西安地鐵客流監控預警信息系統可行性研究及分析

姜彥璘，張文韜

西安地鐵客流監控預警信息系統可行性研究及分析

姜彥璘，張文韜

（西安市地下鐵道有限責任公司運營分公司，西安 710016）

結合現階段西安地鐵客流組織中的運營風險與客流控制中存在的不足，對當前客流預警的各種方案進行優缺點分析，提出以視頻監控技術為基礎的智能化客流監控預警信息系統來實時測算客流密度，從而進一步確定客流預警量化標準與客流控制啟動的時機，幫助運營人員采取必要的應急處置。同時提出優化乘客信息渠道的建議，使乘客實時獲取線網擁堵情況，供乘客出行決策，及時緩解擁堵區段客流壓力，切實提升乘客舒適度。

地鐵；客流預警；客運組織

隨著西安地鐵網絡化運營時代的到來，西安地鐵已逐步成為公眾出行的主要交通工具之一，地鐵客流量增長迅速，遠超預期。西安地鐵2016年全年運送乘客4.07億人次，2017年4月28日客運量高達205.09萬人次，創開通運營以來客流新高。受地鐵站設計容量、行車關鍵設備能力制約，大客流下的乘客集散會給地鐵帶來運營風險。

1 西安地鐵客運組織風險

1.1 踩踏事故

當地鐵站內客流較大時，人流隊伍會產生擁擠移動。有人意外跌倒后，后面的人群如果持續向前移動，將對跌倒的人產生踩踏，從而產生驚慌，加劇擁擠，不斷增加新的跌倒人數，最終引發群死群傷事故。

1.2 綜治糾紛

在地鐵運營過程中，尤其是在高峰時段，大量人群聚集勢必會降低乘客舒適度，引發人群的焦慮情緒，若不能有效進行客流控制，人群擁擠、碰撞、推搡過程中容易發生乘客吵架、打架等綜治糾紛事件。

1.3 社會影響

城市軌道交通作為主要的公共交通工具之一，以服務乘客作為運營目的，在越來越大的客流壓力下，如果不能有效進行客流組織，采取有效的應對措施，將會導致乘客滿意度下降，遭受社會公眾的質疑，對地鐵運營企業形象造成損害。

2 西安地鐵客流控制方法

2.1 客流控制方法介紹

西安地鐵客流控制按照站控→本線線控→網控的梯度進行操作，當某一線路列車發生故障或有可能導致換乘站大客流時，按照“先本線調整，后鄰線調整；宜先采取客流控制措施（含加開列車），后采取行車組織（小交路、本線越站、鄰線越站等）”的原則，車站、行調可根據實際情況，采取一種或多種客流控制及行車組織措施。

2.2 目前客流控制措施存在不足

2.2.1 客流控制效果因人而異

目前，西安地鐵已根據多年運營經驗成功總結出站、線、網三級客流控制模式，但是在各級控制措施的啟動時機把握上還很大程度依賴于現場人員的主觀判斷，由于車站人員在工作經驗、專業程度、個人性格等因素上存在差異，造成不同車站客流控制效果不一，很難形成普遍適用的標準規范。

2.2.2 信息滯后無法滿足現場需要

車站客流密度是評判車站擁擠程度的關鍵指標，也是啟動客流控制措施時機的依據。目前，西安地鐵對車站客流人數的掌握主要依靠AFC系統統計車站進出站人數。但是AFC系統的進出站人數統計有滯后性，且無法反映出換乘客流量，不能為現場人員做決策提供有力的數據支撐，已經無法滿足大客流下時效性和準確性的雙重要求。

2.2.3 乘客獲取信息的渠道不足

隨著近年來地鐵車站、車廂擁擠情況日益加劇，客流控制次數隨之增多、時間延長，市民乘坐舒適度有所下降，而乘客獲取地鐵運營信息渠道有限，造成地鐵運營企業與乘客信息不對等，乘客不了解車站限流及客流疏導舉措，使得部分市民存在抵觸情緒，為車站實施客流控制增加了難度。

3 解決方案

3.1 開展客流密度測算

目前，我國在地鐵客流預警這一領域的研究還不成熟，有關的量化標準尚未完全建立，絕大多數仍然是依靠人工經驗，方法還不系統，客流控制效果因人而異。為解決這一問題，需首先開展客流密度測算[1]。

3.1.1 測算方式

以100名乘客為測算主體，分6個場景進行測試，其中5個為動態模擬測試，1個為靜態模擬測試。具體場景為：動態平地無障礙測試、動態平地有障礙測試、動態平地通道縮小測試、動態樓梯上行測試、動態樓梯下行測試和靜態平地無障礙測試。

可采取“專家評價法”計算測算結果，邀請客運組織相關的各層級、各模塊管理人員33名，對測試結果進行評價，定出4級擁堵指標。暢通——不需要采取任何客流控制措施；輕度擁堵——準備采取客流控制措施；中度擁堵——采取措施減緩進入區域人員；嚴重擁堵——區域內人員過于擁擠不能緩解，采取措施停止人員進入區域。

同時在測算中要綜合考慮客流密度與乘客行進速度間的關系，本次測算主要運用現場觀測和錄像記錄兩種手段進行，通過積累大量的觀測數據可以得出，客流密度與行進速度成反比例關系，客流密度越大時，行進速度越慢。當客流密度達到2人/m2時，乘客的行進速度極其緩慢，小于0.4 m/s；當客流密度低于0.8人/m2時，乘客可以自由行進，幾乎不受擁擠影響[2]。此外通過實地觀測數據顯示，地鐵乘客自由行進的平均步速為1.2 m/s，出站乘客在上行樓梯時的平均速度為 0.6 m/s，二者相差1倍，這正是出站客流疏散的瓶頸所在。當地鐵列車到達車站后，下車出站的乘客會向出站樓梯方向移動。由于出站乘客中位于樓梯上的乘客速度較慢，導致對其后乘客的行進在一定程度上造成了阻礙，從而使樓梯附近的集散區客流密度增大，造成短時間擁堵。導致這一現象發生的原因是出站樓梯通過能力過小，與站臺集散區的通過能力相差太大[3]。

3.1.2 測算結果及分析

綜合33位專家的評價情況，“動態平地無障礙物測試”與“動態平地有障礙物測試”各擁堵指數的評價結果、“動態上行樓梯通行測試”與“動態下行樓梯通行測試”各擁堵指數的評價結果均比較接近，進行合并得出各測試場景下的各級擁堵指標閾值，如表1所示。

本次測算結果與部分學者提出的“建議可接受的人群密度值”較為接近，理論與實際匹配，具備參考價值[4]。

表1 各種測試情景下的指標擁堵閾值

3.1.3 客流密度測算的應用方向

本次測算的結果進一步明確了客流預警量化標準，對于確定客流控制的啟動時機，制定客流預警的指標體系有指導意義，具體可用于：車站客流控制啟動標準、車站客流監控預警、乘客信息告知及預警[5]。

3.1.4 客流密度測算的應用瓶頸

要實現車站、線路甚至是全線網級的客流預警，準確把握客流控制啟動時機，關鍵在于實時掌握車站的客流量，密度測算結果的應用也在于準確掌握車站的客流密度，但在目前，全國各地鐵運營企業在這一領域尚未有成熟解決方案，因此實時測算車站客流密度，是本次測算結果應用和實現客流預警的瓶頸[6]。

3.2 引入客流監控預警信息系統

為確保客流疏導的安全性、及時性、準確性，實時掌握車站、線路、線網內客流密度及分布，地鐵運營企業應引入智能化的客流監控預警信息系統。

3.2.1 目前客流預警手段

參考國內外各行業對客流監控預警的研究及應用實例，目前的客流預警手段主要有四種：人工統計、紅外線技術、AFC大數據分析預測法、視頻分析技術。

1）人工統計。人工統計，即是由工作人員通過相關手段分析、測算、估計目前地鐵的客流密度，屬于主觀定性判斷，主要使用CCTV監控，經驗劃線法等方式，當判斷客流密度達到經驗值時進行預警并施加控制措施。屬于傳統做法，也是目前主流的客流預警方式。

人工統計過于依賴現場人員的經驗和專業，差異性比較大，且無法進行定量分析，也無法及時有效地將線網客流情況告知乘客。

2）紅外線技術。紅外線技術是通過在監控區域安裝紅外對射裝置或者紅外熱成像裝置，采集客流數據，實現監控區域實時測算客流密度及預警功能的技術，屬定量分析。目前該技術在國內有運用實例，如麗江古城景區、上普財富中心、濟南趵突泉景區等[7]。

該技術成本低，可定量、實時測算監控區域客流，但由于只能模糊檢測人群密度，故精確度不高，誤差較大。

3）AFC大數據分析預測法。AFC大數據分析預測法是運用線網OD分布在短時期內穩定、具有可預測性的特點，依托企業清分系統多年技術積累，通過分析歷史進出站獲得的OD模型可以預測進站客流的目的地，結合時刻表，從而實時獲取線網進站客流數即可實時預測線網實時客流的技術，屬于定量分析。據了解，目前該技術在國內有廣州地鐵、上海地鐵應用[8]。

該技術優點在于實現成本較低，可定量、實時預測客流，同時通過后臺將線網擁擠度告知乘客，疏導客流，但由于該技術是基于歷史AFC數據建模預測得出的數據，當線網出現故障不能按照正常交路運營時，該系統將無法準確預測，且不能對乘客異常行為進行分析，如某區域瞬時客流聚集等。

4）視頻分析技術。視頻分析技術是通過在監控區域車站安裝監控攝像頭或者通過對既有攝像頭進行改造，采集視頻圖像加以轉換處理形成適用的視頻流，使用嵌入式系統算法進行分析，從而實現實時測算客流密度和預警功能的技術，同時還具備乘客異常行為分析功能，如分析局部區域乘客異常聚集，屬于定量分析[8]。目前該技術在國內外均有運用實例，已應用于美國舊金山國際機場、芬蘭赫爾辛基機場、迪拜城市廣場購物中心、日本東京地鐵、天津津匯廣場、深圳中航城、大連萬達、上海中區廣場、北京地鐵等。

該技術的優點是視頻實時監控，可通過后臺將線網客流信息告知乘客，疏導客流，且能對監控區域進行異常行為分析報警，缺點在于成本較高。

3.2.2 推薦方案——視頻分析技術

結合4種技術優缺點比較，視頻分析技術在4種客流密度測算手段中精度相對較高，可根據后臺數據實現乘客告知功能，在設備故障、應急情況下均能正常使用，進行乘客異常行為分析報警，能夠滿足城市軌道交通運營企業需求，且在目前國內外機場、商場、旅游景點等大客流場所均有應用實例，其中，日本東京地鐵對此項技術應用最為成熟，不僅在車站站廳實現了視頻覆蓋，還在列車車廂內實現了視頻覆蓋，乘客在站臺候車時可直接通過站臺PIS（乘客信息系統）了解到即將到達列車每節車廂的擁擠程度[9]。建議西安地鐵在后續新線及既有線中逐步研發、推廣、改造，可先在換乘站試用，再逐步覆蓋站廳、站臺等區域，等技術成熟后也可學習日本東京在車廂內實現視頻全覆蓋，實現實時客流無死角視頻監控分析。

3.3 拓寬、優化乘客信息渠道

針對目前地鐵客流控制中乘客獲取地鐵運營信息渠道有限的問題，可通過拓寬、優化乘客信息渠道解決，在引入客流監控預警信息系統的基礎上，將實時的車站、線網擁堵情況告知乘客，疏導客流。

3.3.1 增設擁擠度顯示大屏

在站外、站廳入閘處、換乘通道等關鍵位置增設大屏，與客流監控預警信息系統后臺連接，將車站、線網擁堵情況告知乘客，在乘客進站前、入閘前、換乘前給予乘客運營信息，在大客流情況下引導乘客避開擁擠線路或換乘其他交通工具。

3.3.2 優化既有信息渠道

優化目前的官方網站、官方微博、廣播、官方APP等乘客信息渠道，提供實時查詢車站、線網擁擠度功能，保證信息準確性和時效性，實時反映線路情況，供乘客出行決策，正確引導客流，打造智慧車站。

4 結語

隨著西安地鐵逐步進入網絡化運營模式，客運量逐年攀升，運營環境日趨復雜，地鐵運營安全受到社會公眾的高度關注，傳統的經驗型、事后型、人盯人的客流預警已不能滿足當前安全形勢的需求，引入以視頻監控技術為基礎的智能化客流監控預警信息系統對西安地鐵運營發展大有裨益。同時目前的社會科技水平也為實現視頻監控測算客流密度提供了技術保障，具備較高的技術可行性，建議進行試點應用，逐步推廣。

[1] 潘羅敏. 地鐵短時客流量預測預警研究[D]. 北京: 首都經濟貿易大學, 2011.

PAN Luomin. Study on prediction and warning of short- time passenger flow of subway[D]. Beijing: Capital University of Economics and Business, 2011.

[2] 李三兵, 陳峰, 李程壘. 對地鐵站臺集散區客流密度與行進速度的關系探討[J]. 城市軌道交通研究, 2009, 12(12): 34-36, 41.

LI Sanbing, CHEN Feng, LI Chenglei. Passengers density and travel speed at subway stations[J]. Urban mass transit, 2009, 12(12): 34-36, 41.

[3] 袁建平, 方正, 盧兆明. 車站客流觀測及其對人群疏散動力學模型的驗證[J]. 西安建筑科技大學學報(自然科學版), 2008, 40(1): 108-113.

YUAN Jianping, FANG Zheng, LU Zhaoming. Observa-tions of passenger flow and verification of a crowd dynamics model[J]. Journal of Xi'an University of Architecture and Technology (natural science edition), 2008, 40(1): 108-113.

[4] 盧春霞. 人群流動的波動性分析[J]. 中國安全科學學報, 2006, 16(2): 30-34.

LU Chunxia. Analysis on the wave of pedestrians[J]. China safety science journal, 2006, 16(2): 30-34.

[5] 李德偉, 孫宇星, 黃建玲. 地鐵客流預警技術基礎探討[J]. 都市快軌交通, 2013, 26(2): 62-66.

LI Dewei, SUN Yuxing, HUANG Jianling. Study on early warning of passenger flows on mass transit railway[J]. Urban rapid rail transit, 2013, 26(2): 62-66.

[6] 馬成正, 姜秋耘. 基于GRNN神經網絡的地鐵疏散預警及對策研究[J]. 都市快軌交通, 2016, 29(3): 37-41.

MA Chengzheng, JIANG Qiuyun. Passenger flow warning of metro station based on GRNN and corresponding coun-termeasures[J]. Urban rapid rail transit, 2016, 29(3): 37-41.

[7] 褚祺晟. 熱敏計數系統在上海軌道交通車站大客流預警中的應用[J]. 中國科技縱橫, 2013(20): 187-188, 190.

ZHU Qisheng. Application of thermal counting system in large passenger flow early warning of Shanghai rail transit station[J]. China science & technology overview, 2013(20): 187-188, 190.

[8] 李彬. 2010年上海世博園區大客流狀態下園外交通系統預警及應對方案[J]. 城市公用事業, 2010, 24(2): 1-4.

LI Bin. 2010 Shanghai World Expo outer zone transport early warning system under state of large passenger flow and response scheme[J]. Public utilities, 2010, 24(2): 1-4.

[9] 李得偉, 尹浩東. 基于物聯網設備檢測數據的城市軌道交通車站站臺多維度實時客流密集度指數預測方法研究[J]. 鐵道學報, 2014, 36(3): 9-13.

LI Dewei, YIN Haodong. Real-time forecast of passenger crowd index on urban rail transit station platform based on test data of Internet of things[J]. Journal of the China Railway Society, 2014, 36(3): 9-13.

（編輯：曹雪明）

Feasibility Study and Analysis on Passenger Flow Monitoring and Warning Information System for Xi￠an Metro

JIANG Yanlin, ZHANG Wentao

(Xi￠an Metro Company Limited Operating Branch, Xi￠an 710016)

On the basis of current operation risk and passenger flow control mode of Xi￠an Metro and analysis of various studies on current passenger flow early warning, this article proposes to measure passenger flow density in real time by an intelligent passenger flow early warning system based on video-monitoring, so as to determine quantitative standard of passenger flow early warning and timing of passenger flow control, as well as help metro staff to make emergency response. Meanwhile, this article proposes to help passengers to get real-time metro information for making up decisions, so as to cope with congestion and improve comfort of passengers.

subway; passenger flow warning; passenger transportation organization

F530.7

A

1672-6073(2018)02-0008-04

10.3969/j.issn.1672-6073.2018.02.002

2017-03-28

2017-08-21

姜彥璘，男，本科，工程師，從事運輸策劃、客流分析與行車技術研究，dreamerjiang@126.com