大客流下的地铁应急疏散管理

正伴随着地铁的不断发展,地铁线路客流量不断攀升,线路负荷强度不断增大,加大了地铁运营风险管理的难度,尤其是大客流下地铁乘客的应急疏散工作面临严峻的挑战。由于地铁站点大多属于地下受限空间,客流大、人员集中,一旦遇到突发的事故,如果处理不及时,在客流疏散过程中极易引发二次事故,造成极为严重的人员及财产损失,因此要避免地铁事故导致的重大伤亡,既要全力以赴杜绝大客流等风险因素的发生,又要防患于未然,全力提升地铁事故中乘客应急疏散的效率。     

地铁突发大客流安全控制方式设计

地铁突发大客流不仅影响单个车站,对整个地铁网也会产生影响.为了保证地铁的正常运营活动,从系统整体联合的角度出发,提出事先预测、系统联合、加强沟通、分级负责的应对突发大客流事件原则;重点设计了大客流情况下的行车组织和车站客流控制方式,提出了自组织与他组织的大客流安全控制措施,并从客流角度对大客流按阶段进行划分控制,以科学、灵活、安全的方式控制大客流.     

地铁人员疏散心理行为调查及相关性研究

为研究地铁人员疏散心理行为特征,选择某地铁A号线上客流量较大的B站,采用问卷调查法对该站内出行的乘客随机进行调查,运用卡方检验对问卷调查统计结果进行相关性分析,并对其显著相关因素进行深入分析.结果表明:地铁人员疏散心理行为特征与性别、文化程度、安全知识、是否携带行李因素显著相关;绝大部分乘客心理素质较好;在地铁突发事件时,女性不如男性理智,文化程度低的人员更容易产生恐慌心理,接受过专门安全教育的乘客更能够选择正确的安全出口,携带行李乘客更容易产生恐惧心理.     

地铁换乘车站客流疏运模拟及风险分析（1）-T型车站

地铁系统日常运行时承载着大规模客流,特别是地铁换乘车站,应对的是两条或者更多条线路客流的集聚和换乘,突发大客流容易造成运营安全事故。文章针对地铁客流疏运的宏观疏运组织和微观个体行为的耦合过程。分析提出了换乘车站大客流疏运风险分析的基本要素和步骤,并给出了疏运风险分析方法及需要关注的主要指标。基于智能个体和矢量空间模拟技术,建立了地铁大客流疏运模拟方法。结合某T型地铁换乘车站,对地铁换乘的客流运动过程进行了模拟仿真,分析了空间使用率、乘客滞留情况、空间人员瞬时密度、换乘时间和换乘距离等指标,辨识了客流高风险位置。文章提出的模拟方法和结论可为国内外类似车站制定客流组织方案及通道设计提供参考。     

基于车站设施服务水平累积时间的地铁换乘车站风险分析

为研究地铁换乘车站风险,制定客流组织方案,基于Fruin设施服务水平划分标准,提出通过比较各级服务水平累积时间,对地铁换乘车站风险进行分析。以北京地铁1,5号线换乘站-东单站为研究对象,对单向换乘及双向换乘2种方案下,早高峰1 h的客流疏运过程进行模拟。研究结果表明：采用双向换乘方案时,客流平均密度高峰值对应区域发生变化,站台北端上行扶梯入口的E,F服务水平累积时间共增加68.5倍,站厅北端楼扶梯附近E,F服务水平累积时间共增加4.9倍,成为新的客流风险点,早高峰期间在该区域应加强客流疏导。     

城市轨道交通网络大客流拥堵传播机理研究

为降低城市轨道交通网络可预见性大客流对日常运营的影响,分析大客流的产生原因及其对车站的影响。建立基于客流实时分布的拥堵传播模型,具体包括列车到站时间、站台客流量、列车停站时间、候车客流量、列车到站时下车客流量、上车客流量、列车离站时车上客流量及滞留客流量等8个模拟分析指标;根据车站滞留客流量确定车站状态,观察其在城市轨道交通网络中的动态传播过程。结果表明:大客流拥堵传播与发生拥堵车站的结构特性有关;根据实际情况,缩小发车时间间隔,可加速客流输送,降低拥堵发生率。     

广州地铁安全预警与应急平台建设

<正>广州地铁公司是一家集地铁工程建设、运营为一体的大型国有企业。目前,广州地铁已形成9条线路、总长260 km的轨道交通线网,承担了广州市37%以上的公交客流运送任务。随着新开通线路的增多,线网规模的不断扩大,广州地铁线路运营面临着巨大的风险和挑战。一是线路客流量越来越大。从1999年地铁1号线开通的日均17万人次,到2014年的日均620万人次,客流量飞速翻倍上升。二是地铁运营场所处于地下,形成封闭的环境,聚集密集的人员,     

基于H-OWA算子和投影寻踪的地铁站水灾安全韧性评估

为提升地铁运营系统的可靠性,基于韧性理论,从抵抗能力、适应能力和恢复能力3个方面,提出包含20个韧性指标的地铁站水灾安全韧性指标体系;采用H-OWA算子修正层次分析法(AHP)的主观误差,再结合投影寻踪模型(PPM),确定韧性指标体系综合权重;应用疏散模拟软件Massmotion获取地铁站应急疏散时间作为指标数据,并基于模糊综合评价(FCE)建立地铁站水灾安全韧性评估模型,以郑州紫荆山地铁站为例进行模型应用。研究结果表明：该安全韧性评估模型通过获取与处理目标地铁站指标数据,可确定地铁站水灾安全韧性等级;实例紫荆山地铁站水灾安全韧性等级为较高韧性(Ⅳ),且评估结果与地铁站实际情况相符;出入口可防御水位标高指标对地铁站水灾安全韧性影响最大。     

城市地铁网脆弱性分析

为了保证地铁交通网络安全、高效地运行,提高地铁网络的抗攻击能力,根据复杂网络基本理论,从乘客出行延误时间、需求未满足乘客数量2个方面研究连边和站点的重要性,进而构建网络服务效率评价指标体系,以评价整个地铁网络的脆弱性。以上海地铁网为例,借助Matlab模拟不同攻击方式下的网络服务效率。结果表明,站点和连边的重要性随着网络中其他连边或站点的失效而发生变化;站点的脆弱性受其地理位置、运送旅客数量及可换乘性的综合影响;上海地铁网对连续重要性攻击表现出最大的脆弱性。     

基于Pathfinder的特殊地铁站点人群紧急疏散模拟

为了保障地铁安全运营,提高突发事件发生后人员疏散的效率,基于实际地铁站的尺寸和载客量,利用Pathfinder软件对北京市某特殊地铁站进行建模;结合站点内不同时间段的人流特征,分析站点内可能存在的不利工况,并对各类工况进行仿真模拟。结果表明:地铁站点内疏散的瓶颈区域为站台和站厅连接处的楼梯口;早高峰时期列车满员时,候车人数超过200需要采取限流措施;晚高峰时期列车人数在1 056左右时,候车人数超过576需增加引导人员限制人员流动。研究成果可为特殊地铁站点的疏散通道设计和日常的人流安全管理提供理论依据。     

地铁恐怖袭击下乘客疏散交通方式调查研究

为科学地认识地铁恐怖袭击事件下乘客疏散方式决策行为,基于随机抽样调查,采集乘客疏散交通方式选择意向数据,揭示不同地铁恐怖袭击场景下乘客心理特征及疏散交通方式选择行为差异。结果表明:地铁恐怖袭击事件引发乘客恐慌,恐慌程度与性别、年龄、文化程度、月收入、是否接受恐袭安全教育和通勤距离6个因素显著相关;除常规的行程时间、出行费用等因素外,安全性是乘客进行疏散交通方式选择的首要因素;在恐怖袭击事件导致地铁网络重要站点关闭情况下,仍有部分乘客选择地铁作为疏散交通方式,且选择比例随出行距离增加而增加;恐怖袭击事件的攻击方式影响乘客疏散交通方式选择,爆炸恐怖袭击下地面公交客流分担率高于其他方式,而持刀伤人事件下地铁客流分担率最高。     

地铁乘客特性与疏散行为特征相关性分析

在参照了商场、学校等人员密集场所安全疏散调查问卷的基础上,设计了地铁乘客疏散行为特征调查问卷,并在北京地铁1、2、5号线客流较大的东单站、西直门站及天通苑站获取了551份调查问卷。针对突发状态下的地铁出行乘客特性与疏散行为的相关性问题,采用皮尔逊卡方检验法进行了综合分析,获取了10组存在显著相关性的变量组及14组存在一定相关性的变量组。相关性分析结果表明,地铁出行乘客的年龄、受教育程度、职业与使用地铁出行的频率是影响人员疏散的显著相关因素,而性别与身体状况是人员疏散的相关因素。     

基于改进社会力模型的地铁大客流疏散能力研究*

为有效应对大客流情景下人群拥挤对地铁站正常运行带来的影响,采用社会力模型和Anylogic仿真软件,对地铁站大客流疏散能力进行建模和分析,从客观、主观、管理视角分析影响客流疏散能力的因素,基于改进社会力模型刻画行人行为,分析影响地铁车站疏散能力的3个关键因素,并以南宁地铁1号线朝阳广场站为背景进行研究。研究结果表明:行人密度是影响地铁站疏散能力的关键因素,出入口选择策略和行人亲属关系比例对疏散能力影响显著,研究结果可为地铁客流疏散提出针对性建议。     

基于灰色聚类法的地铁运营安全趋势分析

为评估地铁运营安全水平,掌握地铁运营风险变化趋势,采用灰色聚类法对某地铁线路运营一年以来每个月份的安全水平进行了分级评价。选取对地铁日常运营具有重要影响的设备设施故障作为评价指标,评价方法挖掘地铁运营以来的历史数据信息,体现了设备设施故障变化的时间特性,减少了安全评价中的主观性。将地铁运营安全水平分为五个安全等级,选取15%、35%、50%、65%、85%作为各安全等级的累积百分频率特征点,建立白化权函数得到各评价指标的灰类白化值。结合各设备设施的指标权重,得到了地铁线路运营一年来每个月份的安全等级情况。该方法为分析地铁运营安全趋势提供了参考。     

基于聚类分析识别地铁乘客伤害事故模式

为了提高地铁运营的安全水平,基于对地铁乘客伤害事故处理记录统计分析的基础上,同时考虑地铁乘客伤害的危险因素,采用系统聚类分析方法将性别、年龄、时间、具体位置、事件原因、伤害类型等因素纳入分析,研究地铁的3种主要伤害类型电梯伤害、摔伤、夹伤的事故特征,并对其进行命名。研究发现地铁乘客伤害事故几乎都是各伤害特征之间相互交叉作用,而系统聚类方法提供了新的事故类别构成,可用于重点预防干预。聚类分析结果表明中老年上下午双峰携带不便行李、中老年楼梯不慎摔倒、老幼群体上下车不慎夹到分别为本研究3种主要伤害的高风险变量组合,需在地铁运营管理中重点关注。     

轨道交通的消防专业化之路——北京市轨道交通支队消防安全工作纪实

在被戏称为“堵城”的北京，地铁因其快速、便捷，成了大多数人出行选择的交通方式。北京地铁始建于1965年，1969年第1条地铁线路建成通车，使北京成为中国第1个拥有地铁的城市。从建成通车到今年北京地铁已有44年历史，前35年间只有两条线路（1、2号线）54km、39座车站。然而从2002年至今的11年间，北京地铁迅猛发展，截至2012年底，北京地铁运营线路已有16条，运营里程442km，车站266个换乘站37个，最高日客流量已超940万人次。     

关联站点协同攻击下轨道交通网络脆弱性研究

为探究轨道交通网络多个关联站点受到蓄意攻击后网络的脆弱性以及不同攻击下影响的差异，量测分析多站点之间的关联性，给出关联站点协同攻击下轨道交通网络脆弱性量化方法，提出以脆弱性最大化为目标的攻击模型，通过免疫算法求解模型，得到最优攻击策略，并以上海市地铁网络为例，研究多站点协同攻击下轨道交通网络脆弱性。结果表明：多站点蓄意攻击下轨道交通网络脆弱性不仅取决于每个站点的重要程度，还取决于不同站点之间的关联性，尤其是空间位置关联性和乘客出行关联性。位于不同线路且客流量较大的多个换乘站点受到协同攻击下轨道交通网络脆弱性最高，占网络站点总数3.56%的多个站点同时受到攻击后，轨道交通网络性能损失最高可达63.61%。     

某地铁站突发事件乘客疏散行为分析研究(1)——统计分析

为了掌握突发事件下,乘客疏散速度,疏散时间等数值;基于某地铁站突发事件区间隧道乘客紧急疏散事故案例,采用统计分析突发事件下乘客在列车车厢、区间隧道平均疏散速度、平均疏散时间、触发列车设备等数据;结果表明:突发事件地铁运营公司反应时间为3分39秒;乘客在列车车厢内总体平均疏散速度0.08m/s,总体平均疏散时间3.31s/人;乘客在区间隧道疏散总体平均疏散速度0.145m/s,总体平均疏散时间4.10s/人等数值。为地铁设计人员、地铁安全评估、仿真模型、地铁运营安全管理、应急疏散预案的编制提供参考。     

北京地铁1号线A站乘客疏散行为实测研究

地铁作为人员密集场所,一旦发生突发事件,如何在突发事件下合理快速的组织地铁乘客疏散至安全区域,是地铁运营部门急需解决的重大问题。通过对北京地铁1号线A站常态下人员疏散情况的实测,分析研究不同人群在不同地点的疏散速度及乘客在疏散路径选择上的差异等行为特征,并通过实测,统计出乘客从站台疏散至地铁各出入口所需的时间。研究结果为地铁乘客疏散行为特征研究及疏散计算模型边界条件的设置提供支撑。     

基于SEM的城市地铁建设公众风险感知研究

以成都在建地铁6号线某站点为典型研究区域,对其施工区域周边的3类公众,包括居民、商户和学生进行问卷调查,了解其风险感知。通过构建结构方程模型,得出各类群体风险感知的主要影响因素,并识别出各类群体的风险感知差异,为减小风险诱发的可能后果,推进项目建设顺利实施提供决策依据。