随着城市人口的增长与公共交通的普及，地铁因绿色环保、运输量大、轻便快捷等优势，已成为城市居民不可或缺的出行方式。与此同时，地铁客运量逐年明显增长，2024年中国地铁平均客运强度已达到0.76万人次/(km·d)[1]。受早晚高峰、大型活动等影响，地铁系统中极易出现突发大客流。地铁车站多为地下空间，结构复杂，在楼扶梯、闸机、出入口等区域容易形成客流瓶颈。此外，地铁车站人员密集，人群组成复杂且多方向客流交织分布，极易发生挤压、摔倒、踩踏等事故，人员伤亡风险较大。例如，2011年7月5日，自动扶梯设备故障导致北京地铁4号线动物园站发生乘客跌倒踩踏事件，造成1人死亡，30人受伤；2015年4月20日，深圳地铁5号线黄贝岭站的站台上，因1名乘客昏倒引起恐慌，造成踩踏事件，共有12人受伤[2]。因此，乘客安全是地铁运营阶段不容忽视的问题，开展地铁车站安全疏散与客流疏运研究对保障突发事件下乘客的生命安全至关重要。
安全疏散是指突发情况下引导乘客有序撤离危险区域，是减轻事故损失、保障人民财产安全的有效手段[3]。中国针对安全疏散的研究较早开始于火灾事故时人员的避灾研究[4-5]。在地铁系统中，就曾发生过多起因疏散不及时、安全疏散设施失效而导致的人员伤亡事件，如2003年韩国大邱地铁纵火事件[6]、2021年郑州地铁5号线水淹事件[7]等。由此可知当紧急事件发生时，及时采取安全疏散措施尤为重要。在现行国家标准中，《地铁安全疏散规范》(GB/T 33668—2017)[8]规定了地铁车站及区间安全疏散的总体要求，同时提出突发事件发生时，应在6 min内将客流控制期超高峰小时下的所有人员疏散至安全地点。为此，许多学者以缩短疏散时间为目标开展了地铁车站安全疏散研究[9-10]。
客流疏运是指将车站内集中的过量乘客通过出入口或列车驶离等方式送离当前车站，确保在某时间段内车站内聚集乘客数量不超过当前车站服务能力或客流疏运组织能力[11]。与安全疏散过程为突发情况的客流单向移动不同，客流疏运过程为常态化的客流多方向移动。因此，安全疏散与客流疏运均为地铁运营中客流组织的重要组成部分，是关系乘客安全的重点研究问题。
本文将回顾和综述目前国内外地铁车站安全疏散与客流疏运的研究进展，并展望未来的研究重点和发展趋势。
1 文献计量学分析
1.1 数据源与研究方法
为评价公共安全领域中地铁车站安全疏散与客流疏运的发展情况与研究趋势，采用文献计量学法梳理当前国内外地铁车站安全疏散与客流疏运的相关文献，以期为相关研究提供新思路。
本文的样本数据来源于Web of Science (WOS)数据库和中国知网(China National Knowledge Infrastructure, CNKI)中文数据库。考虑到同义词和翻译的多样性，所采用关键词如表 1所示。进行文献检索时，分别从对象关键词和内容关键词中选择1个词语组成最终的检索关键词。例如，针对安全疏散方面，中文检索关键词包括“地铁车站疏散” “地铁车站逃生” “地下车站疏散”和“地下车站逃生”等。在所有检索结果中根据内容相关性剔除无关数据，并进行去重后，有效文献数量情况如下：安全疏散方面中文文献735篇(1992—2024年)，英文文献669篇(1991—2024年)；客流疏运方面中文文献313篇(2006—2024年)，英文文献647篇(1996—2024年)。
表 1 文献检索关键词 |
| 领域 | 语种 | 对象关键词 | 内容关键词 |
| 安全疏散 | 中文 | 地铁车站、地下车站、轨道交通车站 | 疏散、逃生 |
| 英文 | metro station、subway station、underground station、rail transit station | evacuation | |
| 客流疏运 | 中文 | 地铁、轨道交通 | 客流疏运、客流管控、客流组织 |
| 英文 | metro、subway、underground station、rail transit | passenger transportation、passenger flow organization、passenger flow control |
在获取样本数据的基础上，综合运用文献计量分析和自然语言处理等方法对国内外研究现状进行分析。主要针对国内外文献的发文统计量和关键词进行可视化展示，揭示国内外地铁车站安全疏散和客流疏运的研究现状和发展趋势。
1.2 发文统计量分析
地铁车站安全疏散领域，中英文文献的发文量总体呈上升趋势，WOS发文量的上升存在波动，而CNKI发文量则相对稳步上升，并于2017年后趋于相对稳定。发文量在整个发展过程中可以分为3个阶段：萌芽阶段、发展阶段和热点阶段。萌芽阶段(2005年及以前) 中英文文献发文量均处于较低水平。最早聚焦于地铁车站疏散的中文文献[13]和英文文献[14]分别发表于1992年和1991年，均与火灾场景有关。发展阶段(2006—2017年) 文献发文量逐年稳步上升，说明学者逐渐认识到地铁车站安全疏散的重要性，这可能与2005年以后发生的各起地铁车站事故有关，例如2005年7月7日发生的伦敦地铁爆炸事件造成56人死亡，引起世人震惊[15]。热点阶段(2017年至今) 地铁车站安全疏散已成为热点话题，每年均有较高的发文量。2020年起，中英文文献的年发文总量已超过100篇。
地铁车站客流疏运领域，WOS发文量远大于CNKI发文量。自2007年起，WOS发文量逐年迅速提升，2020年发文量达到了86篇，2021年略有下降，2022年起则恢复到每年80余篇的发文量。CNKI发文量较少，2016年后每年发文量保持在20篇左右。由此可知，尽管客流疏运的中英文文献发文总量在逐年上升，但其发文量低于安全疏散领域的发文量。同时，中文文献发文量相对较少，仅为英文文献发文量的48.38%。由此可知，中国仍需重视地铁车站客流疏运的研究。
1.3 关键词分析
关键词是科研文章主旨的高度概括，能够帮助快速理解文章的核心内容和主题。为此，本文统计了所有收集文献的关键词，并对各关键词进行频次统计。针对安全疏散与客流疏运相关文献，分别对CNKI数据库和WOS数据库进行关键词统计，得到排名前15的高频关键词(剔除检索关键词)，如图 2所示，图中关键词后的数字为该关键词的出现频次。
剔除“地铁车站”“安全疏散”“客流疏运”等检索词后，不难看出：安全疏散方面的研究主要集中在火灾疏散和消防设计，研究方法多为社会力模型等数值模拟仿真方法，评估目标主要为疏散时间；客流疏运方面的研究主要集中在大客流和换乘车站场景，主要方法同样为模拟仿真。在客流疏运相关英文文献中，部分文献提出了采用深度学习、遗传算法等方式预测客流量。
2 地铁车站安全疏散研究进展
目前，国内外学者已对地铁车站安全疏散开展了较为深入的研究。本文在总结地铁车站安全疏散特点的基础上，对现有安全疏散研究方法进行综述。
2.1 地铁车站安全疏散特点
1) 多层密闭空间特点。
2) 多阶段疏散路径特点。
表 2 地铁车站多阶段安全疏散路径 |
| 乘客初始位置 | 安全疏散路径 |
| 站台层 | 站台层→(楼扶梯)→站厅层付费区→(闸机)→站厅层非付费区→(出入口)→安全区域 |
| 站厅层付费区 | 站厅层付费区→(闸机)→站厅层非付费区→(出入口)→安全区域 |
| 站厅层非付费区 | 站厅层非付费区→(出入口)→安全区域 |
3) 大客流特点。
2.2 地铁车站安全疏散研究方法
部分学者通过实验手段研究了地铁车站安全疏散，例如李涛等[26]开展地铁车站乘客疏散实验，探讨了楼扶梯及闸机的通行效率；静元等[27]和叶伟[28]通过实验计算了地铁车站楼扶梯的疏散能力；张平[29]通过实验研究了疏散过程中引导行为影响下的行人运动规律。然而，实验手段仅可用于局部区域疏散研究，而难以用于整站研究。一方面，难以召集与实际客流数量相同的实验人员；另一方面，通过实验无法重现实际的紧急疏散过程。数值模拟因操作成本低、简单便捷和可重复试验等特点[18]，已成为被广泛应用的主要研究方法。在图 2中，“模拟”“仿真”“社会力模型”等模拟相关词汇的占比较高，一定程度上也说明了数值模拟方法在安全疏散研究中的重要性。
目前国内外学者构建的人员疏散模型总体可以分为3个尺度：宏观模型、介观模型和微观模型。1971年，Henderson[30]较早将宏观理论应用于人群疏散研究。此后，Hughes等[31]和Hoogendoorn等[32]也构建了更精细的宏观行人动力学模型，应用流体动力学逻辑推导步行者二维流动运动方程，模拟流动群体高密度时的拥挤现象。然而，在地铁紧急情况下，由于可能发生碰撞、挤压和绕过人群移动等情况，将行人视为连续流动的介质可能会导致严重的失真。此外，宏观模型无法有效描述行人之间的主观差异[16]。介观模型是宏观模型和微观模型的混合模拟方法，其优点是能够分析大场景下人流的运动。然而，该模型中个体间的交互行为仍然难以明确，因此尚未应用于地铁车站的疏散引导研究。目前，介观模型主要用于道路网络的交通流分配[33-34]。微观模型由于将个体视为独立客体的特点，可以反映个体之间的相互作用和异质性，已成为目前最常用的疏散模型。
微观模型可以准确地描述单个个体的运动，其中社会力模型和元胞自动机模型是人群疏散研究中应用最为广泛的2种模型。社会力模型是一种基于连续力的模型，用于模拟人群行为。许多学者也将社会力模型用于地铁疏散的模拟研究。Yang等[35]基于社会力模型模拟了行人行动，并用于研究地铁站和体育场馆等公共场所的人群疏散。然而，在处理高密度人群时，连续模型的计算效率较低。元胞自动机模型是基于网格的模型，因计算简单而在安全疏散研究中得到不断的发展与应用。Alizadeh等[36]通过构建动态元胞自动机模型来分析障碍物对疏散过程的影响；周美琦等[37]通过改进元胞自动机模型对地铁车厢的疏散过程进行模拟，探讨紧急情况下的乘客疏散行为；杨雨函等[38]采用元胞自动机模型探讨了地铁站台高峰时期候车客流的引导策略。此外，Liu等[39]和Lu等[40]通过实验场景验证了元胞自动机模型在模拟行人疏散方面的适用性。
3 地铁车站客流疏运研究进展
由文献计量学分析结果可知，地铁车站客流疏运的相关研究显著少于安全疏散研究。本文从客流疏运特点、研究方法、优化目标与措施3个方面综述地铁车站客流疏运研究进展。
3.1 地铁车站客流疏运特点
1) 多方向复杂客流移动特点。
2) 乘客批次抵达特点。
3.2 地铁车站客流疏运研究方法
3.3 地铁车站客流疏运优化目标与措施
早期研究中，客流疏运相关控制措施大多集中在地铁与其他公共交通的接驳策略中。杜彩军等探讨了城市轨道交通与其他交通方式的接驳规律[64]；部分学者也探索了地铁接驳公交[65]和高铁[66]等的优化策略。随着地铁系统客流规模的不断增大，越来越多的学者开始关注地铁车站客流疏运过程的控制策略。然而，目前已有研究的主要目标大多为减少乘客等待时间，而较少考虑客流拥挤风险。Liang等[67]设计了在线客流控制策略来管理客流，从而最大限度地减少乘客总等待时间。为提高乘客出行效率，许多学者针对列车时刻表进行了优化，从而提高了地铁系统的运输能力[68-70]。然而，在一些大城市的高峰时段，地铁发车间隔已经接近最小值，难以进一步缩短，这意味着地铁系统的运输能力已经达到饱和。因此，在地铁车站内实施客流疏运措施已成为解决客流拥挤问题的最优选择。现有研究表明，通过安装物理障碍物可以有效提高乘客移动的规范性[71]。目前，在客流高峰时期，地铁车站常用的客流疏运措施包括调整自动扶梯的运行方向[72-73]和设置临时栅栏[74-76]等。然而，目前地铁工作人员仅是机械地采取客流疏运措施，每日按照固定时间区间调整自动扶梯运行方向和布置铁马栅栏，难以完全应对瞬息万变的突发大客流。因此，为提高客流疏运措施的灵活性，一些研究开始探索地铁车站客流疏运措施自适应优化方法，以获取不同客流组成情况下的最佳客流疏运措施[50]。
4 不足与展望
本文分别针对安全疏散与客流疏运领域，从研究内容特点、研究方法等方面进行了综述，现有研究手段和方法的优缺点如表 3所示。通过文献计量学分析可知，中国针对地铁车站安全疏散的相关研究已相对成熟，而针对客流疏运的研究仍需进一步重视。
表 3 现有研究手段和方法的优缺点比较 |
| 研究领域 | 研究手段与方法 | 优点 | 缺点 |
| 安全疏散 | 现场实验 | 数据真实可靠，适用于小规模疏散场景，可获取乘客移动特征 | 受实验规模影响难以实现整站疏散，无法重现实际疏散过程 |
| 宏观模型 | 模型(如气体、流体动力学模型等)成熟易使用 | 未考虑个体差异，无法模拟碰撞、挤压和绕过人群移动等情况 | |
| 介观模型 | 时空信息完整，微观、宏观模型优势互补 | 无法明确个体间的交互行为，在地铁车站领域应用不成熟 | |
| 社会力模型 | 属于微观连续模型，个体微观动机及个体行为与群体现象的关系描述清晰且真实 | 针对高密度人群计算效率低 | |
| 元胞自动机模型 | 属于微观离散模型，原理简单，操作便捷，计算效率高，可扩展性强 | 空间离散，各类模型具有强同质性 | |
| 客流疏运 | 客流观测 | 数据真实可靠，可获取乘客移动特征 | 不同场景乘客特征各异，某具体车站的观测结果不一定适用于其他车站 |
| 数值模拟 | 相关客流疏运模拟软件发展相对成熟 | 多方向移动复杂客流相互作用日趋复杂，现有疏运模拟模型可能较难适配 | |
| 目标优化 | 现有研究已能较大程度缩短乘客候车时间和列车延误时间 | 有关降低乘客聚集风险的研究仍需进一步完善 | |
| 措施优化 | 针对优化列车时刻表、提高地铁系统运输能力的研究已经非常成熟 | 仍然缺乏快速有效的、自适应调整的、高灵活性的客流控制策略 |
安全疏散方面，由于疏散实验存在规模受限、无法重现实际疏散过程等局限性，现场实验较难用于地铁车站整站疏散的研究。随着城市快速发展，结构特异复杂的地铁车站逐渐增多，如三线、四线换乘等，地铁车站安全疏散模拟的计算复杂度越来越高。针对结构复杂的安全疏散场景，结合大数据、机器学习等智能算法，利用算法正向反馈机制对疏散路径进行动态优化将是今后的热点研究方向之一。
在客流疏运方面，优化客流组织策略已成为降低客流风险的主要手段，未来研究可以进一步完善数值模拟模型，以降低乘客面临的风险为主要目标，建立快速有效的、自适应调整的客流控制措施。随着新兴技术的发展，部分学者初步探索了人工智能与大数据分析等方法在客流疏运中的应用。在未来研究中，虚拟现实[77]、机器学习[78]、图像识别[79]和智能语音疏导等技术将在客流预测与疏运策略优化中发挥重要作用。此外，随着地铁线网不断发展，地铁车站网络化运营格局逐渐形成，当部分站点遭受大客流冲击时，其影响将传播至其他站点。客流冲击在地铁线网中的影响传播过程，以及多站协同响应客流组织机制仍需进一步探明。因此，构建网络化层级的客流疏运协同组织策略尤为重要，是未来研究的重点内容之一。
5 结论
本文针对安全疏散和客流疏运2部分研究内容，开展文献计量学分析，在此基础上对地铁车站安全疏散和客流疏运的特点、研究方法等内容进行综述，并讨论其研究进展和存在的不足，主要结论如下：
1) 中国针对安全疏散的研究已得到快速发展，而针对客流疏运的研究仍有待进一步重视。已发表文献中，安全疏散领域的研究场景主要为地铁车站火灾，客流疏运领域的研究场景则集中在大客流疏运组织与控制，对两者的研究方法均主要为数值模拟仿真。
2) 地铁车站安全疏散存在多层密闭空间、多阶段疏散路径和大客流的特点。研究方法上，现场实验因局限性较高而难以实施，社会力模型、元胞自动机模型等微观模型已成为主要的研究手段。未来研究仍需结合大数据、机器学习等智能算法对疏散路径进行动态优化。
3) 地铁车站客流疏运存在多方向复杂客流移动和乘客批次抵达的特点，研究方法主要以数值模拟为主。现有研究多以减少乘客等待时间和列车延误时间为主，并且在优化列车时刻表、提高运输能力等方面已相对成熟。采取客流控制措施已成为降低客流风险的主要手段，然而实际地铁运营中，网络化多站协同响应客流组织机制方面仍然存在不足。
