軌道交通站域公共空間的平疫結(jié)合設(shè)計策略及評估模型研究

楊柳，趙芳芳，張慧瑾，劉浩然

0 引言

在我國許多大城市中，交通樞紐的建設(shè)規(guī)模過大，不僅給城市居民帶來了視覺和心理上的割裂，還使得樞紐銜接區(qū)的公共空間尺度過大、質(zhì)量不佳，人們在其中缺乏安全感和舒適感[1-2]。隨著公共交通的發(fā)展，站城一體化設(shè)計思想逐漸被接受，TOD 也成為城市規(guī)劃的重要策略，為城市高效能發(fā)展提供了途徑[3-4]。新一代TOD 設(shè)計關(guān)注人的行為與感受，對城市設(shè)計的人性化、精細化、科學性提出了更高的要求[5-6]。近幾年，站域開放空間的設(shè)計受到廣泛關(guān)注，有研究指出，實現(xiàn)TOD 不僅需要將建筑空間與公共交通相結(jié)合，還需要關(guān)注主要交通站點周邊的公共空間[7-8]。站域公共空間聚集了多種交通方式的使用者，也是市民聚集休閑的場所，通過城市設(shè)計的手段可以提高空間品質(zhì)，促進人們在其中的多種體驗，提高城市性[9]。例如，有學者研究了站點周邊商業(yè)街及服務(wù)設(shè)施的設(shè)計[10-11]、站域空間的使用績效[12]、零余空間再利用[13]。在保證交通運輸安全與高效的同時提升公共空間的品質(zhì)，構(gòu)建多尺度、站—城—人協(xié)同的軌道交通站點影響域空間（以下簡稱站域空間），是建筑學及相關(guān)領(lǐng)域亟待解決的關(guān)鍵問題[14-16]。

2020 年新型冠狀病毒肺炎疫情的爆發(fā)為全球帶來了巨大的損失，突發(fā)傳染病等公共衛(wèi)生事件受到國際各界的廣泛關(guān)注。城市設(shè)計通過采取空間干預措施，可以有效阻斷傳染源的傳播，保護易感人群[17]，因此，將流行病等疾病的防控納入我國大城市城鎮(zhèn)災害管理戰(zhàn)略[18]，實施“預防為主，平疫結(jié)合”的規(guī)劃設(shè)計原則以及開展傳染病風險評估，有助于提升城市應對公共衛(wèi)生突發(fā)事件的能力，從而促進健康和韌性城市的建設(shè)[19]；軌道交通樞紐作為傳染病健康風險重點防護場所，尤其需要提升應對突發(fā)公共衛(wèi)生事件的能力。有研究指出，公共空間是構(gòu)建韌性城市的重要組成部分，在傳染病等突發(fā)性事件爆發(fā)時，公共交通和室內(nèi)公共空間的使用受到限制，室外開放空間可以提供戶外休閑功能并促進社會互動，滿足人的生理和心理需求[20]，因此，平疫結(jié)合的站域公共空間設(shè)計可以提升城市應對未來不確定風險的能力。然而，現(xiàn)有研究多關(guān)注交通樞紐內(nèi)部的人流調(diào)控等軟性管理措施[21]，如何對室外站域空間進行設(shè)計，在滿足常規(guī)狀態(tài)下公共空間人性化使用的同時應對傳染病爆發(fā)情景下的特殊使用仍需深入探究。

基于大數(shù)據(jù)的行為分析、復雜系統(tǒng)仿真、計算機模擬量化評估與決策支持工具為站域空間的人性化、數(shù)字化城市設(shè)計提供了支持[22-24]，借助傳染病傳播模擬[25-26]等工具，綜合利用計算機模擬、GIS 等技術(shù)構(gòu)建城市量化設(shè)計工具[27-28]可以實現(xiàn)對突發(fā)公共衛(wèi)生事件的預測以及精準防控。

本研究將針對軌道交通站點“大人流、強聚集”的特征，探討站域公共空間平疫結(jié)合的設(shè)計策略并構(gòu)建量化評估工具。旨在通過案例搜集和分析，總結(jié)出有效的城市設(shè)計干預策略，以應對傳染病的威脅。為此，我們建立了行人仿真模型，對常規(guī)情景和疫情爆發(fā)情景下的站域空間設(shè)計方案進行了量化評估，并以南京市新街口地區(qū)為實證案例，深入探討了不同設(shè)計策略對行人使用的影響。

1 背景

1.1 應對突發(fā)性傳染病的設(shè)計策略

由于專門針對軌道交通站點影響域的城市設(shè)計策略研究和實踐比較有限，本研究將案例搜集范圍拓展到城市公共空間的范疇。為此，我們在YANG 等[26]研究的基礎(chǔ)上，結(jié)合相關(guān)資料[29-31]，總結(jié)了一系列干預策略和具體設(shè)計方法（表1）。

1.2 軌道交通站點行人模擬的方法和技術(shù)

行人模擬技術(shù)在軌道交通站域的應用由來已久，但絕大多數(shù)研究聚焦于站點本身的站廳、站臺空間，圍繞客流等議題展開。地鐵作為一種重要的交通工具，其受眾群體廣泛，不僅包括固定客流，如上下班人群，還有臨時到訪的客流。因此，客流群體之間存在明顯的差異，出行行為和偏好也有所不同。在此基礎(chǔ)上，部分研究探索影響客流出行行為的外部因素，例如，在微觀層面探索乘客出行路徑選擇與出行時間[32]的相關(guān)度。研究表明，地鐵站的服務(wù)水平可以通過客流密度、流量、平均行程時間、人流速度等特征來評估[33]。此外，還有研究探索了地鐵站在極端情況下的韌性，比如通過集成可用安全出口時間、所需安全出口時間、數(shù)值模擬和多屬性決策分析等方法，來評估地鐵站在火災情況下的疏散效率[34]。然而，現(xiàn)有研究多關(guān)注地鐵站點內(nèi)部部分物理設(shè)施布局的影響，模型中僅納入部分參數(shù)，針對站域公共空間的設(shè)計和布局影響仍有待研究，且較少考慮空間使用者的需求與感受，行人模擬技術(shù)的應用可以在一定程度上彌補這一缺失。

行人仿真建?？蓜澐譃楹暧^、中觀和微觀3 個大類，其中微觀建模占據(jù)主導地位。宏觀或中觀建模的研究則相對較少，且聚焦于步行行為的戰(zhàn)略層面，因此無法模擬乘客的個體選擇行為和地鐵與乘客之間的動態(tài)交互。而中觀仿真模型主要描述較小的群體行為，代表模型包括格子氣模型，其對單個元素進行建模，但避免對其詳細運動情形進行建模。微觀仿真模型則是以細粒度的方式研究個體行為，由于其可以模擬個體行為的動態(tài)交互[35]，被廣泛應用于地鐵客流行為的相關(guān)仿真研究。微觀模擬的方法有很多，其中包括基于主體的建模（agent-based model）、元胞自動機建模，本研究將采用基于主體的建模技術(shù)進行行人仿真。

在研究人行為的微觀仿真模型中，Anylogic、Netlogo、Vissim 等軟件都可以提供有效的幫助。其中，AnyLogic 軟件的行人模擬大部分依賴于行人庫，基礎(chǔ)方法是社會力模型（social force model，簡稱SFM），其公式可以參考式（1）[36]。首先，該模型假設(shè)行人受到自我驅(qū)動力、人與人相互之間的作用以及人與障礙物之間的作用3 個力的共同作用[37]。此外，社會力模型的構(gòu)建考慮了人行為的多種因素，包括環(huán)境、心理等，而且對人的行為模擬可以隨時間連續(xù)變化，可以根據(jù)實際情況調(diào)整運動方向和速度[35]。Anylogic 軟件具有出色的仿真能力，現(xiàn)已被應用于各種交通領(lǐng)域，包括私家車[38]、公交汽車[39]等；在軌道交通領(lǐng)域，該軟件被廣泛應用于優(yōu)化設(shè)計研究，以提升地鐵站的通行能力[40]。它可以根據(jù)客流量來調(diào)整樞紐通道的寬度[37]，并找出車站系統(tǒng)的瓶頸點，以便優(yōu)化沖突區(qū)的物理設(shè)施空間布局和增加服務(wù)設(shè)施[41]。

2 行人仿真模型構(gòu)建

本研究采用Anylogic 軟件構(gòu)建基于主體的模型，用于研究不同的軌道交通站點影響域公共空間（廣場、步行街）設(shè)計方案對站域空間質(zhì)量、疫情防控措施以及行人使用的影響，圖1 為模型構(gòu)建的流程。作為輸入數(shù)據(jù)，模型設(shè)定了初始人流量和每小時進入人流量，所產(chǎn)生的行人被劃分為通勤者、漫游者、購物者、休憩者4 類，其行為特征如圖2 所示。

2 根據(jù)行為特征的行人分類

根據(jù)現(xiàn)場觀察，模型將每類人群的行為規(guī)則設(shè)定如下（圖3）：（1）通勤者：沿著道路向出口行走，有一定概率休息，若休息則找到臨近椅子隨機休息5～10min 后離開，否則將直接沿道路行走，直至出口消失；（2）漫游者：首先從4 條路經(jīng)中選擇一條，然后沿著選擇的路徑行走，當周期性休息事件發(fā)生時，有一定的概率休息，若休息則找到臨近椅子隨機休息5～15min 后離開，并返回選擇的路徑繼續(xù)行走，否則將一直沿著路徑行走，直至走到出口消失；（3）購物者：首先沿著道路行走，對于特定個體而言，進入近端的商場的概率為80%，若進入則會在商場停留20～40min，否則將繼續(xù)沿道路行走，若不進入近端商場則100%進入遠端商場，若進入近端商場則再進入遠端商場的概率為50%，若進入遠端商場則同樣停留20～40min，否則將繼續(xù)沿道路行走，最終來到出口消失；（4）休憩者：首先，沿著道路行走，對于特定個體而言，進入近端廣場的概率為80%，若進入則會在廣場休息10～20min，否則將繼續(xù)沿道路行走；進入中端廣場的概率為50%，若進入則會在廣場休息10～20min，否則將繼續(xù)沿道路行走；進入遠端廣場的概率為30%，若進入則會在廣場休息10～20min，否則將繼續(xù)沿道路行走；若近端和中端廣場都不進入，則一定進入遠端廣場，最終來到出口消失。

3 模型流程

為了更好地模擬常規(guī)場景和疫情爆發(fā)的情況，我們參考了相關(guān)文獻和國家的疫情管控政策，并將行人間的社交距離分別設(shè)定為1m、2m、3m，同時將廣場的最大允許人流密度設(shè)定為1 人/m2、0.40 人/m2、0.08 人/m2。為了研究人行道和廣場的設(shè)計干預，我們從表1 中選取了座椅的不同布置方案以及社交距離干預措施等策略，分別探討了座椅間距為10m、20m、40m，以及廣場空間不進行劃分和劃分為分散式小廣場的情況。表2 提供了具體的場景設(shè)定，可以幫助我們更好地理解不同設(shè)計方案在正常和疫情爆發(fā)情況下對廣場密度、行人落座時間、行人落座等待時間、行人落座人數(shù)以及行人等待落座人數(shù)等方面的影響。在給定的條件下，模型運行2h，重復10 次，每隔10min 就會從中提取一次數(shù)據(jù)。

表2 模擬方案

3 應用案例

3.1 場地概況及場景設(shè)計

本文以南京新街口地鐵站為研究對象，建立了一個行人模型，涵蓋了地鐵口、商業(yè)建筑、廣場和人行道等空間元素。需要指出的是，為了便于觀察主要設(shè)計要素對公共空間的影響，在現(xiàn)狀CAD 圖紙的基礎(chǔ)上，對基地進行了適當?shù)暮喕?，圖4 所示為模型中構(gòu)建的基地場景。研究關(guān)注3 個廣場以及沿街兩段人行道空間的設(shè)計：在3 個廣場中，廣場0、廣場1 獨立于人行道存在，服務(wù)于以廣場為目的地的人群，而廣場2 處于人行道中間，除了服務(wù)以廣場為目的地的人群，還會被其他人群穿越。設(shè)計干預要素包括在兩段人行道中沿街布置不同密度的座椅、以及對3 個廣場采取完整大廣場/劃分為分散小廣場的設(shè)計。

本研究選取一個普通工作日，初始行人的數(shù)量設(shè)置為50，4 類行人生成比例按照問卷調(diào)查結(jié)果設(shè)定為通勤者:漫游者:購物者:休憩者=1.5:1.5:2:5，每小時生成的行人數(shù)量90 個。

3.2 模擬結(jié)果

（1）座椅間距：常規(guī)場景下，座椅間距對廣場人流密度的影響見圖5（左）：在廣場0 和廣場1 中，間距為20m 時廣場人流密度最大；在廣場2 中，隨著間距的增大，廣場平均人流密度也會增大。同一場景下，座椅間距對座椅服務(wù)人數(shù)、座椅等待時間的影響見圖5（右）：當選取100min 這一斷面數(shù)據(jù)進行比較時發(fā)現(xiàn)，隨著椅子間距的增加，行人的等待時間也會增加；然而，落座人數(shù)卻沒有隨著椅子間距的增加而線性遞減，即椅子數(shù)量減少不一定會降低區(qū)域內(nèi)部使用椅子的人數(shù)。

疫情場景下，座椅間距的影響如圖6 所示，座椅布置密集（10m）、數(shù)量較多時，有利于人流在整條路上均勻分散，但也有可能造成整條路較為擁堵；座椅間距逐漸增大時（40m），座椅數(shù)量會越來越少，這會導致行人等待座位的時間變長，因排隊會造成道路較為擁堵；因此適中的座椅間距較好。

此外，本研究運用普通最小二乘法（OLS）綜合分析常規(guī)和疫情場景下，座椅間距等因素對廣場人流密度的影響，研究發(fā)現(xiàn)，座椅間距對廣場0、廣場1 中人流密度的影響均不顯著（p＞ 0.1）。但在廣場2 中呈現(xiàn)出負相關(guān)影響，即人行道椅子布置密集時，會使廣場2 的人流密度升高（表3）。

表3 常規(guī)和疫情場景下，座椅間距、廣場布置、廣場最大密度對廣場2 人流密度的影響

（2）小廣場布置：常規(guī)場景下，廣場空間布置對廣場人流密度的影響見圖7（左）：當選取100min 這一斷面數(shù)據(jù)進行比較時發(fā)現(xiàn)，在廣場0 和廣場2 中，當布置分散的小廣場時，平均人流密度都有所提高，但在廣場1 中此影響不顯著。廣場空間布置對座椅服務(wù)人數(shù)、座椅等待時間的影響見圖7（右）：布置分散小廣場對落座人數(shù)和落座等待時間都有正影響。

7 廣場空間布置對廣場人流密度（左）、座椅服務(wù)人數(shù)及等待時間的影響（右）

疫情場景下，通過廣場空間布置對廣場人流密度的影響可以看出，在社交距離保持不變時，廣場的布局方式對內(nèi)部的人流密度影響不明顯（圖8）。

8 廣場空間布置對廣場人流密度的影響

綜合對比常規(guī)和疫情場景可以發(fā)現(xiàn)，分散小廣場的設(shè)計在相同的場景下，能夠有效改善局部的擁擠狀況；且社交距離要求越高，小廣場對人群的分散效果越好（圖9）。

9 常規(guī)和疫情場景下，分散小廣場設(shè)計對人流密度的影響

3.3 量化分析結(jié)果

綜合以上結(jié)論可以發(fā)現(xiàn)，座椅間距的設(shè)計會對人流密度、行人落座時間等產(chǎn)生影響。具體而言，在疫情場景下，座椅布置密集有利于人流在整條路上均勻分散，但也有可能造成擁堵；座椅間距增大會導致行人等待座位的時間變長。因此，適中的座椅間距較好。在常規(guī)和疫情場景下，椅子布置密集時還將提高地鐵口附近可穿行廣場的人流密度。

在廣場的不同布置方式方面，綜合分析常規(guī)和疫情場景可以發(fā)現(xiàn)，分散小廣場的設(shè)計在相同的場景下能夠有效改善局部的擁擠狀況。在常規(guī)場景中，當布置分散的小廣場時，靠近地鐵和地面出入口處的廣場人流密度、人在戶外休息（落座）的時間將升高；在疫情場景中，當社交距離保持不變時，廣場的布局方式對內(nèi)部的人流密度影響不明顯；但當社交距離要求提高時，小廣場對人群的分散效果會體現(xiàn)出來。

4 結(jié)語

伴隨公交的發(fā)展，軌道交通因其便捷性、高效性和強大的運力使其成為城市交通的首選方式之一。軌交站點具有大人流聚集的特點，其周邊公共空間的設(shè)計不但要滿足行人通勤的需要，還應為城市提供高品質(zhì)的休憩、社交場所，因此在近些年受到了學界的關(guān)注。自2020 年新冠疫情爆發(fā)以來，其強大的傳染力對社會發(fā)展造成了巨大的沖擊；盡管新冠疫情現(xiàn)已在全球范圍內(nèi)得到了控制，但是如何有效地防控突發(fā)性傳染病仍然是構(gòu)建韌性城市的一個重要議題，其中，人流密集的軌道交通樞紐周邊公共空間是疫情防控的重點場所，提高其應對突發(fā)公共衛(wèi)生事件的能力可以提升城市空間品質(zhì)和韌性。本文以公共空間中座椅的設(shè)計、廣場的集中和分散式布局為例，深入探討了將站域公共空間人性化設(shè)計與疫情防控相結(jié)合的方法，通過建立行人仿真模型，量化評估了不同場景下城市設(shè)計的干預策略。研究選取了南京市新街口地鐵站周邊一處商業(yè)街為案例，因其同時容納了交通接駁、商業(yè)、休閑等功能，承載了多樣的人群和大量的人流，可以反映出TOD 規(guī)劃設(shè)計中的典型場景。

研究發(fā)現(xiàn)：（1）為了實現(xiàn)平疫結(jié)合的設(shè)計，人行道座椅密度宜適中（如間距20m 左右），在地鐵口附近的人行道上應相應降低休息點數(shù)量，以避免大的人流聚集。（2）在突發(fā)性傳染病爆發(fā)時，使用醒目的膠帶、繪畫或棋盤式草坪將站域廣場劃分為小型休息區(qū)域可以起到分散人流、保持社交距離的作用；但需要避免在緊鄰地鐵口的廣場中采用此方法。（3）在常規(guī)狀態(tài)下，將地鐵站周邊的廣場分散為2～3 人一組的小廣場也可以提高服務(wù)人群的總數(shù)及時間。

需要指出的是，隨著廣場、人行道等公共空間的人性化設(shè)計和商業(yè)化利用，站域空間的經(jīng)濟效益也會增強，行人的出行目的（模型中設(shè)定的4 種人群類型）可能會發(fā)生轉(zhuǎn)化，地下空間中的行人也可能被吸引到地面，由此會帶來站域公共空間使用狀態(tài)的變化，人群類型在需要等待進入公共空間時也可能發(fā)生類型轉(zhuǎn)化。為了解決上述問題，我們將在接下來的研究中，通過提升多智能體的學習能力，并利用數(shù)據(jù)驅(qū)動的建模技術(shù)來優(yōu)化模型。此外，本研究所構(gòu)建的行人仿真模型還可應用于TOD 規(guī)劃設(shè)計的其他場景，如用于探究地下公共空間的空間績效、平疫結(jié)合的設(shè)計?！酰ㄖ孕母兄x東南大學王建國院士、同濟大學施騫教授和華中科技大學劉智強教授的支持，同時也感謝Anylogic 公司的張嘉、倪佳佳在建模過程中給予寶貴的技術(shù)支持。）