綜合交通樞紐客流狀態智能分析

李穎宏，郝曉青（北方工業大學城市道路智能交通控制技術北京市重點實驗室，北京100144）

綜合交通樞紐客流狀態智能分析

李穎宏，郝曉青
（北方工業大學城市道路智能交通控制技術北京市重點實驗室，北京100144）

綜合交通樞紐每日承載著幾十萬客流量，為了滿足日益發展的綜合交通樞紐內的指揮、運營管理及預警預案的需求，對樞紐內的客流運行狀態的判別就顯得尤其重要。提出了一種新的評判客流運行狀態的指標——客流擁擠指數，基于樞紐內行人密度和單位寬度流率等反映樞紐客流狀況的特性指標，建立了樞紐內客流狀態綜合模糊評價模型，并從中獲取了客流擁擠指數。通過對實際交通樞紐內的客流狀態仿真分析得出，所采用的模糊評價模型所得到的客流擁擠指數較好地反映了樞紐內的真實的客流狀態，與實際狀況的契合度很高。所提出的樞紐內客流狀態評價指標簡潔明了，能為樞紐交通管理者和出行者提供有價值的參考。

交通工程；客流擁擠指數；模糊評價；客流運行狀態；綜合交通樞紐；智能分析；交通流

隨著公共交通的大力發展，綜合交通樞紐已成為城市交通系統中的重要節點，人們對城市交通樞紐活動空間的舒適、便捷、高效等有了更高的需求。在我國的大型綜合交通樞紐中，乘客流密度高、流動性大，交織沖突明顯，在這種空間下，極易造成樞紐內乘客的擁擠、滯留，增加了踩踏事故發生的機率。因此，及時、準確地掌握客流信息，正確評價乘客流的狀態，實現實時信息發布和動態誘導，不但可以使相關管理部門掌握乘客流的真實狀況，有針對性地組織預警，更好地解決乘客流擁擠問題，而且可以使乘客了解樞紐內的擁擠狀況，自覺規避擁擠和風險，從而有效地改善樞紐內的乘車環境，提高乘客在樞紐中的通行速度，緩解大客流帶來的運輸組織壓力，保障乘客的出行安全。因此，對城市公共交通樞紐內乘客流狀態評價的研究有著重要的現實意義。

根據國內外學者對客流運行狀態評價方法［1?3］研究以及對機動車交通狀態評價方法［4?6］研究可知，行人的微觀特性、排隊長度、行程時間等直觀行人交通參數，使用目前的檢測技術不能達到精度要求；數據包絡分析法（DEA）以及應用熵理論的綜合評價方法等復雜算法中部分指標難以實現實時的計算，不適合對客流運行狀態的動態評價。本文提出了一種客流擁擠指數的指標來評價樞紐內客流狀態，并基于行人密度和單位寬度流率建立綜合模糊評價模型獲得客流擁擠指數，通過針對北京某一樞紐站內的客流狀況的仿真，所得結論與《行人交通》標準評價結果相吻合。

1 客流擁擠指數

樞紐內客流狀況的評價一般包括以下幾個步驟：首先確定評價目標，本文以城市公共交通樞紐客流運行狀況為評價目標；其次，建立評價指標，要在眾多影響、反映客流運行狀況的變量中選取具有代表性、相對獨立的因素，來綜合建立科學的評價指標；然后確定綜合評價方法，根據各指標的特性及其對總目標的影響來選擇最佳方法；最后，依據所選定的方法確定相應評價指標，本文中選定擁擠指數作為評價樞紐內客流運行狀況的評價指標。

本文所提出的客流擁擠指數，類似“空氣污染指數”和“交通擁堵指數”，是一種能夠綜合反映樞紐運行狀態定量化的相對數，是一種反映特定時刻、特定區域的擁擠程度和差別量化的相對數，是一種把復雜現象簡單化的相對數［7］。其本質上呈現了在較長時間內樞紐客流運行的擁擠程度、趨勢和規律，主要用來評價樞紐內的運行狀態。

樞紐內客流運行狀態可分為暢通和擁擠2種狀態。根據擁擠程度又可以分為輕度擁擠、中度擁擠和嚴重擁擠，暢通可分為暢通和基本暢通。

1）暢通狀態：有足夠的空間可供行人自由選擇行走速度及趕超其他行人的機會；

2）基本暢通狀態：行走速度可自由選擇，但趕超其他行人受到輕微的限制，反向人流和橫向穿越時會造成一些沖突；

3）輕度擁擠狀態：行走速度不能自由選擇，趕超其他行人受到限制，反向人流和橫向穿越時會造成顯著沖突；

4）中度擁擠狀態：所有行人的速度和趕超其他行人的可能性均受到限制，前進速度緩慢，反向行走和橫向穿越極其困難；

5）嚴重擁擠狀態：行走速度嚴重受限，與其他行人經常不可避免地發生沖突，幾乎不可能反向行走和橫向穿越，人流是不間斷、不穩定的。

針對上面5種客流狀態，本文用一種［0，10］的量化數據——樞紐客流擁擠指數來表征當前樞紐的客流狀態，分為5個等級。其中0～2、2～4、4～6、6～8、8～10分別對應“暢通”、“基本暢通”、“輕度擁擠”、“中度擁擠”、“嚴重擁擠”5個級別。

2 客流運行狀態評價指標

建立客流狀態評價指標是對樞紐內運行狀態進行分析的基礎，是對樞紐內客流擁擠程度評價的前提。評價指標選擇的原則就是以盡量少的指標，能夠較為全面地反映出樞紐內客流運行狀態，并且對客流運行狀態變化反應敏感，容易獲取且準確率高。一般樞紐內客流運行狀態是通過將步行通道、樓梯、排隊等候區三大區域的客流運行狀態綜合反映的。

在運行過程中，乘客流比乘客個體表現出更為復雜的特點，受乘客之間、出行目的和周圍環境等影響。要得到全面的客流運行狀態，需要通過對客流運行的順暢程度、穩定程度和空間利用程度三方面進行綜合分析［3］。參考針對我國國情的《行人交通》及進一步研究發現，在眾多的指標如行人密度、單位寬度流率、速度和負荷度中，行人密度和單位寬度流率能夠較為全面地表征步行通道、樓梯和進出站口的客流狀態；而對于排隊區和候車區用行人密度即可反映出其當前的客流狀態。本文以樓梯通道的行人流狀況為例進行了較為詳細地分析、建模評價和仿真。樞紐內其他區域客流狀況的分析、評價方法與此相同，不再贅述。

行人密度是指在道路或排隊區域內單位面積的平均行人數量，一般用區域人數和區域面積的比值表示。計算公式如下所示：

式中：K為行人密度：人／m2；L?W為區域Y的面積；L為區域長度；W為區域寬度；Q為區域Y內的行人數量。

單位寬度流率是指人行道單位有效寬度平均通過的行人數量，計算公式為

式中：P為單位寬度流率：人／（m·min）；W為區域的寬度；Q為T時間內通過區域Y內某一斷面的行人數量。

行人密度與行人占據空間互為倒數。據統計，我國成年人靜止時垂直投影面積約為0.18 m2。由心理學家所做的人類緩沖區域測量實驗可知，行人與行人或設施之間需要保持一定距離的緩沖空間，其最低要求范圍為0.22～0.26 m2；行人在樓梯通道內行走時需要0.7 m2的活動空間，當行人占據空間在0.4 m2時，行走速度嚴重受到限制，當行人占據空間在0.9m2以上時，行人以正常速度在樓梯內行走；當行人占據空間在1.4 m2以上時，行人可按自己意愿去行走；當行人占據空間在1.9 m2以上時，行人可以趕超其他行人。按照不同的占用空間對行人有不同的約束，行人對樓梯通道空間需求可以分為：靜態最低需求區域、行動受限區域、行動基本區域、正常行動區域、自由選擇速度區域和趕超他人區域6個等級，如表1所示。

表1 樓梯通道行人占據空間等級表Table 1 G rade of pedestrian space for W alkways

VISSIM行人仿真模塊中，對不同區域內設置不同的輸入量，輸入量隨著時間的增加而不斷地增加。通過一段時間的仿真，得到的相似的仿真結果，在12 600 s的仿真時長里，以60 s為一周期，通過3個采集點采集了630組行人交通數據，即行人密度和單位寬度流率。行人密度在2.5人／m2左右時，單位寬度流率達到最高。行人密度小于此值時，單位寬度流率隨著行人密度的增加而增加，但行人密度高于此單位寬度流率隨著行人密度的增加而減少。得出的行人密度與單位寬度流率關系，如圖1所示。

圖1 行人密度與單位寬度流率關系曲線圖Fig.1 Relation between pedestrian density and pedestrian flow

由此可以表明，在行人密度一定時，若P值相對較小，則說明行人流移動緩慢，行人個體或外界干擾因素對行人流的影響大，處理干擾因素帶來的影響反應時間短；若P值相對較大，則說明行人流移動相對較流暢，行人與構成的行人流一致性高，行人個體或外界干擾因素對行人流的影響相對較小，處理干擾因素帶來的影響反應時間長，可能導致人流停滯。

因此，行人密度和單位寬度流率的大小反映了乘客流在運行過程中對區域空間利用程度、順暢程度和穩定程度。故本文選用行人流密度和單位寬度流率這2個指標的綜合效果來表征樞紐客流運行的順暢程度、穩定程度、分布均衡程度。

客流在樞紐內各服務設施的各項數據指標，主要參考了反映我國國情的《行人交通》，并綜合了美國交通運輸研究委員會編寫的主要針對公共交通設施服務水平的《Transit Capacity and Quality of Service Manual－－2nd Ed》，通過行人密度和單位寬度流率在樓梯通道和步行通道服務水平的閾值來定義的客流擁擠指數。如表2所示。

表2 樓梯通道、步行通道及排隊和等候區的服務水平Table 2 Levels of service for stairways，walkways，queuing，and waiting areas

3 客流運行狀態模糊評價模型

客流擁擠程度是一個模糊的概念，而模糊推理是一種將定性與定量、主觀與客觀、模糊與清晰相結合的有效評價方法。因此，本文采用模糊推理的方法對樞紐客流運行狀態進行評價。

在這里，利用模糊推理的方法就是根據平均行人流密度、平均單位寬度流率和客流擁擠狀態之間的關系組成模糊規則矩陣，然后利用平均行人流密度、平均單位寬度流率的實測數據作為輸入，通過一系列的模糊運算推斷出客流擁擠狀態，輸出客流擁擠指數。

1）評判因素集。

樓梯服務水平的評價因素集為：U＝｛ST_K，ST_P｝，其中，ST_K為行人流密度，ST_P為平均單位寬度流率。

把行人流密度和平均單位寬度流率2個模糊集合的論域定義為

2）評價集。

由于將客流擁擠指數劃分了5個等級，故把擁擠狀態模糊評價集的論域定義為

3）隸屬函數。

結合設施服務水平及各因素之間的關系及表1，行人密度隸屬函數考慮以下因素進行確定：

當行人密度為0.53人／m2時，行人可以自由選擇速度趕超他人，客流運行狀態屬于暢通狀態，因此小于等于此行人密度值，客流狀態就認為是處于暢通狀態，隸屬度為常值1；

當行人密度在0.71～1.11人／m2，行人處在自由選擇速度區域和正常行動區域之間，客流運行狀態屬于基本暢通狀態，其中點位置的密度0.91，隸屬于基本暢通狀態的程度最大為1；

當行人密度在1.11～1.43人／m2，行人處在正常行動區域和行動基本區域，客流運行狀態屬于輕度擁擠狀態，其中點位置的密度1.27，隸屬于輕度擁擠狀態的程度最大為1；

當行人密度在1.43～2.50人／m2，行人處在行動基本區域和行動受限區域，客流運行狀態屬于中度擁擠狀態，其中點位置的密度1.96，隸屬于中度擁擠狀態的程度最大為1；

行人密度大于等于4.5人／m2時，達到了樓梯單位面積可容納行人的最大值，此時已處于嚴重擁擠程度狀態。因此只要達到這一范圍的行人密度值，客流狀態就認為是處于嚴重擁擠狀態，隸屬度為常值1。

綜上，在行人密度低于0.53或大于4.5時，隸屬于暢通或嚴重擁擠特征顯著，分別取固定隸屬函數為常數1，當行人密度處于這期間的值時，隸屬函數分別取不同三角函數，因此，本文采用梯形和三角形相結合的隸屬度函數，更符合實際的客流運行狀態，如下圖2所示。并根據圖1和表2行人密度和單位寬度流率之間的關系，確定單位寬度流率的隸屬函數。

行人密度隸屬函數如下：

單位寬度流率隸屬函數如下：

4）模糊規則表。

對模糊評價集（3）中行人流密度和平均單位寬度流率之間的關系進行分析：

當K是VS時，若P是VS，S和M之一時，行人有足夠的空間來選擇速度或趕超慢速行人，此時處于暢通狀態；若P處于L或VL時，通過區域的客流量很大，但仍有足夠的空間，此時屬于基本暢通狀態。

當K是S時，若P是VS，此時屬于暢通狀態；若P是S、M、L和VL之一時，行人步行的可用空間充裕，步行速度仍然可自由選擇，超越慢速行人受到輕微影響，屬于基本暢通狀態。

當K是M時，行人可用步行空間開始壓縮，趕超慢速行人受到限制，此時屬于輕度擁擠狀態；若P是VL，此時通過的客流量很大，屬于基本暢通狀態；當P是VS時，區域的客流通過量很少，屬于中度擁擠狀態。

當K是L時，此時的行人流速度受到限制，中途停頓時有發生，此時屬于中度擁擠狀態；若P是VL時，但通過區域的客流量大，屬于輕度擁擠狀態；若P是VS，此時的行人流的速度很小，行人的步行可用空間受限，通過的客流量很少，屬于嚴重擁擠狀態。

當K是VL時，行人流緩慢移動，速度趨于零，基本停滯，此時屬于嚴重擁擠狀態。

通過以上對行人流密度和平均單位寬度流率之間的關系分析，可得表3。

表3 擁擠指數等級模糊規則表Tab le 3 Fuzzy control rules

5）反模糊化方法。

將模糊量轉換為精確量的過程，叫做反模糊化，它是模糊化的逆過程。常用的反模糊化方法有：最大隸屬度法、面積等分法和重心法。根據反模糊化結果與評價指標的分析對比，采用最大隸屬度可以更好地表征二者之間內在聯系且計算簡便。因此，本文選用最大隸屬度平均值法進行模糊評判。

選取推理結果的模糊集合中隸屬度最大的元素作為輸出值客流擁擠指數，即I＝xo＝max（μx（x）），x∈V如果輸出論域V中，其最大隸屬度對應的輸出值多于一個，則取所有具有隸屬度輸出的平均值，即

通過反模糊化得到客流擁擠指數，精確地反映出了區域內的擁擠狀況。指數越大說明樞紐內客流運行狀態越擁擠，指數越小說明樞紐內客流運行狀態越暢通。

4 評價方法及效果仿真驗證

本實驗以實際采集的行人交通數據和以VIS?SIM仿真采集的行人交通數據分別進行了基于以上提出的模糊客流狀況評價方法，對客流狀況進行了仿真評價。

1）基于樞紐內實際采集的客流數據所做的客流狀態仿真評價。以北京市復興門地鐵換乘下行樓梯的客流狀況為研究對象，通過安裝在樓梯處的高清攝像頭采集樓梯每分鐘的行人交通數據。本實驗以2013年1月18日9時20分－10時10分的連續50 min的行人交通數據為基礎。

利用MATLAB模糊工具箱，在Simulink里建立以樓梯的行人流密度和平均單位寬度流率作為輸入，客流擁擠指數為輸出的仿真模型。北京復興門地鐵站的行人交通流數據及評價結果，行人流交通數據（9：21－10：10 1min數據），如表4，北京復興門地鐵站客流狀態模糊評價結果如圖2。

圖2 復興門地鐵站客流狀態模糊評價結果圖Fig.2 Fuzzy evaluation result of passenger flow state in Fuxingmen subway station

表4 復興門地鐵站某一時段客流數據及客流運行狀態模糊評價情況Table 4 Passenger flow data and fuzzy evaluation of passenger flow state of Fuxingmen subway station

從實際交通流數據評價結果可知，在50min內有34個時刻是暢通狀態，11個時刻是基本暢通狀態，5個時刻是輕度擁擠狀態。如在9：39時刻時，行人密度是0.37人／m2，單位寬度流率是11.96人／（m· min－1），客流擁擠指數為0.5。對視頻處理和分析可以得到，通過的行人數量是61人，此時行人平均占有空間是2.7m2，行人可用空間較大，行人速度可自由選擇，乘客之間影響較小，可以任意趕超其他行人，處于暢通狀態；在9：42時刻，行人密度是1.34人／m2，單位寬度流率是41.76／（m·min－1），客流擁擠指數為5.6。從視頻分析得到，通過的行人數量是213人，此時行人平均占有空間是0.75 m2，行人可用空間較小，行人速度選擇受到限制，乘客之間有一定的影響，趕超其他行人受到限制，處于輕度擁擠狀態。在9：22，9：24，9：29，9：42和10：07這5個時刻，客流突然增多，客流擁擠指數正確評價客流運行狀態，為輕度擁擠，在4～6之間。

2）基于VISSIM行人客流狀態的仿真評價。

VISSIM是一款微觀仿真工具。在VISSIM行人模塊中，行人行為的仿真主要建立在社會力模型之上。它是從社會力的角度、心理和物理上產生的影響共同構成對行人行為的推動力。這些影響行人行為的力可以是行人對目的的驅動力、周圍行人對其的影響以及障礙物對其的干擾。在VISSIM中構建1：1的仿真模型，如圖3所示。VISSIM仿真軟件可以建立地鐵復興門站仿真模型，構造出其軌道、通道、障礙、行人交通特性等因素，模擬其中行人的運行狀態及其隨時空變化的過程。通過對復興門站進行實地考察與尺寸測量，如車輛間隔時間、行人路徑和障礙物等方面。

圖3 VISSIM構建地鐵復興門示意圖Fig.3 Schematic diagram of construction of the Fux?ingm en subway station using VISSIM

通過采集地鐵1號線上和地鐵2號線站臺某一區域由VISSIM生成的行人交通數據（采樣周期為1min）得出2號線換乘1號線樓梯上的行人密度和行人流量。并可從中推算出行人流密度和平均單位寬度流率，以此作為輸入，采用本文提出的客流運行狀態模糊評價模型，通過MATLAB仿真獲得了相應的客流擁擠指數。由于篇幅所限，在大量的實驗數據中隨機截取了40組仿真數據，如表5所示。

表5 基于VISSIM行人仿真的客流運行狀態模糊評價情況表Tab le 5 Fuzzy evaluation of passenger flow state using VISSIM pedestrian simulation

VISSIM行人仿真客流狀態模糊評價結果如圖4所示。

圖4 VISSIM行人仿真客流狀態模糊評價結果圖Fig.4 Result of fuzzy evaluation of passenger flow state using V ISSIM pedestrian simulation

在仿真交通流數據和評價結果可以顯示，11個連續中度擁擠狀態，19個連續嚴重擁擠狀態，有7個客流擁擠指數大于9的嚴重擁擠狀態。實時發布的信息和動態誘導，使管理者有針對性地采取人員誘導和限流等措施，可以實現了對大客流進的預警組織，從而更好地解決乘客流擁擠問題；而乘客看到發布的樞紐客流狀態信息，自覺規避擁擠和危險，保障乘客的出行安全。

以上結果與《運輸能力與服務質量手冊》評價等級一致。由此可以看出，客流在緩慢變化的時候能夠準確評價，而且在客流變化較為劇烈時也能夠準確地評價乘客流的運行狀態。通過視頻采集的行人區域內沒有連續超過5個是擁擠狀態，故其處于暢通、安全運行狀態；而VISSIM仿真的行人區域內出現連續嚴重擁擠狀態，故其應采取必要措施，緩解擁擠狀態。

由此可以得出，客流擁擠指數較好地反映了樞紐內客流運行狀態，評價結果與人的主觀感受一致，符合《行人交通》樓梯處的服務水平。通過模糊推理得到的客流擁擠指數具有一定的客觀性、科學性、穩定性和可信度，簡潔明了的告知管理者和乘客樞紐內各服務設施的運行狀態。同時，通過實時發布各服務設施的客流擁擠指數信息，能夠使管理者和乘客提前預警，避免乘客流擁擠、紊亂的發生，消除乘客流擁擠帶來的安全隱患，實現交通樞紐站內的安全、高效、便捷運行。

5 結束語

本文基于綜合模糊評價模型提出了樞紐內客流運行狀態評價指標，并通過地鐵樞紐內樓梯處運行狀況進行了客流狀態仿真評價分析與驗證。文中所提出的客流擁擠指數客觀地反映了樞紐內各服務設施的客流運行狀態，其不僅可以從宏觀上簡單、明了地表明當前樞紐內各服務設施的狀態—擁擠或者不擁擠，定量地表示出擁擠到何種程度，而且管理者和社會公眾也可以通過客流擁擠指數掌握樞紐內各服務設施客流運行的擁擠程度、趨勢和規律，便予誘導客流是否出行或以什么方式出行，為樞紐內管理部門及乘客提供有益參考。

［1］王會會.綜合客運交通樞紐內部客流擁堵機理研究［D］.北京：北京交通大學，2011：23?25.WANG Huihui.Passenger congestionmechanism analysis in comprehensive passenger transportation terminal［D］.Bei?jing：Beijing Jiaotong University，2011：23?25.

［2］房霄虹，周磊山，周勃.基于可排序DEA的城市綜合交通樞紐評價方法研究［J］.交通運輸系統工程與信息，2008，8（2）：108?113.FANG Xiaohong，ZHOU Leishan，ZHOU Bo.Evaluation method of city comprehensive transportation hub based on permutable DEA model［J］.Journal of Transportation Sys?tems Engineering and Information Technoloy，2008，8（2）：108?113.

［3］馬莉.城市軌道交通樞紐乘客交通流狀態分析與評價［D］.北京：北京交通大學，2009：15?25. MA Li.Analysis and evaluation of passenger flow operation state in urban railway transit hub［D］.Beijing：Beijing Jiao?tong University，2009：15?25.

［4］於毅.城市道路交通狀態判別方法研究［D］.北京：北京交通大學，2007：15?17.YU Yi.Research on the identification method of urban road traffic conditions［D］.Beijing：Beijing Jiaotong University，2007：15?17.

［5］楊兆升，張茂雷.基于模糊綜合評判的道路交通狀態分析模型［J］.公路交通科技，2010，27（9）：121?126.YANG Zhaosheng，ZHANG Maolei.A model for road traffic state analys based on fuzzy comprehensive evaluation［J］.Journal of Highway and Transportation Research and Devel?opment，2010，27（9）：121?126.

［6］孫超.城市道路交通狀態評價分析研究［D］.廣州：華南理工大學，2010：25?31.SUN Chao.Research on urban traffic network state evalua?tion and analysis［D］.Guangzhou：South China University of Technology，2010：25?31.

［7］陳艷艷，李平普，張廣厚，等.綜合交通樞紐客流擁擠實時評價方法［J］.公路交通科技，2012，29：75?80.CHEN Yanyan，LIPingpu，ZHANG Guanghou，et al.Real?ime evaluation method of passenger crowding in integrated transport hub［J］.Journal of Highway and Transportation Research and Development，2012，29：75?80.

李穎宏，1968年生，教授，博士，主要研究方向為智能交通信號檢測及短時交通流及交通狀態預測。近3年來作為主要完成人之一，承擔了北京奧運交通工程－北京中心區交通信號設備的優化項目和國慶60周年重大項目－長安街交通控制系統改造工程、北京市城市智能交通三年規劃項目（2010－2012）項目等10余項。曾獲大連市科學技術進步一等獎，發表學術論文50余篇，其中被EI檢索24篇，申請國家發明專利12項。

郝曉青，1988年生，碩士。主要研究方向為智能交通控制與管理，短時交通流預測，行人預測，發表學術論文2篇。

Intelligent analysis of passenger flow state in an integrated transport hub

LIYinghong，HAO Xiaoqing
（NCUT?Beijing Key Laboratory of Urban Intelligent Traffic Control，North China University of Technology，Beijing 100144，China）

An integrated transport hub undertakes hundreds of thousands of traffic flow every day.In order tomeet the need of directing，operation，management and pre?arranged planning，it is important to figure out the running state of passenger flow inside the hub.In this paper，it is proposed to use a new indicator to judge the running state of passenger flow：passenger flow congestion index.A compressive fuzzy evaluation model of the state of passenger flow inside the hinge is setup based on the characteristics that are able to reflect the condition of passenger flow.This includes density of passenger，passenger flow rate perwidth.The passenger flow congestion index is also deter?mined from thismodel.Through the simulation and analysis of the state of passenger flow of an actual transport hub，the proposed passenger flow congestion index used in the fuzzy evaluation model reflected the actual state of passen?ger flow and corresponded with real conditions.The evaluation criteria of the passenger flow state in the transport hub proposed in this paper is concise and clear，which means that itmight also be a valuable reference for the travellers and transport hub managers.

traffic engineering；passenger flow congestion index；fuzzy evaluation；running state of passenger flow；integrated transport hub；intelligent analysis；traffic flow

TP18；U491.1

A

1673?4785（2014）06?0677?08

李穎宏，郝曉青.綜合交通樞紐客流狀態智能分析［J］.智能系統學報，2014，9（6）：677?684.

英文引用格式：LIYinghong，HAO Xiaoqing.Intelligent analysis of passenger flow state in an integrated transport hub［J］.CAAI Transactions on Intelligent Systems，2014，9（6）：677?684.

10.3969／j.issn.1673?4785.201308035

http：／／www.cnki.net／kcms／doi／10.3969／j.issn.1673?4785.201308035.htm l

2013?08?24.

日期：2014?11?13.

國家“863”計劃資助項目（2012AA112401）；國家科技支撐計劃資助項目（2011BAH16部?05）；學科建設人才培養資助項目（PXM2013_014212_000031）.

李穎宏.E?mail：lyh427＠ncut.edu.cn.