考慮社交距離的綜合客運(yùn)樞紐換乘銜接效果評價*

孔奧 胥耀方段力偉 馬慶祿

（重慶交通大學(xué)交通運(yùn)輸學(xué)院 重慶 400074）

0 引言

綜合客運(yùn)樞紐是運(yùn)輸系統(tǒng)的核心，也是城市內(nèi)外交通客流集散的重要節(jié)點(diǎn)，不僅聚集了公交、地鐵、出租車、社會車輛等城市交通，還形成了鐵路與公路、水運(yùn)、航空客流之間的換乘銜接。樞紐內(nèi)部結(jié)構(gòu)復(fù)雜且人員流動性大，因此，使旅客快捷舒適地進(jìn)出站對樞紐的良好運(yùn)行至關(guān)重要。國內(nèi)外學(xué)者對綜合客運(yùn)樞紐的換乘銜接效率評價及優(yōu)化做了許多研究。趙政宇等[1]采用基于層次分析法（analytic hierarchy process，AHP）與熵值法相結(jié)合的最優(yōu)組合賦權(quán)法確定指標(biāo)權(quán)重，并建立以可拓理論為核心的高鐵客運(yùn)樞紐換乘銜接多級可拓評價模型。周繼彪[2]通過對樞紐內(nèi)行人交通特性進(jìn)行深入研究，建立了城市綜合交通換乘樞紐安全疏散時間模型。郭偉等[3]引入?yún)^(qū)間層次分析法（interval analytic hierarchy process，IAHP）確定專家權(quán)重和改進(jìn)熵權(quán)法確定基于乘客體驗的客觀權(quán)重，結(jié)合擴(kuò)展模糊Vague集理論建立了高鐵客運(yùn)樞紐離站換乘銜接的改進(jìn)模糊綜合評價模型。張瑞等[4]構(gòu)建了綜合考慮M/G/c/c模型和用戶均衡理論的乘客網(wǎng)絡(luò)動態(tài)客流分配和瓶頸識別模型，通過多指標(biāo)比較,有效識別車站瓶頸及其擁堵情況?？傮w而言，這些評價指標(biāo)的選取與評價方法的適用性對樞紐換乘銜接效果的評估具有較大借鑒意義。

新型冠狀病毒肺炎疫情以來，為防止病毒傳播擴(kuò)散，綜合客運(yùn)樞紐對行人的社交距離提出了明確要求，即要求行人之間的身體在空間上保持一定的距離。醫(yī)學(xué)研究也表明保持社交距離等非藥物干預(yù)措施對新型冠狀病毒肺炎疫情的傳播有抑制作用[5]。因此，國內(nèi)外綜合客運(yùn)樞紐均要求旅客保持一定的社交距離。許多學(xué)者也對此做了相關(guān)研究。周繼彪等[6]針對寧波市城市公共交通系統(tǒng)中存在的防疫問題,提出了基于問題驅(qū)動的城市公共交通非常規(guī)防疫策略。胡松等[7]結(jié)合前景理論與計劃行為理論，開展重大疫情時期SP/RP出行調(diào)查，深入探究了重大疫情對乘客公共交通使用行為和依賴性的影響。Alam等[8]結(jié)合社會力模型，為國際機(jī)場開發(fā)了1個行人微觀仿真模型，并模擬了疫情發(fā)生前及大流行期間的行人移動場景。通過實施2 m社交距離的策略，行人之間小于2 m距離的情況減少93%～94%。陳力等[9]基于社會力模型，驗證了增大行人間距最多能夠降低約25%的感染人數(shù)。

Alam和陳力通過社會力模型驗證了保持社交距離對樞紐疫情防控的有效性[8-9]，但目前社交距離的設(shè)置并沒有明確的標(biāo)準(zhǔn)，在不同的國家對綜合客運(yùn)樞紐的要求也不一致。根據(jù)歐洲時報網(wǎng)[10]和新華網(wǎng)[11]報道，英國的客運(yùn)樞紐要求保持2 m的社交距離，法國要求1.5 m，而中國大陸地區(qū)則要求1 m的社交距離。樞紐內(nèi)保持過大的社交距離將增大旅客的行動阻力，影響旅客的換乘效率和換乘體驗；而在新冠疫情期間，保持過小的社交距離又會增大新冠病毒傳播擴(kuò)散的風(fēng)險。因此，綜合客運(yùn)樞紐社交距離設(shè)置的合理性有待探討，通過對不同社交距離下的換乘銜接效果水平進(jìn)行評價，分析4種常見的不同社交距離對樞紐換乘銜接效果的影響。

首先，在以往研究的基礎(chǔ)上，選取能夠直接表明社交距離對換乘銜接效果影響的評價指標(biāo)，如進(jìn)出站時間和進(jìn)出站效率等，同時以平均客流密度和平均客流密度過高點(diǎn)位數(shù)作為疫情傳播風(fēng)險的評價指標(biāo)。其次，通過Anylogic仿真軟件對綜合客運(yùn)樞紐不同客流量和不同社交距離方案進(jìn)行仿真，輸出并統(tǒng)計評價指標(biāo)結(jié)果。最后，基于CRITIC-熵權(quán)法組合權(quán)重的TOPSIS評價模型對不同社交距離下的換乘銜接效果進(jìn)行評價，并分析社交距離對樞紐換乘銜接效果的影響。

1 保持社交距離對綜合客運(yùn)樞紐換乘銜接效果的影響

在樞紐的服務(wù)能力保持不變的情況下，樞紐換乘銜接效果不同的原因主要受旅客運(yùn)動行為的影響。Helbing在1995年首次提出社會力模型（social force model，SFM）來進(jìn)行行人動力學(xué)的研究，并將行人的行為規(guī)則轉(zhuǎn)換為運(yùn)動方程：行人速度隨時間的變化率dv/dt可由矢量F(t)表示，F(xiàn)(t)即為“社會力”。社會力模型數(shù)學(xué)表達(dá)式見式（1）[12]。

式中：dvi(t)/dt為行人i速度隨時間的變化率；ξi(t)為隨機(jī)誤差項；Fi(t)為行人i受到的“社會力”，可由式（2）進(jìn)一步表示。

式中：(t)為t時刻行人i受到的自驅(qū)動力；表示行人i受到的其他行人的影響，包括排斥力和吸引力表示行人i與墻壁、障礙物等保持一定安全距離的趨勢。

2 換乘銜接效果評價指標(biāo)體系

樞紐換乘銜接效果評價指標(biāo)體系一般包括換乘效率指標(biāo)、換乘服務(wù)設(shè)施指標(biāo)、換乘協(xié)調(diào)性指標(biāo)及反映乘客換乘舒適性等的綜合性指標(biāo)[3]，其中換乘效率指標(biāo)是最能反映車站換乘銜接效果的指標(biāo)。同時，因研究重點(diǎn)是社交距離對換乘銜接效果的影響，涉及不同社交距離下的多組評價方案，因此選取換乘效率評價指標(biāo)作為效果評價的關(guān)鍵指標(biāo)。平均進(jìn)出站距離能直接體現(xiàn)車站接駁方式布局的合理性[13]，而平均進(jìn)出站時間能夠在一定程度上反映平均進(jìn)出站距離，且平均進(jìn)出站時間受客流及設(shè)施服務(wù)能力的影響較大，故平均進(jìn)出站時間能夠反映樞紐的換乘銜接水平。進(jìn)出站效率能夠直接體現(xiàn)成功進(jìn)出站人數(shù)和在站人數(shù)，在站人數(shù)越多，說明樞紐服務(wù)設(shè)施的服務(wù)水平待加強(qiáng)，故進(jìn)出站效率也能反映樞紐的換乘銜接水平。因此根據(jù)綜合客運(yùn)樞紐車站的一般布局，選取平均進(jìn)出站時間和進(jìn)出站效率作為換乘效率評價指標(biāo)。同時，補(bǔ)充疫情傳播擴(kuò)散風(fēng)險作為效果評價的指標(biāo)之一。

2.1 進(jìn)出站時間

1）平均進(jìn)站時間。進(jìn)站時間是指由公交、地鐵、私家車等城市交通方式到達(dá)樞紐車站，在車站內(nèi)經(jīng)步行到達(dá)進(jìn)站口所需要的平均時間。平均進(jìn)站時間則是不同城市交通方式進(jìn)站時間的平均值。

2）平均出站時間。出站時間是指由鐵路、航空等對外交通方式到達(dá)樞紐車站，在車站內(nèi)換乘其他城市交通方式離開車站所需要的時間。平均出站時間則是不同城市交通方式出站時間的平均值。平均進(jìn)站時間和平均出站時間能夠反映車站接駁方式布局優(yōu)劣程度。

3）進(jìn)站口排隊時間。綜合客運(yùn)樞紐的進(jìn)站口往往是整個車站服務(wù)能力最薄弱的地方，因此需要對進(jìn)站口的排隊時間進(jìn)行評價分析。進(jìn)站口的排隊時間是指單位時間內(nèi)旅客在進(jìn)站口排隊時間的總和。

2.2 進(jìn)出站效率

1）進(jìn)站率。進(jìn)站率是指單位時間內(nèi)各種交通方式成功進(jìn)站人數(shù)與到達(dá)車站人數(shù)的比值。

2）出站率。出站率是指單位時間內(nèi)成功出站人數(shù)與對外交通方式到達(dá)車站人數(shù)的比值。

2.3 疫情傳播擴(kuò)散風(fēng)險

新型冠狀病毒肺炎作為1種傳染性極強(qiáng)的疾病，過近的社交距離等居民的高危行為是導(dǎo)致新冠病毒肺炎感染人數(shù)與日俱增的關(guān)鍵[14]。因而選取與社交距離緊密相關(guān)的平均客流密度和平均客流密度過高的點(diǎn)位數(shù)作為疫情傳播風(fēng)險的評價指標(biāo)。

1）平均客流密度?？土髅芏饶軌蚍从硺屑~內(nèi)不同位置人流擁擠情況，結(jié)合客流密度時變圖，可以判斷阻塞現(xiàn)象是否可以快速消散。不同的平均客流密度對應(yīng)不同的服務(wù)服務(wù)水平等級，對應(yīng)關(guān)系見表1[15]。在疫情下，車站擁擠度每增加1人/m2，相比于無疫情時，在樞紐內(nèi)的出行時間會顯著增加[16]。同時，過高的人流密度也將給疫情防控帶來巨大的風(fēng)險。因此，樞紐內(nèi)的平均客流密度應(yīng)該越小越好。

表1 平均客流密度服務(wù)水平等級Tab.1 Average passenger flow density service level

2）平均客流密度過高點(diǎn)位數(shù)。社交距離顯著影響平均客流密度，社交距離增大時，平均客流密度將減小。1 m社交距離情況下與平均客流密度的關(guān)系示意圖見圖1，圖1中實心黑點(diǎn)表示旅客。保持1 m社交距離的情況下10 m×10 m的區(qū)域最多能容納100人，此時的平均客流密度為1人/m2。當(dāng)社交距離為2 m時，10 m×10 m的區(qū)域最多能容納25人，此時的平均客流下降到0.25人/m2。研究表明[17]，當(dāng)行人之間的身體距離小于1 m的情況下，感染新冠病毒的幾率為12.8%，但距離為1 m或更遠(yuǎn)時，這一比例僅為2.6%。因此，為了降低新冠疫情在樞紐內(nèi)傳播擴(kuò)散的風(fēng)險，世界衛(wèi)生組織建議疫情期間應(yīng)保持1 m以上的社交距離[18]。在形成正常排隊隊伍但并不擁擠的情況下，旅客將不會突破設(shè)定的社交距離，如1 m社交距離的正常情況下，行人的間距保持在1 m以上，平均密度將小于1人/m2，2 m的社交距離正常情況下將小于0.25人/m2，但如果旅客的活動空間有限且樞紐的疏散能力不足，旅客將逐漸突破社交距離的限制，從而導(dǎo)致區(qū)域內(nèi)的平均密度提高。根據(jù)文獻(xiàn)[15]，平均客流密度小于等于0.75人/m2時，旅客擁有的服務(wù)水平為B級，此時行人不會與他人發(fā)生沖突，行進(jìn)速度可自由選擇。而當(dāng)平均客流密度大于0.75人/m2時，行人將與周圍行人產(chǎn)生輕微沖突，行進(jìn)速度會有一定降低。當(dāng)平均客流密度為0.75人/m2時，行人之間的社交距離保持在1.3 m以上，能夠讓行人保持1個相對安全的社交距離。因此綜合考慮新冠病毒傳播的特點(diǎn)、樞紐關(guān)于旅客密度服務(wù)水平的劃分和降低疫情傳播擴(kuò)散風(fēng)險的需要，選取密度超過0.75人/m2點(diǎn)位數(shù)作為平均客流密度過高點(diǎn)位數(shù)（后文稱密度數(shù)）作為換乘銜接效果評價的指標(biāo)之一。

圖1 保持1 m社交距離與平均客流密度示意圖Fig.1 Schematic diagram of maintaining 1 m social distance and average passenger flow density

綜合客運(yùn)樞紐換乘銜接效果評價指標(biāo)體系見表2。

表2 綜合客運(yùn)樞紐換乘銜接效果評價指標(biāo)體系Tab.2 The evaluation index system of the transfer and connection effect of the comprehensive passenger hub

3 基于TOPSIS的樞紐換乘銜接效果評價模型

樞紐換乘銜接效果評價屬于多層次多屬性群決策問題，研究基于CRITIC-熵權(quán)法組合權(quán)重的TOPSIS評價模型進(jìn)行評價，計算多個不同社交距離下的換乘銜接效果評價計算結(jié)果。

3.1 CRITIC-熵權(quán)法組合權(quán)重模型

通過層間相關(guān)性確定指標(biāo)重要性法（criteria importance through intercrieriacorrelation，CRITIC）是Diakoulaki等[19]于1995年提出的1種客觀賦權(quán)方法。該方法能夠通過評價指標(biāo)的對比強(qiáng)度和沖突性來衡量指標(biāo)的客觀權(quán)重，但是不能衡量指標(biāo)之間的離散程度。而熵權(quán)法正是根據(jù)指標(biāo)間的離散程度來確定指標(biāo)權(quán)重，綜合使用CRITIC法和熵權(quán)法能夠更加客觀反映指標(biāo)的權(quán)重[20]。因此，選擇綜合使用CRITIC-熵權(quán)法樞紐換乘銜接效果指標(biāo)的權(quán)重。

設(shè)有m個評價對象，n個評價指標(biāo)，原始數(shù)據(jù)為xij，i=1,2,…,m；j=1,2,…,n，首先進(jìn)行量綱一的量化處理。

式中：Xmax和Xmin分別為第j項指標(biāo)的最大值和最小值；xij為處理后數(shù)據(jù)。

經(jīng)過量綱一的量化處理后，各項評價指標(biāo)的值的范圍均在0～1，且越接近于1，代表該指標(biāo)的評價水平越高。

1）CRITIC法。根據(jù)CRITIC方法計算權(quán)重,計算第j項指標(biāo)的信息量。

式中：cj為第j項指標(biāo)的信息量；σj，分別為第j項指標(biāo)的標(biāo)準(zhǔn)差和平均值；rij為第i項指標(biāo)與第j項指標(biāo)之間的相關(guān)系數(shù)。

計算第j項指標(biāo)的權(quán)重。

2）熵權(quán)法。根據(jù)熵權(quán)法計算權(quán)重，計算第i個評價對象第j項指標(biāo)出現(xiàn)的概率。

計算第j項指標(biāo)的信息熵。

計算第j項指標(biāo)的權(quán)重。

計算組合權(quán)重。

由于CRITIC法結(jié)合了標(biāo)準(zhǔn)差系數(shù)法、均方差法和主成分分析法的優(yōu)勢,充分考慮了指標(biāo)對比強(qiáng)度及數(shù)據(jù)間的關(guān)聯(lián)性,而熵權(quán)法則從離散程度間接反映指標(biāo)重要性假設(shè)，進(jìn)而實現(xiàn)了客觀賦權(quán)法間的優(yōu)勢互補(bǔ)。因此假設(shè)2種賦權(quán)方法具有相同的重要性，取β=0.5[21]。

3.2 TOPSIS模型

優(yōu)劣解距離法（technique for order preference by similarity to ideal solution，TOPSIS）根據(jù)有限評價對象與理想化目標(biāo)的接近程度來進(jìn)行排序，且通過衡量評價對象與最優(yōu)解、最劣解的距離進(jìn)行排序[22]。綜合運(yùn)用CRITIC方法、熵權(quán)法、TOPSIS方法，可有效地克服傳統(tǒng)TOPSIS方法無法反映變量之間相關(guān)性和重要程度的缺點(diǎn)，通過量綱一的量化處理也可以有效避免逆序問題。

1）計算加權(quán)矩陣。

式中：Vij=xij·wj，wj為第j項指標(biāo)的權(quán)重。

2）確定正理想解和負(fù)理想解。

式中：J1為越大越優(yōu)型指標(biāo)集合，J2為越小越優(yōu)型指標(biāo)集合。

3）計算評價對象到正、負(fù)理想解的距離。

計算第i個評價對象與理想解的相對貼近度。

式中：0≤δ≤1，根據(jù)δi數(shù)值大小進(jìn)行排序，數(shù)值越大表明越接近最優(yōu)水平。

4 實驗方法及結(jié)果分析

4.1 實驗方法

由于社會力模型已成功應(yīng)用于PTV Vissim、MassMotion、Anylogic等商業(yè)軟件微觀行人人群模擬的基本模型中，且AnyLogic軟件是1款基于社會力模型的仿真軟件，可以完成混合系統(tǒng)、系統(tǒng)動力學(xué)及基于agent的建模和仿真，能夠為使用者提供獨(dú)特的仿真方法，AnyLogic能夠創(chuàng)建二維或三維下的建筑物或存在大量行人運(yùn)動的區(qū)域，且能夠直接觀察仿真過程，并輸出仿真過程中的行人密度、時間、速度等數(shù)據(jù)，進(jìn)而預(yù)測系統(tǒng)條件變化可能產(chǎn)生的影響[13]。并能夠?qū)π腥说纳缃痪嚯x進(jìn)行設(shè)置，因此本文選擇Anylogic來對保持社交距離下的旅客換乘行為進(jìn)行模擬，并通過對不同社交距離下的換乘效果進(jìn)行評價，分析社交距離對樞紐換乘銜接效果的影響。

重慶西站為中國鐵路成都局集團(tuán)有限公司的特等站，集長途客車、公交、軌道交通、出租車和網(wǎng)約車等多種交通方式于一體。除通過小汽車進(jìn)站以外，其余所有進(jìn)出站方式均需在綜合客運(yùn)樞紐部分進(jìn)行換乘，因此涉及的進(jìn)出站時間只包括在綜合客運(yùn)樞紐部分進(jìn)行換乘的時間，具體為軌道交通出站時間、出租車出站時間、長途客車進(jìn)站時間、軌道交通進(jìn)站時間、長途客車出站時間、網(wǎng)約車出站時間、公交出站時間、公交進(jìn)站時間等5種出站時間和3種進(jìn)站時間。

通過對12306官方網(wǎng)站，查詢重慶西站的到發(fā)列車情況，確定重慶西站的客流高峰小時。通過對重慶西站實地走訪，調(diào)查其結(jié)構(gòu)布局與高峰小時客流量及各種進(jìn)出站方式的客流比例，并以此為基礎(chǔ)構(gòu)建Anylogic仿真軟件的底圖及作為仿真參數(shù)的輸入。通過Anylogic仿真軟件，對高峰小時為4 000，4 500，5 000，5 500，6 000，6 500，7 000，7 500，8 000人等9種不同客流量及0，1，1.5，2 m等4種不同社交距離，共計36種不同客流和社交距離組合方案，分別進(jìn)行2次仿真，共計進(jìn)行72次仿真，并輸出各項評價指標(biāo)結(jié)果。

4.2 相關(guān)性分析

為了探討客流量和社交距離與各評價指標(biāo)之間的關(guān)系，對輸出的各項評價指標(biāo)結(jié)果進(jìn)行無量綱化處理后，根據(jù)數(shù)據(jù)分布特點(diǎn)，對客流量和社交距離與評價指標(biāo)之間的相關(guān)性進(jìn)行Spearman假設(shè)性檢驗，見表3?？土髁颗c密度數(shù)、平均密度、排隊時間、進(jìn)站時間，以及出站率評價值具有顯著的負(fù)相關(guān)關(guān)系，即總體而言，客流量越大，密度數(shù)、平均密度、排隊時間、進(jìn)站時間，以及出站率評價值越??；社交距離與密度數(shù)、平均密度具有顯著的正相關(guān)關(guān)系，與進(jìn)站時間、出站時間、進(jìn)站率，以及出站率評價值具有顯著的負(fù)相關(guān)關(guān)系，即總體而言，社交距離越大，疫情傳播擴(kuò)散風(fēng)險評價值越大，進(jìn)出站時間，以及進(jìn)出站效率評價值越小。通過各項評價指標(biāo)隨不同客流量和不同社交距離變化情況，進(jìn)一步明確不同社交距離和不同客流量與各評價指標(biāo)之間的變化情況，見圖2～4。由圖2可見：①進(jìn)站時間、出站時間和排隊時間評價值在社交距離為0，1，1.5 m，進(jìn)站時間和排隊時間在2 m社交距離下，呈現(xiàn)出隨社交距離的增大而逐漸減少的趨勢，這是因為社交距離對旅客的行動產(chǎn)生了影響，并且社交距離越遠(yuǎn)，影響程度更為嚴(yán)重；②排隊時間評價值在社交距離為2 m時出現(xiàn)上下波動的現(xiàn)象，結(jié)合仿真實時情況，發(fā)現(xiàn)此時在鐵路進(jìn)站口聚集大量旅客，但不能形成有效排隊隊伍，造成旅客不能正常進(jìn)站。這說明此時的社交距離對鐵路進(jìn)站口的進(jìn)站行為產(chǎn)生了更為嚴(yán)重的影響，因此在統(tǒng)計排隊時長時，不能正確統(tǒng)計出排隊時間，2 m社交距離下的排隊時間較短，其評價值呈現(xiàn)出較高的水平，同時由于沒有形成有效排隊隊伍，此時也會降低進(jìn)站人數(shù)，導(dǎo)致進(jìn)站率降低，使進(jìn)站率評價值大幅降低；③出站時間評價值在社交距離為2 m情況下，隨客流量的增大呈現(xiàn)出明顯的下降趨勢，結(jié)合仿真實時情況，發(fā)現(xiàn)在換乘大廳層城市軌道交通進(jìn)站口前聚集了大量旅客，進(jìn)站速率受到嚴(yán)重影響，這是因為2 m的社交距離也對城市軌道交通進(jìn)站口的進(jìn)站行為造成了影響，且隨客流量的增大影響程度也變大。

表3 Spearman假設(shè)性檢驗Tab.3 Spearman hypothesis test

圖2 進(jìn)出站時間指標(biāo)評價值隨客流量和社交距離變化情況Fig.2 The change of the entry and exit time index evaluation value with the passenger flow and social distance

由圖3可見：進(jìn)站率評價值隨社交距離的增大呈現(xiàn)出逐步下降的趨勢，隨客流量的增長呈現(xiàn)出小幅下降趨勢。出站率值在社交距離為0 m和1 m情況下，隨客流量的增長出現(xiàn)小幅上下波動現(xiàn)象，且波動范圍基本一致，在1.5 m情況下，出現(xiàn)小幅下降趨勢，在2 m情況下，出現(xiàn)大幅下降趨勢，且與出站時間評價值隨客流量和社交距離變化的情況基本一致。

圖3 進(jìn)出站效率指標(biāo)隨客流量和社交距離變化情況圖Fig.3 The change of the inbound and outbound efficiency index with the passenger flow and social distance

由圖4可見：平均密度評價值在社交距離為0，1，1.5 m的情況下，出現(xiàn)小幅下降趨勢，但均維持在較高水平。平均密度評價值在社交距離為2 m，客流量超過6 000人時，開始出現(xiàn)大幅下降趨勢。密度數(shù)值均隨客流量的增大出現(xiàn)了不同程度的下降趨勢，社交距離為0時，密度數(shù)水平一直處于較低水平，這是因為旅客此時無需與其他旅客保持社交距離，因此容易造成多區(qū)域密度超過0.75人/m2現(xiàn)象，導(dǎo)致密度數(shù)評價值偏低。

圖4 疫情防控指標(biāo)隨客流量和社交距離變化情況圖Fig.4 Graph of changes in epidemic prevention and control indicators with passenger flow and social distance

4.3 指標(biāo)權(quán)重分析

通過CRITIC-熵權(quán)法組合權(quán)重法得到的換乘銜接效果評價指標(biāo)權(quán)重見表4。一級指標(biāo)中，疫情傳播風(fēng)險、進(jìn)出站時間和進(jìn)出站效率指標(biāo)權(quán)重分別為41.09%，36.08%和22.84%，說明疫情傳播風(fēng)險是本換乘銜接效果評價模型的第一要素，進(jìn)出站時間和進(jìn)出站效率也對換乘銜接效果評價產(chǎn)出了重要影響。從二級指標(biāo)來看，密度數(shù)的綜合權(quán)重為35.13%，排在所有指標(biāo)中的第1位，說明在綜合客運(yùn)樞紐內(nèi)，保持一定的社交距離對樞紐內(nèi)疫情傳播風(fēng)險的評估具有重要作用。進(jìn)站率、進(jìn)站時間和進(jìn)站口的排隊時間分別排在第2/3/4位，說明重慶西站綜合客運(yùn)樞紐的鐵路進(jìn)站口的進(jìn)站效率對換乘效果的評估具有重要影響作用。出站時間、平均密度和出站率位于權(quán)重占比的后3位，說明重慶西站各出站接駁運(yùn)輸方式的服務(wù)能力較好。

表4 換乘銜接效果評價指標(biāo)權(quán)重Tab.4 Weights of evaluation indicators for transfer and connection effect單位：%

4.4 換乘銜接效果評價分析

采用TOPSIS評價模型，得到的不同客流量和社交距離下的二級評價指標(biāo)換乘銜接效果見表5，通過加權(quán)及匯總計算得到不同社交距離下一級評價指標(biāo)的評價水平見表6。按照不同社交距離進(jìn)行分組后，評價結(jié)果按優(yōu)劣排序的社交距離組別為1，1.5，0，2 m，其換乘銜接效果綜合評價水平為分別為0.846，0.673，0.629，0.527，社交距離為1 m相對于社交距離為1.5，0，2 m，換乘銜接效果綜合評價水平分別提升25.71%，34.50%，60.35%，疫情傳播擴(kuò)散風(fēng)險指標(biāo)評價值平均提高53.74%，進(jìn)出站時間指標(biāo)評價值平均提高20.86%，進(jìn)出站效率指標(biāo)評價值平均提高47.79%。

表5 不同社交距離下二級評價指標(biāo)的評價值水平Tab.5 Evaluation levels of the second-level evaluation indicators under different social distances

表6 不同社交距離下一級評價指標(biāo)的評價值水平Tab.6 Evaluation levels of the first-level evaluation indicators of different social distances

因此，可以認(rèn)為綜合客運(yùn)樞紐在社交距離為1 m的情況下，樞紐的換乘銜接效果最好，同時也能減少疫情在樞紐內(nèi)傳播擴(kuò)散的風(fēng)險。

通過對1 m社交距離在不同客流量下的綜合評價水平進(jìn)行對比，見圖5。由圖5可見：客流量超過5 000和7 000人時，服務(wù)水平出現(xiàn)了較大幅度的下降，降幅分別為10.75%和12.05%。結(jié)合圖1～3可見：社交距離為1 m，客流量為5 500人時，除進(jìn)站率之外的其他評價指標(biāo)相較于社交距離為1 m，客流量為5 000人時都有小幅度下降；社交距離為1 m、客流量為7 500人時，相較于社交距離為1 m、客流量為7 000人時，排隊時間評價值下降30.86%，而社交距離為1 m的其他評價指標(biāo)并未隨客流量的增長出現(xiàn)明顯的變化。因此，在保持社交距離為1 m的情況下，當(dāng)高峰小時客流量超過5 000人時，除進(jìn)站率之外的其他評價指標(biāo)均有小幅度下降，當(dāng)高峰小時客流量超過7 000人時，排隊時間評價值會出現(xiàn)1個大幅度的下降，這2者都導(dǎo)致在客流量超過5 000和7 500人時的換乘銜接效果綜合評價水平出現(xiàn)了大幅的下降。

圖5 1 m社交距離在不同客流量下的綜合服務(wù)水平Fig.5 Comprehensive service level of 1-meter social distance under different passenger flow

由表6可見：不設(shè)置社交距離限制（即社交距離為0 m）時相較于設(shè)置了社交距離限制（即社交距離為1，1.5，2 m）時，綜合評價水平平均降低7.77%，進(jìn)出站時間指標(biāo)評價值平均提高47.08%，進(jìn)出站效率指標(biāo)評價值平均提高60.00%，而疫情傳播擴(kuò)散風(fēng)險指標(biāo)評價值平均降低70.09%。

社交距離為0 m時的疫情傳播擴(kuò)散風(fēng)險指標(biāo)的評價值僅為0.099，通過對仿真密度圖的觀察發(fā)現(xiàn)，0 m社交距離下的旅客由于未受到社交距離的限制，更容易形成客流集聚現(xiàn)象，導(dǎo)致部分區(qū)域平均密度過高，特別是當(dāng)客流量超過5 000人/h時，超過0.75人/m2的密度數(shù)均超過20處；1 m和1.5 m社交距離的疫情傳播擴(kuò)散風(fēng)險指標(biāo)評價值均保持在較高水平，此外，社交距離為1 m和1.5 m的平均密度評價值和密度數(shù)評價值在相同客流量下基本保持在相同的水平，而當(dāng)客流量為8 000人/h時，1.5 m社交距離下的密度數(shù)水平出現(xiàn)了1個較大幅度的上升；社交距離為2 m，在客流量小于6 500人/h時，平均密度評價值和密度數(shù)評價值均處于較高評價水平，且大于社交距離為0 m的評價值；在客流量超過6 500人/h情況下，2 m社交距離下的平均密度評價值和密度數(shù)評價值均出現(xiàn)較大幅度下降的情況，且2 m社交距離下的平均密度評價值低于0 m社交距離下的評價值，但2 m和0 m社交距離下的密度數(shù)評價值均處于接近于0的低水平。由于密度數(shù)和平均密度占綜合綜合評價水平的權(quán)重分別為39.7%和3.91%，因此2 m社交距離的疫情傳播風(fēng)險評價值要高于0 m社交距離的評價值。

5 結(jié)束語

1）平均密度超過0.75人/m2的點(diǎn)位數(shù)、進(jìn)站口排隊時間、進(jìn)站時間和進(jìn)站率對綜合客運(yùn)樞紐換乘銜接效果綜合評價水平的影響較為關(guān)鍵，平均密度、出站時間和出站率對綜合客運(yùn)樞紐換乘銜接效果評價水平的影響作用并不明顯。

2）綜合客運(yùn)樞紐換乘銜接效果最好的社交距離為1 m，相對于社交距離為1.5，0，2 m，換乘銜接效果綜合評價水平分別提升25.71%，34.50%，60.35%，疫情傳播擴(kuò)散風(fēng)險指標(biāo)評價值平均提高53.74%，進(jìn)出站時間指標(biāo)評價值平均提高20.86%，進(jìn)出站效率指標(biāo)評價值平均提高47.79%。

3）建議綜合客運(yùn)樞紐應(yīng)該繼續(xù)保持1 m的社交距離。在保持社交距離為1 m的情況下，當(dāng)高峰小時客流量超過5 000人時，除進(jìn)站率之外的其他評價指標(biāo)評價值均有小幅度下降，當(dāng)高峰小時客流量超過7 000人時，排隊時間評價值出現(xiàn)1個大幅度的下降，這二者都導(dǎo)致在客流量超過5 000和7 500人時的換乘銜接效果綜合評價水平出現(xiàn)了大幅的下降。

4）對社交距離不進(jìn)行限制時比限制了社交距離時，綜合評價水平平均降低7.77%，進(jìn)出站時間指標(biāo)評價值平均提高47.08%，進(jìn)出站效率指標(biāo)評價值平均提高60.00%，而疫情傳播擴(kuò)散風(fēng)險指標(biāo)評價值平均降低70.09%。

現(xiàn)有研究缺乏對評價社交距離對樞紐換乘銜接效果影響的討論，通過引入疫情傳播擴(kuò)散風(fēng)險指標(biāo)，創(chuàng)新性地提出1種適用于評價社交距離下的樞紐換乘銜接效果的指標(biāo)體系，并通過采用評價的方法來分析社交距離對樞紐換乘銜接效果的影響。本文提出的評價指標(biāo)體系既能體現(xiàn)出保持社交距離下樞紐換乘銜接效果水平，又考慮了疫情傳播擴(kuò)散的風(fēng)險，克服了傳統(tǒng)樞紐評價方法在考慮疫情傳播風(fēng)險方面的不足。由于在大客流及2 m社交距離下，旅客行動力受到較大限制，Anylogic統(tǒng)計的部分進(jìn)站口排隊時間有一定的不足，未來研究可在此做出進(jìn)一步優(yōu)化。