地下车站系统最优疏散的集中出口分配框架

《Developments in the Built Environment》:Centralized exit allocation framework for system optimal evacuation in underground stations

【字体: 大 中 小 】 时间:2026年07月13日 来源:Developments in the Built Environment 8.7

编辑推荐:

  地下车站(underground stations)是高危环境,由于有限的出入口和封闭的空间结构,火灾可能导致大规模伤亡。本研究提出了一种两阶段集中式疏散引导模型(two-phase centralized evacuation guidance model)

  
地下车站(underground stations)是高危环境,由于有限的出入口和封闭的空间结构,火灾可能导致大规模伤亡。本研究提出了一种两阶段集中式疏散引导模型(two-phase centralized evacuation guidance model),该模型按顺序围绕用户均衡(user equilibrium)和系统最优(system optimum)构建,并在两种条件下对比分析了A*算法(A* algorithm)和Dijkstra算法(Dijkstra's algorithm)的性能。研究人员将一个虚拟的三层地下车站建模为节点-链路图(node-link graph),并设置动态权重以反映拥堵程度和火势蔓延,在十种火灾场景下进行了模拟。以1%为增量探讨出口分配比例(exit allocation ratios),以动态识别最优分布。在阶段一(Phase 1)用户均衡条件下,A*算法的计算效率约为Dijkstra算法的4.5倍,并始终获得更低的最高疏散时间;但观察到了因疏散人员集中于特定出口而产生的瓶颈现象。研究人员利用无政府代价(Price of Anarchy,PoA)量化了用户均衡与系统最优之间的低效率差距,A*算法和Dijkstra算法的PoA平均值分别为1.10和1.14。在阶段二(Phase 2)系统最优条件下,出口分配调整在所有案例中一致降低了最高疏散时间;在无瓶颈环境中,Dijkstra算法在某些情况下表现更优。本研究的发现表明,在设计疏散引导系统时,系统层面的出口分配策略应优先于算法性能优化。
**研究背景、现存问题与研究动机**
地下车站因封闭结构、有限出入口及火灾烟流上升特性,构成高危环境。历史上多起地铁火灾(如1995年巴库地铁、2003年大邱地铁等)导致重大伤亡,凸显高效疏散引导系统的必要性。现有研究多关注路径规划算法(如Dijkstra算法、A*算法)在用户均衡(User Equilibrium,UE)条件下的性能对比,或系统最优(System Optimum,SO)框架下个体路线优化,但缺乏在相同网络条件下同时比较两种算法在UE和SO状态下的表现,且鲜有以精细粒度(如1%增量)动态搜索最优出口分配比例的研究。因此,本研究的动机是:提出一个两阶段集中式疏散引导模型,阶段一基于UE原则让个体自主选择最优出口,阶段二基于SO原则由中央控制系统强制分配出口;同时对比A*算法与Dijkstra算法在两种阶段下的性能,并量化出口分配策略对整体疏散效率的影响。研究成果发表在《Developments in the Built Environment》。

**关键技术方法**
研究人员构建了一个虚拟的三层地下车站节点-链路图(node-link graph),水平链路长5 m,垂直链路长10 m。基于韩国国土交通部设计指南设定步行速度(水平60 m/min,垂直15 m/min),并依据Zhou et al.(2020)的速度-密度关系引入拥堵权重(congestion weight),采用Haam et al.(2025)的火势蔓延速度(60 m/min)及火权重(2)。疏散开始时,29个节点共分布9,100名乘客,每个节点内所有乘客组成一个集群(cluster)。模拟分为两阶段:阶段一(Phase 1)中,每个集群基于实时权重(拥堵+火势)自主选择最短路径,算法每秒钟重新规划;阶段二(Phase 2)中,中央控制系统以1%增量从1%到100%搜索最优出口分配比例,强制将部分集群从过载出口重新分配到欠载出口。使用Python实现,运行于Intel Core i5-13400、8GB RAM环境。

**研究结果**

**5.1 用户均衡结果(User-equilibrium results)**
通过阶段一模拟,在十种火灾场景下,A*算法记录的最高疏散时间范围为574–741秒,Dijkstra算法为590–722秒,A*算法在所有案例中均保持更低的最高疏散时间。出口利用率显示,两种算法均集中使用出口E3(43.7%–49.5%),而A*算法在出口E2上的利用率(平均13.2%)高于Dijkstra算法(7.0%),说明启发式搜索无意中产生了出口分散效应。在案例4中,因火势阻断E3,两种算法均极度集中于E4,导致最长的最高疏散时间。

**5.2 系统最优结果(System-optimum results)**
阶段二模拟中,A*算法的最高疏散时间范围为545–637秒,Dijkstra算法为547–634秒,两者差异在多数案例中不超过1%,Dijkstra算法在部分案例中表现更优。出口利用率数据显示,E1和E2的平均利用率从阶段一的22.8%(Dijkstra)和24.9%(A*)分别上升至39.7%和36.5%,而E3和E4的平均利用率从71.7%和75.04%下降至60.2%和63.5%,证实了分散效应。案例4中E3被阻断,E4利用率显著下降,E1和E2利用率大幅提升,共同导致最高疏散时间降低。

**5.3 对比分析(Comparative analysis)**
对比分析表明,阶段二应用集中出口分配后,所有案例的最高疏散时间均降低:A*算法平均减少59.8秒(8.8%),Dijkstra算法平均减少83.3秒(12.4%)。在计算效率上,A*算法平均探索约170,000–190,000个节点,约为Dijkstra算法(797,000节点)的1/4.5,执行时间也更短(约5.20秒 vs 5.61秒)。值得注意的是,在阶段一中A*算法始终优于Dijkstra,但在阶段二中Dijkstra算法在某些案例(案例3、4、8)中表现更优(分别快6.16%、3.14%、5.84%)。这一结果表明,在系统最优环境下,精确最优解搜索(Dijkstra)比启发式搜索(A*)更有效,但前提是瓶颈已被集中出口分配缓解。因此,系统级出口分配策略应优先于路径搜索算法性能优化。

**5.4 人群规模敏感性分析(Sensitivity analysis of crowd size)**
为验证两阶段模型对不同人群规模的鲁棒性,研究在案例1条件下设置低、中、高三种人群规模(×0.7、×1.0、×1.5)。结果显示,阶段一最高疏散时间随人群规模增加而上升,但阶段二应用后的疏散时间降低率稳定在8.0%–9.8%(A*算法)和8.8%–9.6%(Dijkstra算法),变化仅约1–2个百分点。这表明两阶段集中控制系统的有效性不依赖于特定人群密度条件。

**讨论与结论**
讨论部分提出“优化悖论”(Optimization Paradox),即算法搜索精度越高(如Dijkstra算法),导致更多集群选择相同最优路径,反而加剧拥堵、降低系统效率,该机制与交通工程中的Braess悖论(Braess paradox)类似。用户均衡与系统最优之间的低效率差距通过无政府代价(Price of Anarchy,PoA)量化:A*算法PoA平均为1.10,Dijkstra算法为1.14,表明个体最优路线引导会导致约10%–14%的效率损失。阶段二的集中出口分配有效缓解了瓶颈,证明了系统级流量控制比个体路径优化更重要。结论部分翻译如下:
本研究针对地下车站火灾疏散,提出了一种按顺序围绕用户均衡和系统最优构建的两阶段集中式疏散引导模型,并定量比较了A*算法和Dijkstra算法在两种条件下的表现。十种火灾场景的模拟结果表明,在阶段一用户均衡条件下,A*算法在计算效率和最高疏散时间上始终优于Dijkstra算法;而在阶段二系统最优条件下,两种算法的最高疏散时间收敛到相近水平,或在某些案例中Dijkstra算法表现更优。这些结果数值上证实,系统级出口分配策略对整体疏散效率的影响比单个路径搜索算法的优化性能更具决定性。此前在先前研究中独立处理的用户均衡与系统最优条件,在此被顺序整合到同一模拟中并在相同网络条件下直接比较。通过以1%增量细分出口分配比例的动态最优分配搜索方法,瓶颈缓解效应被定量识别。这些发现表明,在地下车站疏散引导系统设计中,系统级流量控制应优先于算法性能优化,预计结果可作为未来集中式疏散引导系统开发的设计准则。由于本研究基于虚拟车站的模拟,后续需要在大型换乘站及多个真实车站进行额外验证以推广结论。未来研究计划将所提两阶段控制框架应用于真实车站环境,并通过扩展至实时传感器数据联动的动态路径重新规划及基于人工智能的智能疏散引导系统来验证实际适用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号