SimWalk人群仿真实战：社会力模型、核心机制与疏散评估

1. 为什么要用 SimWalk：人群仿真到底在解决什么问题

1.1 三个典型痛点场景，先看仿真能不能接得住

接触 SimWalk 之前，我经手过不少交通枢纽的客流组织项目。甲方往往拿着一张大客流照片问：高峰期检票口这样布置，旅客会不会在通道里挤成团？疏散楼梯开三个够不够？这类问题用常规的"除面积算密度"方法回答不了，因为人流不是均匀分布的，更不是一条河道里等速流动的水。人会在瓶颈处自动排队、会在扶梯口扎堆等待、会在出入口处形成弧形的挤压拱，这些现象都是个体与个体之间、个体与边界之间相互作用涌现出来的。SimWalk 就是专门模拟这类行人级微观行为的工具，它在瑞士开发，核心做法是把每位行人当作独立个体，在其身上施加物理驱动力、避碰力与边界推力，逐帧推进位置与速度，最终输出密度分布、排队长度、走行时间、疏散完成时间等指标。

实际项目里，SimWalk 主要接三类需求。第一类是瓶颈识别：大客流条件下，某段通道宽度不足，人流速度骤降，排队一直回溯到其他区域，影响范围远超那一段通道本身，用仿真可以直观看到回溯点在哪里、影响程度多大。第二类是疏散评估：紧急情况下，所有人员撤离建筑所需总时间、各出口分担比例是否合理，某些出口是否会过早拥挤到失效，都必须按时间轴复盘。第三类是方案比选：扶梯换乘方式、走廊走向、闸机数量、出口位置调整后，服务水平会提升还是恶化，仿真能把几个方案放在同一套流量基准下横向比较，而不是靠评审会上拍脑袋。

1.2 SimWalk 在仿真工具版图里的位置

朋友常问我：SimWalk 和 AnyLogic、Pathfinder、MassMotion、Legion 有什么差别？怎么选？我自己的理解是，它们都是微观行人仿真器，但侧重点不同。我整理过一张对比表，给项目组内部用，大致是这样：

我的选型逻辑不复杂：看项目最核心的问题落在哪一层。如果只做消防疏散专项，Pathfinder 在规范对接和出口流量校核方面非常成熟；如果仿真嵌在一个更大的运营系统里，比如要同时模拟列车到发、售票窗口排队和站厅客流，AnyLogic 的混合建模优势明显。但如果是纯粹的公共空间行人行为研究、密度瓶颈分析、过街设施评估和枢纽改造比选，SimWalk 用起来最顺手。它的路径网络建模逻辑跟行人实际认知方式接近，能模拟出"人在某个决策点犹豫选哪条路"的过程，这一点在复杂枢纽里相当关键。

还有一点是排队行为。很多传统社会力模型会把行人在服务台前的等待简单处理为互相推挤，结果就是排队区域密度异常高，柱子附近甚至出现压成一片的假象。SimWalk 在底层社会力模型之上增加了排队与等待逻辑，行人到达服务设施前会减速、排队、跟随队列前进，这跟现实中售票窗口前的行为一致。做轨道交通车站改造时，排队建模质量直接影响人均排队时间和最大队长这两个结论，所以这一点我很看重。

2. SimWalk 的核心机制：它凭什么能把人流算出来

2.1 宏观层：给行人一张"心智地图"

SimWalk 模拟行人走行，不是简单地从起点直线冲向终点。它采用路径网络加决策节点的结构，建模者先在 CAD 底图基础上定义一条"行人可以走的路网"，包括通道、楼梯、扶梯、检票口、候车区等区域，然后指定行人从哪个入口出发、消逝在哪个出口。行人在运行时会沿着网络行进，在每个决策节点做路径选择。这个过程像极了导航软件：给定了起终点之后，系统评价多条候选路径的距离与难度，选出一条较优的路径。SimWalk 里，你可以给走廊、楼梯附加不同的走行阻力或时间权重，行人会倾向选择"看起来更好走"的路，而不一定是几何最短的路。

这个"心智地图"的设计是 SimWalk 的一个强项，也是需要建模者投入最多精力的一环。路径网络搭得合理不合理，直接决定仿真结果像不像真实世界。我做过的项目里，最常用到路径网络弹性的是施工期客流组织：某段通道临时封闭、某部扶梯停运时，只需要在网络里禁用对应路径段，行人就会自动绕行到替代路径上。这比重新建模要高效得多，尤其在施工方案多轮调整时，按天出图都来得及。

实际搭建时有个原则：路径网络不是越密越好。太密的网络会让行人在决策点上频繁纠结，走行走出一条不自然的锯齿线；太疏的网络又无法表现行人实际可选择的路线。我通常按真实设施布局来定决策点：楼梯口、扶梯口、闸机队列队尾、分叉通道、大厅中央区域，这些位置是行人犹豫和选择的高频点。把决策点放在这些位置，仿真输出的轨迹才会贴合现场实测，否则后期调参很痛苦。

2.2 微观层：改进社会力模型的力学解释

SimWalk 微观运动的力学基础是社会力模型。这个概念最早由 Helbing 等人提出，核心思想是：行人运动不是随意的，而是受力驱动的。每个行人受一个驱动力，驱使它朝目标方向以期望速度前进；同时受周围行人的排斥力，避免与人贴得太近；还受墙体、栏杆等边界的排斥力，防止撞墙。这三类力叠加，决定行人下一瞬间的加速度和速度方向。受力关系大致可以写成 m_i 乘以加速度等于驱动力加行人之间互斥力加边界互斥力，其中互斥力随距离增大而衰减，距离越近推力越强。

这个模型最讨人喜欢的地方，是它能天然涌现出真实人群的自组织现象。比如双向对流行走时，行人会自动分股成几条同向流带；在狭窄门口，两侧行人会交替通过，形成一种间歇性的"成拱—散开"节奏；密度升上来之后，队伍还会出现走走停停的密度波。这些现象在实地视频里经常看到，而用平均流量法算得再细也表达不出来。正因为它能涌现这些微观行为，SimWalk 的输出才具备解释力：密度热力图上的每一片红，背后都有具体的力学成因，而不是简单的数学换算。

SimWalk 在这个模型上做的改进，重点在排队与等待行为的细化和多方向行人交互的稳定性。我实测过不同工具对同一场景的模拟结果，SimWalk 的排队队列更紧凑，队首和队尾密度差更平滑，不会出现在服务台前两个人原地"打架"或互相穿过对方身体的穿模情况。这对做售票窗口、安检区、检票口的项目特别重要，因为服务设施前的人流行为恰恰是评估重点。

需要说明的是，社会力模型的参数是有物理含义的，不是随便调的。期望速度的取值要参考真实人群构成，一般通勤人群步行速度在 1.2 到 1.4 米每秒，老人和儿童偏低，可能在 0.8 到 1.0 米每秒；行人身体投影面积通常按半径 0.15 到 0.2 米的等效圆处理。加速度松弛时间 tau 决定了行人从当前速度调整到期望速度的快慢，常规取值在 0.5 到 1.0 秒之间，这个值过大会导致行人慢吞吞不着急，过小则会让人群像被弹射一样瞬间加速。建小模型试跑时，建议先固定其他参数，只调 tau，观察行人轨迹是否自然。

2.3 三类输入数据，决定模型可信度上限

SimWalk 建模需要的数据，概括起来就三类：几何底图、客流 OD、行为参数。几何底图不只是 CAD 平面图那么简单，它要能准确表达可走行区域、障碍物边界和设施位置。图纸比例尺必须统一，墙体要闭合，座椅、柱子、检票闸机这类设施要以障碍物方式建进去，否则行人会直接穿过它们，密度图立刻失真。客流 OD 是起讫点流量表，表达每个入口进来多少人、分别流向哪些出口或设施。这是整个模型中误差最大的部分，因为它依赖调查数据和预测数据，而预测数据本身就包含不确定性。

行为参数包括行人期望速度分布、身体尺寸、年龄构成、结伴行为等。很多人以为给所有人设一个固定速度就行，实际上恰恰相反：速度分布的方差比均值更重要。一群全是 1.3 米每秒的行人走出来的秩序，和一群速度从 0.8 到 1.6 米每秒混合的行人走出来的秩序完全不同，后者会出现超车、避让、穿插这些真实细节。如果实测视频里能统计出不同人群类别的速度分布曲线，尽量直接录入，这比用默认值靠谱得多。还有一组容易被忽视的参数是行人组成：通勤者路径熟悉走得快，游客边走边看速度慢，带小孩的家庭会结伴而行。不能用一个万能行人代表所有人。

仿真步长和空间网格的精度也值得说一句。步长决定了行人位置更新的时间颗粒，一般取 0.1 秒左右就已经能模拟出相当平滑的轨迹，再小到 0.05 秒也不是不行，但计算量成倍增长。空间网格不需要追求无限细，社会力模型本身在亚米级尺度上就有不确定性，把网格划到 5 厘米不会让结果更可信，只会让运行时间从一小时变成五小时。我说句糙话：模型的最好状态是"参数有依据、结果可解释、运行能迭代"，而不是"网格密到吓人、图面好看得能发论文"。

3. 实操流程：从一张平面图到一份仿真结论

3.1 动手之前，先把问题和数据边界定清楚

我习惯的做法是，任何仿真项目在打开软件之前，先花半天时间把问题本身想明白。你做这个模型的目的是什么？需要回答的指标是哪一个？如果目标是向评审委员会证明改造后站厅能达到国标服务水平，那核心输出就是最大人群密度和人均占用面积，对标标准里的 LOS 分级；如果目标是疏散方案合规性，那核心输出就是总疏散时间和出口通过率，校验标准是对标建筑防火规范。问题定义得越清楚，后面积累模型时越不会被数据细节带偏。

客流数据是最关键的输入，也是最难拿准的。项目中常见的数据来源有三类：刷卡数据能给出进出站闸机的流量分布，但覆盖不了未刷卡区域；现场人工计数能捕捉通道和楼扶梯的高峰流量，但受天气和人员影响大；规划阶段的预测客流则是从交通模型手工导入的。只要条件允许，我会把多渠道数据交叉校准。比如刷卡说每分钟 120 人进站，人工计数通道实测每分钟只有 90 人，那就要排查误差来源，而不是直接用 120 去建模。做敏感性分析也是个好习惯：在预测流量基础上加减 20%，分别仿真，看结论是否发生逆转。如果人流加 20% 结论就翻案，说明方案设计本来就在临界边缘，需要额外关注。

CAD 图纸处理这一步，经常被新入行的人低估。拿到手的图纸往往图层混乱，轴网、家具、水电管线全在一起，直接导入会让软件识别出大量不应该存在的"障碍物"。我的经验是至少留半天做图层整理：只保留建筑墙体、门窗、楼梯、扶梯、检票机、座椅等与行人走行相关的构件，其余全部隐藏或删除；确保比例尺一致，多张图纸拼接时对好基准点；明确室内外地坪高差，楼梯和扶梯的起始位置精确到厘米级。图纸整理这件事，越细越值钱，它不仅影响建模效率，更影响最终结果的可信度。

3.2 六个核心建模步骤，每一步的目的都说得清

SimWalk 搭模型的流程，我用六个步骤概括，每步背后都有明确目的。

第一步是导入底图并校准比例尺。把整理好的矢量底图导入软件后，第一件事不是画墙，而是量一扇已知宽度门的实际距离，确认图纸比例是否正确。这一步做错，后面所有几何尺寸都会跟着错，而且很难查出来。

第二步是绘制边界和障碍物。墙体、围栏、闸机、柱子、座椅、扶梯基础都要建成封闭区域，只留行人可通过的开口。这里有个人人都会踩的坑：座椅区域不封闭，行人就会直接穿过四排椅子，密度云图就像被人啃了一口的烤饼，看起来非常奇怪。所有障碍物区域必须闭合，哪怕是一根独立的柱子，也要画成闭合面。

第三步是定义路径网络。在可走行区域上布置节点和连接线，把入口、通道、楼梯、检票区、出口串起来。这一步决定了行人行进的可选路线和决策方式。核心技巧在前面说过：决策点应放在行人真实犹豫的位置，而不是均匀地撒在通道上。同时要注意路径连接方向，单向通道必须明确限制方向，否则双向往来行人在窄通道里会迎面顶牛，形成不真实的大拥堵。

第四步是配置客流输入。将 OD 流量数据转换成行人发生率和目的地分布，按时间曲线加载到对应入口。客流曲线的颗粒度建议至少 15 分钟一个时段，把早高峰的尖峰形态还原出来。如果只给一个 1 小时平均流量，等于把高峰强度抹平了，仿真的峰值密度会明显低估，这在方案比选时是致命的。

第五步是设置人员构成和行为参数。按项目所处区域的人群特征，设定行人速度分布、身体尺寸、结伴比例和区域熟悉程度。轨道交通站里通勤与游客的混合比例，商业综合体里家庭与老人的占比，都会改变整体步行特性和密度分布。

第六步是试算与调试。先运行一个 10 到 20 分钟的短场景，观察行人在关键节点是否出现异常滞留、路径是否平滑、有无穿模或原地打转。确认基本行为合理后，再切入完整时段的正式运行。这六步看起来平淡，真正做顺的人并不多，问题多数出在路径网络和客流输入这两个环节，后面我会专门展开。

3.3 运行策略与结果指标，怎么读才是关键

正式运行之前，有几个技术决策必须提前定好。一是随机种子：SimWalk 的结果带有随机性，行人个体生效的时机和初始位置都有随机抽取过程。单次运行只能代表一种可能情况，不能作为结论依据。我通常的做法是每个方案跑 10 到 30 次，取核心指标的均值与标准差，画箱线图给甲方看分布区间。这样评审会上被问"你这个结果稳不稳"，至少能拿出一个置信的说法。

二是并行计算与时间预算。人群规模超过一万人的枢纽模型，单核跑一遍完整高峰时段可能需要数小时。我的策略是先按支路或区域拆分试算，确认局部行为合理后再跑全模型；有条件就开多核并行，把不同随机种子的多次运行分散到多个核心上同时跑。建模阶段别急着跑 1 小时完整场景，先用 10 分钟场景调试，否则调参周期长到让人怀疑人生。

结果指标要根据项目类型选择。客流组织项目看密度分布、人均占用面积、最大排队长度、平均走入时间；疏散项目看总疏散时间、最后撤离者所在位置、出口瞬时通过率、瓶颈点出现时刻。密度热力图是最直观的输出，通常按人每平方米显示，同时在图上叠加服务水平色带，红色区域一眼可辨。这里给出一张常见服务水平分级参考表，对应我国工程界习惯采用的经验阈值：

我的经验是，输出报告时密度连续量图和级别色带图要同时给。连续量图给技术人员看细节，级别图给评审专家看结论。两者缺一不可，否则要么被嫌不够直观，要么被批不够严谨。

4. 常见问题与排查技巧实录

4.1 仿真慢到怀疑人生，先别急着升级硬件

做大规模枢纽仿真时，最常见的抱怨就是"跑不动"。人群规模上万，加上高峰期连续 1 小时的仿真时长，单机单核跑一个多小时并不罕见。但慢的原因未必全在算力，很多时候是模型本身的冗余。我排查顺序固定如下：先看空间网格是否过密。网格越细，行人位置判断和邻近检测次数越多，计算压力非线性上升。网格精度从 10 厘米放宽到 25 厘米，视觉上差异不大，计算时间可能缩短一半还多。

再看是否运行了不必要的大型场景。有些项目其实只需要分析站厅层，却把商业层、站台层全部纳入模型，层面的相互作用又不强，白白浪费算力。我倾向于按分析范围拆模型，重点关注层单独建精，非重点层直接用流量边界代替，而不是全场景包圆。第三，把行人输出轨迹的频次降低。如果不需要逐帧动画，就让软件只输出统计数据，轨迹文件在个别版本里是存储大户，关掉之后速度能明显提升。

多核并行是有效策略。不同随机种子的多次运行之间相互独立，天然适合多核分发。我把 10 次运行拆成 2 批次、每批 5 个并行任务，整体等待时间从 10 倍单次时长压缩到 5 倍左右，节省一半项目周期。另外调试阶段一定用短时段模型。我通常在 5 分钟场景里调参数，等行为合理了再切正式时长，磨刀不误砍柴工。

4.2 密度图红得发紫，未必是设计出了问题

密度结果异常偏高或偏低，要先怀疑输入而不是怀疑设计。第一种常见情形是到达曲线尖峰过锐：所有乘客像被大喇叭吹集合号一样，在同一个 5 分钟冲进站厅，密度当然爆炸。这不一定说明方案不行，而是客流输入本身过于极端。对比实测数据，把高峰客流按 15 分钟时段摊平，密度分布会自然回到合理区间。

第二种情形是路径网络存在"幽灵连接"。检查网络图中是否有孤立节点、断头路或者贴着障碍物边缘的路径线段。孤立节点会让行人莫名聚集，断头路会让行人在尽头急转弯甚至原地打转。路径贴着柱子边缘时，行人受边界排斥力影响会被"挤"到一侧，密度带呈现一条不自然的细线。排查方法是把密度云图和路径网络叠加显示，凡是高密度带跟网络走向对不上的地方，基本都有问题。

第三种情形是出口流量超现实。一个 2 米宽的出口，如果仿真输出通行率达到每秒 4 人以上，远高于 Fruin 经验值中水平通道每米每秒约 1.3 至 1.5 人的通行能力上限，那就要检查出口是否被建模成了"传送门"。很多仿真器把出口区域边界默认处理成无阻碍吸收边界，行人一到出口就被消隐，客流通过率完全取决于出口前通道的通行效率。这个细节如果不校核，疏散结论会过于乐观。遇到这种情况，我通常给出口加一段 3 到 5 米的虚拟排队区，观察队尾是否回溯到前方设施，从而得到相对现实的通行能力。

4.3 疏散建模的三个经典坑位

疏散项目里最容易坏事的细节有三个。第一个是疏散逻辑是否切换为"最近出口"。日常仿真中，行人是按路径网络和自己的偏好选择出口的，这个偏好可能来自习惯或者视觉吸引。但紧急疏散场景下，多数人会选择距离自己最近的出口逃生。如果在疏散仿真开始时没有切换出口选择逻辑，部分行人会坚持自己的日常习惯绕远路，疏散总时间会显著偏低或偏高，完全取决于运气。我见过一份报告里，疏散时间 8 分钟，而另一份同样的场景只是改了出口选择逻辑，结果变成 5 分钟，差别大到足以颠覆结论。

第二个是闸机和检票口的处理。紧急疏散时，闸机通常处于失效或开放状态，但售票窗口、安检机柜、商铺货架仍然是障碍物。建模时要把闸机区域按通行状态动态切换，同时保留桌椅、货架等实体障碍。很多人图省事，把闸机直接删除，结果疏散通道看起来比实际宽了一整排闸机长度，结果自然失真。

第三个是疏散时间段的选取。疏散建模要回答的问题是"所有人走完需要多久"，但不同时刻触发疏散，人员初始位置分布完全不同，结果差异很大。我习惯的做法是做三个触发时刻：早高峰、平峰、客流低谷，分别计算疏散时间，取最不利情况作为设计依据。同时还要看疏散过程中出口是否有一段时间完全闲置——如果某个出口全疏散流程只用了 30% 的通行量，那说明出口分配失衡，有必要调整引导策略。疏散仿真的评估，外层看总时间是否合规，内层看出口利用率是否均衡，两者缺一不可。

4.4 参数标定的经验，以及报告怎么不被甲方拍砖

参数标定是模型从"能跑"到"可信"的分水岭。SimWalk 的默认参数配置在通用场景下表现不差，但每个项目的人群构成、建筑形态、运营方式都不一样，默认值只能作为起点。我的做法是先拿现场视频里一段 10 分钟的客流片段，在模型里还原同一区域，对比三个指标：行人轨迹是否贴合实际行走路径、通道断面密度是否接近流量计数、排队长度是否与录像一致。如果三者误差都在 15% 以内，这个模型就可以用于方案比较；如果某个区域偏差大，优先检查那个区域的路径网络和边界，通常问题出在模型结构而不是参数本身。

有人问我，视频对比太费时间，有没有捷径？我的回答是：没有。画一条密度曲线只需要几分钟，但要让密度曲线可信，背后的标定工作省不掉。偷工减料的结果就是报告里出现"与实测相差 40% 还是硬着头皮下结论"的尴尬局面，评审专家一句话就能把结论打回去。

报告的技术说服力也值得讲究。我一般在结论部分附加参数表、敏感性分析和多次运行统计区间，让结论有据可查。参数表要列出所有关键参数的取值和依据来源，哪些来自实测、哪些来自文献、哪些来自项目经验判断。评审会上最怕的问题是"你这个参数拍脑袋定的吧"，你翻开参数表列出来源页码和实测数据，对方就不会再纠缠。模型的随机性结论，用多次运行的均值加区间呈现，单次运行结果千万、千万、千万不要当结论写上去。

5. 从 SimWalk 出发还能往哪里走

说一句不太中听但很实在的话：仿真软件本身解决不了所有问题，它只是个计算引擎。真正让 SimWalk 发挥价值的地方，是把建筑几何、运营规则和人的行为规律三者结合，形成一套可迭代的分析循环。我现在做项目，已经把 SimWalk 的模型输出接到两个方向做深化。

第一个方向是和消防烟气模型做耦合。疏散仿真告诉我人往哪里跑，烟气模型告诉我烟往哪里飘，正常做法是各跑各的，然后两个结果叠图分析。但更精细的联动模型应该考虑烟气对路径选择的反馈：走廊里能见度下降后，行人不会傻乎乎往里冲，会改走另一条路。这种动态反馈需要用中间件定期交换行人与烟气状态，计算规模大一个数量级，但结论的可靠性也上一个台阶。做超高层建筑和地铁枢纽的性能化消防设计时，这个方向相当有前景。

第二个方向是批量自动化方案比选。把 SimWalk 的参数文件写成模板，用脚本批量替换关键参数，比如出口数量、通道宽度、扶梯方向，然后批量运行同一组随机种子，输出一个方案对比矩阵。这样一次性能筛出三四十个候选方案，选出底线最优再人工深入分析。这个思路特别适合施工围挡方案、大型赛事人流组织这类多方案快速迭代的场景。我实际用下来，把单方案单次分析周期从 3 天压缩到半天，而且不容易漏掉中间区间的较差方案。

最后分享一个我自己的习惯：每次建模前，先在一个小本子上写清楚"这次要回答什么问题"。这句话看着简单，但能逼我把目标指标、数据边界、置信要求都提前想明白，而不是打开软件就开始画墙。做仿真这几年，我最大的体会是软件永远在迭代，模型越建越复杂，但真正值钱的不是炫目的热力图，而是建模者对问题的判断力。SimWalk 帮我把行人脚步计算得足够清楚，但往哪儿走、走到什么程度算达标，这些答案始终在项目目标里，不在模型参数里。