近年来，由于城市汽车快速增加，为了缓解城市交通压力，各地纷纷建设地铁交通，并且把地铁、火车和机场等统一规划，可以在同一地点实现零距离乘坐切换，为地铁出行提供了方便，但同时也给地铁站带来了周期性的拥堵。例如，根据杭州某火车站的地铁站测量数据，在高峰期平均每位乘客从进入地铁站到坐上地铁之间需要等待23.6 min。随着地铁线路数量的增加，地铁站内间隔性的拥挤更加明显，排队等待时间变长；同时安全问题也比较突出，旅客满意度大大下降。如何减少旅客等待时间、减轻地铁站拥挤成为急需要解决的问题，但因为地铁内乘客人数波动的随机性、乘客到达时间的不确定性以及人流量异常峰值等原因，使得问题非常复杂。

相关的研究主要有：地铁站布局规划改善与人性化设计，从适用性、安全性、舒适性和经济性四大方面来探讨地铁站工程选址和规划^[1]；从出行者广义成本最小化、地铁建设成本最小化以及地铁出行量最大化的角度选择地铁站点^[2]；运用StaPass仿真软件宏观研究大客流中人员的出行特点和站内的运动规律，并提出合理车站设施布置与客流组织方案^[3]；使用基于社会力模型的SimWalk软件，从微观角度考察客流的步速、步幅、步频，研发评价客流组织绩效的技术方法^[4]；通过数据收集，设置客流参数及行人交通特性，建立高峰小时仿真模型并在极端客流下进行敏感度分析、测试系统通行能力^[5]；通过B/S构架系统，研究并设计包含了车站可视化、客流分析、运行路线等页面的可视化数字系统，方便对地铁进行管理、分析和辅助决策^[6]。显然，关于地铁系统客流仿真已有较多研究成果，但缺乏基于六西格玛管理方法对地铁站的系统性改善方案，未涉及到地铁旅客排队等待与拥挤方面的问题。

六西格玛管理具有系统分析问题、查证问题根源和保证持续改进的优势^[7]，与本文提到的问题特征相吻合。因此本文探索采用六西格玛DMAIC方法，从系统流程分析研究，分析阶段由2部分组成：第1部分为流程时间分析，找出瓶颈和关键项，针对系统内部寻找问题和对策；第2部分为数据控制图分析，研究数据的分布特征，针对系统外部寻找原因和对策。依次全面分析该地铁站系统内外问题，提出整体方案并进行仿真验证。

论文选择杭州一临近枢纽火车站的地铁站，客流量时常超过该站所能处理的客运量，在站内造成大量排队。通过六西格玛DMAIC流程改善工具，进行定义、测量、分析关键问题并提出减少等待时间、提升目视化和系统柔性的方案。

1 定义阶段

定义阶段需要确定项目背景、项目目标、项目范围^[8]。项目背景：地铁系统日益庞大，客流量超出系统负荷。项目目标：降低等待时间，提升系统效率，提高顾客满意度。项目范围：包括从乘客进入地铁站到离开的流程，固定班次间隔时间不属于改善范围内。

为识别地铁系统主要业务过程，建立SIPOC表用以区分活动是否增值，从而根据ECRS原则，消除非增值活动，合并、重排和化简非增值但必要活动和增值活动。通过识别关键顾客、调查分析顾客需求，排序确定关键质量特性作为评价、检验和考核的依据：效率、安全性、可维护性、可靠性和使用简便性。

为发现系统中潜在问题，如瓶颈、非必需的步骤、不必要的循环，建立流程图，如图1所示。为了解地铁站布局设施，描述了地铁站布局图(部分)，如图2所示，便于后续进一步分析与改善。

2 测量阶段

为明确流程瓶颈、关键步骤，分析不同时段系统的稳定性和敏捷性，需要测量不同时段、每个步骤的每人完成时间和排队人数。表1为高峰与非高峰期每个步骤所用时间的数据。表中结果通过采集大量数据、剔除异常值和平均处理后得出，不含在月台等待列车的时间。

3 分析阶段 3.1 系统内部问题分析

从表1可以发现，高峰期中购票、安检、检票、上下车的时间比非高峰期时间大大延长。

为了确定对流程总时间影响最大的因素，根据表1数据按高峰期与非高峰期分别建立帕累托图，如图3与图4所示。可知非高峰期各活动用时均衡，但高峰时期购票与安检活动占整个等待时间比例超过80%，是流程关键活动。且购票用时全流程最长，为瓶颈环节，决定了整个流程的节奏。

为了系统性地分析购票、安检2个环节长时间等待的原因，分别以等待时间增长为主线，以人机料法环为大分支，制成等待时间长的鱼骨图^[9]，如图5与图6所示，其中有以下问题较突出：1) 购票流程复杂；2) 现场目视化程度低；3) 系统柔性低。

3.2 系统外部问题分析

为了分析系统应对外部环境变化的稳定性和敏捷性，以及确定外部环境对系统的影响，研究数据点集合的散布特征。具体研究以下3个问题。

1) 研究高峰期地铁站系统处理速度是否变慢。由于等待时间=排队人数×系统处理速度，现已知等式左边为等待时间变长，等式右边为排队人数增多，还需研究高峰期处理速度是否变慢，是否为等待时间变长的另一个原因。其中，系统处理速度指售票以及安检系统服务每位乘客所用时间。

2) 研究地铁站内排队人数是否受控制，明确超出控制的特殊原因，据此寻找对策以消除特殊原因来提高流程稳定性。

3) 研究地铁站内排队人数随时间的变化特征，明确造成这些变化特征的原因，据此对地铁站系统进行柔性改善。

由于售票处排队时间较长，为取得足够样本，在售票处统计排队人数和系统处理每位乘客时间；而安检处排队有时呈多列队伍，难以保证人数统计的准确性，故安检处仅统计每人等待时间。以下将先研究高峰期地铁站系统处理速度的变化，确认处理速度是否为增长等待时间的另一原因，再分别分析售票系统控制图和安检系统运行图，从而研究排队人数异常峰值出现的特征和外部原因，据此寻找对策。

3.2.1 高峰期系统处理速度分析

为研究系统处理速度在高峰期的变化，以自动售票系统为例进行如下分析。统计售票系统处理每位乘客的时间，分3 d采集超过200个数据点，制成对数变换直方图如图7所示，符合双正态分布。为排除正态分布叠加影响，分别将每天数据制成对数变换直方图如图8所示，发现各组数据也符合双正态分布。

有时售票处会出现几位乘客是同伴一起买票同时离开系统的情况，造成统计的时间间隔很短，图上呈现对数变换后在0处的峰值从而形成双正态分布。将同时离开系统的数据点合并后，数据符合正态分布，分布均值较非高峰时期无较大偏移，表明高峰期系统处理速度并未改变，高峰期等待时间变长并不是由处理速度变慢引起，而是因为高峰期排队人数增多导致。

3.2.2 购票排队人数控制图分析

为研究购票排队人数是否受控制，分析变化的规律和特征，以明确超出控制的特殊原因，通过直方图并进行正态性检验^[10]，得到p值大于0.05，认为该数据近似正态分布。表明该组数据可用于建立控制图，如图9所示。

图9购票等待人数Xbar图中发现有数据点违反判异法则，表明地铁系统内人数均值变化中有周期性因素：前10组样本采样于早晚高峰期，排队人数保持在30~40人之间，此时人群中有上下班的市民以及到站的外地旅客。之后样本采样于非高峰期，队伍人数稳定在22人下，人数呈现周期性波动：一段时间后，出现一个短暂低峰，此时排队人数少，每人平均购票时间约为39 s，多数设施处于空闲状态。样本组40~44之间有一个短暂高峰，猜测这里的特殊原因是多辆列车进站，带来大量旅客进入地铁系统。因此该时间段地铁站中人数迅速增加，形成长队后无后续乘客加入而迅速回落。

图9购票等待人数MR图中可以看出，早晚高峰期内和非高峰期内人数变化幅度正常，高峰期向非高峰期转化时变化幅度仍在控制范围内。前文已经证明系统处理速度基本恒定，因此该站非高峰期的短暂峰值由于人数分布随时间的可变性过大，造成站内的拥塞情况。

3.2.3 安检排队人数运行图分析

为研究安检排队人数的变化趋势和特征，并进一步验证前文购票数据得出的结论。图10为安检等待时间运行图，可见大部分时刻等待时间处于正常状态，但每隔3组样本(约15 min)出现一个短暂峰值，与附近火车站列车相隔12 min进站吻合。当多辆列车同时进站时峰值呈现极大值(样本点5)，当只有一种列车进站时峰值较小(样本点10)，当列车出现晚点时峰值后移(应该在样本点15出现的峰值并没有出现)。

至此，可确定非高峰时出现有规律的短暂高峰由附近火车站的列车进站导致，该原因可为柔性服务方案的建立提供依据。

3.3 小结

1) 通过对流程步骤时间分析，得出以下结论：系统关键步骤为购票与安检，流程瓶颈为购票步骤，系统内部有购票流程复杂、目视化程度低和系统柔性不够这3个主要问题。

2) 通过对数据点的散布特征分析，得出以下结论：系统处理速度稳定，高峰期等待时间变长并非由处理速度变慢引起，而是因为列车同时进站造成人数的周期性波动，因此柔性改善方案可根据列车进站时间表进行编排。

4 改善阶段

通过分析阶段确定了系统内部问题有：购票流程复杂、现场目视化程度低和系统柔性不够，外部原因是列车同时进站引起的人流高峰。

对此，提出了以下三大方面的解决方案：化简购票流程、现场目视化、少人化柔性服务，以加快购票速度、防错、分流并增加系统柔性。

4.1 购票流程优化改善

在整个地铁乘坐流程中，购票环节是系统瓶颈。据观察，乘客初次购票在选票界面和投币口寻找上停留较长时间；熟悉操作后，在选择线路及站台上停留较长时间。

改善方案为统一票价8元(乘坐地铁最高票价)，无需选择路线和站点，离站还卡时由系统通过起始站和终点站检票自动计算找零。图11为购票流程改善前与改善后对比图。根据图中对比可知，虽然改善后检票离开时增加了找零环节，但消除了中间思考和选择的步骤，还可防止选站错误而发生的补票、退票问题，减少了人工售票口的工作压力。

4.2 地铁站现场目视化改善

为提供乘客明确、高效的乘坐体验，并减少错误发生^[11]，站内目视化改善如图12所示。使用导航路线，购票乘客走红色醒目路线，交通卡乘客走绿色快速路线；高亮并连接服务区域，队伍4 m处设置虚线导向邻近服务点；等待区域放置提示牌，注明操作流程、常见问题解决方法。

为加快自助购票流程，对自动售票机界面进行改良：界面提供2种方式选择1，选线选站台2，站台名拼音首字母检索。方式1适合清楚要去往方向但未明确站台的乘客，方式2适合清楚站台但不了解线路的乘客。随着线路增加，利用首字母检索能更快选票。利用热门排序算法分时段地在屏幕上列出热门站点，早晚高峰时显示市中心热门站点，非高峰期时显示火车站、景点等热门地点，方便快速选票。

4.3 柔性服务少人化改善

在表2中，每个服务点有1名活动的志愿者维护秩序和帮助旅客，售票处有1名临时工作人员在高峰期(工作时间为7:00-9:00；16:30-18:30)辅助售票。原系统内共有5名工作人员，改善后可减少雇佣1人，此处的志愿者的工作性质与制造业中的水蜘蛛相似，可在工位之间游走协助完成服务。人员安排根据列车时刻表调整，以提前应对旅客高峰期。

5 地铁乘坐流程改进仿真验证

在无法进行实际实验的条件下，同时由于系统复杂，理论计算难度大，仿真是一种低成本的方案效果验证、模拟控制的方法^[12]。在该问题中，由于乘客购票方式的选择、到达和服务时间等重要参数都具有随机性，因此通过测量数据拟合得到的概率分布，建立Simio仿真模型。本次仿真重点为改善后购票、安检、出站找零3个主要流程，以及柔性服务方案的效果模拟。

5.1 仿真指标选定

指标的设定应从顾客体验和运营效率两方面考虑。逗留时间是乘客普遍考虑的服务性指标，其均值与方差均为望小特性，分别表示顾客所花时间短、每次出行时间更稳定。由于客流量与逗留时间有负相关关系，故选择服务人员平均忙率作为系统的运营效率指标，平均忙率均值为望大特性，方差为望小特性，分别表示人员利用率高、分工均衡。

5.2 仿真模型建立

建立改善后方案的Simio仿真模型如图13所示，仿真模型参数如表3和表4所示。图中，服务乘客E1生成后，依据不同概率去向自动售票与人工售票2个服务器，询问乘客E2只去向人工售票服务器，完成购票后，汇聚并依次经过安检服务器、找零服务器，最后出站。人工售票服务器配备3个人员资源T1、T2、T3，安检服务器配备2个人员资源S1、S2。

通过数据表(Data Table)定义顾客类型、优先级、出现概率与处理时间，用于模拟乘客插队询问，并利用对象表(Object List)模拟工作人员的不同工作与优先服务对象，通过服务器的Before Processing附加过程抓取(Seize)和释放(Release)各人员资源；由于乘客到达率与列车进站有关，使用速率表(Rate Table)建立按时间变化的到达率，并使用节点链表(Node List)小数值逻辑模拟乘客自动选择最短队列；自动售票机故障可使用失效模式(Reliability)中基于次数的失效模式模拟。基于原始数据，将购票流程按步骤分解，建立流程模型，模拟得到购票流程改善后的处理时间如表4所示。最后利用实验器(Experiment)进行重复模拟实验得到仿真结果。

5.3 仿真结果与分析

按照所选指标，提取运行报告中的有效数据如表5所示，将运行数据与改善前测得的数据对比发现各指标均有优化，两指标均值和方差数值上的优化分别证明了改善方案在缩短等待时间、提高服务稳定性、提高人员利用率、均衡人员工作负荷方面有显著效果。

6 结论

针对乘坐地铁长时间等待的问题，给出了地铁购票流程改善方案、目视化地铁站布局方法改善方案以及少人化柔性服务改善方案。这些方案主要围绕优化流程来减少等待时间、乘客分流、配置人员提升系统柔性来间接减少等待时间。一方面能减少前置时间、提升系统周转速度，站内等待人数减少，降低了管理压力和人力成本；另一方面也使地铁系统面对外部变化更稳定，从而增加系统的整体效率和可靠性，提升乘客的满意度。

主要研究成果如下。1) 展示了利用六西格玛DMAIC原理在服务业的系统性应用方法，运用质量手段处理分析数据寻找原因和解决方法；2) 采用因果图、帕累托图、直方图和控制图等数据图表化方法揭示了地铁站系统内部关键问题和造成人流高峰的外部原因，给出了优化购票流程、目视化布局和少人化柔性服务改善方案；3) 采用Simio仿真软件对改善方案进行了仿真与验证。

研究仅涉及了DMAIC五大阶段中的定义、测量、分析和改进阶段，而控制阶段在六西格玛管理中十分重要，起到了对改善方案效果衡量、标准化、制度化的作用。今后可以针对控制阶段输入输出定量监控进行进一步的研究。本研究的结果可为其他类似流程的改善提供借鉴，研究方法也可为其他改善项目提供思路。