韧性交通枢纽中突发大客流疏散优化研究

doi:10.3976/j.issn.1002-4026.2023.02.010

摘要/Abstract

摘要：

提升交通枢纽的韧性以应对突发大客流给交通运输系统带来的压力至关重要。基于交通枢纽的内部设施布局,将客流在其内的疏散备选路径抽象为由节点和路段构成的网络图。从改变客流疏散路径角度出发,当发生突发大客流时,考虑开启平时不开放的应急通道用于疏散客流。在已知各起讫点之间的客流量以及客流疏散备选路径的条件下,以最小化客流疏散时间与开启应急通道的广义成本为优化目标,建立客流疏散优化模型,并设计混沌蚁群算法对模型进行求解,得到客流疏散的优化方案。最后以北京南站为案例验证模型与算法,结果显示,在发生突发大客流时,开启合适位置和数量的应急通道可以有效缩短客流疏散时间。该研究从交通枢纽内部的规划布局与客流疏散优化角度,为城市交通枢纽的韧性提升提供了理论支撑。

关键词: 城市交通, 突发大客流, 韧性交通枢纽, 应急通道, 混沌蚁群算法

Abstract:

The improvement of the resilience of transportation hubs is crucial to cope with the pressure brought by a sudden large passenger flow on the transportation system. Based on the layout of the internal facilities of transportation hubs, the potential passenger evacuation paths are abstracted as a network diagram comprising nodes and links. From the perspective of changing the passenger evacuation paths, an optimization model is proposed herein for sudden large passenger flow evacuation while opening the emergency channels. The emergency channels that are normally closed can be opened for evacuation when there is a sudden large passenger flow. The passenger flow between each origin and destination and the potential passenger evacuation paths are pregiven. A passenger evacuation optimization model is presented to minimize the generalized cost including the passenger evacuation time and the cost of opening the emergency channels. The chaotic ant colony algorithm is designed to solve the model and obtain the optimal passenger evacuation scheme. Finally, Beijing South Railway Station is taken as a case study to verify the model and algorithm. Results show that in case of a sudden large passenger flow, opening emergency channels with appropriate location and number can effectively shorten the evacuation time of passengers. The results obtained in this paper provide a theoretical support for improving the resilience of urban transportation hubs from the perspective of their internal facility planning and layout and the optimization of passenger evacuation.

Key words: urban traffic, sudden large passenger flow, resilient transportation hub, emergency channel, chaotic ant colony algorithm

中图分类号:

U268.6

曹若冰, 曹成铉, 徐猛, 曹璐. 韧性交通枢纽中突发大客流疏散优化研究[J]. 山东科学, 2023, 36(2): 76-84.

CAO Ruobing, CAO Chengxuan, XU Meng, CAO Lu. Evacuation optimization of a sudden large passenger flow in resilient transportation hub[J]. Shandong Science, 2023, 36(2): 76-84.

图/表 6

表1

模型参数及变量定义"

符号	描述	符号	描述
Z	客流疏散时间与开启应急通道成本的广义成本	k	OD对rs之间的路径索引,k∈K^rs
U	节点集合	q^rs	OD对rs之间的客流量,q^rs∈Q
R	起点集合,R⊆N	c_a	路段a的容量,是路段a允许通过的最大客流量
S	终点集合,S⊆N,且R∩S=∅	L_a	路段a的长度
A	所有路段集合	$S ~ a$	路段a的面积
A'	非应急通道路段集合,A'⊆A	m_a	开启应急通道a需要的单位成本
A″	应急通道集合,A″⊆A,且A'∪A″=A,A'∩A″=∅	$T ~$	自动扶梯、垂直电梯与检票闸机路段的通过时间
T	路段走行时间集合	ε	统一客流疏散时间与开启应急通道成本量纲的转换系数
K	客流疏散备选路径网络中的所有路径集合	$δ a, k r s$	0-1参数,若路段a在OD对rs之间的第k条路径上则为1;否则为0,
N	非负整数集合	x_a	路段a上的客流量
Q	起讫点之间的客流量集合	$D ~ a$	路段a上的客流密度,与路段a上的客流量与路段a的面积有关
r	起始点索引,r∈R	v_a	旅客在路段a上的走行速度
s	终止点索引,s∈S	t_a	通过路段a需要的时间,t_a∈T
a	路段索引,a∈A	g_a	0-1变量,若打开应急通道a则为1;否则为0
K^rs	OD对rs之间所有路径集合,K^rs⊆K	$f k r s$	OD对rs之间的第k条路径上的流量

表1

图1

图2

图3

表2

表3

参考文献 13

[1]	MURRAY-TUITE P M. A comparison of transportation network resilience under simulated system optimum and user equilibrium conditions[C]// Proceedings of the 2006 Winter Simulation Conference. Monterey, CA, USA: IEEE, 2006: 1398-1405. DOI:10.1109/WSC.2006.323240. doi: 10.1109/WSC.2006.323240
[2]	BERDICA K. An introduction to road vulnerability: What has been done, is done and should be done[J]. Transport Policy, 2002, 9(2):117-127. DOI: 10.1016/S0967-070X(02)00011-2. doi: 10.1016/S0967-070X(02)00011-2
[3]	PAN S Z, YAN H, HE J, et al. Vulnerability and resilience of transportation systems: A recent literature review[J]. Physica A. Statistical mechanics and its applications, 2021, 581: 126235. DOI: 10.1016/j.physa.2021.126235. doi: 10.1016/j.physa.2021.126235
[4]	吕彪, 高自强, 刘一骝. 道路交通系统韧性及路段重要度评估[J]. 交通运输系统工程与信息, 2020, 20(2): 114-121. DOI:10.16097/j.cnki.1009-6744.2020.02.017.
[5]	KILANITIS I, SEXTOS A. Impact of earthquake-induced bridge damage and time evolving traffic demand on the road network resilience[J]. Journal of Traffic and Transportation Engineering (English Edition), 2019, 6(1): 35-48. DOI:10.1016/j.jtte.2018.07.002. doi: 10.1016/j.jtte.2018.07.002
[6]	FRUIN J J. Pedestrian planning and design[J]. Metropolitan association of urban designers & environmental planners, 1971, 77(4):556-561.
[7]	LAM W H K, CHEUNG C Y. Pedestrian speed/flow relationships for walking facilities in Hong Kong[J]. Journal of Transportation Engineering, 2000, 126(4): 343-349. DOI:10.1061/(asce)0733-947x(2000)126:4(343). doi: 10.1061/(asce)0733-947x(2000)126:4(343)
[8]	HOOGENDOORN S P, DAAMEN W. Pedestrian behavior at bottlenecks[J]. Transportation Science, 2005, 39(2): 147-159. DOI:10.1287/trsc.1040.0102. doi: 10.1287/trsc.1040.0102
[9]	CHENG H, YANG X K. Emergency evacuation capacity of subway stations[J]. Procedia - Social and Behavioral Sciences, 2012, 43: 339-348. DOI:10.1016/j.sbspro.2012.04.107. doi: 10.1016/j.sbspro.2012.04.107
[10]	蒋阳升, 刘纹滔, 姚志洪. 基于元胞自动机的轨道交通突发客流拥堵消散演化机理研究[J]. 交通运输系统工程与信息, 2020, 20(5): 121-127. DOI:10.16097/j.cnki.1009-6744.2020.05.018.
[11]	WANG Y L, LI M, ZHOU J, et al. Sudden passenger flow characteristics and congestion control based on intelligent urban rail transit network[J]. Neural Computing and Applications, 2022, 34(9): 6615-6624. DOI:10.1007/s00521-021-06062-y. doi: 10.1007/s00521-021-06062-y
[12]	王坤. 地铁车站乘客应急疏散时间模型研究[D]. 长春: 吉林大学, 2019.
[13]	李娟. 基于熵的自适应混沌蚁群算法及其应用研究[D]. 上海: 上海工程技术大学, 2019.

节点	1	2	3	4
5	175	236	70	122
6	146	185	175	139
7	311	399	535	467
9	589	501	365	433
10	105	75	205	148
11	174	104	150	191
22	186	96	163	133
23	177	135	179	187
24	164	199	176	169
25	148	240	165	173
32	75	80	67	88
37	30	21	16	27
38	23	8	29	29
39	66	50	85	53
40	150	285	201	143
41	164	104	202	93
42	143	183	134	155
43	174	99	83	250

可行解	客流疏散时间/s	开启通道成本	广义成本
111	8.842 3×10⁶	6.604 8×10⁵	9.502 8×10⁶
110	9.227 7×10⁶	5.184 0×10⁵	9.746 1×10⁶
101	9.352 0×10⁶	5.184 0×10⁵	9.870 4×10⁶
100	1.004 4×10⁷	4.320 0×10⁵	1.047 6×10⁷
011	8.825 0×10⁶	1.728 0×10⁵	8.997 8×10⁶
010	9.351 7×10⁶	0.864 0×10⁵	9.438 1×10⁶
001	9.346 7×10⁶	0.864 0×10⁵	9.433 1×10⁶
000	9.830 7×10⁶	0	9.830 7×10⁶

[1]	卢守峰, 黄志康, 赵红云. 地铁乘客的病毒载量演化模型和仿真[J]. 山东科学, 2024, 37(2): 97-103.
[2]	王艳, 陈群. 城市封闭小区开放决策优化模型[J]. 山东科学, 2023, 36(6): 96-104.
[3]	曹宏, 任华玲. 双模式下考虑碳税的定制公交站点位置与票价优化研究[J]. 山东科学, 2023, 36(4): 69-79.
[4]	卢昱臻, 李新刚. 基于乘客异质性的早高峰单起点多讫点公交均衡研究[J]. 山东科学, 2023, 36(2): 85-92.
[5]	彭芃, 贾顺平. 考虑用户偏好的奖励机制下共享单车分流停车引导策略研究[J]. 山东科学, 2022, 35(6): 123-130.
[6]	刘正,刘素芳,李新刚. 城市快速路出口匝道与衔接交叉口协调控制研究[J]. 山东科学, 2022, 35(2): 106-114.
[7]	刘喜敏, 徐宁, 卢守峰. 基于空间认知和社区识别理论的路径选择模型[J]. 山东科学, 2020, 33(6): 96-102.
[8]	李凯明, 宋瑞, 郭小乐. 考虑司乘人员工作时间窗的高铁快巴车辆调度与人员排班综合优化[J]. 山东科学, 2020, 33(2): 71-78.
[9]	姚广铮, 蔡传慈, 赵禄成, 叶凯丰. 一种基于路况数据的城市道路交叉口拥堵评价指数研究[J]. 山东科学, 2020, 33(2): 91-96.
[10]	于成功, 李秀邦, 马生元. 基于超效率DEA-FKM的城市机动车信号[J]. 山东科学, 2019, 32(2): 108-114.
[11]	吴超峰，龙建成，刘昊翔. 基于可替换路径对的多用户均衡交通分配算法[J]. 山东科学, 2018, 31(3): 85-93.
[12]	王沙沙，孙会君. 基于智能交通卡数据的城市轨道交通乘客个体路径选择模型[J]. 山东科学, 2018, 31(1): 72-.
[13]	娄路，孙会君. 基于参考点的逐日交通流演化研究[J]. 山东科学, 2018, 31(1): 65-.
[14]	于瑞康，赵晖. 信号交叉口行人空间分布与人车冲突行为分析[J]. 山东科学, 2017, 30(4): 80-85.
[15]	魏超，龙建成. 城市轨道交通接驳公交线路优化设计[J]. 山东科学, 2015, 28(3): 65-73.