地鐵站內(nèi)乘客選擇步梯與扶梯模式研究

李濤，吳凡雨，林鵬，盧戈南，馬劍

?

地鐵站內(nèi)乘客選擇步梯與扶梯模式研究

李濤1,2，吳凡雨2，林鵬2，盧戈南2，馬劍1

（1. 西南交通大學(xué)，交通運輸與物流學(xué)院，成都 610031；2. 西南交通大學(xué)，地球科學(xué)與環(huán)境工程學(xué)院，成都 610031）

步梯和扶梯是地鐵站內(nèi)連接站臺和站廳、站廳和室外安全區(qū)的主要設(shè)施，是站內(nèi)客流使用的重要通道。研究分析行人對步梯和扶梯的選擇模式對理解地鐵站內(nèi)行人行為和疏散方式具有重要意義。本文采集成都地鐵兩個地鐵站在高峰與非高峰下不同人群選擇步梯和扶梯的人數(shù)，并進行統(tǒng)計分析得出4種不同因素對行人選擇步梯和扶梯模式影響。結(jié)果表明行進方向、前方是否成拱和是否處于高峰期均對行人選擇模式產(chǎn)生影響，且影響能力可分為2個等級。論文研究為地鐵站人員步梯和扶梯選擇模式提供了基礎(chǔ)數(shù)據(jù)和理論指導(dǎo)。

城市交通；步梯與扶梯；選擇模式；二元Logistic回歸分析

0 引 言

隨著我國城市化進程不斷取得新成果，城市規(guī)模快速增加，城市人口迅速增多，城市交通擁堵問題日益突出。地鐵以其不受路面交通狀況影響的特性，加之以便捷、舒適、安全等特點，日益成為市民外出樂于選擇的交通方式[1,2]。扶梯和步梯是客運站內(nèi)垂向連接設(shè)施，但扶梯和步梯的使用常常是不均衡的，選擇扶梯的行人較多，從而使高峰時段出現(xiàn)擁堵，容易引發(fā)擁擠踩踏事故。分析行人對步梯和扶梯的選擇模式可為了解地鐵站內(nèi)行人選擇行為規(guī)律，進而為規(guī)劃和組織地鐵內(nèi)客流提供幫助。

Dolan等人[3]發(fā)現(xiàn)較低的樓層高度將使得更多人選擇步梯；Eves等人[4]提出，步梯的設(shè)計越醒目，則其使用率將越高，且在另一項研究[5]中提出攜帶大型包裹、較為年老的行人和女性的行人更容易選擇扶梯，不過沒有進一步提出影響方程。Boutelle等人[6]和Kerr等人[7]均就非結(jié)構(gòu)性設(shè)計——包括指示標(biāo)志、藝術(shù)渲染乃至聲音誘導(dǎo)信號等的設(shè)置對行人選擇步梯和扶梯的影響進行了研究；John Zacharias等人[8]使用分層線性回歸研究了北京13處人流量較大的地點中不同因素對人們選擇步梯和扶梯的影響及其大小。Frank等人[9]從行人對樓梯坡度的認知研究行人的選擇行為，分析了不同特性人感知樓梯坡度的陡峭程度的影響。李濤等人[10]通過開展地鐵旅客疏散實驗，研究了以步梯和扶梯為代表的垂直疏散設(shè)施的疏散效率；史芮嘉等人[11]采用灰色關(guān)聯(lián)分析法，利用模糊數(shù)學(xué)對地鐵站內(nèi)行人對步梯和扶梯的選擇模式進行了分析和建模；曹潔等人[12]考察了隊列長度和行人緊急程度對選擇模式的影響，并建立了影響方程式。

分析已有的研究可以發(fā)現(xiàn)，目前尚缺乏既能較全面地分析各種不同因素對行人選擇模式影響大小，又能得出行人選擇模式方程的研究工作。行人對步梯和扶梯的選擇是一個二分類問題，因此可使用Logistic回歸分析法分析多變量影響下的行人選擇模式。這種方法已廣泛應(yīng)用于醫(yī)學(xué)和經(jīng)濟學(xué)領(lǐng)域中[13]。最近，徐上[14]等人以多項Logistic回歸預(yù)測了不同因素對大型活動觀眾出行方式選擇的影響力大小，毛霖[15]等人則建立了基于Logistic回歸模型的電動自行車出行方式選擇模型。

1 實驗數(shù)據(jù)統(tǒng)計分析

1.1 影響行人選擇模式的因素選取

從站內(nèi)設(shè)施分布和行人特征的角度考慮，行人對步梯和扶梯的選擇模式受個體和宏觀兩種因素影響。宏觀因素包括：行人出發(fā)點距離步梯近或距離扶梯近；行人的行進方向；行人是否處于高峰期；行人攜帶行李量，分為攜帶行李和未攜帶行李。個體因素包括：年齡，分為老年人和青壯年人群；性別，分為男性和女性。

將從兩個地鐵站采集的數(shù)據(jù)經(jīng)篩分后匯總，其結(jié)果如表1和表2所示。通過對表1和表2中總體單一劃分的數(shù)據(jù)進行分析，初步得到了可能有意義的4種影響因素：是否處于高峰，是否攜帶行李，行進方向和選擇時前方是否形成拱形，并據(jù)此將站內(nèi)行人群體劃分為如表3所示的16種不同類型。

1.2 統(tǒng)計分析

將真實數(shù)據(jù)的結(jié)果繪制成柱狀圖，如圖1所示，以直觀地感受地鐵站內(nèi)行人在不同狀況下選擇步梯和扶梯模式的不同。

表1 按單一因素進行屬性劃分后的統(tǒng)計結(jié)果

Tab.1 Summary results after separation of different properties due to single factor

表2 按復(fù)合因素進行屬性劃分后的統(tǒng)計結(jié)果

表3 按不同屬性對地鐵站中人群劃分

Tab.3 Separation among people in subway stations by different attributes

續(xù)表3

人群劃分高峰行李方向拱形 D是是下行否 E是否上行是 F是否上行否 G是否下行是 H是否下行否 I否是上行是 J否是上行否 K否是下行是 L否是下行否 M否否上行是 N否否上行否 O否否下行是 P否否下行否

若按單一因素劃分，則容易看到，無論何種因素影響下，選擇扶梯的人數(shù)均大于選擇步梯的人數(shù)，但其影響程度有所不同。當(dāng)前方行人未成拱時選擇步梯和選擇扶梯的人數(shù)比約為1∶2，而前方行人成拱時選擇步梯和選擇扶梯的人數(shù)比約為1∶6，兩者差異顯著，表明成拱因素的確對行人的選擇模式產(chǎn)生了影響。當(dāng)考慮性別因素時，因為無論男性還是女性，其最終的選擇結(jié)果均是選擇步梯的占總?cè)藬?shù)25%左右，選擇扶梯的占總?cè)藬?shù)75%左右，兩者無顯著差異，表明性別因素對行人的選擇模式影響不明顯。

若按復(fù)合因素劃分，以查看高峰期對人選擇模式的影響為例，依次選取A類人群和I類人群、B類人群和J類人群……H類人群和P類人群進行對比，發(fā)現(xiàn)除一例外，其余對比均呈現(xiàn)“處于高峰期的人更愿意選擇步梯”的結(jié)論。但對剩余三種因素分析時發(fā)現(xiàn)其結(jié)果較為復(fù)雜，無法得出直觀的結(jié)論，需要借助統(tǒng)計學(xué)工具進行進一步分析。

2 行人選擇模型與分析

2.1 Logistic二元回歸分析法

二元Logistic回歸是指被解釋變量為二分類變量時的回歸分析。就地鐵站行人選擇模式而言，該課題即是一個典型的二元變量情況，行人選擇步梯或扶梯是一個非一即二的選擇，其與各影響因素之間的關(guān)系分析可以運用到二元Logistic回歸分析法[16]。并且，因為本文取因變量為選擇扶梯的概率，其取值被限定在(0,1)，而回歸方程中的自變量、回歸系數(shù)和殘差的取值沒有任何限制，因此勢必會出現(xiàn)矛盾[17]。為解決這一矛盾而引入二元Logistic回歸分析法，由該方法所得模型方程如下式所示：

L——Logistic概率單位。

2.2 建立模型

將所統(tǒng)計的全部行人的選擇數(shù)據(jù)輸入SPSS統(tǒng)計分析軟件，使用二元Logistic回歸分析法，得到如表3所示的結(jié)果。其顯示了解釋變量篩選過程同各解釋變量之間的回歸系數(shù)檢驗結(jié)果，此處只選取了最有意義的第1步和最后1步的回歸結(jié)果。

表4 方程式中的變量

Tab.4 Variables in the equation

注：步驟1：輸入變量：成拱與否。步驟2：輸入變量：是否處于高峰。步驟3：輸入變量：上行或下行。步驟4：輸入變量：所靠近的設(shè)施。步驟5：輸入變量：性別。步驟6：輸入變量：年齡。

因為顯著性水平大于0.05，所以行李因素沒有被納入方程。另一方面，根據(jù)Raftery[18]的研究，為推翻虛無假設(shè)，某系數(shù)的Wald檢驗量應(yīng)超過樣本量的對數(shù)，即：

式中：——貝葉斯信息準(zhǔn)則參數(shù)；

——Wald檢驗量；

其中：

當(dāng)行人處于高峰，行進方向為上行，選擇時前方行人成拱時，其對應(yīng)的因素值取1，否則取0。結(jié)合因素前的系數(shù)符號易知，當(dāng)時間為非高峰期，行人上行，前方行人成拱時，Lp取到最大的值，且Lp與p成正相關(guān)，故選擇扶梯的概率p也達到最大，因而行人更容易選擇扶梯。 2.3 模型精度檢驗 使用ROC曲線圖檢驗所得回歸方程的預(yù)測精度，選取預(yù)測概率作為檢驗變量，所得曲線如圖2中位于上方的線所示，其具體數(shù)值被歸納在表5中。 行人AUC為ROC曲線下的面積，其值在0.5到0.7間時診斷價值較低，0.7到0.9間時診斷價值中等，0.9以上診斷價值高。 表5 曲線下的面積 Tab.5 Area under the curve 面積圖標(biāo)準(zhǔn)錯誤漸近顯著性水平漸近95%置信區(qū)間 下限值上限 0.7220.0090.0000.7050.740 本文所取對象為回歸方程的預(yù)測概率，其AUC值為0.722，屬于中等診斷價值，表明其具有一定的診斷準(zhǔn)確性，具有診斷價值。因此可以推斷，回歸方程具有相當(dāng)?shù)念A(yù)測精度。 圖2 模型預(yù)測概率的ROC曲線圖 Fig.2 ROC figure of possibilities of prediction by the model 2.4 敏感性分析 首先定義發(fā)生比和優(yōu)勢比的概念：所謂發(fā)生比，即事件發(fā)生的概率與其不發(fā)生概率的比值，記為D，數(shù)學(xué)形式為： 在2016年12月—2017年12月，我院收治100例孕婦，通過隨機數(shù)字表法進行分組，分別劃分為觀察組和對照組，每組各為50例。 （4） 而優(yōu)勢比則為兩個發(fā)生比的比值，記為R，數(shù)學(xué)形式為： （5） 當(dāng)將兩個發(fā)生比進行比較時，會發(fā)現(xiàn)其結(jié)果同對應(yīng)的概率的對比結(jié)果相同，即設(shè)p1>p2，則有： 在花卉種植過程中，施肥主要在每年新芽長出之前、發(fā)育期間進行，可以促進植株生長、保護土壤墑情，對于充分利用土地資源具有非常重要的意義。在施肥過程中需要合理控制氮磷鉀肥的配比。對于花卉的灌溉，應(yīng)根據(jù)花卉的生長情況及當(dāng)?shù)氐挠晁闆r進行。對于降水量較多的情況，還應(yīng)及時做好排水工作，以免導(dǎo)致花卉死亡［4］。 （6） 因此，R是否大于1，可以作為兩種情形下發(fā)生概率大小比較的依據(jù)。 而就本文所論述的課題而言，可以通過比較三個影響因素分別的優(yōu)勢比大小來判斷其對人們最終選擇的影響力大小?？疾烀恳豁椧蛩卦谄渌蛩毓潭ú蛔儠r，其自身變化對于行人選擇模式的影響的大小程度，并依照重要程度對其進行分類。此處需要結(jié)合表2進行分析。 為了驗證IOCAP算法對聚類效果的影響，采用UCI中的Iris(鳶尾花)數(shù)據(jù)集[16]、Diabetes(糖尿病)數(shù)據(jù)集、Digits(手寫數(shù)字)數(shù)據(jù)集、Plant(植物)數(shù)據(jù)集及Posture(手勢識別)數(shù)據(jù)集進行實驗.對五種數(shù)據(jù)集采用K-Means算法、Spectral Clustering算法、經(jīng)典AP算法和IOCAP算法進行聚類.將算法的阻尼系數(shù)damp均設(shè)為0.5，最大迭代次數(shù)設(shè)為1 200，粒度變量Gv中的λ設(shè)為0.6，使得聚心保持穩(wěn)定的迭代次數(shù)設(shè)為120次. （1）“高峰與否”因素：由所得方程知，處于高峰狀態(tài)的人較之處于非高峰狀態(tài)的人使得減小1.143，結(jié)合發(fā)生比可以推知，前者相對后者的優(yōu)勢比為0.319。另一方面，后者相對前者的優(yōu)勢比為3.136。 則主塔樁基滿足鄰樁人工開挖要求，但為了避免施工相互影響，采取間隔交錯施工，群樁開挖及澆筑順序為：1#、8#、15#、4#、11#、18#→3#、13#、6#、16#→2#、14#、5#、17#→7#、9#、10#、12#。 （2）“行進方向”因素：由所得方程知，上行因素較下行因素使得增大0.506個單位，故前者相對后者的優(yōu)勢比為1.659。 雖然國家開展實施統(tǒng)計四大工程，對新時期農(nóng)業(yè)統(tǒng)計工作提出了明確的要求，但是在具體實施和推進過程中，鄉(xiāng)鎮(zhèn)基層農(nóng)業(yè)統(tǒng)計工作依然停留在傳統(tǒng)的統(tǒng)計工作模式上，統(tǒng)計信息化進程緩慢，統(tǒng)計軟件應(yīng)用開發(fā)力度不夠[2]。 （3）“成拱與否”因素：由所得方程知，成拱時較未成拱時使得增大1.128個單位，故前者相對后者的優(yōu)勢比為3.09。 為便于比較優(yōu)勢比大小，統(tǒng)一將3個因素的優(yōu)勢比定為較大的發(fā)生比比上較小的發(fā)生比，由此可以將3個因素分為2個等級： 抗逆力理論為研究孤兒教育與就業(yè)提供的理論支撐是，孤兒救助的社會政策作為外部支持因素，同孤兒個體內(nèi)在優(yōu)勢幫助他們提升其抗逆力；內(nèi)在優(yōu)勢則包括自立人格、家庭責(zé)任和感恩情感、興趣和特長，以及積極思維⑥。這一視角無疑為孤兒教育和就業(yè)社會政策的制定提供了新的介入點。 （1）強影響：包含“高峰與否”和“成拱與否”兩個因素，其優(yōu)勢比分別為3.136和3.09，差值較小，故劃為同一等級；又因其遠大于剩余的影響因素的優(yōu)勢比，故統(tǒng)一劃為強影響 等級。 （2）弱影響：包含“行進方向”一個因素，其優(yōu)勢比為1.659，較之強影響等級為小，故劃為弱影響等級。 2.5 結(jié)果分析 （1）高峰因素和成拱因素均為重要因素，且對行人選擇模式的影響相反。人處于高峰狀態(tài)時，更傾向于選擇步梯；人的前方形成了拱形時，人更傾向于選擇扶梯。前者可以解釋為高峰時期的行人普遍更加焦急，希望能盡快出站，因而會選擇更加快速的步梯；后者則可以解釋為從眾心理，當(dāng)行人看到前方聚集大量人員時，其首要反應(yīng)可能并非避讓，而是跟從，與行人過馬路時忽略信號燈而選擇跟隨前方行人的選擇有相同的心理學(xué)機理[19]。 （2）上行下行為次重要的因素，其中上行時人們更愿意選擇扶梯，這一點與通常的認知相同，即行人為了節(jié)省體力，避免自身生物能的消耗，而選擇利用機械代替自身做功，即在不消耗自身生物能的情況下，增大自己的勢能。 具體在防治病害以及推廣新型作物種類的有關(guān)實踐中，各地可以視情況創(chuàng)建示范基地，運用展示樣品的方式來獲得農(nóng)戶對于新品種的認同。與傳統(tǒng)的作物品種相比，作物新品種具備更強的綜合抗病性能，有助于減低防治病蟲害的投入成本。 （3）性別、是否攜帶行李和行人離哪個設(shè)施更近不具有顯著性，表明其在行人對步梯和扶梯的選擇過程中沒有決定性的影響?，F(xiàn)代社會中男性與女性體力上雖有差別，但尚不足以對人們的選擇構(gòu)成影響。本文統(tǒng)計時是將所有重物歸為了行李一類，而并非單指旅行時所攜帶的行李，因此并非所有行李都重要到能影響人們的選擇；步梯或扶梯哪一個離行人的初始位置更近，看起來似乎是比較重要的因素，但人們做出選擇時往往是根據(jù)自身的具體情況或通行設(shè)施的便利程度來決定的，在此前提下，距離因素的重要性稍顯遜色。 3 結(jié) 論 本文基于地鐵站內(nèi)實地采集的大量數(shù)據(jù)，聯(lián)系行人個人的行為模式以及一些內(nèi)在影響因素，定性分析了不同種類的人群選擇的趨向性，并定量地使用二元Logistic回歸分析法推導(dǎo)出了地鐵站內(nèi)行人選擇步梯和扶梯模式的模型方程。相對于前人的研究，本文發(fā)現(xiàn)了人前成拱時人們所做抉擇與預(yù)期的差異，即并非選擇避讓而是選擇跟隨，且進一步得出了造成這一現(xiàn)象的原因在于“從眾心理”。 由于條件限制，本文沒能更廣泛地采集不同地鐵站的數(shù)據(jù)，從而難以對更多的影響因素進行研究。因此，未來可通過更加廣泛的數(shù)據(jù)來研究更加廣泛的影響因素，進一步完善站內(nèi)行人選擇模式的回歸方程。 參考文獻 [1] 王莉. 虛擬現(xiàn)實技術(shù)在地鐵站火災(zāi)模擬中的應(yīng)用研究[D]. 成都：西南交通大學(xué), 2008：1-5. [2] 劉斌，馬劍，牟瑞芳, 等. 區(qū)分障礙物特性的客車乘客疏散模型與分析[J]. 交通運輸系統(tǒng)工程與信息, 2015, 15(4): 173-180. [3] DOLAN M S, WEISS L A, LEWIS R A, et al. 'Take the stairs instead of the escalator': effect of environmental prompts on community stair use and implications for a national 'Small Steps' campaign. [J]. Obesity Reviews, 2006, 7(1): 25-32. [4] EVES F F, LEWIS A L , GRIFFIN C. Modelling effects of stair width on rates of stair climbing in a train station[J]. Preventive Medicine, 2008, 47(3): 270-272. [5] EVES F F. Is there any proffitt in stair climbing? A head count of studies testing for demographic differences in choice of stairs[J]. Psychonomic Bulletin & Review, 2014, 21(1): 71-77. [6] BOUTELLE K N, JEFFERY R W, MURRAY D M, SCHMITZ M K H. Using signs, artwork, and music to promote stair use in a public building[J]. American Journal of Public Health, 2001, 91(12): 2004-2006. [7] KERR N A, YORE M M, HAM S A, DIETZ W H. Increasing stair use in a worksite through environmental changes[J]. American Journal of Health Promotion, 2004, 18(4): 312-315. [8] ZACHARIAS J, TANG B. Choosing between stairs and scalators in China: The impact of location, height and pedestrian volume[J]. Preventive Medicine Reports, 2015, 2(6): 529-532. [9] EVES F F, THORPE S K S, LEWIS A, TAYLOR- COVILL G A H. Does perceived steepness deter stair climbing when an alternative is available? [J]. Psychonomic Bulletin & Review, (21)3: 637-644. [10] 李濤，陳娟，馬劍, 等. 地鐵車站旅客緊急疏散效率實驗研究[J]. 交通運輸系統(tǒng)工程與信息, 2016, 16(3): 228-234. [11] 史芮嘉，丁勇，柏赟，等. 地鐵乘客對步行樓梯和自動扶梯的選擇行為分析及建模[J]. 交通運輸系統(tǒng)工程與信息，2015，15(1)：185-190. [12] 曹潔，劉黎明，趙宏. 鐵路客運站客流組織的仿真與優(yōu)化[J]. 計算機工程與應(yīng)用, 2014，50(12)：237-241. [13] 張初兵，高康，楊貴軍. 判別分析與Logistic回歸的模擬比較[J]. 統(tǒng)計與信息論壇，2010， 25(1): 19-25. [14] 徐上，陸建，馬海峰，等. 大型活動觀眾出行方式選擇影響因素研究[J]. 交通運輸工程與信息學(xué)報, 2007(4): 77-83. [15] 毛霖，楊新苗，常玉林. 基于Logistic回歸模型的電動自行車出行特征分析[J]. 交通運輸工程與信息學(xué)報, 2007(1): 114-117. [16] 薛薇. SPSS統(tǒng)計分析方法及應(yīng)用[M]. 北京：電子工業(yè)出版社，2004：281-300. [17] 李雪平. 基于GIS的區(qū)域斜坡穩(wěn)定性評價Logistic回歸模型研究[D]. 武漢：中國地質(zhì)大學(xué)， 2005：15-22. [18] RAFTERY A E. Bayesian model selection in social research[J]. Sociological Methodology, 1995, 25(25): 111-163. [19] HAMMED M M. Analysis of pedestrians’ behavior at pedestrian crossings[J]. Safety Science, 2001, 38(1): 63-82. （中文編輯：劉娉婷） Study on Passengers’ Escalator-stair Selection Mode in Subway Station LI Tao1,2，WU Fan-yu2，LIN Peng2，LU Ge-nan2，MA Jian1 ( 1. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China;2. School of Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 610031, China ) Abstract: Stairs and escalators are the main facilities connecting the platform and the hall as well as the hall and the ground safety level, which formed the key path segment for pedestrians in subway stations. Understanding how passengers select stairs and escalators in subway station is of critical importance for pedestrian traffic and evacuation dynamic analysis. The present paper collects pedestrian numbers in two subway stations during peak and off-peak hours, and then statistically explore the influences of 4 different factors on pedestrian’s selection mode. The conclusion is that factors including pedestrian flow direction directions, arch formed or not, rush hours or not, have influences on the selection mode. According to the affection level, these factors can be classified into 2 categories. Basic data and theoretical instruction about stair and escalator selection mode for passengers in metro station are provided and could benefit pedestrian traffic planning. Key words：urban traffic; stairways and escalators; selection mode; binary logistic regression analysis 文章編號：1672-4747（2018）02-0057-07 中圖分類號：U293.7 文獻標(biāo)志碼：A DOI：10.3969/j.issn.1672-4747.2018.02.009 收稿日期：2017-05-30 基金項目：國家自然科學(xué)基金（71473207，51178445）；科技部國家重點研發(fā)計劃項目（2016YFC0802209） 作者簡介：李濤（1983—），男，陜西西安人，博士，講師，主要從事建筑防火、地下交通設(shè)施防滅火技術(shù)及人員疏散教學(xué)和科研工作。 通信作者：馬劍（1983—），男，江蘇徐州人，西南交通大學(xué)教授，研究方向：行人與疏散動力學(xué)。 引文格式：李濤，吳凡雨，林鵬，等. 地鐵站內(nèi)乘客選擇步梯與扶梯模式研究[J]. 交通運輸工程與信息學(xué)報，2018, 16(2): 57-63.