铁路客运站旅客流线与候车能力协同优化方案——以济南站为例

Coordinated Optimization Scheme for Passenger Flow Lines and Waiting Capacity at Railway Passenger Stations—A Case Study of Jinan Railway Station

摘要: 铁路网中的大型客运站，承担着地区铁路枢纽内的主要客运业务，在既有客运站中往往存在站内旅客流线复杂、候车能力不足，极易引起站内拥挤混乱、服务水平差等问题。本文将通过分析铁路客运站进站旅客流线的布置特点及候车能力影响因素，得到旅客到达规律进而探寻站内最高聚集人数；运用Anylogic对进站旅客流线仿真，得到各候车室的聚集人数，进而划分各候车室服务水平；通过调整列车候车分区与优化车站设备布局，降低候车室聚集人数。以济南站为例，通过调整部分设备布局及列车候车分区，候车室服务水平得到明显降低，减少了旅客在站停留时间，提高了车站整体服务水平。

Abstract: Large passenger stations in the railway network bear the main passenger transport business within the regional railway hub. In existing passenger stations, there are often issues such as complex passenger flow lines inside the station and insufficient waiting capacity, which can easily lead to congestion and chaos within the station and poor service levels. This paper analyzes the layout characteristics of the passenger flow lines entering the railway passenger stations and the factors affecting the waiting capacity, to discern the patterns of passenger arrivals and thereby determine the maximum number of people gathered inside the station. Using Anylogic to simulate the passenger flow lines entering the station, we can determine the number of people gathered in each waiting room and then assess the service level of each waiting room. By adjusting the train waiting areas and optimizing the station equipment layout, the number of people gathered in the waiting rooms can be reduced. Taking Jinan Station as an example, by adjusting some equipment layouts and train waiting areas, the service level of the waiting rooms has been significantly improved, reducing the time passengers spend in the station and enhancing the overall service level of the station.

1. 引言

2019年铁路旅客发送量再创新高，达35.8亿人次；随着经济的快速发展，人民出行的多样性需求不断提高，在铁路客运站内，旅客流线组织的是否合理，不但直接关系到车站的候车能力和设备效率，更直接影响到旅客的服务质量与乘车体验；而候车大厅作为铁路客运站中旅客人数最为集中且停留时间最长的地方，是旅客候车体验的关键所在，只有合理分配候车室，才能避免候车室的拥堵和混乱。

刘岩岩在文献 [1] 中以铁路客站临时候车区作为研究对象，在春运、节假日、列车大面积晚点等情况下，构建了旅客临时候车再造流线及其评价模型，并结合虹桥站案例进行验证分析，并给出了改进措施。赵文瑞在文献 [2] 中通过构建大型高铁客运站候车需要候车能力模型，并结合合肥南站案例对文献内容进行验证分析。张思涵在文献 [3] 中构建了旅客流线与候车室均衡运用的双目标优化模型，并设计相应的模拟退火算法求解该模型，给出了当前列车运行图条件下，最优的候车分区划分。谢如冰在文献 [4] 中将铁路客运站的站内设施分为“点”、“线”、“面”三类，通过Anylogic软件进行流线仿真，发现了成都东站旅客流线的交叉干扰和各设备的能力紧张问题，后经过调整进行了优化。

本文通过分析铁路客运站旅客流线的布置特点及候车能力影响因素，探寻旅客到达规律，对铁路客运站候车室服务水平进行等级划分。运用Anylogic仿真软件，对济南站进站旅客流线进行仿真模拟，求解站内最高聚集人数和各候车室聚集人数，从而探寻各候车室服务水平的短板，通过调整部分列车的候车分区和打开一层高铁候车室西检票口，降低了各候车室的旅客密度，提高候车室服务水平。

2. 旅客流线

2.1. 旅客进站流线

旅客流线按照流动方向的不同可以分为进站流线、换乘中转流线与出站流线三类。因出站旅客具有人流集中、流线简单、走行速度快、使用站房时间短等特点，且不受本文所研究的候车能力影响，因此，论文仅针对进站旅客流线分类进行详细分析。

普通旅客流线进站旅客流线中最主要的组成部分，它具有人数最多、候车时间长的特点。随着我国铁路电子客票的普及，越来越多的乘客选择网上购票、刷脸进站；已预购车票的旅客和不办理行李托运业务的旅客，不全按照上述流线进行。普通旅客进站流线流程图如图1所示。

Figure 1. Ordinary passenger entry flow at a station

图1. 普通旅客进站流线

2.2. 旅客进站流线布置原则

1) 保证旅客走形安全第一。

2) 各种流线避免之间的交叉干扰，提高流线行进效率。

3) 最大限度地缩短旅客走行距离，避免流线迂回。

3. 候车能力

候车室是站内旅客最多停留时间最长的地方，是影响客运站能力的关键所在。影响候车室候车能力的主要因素如图2所示。

Figure 2. Factors influencing the waiting capacity of waiting rooms

图2. 候车室候车能力影响因素

下面仅对旅客到达规律、旅客最高聚集人数、候车室服务水平进行分析。

3.1. 旅客到达规律

铁路客运站出发旅客到达规律是指乘坐某次列车的所有旅客到达客运站的时刻与此列车出发时刻之差的概率分布。结合实地调查，济南站旅客到达规律近似服从Gamma函数分布。

服从函数分布形式：

$f\left(x\right)=\{\begin{array}{c}\frac{1}{{\beta }^{\alpha }\phi \left(\alpha \right)}{x}^{\alpha -1}{e}^{\frac{-x}{\beta }},x\ge 0\\ 0,x<0\end{array}$ (1)

在k时刻，第i列车的旅客到达客运站的比例为：

$P_i^k={\displaystyle {\int }_{t_i-T_i^l-k}^{T_i^F-T_i^l}{f}_i\left(t\right)\text{d}t}$ (2)

其中，i表示列车序列号； $t_i$ 表示第i列车的开车时间； $T_i^F$ 表示当最后一名到达车站的i车旅客时距 $t_i$ 的时间； $T_i^l$ 表示当最后一名到达车站的i车旅客时距 $t_i$ 的时间。

3.2. 旅客最高聚集人数

旅客最高聚集人数是指铁路客运站全年上车旅客最多月份中，一昼夜在候车室内瞬时(8~10 min)出现的最大候车(含送客者)人数的平均值。

由旅客到达规律可知，其概率函数分布近似于Gamma分布，将旅客到达规律乘以列车定员、送站人员比例及日常波动系数，方可求出某一时刻某次列车的旅客聚集人数。公式如下：

$S_i^k=P_i^k\times N_i\times a_i\times \left(1+b_i\right)\times c_i$ (3)

其中， $N_i$ 表示第i次列车的平均定员人数； $a_i$ 表示第i次列车的平均满载率； $b_i$ 表示第i次列车的送站人数所占该次列车到站人数的比例； $c_i$ 表示第i次列车的日波动系数。

则k时刻进入站房的旅客聚集人数为：

$S_k={\displaystyle {\sum }_{i=1}^m{S}_k^i}$ (4)

因列车开始检票之前，大部分旅客已在检票口前排队等待检票，可以视作旅客以恒定速率通过检票口，部分旅客在检票后到达，可视作不占用候车室，故所有旅客均可视作以恒定速率通过检票口。故同理可得k时刻离开站房的旅客聚集人数为：

$D_k={\displaystyle {\sum }_{i=1}^m{D}_k^i}$ (5)

故k时刻站房内的旅客聚集人数 $H_k$ 即为k时刻进入站房的旅客聚集人数与k时刻离开站房的旅客聚集人数之差。

$H_k=S_k-D_k$ (6)

则一天内的铁路客运站旅客最高聚集人数H为：

$H=\mu \text{max}\left\{H_k\right\}$ (7)

其中，0 ≤ 𝑡 ≤ 1440;

$\mu$ 为修正系数，建议取值1.4~1.7。

3.3. 候车室服务水平等级分级

目前对于铁路客运站候车室服务水平还没有准确定义。通过类比道路交通中的V/C比与服务水平的关系，结合相关文献 [5] ，采用“旅客平均占用候车室面积”这一指标作为铁路客运站候车室服务水平的评判标准。铁路客运站候车室服务水平分级如表1所示。

Table 1. Railway passenger station waiting room service level grading table

表1. 铁路客运站候车室服务水平分级表

4. 济南站旅客流线与候车能力协同方案

因考虑旅客流线与候车能力这两个互为影响的因素，为了体现协同优化方案的客观性与现实性，现将旅客流线化简为普通旅客进站流线，其走行路径设置为“进站安检–等待候车–排队离去”三步，将候车能力转化为各候车室的服务水平。因仿真主体是济南站的进站旅客，而Anylogic正是一款主打物流、行人交通仿真、供应链、行人疏散应用的建模仿真软件，且软件中的行人库采用社会力模型，能够很好的模拟旅客进站时心理因素的流线的影响，故采用Anylogic仿真软件，对济南站进站旅客流线进行仿真。

4.1. 济南站旅客进站流线布置特点

1) 采取多次分流措施。经过一楼站厅、二层候车大厅主通道及临时候车区、各候车分区三次分流。

2) 站内功能区布置复杂，最高聚集人数远超站房的设计能力，且改造较为困难。

3) 进站口能力存在瓶颈，改造后仍难以满足高峰时期的要求。

4.2. 进站客流仿真与服务能力分析

通过实地调查，对所需要的相关客运设备采用平均计数法，统计分析高峰小时的设备能力。在去除异常数据后，对现有各设备能力求取平均值。现各设备能力如表2所示。

Table 2. Survey table of service capabilities of various equipment

表2. 各设备服务能力调查表

根据济南站结构平面图，构造济南站一层、二层仿真环境，如图3、图4所示。

Figure 3. Layout of the first-tier simulation environment

图3. 一层仿真环境布置图

Figure 4. Layout of two-tier simulation environment

图4. 二层仿真环境布置图

选择高峰时段17~19时进行仿真，济南站进站旅客流线图如图5所示。

Figure 5. Jinan railway station passenger entry flow diagram

图5. 济南站进站旅客流线图

由仿真软件运行得，济南站内旅客最高聚集人数出现在17:50~17:55这一时段内，共有8402人。各候车室服务水平等级如图6所示。

Figure 6. Service level grades of various waiting rooms

图6. 各候车室服务水平等级

由图分析可知，济南站候车室聚集人数能力紧张主要存在于：一楼高铁候车室和B1~B3候车室。结合实地调查情况，候车室能力紧张主要有以下两个原因：

1) 一站台1股道，接发列车数量多，存在八分钟追踪列车的情况，且基于济南站客运组织与线路专门化的要求，停靠一站台的列车，其旅客只能由一楼高铁候车室进入。

2) 济南站为满足多元化旅客需求，二站台A侧正在加装无障碍直梯，导致A1~A3候车室与B1~B3候车室服务水平差别悬殊。

4.3. 协同方案

1) 一楼高铁候车室两个检票口交替进行检票。由于停靠一站台的列车，其旅客只能由一楼高铁候车室进入，且该候车室的两个检票口目前只使用东侧检票口，在一楼高铁候车室候车能力紧张的状况下，检票口存在设备闲置情况，所以应打开西检票口，两口交替进行检票。

2) 调整部分列车的候车分区。调整乘坐G460/461次列车的旅客，前往A1~A3候车室，由A1检票口检票进站；乘坐D6077次列车的旅客，前往A1~A3候车室，由A1检票口检票进站；乘坐G474次列车的旅客，前往一层高铁候车室，由西检票口检票进站；乘坐T7576次列车的旅客，前往A4~A7候车室，由A6~A7检票口检票进站

经协同方案优化后各候车室服务水平等级如图7所示。

通过前后对比分析，在调整部分列车候车分区后，各候车室服务水平得到明显好转，在保证旅客候车舒适度的前提下，可保证更多旅客选择铁路出行。

此外，结合本次仿真结果与济南站旅客组织特点，还给出如下建议：

1) 灵活设置进站口宽度。令携带大宗行李的旅客与小件行李的旅客分通道进站，因大宗行李不易取放，会降低整个进站流程的速度，如采取加宽部分进站口宽度，通过车站工作人员指挥分流，将两种不同性质的旅客区分开，则可以使进站流程更加顺畅。

Figure 7. Service level grades of various waiting rooms after optimization

图7. 优化后各候车室服务水平等级

2) 开辟更多的临时候车区，分担各个候车区的压力，以降低旅客密度，提高候车室服务水平。

3) 明显设置标线、标识，使旅客进站路径更加明确，提高进站流线运行效率。

5. 结束语

本文对铁路客运站进行流线仿真，实时统计各候车区的旅客聚集人数，通过调整候车分区的举措使旅客流线发生改变，有效降低了各候车区的旅客聚集人数，从而提升了候车分区的服务水平。以济南站为例进行验证，该方法对进站旅客流线与候车能力协同有良好的效果，可以一种研究协同方案的新思路。