基于自適應(yīng) Agent的地鐵站臺(tái)乘客集散仿真研究

許 奇, 毛保華*,b, 李明高, 馮旭杰

(北京交通大學(xué) a. 城市復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;b. 中國(guó)綜合交通研究中心,北京 100044)

基于自適應(yīng) Agent的地鐵站臺(tái)乘客集散仿真研究

許 奇a, 毛保華*a,b, 李明高a, 馮旭杰a

(北京交通大學(xué) a. 城市復(fù)雜系統(tǒng)理論與技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;b. 中國(guó)綜合交通研究中心,北京 100044)

作為提高地鐵運(yùn)行效率與服務(wù)水平的基礎(chǔ)研究,地鐵乘客集散仿真應(yīng)綜合考慮建筑環(huán)境、設(shè)施配置、運(yùn)輸組織三方面對(duì)乘客集散效率的影響.本文構(gòu)建了乘客自適應(yīng)Agent模型,從環(huán)境感知、行為決策、動(dòng)作執(zhí)行三方面建立基于神經(jīng)元模型的環(huán)境擁擠感知模型,考慮擁擠的運(yùn)動(dòng)行為啟發(fā)規(guī)則、運(yùn)動(dòng)狀態(tài)離散更新規(guī)則.在構(gòu)建乘客微觀行為動(dòng)力學(xué)模型的基礎(chǔ)上,以典型的地鐵島式站臺(tái)乘客集散為研究對(duì)象,建立地鐵站臺(tái)乘客集散仿真模型.仿真結(jié)果表明,在地鐵站臺(tái)建筑空間環(huán)境和設(shè)施設(shè)備配置確定的情況下,乘降客流需求和列車發(fā)車間隔對(duì)地鐵站臺(tái)最大乘客數(shù)及乘客集散效率影響顯著.

城市交通; 地鐵; 微觀行為模型; 自適應(yīng) Agent; 乘客集散仿真; 擁擠感知建模

1 引 言

站臺(tái)作為地鐵系統(tǒng)與乘客直接交互的服務(wù)平臺(tái),其擁擠狀態(tài)下的乘客集散行為呈現(xiàn)顯著的復(fù)雜非線性動(dòng)態(tài)特征,造成乘客移動(dòng)效率降低,直接影響系統(tǒng)的運(yùn)行效率與服務(wù)質(zhì)量.因此,研究站臺(tái)客流集散現(xiàn)象,對(duì)運(yùn)營(yíng)組織及安全保障具有重要的現(xiàn)實(shí)意義.

地鐵網(wǎng)絡(luò)效應(yīng)的發(fā)揮依賴于運(yùn)營(yíng)組織與建筑環(huán)境的協(xié)調(diào)配合.由于基礎(chǔ)設(shè)施投資昂貴、建設(shè)周期長(zhǎng),建成后難以對(duì)不合理的布局進(jìn)行改進(jìn),因此,國(guó)內(nèi)外學(xué)者更多地關(guān)注車站建筑環(huán)境與乘客交互的協(xié)調(diào)設(shè)計(jì),包括不同區(qū)域的服務(wù)水平評(píng)價(jià)[1,2]、設(shè)施設(shè)備配置布局對(duì)乘客集散的影響[3,4]、設(shè)施設(shè)備疏散能力及瓶頸分析[5,6]、不同區(qū)域的乘客流自組 織 現(xiàn) 象[7,8]、 運(yùn) 輸 組 織 方 案 對(duì) 乘 客 集 散 的 影響[9].然而,當(dāng)?shù)罔F線網(wǎng)發(fā)展到較大規(guī)模時(shí),僅依靠增加設(shè)施設(shè)備規(guī)模和提高其能力,已不能滿足由網(wǎng)絡(luò)效應(yīng)所誘發(fā)的復(fù)雜客流需求,擁擠成為常態(tài).因此,需綜合考慮建筑空間環(huán)境、設(shè)施設(shè)備配置與布局、運(yùn)輸組織對(duì)乘客運(yùn)動(dòng)行為的影響,分析站臺(tái)乘客集散時(shí)空規(guī)律,研究提高乘客在節(jié)點(diǎn)移動(dòng)效率的關(guān)鍵問(wèn)題.

針對(duì)上述問(wèn)題,本文構(gòu)建基于自適應(yīng) Agent的地鐵站臺(tái)乘客移動(dòng)仿真及分布計(jì)算模型,研究簡(jiǎn)單規(guī)則涌現(xiàn)復(fù)雜現(xiàn)象的內(nèi)在機(jī)理,分析典型站臺(tái)環(huán)境下乘客局部行為交互導(dǎo)致的宏觀客流時(shí)空演化規(guī)律.

2 地鐵站臺(tái)乘客擁擠感知模型

2.1 乘客自適應(yīng) Agent模型

Agent是具有自主性、學(xué)習(xí)性和適應(yīng)性的人工智能程序.自適應(yīng) Agent能感知周圍環(huán)境的改變,并利用認(rèn)知結(jié)果不斷修正其內(nèi)部狀態(tài)以適應(yīng)環(huán)境的變化.在地鐵站臺(tái)乘客集散仿真模型中,乘客自適應(yīng) Agent定義為四元組:

式中 i—— 乘客數(shù),i=1,2, …,N;

S —— 運(yùn)動(dòng)狀態(tài)集合;

Ξ—— 環(huán)境感知模型,表示乘客對(duì)其周圍環(huán)境擁擠程度的感知,以獲得影響行為決策的主要信息表征;

Ψ ——行為決策模型,表示乘客 Agent根據(jù)感知信息和決策規(guī)則完成知識(shí)推理,并做出合理的運(yùn)動(dòng)行為決策;

Z —— 動(dòng)作執(zhí)行模型,表示乘客 Agent運(yùn)動(dòng)狀態(tài)的改變,是行為決策的實(shí)現(xiàn)結(jié)果.

乘客運(yùn)動(dòng)狀態(tài)集合S為表征乘客運(yùn)動(dòng)特征的變量及其狀態(tài)值組成的集合,定義為:

式中 t——仿真時(shí)間;

x——位置矢量;

v——速度矢量;

v0——期望速度;

m——乘客質(zhì)量,由公式 m/160[10]計(jì)算乘客在水平面的投影半徑;

T——目標(biāo)點(diǎn).

2.2 乘客擁擠感知模型

在擁擠感知建模中,乘客通過(guò)感知系統(tǒng)獲取周圍環(huán)境信息,經(jīng)過(guò)加工后完成信息篩選和表征,以獲得影響決策的關(guān)鍵信息.既有研究[11]表明行人運(yùn)動(dòng)過(guò)程所獲取的感知信息主要來(lái)自于視覺.為表征乘客視覺信息,引入離散化的乘客視野范圍,如圖1 所示.乘客視域由視距 H和視角2φ界定;α0為乘客運(yùn)動(dòng)方向與目標(biāo)點(diǎn)T之間的夾角.

圖1 地鐵乘客 Agent離散視域Fig.1 The basic geometrical elements of passenger visual field

乘客的運(yùn)動(dòng)行為受視覺信息影響顯著.既有研究表明[12]處于運(yùn)動(dòng)狀態(tài)的行人通過(guò)估計(jì)與周圍其他行人和障礙物發(fā)生碰撞的時(shí)間,避免碰撞的發(fā)生.同時(shí),乘客的感知能力和認(rèn)知過(guò)程受周圍環(huán)境的影響,表現(xiàn)為乘客視覺信息的表征依賴于乘客對(duì)環(huán)境擁擠的感知.因此,基于 Moussa?d 提出的視覺信息表征方法[13],本文建立考慮擁擠的乘客視覺信息表征算法,如式(3)所示.

式中 dmental(u, α) —— 視域范圍內(nèi)任意 α 方向,乘客所感知的與其最先發(fā)生碰撞乘客或障礙物的心理距離;

dphysical( α) —— 視域范圍內(nèi)任意 α 方向,乘客與最先發(fā)生碰撞乘客或障礙物的距離,描述實(shí)際發(fā)生碰撞的物理距離;

f(u) —— 擁擠感知函數(shù),模擬乘客對(duì)周圍環(huán)境擁擠程度的感知.基于神經(jīng)元模型,擁擠感知函數(shù) f(u)[10]定義如式(4)-式(7) 所示.

式中 ωk—— 第 k 個(gè)子視域的權(quán)重;

φk——第k個(gè)子視域的視覺信息輸入集合;

θ—— 擁擠感知閾值;

v1,v2,…,vk—— 第 k 個(gè)子視域范圍內(nèi) nk個(gè)乘客的速度矢量集合;

ρk—— 第 k 個(gè)子視域范圍內(nèi)的乘客密度.

3 地鐵站臺(tái)乘客動(dòng)力學(xué)建模

在運(yùn)動(dòng)過(guò)程中,乘客需在瞬間對(duì)當(dāng)前的環(huán)境做出合理的行為決策,任何的邏輯思考和尋優(yōu)策略均是無(wú)效的.基于由有限理性發(fā)展而來(lái)的生態(tài)理性概念,認(rèn)知啟發(fā)式描述復(fù)雜環(huán)境下,人類確保行為合理的決策規(guī)則,是快速、簡(jiǎn)捷的認(rèn)知過(guò)程[14].本文在考慮擁擠效應(yīng)對(duì)乘客運(yùn)動(dòng)行為影響的基礎(chǔ)上,構(gòu)建基于認(rèn)知啟發(fā)式的乘客運(yùn)動(dòng)行為規(guī)則,并提出乘客運(yùn)動(dòng)狀態(tài)的離散更新規(guī)則.

3.1 運(yùn)動(dòng)行為模型

地鐵乘客運(yùn)動(dòng)行為建模的基礎(chǔ)是行人動(dòng)力學(xué)模型;其關(guān)鍵[15]是如何描述乘客運(yùn)動(dòng)方向和速度的選擇機(jī)理.

(1)方向選擇規(guī)則.

運(yùn)動(dòng)過(guò)程中的方向選擇是行人最重要的行為模式之一.乘客在擁擠環(huán)境下的方向選擇規(guī)則定義為考慮周圍其他乘客和障礙物的影響,乘客選擇在當(dāng)前位置 x使其能最快到達(dá)目標(biāo)點(diǎn) T 的方向,如圖2 所示.基于采納最優(yōu)啟發(fā)式規(guī)則[14],乘客方向選擇規(guī)則如式(8)定義.

式中 d(u, α) —— 乘客選擇移動(dòng)方向 α 上的第一個(gè)乘客或障礙物到視域邊界的距離;

dmax—— dphysical的最大值,在數(shù)值上等于視距H.

圖2 乘客方向選擇計(jì)算示意圖Fig.2 Schematic diagram of passenger walking direction choice decision

(2)速度選擇規(guī)則.

運(yùn)動(dòng)過(guò)程中的速度選擇是另一種行人最重要的行為模式.乘客在擁擠環(huán)境下的速度選擇規(guī)則定義為在避免碰撞發(fā)生的基礎(chǔ)上,乘客 t時(shí)刻的速度選擇 vdes(t) 與周圍其它乘客的平均速度 vavg趨同.基于模仿群體行為啟發(fā)式規(guī)則[14],乘客速度選擇規(guī)則如式(9)定義.

式中 dh—— t時(shí)刻,乘客選擇移動(dòng)方向 α 上與第一個(gè)乘客或障礙物的距離;

τ ——弛豫時(shí)間,表征乘客為適應(yīng)環(huán)境,由行為決策導(dǎo)致運(yùn)動(dòng)狀態(tài)改變的持續(xù)時(shí)間.

3.2 狀態(tài)更新規(guī)則

在行人動(dòng)力學(xué)建模中,其運(yùn)動(dòng)狀態(tài)可采用連續(xù)和離散兩種更新機(jī)制.地鐵站臺(tái)乘客集散仿真涉及Agent數(shù)量較多,針對(duì)計(jì)算效率與建模細(xì)致度的平衡問(wèn)題,本文采用離散時(shí)間更新規(guī)則,乘客動(dòng)力學(xué)模型[10]如式(10)和式(11)所示.

式中 αdes(t)——t時(shí)刻乘客選擇移動(dòng)的方向.

4 仿真案例研究

4.1 模型參數(shù)及仿真場(chǎng)景

隨著網(wǎng)絡(luò)化運(yùn)營(yíng)導(dǎo)致的客流需求不斷增加,地鐵站臺(tái)客流分布在時(shí)間和空間上均呈現(xiàn)顯著的不均衡性.為驗(yàn)證所建立的地鐵站臺(tái)乘客微觀行為模型,在乘客擁擠感知和動(dòng)力學(xué)建模的基礎(chǔ)上,以典型的地鐵島式站臺(tái)乘客集散為研究對(duì)象,構(gòu)建基于自適應(yīng) Agent的地鐵站臺(tái)乘客集散仿真模型.地鐵島式站臺(tái)乘客集散仿真模型相關(guān)參數(shù)如表1所示.

在站臺(tái)乘客集散仿真場(chǎng)景中,客流需求為乘降乘客數(shù),其中,上車乘客數(shù)服從參數(shù)為 1.3 的泊松分布,下車乘客數(shù)分別為 150 人、200 人、250 人、300 人;上下行列車停站時(shí)間均為 30 s,發(fā)車間隔分別為 90 s 和 180 s,且上下行列車到站間隔比為1 ∶1.綜上,根據(jù)乘降客流和列車發(fā)車間隔的不同,仿真場(chǎng)景共計(jì) 2×4=8 個(gè).地鐵島式站臺(tái)乘客集散仿真場(chǎng)景如圖3所示.

表1 地鐵島式站臺(tái)乘客集散仿真模型參數(shù)Table1 Parameters of the proposed simulation model

圖3 地鐵島式站臺(tái)仿真場(chǎng)景快照Fig.3 Snapshot of simulation for subway island platform

4.2 仿真結(jié)果分析

在地鐵站臺(tái)建筑空間環(huán)境和設(shè)施設(shè)備配置確定的情況下,乘客集散時(shí)空分布與乘降乘客數(shù)量和列車發(fā)車間隔相關(guān).通過(guò)構(gòu)建典型地鐵島式站臺(tái)乘客集散仿真模型,研究不同客流需求,以及列車發(fā)車間隔對(duì)站臺(tái)客流時(shí)空演化的影響.當(dāng)列車發(fā)車間隔為 90 s,下車乘客數(shù)由 150 人變化至 300 人時(shí),站臺(tái)乘客總數(shù)變化趨勢(shì)如圖4所示;其他條件不變,列車發(fā)車間隔增加為 180 s 時(shí),站臺(tái)乘客總數(shù)變化趨勢(shì)如圖5所示.

從圖4中可以看出,當(dāng)下車乘客數(shù)為 150 人和200 人時(shí),列車到達(dá)后導(dǎo)致的站臺(tái)最大乘客總數(shù)基本保持一致,仿真數(shù)據(jù)表明當(dāng)乘降乘客需求較小時(shí),出站乘客能及時(shí)疏散,站臺(tái)滯留乘客較少.當(dāng)下車乘客數(shù)為 250 人和 300 人時(shí),列車到達(dá)后導(dǎo)致的站臺(tái)最大乘客總數(shù)呈現(xiàn)逐漸增加趨勢(shì),其仿真數(shù)據(jù)表明當(dāng)乘降乘客需求增大時(shí),出站乘客疏散效率降低,在上下行列車到站間隔內(nèi)(60 s)不能及時(shí)清空站臺(tái),導(dǎo)致站臺(tái)滯留乘客增加.仿真結(jié)果表明,當(dāng)列車發(fā)車間隔較小時(shí),隨著站臺(tái)下車乘客數(shù)的增加,乘客疏散效率降低,導(dǎo)致不能及時(shí)清空站臺(tái),站臺(tái)最大乘客總數(shù)呈現(xiàn)逐漸增加趨勢(shì).

圖4 列車發(fā)車間隔為 90 s,下車乘客數(shù)增加時(shí)的站臺(tái)最大乘客數(shù)變化圖Fig.4 The time evolution of the number of assembling passengers on platform under train departure frequency is 90 s

圖5 列車發(fā)車間隔為 180 s,下車乘客數(shù)增加時(shí)的站臺(tái)最大乘客數(shù)變化圖Fig.5 The time evolution of the number of assembling passengers on platform under train departure frequency is 180 s

從圖5中可以看出,當(dāng)下車乘客數(shù)從 150 人增加到 300 人時(shí),列車到達(dá)后導(dǎo)致的站臺(tái)最大乘客總數(shù)均保持基本一致.仿真結(jié)果表明,列車發(fā)車間隔較大時(shí),出站乘客均能在上下行列車到站間隔內(nèi)(105 s) 清空站臺(tái),乘客疏散效率沒(méi)有隨著乘降客流需求的增加而大幅降低,站臺(tái)滯留乘客較少.

綜上,乘降客流需求和列車發(fā)車間隔對(duì)地鐵站臺(tái)最大乘客數(shù)及乘客集散效率影響顯著.上下行列車發(fā)車間隔的不同步導(dǎo)致列車到站間隔的差異.當(dāng)上下行列車到站間隔較小時(shí),隨著乘降客流需求的增加,乘客集散效率降低,站臺(tái)最大乘客數(shù)呈現(xiàn)逐漸增加趨勢(shì);當(dāng)上下行列車到站間隔較大時(shí),隨著乘降客流需求的增加,乘客集散效率降低不顯著,站臺(tái)最大乘客數(shù)基本保持一致.

5 研究結(jié)論

地鐵乘客個(gè)體間的局部簡(jiǎn)單規(guī)則可表現(xiàn)站臺(tái)乘客群體的復(fù)雜集散行為.本文通過(guò)構(gòu)建基于神經(jīng)元模型的環(huán)境擁擠感知模型,研究地鐵乘客個(gè)體運(yùn)動(dòng)狀態(tài)下對(duì)環(huán)境擁擠的視覺信息表征;在考慮擁擠對(duì)乘客運(yùn)動(dòng)行為影響的基礎(chǔ)上,建立基于認(rèn)知啟發(fā)式的乘客運(yùn)動(dòng)行為規(guī)則,并提出了乘客運(yùn)動(dòng)狀態(tài)的離散更新規(guī)則;在構(gòu)建考慮擁擠的乘客微觀行為動(dòng)力學(xué)模型的基礎(chǔ)上,以典型的地鐵島式站臺(tái)乘客集散為研究對(duì)象,建立了地鐵站臺(tái)乘客集散仿真模型,研究乘降乘客數(shù)量和列車發(fā)車間隔的變化對(duì)乘客集散效率的影響.仿真結(jié)果表明,在地鐵站臺(tái)建筑空間環(huán)境和設(shè)施設(shè)備配置確定的情況下,乘降客流需求和列車發(fā)車間隔對(duì)地鐵站臺(tái)最大乘客數(shù)及乘客集散效率影響顯著.

地鐵站臺(tái)乘客集散建模的影響因素復(fù)雜繁多.本文構(gòu)建的模型重點(diǎn)考慮了擁擠效應(yīng)對(duì)乘客運(yùn)動(dòng)行為的影響,建立了考慮擁擠的地鐵乘客微觀行為動(dòng)力學(xué)模型,但模型需要標(biāo)定的部分參數(shù)較為困難,如擁擠感知閾值;其次,模型涌現(xiàn)的仿真結(jié)果在一定程度上反映了乘客集散現(xiàn)象,但模型有效性仍需實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證.因此,通過(guò)設(shè)計(jì)合理的實(shí)驗(yàn)方案,結(jié)合視頻采集和數(shù)據(jù)處理技術(shù),采集地鐵真實(shí)場(chǎng)景的數(shù)據(jù),數(shù)據(jù)標(biāo)定及驗(yàn)證模型,是作者下一步研究的工作.

[1] Hoogendoorn S P,Bovy P H L.Pedestrian routechoice and activity scheduling theory and models[J]. Transportation Research Part B,2004,38:169-190.

[2] Ma J,Liu S B,Wang W L,et al.Coupling space syntax with network equilibrium model to simulate complex pedestrian flow in transit stations[C]. Transportation Research Board 92nd Annual Meeting,2013.

[3] Daamen W,Bovy P H L,Hoogendoorn S P.Influence of changes in level on passenger route choice in railway stations [J]. Transportation Research Record,2005,1930(1):12-20.

[4] 胡清梅,方衛(wèi)寧,李廣燕,等.地鐵車站出口布局對(duì)人群疏散性能的影響[J]. 鐵道學(xué)報(bào),2009,31 (3):111-115.[HU Q M,FANG W N,Li G Y,et al.Influence of exit layout of a metro station on pedestrian evacuation[J]. Journal of the China Railway Society,2009,31(3):111-115.]

[5] 陳紹寬,李思悅,李雪,等.地鐵車站內(nèi)乘客疏散時(shí)間計(jì)算方法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息,2008,8(4):101-107.[CHEN S K,LI S Y,LI X,et al.Modeling evacuation time for passengers from metro platforms[J].Journal of Transportation Systems Engineering and Information Technology, 2008,8(4):101-107.]

[6] 陳紹寬, 劉爽, 肖雄, 等. 基于 M/G/c/c 模型的地鐵車站樓梯通道疏散能力瓶頸分析[J]. 鐵道學(xué)報(bào),2012,34(1):7-12.[CHEN S K,LIU S, XIAO X,et al.M/G/c/c-based model of passenger evacuation capacity of stairs and corridors in metro stations[J].Journal of the China Railway Society, 2012,34(1):7-12.]

[7] Zhang Q,Han B M,Li D W.Modeling and simulation of passenger alighting and boarding movement in Beijing metro stations[J].Transportation Research Part C,2008,16(5):635-649.

[8] 張蕊, 楊靜, 韓冬, 等. 基于 NOMAD 模型的交通樞紐行人仿真研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息,2011,11(2):52-57.[ZHANG R,YANG J, HAN D,et al.Pedestrian simulation in transportation hub basedonNOMAD model[J].Journalof Transportation Systems Engineering and Information Technology,2011,11(2):52-57.][9] Fiegel J,Banos A,Bertelle C.Modeling and simulation of pedestrian behaviors in transport areas:The specific case of platform/train exchanges[C].International Conference on Computational Science and Applications 2009 Proceedings,2009:129-133.

[10] Xu Q,Mao B H,Feng X J,et al.Effects of crowding perception on self-organized pedestrian flows using adaptive agent-based model[J].arXiv preprint arXiv: 1308.5380,2013.

[11] Batty M.Predicting where we walk[J].Nature,1997, 388(6637):19-20.

[12] Schrater P R,Knill D C,Simoncelli E P.Mechanisms of visual motion detection[J].Nature neuroscience, 2000,3(1):64-68.

[13] Moussa?d M,Helbing D,Theraulaz G.How simple學(xué),2006,12(2):16-18.[PAN X D,DU ZH G, JIANG H,et al.Experiment research on relationship between the variation of drivers'heart rate and systolic blood pressure and alignment of mountainous highway [J].Harbin Institute of Technology,2006,12(2): 16-18.]

[7] Peter Richter,Thomas Wagner,Ralf Hager,et al. Psycho physiological analysis of mental load during driving on rural roads-a quasi-experimental field study [J].Ergonomics,1998,41(5):593-609.

[8] Furuichi,Tomoki,Iwasaki,et al.Drivers'behavior in S curve negotiations on an urban motorway[J].Traffic and Transport.Studies Proc.of ICTTS 2002,2: 849-856.

[9] Bong-Jo Chung.Limit length evaluation of tangent on freeway according to driver's physiological response [J].TRB,2001,ID Number:01-3166.

[10] Ashley Craig,Yvonne Tran.A controlled investigation into the psychological determinants of fatigue[J]. Biological Psychology,2006(72):78-87.

[11] Sibsambhu Kari,Mayank Bhagat,Aurobinda Routray. EEG signal analysis for the assessment and quantification of driver's fatigue[J].Transportation Research Part F,2010,13:297-306. rules determine pedestrian behaviour and crowd disasters[J].Proceedings of the National Academy of Sciences,PNAS,2011,108(17):6884-6888.

[14] Gigerenzer G.Why heuristics work[J].Perspectives on Psychological Science,2008,3(1):20-29.

[15] Antonini G,Bierlaire M,Weber M.Discrete choice models of pedestrian walking behavior[J].Transportation Research Part B,2006,40(8):667-687.

[16] 許奇, 毛保華, 錢堃, 等. 基于認(rèn)知啟發(fā)式規(guī)則的行人動(dòng)力學(xué)建模[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2012,12(4):149-154.[XU Q,MAO B H,QIAN K,et al.Cognitive heuristics for modeling pedestrian walking behavior[J].Journal of Transportation Systems Engineering and Information Technology,2012,12 (4):149-154.]

Simulation of Passenger Flows on Urban Rail Transit Platform Based on Adaptive Agents

XU Qia,MAO Bao-huaa,b,LI Ming-gaoa,FENG Xu-jiea
(a.MOE Key Laboratory for Urban Transportation Complex Systems Theory and Technology; b.Integrated Transportation Research Center of China,Beijing Jiaotong University,Beijing 100044,China)

Modeling and simulation of passenger flows on urban rail transit platform is a key issue in improving operation efficiency and service of level of urban rail transit,which should consider architectural environment,facilities implementation,and transportation organization.To simulate this kind of passenger for planning or evaluation,3-layer architecture adaptive agent model is proposed to simulate passenger microscopic behaviors,which is based on visual perception module,making-decisions module,and action execution module.In respect of perception of agents,we construct a neuron-model-based perception model of environmental crowding to examine how individual URT passengers on the move represent the visual information of environmental crowding.Then,we define rules for behaviors based on cognitive heuristics for making-decisions module,and propose a discrete rule for the updating of passenger movement state for action execution module.Based on modeling passenger behavior dynamics,a microscopic simulation model for complex passenger flows on urban rail transit platform is developed.As a case study,the passenger flows scenarios of an island platform of urban rail transit station are simulated.Simulation results show that boarding and alighting passengers demand and train departure frequency have a remarkable impact on the maximum number of assembling passengers on platform and efficiency of mustering and evacuating under given conditions of building environment and facilities.

urban traffic;urban rail transit;microscopic behavior model;adaptive agents;passenger mustering and evacuating simulation;crowding perception modeling

1009-6744(2014)01-0028-07

U293.1

A

2013-04-25

2013-09-17錄用日期:2013-09-26

國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目(71131001); 國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2012CB725406); 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助(2012YJS053).

許奇(1982-), 男, 云南普洱市人, 博士生.*通訊作者:bhmao@bjtu.edu.cn