高速铁路列车乘客上下车策略分析及仿真模拟

Analysis and Simulation of Boarding and Alighting Strategies for Passengers on High Speed Trains

摘要

为获得高速铁路列车乘客最优的上下车策略，选取CRH380AL型高速列车二等座车厢，构建乘客上下车策略仿真模型。针对不同的上下车策略，分析人员携带行李比例、上车人数的落座时间和过道密度，量化乘客上下车的效率和舒适度。结果表明：低密度时，乘客落座时间在双车门行策略和双车门倒金字塔策略下变化差异不明显。随着乘客人数和携带行李比例的增加，双车门倒金字塔策略的乘客落座时间最短。30人上车场景时，双车门倒金字塔策略车厢过道区域的最大密度和平均密度均为最低。在上下车人数为50人、携带行李比例为40%时，双车门倒金字塔策略的过道密度相较于双车门行策略和双车门斯蒂芬法策略较低，此时乘客舒适度较好。

Abstract

In order to obtain the optimal boarding and alighting strategy for passengers on the high speed train, a simulation model for boarding and alighting strategies was built in the second-class compartment of the CRH380AL. The proportion of luggage, the boarding time of passengers, and the aisle density were analyzed, so as to quantify the travel efficiency and comfort of passengers under different boarding and alighting strategies. The result shows that no significant difference in boarding time is found between the two-door line and the two-door inverted pyramid strategies under the low aisle density. With the increase in passenger number and the proportion of luggage, the boarding time of passengers under the two-door inverted pyramid strategy is the shortest. The maximum density and average density of the compartment aisle under the two-door inverted pyramid strategy are the lowest in the boarding scenario of 30 passengers. In the boarding scenario of 50 passengers, with the proportion of luggage of 40%, the aisle density in the two-door inverted pyramid strategy is lower than that of the two-door line and the two-door Steffen strategies, which brings better comfort for passengers.

Graphical abstract

关键词

高速铁路列车 / 上下车策略 / 乘客落座时间 / 过道密度 / 乘客舒适度

Key words

High Speed Train / Boarding and Alighting Strategy / Boarding Time of Passengers / Aisle Density / Passenger Comfort

0　引言

随着高速铁路客流的快速增长，铁路客运部门在站台和上下车服务组织方面迎来了更多的挑战。其中乘客的上车次序及拥挤程度直接影响着乘客的安全、舒适和上车效率，因此针对高速铁路的上车效率和舒适性开展相关研究。在列车即将到站时，下车乘客会提前在车厢出口及过道进行预排队，而上车乘客根据站台信息提醒在对应车厢一端相应地标位置进行提前排队，等待上车。该策略对于乘客上车约束较少，使得乘客在车门处出现拥堵、瓶颈等状况。因此采用高效、安全的上车策略会一定程度上提高高速铁路车站运营管理效率以及乘客的安全性和舒适性。当前对于上车策略的研究主要集中在航空方面，研究的策略主要包括从后向前、从前向后、倒金字塔式、从窗到过道、行策略以及斯蒂芬法等，且大多为单个舱门的登机情况。而Milne等^[1]和Delcea等^[2]研究使用停机坪巴士的双门登机新方法，Michael^[3]分析双舱门同时登机的效率。分析影响乘客登机效率的因素包括：乘客人数^[4]、超越行为^[5]、行李尺寸^[6]、团体行为^[7]等。当前策略主要从登机时间、登机过程中的过道干扰、行人和座位干扰延误^[8]来对相关策略的优缺点进行评判。针对高速铁路方面的研究主要集中在乘客疏散方面，其中包括火源的位置^[9]、车厢出口位置以及宽度^[10]、车厢排列布局^[11]、疏散位置^[12]等对疏散时间的影响，针对上车的研究主要在高速铁路车站站台到车厢门区域，未涉及车厢内部^[13]。

与现有研究相比，列车到达站台后，乘客需要在有限的时间内完成上下车过程，该过程可分为3个阶段：第一阶段为乘客下车阶段，第二阶段为乘客上车阶段，第三阶段为乘客落座阶段。在当前高速铁路的运营过程中，如若到达发车时间，且乘客们完成第二阶段，列车会关闭车门并启动。列车在刚开始运行时会出现部分乘客寻找座位的情况，导致乘客的舒适性和安全性降低。在高速铁路上下车过程中，为了提高乘客上车的效率、安全和舒适度，铁路客服人员需要在固定时间内完成所有乘客的上下车组织工作，因此研究不同策略下乘客上车时间具有重要意义。

基于以上分析，主要以某节高速铁路车厢为研究对象，在明确乘客上下车速度以及放置行李时间的基础上考虑不同策略下的乘客上下车情况，并且以最短落座时间和最小车厢密度为优化目标，从而获得高效、安全、舒适的乘客上车策略。

1　高速铁路上下车模型搭建

采用CRH380AL型高速列车二等座车作为研究对象，该列车有二等座车11辆，二等座车厢定员85人，二等座座席采用2+3方式布置，车厢两端出口设外门和内端门^[11]。由于二等座车是上车人员最多、车况最复杂的车厢，其上车时间往往为高速铁路列车上车的最大时间，因而仅研究二等座车厢。模型作以下假设：①乘客通过该车厢前后两端车门上下车，不存在跨车厢上下车行为；②根据实际情况，假设下车乘客会在车门打开前在车厢过道进行预排队；③行李架空间充足，乘客放置行李时间^[14]不随行李架上的行李数量变化；④站台位置下车乘客和上车乘客互不影响。模拟场景参数如表1所示。

通过Pathfinder对模拟场景进行搭建，选取D1，D2和D3作为密度分析的3个区域。模拟场景示意图如图1所示。

2　上下车策略分析与设计

2.1　航空乘客登机策略分析

从航空乘客服务看，当前的登机策略主要为单舱门登机，包括随机登机、分组登机和按座位登机3大类。

（1）随机登机，包括登机牌上没有指定座位(乘客随机到达登机口，按照先到先得的原则进入飞机座位)，以及登机牌上有指定的座位(乘客以随机方式登机，进入登机牌上打印的指定座位)。

（2）分组登机，包括从窗到过道(乘客分为3个组，按照先是靠窗座位的乘客，然后是中间座位的乘客，最后是靠过道座位的乘客顺序登机)；倒金字塔式(从飞机后排窗口座位的乘客开始，到飞机前排过道座位的乘客结束)；从后往前(乘客根据其座位位置被分组，第一组登机的乘客座位位于飞机后排，而最后一组登机的乘客座位位于飞机前排)。

（3）按座位登机，包括按座位顺序从后到前(从飞机后部开始的“按座位”策略，首先让该行靠窗乘客先登机，然后让该行另一侧靠窗乘客登机，然后一侧位于中间乘客登机，以此类推，直到所有乘客登机)和斯蒂芬法(第一个登机的乘客在飞机最后一排靠窗的座位，然后第二个登机的旅客在第一个乘客前面2排靠窗座位，直到完成两侧靠窗乘客登机，然后是中间座位和过道座位的乘客以相同方式登机)。

当前航空乘客登机策略优缺点^[15]如表2所示。

2.2　高速铁路乘客上下车策略设计

基于上述登机策略，提出高速铁路乘客上下车策略，高速铁路上下车策略示意图如图2所示。其中数字代表上下车乘客顺序，相同数字代表相同优先级，数字小的先上车。

（1）Rand1策略(双车门下车，单车门随机上车)：该策略为现有策略，下车乘客从前后两端车门下车，上车乘客按规定从一端车门上车，乘客上车的顺序随机。

（2）Rand2策略(单车门下车，单车门随机上车)：下车乘客从前端车门下车，上车乘客从后端车门上车，上下车同时进行，乘客上车的顺序随机。

（3）S-Row策略(双车门下车，单车门行策略上车)：下车乘客从两端车门下车，而上车乘客需要等下车乘客全部下车，从后端车门上车，座位靠前端车门的乘客先上车，上车乘客顺序为：按每一行上车。

（4）D-Row策略(双车门下车，双车门行策略上车)：下车乘客两端车门下车，将上车人员分为2组，靠近前端车门的乘客从前端车门上车，靠近后端车门的乘客从后端车门上车，上车乘客的顺序为：按每一行上车，靠近车厢中部的先上车。

（5）D-RP策略(双车门下车，双车门倒金字塔策略上车)：下车乘客两端车门下车，将上车乘客分为2组，靠近前端车门的乘客从前端车门上车，靠近后端车门的乘客从后端车门上车，上车顺序为：先中间后靠门，其中座位在相同行的乘客先靠窗，最后过道。

（6）D-STF策略(双车门下车，双车门斯蒂芬法上车)：下车乘客两端车门下车，将上车乘客分为2组，靠近前端车门的乘客从前端车门上车，靠近后端车门的乘客从后端车门上车。上车顺序为：首先座位位于一边靠窗的乘客，并从中间往车门方向隔位就座；其次，过道另一边靠窗乘客上车按照相同的方式上车，直到靠窗乘客全部上车；中间座位的乘客和靠近过道座位的乘客依次重复上述的上车顺序。

以现有策略(Rand1策略)为基准并结合高速铁路车站乘客上车实际情况，研究乘客上下车车门选择、上下车顺序、携带行李比例以及上下车人数对上下车时间的影响。由于在每一站上下车的乘客人数并非固定，选取30人、50人和85人进行上下车策略研究，分别代表低密度、中密度、高密度时上下车的人数。另一方面，选取0%，40%以及100%携带行李比例的上下车情况进行分析。

3　结果分析

3.1　上车时间分析

3.1.1　不同上车策略的影响

不同携带行李比例下乘客落座时间如图3所示，由图3可知，只有在30人携带行李比例为0%的情况下采用D-RP策略乘客平均落座时间比D-Row策略高0.68 s，其余情况的乘客平均落座时间均最小。

与现有策略(Rand1策略)相比，在30人上车时，其余5种策略下的乘客落座时间均比现有策略下的乘客落座时间小。当50人和85人上车时，仅Rand2策略时的乘客落座时间会比采用现有策略的乘客落座时间更长。

50人Rand2策略不同时刻仿真图如图4所示。因为Rand2策略采用前端车门下车、后端车门上车的方法，因此50人时过道人数较多，下车乘客会在过道中滞留，此时上车乘客会遇到阻碍，上车速度减慢，从而导致乘客落座时间增加。

85人S-Row策略不同时刻仿真图如图5所示。在85人的场景中，携带行李比例为40%和100%时，S-Row策略乘客落座时间较长。在40%和100%携带行李情况时，乘客按照每一行上下车，由于乘客集中在某一行，靠窗的先放置行李，会使同一行乘客在过道中等待，形成拥堵，导致乘客落座时间增加。

对D-Row策略、D-RP策略以及D-STF策略进行单方差检验以及策略间多重比较，得到D-Row策略和D-RP策略优于D-STF策略，在50人的场景中，乘客携带40%和100%行李时，D-RP策略最优。当上下车人数较少时，D-Row策略与D-RP策略之间差异不明显，随着上车乘客人数的增加和携带行李比例的增大，D-RP策略比D-Row策略更优。

3.1.2　人员携带行李比例的影响

除Rand2策略以外，其余策略的下车和上车过程是独立的，因此在分析上车过程中携带行李比例对乘客落座时间的影响时，用全过程乘客落座时间减去下车时间，从而获得上车过程中的乘客落座时间。Rand2策略由于上下车同时进行，即乘客落座时间等于上车阶段乘客落座时间。

不同行李比例下上车阶段乘客落座时间如表3所示。表3展示了携带行李不同比例(0%，40%，100%)场景中上车阶段乘客落座时间和相较于0%携带行李比例上车阶段乘客落座时间的增长比例。随着携带行李比例的增加，乘客落座时间随之增加。在30人和50人的场景中，D-Row策略携带行李比例为40%和100%时乘客落座时间增加幅度均为最大，30人场景中分别达到25.79%和37.00%，50人场景中分别达到16.58%和46.33%。而在85人的场景中，S-Row策略携带行李比例为40%和100%时乘客落座时间幅度增加最大，分别为52.07%和100.72%，其次为D-Row策略的乘客落座时间增加幅度最大，分别达到30.85%和78.3%。可见按每一行上车的策略乘客落座时间对于行李比例的增加较为敏感。30人和50人场景中，D-Row较为敏感，而85人场景中，S-Row策略较为敏感。

3.2　不同策略下各区域密度分析

通过对乘客落座时间的分析，发现D-Row策略、D-RP策略和D-STF策略的乘客落座时间较小，对其密度进行分析，通过密度对乘客拥挤度进行判断，密度越低，拥挤度越小，乘客舒适性越高。选取模型中3块区域计算最大密度和平均密度，得出不同策略下车厢各区域密度的变化状况，用于判断车厢内乘客的拥挤程度。如图1所示，3个区域分别为D1，D2，D3，其中D3为Rand1策略中上车位置的内端门附近。

30人不同行李比例下各区域平均密度如图6所示。Rand1策略、D-Row策略和D-STF策略在不同携带行李比例下，密度变化的趋势一致。Rand1策略从车厢后端上车，从D3区域到D1区域的过程中，有部分乘客到达座位，随着往车厢前端移动，密度会越来越小。

D-Row策略两端D1和D3密度较低，D2区域密度较高，该策略采取两端车门同时上车，靠近车厢中部先上，按每一行先上。乘客放置行李，干扰增多，会在车厢中间形成一个密度较大的区域。

D-STF策略中D1和D3密度较D2区域高。原因如下：首先D-STF策略采取两端车门上车的策略，且上车顺序为先放行座位位于一边靠窗的乘客，并从中间往车门位置隔位就座；其次，过道另一边靠窗乘客按照相同的方式上车，中间座位的乘客和靠过道座位的乘客依次重复上述的上车顺序。该策略避免乘客在车厢中间位置聚集，故D2区域密度较低。

30人上车时，计算4种策略中3个区域的最大密度和平均密度，各区域密度如表4所示。结果表明D-RP策略下区域最大密度和平均密度在4种策略中均为最小。随着携带行李比例的增加，最大密度和平均密度也随之增加，最大密度分别为1.34 pers/m²，1.52 pers/m²，1.69 pers/m²，平均密度分别为0.51 pers/m²，0.56 pers/m²，0.59 pers/m²。

不同策略密度图如图7所示。展示了50人携带行李比例为40%时，D-Row策略、D-RP策略和D-STF策略在不同时刻车厢过道的最大密度分布情况。D-Row策略、D-RP策略和D-STF策略最大密度分别为2.15 pers/m²，2.01 pers/m²和2.14 pers/m²，可见D-RP策略的密度比D-Row策略和D-STF策略的密度小。

4　结论

（1）在30人和50人场景中，随着携带行李比例的增加，双车门下车，双车门行策略(D-Row策略)乘客落座时间增长幅度最大；在85人场景下，双车门下车，单车门行策略(S-Row策略)乘客落座时间增加幅度最大，达到100.72%。

（2）随着上车乘客的增加和携带行李比例的增大，双车门下车，双车门倒金字塔策略(D-RP策略)乘客落座时间最短。

（3）在30人场景中，双车门下车，双车门倒金字塔策略(D-RP策略)车厢过道位置最大密度以及平均密度均为最低；50人携带40%行李场景时，D-RP策略时过道人员最大密度较低，因此认为D-RP策略乘客舒适性最好。

参考文献

[1] MILNE R J， DELCEA C， COTFAS L A，et al. New Methods for Two-Door Airplane Boarding Using Apron Buses[J]. Journal of Air Transport Management，2019，80：101705.

[2] DELCEA C， COTFAS L A， CHIRIȚĂ N，et al. A Two-Door Airplane Boarding Approach when Using Apron Buses[J]. Sustainability，2018，10(10)：3619.

[3] SCHULTZ M. Implementation and Application of a Stochastic Aircraft Boarding Model[J]. Transportation Research Part C：Emerging Technologies，2018，90：334-349.

[4] HUTTER L， JAEHN F， NEUMANN S. Influencing Factors on Airplane Boarding Times[J]. Omega，2019，87：177-190.

[5] 马剑，廖伟屹，陈娟，等. 基于乘客超越行为建模的航空登机效率分析[J]. 交通运输系统工程与信息，2022，22(4)：255-267.

[6] MA Jian， LIAO Weiyi， CHEN Juan，et al. Airplane Boarding Efficiency Analysis Considering Passenger Overtaking Behaviors[J]. Journal of Transportation Systems Engineering and Information Technology，2022，22(4)：255-267.

[7] TANG T Q， YANG S P，OU H，et al. An Aircraft Boarding Model with the Group Behavior and the Quantity of Luggage[J]. Transportation Research Part C：Emerging Technologies，2018，93：115-127.

[8] ZEINEDDINE H. A Dynamically Optimized Aircraft Boarding Strategy[J]. Journal of Air Transport Management，2017，58：144-151.

[9] KIERZKOWSKI A， KISIEL T. The Human Factor in the Passenger Boarding Process at the Airport[J]. Procedia Engineering，2017，187：348-355.

[10] 王萍. 高速列车火灾场景下车厢内人员疏散过程及优化技术研究[D]. 成都：四川师范大学，2021.

[11] 朱杰，程奉梅，彭莉，等. 高速列车车厢出口设置对疏散影响研究[J]. 消防科学与技术，2016，35(10)：1381-1383.

[12] ZHU Jie， CHENG Fengmei， PENG Li，et al. Study on Impacts of High Speed Train Carriages Exit Setting on Evacuation[J]. Fire Science and Technology，2016，35(10)：1381-1383.

[13] 吕　伟，秦霜霜，穆治国，等. CRH380AL型高铁列车应急疏散及影响因素模拟研究[J]. 中国安全科学学报，2020，30(8)：164-170.

[14] Wei LYU， QIN Shuangshuang， MU Zhiguo，et al. Simulation Study on Evacuation of CRH380AL High-Speed Train and Its Influencing Factors[J]. China Safety Science Journal，2020，30(8)：164-170.

[15] 陶桂东，李莉，张国安，等. 基于实际演练和仿真模拟的高速列车人员疏散行为模式[J]. 中国铁道科学，2022，43(2)：172-182.

[16] TAO Guidong， LI Li， ZHANG Guoan，et al. Evacuation Behaviour Pattern in High Speed Train Based on Practical Drill and Simulation[J]. China Railway Science，2022，43(2)：172-182.

[17] LI C Y， YANG R Y， CHEN L，et al. A Boarding Model for Heterogeneous Passengers on the Platform of High Speed Railway Station[J]. Simulation Modelling Practice and Theory，2021，106：102188.

[18] 任新惠，焦阳，赵嶷飞. 考虑行李的多格子元胞自动机登机模型[J]. 交通运输工程学报，2017，17(4)：122-129.

[19] REN Xinhui， JIAO Yang， ZHAO Yifei. Multi-Grid Cellular Automata Boarding Model Considering Carried Baggages[J]. Journal of Traffic and Transportation Engineering，2017，17(4)：122-129.

[20] 强生杰. 航空登机过程微观理论建模与登机策略优化[D]. 北京：北京交通大学，2017.

基金资助

国家自然科学基金项目(72374087)

国家自然科学基金项目(72001095)

中国博士后科学基金项目(2020M681507)