基于AnyLogic客流空间密度对地铁火灾疏散影响的研究

Study on the Influence of Passenger Flow Spatial Density on Subway Fire Evacuation Based on AnyLogic

摘要: 本文模拟真实场景下地铁站火灾发生后，人员疏散情况，采用AnyLogic软件模拟火灾发生后，人员疏散的过程，使用PyroSim软件模拟火灾发生后，地铁站内对人体有害物质的含量，当有害物质达到威胁人员身体安全的浓度时，事件模拟终止。本文主要研究场景客流空间密度对于疏散结果的影响，以成都地铁站为例，设置三种场景，并对场景三进行了详细的研究。场景三模拟结果中，客流空间密度与逃生率之间具有非线性关系，同时具有一个逃生率达到100%的临界值。

Abstract: This paper simulates the evacuation situation after the fire in the subway station in the real scene, uses AnyLogic software to simulate the process of personnel evacuation after the fire, and uses PyroSim software to simulate the content of harmful substances on human body in the subway station after the fire. When the harmful substances reach the concentration threatening the safety of personnel, the simulated event is terminated. This paper mainly studies the impact of scene passenger flow spatial density on evacuation results. Taking Chengdu subway station as an example, three scenes are set up, and Scene 3 is studied in detail. Scenario three simulation results show that there is a nonlinear relationship between the density of passenger flow and the escape rate, with a boundary value of 100% of escape rate.

1. 引言

地铁作为城市重要交通工具，经常出现站内大客流聚集和通道拥堵等问题。由于地铁站构造的特殊性，发生火灾等其他突发事故时，站内容易变得拥挤狭窄，很难将所有乘客在短时间内送到安全区域，极其容易造成重大的人员伤亡和财产损失事故。当发生火灾时，国内外学者对行人的疏散行为研究颇多，Bryan [1] 等学者从受灾人员方面入手，花费了大量时间去访问受灾者，从受灾者的讲述中了解了与火灾相关的许多情况，以及受灾场景内幸存者的分布情况，总结出了可靠的结论。Peleehano [2] 等将一个人的受教育程度加入到了对疏散行为的影响的研究中。胡青梅 [3] 通过观察地铁直通道内乘客的步行状态，总结了行人的运动规律，建立了模拟地铁直通道内乘客步行速度与人口流量变化关系的模型。王灿灿 [4] 等根据旅客的行为特点，通过出口效用函数和改进的社会力模型，建立了多出口选择下的旅客疏散模型。牛天河等 [5] 通过对相关数据的观察和查阅，总结了疏散过程中乘客的集中行为。

本文主要考虑到人员年龄、性别等基本因素，而环境中场景的设立面积与进站乘车的人数的关系对于实际情况中人员的速度影响很大，从而间接影响到人员疏散。所以突发事件下，客流量的大小对疏散结果有着很大的影响，因此采用AnyLogic软件模拟行人在突发事件下的疏散情况。在真实的场景中，火灾的烟气运动情况不清楚，因此我们使用PyroSim软件对火灾发生时的烟气运动进行模拟，使用此软件可以得出火灾逃生时间。

2. 影响行人乘客进行安全疏散的因素

2.1. 行走速度

对于不同类群来说，正常情况下的行走速度是不一样的，将人员分为4大类群，人员性别比例取1:1。根据张开冉，邱谦谦 [6] 等人对行李对被疏散这运动参数影响的研究，正常类群的速度值为：

小孩：1.075 m/s；

老人：1.051 m/s；

成年男性：1.527 m/s；

成年女性：1.347 m/s。

2.2. 客流空间密度

客流空间密度指每平方米中的人数。将区域简单的规划为一个矩形，统计此区域内通过的总乘客数目，可得：

$\rho =\frac{\bar{n}}{a\times b}$ (1)

(1)式中：r——客流空间密度；

a，b——客流空间的长度与宽度；

$\bar{n}$ ——平均通过人数。

3. 火灾产物危害分析

地铁车站发生火灾时，燃烧所产生的烟气，毒性等会严重威胁人员的生命与财产安全 [7]。

3.1. 烟气毒性物质

由火灾中不完全燃烧产生的烟气中有一氧化碳、二氧化碳、二氧化硫等有毒气体，当有毒气体的体积分数达到一定程度时将对人体产生负面影响，甚至使人死亡。火灾中CO中毒死亡人数超过总死亡人数的50%，人眼高度处CO体积分数达到0.025%，CO₂体积分数达到1%或O₂体积分数降到15%时，可认为达到危险状态程度。

3.2. 能见度影响

火灾烟气扩散后会降低环境的能见度，不但影响人员对逃生出口的选择，还会对逃生速度产生一定影响。大空间环境不影响疏散的最低能见度为10 m。

4. 火灾场景模拟设置

利用PyroSim火灾模拟软件对比不同火源位置下站台温度场、楼梯口、人眼高度处能见度以及CO₂体积分数，与地铁设计规范进行对比验证其合理性。

4.1. 设置火灾发生地点

遵守最不利保守原则设定起火位置为站台中心区域与站台端部，由乘客携带的危险品引起火灾。设置3种探测器，分别探测楼梯口CO、CO₂的体积分数。在高度Z = 1.5处设置切片，观察此高度各处CO₂的体积分数以及能见度、温度热力分布图，见图1~3。

Figure 1. Scene 1

图1. 场景1

Figure 2. Scene 2

图2. 场景2

Figure 3. Scene3

图3. 场景3

4.2. 边界条件和参数设置

初始环境温度20℃，压强为标准大气压，相对湿度为40%。

据地铁设计规范中的6 min内撤离的标准，模拟时间设为360 s。据国外相关实验分析，一般旅客携带的包裹燃烧时火源功率约为2~5 MW，取火源功率为5 MW，火势按t₂快速火发展。火灾模型的网格划分为0.25 × 0.25 × 0.25，总网格数为436,800个，单台计算机模拟时间约为5 h。

4.3. 模拟结果及分析

1) 场景1

a) 烟气扩散过程

CO₂浓度在360 s内未达到危险浓度，最高为0.0004 mol/mol，见图4。

Figure 4. Process of CO₂ diffusion

图4. CO₂扩散过程

b) 能见度变化过程

烟气能见度在360 s内除左侧楼梯口及站台中部部分降到10 m以下，见图5。

c) 温度变化过程

温度在360 s内未达到危险程度，最高温度23.9℃，见图6。

场景1从火灾发生到达到危险状态的时间，见表1。

Figure 5. Change of smoke visibility

图5. 烟气能见度变化

Figure 6. Change of smoke temperature

图6. 烟气温度变化

Table 1. The time of the whole platform reaches dangerous state in case of fire

表1. 火灾时全站台达到危险状态的时间

d) 烟气探测器数据

烟气没有扩散到右侧站台。左侧楼梯口的烟气浓度均未达到危险浓度。综上此场景中烟气浓度对疏散影响较小。图7可见左侧楼梯的二氧化碳浓度。

Figure 7. Time-concentration diagram of CO₂ in the left stairway

图7. 左侧楼梯口的CO₂时间–浓度图

2) 场景2

a) 烟气扩散过程

CO₂浓度在360 s内未达到危险浓度，最高为0.002 mol/mol，见图8。

Figure 8. Process of CO₂ diffusion

图8. CO₂ 扩散过程

b) 能见度变化过程

烟气的能见度在120 s时，过半场站台低于10 m；180 s时全站台低于10 m，见图9。

c) 温度变化过程

温度在360 s内未达到危险程度，最高温度40℃，见图10。

d) 烟气探测器数据

两侧楼梯口的CO浓度均未达到危险浓度且数值很小，故不作展示。左侧楼梯口的CO₂浓度在个别时间点达到1%，右侧楼梯CO₂浓度比左侧低3到4个数量级，综上此场景中烟气浓度对疏散影响较小。图11可见左侧楼梯的二氧化碳浓度。

Figure 9. Change of smoke visibility

图9. 烟气能见度变化

Figure 10. Change of smoke temperature

图10. 烟气温度变化

Figure 11. Time-concentration diagram of CO₂ in the left stairway

图11. 左侧楼梯口的CO₂时间–浓度图

场景2从火灾发生到达到危险状态的时间，见表2。

Table 2. The time of the whole platform reaches dangerous state in case of fire

表2. 火灾时全站台达到危险状态的时间

3) 场景3

a) 烟气扩散过程

CO₂浓度在360 s内未达到危险浓度，最高为0.00075 mol/mol，见图12。

Figure 12. Process of CO₂ diffusion

图12. CO₂ 扩散过程

b) 能见度变化过程

烟气的能见度在240 s时，站台两侧低于10 m；300 s时全站台低于10 m，见图13。

Figure 13. Change of smoke visibility

图13. 烟气能见度变化

c) 温度变化过程

温度在360 s内未达到危险程度，最高温度23.95℃，见图14。

Figure 14. Change of smoke temperature

图14. 烟气温度变化

d) 烟气探测器数据

两侧楼梯口CO浓度远低于危险浓度，故不作展示。右侧楼梯口CO₂浓度较左侧高，但均未达到危险浓度。图15可见左侧楼梯的二氧化碳浓度。图16可见右侧楼梯的二氧化碳浓度。

Figure 15. Time-concentration diagram of CO₂ in the left stairway

图15. 左侧楼梯口的CO₂ 时间–浓度图

场景3从火灾发生到达到危险状态的时间，见表3。

4.4. 火灾安全疏散时间

火灾发生，影响人体生命安全的主要因素有CO，CO₂浓度以及空气能见度(不考虑氧气浓度)。当CO，CO₂浓度达到一定浓度时对人体就会威胁生命安全。使用PyroSim软件测站台层CO，CO₂浓度，以及

Figure 16. Time-concentration diagram of CO₂ in the right stairway

图16. 右侧楼梯口的CO₂时间–浓度图

Table 3. The time of the whole platform reaches dangerous state in case of fire

表3. 火灾时全站台达到危险状态的时间

空气能见度。此模型针对场景三进行，设置着火点在站台中间，当三项因素其中一种达到人体所能承受极限的时间，此时间为火灾安全疏散时间。场景一，在6分钟内对人体无威胁。场景二，能见度达到最大人体承受程度时间是160 s，即场景二火灾疏散时间是160 s。场景三当能见度达到最大人体承受程度的时间为300 s，所以模型疏散在火警发生之后300 s停止，火灾安全疏散时间为300 s。

5. 火灾疏散模拟场景

火灾疏散某地铁站台场景建模平面图，见图17。

Figure 17. 2D drawing of fire evacuation scene

图17. 火灾疏散场景平面图

疏散模拟说明

火灾疏散模拟在站台层。根据真实站台建立。站台层的建筑面积设置为100 × 13平方米。逃生模拟过程是人员进入车站后等待车的状态下，此时火灾发生，人员进行安全疏散。此站台层有两个安全逃生楼梯，人员需要从两个逃生楼梯进行安全逃生。逃生楼梯不深设置0.5米，坡斜30度，每个楼梯设置两个上行。行人进入站台层，随机进入等待区域进行等待，设置模型开始后3000 s后火灾发生，行人维持等待状态，火灾发生后，取消当前的等待指令，选择最近的楼梯进行安全逃生。安全疏散结束时间在3000 s的基础上加上各个场景的安全疏散时间。行人行动逻辑见图18。

Figure 18. Pedestrian movement logic

图18. 行人运动逻辑

6. 火灾疏散模拟结果

6.1. 对场景二分析与结果

场景二，火灾发生在楼梯处，此时认为人员疏散时，左楼梯无法使用，这个时候人员疏散将收到很大影响。而对于地铁站来说，发生火灾的地点并不确定。对此场景中多次模拟得出结果，当人数达到170人时，即当客流空间密度达到0.13人/m²时，此时模拟逃生率达到100%。

6.2. 对场景三多次模拟

设置实际到达站台层人员数量梯度。以1000人为第一梯度，然后每次减少50人作为下一梯度进行模拟。为了避免其他因素对实验结果的影响，对每一梯度进行10次模拟，取其平均值，作为最终此梯度安全疏散人数。模拟数据见表4。

Table 4. Simulation results of each population gradient

表4. 各个人数梯度模拟结果

实际场景中，由于并不知道真正的着火点的位置，针对场景三和场景二，着火点设在车站站台中间位置和楼梯处。设立这两个位置为着火点的极端位置，逃离时间分别为160 s和300 s，不论着火点在两者之间什么位置，则逃生时间均在160 s~300 s之间。以最近的楼梯为准，站台可见度考虑靠近着火点的楼梯处，即忽略距离着火点较远的楼梯与距离着火点较近的楼梯之间的距离差别。以此设立梯度为10 s的时间梯度160 s~300 s。对每一梯度时间进行模拟逃生，每一梯度时间对应一个逃生率达到100%的逃生人数，即是有一个客流密度与之对应。每一梯度模拟10次，较少因客观因素对模拟结果的影响。模拟数据见表5。

Table 5. Simulation data of evacuation limit number of each time gradient

表5. 各个时间梯度疏散极限人数模拟数据

6.3. 客流空间密度与逃生率

计算各个梯度的客流空间密度，以及按照平均数计算每一梯度的逃生率得到数据结果见表6。

Table 6. Escape rate and passenger spatial density

表6. 逃生率与客流空间密度

6.4. 疏散极限客流空间密度与时间

计算各个时间梯度疏散极限人数对应的客流空间密度，与时间的关系见表7。

Table 7. Time and passenger spatial density

表7. 时间与客流空间密度

6.5. 模拟数据分析与结果

对于每一梯度10次模拟结果，比对于一次模拟结果更加具有说服力。从结果可以看出在此场景中，在人数达到600时，每次模拟逃生率都可达到100%。即当客流空间密度小与等于0.46时，疏散可以安全进行。当客流空间密度大于0.46时，疏散的安全性受到影响。对于结果进行回归分析，采用各种拟合方式进行拟合客流空间密度与逃生率之间的关系。得到结果见图19，表8。

Figure 19. Relationship between escape rate and passenger flow density

图19. 逃生率与客流密度关系图

Table 8. Fitting results of various fitting methods

表8. 各种拟合方式拟合结果

根据R²的结果多项式拟合(最高指数4)可靠性最高。其中的 $\varphi$ 代表逃生率， $\rho$ 代表客流空间密度，且 $\rho$ 大于等于0.46。最终可得到客流空间密度与逃生率之间的关系为：

$\varphi =-0.003{\rho }^4+0.0057{\rho }^3-0.372{\rho }^2+0.1048\rho +0.7486\left(\rho \ge 0.46\right)$

称使得模拟结果逃生率达到100%的客流空间密度为极限客流空间密度。对于极限客流空间密度与疏散时间的关系，见图20。

采用回归分析的方法对关系图进行拟合。使用各种类别拟合方法，在拟合结果中比较各个决定系数最终得到

${\rho }_{\min }=-9{\text{e}}^{-7}{t}^5+3{\text{e}}^{-5}{t}^4-0.0003t^3+0.001t^2+0.0122t+0.2307$

${\rho }_{\min }$ ——代表极限客流密度；

t——代表模拟疏散时间。

Figure 20. Relationship between limit passenger flow spatial density and evacuation time

图20. 极限客流空间密度与疏散时间关系图

7. 结论

为了获得针对场景三中，客流空间密度与地铁站火灾疏散逃生率之间的关系，采用AnyLogic软件模拟地铁站火灾疏散过程，模拟不同梯度下人群数量，即不同客流空间密度下人群逃生率，每一梯度模拟10次，取每次模拟的平均值作为每一梯度人群数量下的逃生人数计算逃生率，并计算每一梯度下的客流空间密度，得出客流空间密度与地铁站火灾模拟逃生率的关系。得到下面结论。

1) 当疏散时间为300 s时，存在一个客流空间密度值0.46人/m²，小于此值时，发生火灾时人群疏散结果理想。

2) 当客流空间密度大于0.46人/m²时，客流空间密度与逃生率之间存在关系：

$\varphi =-0.003{\rho }^4+0.0057{\rho }^3-0.372{\rho }^2+0.1048\rho +0.7486\left(\rho \ge 0.46\right)$

其中的 $\varphi$ 代表逃生率， $\rho$ 代表客流空间密度。

3) 极限客流空间密度与模拟疏散时间之间的关系为

${\rho }_{\min }=-9{\text{e}}^{-7}{t}^5+3{\text{e}}^{-5}{t}^4-0.0003t^3+0.001t^2+0.0122t+0.2307$

${\rho }_{\min }$ ——代表极限客流密度，t——代表模拟疏散时间。

对于不同的地铁站台建设，模拟疏散时间有所不同，这里对模拟疏散已有的站台场景提供了一种统计方法。依靠此种方式，计算已有站台的极限客流密度，对站台人流量进行控制，将有效减少火灾突发时的危害。