Анализ оптимизации организации пассажирских потоков в пересадочных станциях метро на основе моделирования в AnyLogic

Почему переполненные станции важны

Кто хоть раз спешил через битком набитую станцию метро, знает, насколько стрессовыми бывают толпы. Очереди у билетных автоматов, пробки у турникетов и пересекающиеся потоки людей замедляют движение и создают риски для безопасности. В этом исследовании рассматривается оживлённая пересадочная станция, куда пассажиры междугородних поездов напрямую попадают в метро, и задаётся простой, но важный вопрос: насколько плавнее и безопаснее можно сделать утренний наплыв, если продуманно перепроектировать маршруты, турникеты и указатели?

Вглядимся в оживлённый пересадочный узел

Исследователи сосредоточились на станции S в крупном китайском городе, где метро напрямую связано с главным железнодорожным вокзалом. В пиковые часы в метро заходит около 4000 человек в час, большинство — прибывшие на скоростных поездах и многие с багажом. Поскольку главный выход с платформ поездов ведёт к единой группе билетных автоматов и турникетов, новоприбывшие инстинктивно устремляются туда. В то же время другие пассажиры покидают метро или пересаживаются между линиями. В результате образуется узкая зона, где люди, направляющиеся в разные стороны, пересекают пути друг друга и быстро вызывают пробки.

Создание цифрового двойника толпы

Вместо экспериментов над реальными пассажирами команда создаёт подробную компьютерную модель станции с помощью специализированного ПО AnyLogic. Каждый виртуальный пешеход ведёт себя как отдельный индивид: выбирает маршруты, ускоряется или замедляется, объезжает других, исходя из идеи «социальной силы»: люди притягиваются к целям, отталкиваются от столкновений и в определённой степени тянутся к ключевым объектам, таким как выходы или эскалаторы. В модель внесены реальные измерения — скорость движения с багажом и без, время покупки билетов и пропускная способность турникетов и эскалаторов. С помощью этого цифрового двойника исследователи воспроизводят утренний наплыв и точно видят, где формируются длинные очереди и зоны высокой плотности.

Выявление узких мест

Запуск моделирования для типичного пикового часа подтверждает наблюдения на месте. Один набор билетных автоматов и одна группа входных турникетов у выхода с вокзала перегружены: там наблюдаются очень высокие плотности пассажиров и длинные очереди. В то же время другие турникеты и автоматы дальше по залу используются мало. Информационные указатели сейчас побуждают большинство людей — особенно примерно 88% незнакомых с планировкой — идти к ближайшей группе турникетов. Около 28% пассажиров также предпочитают купить бумажный билет в ближайшем автомате вместо считывания кода, что ещё больше усиливает давку в этой небольшой зоне. Такое неравномерное распределение занимает ценную площадь и замедляет всех.

Перепроектирование путей, турникетов и указателей

Чтобы устранить эти проблемы, исследователи проверяют комбинированную стратегию. Сначала они перенастраивают физическую инфраструктуру: несколько малоиспользуемых выходных турникетов превращаются в новую группу входных турникетов на противоположной стороне зала, а ранее неиспользуемая группа билетных автоматов приводится в действие. Затем они пересматривают навигацию: новые навесные и напольные указатели устанавливаются на ключевых углах и перекрёстках, чтобы мягко разделять пассажиров по направлениям, направляя тех, кто едет на разные линии, к разным турникетам и автоматам. Сообщения просты — люди запоминают лишь несколько пунктов информации мгновенно. В симуляции большинство пассажиров следует указателям, в то время как меньшинство по-прежнему выбирает привычные кратчайшие маршруты, имитируя реальное поведение.

Насколько велико улучшение?

При сравнении нескольких сценариев — изменения только инфраструктуры, только указателей и их сочетания — комбинированный подход побеждает однозначно. Максимальные плотности в худших заторах снижаются примерно на 40–60%, длины очередей у самых загруженных автоматов и турникетов значительно уменьшаются, а среднее время, которое нужно входящим пассажирам, чтобы добраться до платформ, сокращается примерно на четверть. Важно, что качество обслуживания в наиболее перегруженных точках улучшается с «худшего» до более приемлемого уровня, хотя одна зона выхода становится немного загруженнее из-за перераспределения потоков. Станция в целом работает более плавно: потоки становятся яснее, а конфликтных точек меньше.

Что это значит для повседневных пассажиров

Для обычного пассажира вывод обнадёживает: значительное улучшение комфорта и безопасности не всегда требует дорогой реконструкции или новых технологий. Комбинируя более удачное размещение турникетов и билетных автоматов с продуманными, легко читаемыми указателями, транспортные службы могут превратить хаотичные толпы в упорядоченные потоки, сократив время ходьбы и ожидания и эффективнее используя существующее пространство. Исследование показывает, что такие изменения можно оценить и отточить заранее с помощью реалистичных симуляций толпы, предоставляя городским планировщикам практический набор инструментов для поддержания растущих систем метро в движении.

Цитирование: Tian, Y., Jin, G., Lu, S. et al. Simulation-based optimization analysis of passenger flow organization in metro interchange stations using AnyLogic. Sci Rep 16, 12517 (2026). https://doi.org/10.1038/s41598-026-41719-5

Ключевые слова: переполненность метро, пассажирские потоки, проектирование станций, ориентирование и указатели, моделирование пешеходного движения