异质步行客流下地铁地下车站乘客空间与设施疏散性能研究

《Fire》：Evacuation Performance of Passenger Spaces and Facilities in Underground Subway Stations for Heterogeneous Ambulatory Passengers

　　

城市地铁系统承载异质性客流，包括老年人、残障人士及携行李乘客，其在高峰时段的密集运动加剧了地下疏散困难。现行设计规范采用过于简化的计算公式，而既有研究多聚焦局部瓶颈与事后人群管理，忽视沿完整乘客路径的系统性疏散性能评估。本研究以27项空间与设施参数对深圳市128座单线地下车站开展调查，整合行人步行实验、基于智能体的仿真（agent-based simulation）、K-means聚类与可解释机器学习，评估异质步行乘客的疏散性能并识别关键控制因素。结果表明：（1）依据站台形式、空间尺度及楼梯—自动扶梯布置，全部车站被划分为五类组构；（2）人口加权平均步行速度为1.267 m/s，其中拄拐使用者最慢、盲人个体变异性最大；（3）在高峰时段条件下，27.34%的车站超过所采用的6 min疏散时间标准；第5类（侧式站台、楼梯与自动扶梯顺序阵列）疏散时间最长、风险最高（83.33%超过6 min），而第1类（岛式站台、中部T形楼梯）疏散时间最短；（4）站厅长度/宽度、楼梯—自动扶梯间距及站台中楼梯宽度为关键因素，呈现边际效益递减的非线性效应。经单站案例验证的针对性改造使疏散时间降低5.35%–29.04%，均降至6 min以内。该框架确立了空间设计在疏散效率中的作用，为运营中的地下车站提供了风险筛查与预防性优化途径。

城市地铁系统凭借高运能、快速、可靠的行车计划及舒适的站内环境，已成为人口密集城市中广受欢迎的公共交通方式，尤其受到老年人、残障人士及携行李游客的青睐。然而，随着城市扩张与城市交通方式分担率的演变，部分地铁车站在高峰时段的客流量频繁超过设计容量，而包含老年人、残障人士及携行李乘客的异质人群进一步加剧了这一挑战。地下车站因其封闭的空间构型，在疏散与应急救援方面存在相当困难。在高峰客流条件下，火灾或其他紧急情况要求大量乘客在有限时间内经站台、楼梯/自动扶梯、站厅及出入口完成连续出站过程，从而显著提升疏散安全风险。既有研究已识别出地铁乘客空间中的拥堵通常发生于站台与站厅的楼梯/自动扶梯衔接处、闸机处及站厅出口处；然而由于研究视角的差异，这些高风险空间节点常被孤立考察，对其在完整疏散流线上的累积效应关注不足。换言之，危险节点须置于整体疏散路径背景下评估，其潜在交互效应不应被忽视。既有微观行人仿真研究在锁定拥堵节点后多将分析焦点转向单节点的微观尺度，所得结论往往流于直观表述，且此类聚焦节点的仿真抽象掉了完整出站流线，偶或提出实践中不可行的改造方案；同时，关于在瓶颈处部署疏散引导人员能否有效提升行人流出速度，仍缺乏一致且直接的因果证据。在运营安全评估领域，多准则综合评价方法依赖专家赋权与综合评分，难以分离单项空间参数对疏散时间的具体贡献或界定可操作的调整区间。此外，现行中国地铁疏散设计标准（GB/T 33668-2017）给出了部分乘客类别的步行速度，但缺乏残障人士与携行李游客的数据，亦缺乏任何群体的速度离散参数。因此，研究人员开展了如下研究：以27项设计参数刻画车站完整疏散路线上的空间与设施特征，对深圳217座地下单线标准车站进行筛选并确定128座代表性样本；通过受控步行实验获取六类人群的步行速度及其离散度；采用AnyLogic 8.9.6基于社会力模型（social force model）进行疏散仿真；运用K-means聚类识别空间组构类型；构建XGBoost模型并结合SHAP与ALE方法解析空间参数对疏散时间的非线性效应；最后基于敏感参数制定针对性改造方案并通过仿真验证其有效性。研究得出以下结论：128座样本车站被划分为五类空间组构，站台形式、楼梯/自动扶梯组数量、车站尺度及楼梯/自动扶梯在站台上的布置为主要区分因素；基于深圳人口构成的八类仿真行人人口加权平均输入步行速度为1.267 m/s，拄拐使用者平均速度最低（0.798 m/s），盲人组内变异性最大（变异系数24.7%）；128座车站中35座（27.34%）在早高峰条件下未能在6 min标准内完成疏散，第5类风险最高（83.33%超限），第1类疏散时间最短；站厅长度（H1）、站厅宽度（H2）、楼梯—自动扶梯间距（P7）及站台中楼梯净宽（S9）为影响疏散时间的关键空间参数，均呈现显著非线性与边际效应；在四座代表性车站测试的站厅出口拓宽及站台中楼梯与楼梯/自动扶梯组增设或重构方案使模拟疏散时间降低5.35%–29.04%，四个最终方案均降至6 min标准以内。该研究的重要意义在于：建立了车站群疏散性能分析方法，将空间组构与疏散时间及关键空间参数相联系，为大量标准地铁车站乘客空间的疏散风险筛查提供依据；并将不同空间组构间的共性疏散问题与参数规律转化为基于类型学的设计与优化方向，经代表性车站仿真评估其有效性，从而为同类组构车站的主动式空间优化提供方法论基础。研究方法方面，主要关键技术方法包括：受控步行实验获取异质人群步行速度分布（参与者38人，年龄20–78岁，含青中年男性、青中年女性、携行李者、老年人、拄拐使用者及由明眼引导员陪同的盲人）；基于社会力模型的行人仿真（AnyLogic 8.9.6 Pedestrian Library）；K-means聚类（以27项空间与设施参数为输入，辅以轮廓系数、惯性及调整兰德指数稳定性检验）；XGBoost建模结合SHAP贡献分析与ALE非线性效应分析；以及基于类型学的代表性车站改造仿真验证。样本队列来源为截至2025年12月深圳地铁运营车站，经排除换乘站、地面及高架站、口岸站、机场站、曲线站台站、叠层站等非标准布局后获得217座地下单线标准车站，最终选取128座代表性车站；客流数据来源于深圳地铁集团提供的2017年3月、5月、7月工作日早高峰智能卡刷卡记录及2017年1—7月全天客流量、深圳政府数据开放平台公布的各线早高峰列车时刻表、深圳地铁官网公布的2018年7月至2025年12月线路级月度进站量。研究结果如下：3.1 地铁车站乘客空间类型学分类。通过K-means聚类并结合惯性、轮廓系数、簇规模与建筑可解释性，确定K=5，随机初始化与子采样的平均调整兰德指数分别为0.905与0.860，支持五簇解的稳定性；主成分分析（PCA）显示PC1主要反映楼梯/自动扶梯组间距及站台端部与中部楼梯的布置，PC2主要反映车站尺度与设施容量差异。五类组构为：第1类岛式站台、纵向两侧自动扶梯组加中部T形楼梯；第2类岛式站台、纵向两侧楼梯/自动扶梯组加中部折返楼梯；第3类岛式站台、纵向两侧楼梯/自动扶梯组但无中部楼梯；第4类岛式站台、楼梯/自动扶梯组沿站台长度顺序阵列；第5类侧式站台、楼梯与自动扶梯沿站台长度顺序阵列。3.2 异质人群步行速度与变异性分析。计划342次直线段速度测量，因残障参与者身体限制有两次路线通行未完成，最终获得38名参与者的336个有效速度观测；六类实验测量组的平均步行速度由高到低为青中年男性1.341 m/s、携行李者1.320 m/s、青中年女性1.254 m/s、盲人（明眼引导）1.238 m/s、老年人1.120 m/s、拄拐使用者0.798 m/s，极差0.543 m/s；盲人速度标准差0.306 m/s、变异系数24.7%、速度范围0.731–1.611 m/s，为六组中变异性最大者，拄拐使用者与携行李者的变异系数分别为18.9%与10.0%；基于深圳人口构成的人口加权平均速度为1.267 m/s，青中年男性、青中年女性与老年人的实测速度分别较标准值高7.2%、19.4%与47.3%。3.3 地铁车站疏散时间评估。128座地下标准车站平均疏散时间318.76 s、中位数306.60 s、标准差76.44 s，最短与最长分别为160.20 s与530.40 s；站内标准差中位数21.12 s，变异系数中位数6.92%；35座（27.34%）未能在6 min阈值内完成疏散；第1、2类平均疏散时间分别为275.59 s与293.55 s，超限比例分别为5.26%与16.67%；第3、4、5类平均疏散时间分别为347.89 s、372.32 s与398.60 s，超限比例分别为37.04%、46.67%与83.33%；第3—5类合计包含27座超限车站，占全部35座的77.14%；侧式站台车站平均疏散时间370.11 s，较岛式站台车站（312.45 s）长18.45%。3.4 空间设计参数影响疏散时间的机理。经相关性与共线性筛选，27项参数中剔除15项、保留12项空间参数，连同进出站客流率共14个变量进入XGBoost模型；楼梯—自动扶梯间距（P7）与疏散时间正相关最强（ρ=0.497，p<0.001），其次为站台长度（P3）（ρ=0.446，p<0.001）与站厅长度（H1）（ρ=0.371，p<0.001），负相关参数中站台中楼梯净宽（S9）（ρ=?0.497，p<0.001）、站台中楼梯入口数（S7）（ρ=?0.487，p<0.001）与站台中楼梯转角（S8）（ρ=?0.409，p<0.001）相关性较强；固定训练—验证—测试划分下测试集R2=0.403、RMSE=51.4 s、MAE=37.8 s，重复嵌套交叉验证25个外层留出折的R2=0.510±0.128、RMSE=52.7±8.3 s、MAE=37.7±5.5 s；SHAP分析显示出站客流率平均|SHAP|值最高（16.7±3.5 s），其次为进站客流率（16.3±2.8 s）与站厅长度（H1）（15.9±3.5 s），空间参数中楼梯—自动扶梯间距（P7）（12.2±2.8 s）、站厅宽度（H2）（7.5±2.7 s）与站台中楼梯净宽（S9）（6.1±2.8 s）贡献较高；ALE分析显示站厅长度在98.84–130.99 m区间累积约28.6 s、在130.99–182.10 m区间再增30.8 s，站厅宽度在20.17–26.42 m区间增加约18.3 s，楼梯—自动扶梯间距在49.15–55.06 m区间急增约32.4 s，站台中楼梯净宽在2.22–3.20 m区间对应约15.5 s的预测降低、在3.20–3.60 m区间再降约2.0 s、超过3.60 m后变化可忽略，S8由0°至90°时ALE效应降低约2.1 s；闸机数量（T3）呈非单调模式，17—20座时预测疏散时间增加约8.3 s，20—27座时降低约5.5 s，超过27座后变化不大。3.5 典型车站改造优化与验证。对第2—5类各一座代表性车站进行仿真改造，疏散时间均降低：第3类（翻身站）由457.80±17.57 s降至324.86±12.58 s，降低132.94 s（29.04%；95% CI [111.13, 154.75] s；t(6.85)=14.48，p<0.001）；第5类（百鸽笼站）由406.20±59.61 s降至300.86±17.89 s，降低105.34 s（25.93%；95% CI [32.32, 178.36] s；t(4.52)=3.83，p=0.0148）；第4类（高新中站）由393.00±6.71 s降至335.14±16.13 s，降低57.86 s（14.72%；95% CI [42.35, 73.36] s；t(8.51)=8.52，p<0.001）；第2类（铁路公园站）由363.60±24.77 s降至344.14±17.21 s，降低19.46 s（5.35%；95% CI [?11.20, 50.11] s；t(6.70)=1.51，p=0.1756）；翻身、高新中与百鸽笼三站的降低在四项比较的Holm校正后仍显著，四个最终方案的平均模拟疏散时间均低于6 min阈值。讨论部分总结如下：研究指出当前设计规范的计算基础与公式较为粗略，难以充分适应实践中复杂的运营变化，部分车站在高峰条件下仍存在疏散安全隐患，而既有研究与管理措施多集中于事后人员组织、路径引导与疏散控制，通过主动式空间与设施设计、按乘客空间类型学区分以提升应急疏散能力的设计原则与优化策略仍显匮乏；本研究引入空间类型学视角，将空间特征相似的车站归为不同组构，整合实测异质人群步行参数、基于智能体的仿真与可解释机器学习，识别不同车站类型的普遍疏散延迟风险、关键空间参数及其可操作调整区间，并提炼为候选设计与优化方向。与逐站评估和定制优化相比，该方法为大量标准车站的风险筛查与乘客空间设计优化提供了更高效的途径。研究亦指出局限性：单线车站样本及每簇有限的改造案例限制了结论的可迁移性；模型简化了路径选择与恐慌反应，未表征轮椅使用者、人际协助及火灾与烟气效应；历史需求外推可能无法充分反映网络扩张与出行方式变化；初始化设置与运行次数系经验选取；改造评估聚焦总疏散时间，未联合评估局部人群密度、设施利用均衡性或行动不便乘客的连续可达性；未来工作应扩展车站样本、测试更多灾害场景并纳入上述性能指标。研究结论部分翻译如下：地铁系统是城市地区主要的公共交通方式。然而，城市扩张、交通方式分担率的转变以及现行设计规范中相对粗略的疏散安全计算基础与公式，使其难以充分适应实践中遇到的复杂运营变化，部分车站在高峰条件下仍可能存在疏散安全隐患。既有研究与管理措施在很大程度上集中于应急后的人员组织、路径引导与疏散控制，通过主动式空间与设施设计、按乘客空间类型学区分以增强应急疏散能力的设计原则与优化策略仍然稀缺。为填补这一空白，本研究引入空间类型学视角，评估异质步行人群的整体疏散性能。空间特征相似的车站被归为不同空间组构。通过整合实测异质人群步行参数、基于智能体的仿真与可解释机器学习，研究识别了不同车站类型中普遍的疏散延迟风险、关键空间参数及其可操作调整区间，并进一步将上述发现提炼为候选设计与优化方向，以指导各类车站的改造。该基于类型学的分析流程通过疏散仿真及后续分析应用于深圳地下单线标准车站。结果表明，所提方法能够从大量车站池中识别具有共性疏散特征的空间组构，并将参数分析结果转化为基于类型学的设计与优化方向。主要发现如下：（1）128座样本车站被划分为五类空间组构，站台形式、楼梯/自动扶梯组的数量与数目、车站尺度及楼梯/自动扶梯在站台上的布置为主要区分因素，各构型呈现稳定的空间特征。（2）基于深圳人口构成的八类仿真行人人口加权平均输入步行速度为1.267 m/s，拄拐使用者平均速度最低，为0.798 m/s，盲人组内变异性最大，变异系数为24.7%，凸显了在疏散仿真中同时保留组间与组内速度异质性的必要性。（3）128座样本车站中35座（27.34%）在早高峰条件下未能在6 min阈值内完成疏散；第5类疏散风险最高，83.33%的车站超过6 min限值，而第1类整体疏散时间最短，证实不同空间组构承载显著不同的风险特征。（4）站厅长度（H1）、站厅宽度（H2）、楼梯—自动扶梯间距（P7）及站台中楼梯净宽（S9）被识别为影响疏散时间的关键空间参数，均呈现显著的非线性与边际效应；涉及站厅出口拓宽及站台中楼梯与楼梯/自动扶梯组增设或重构的改造方案在四座代表性车站进行了测试，使模拟乘客空间疏散时间降低5.35%–29.04%，四个最终方案均降至6 min阈值以内；上述结果支持基于类型学的改造策略在降低地下地铁车站模拟异质人群整体疏散时间方面的潜在实用价值。研究尚存若干局限：单线车站样本及每簇有限的改造案例限制了可迁移性；模型简化了路径选择与恐慌反应，未表征轮椅使用者、人际协助及火灾与烟气效应；历史需求外推可能无法充分捕捉网络扩张与出行方式变化；初始化设置与运行次数系经验选取；改造评估聚焦总疏散时间，未联合评估局部人群密度、设施利用均衡性或行动不便乘客的连续可达性；未来工作应扩展车站样本、测试更多灾害场景并纳入上述性能指标。