地铁站乘客上下车效率因素影响分析

摘　要　地铁站内乘客上下车的效率 影响 着地铁的运营效率和服务水平。其中有 自然 因素和人为因素。通过实地调查测量,搜集整理数据,运用方差 分析 的数学 方法 对地铁乘客上下车效率因素影响进行了定量 研究 。认为当前的地铁硬件设施水平已经基本能够满足人们普遍的上、下车要求,影响乘客上下车效率的主要是人为因素,乘客群体层次差异对整体效果有一定的影响。

关键词　地铁,上下车效率,方差分析

　　地铁车站作为一个特殊的活动空间,人们的走行速度受到不同因素的制约。当前,随着人们出行水平的提高、时间观念的增强以及对安全的需求增长,行人 交通 [1]越来越多地受到研究人员的关注[2]。在地铁车站中,上下车是主要的交通活动之一。上下车的速度不仅影响着地铁站内人群的活动,同时也影响地铁列车的停车时间以及地铁的服务水平。对地铁乘客上下车效率进行因素影响分析,对改善地铁乘车环境,提高地铁服务水平具有重要的意义。
地铁乘客上下车速度受到很多因素的影响,自然因素中有气候条件、乘车时间等; 社会 因素中有乘客群社会关系、乘客社会层次等;硬件因素中有站台布设、列车型号等;个人因素中有性别、年龄差异,生活习惯等。分析出每种因素的影响将是一个庞大的工程,需要不断地深入研究。
迄今为止,国内外对行人交通研究深度远远不及机动车交通,其调查和分析方法需要不断地改进和完善。WWw.lw881.com传统的研究仅仅对影响上下车的因素进行定性的研究。本文仅通过对北京地铁1号线、2号线和13号线进行实地调查统计,并对统计数据整理分析,采用方差分析的数学方法对影响地铁站内乘客上下车效率的主要因素进行定量分析研究。
1 方差分析法
方差分析法是常见的数理统计分析方法,由英国统计学家首创;为纪念fisher,以f命名,故方差分析又称f检验,其目的是推断两组或多组资料的总体均数是否相同,检验两个或多个样本均数的差异是否有统计学意义。方差分析是数理统计的基本方法之一,它实质上是研究自变量(因素)与因变量(随机变量)的相关关系,辨明某个因素对因变量是不是有显著影响。
2 地铁乘客上下车行为特点
乘客上下车是乘客乘车的一个重要组成部分,是发生在站台和列车连接点(车门)处的行为,如果控制失当很容易发生拥挤和堵塞,甚至发生危险事故。对乘客上下车花费时间进行实测是我们掌握乘客上下车行为主要特征的重要手段之一。乘客上下车花费时间的实测方法主要有现场人工观测、摄影、摄像等。
通过大量观测,可以 总结 出以下一些地铁乘客上下车行为特征:
(1)当上下车乘客都赶时间时,整体上下车速度才可能加快;个别乘客上下车速度快不代表上下车整体速度快;
(2)乘客上下车速度很容易受上下车乘客群中的个别乘客影响,如可能负重过多、行动不便的乘客存在;
(3)个别乘客上下车效率具有随机性,乘客数量与乘客上下车平均花费时间没有明显的线性关系;
(4)由于秩序混乱乘客上下车互相影响,乘客上下车所用的总时间可能是某一方乘客上车或下车所用时间。
3 地铁乘客上下车速度实测和统计
2006年7月25、26日两天,分别对北京地铁1号线、2号线和13号线的连续乘客上下车花费时间进行了抽查实测。抽查实测地点分别为:北京地铁1号线的西单、王府井地铁站,2号线的安定门、积水潭地铁站,13号线的五道口、回龙观地铁站。观察发现所选车站的客流结构相对比较相似,包括上班、上学、出差、购物和娱乐客流等。实测的基本工具为秒表。进行实测获取的基本量为:连续上下车乘客数量,上下车所用时间。为了取得可用数据,先进行了实测训练并达到比较稳定的状态。
连续上下车乘客是指当列车停稳后已经准备好上下车的乘客;上下车所用时间是指所有连续上下车乘客上下车完成过程所花费的时间。通过数学方法上下车所用时间与连续上下车乘客数量相除得到乘客上下车花费时间。
数据整理和统计分析步骤为:首先将实测数据分类输入,采用excel软件进行编程;对各组数据进行筛选,去除不合理的数据;然后用程序 计算 ,并用方差分析法进行分析。
为更好地 应用 方差分析法,将所有影响因素综合为两个大的因素,分别为自然因素和人为因素。自然因素指比较客观的因素,基本属于自然或地铁硬件设施方面的因素;此因素反映了由于因素的各个水平的不同作用在数据中引起的波动。人为因素指除客观因素以外与乘客本身相关的各种因素,此因素反映了由于随机误差的作用而在数据中引起的波动。
表1是3条地铁线自然因素的异同。所列自然因素包括:车辆型号、车厢总数、车门总数、线路特征、天气情况、调查时间、车门与站台距离、车门与站台高度、车门宽度、调查车站等。

　　人为因素包括:乘客同时上下车人数、乘客年龄、乘客性别、上下车秩序、乘客负重、乘客群文化水平、乘客群社会关系、乘客出行意图等。由于人为因素不容易量化,在此仅列出影响因素。
北京地铁1号线抽查实测乘客上下车花费时间数据14组;北京地铁2号线抽查实测乘客上下车花费时间数据14组;北京地铁13号线抽查实测乘客上下车花费时间数据17组。通过对数据进行筛选整理和计算,其有效数据和上、下车花费时间见表2。

4 数据 分析
对上表进行统计,其有效数据个数和总平均上、下车花费时间见表3。

从表2、表3可以看出,上、下车花费时间之间存在差异,上、下车花费时间均受到多种因素 影响 ,数据之间具有一定的可比性。每组上、下车花费时间分布基本符合正态分布 规律 。通过 计算 ,平均花费时间存在一定差异,虽然2号线和13号线上车平均花费时间基本相同,但是不能确定出其因素影响是否也相同。所以需要对数据再进行方差分析。
方差分析过程可以通过表4来完成。

　　表4中:ξij为样本值;ξ—为样本总均值;s2i为样本方差;n为样本总数;st为总平方和,其大小反映了全部数据ξij的波动程度的大小;se为组内平方和,其大小反映了重复试验中随机误差的大小;sa为组间平方和,其大小反映了因素的各个水平所对应的总体均值之间的差异程度。
将乘客上车花费时间和下车花费时间分别进行整理计算,填入方差分析表5、表6。

　　给定显著水平α=0.10,查f分布表,得f1-α=(r-1,n-r)=f1-0.10(2.38)=2.44。因表5中f=0.27<2.44=f1-0.10(2.38),故可以认为当前水平下 自然 因素对地铁乘客上车效率没有显著影响。即认为乘客上车效率不会因当前水平下自然因素的不同而有显著差异。
　　给定显著水平α=0.10,查f分布表,得f1-α=(r-1,n-r)=f1-0.10(2.39)=2.44。因表6中f=1.00<2.44=f1-0.10(2.39),故可同样认为当前水平下自然因素对地铁乘客下车效率没有显著影响。即认为乘客下车效率不会因当前水平下自然因素的不同而有显著差异。产生该结果的原因可能是在一定的自然条件下,人为因素直接影响了乘客的出行速度、出行压力和应对拥挤的方式。这些都是降低效率的直接因素。
综上所述,通过方差分析法可以知道,在当前水平下自然因素对地铁乘客上下车效率均没有比较显著的影响,因此在因素影响 研究 中可以适当地忽略一些自然因素的研究,从而考虑主要因素的影响,在此可以知道地铁乘客上下车效率均主要受人为因素的影响,下车影响因素比上车影响因素多些。为此,可以通过不断改善地铁乘车环境,提高地铁服务水平,来提高地铁运营效率。
5 结论
通过以上分析、统计和计算,可以得出以下结论:(1)地铁乘客上下车效率受多种因素影响,但主要影响因素为人为因素;(2)人为因素当中的主要影响因素还需要进一步统计分析;(3)当前的地铁硬件设施水平已经基本能够满足人们普遍的上下车要求;(4)乘客群体层次差异对整体效率有一定的影响。
本文数据采集主要是通过抽查方式研究地铁乘客上下车效率因素影响分析,因此地铁乘客上下车平均花费时间的确定还需要采集更多的样本进行分析。本文研究的 内容 尚浅,还需要不断的深化,实验 方法 和数据的处理还需要不断的完善。

参考 文献
[1]陈然,董力耘.