找论文方式
IEEE上搜索anylogic
官网整理：https://www.anylogic.cn/resources/articles/
购票流程
- 旅客从 1 号出入口和 2 号出入口进入售票大厅。
- 大部分旅客会直接前往售票厅购票，少部分旅客则会先前往卫生间、银行、商铺等场所，之后再到售票厅购票。旅客会根据自身实际情况及排队情况选择合适的队伍，其中约 80% 的旅客选择通过自动售票机购票，约 20% 的旅客选择通过人工售票窗口购票。
- 旅客完成购票取票后，大部分人会经过安检区域进入车站，在候车区域等待一段时间后再离开车站；少部分旅客则选择通过上述两个出入口离开。
- 济南西站建模时设有5 个人工售票窗口和 45 台自动售票机。
- 售票厅设有两个出入口，分别为 1 号出入口和 2 号出入口。其中，1 号出入口位于安检区域内，该出入口空间狭窄，易造成拥堵；而 2 号出入口空间更为开阔，可容纳大量旅客通行。部分旅客会经由安检区域旁的 1 号出入口进入售票厅，购票后再返回安检区域进站。这在一定程度上导致了动线重叠，使得整个购票过程中出现两股反向人流。当遇到春运等客流高峰时，这种情况会进一步加剧车站内的混乱程度。
建模
行人智能体设置
- 定义一个名为 People 的智能体（Agent），用于描述旅客的基本属性。其中，"rgstartServer" 和 "rgstartWaiting" 用于记录旅客在人工售票窗口开始接受服务和排队的时间，"zdstartServer" 和 "zdstartWaiting" 则分别用于记录旅客在自动售票机开始接受服务和排队的时间。
- 旅客从 targetLine（出入口）进入模型，其到达率（Arrival Rate）根据实际情况设定，根据后文提到400每小时 。旅客的舒适速度与初始速度分别服从均匀分布（0.5，1）和均匀分布（0.3，0.7）（行人源已经设置成这样了）。
- 旅客会基于 "最小队列原则" 选择队列并排队等候，随后在人工售票窗口接受服务，接受服务的时间服从三角分布（1，3，5）。同时，"旅客进入队列的时间""旅客离开队列的时间""旅客开始服务的时间" 及 "旅客结束服务的时间" 的发生时刻均会被记录，通过计算分配给 People 智能体的参数，可得出旅客的排队时间与服务时间。（注意：延迟时间单位要设置成分钟）
- 因为3.A只说了服务时间服从三角分布（1，3，5），所以人工和自动售票机都设置成三角分布（1，3，5）
- 假设客流量集中在每天 12 小时内，即每小时约 400 人 。同时假设，人工售票窗口的平均排队时间不超过 6 分钟，自动售票机的平均排队时间不超过 5 分钟（暂时没用到）。
- 仿真单位时间为 1 分钟，仿真时长为 300 分钟。
结果分析
根据仿真分析，在此状态下，每个人工售票窗口的平均排队人数为 1.38 人，每台自动售票机的平均排队人数为 1.09 人；人工售票窗口的平均排队时间为 1.29 分钟，自动售票机的平均排队时间为 0.94 分钟。同时，此状态下人工售票窗口的利用率为 48%，自动售票机的利用率为 39%。
优化改进
布局优化
- 将 2 号出入口改为 "只进不出" 的单向入口，将 1 号出入口改为 "只出不进" 的单向出口。
结果分析
优化前出口的行人密度为 1.2 人 / 平方米，优化后出口的行人密度约为 0.4 人 / 平方米，较优化前降低了 66.7%
售票机和窗口数量优化（三种情况，提高利用率）
（1）工作日客流情况
在工作日，济南西站的日均旅客数量约为 5000 人，每小时旅客数量约为 400 人。其中，人工售票窗口的平均等待时间不超过 5 分钟，自动售票机的平均等待时间不超过 3 分钟。
在该客流量下，通过实验发现：当人工售票窗口数量设为 6 个、自动售票机数量设为 28台时，人工售票窗口的利用率为 78%，自动售票机的利用率为 80%，均处于理想状态。
未确定的参数和图中得到的参数
- 去厕所商店银行等地点的延迟时间、直接去买票和去其他地方的概率
- 论文长度是12个大格子，已经稍微修改了
- 行人密度图中关键密度是2
- 进站服务的时间
论文：Modeling and Simulation of Passenger Flow System in Ticket Hall of Jinan West Railway Station Based on AnyLogic