌｅｙ方程基础上添加社交距离㊁环境通风量等影响因素ꎬ结果表明增加社交距离可以在３０ｍｉｎ内显著降低２０％~４０％的感染率ꎮＹａｎ等[８]对飞沫在波音７３７客舱的传播过程进行研究ꎬ使用拉格朗日方程代替欧拉方程模拟飞沫传播特性ꎬ改进传统Ｗｅｌｌｓ￣Ｒｉｌｅｙ方程ꎮ谢国等[９]利用高斯公式模拟病毒的传播过程ꎬ改进Ｗｅｌｌｓ￣Ｒｉｌｅｙ方程ꎬ选取ＣＲＨ２型动车组为模拟环境ꎬ提出了有利于降低新型冠状病毒传播概率的乘客座位分布模式ꎮ以上文献对新型冠状病毒的传播和管控措施的有效性进行了研究ꎬ但是现有模型偏宏观ꎬ无法刻画个体的病毒载量随时间的变化ꎬ不能为精准管控提供理论依据ꎮ本文的研究目标是建立地铁车厢内个体病毒载量的演化模型ꎬ对是否被感染的状态进行预测ꎬ然后研究防控措施对病毒载量的影响ꎬ从而为主动精准管控提供理论依据ꎮ１㊀病毒载量的演化模型病毒载量演化的建模方法是物质守恒和随机建模ꎮ病毒载量代表的是病毒的负荷ꎬ即体内病毒的数量ꎮ通常新型冠状病毒的浓度越高ꎬ人被感染的可能性往往会更大ꎬ此外ꎬ病毒活性㊁自身免疫力等因素也是导致机体感染的重要因素ꎮＭａ等[１０]研究表明人体呼吸是新型冠状病毒重要传播方式ꎮＺｈａｎｇ等[１１]研究表明空气传播是新型冠状病毒传播的主要途径ꎬ其传播率是接触传播的１０００倍ꎮ基于以上研究结果ꎬ本研究主要考虑个体以呼吸方式传播和吸入病毒ꎮ个体内的病毒载量是动态变化的ꎬ其随时间的变化等于增加量减去减少量ꎮ病毒载量用ｗ表示ꎬ其演化方程建模为ｄｗｄｔ＝ｗ＋－ｗ－ꎬ(１)其中ꎬｗ＋是病毒载量的增加量ꎬｗ－是病毒载量的减少量ꎮ感染前ꎬ体内的病毒不会复制ꎻ感染后ꎬ体内病毒会复制ꎮ根据这一特点ꎬ建模区分为感染前和感染后两个阶段ꎮ１.１㊀感染前阶段的病毒载量增加量采用随机建模方法ꎬ建立了吸入病毒与社交距离之间的概率公式ꎬ吸入病毒的概率随着社交距离的增加而降低ꎮ如图１所示ꎮ图１㊀病毒传播与社交距离关系图Ｆｉｇ.１㊀Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｖｉｒａｌｔｒａｎｓｍｉｓｓｉｏｎａｎｄｓｏｃｉａｌｄｉｓｔａｎｃｅ图１展示两个社交距离的阈值ｄｃ和ｄｍａｘꎬ当社交距离小于ｄｃ时ꎬ在无防护措施情况下ꎬ吸入相邻个体呼出的病毒的概率为１ꎮ当社交距离大于ｄｍａｘ时ꎬ吸入相邻个体呼出的病毒的概率为０ꎮ当介于两者之间时ꎬ吸入相邻个体呼出的病毒的概率呈线性衰减ꎮ在实际应用过程中ꎬ两个参数ｄｃ和ｄｍａｘ可使用实测数据标定ꎮ本文建立的目标个体吸入病毒的概率见公式(２)ꎮＰ(ｘꎬｘ∗)＝Ｈ(ｄ－ｄｃ)ｄ(ｘꎬｘ∗)－ｄｍａｘｄｃ－ｄｍａｘ＋Ｈ(ｄｃ－ｄ)ꎬ(２)其中ꎬＰ是吸入病毒的概率ꎻｘ是研究的目标个体的位置ꎻｘ∗是相邻个体的位置ꎻＨ( )是赫维赛德函数ꎬ当( )ȡ０时Ｈ( )＝１ꎬ当( )<０时Ｈ( )＝０ꎮ设研究的目标个体在ｄｍａｘ为其半径的圆周范围内有ｎ个相邻个体ꎮｎ个相邻个体从ｔ０时刻到当前时刻ｔꎬ产生的对目标个体有所影响的病毒总量为病毒总量＝ʏｔｔ０ðｎｉ＝１ｐｉｑｉｄｓꎬ(３)其中ꎬｑｉ为每个个体单位时间内产生的病毒数量ꎻｐｉ为目标个体吸入第ｉ个相邻个体产生的病毒的概率ꎻｓ为时间ꎮ目标个体在其ｄｍａｘ半径范围内的空气体积为πｄ２ｍａｘＬꎬ其中Ｌ为呼吸带的高度ꎬ则单位体积内的病毒量为ʏｔｔ０ðｎｉ＝１ｐｉｑｉｄｓπｄ２ｍａｘＬꎮ呼吸带是指人的鼻孔附近的空气带ꎬ本文Ｌ取值为３０ｃｍꎮ病毒进入到目标个体体内通过呼吸过程完成ꎬ根据统计数据ꎬ在放松状态下每个个体的呼吸率平均为０.５ｍ３/ｈꎬ即呼吸率ｖ＝０.５３６００ｍ３/ｓꎮ病毒增加量见公式(４)ꎮｗ＋＝ʏｔｔ０ｖʏｔｔ０ðｎｉ＝１ｐｉｑｉｄｓπｄ２ｍａｘＬｄｒꎮ(４)１.２㊀感染后阶段的病毒载量增加量一个人感染新型冠状病毒后ꎬ病毒复制是病毒增长的主要原因ꎮ由于病毒复制带来的病毒数量远远大于吸入病毒的数量ꎬ因此感染后阶段只需要考虑病毒复制导致的病毒载量增加量ꎮ在经过１~２ｄ的病毒复制增长后出现排毒(即核酸检测阳性)ꎬ并持续排毒ꎮ由于个体差异ꎬ不同个体释放病毒的数量有较大差别ꎮ现有统计数据表明ꎬ高病毒载量的个体(即超级传播者)会释放更多的病毒ꎬ比普通患者排毒量会增加１~２个数量级ꎮ而且ꎬ高病毒载量个体的病毒数量衰减得更慢ꎮ根据Ｓａｎｃｈｅ等[１２]的研究结果ꎬ本文利用分段线性函数描述普通感染个体和超级传播者的病毒载量变化ꎬ两者的区别是超级传播者的病毒载量峰值高于普通感染个体的峰值ꎬ衰减斜率低于普通感染个体的斜率ꎮ本文假设普通感染个体的病毒载量分段线性函数(图２中蓝色折线)为:上升段ｌｇｙ＝６７ｘꎬ下降段ｌｇｙ＝－６７ｘ＋１２ꎮ超级传播者的病毒载量分段线性函数(图２中黑色虚线)为:上升段ｌｇｙ＝０.７５ｘꎬ下降段ｌｇｙ＝－０.５４ｘ＋１２.８６ꎮ其中ｘ为自然天数ꎬｙ为病毒载量ꎮ图２㊀病毒载量随时间的变化Ｆｉｇ.２㊀Ｃｈａｎｇｅｓｉｎｖｉｒａｌｌｏａｄｏｖｅｒｔｉｍｅ１.３㊀病毒载量减少量根据Ｐｏｐａ等[１３]的研究结果ꎬ一个人平均吸入１０００个病毒颗粒被感染ꎮ本文以该值作为阈值ꎬ当个体体内的病毒颗粒小于１０００个时ꎬ体内的病毒量将一直累加ꎬ不排出病毒ꎮ当个体体内的病毒颗粒超过１０００个时ꎬ该个体变为感染个体ꎮ感染个体的排毒量与体内的病毒数量有一定关系ꎬ本文假设感染者的排毒量等于个体体内病毒载量的０.１％ꎮｗ－未感染者＝０㊀㊀ｗ－感染者＝Ｎ１０００ꎬ(５)其中ꎬＮ表示个体内的病毒载量ꎻｗ－表示呼出的病毒数量ꎮ１.４㊀防疫措施的干预效果建模在公共交通车辆上ꎬ采取的防疫措施主要包括戴口罩或面罩㊁增加社交距离㊁车厢消毒㊁通风ꎮ其中前两项措施是减少病毒的吸入量ꎬ后两项措施是减少病毒的数量ꎮ各类防疫措施的效果用参数α表示ꎬ取值范围是[０ꎬ１]ꎬ其中０表示完全阻挡病毒侵入ꎬ１表示防疫措施没有防护作用ꎬ中间值表示使用防疫措施后吸入病毒的概率ꎮ在公式(４)的基础上乘以参数αꎬ描述防疫措施的干预效果ꎮｗ＋＝αʏｔｔ０ｖʏｔｔ０ðｎｉ＝１ｐｉｑｉｄｓπｄ２ｍａｘＬｄｒꎮ(６)２㊀基于Ａｎｙｌｏｇｉｃ仿真软件的管控措施效果评估Ａｎｙｌｏｇｉｃ仿真软件为行人智能体提供了二次开发的接口ꎮ本部分在二次开发接口中对公式(１)~(６)进行编程ꎮ首先在Ａｎｙｌｏｇｉｃ软件中对地铁车厢建立物理模型ꎻ再使用Ａｎｙｌｏｇｉｃ软件提供的逻辑流程图工具对乘客行为编程ꎬ包括进站乘客流线和出站乘客流线ꎻ然后设置客流量㊁乘客在地铁车厢中的间距等参数ꎻ利用Ａｎｙｌｏｇｉｃ软件提供的二次开发接口ꎬ对本文建立的病毒载量演化模型进行编程ꎻ最后设置仿真时长ꎬ输出仿真数据ꎮ仿真界面如图３所示ꎬ红色乘客表示受感染的乘客ꎬ灰色乘客表示未受感染的乘客ꎮ图３㊀地铁车厢内病毒传播的Ａｎｙｌｏｇｉｃ仿真界面Ｆｉｇ.３㊀Ａｎｙｌｏｇｉｃｓｉｍｕｌａｔｉｏｎｉｎｔｅｒｆａｃｅｆｏｒｖｉｒｕｓｔｒａｎｓｍｉｓｓｉｏｎｉｎｓｕｂｗａｙｃａｒｒｉａｇｅｓ仿真的地铁车厢为南京地铁Ａ型车厢ꎬ其几何尺寸(长ˑ宽ˑ高)是２４.０ｍˑ３.０ｍˑ３.８ｍꎬ每节车厢定员２４０人ꎮ为了研究乘客密度对病毒传播的影响ꎬ分别设置定员的１/３㊁定员的２/３㊁定员人数３个场景ꎬ即８０人㊁１６０人㊁２４０人ꎮ每个场景初始时刻被感染的乘客比例为１０％ꎬ其中超级传播感染者占被感染乘客的比例为２０％ꎮ由于车厢的尺寸是固定的ꎬ因此人数越多ꎬ密度越大ꎬ乘客之间的距离越小ꎮ仿真结果如图４ꎮ每组图包括无管控和有管控两种情况ꎬ无管控是指无论乘客体内的病毒数量多大ꎬ都允许其乘车ꎮ有管控是指基于病毒载量进行管控ꎬ当乘客体内的病毒数量大于１０００个时ꎬ不允许该乘客乘车ꎮ每个图中有两条曲线ꎬ防疫措施的干预率取１００％对应于α＝０ꎬ防疫措施的干预率取５０％对应于α＝０.５ꎮ图４㊀三种场景分别在无管控和有管控情况下乘客病毒载量演化Ｆｉｇ.４㊀Ｅｖｏｌｕｔｉｏｎｏｆｖｉｒａｌｌｏａｄａｃｒｏｓｓｔｈｒｅｅｓｃｅｎａｒｉｏｓｗｉｔｈｏｕｔｃｏｎｔｒｏｌａｎｄｗｉｔｈｃｏｎｔｒｏｌ㊀㊀社交距离通过乘客密度来反映ꎬ乘客密度大则社交距离小ꎬ乘客密度小则社交距离大ꎮ对口罩㊁消毒等防疫措施的干预率分别是５０％和１００％两种情况进行仿真ꎮ为对比分析有无管控措施情况下的病毒传播ꎬ每个场景进行两轮仿真ꎮ对于无管控的情况ꎬ所有乘客在第一轮结束时的病毒载量数值基础上ꎬ继续进行第二轮模拟ꎬ仿真结果如图４(ａ)㊁４(ｃ)㊁４(ｅ)所示ꎮ对于有管控的情况ꎬ第一轮仿真３０ｍｉｎ后ꎬ对病毒载量超过１０００个的乘客进行隔离ꎬ禁止其上车ꎬ生成新的乘客上车从而保持车厢内总人数不变ꎮ由于补充了新的乘客ꎬ因此图４(ｂ)㊁４(ｄ)㊁４(ｆ)的横坐标表示的乘客编号大于车厢内的乘客数量ꎮ未被感染的乘客继承上一轮模拟结束时的病毒载量数值ꎬ进行第二轮模拟ꎮ以上场景的仿真结果表明:对病毒载量大于阈值１０００的乘客进行管控ꎬ禁止其乘车ꎬ可将所有乘客的病毒载量降低一个数量级ꎻ随着乘车人数的增多ꎬ乘客密度增大ꎬ病毒传播增强ꎬ个体病毒载量增加较快ꎮ为展示乘客个体病毒载量随时间的变化ꎬ对两种情况进行了仿真ꎬ情况１:车厢人数为８０人㊁防疫措施控制有效率为１００％ꎻ情况２:车厢人数为１６０人㊁防疫措施控制有效率为５０％ꎮ仿真时长为１ｈꎬ如图５所示ꎮ与情况１相比ꎬ情况２的个体的病毒载量多一个数量级ꎮ图５㊀个体病毒载量随时间变化Ｆｉｇ.５㊀Ｉｎｄｉｖｉｄｕａｌｖｉｒａｌｌｏａｄｅｖｏｌｕｔｉｏｎｏｖｅｒｔｉｍｅ３㊀结论本文利用物质守恒和随机建模方法建立了病毒载量演化模型ꎮ基于Ａｎｙｌｏｇｉｃ二次开发接口ꎬ对建立的病毒载量演化模型进行编程ꎬ实现了地铁乘客病毒载量的仿真ꎮ仿真分析了乘客密度㊁防疫措施的有效率㊁有无管控措施三个因素对地铁乘客病毒载量的影响ꎮ仿真结果表明ꎬ随着乘车人数的增多ꎬ乘客密度增大ꎬ病毒传播增强ꎬ个体病毒载量增加较快ꎮ对病毒载量大于１０００的乘客进行管控ꎬ禁止其乘车ꎬ可将所有乘客的病毒载量降低一个数量级ꎮ这表明根据乘客体内病毒载量的数量对其能否乘车进行管控是有效降低病毒传播的重要手段ꎬ为精准管控提供了理论依据ꎮ此外ꎬ每个场景初始时刻被感染的乘客比例设定为１０％ꎬ其中超级传播感染者占被感染乘客的比例为２０％ꎮ仿真结束时ꎬ超级传播感染者的病毒载量比普通传播者的病毒载量多出一个数量级ꎬ因此识别超级传播者并对其乘车进行管控是管理的重点ꎮ参考文献:[１]李小莉ꎬ曹策俊ꎬ刘伟华ꎬ等.考虑传染概率的政府防疫管控策略演化仿真[Ｊ].中国安全科学学报ꎬ２０２３ꎬ３３(３):４２￣５０.ＤＯＩ:１０.１６２６５/ｊ.ｃｎｋｉ.ｉｓｓｎ１００３￣３０３３.２０２３.０３.０８３５.[２]方丹辉ꎬ周敏ꎬ洪荭ꎬ等.考虑疫苗效力差异的封闭场馆疫情传播分析[Ｊ].中国安全科学学报ꎬ２０２２ꎬ３２(７):１２１￣１２７.ＤＯＩ:１０.１６２６５/ｊ.ｃｎｋｉ.ｉｓｓｎ１００３￣３０３３.２０２２.０７.２３６６.[３]马剑ꎬ李慧文ꎬ宋丹丹ꎬ等.校园通勤行人流时空伴随分析与疫情防控策略[Ｊ].中国安全科学学报ꎬ２０２２ꎬ３２(９):８６￣９３.ＤＯＩ:１０.１６２６５/ｊ.ｃｎｋｉ.ｉｓｓｎ１００３￣３０３３.２０２２.０９.２７３７.[４]施红生.国内重大传染病疫情铁路交通防控模式效率评估[Ｊ].铁路节能环保与安全卫生ꎬ２０１３ꎬ３(１):３２￣３８.ＤＯＩ:１０.１６３７４/ｊ.ｃｎｋｉ.ｉｓｓｎ２０９５￣１６７１.２０１３.０１.００６.[５]贾兴利ꎬ周吴啸ꎬ韩兴家ꎬ等.交通管控措施对市域新冠疫情传播的阻断效果分析[Ｊ].中国公路学报ꎬ２０２２ꎬ３５(１):２５２￣２６２.ＤＯＩ:１０.１９７２１/ｊ.ｃｎｋｉ.１００１￣７３７２.２０２２.０１.０２２.[６]陈国强ꎬ刘澜ꎬ陈玉婷ꎬ等.基于Ｗｅｌｌｓ￣Ｒｉｌｅｙ模型的公交车辆内部ＣＯＶＩＤ￣１９传播及防控研究[Ｊ].公路交通科技ꎬ２０２２ꎬ３９(６):１４４￣１５２.ＤＯＩ:１０.３９６９/ｊ.ｉｓｓｎ.１００２￣０２６８.２０２２.０６.０１９.[７]ＳＵＮＣＪꎬＺＨＡＩＺＱ.ＴｈｅｅｆｆｉｃｉｅｎｃｙｏｆｓｏｃｉａｌｄｉｓｔａｎｃｅａｎｄｖｅｎｔｉｌａｔｉｏｎｅｆｆｅｃｔｉｖｅｎｅｓｓｉｎｐｒｅｖｅｎｔｉｎｇＣＯＶＩＤ￣１９ｔｒａｎｓｍｉｓｓｉｏｎ[Ｊ].ＳｕｓｔａｉｎａｂｌｅＣｉｔｉｅｓａｎｄＳｏｃｉｅｔｙꎬ２０２０ꎬ６２:１０２３９０.ＤＯＩ:１０.１０１６/ｊ.ｓｃｓ.２０２０.１０２３９０.[８]ＹＡＮＹＨꎬＬＩＸＤꎬＳＨＡＮＧＹＤꎬｅｔａｌ.ＥｖａｌｕａｔｉｏｎｏｆａｉｒｂｏｒｎｅｄｉｓｅａｓｅｉｎｆｅｃｔｉｏｎｒｉｓｋｓｉｎａｎａｉｒｌｉｎｅｒｃａｂｉｎｕｓｉｎｇｔｈｅＬａｇｒａｎｇｉａｎ￣ｂａｓｅｄＷｅｌｌｓ￣Ｒｉｌｅｙａｐｐｒｏａｃｈ[Ｊ].ＢｕｉｌｄｉｎｇａｎｄＥｎｖｉｒｏｎｍｅｎｔꎬ２０１７ꎬ１２１:７９￣９２.ＤＯＩ:１０.１０１６/ｊ.ｂｕｉｌｄｅｎｖ.２０１７.０５.０１３. [９]谢国ꎬ金永泽ꎬ姬文江ꎬ等.高速列车疫情风险评估与主动防护策略[Ｊ].交通运输工程学报ꎬ２０２０ꎬ２０(３):１１０￣１１９.ＤＯＩ:１０.１９８１８/ｊ.ｃｎｋｉ.１６７１￣１６３７.２０２０.０３.０１０.[１０]ＭＡＪＸꎬＱＩＸꎬＣＨＥＮＨＸꎬｅｔａｌ.Ｃｏｒｏｎａｖｉｒｕｓｄｉｓｅａｓｅ２０１９ｐａｔｉｅｎｔｓｉｎｅａｒｌｉｅｒｓｔａｇｅｓｅｘｈａｌｅｄｍｉｌｌｉｏｎｓｏｆｓｅｖｅｒｅａｃｕｔｅｒｅｓｐｉｒａｔｏｒｙｓｙｎｄｒｏｍｅｃｏｒｏｎａｖｉｒｕｓ２ｐｅｒｈｏｕｒ[Ｊ].ＣｌｉｎｉｃａｌＩｎｆｅｃｔｉｏｕｓＤｉｓｅａｓｅｓꎬ２０２１ꎬ７２(１０):ｅ６５２￣ｅ６５４.ＤＯＩ:１０.１０９３/ｃｉｄ/ｃｉａａ１２８３. [１１]ＺＨＡＮＧＸꎬＷＵＪＦꎬＳＭＩＴＨＬＭꎬｅｔａｌ.ＭｏｎｉｔｏｒｉｎｇＳＡＲＳ￣ＣｏＶ￣２ｉｎａｉｒａｎｄｏｎｓｕｒｆａｃｅｓａｎｄｅｓｔｉｍａｔｉｎｇｉｎｆｅｃｔｉｏｎｒｉｓｋｉｎｂｕｉｌｄｉｎｇｓａｎｄｂｕｓｅｓｏｎａｕｎｉｖｅｒｓｉｔｙｃａｍｐｕｓ[Ｊ].ＪｏｕｒｎａｌｏｆＥｘｐｏｓｕｒｅＳｃｉｅｎｃｅ＆ＥｎｖｉｒｏｎｍｅｎｔａｌＥｐｉｄｅｍｉｏｌｏｇｙꎬ２０２２ꎬ３２(５):７５１￣７５８.ＤＯＩ:１０.１０３８/ｓ４１３７０￣０２２￣００４４２￣９.[１２]ＳＡＮＣＨＥＳꎬＣＡＳＳＩＤＹＴꎬＣＨＵＰＨꎬｅｔａｌ.ＡｓｉｍｐｌｅｍｏｄｅｌｏｆＣＯＶＩＤ￣１９ｅｘｐｌａｉｎｓｄｉｓｅａｓｅｓｅｖｅｒｉｔｙａｎｄｔｈｅｅｆｆｅｃｔｏｆｔｒｅａｔｍｅｎｔｓ[Ｊ].ＳｃｉｅｎｔｉｆｉｃＲｅｐｏｒｔｓꎬ２０２２ꎬ１２:１４２１０.ＤＯＩ:１０.１０３８/ｓ４１５９８￣０２２￣１８２４４￣２.[１３]ＰＯＰＡＡꎬＧＥＮＧＥＲＪＷꎬＮＩＣＨＯＬＳＯＮＭＤꎬｅｔａｌ.ＧｅｎｏｍｉｃｅｐｉｄｅｍｉｏｌｏｇｙｏｆｓｕｐｅｒｓｐｒｅａｄｉｎｇｅｖｅｎｔｓｉｎＡｕｓｔｒｉａｒｅｖｅａｌｓｍｕｔａｔｉｏｎａｌｄｙｎａｍｉｃｓａｎｄｔｒａｎｓｍｉｓｓｉｏｎｐｒｏｐｅｒｔｉｅｓｏｆＳＡＲＳ￣ＣｏＶ￣２[Ｊ].ＳｃｉｅｎｃｅＴｒａｎｓｌａｔｉｏｎａｌＭｅｄｉｃｉｎｅꎬ２０２０ꎬ１２(５７３):ｅａｂｅ２５５５.ＤＯＩ:１０.１１２６/ｓｃｉｔｒａｎｓｌｍｅｄ.ａｂｅ２５５５.。
基于Anylogic的地铁站厅设施布置优化方案研究
交通科技与管理111规划与管理0 引言作为城市公共交通的中流砥柱，地铁承担着重要的客流运输任务，客流的大规模增长暴露出地铁运营中的各种问题，其中，地铁站厅层设施布置不合理现象尤为凸显，结果将导致站厅层设备设施利用率不足、不合理流线导向造成客流堆积甚至客流冲突，因此，对地铁站厅层设备设施布置的合理化研究十分重要。
1 地铁站厅设施布置仿真软件及客流流线分析1.1 Anylogic 仿真软件简介Anylogic 仿真软件支持多种方法联合建模，是一个专业、虚拟的环境，帮助快速构建设计系统进行仿真。
本文利用Anylogic 搭建虚拟地铁站厅仿真环境，基于社会力模型进行仿真建模，使得仿真更加接近现实[1-2]。
1.2 城市轨道交通客流流线分析地铁客流流线分为进站、出站及换乘流线。
进站乘客进入站厅后根据不同目的产生分流；换乘乘客在站厅与进站乘客合流；出站乘客从不同出入口出站，形成出站客流分流，不同线路的乘客下车后，若选择相同出站口，又会形成合流[4-6]。
2 评价指标的建立乘客走行情况是判断站厅层设施布置是否合理的重要指标，行人走行评价指标有行人平均行程时间、行人平均延误时间、设施设备利用率等，本文通过德尔菲法，确认以“客流密度”和“平均排队长度”作为评价指标，该指标可较好基于Anylogic 的地铁站厅设施布置优化方案研究郭 婧（贵阳职业技术学院 轨道交通分院,贵阳 550081）摘 要：近年来，地铁发展迅猛，大、中城市已实现网络化运营模式，客流量大幅增加使地铁站人满为患，特别是早晚高峰及大型活动时尤为明显。
地铁站厅内设施布置很大程度影响着行人走行特性，不合理的站厅设施布置是造成拥堵与阻塞的原因之一。
本文基于Anylogic 软件，提出平均排队长度和客流密度两个评价指标，以深圳竹子林站为例，建立站厅层设施布置仿真模型，进行模拟仿真，得出结果并分析竹子林站厅设施布置缺陷，提出优化方案并进行验证，结果显示，优化后大大减缓站厅拥堵状况，为以后站厅设计带来一定启示和价值。
- 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)。
AnyLogic应用于地铁仿真
地铁交通网络中路网的构建和列车的控制可以采用离散事件建模方法。
在离散事件仿真中，系统的运行由依时间顺序的事件序列代表。
每个事件发生在一个时刻，并表明系统中状态的改变。
在地铁仿真中，典型的事件例如：乘客到达车站、列车打开车门等等。
在AnyLogic中，离散事件建模主要通过标准库实现。
AnyLogic提供行人库，专注于建模具有集中人流的场所，例如地铁站。
传统的离散事件方法无法精确地模拟行人移动，而AnyLogic行人库基于“社会力”、行人模拟理论，以定量的“力”代表行人个体移动的各种内因，包括提速到预定速度、与其他行人及边界保存距离、吸引效果等，能够在物理层建模行人之间，以及行人与环境（如墙壁、闸机）之间的交互，以可视化行人移动及收集统计数据。
行人库以流程图的方式建模，且能够与标准库相配合，使得用户可以很好地衔接车站中的行人仿真与路网中的列车仿真。
AnyLogic地铁站乘客案例（使用行人库）
功能
标准库：支持离散事件，或者更准确地说，以流程为中心的建模规范。
使用标准库对象，可以建模地铁路网这样的真实系统，包含实体（即列车）和过程（如列车行进）。
以流程图的形式使用，具有层次化、伸缩性、可扩展、面向对象的特点。
可以创建相应的动画展示。
Entity类：生成并参与各流程的实体。
可以代表列车或乘客。
列车的属性可能包括车次号、载客定额等；乘客的属性可能包括起始站、目的站等。
Source模块：产生实体，即列车。
是路网模型的起点。
产生列车的方式可以通过定义间隔时间或时刻表。
可以定义列车的动画图形。
Delay模块：使实体产生一个强制的延迟。
可用于表达列车行驶所需的时间或在车站停留的时间。
可以创建动画显示列车沿预设的轨迹前进。
延迟时间可以定义为一个数，常数或者随机数，也可以通过定义轨迹的长度和前进的速度从而计算得出。
Pickup模块：从Queue模块移除实体，添加到进入的容器实体中。
可以建模乘客（实体）进入列车（容器实体）。
后续可以使用Dropoff模块建模乘客离开列车。
乘客上车的条件可以设定，比如所有乘客、一定数量的乘客或满足某条件的乘客等等。
Dropoff模块：移除容器实体中包含的实体。
可以建模乘客离开列车。
乘客下车的条件可以设定，比如所有乘客或满足某条件的乘客等等。
Queue模块：代表实体的队列或缓冲。
列车在前进方向遇到拥堵时，会产生排队情况。
乘客在站台排队等待列车也可以用Queue模块。
可以自动统计平
均排队长度。
Select Output模块：依据条件导向实体进入不同的分支流程。
所考虑的条件可以取决于实体本身的属性或是任何外部因素。
例如不同班次的列车可能分别执行大、小交路，需要导引他们进入不同的运营流程。
Hold模块：可以在特定位置控制实体的通过。
例如在特定情况下描述路网中某段“断路”，列车暂时无法通过。
模型运行过程中可以随时控制“断路”或“通路”。
Sink模块：通常作为流程的终点。
可以表达列车结束运营，离开系统。
列车离开系统时可以收集其上记录的各项数据。
Restricted Area Start和Restricted Area End模块：可以限制在指定的流程区域内实体的数量。
例如定义某一段路上的列车数量不能超过某个上限。
Restricted Area Start模块定义流程区域的入口，Restricted Area End模块定义出口，二者需要匹配使用。
Time Measure Start和Time Measure End模块：二者组成一对对象，用来计算实体在二者之间的停留时间。
例如用来统计一班列车的运营时间总和。
实体通过Time Measure Start模块时开始计时，通过相应的Time Measure End模块时结束计时。
统计结果包括分布和样本集合。
Clock模块：在仿真过程中显示当前时间和日期，表现动画为钟表。
行人库：提供了以流程图的方式快速创建行人模型的高级接口。
模型能够收集在不同区域中的行人密度，确保服务点性能达标，评估在特定区域的停留时间，检测内部结构可能的问题。
行人在连续空间中移动，对各种障碍物和其他行人做出反应。
行人模型由两个主要部分组成——环境和行为，环境整合墙壁、区域、服务点和队列等等，行人行为以流程图的方式定义，与标准库一致。
Ped类：与Entity类相似，参与行人模型中的各流程。
作为乘客，可以定义起始站、目的站等属性。
Ped Configuration模块：定义环境基本参数。
时间步长影响模型精细度，
默认行人动画创建乘客基本动画显示，渲染行人目标可以显示乘客前进的目的地。
Ped Ground模块：定义空间中的一层地面，车站中的每一层定义为一个“Ground”。
每一层定义有边界墙壁、内部障碍物、地面高度。
Ped Area模块：定义一片区域。
比如行人等待的区域、限制乘客数量的区域、楼梯、扶梯的区域等。
可以统计区域内的乘客密度。
Ped Source模块：产生行人，通常作为行人流的起点。
可以产生乘客或一组乘客，产生的方式可以通过定义到达速率、间隔时间或时刻表。
可以定义乘客占据的空间大小、理想的舒适速度。
可以定义乘客的动画图形。
可以定义乘客的初始位置和朝向。
Ped Go To模块：引导行人走向特定的目的地，例如走向站台或者车站出口。
Ped Services模块：定义服务对象，例如车站中的闸机。
需要定义服务，
如通过闸机所需的时间。
需要定义队列，即服务出现排队现象时乘客排队的位置。
可以选择不同的排队策略，例如乘客选择距离自己最近的闸机、或排队乘客最少的闸机。
Ped Wait模块：指示行人在特定的地点等待，比如等待列车。
Ped Change Ground模块：使行人从一层地面转移到另一层地面。
例如从大厅层下到站台层等。
其他：AnyLogic还提供了诸多的模块组，满足仿真建模各方面的需要。
分析模块组：用于收集仿真模型运行过程中的各项统计数据，并绘制成相应
的图表。
包括样本统计集合、条形图、堆叠图、饼状图、折线图、甘特图和直方图等等。
演示模块组：方便创建与仿真模型数据相对应的二维及三维动画。
包括直线、矩形和圆等基本几何图形，也可以定义用于标注或显示信息的文本，导入外部的二维图片或三维造型。
可以导入车站布局的CAD图纸，也可以与GIS系统相结合。
控件模块组：提供了常用的人机交互的控件，包括按钮、复选框、编辑框、单选按钮、滑块、组合框、列表框、文件选择器和进度条等，使得用户可以在仿真模型运行前和运行中与模型中的各种参数和设定相交互。
连接模块组：提供与外部数据相连的接口。
包括读写文本文件、Excel文件和各种数据库文件。