淺談物聯網在地鐵車站客流組織中的應用

喻慶芳 房軼珣 劉春宏

摘要：在分析車站客流特征、物聯網技術及其應用的基礎上，提出基于物聯網技術在車站出入口通道、站廳非付費區和付費區、站臺等車站重點部位安裝客流統計器，實時監測車站客流情況。并利用物聯網傳輸、智能處理技術，將實時監測客流與車站站臺、站廳付費區、非付費區最大容納能力作對比，當客流達到站臺、站廳付費區、非付費區最大容納能力的？琢i時，分別觸發一級、二級、三級客流預警，提醒車站開始著手準備客流控制措施，當客流達到站臺、站廳付費區、非付費區最大容納能力的？茁j時，車站應確保不同等級的客流控制措施已啟動完成。通過兩次客流預警一方面提醒車站客流較大需啟動控制措施，另一面也提醒車站客流增加，控制措施需準備完畢并啟動完成，以確保車站客流控制及時有效。

Abstract： Based on the analysis of the characteristics of passenger flow， the technology of the Internet of Things and its applications， the passenger flow statistics will be installed at key stations such as entrances and exits， non-paid area， payment area， and platform in the subway station for real-time monitoring of passenger flow at stations. And using the Internet of Things transmission， intelligent processing technology，the real-time monitoring of passenger flow is compared with the maximum accommodation capacity of station platforms， station hall payment areas， and non-paid area. When the passenger flow reaches the ？琢i of the maximum capacity of the platform， station hall payment area and non-paid area， the first， second， and third level passenger flow warnings are triggered respectively and remind the station to begin preparations for passenger flow control measures. When the passenger flow reaches the ？茁j of the maximum capacity of the platform， station hall payment area and non-paid area， the different passenger flow control measures should be initiated. Through the two passenger flow warnings， remind the station need to control passenger， it is also reminding the station of an increase in passenger flow and controlling measures need to be ready and started， to ensure the station passenger flow control is timely and effective.

關鍵詞：物聯網；車站客流特征；客流統計器；預警；客流控制措施

Key words： Internet of Things；characteristics of station passenger flow；passenger flow statistics；warning；passenger flow control measures

中圖分類號：U293.1+3 文獻標識碼：A 文章編號：1006-4311（2018）27-0251-04

0 引言

車站是軌道交通客流集散的重要場所，是乘客出行乘坐列車始發、終到及換乘的地點，也是地鐵服務對象的主要集中場所。車站客流組織是影響乘客出行的關鍵，客流組織合理有效，則乘客可以快速進出車站，節約出行時間，客流組織混亂，則會造成客流交叉、沖突、形成擁堵，耽誤乘客出行，特別是在早晚高峰時段、節假日及地鐵車站周邊舉行大型活動等大客流情況下較為顯著。

城市軌道交通客流組織吸引了較多學者、業界人士的注意，學者張正等[1]分析了車站單點、線路和路網客流協同限流的方法，并對限流參數的計算方法進行了研究[1]。許園園[2]利用地鐵刷卡數據推算地鐵班次時刻信息，進而統計每班次地鐵客流信息數據挖掘方案，以上海地鐵5號線、8號線為例，計算客流擁擠度[2]。魏運等[3]等基于物聯網檢測數據，從點、線、面三個層級，構建不同時間粒度車站、線路、網絡的客流密集度指數計算模型和算法。

綜上所述，目前大部分研究著眼于車站、線路、網絡等各層級客流控制或協同控制的方法，具有較強的前瞻性，對軌道交通客流組織實施具有有效的指導作用。隨著科學技術的發展，火災自動報警系統（FAS）、自動售檢票系統（AFC）、列車自動監控（ATS）等在車站的應用較為廣泛，車站行車安全、票務管理等更趨于自動化、智能化，但因客流的多元化、可變性，車站客流組織僅憑個人經驗進行，為使車站客流組織更加精細化、系統化，文章以地鐵車站為研究對象，基于物聯網技術，在車站重點部位安裝客流統計器對車站客流進行實時監控，將車站監測的實時客流與車站重點部位最大容納能力進行對比，提出車站客流實時監測、預警及控制的方法，為車站客流組織及大客流應急準備提供參考。

1 物聯網的特點及其應用

物聯網是物物相連的互聯網，是繼計算機、互聯網之后世界信息產業發展的第三次浪潮，物聯網是互聯網的應用拓展，與其說物聯網是網絡，不如說物聯網是業務和應用[4]。

物聯網具有全面感知、可靠傳輸、智能處理三大特點，利用傳感器、二維碼等智能計算機技術，可對物體信息進行采集，通過可靠傳輸將物理對象接入信息網絡，與互聯網融合，實現信息共享，最后運用智能計算機技術對采集的信息和獲取的數據進行分析處理，為智能化決策提供依據[5]。

隨著物聯網技術的發展，家居、商業、交通等產業更趨智能化、信息化，其中客流統計系統是物聯網技術運用較為成熟的一個版塊，在商業、交通等多個領域都得到廣泛應用，客流統計主要是通過人體傳感技術，利用各種探測技術來感知、探測、統計人的流動數量、方向，從而實現客流統計。早期的紅外對射、紅外幕簾等客流統計技術，因存在諸多缺陷導致準確率偏低，目前已趨淘汰，得益于視頻分析技術的飛速發展，基于視頻分析的客流統計技術已經日益成熟，利用視頻分析技術的客流統計器主要通過三種方式實現智能統計：

①基于雙目視差原理的雙目立體視覺客流統計技術：利用兩個垂直向下的攝像頭的視野差，來計算出下方經過目標的高度，并匹配其中與人體高度接近1.5米至1.8米的運動目標，統計其運動方向和數量。

②基于運動目標檢測的客流統計技術：利用面對出入口通道的攝像頭采集來的視頻，分析其中的運動目標，并通過運動目標跨越虛擬線來判斷人流的運動方向和數量。

③基于視頻識別的模式匹配技術和運動跟蹤技術來實現的客流統計技術：利用垂直向下的攝像頭來匹配這個角度下人頭、肩膀、頭發等人體通用特征，通過模式匹配技術來進行視頻識別，然后再利用運動跟蹤技術來實現對人流的運動方向和數量的統計[6]。

2 車站客流特征分析

乘客進站需通過出入口通道到達站廳非付費區購票，然后安檢、刷卡進入付費區到達站臺乘車，車站進出站客流的走行路徑如圖1所示。

從圖1可以看出，乘客進站受出入口通道通過能力、自動售票機售票能力、安檢機安檢能力、進站閘機通過能力等設備的影響，同時受站廳、站臺容納能力的影響。乘客出站受站臺容納能力、出站閘機通過能力及出入口通道通過能力影響。除此之外，站外到站廳的扶梯樓梯及連接站廳到站臺的扶梯、樓梯是乘客進站乘車、下車出站的必經之路，因此乘客通行還受其通行能力的影響。

出入口通道、站廳非付費區購票區域、安檢區域、站臺、出入口扶梯、樓梯及連接站廳到站臺的扶梯、樓梯均為車站乘客必經區域，且因通行能力的限制，這些區域最容易出現擁堵。

3 基于物聯網的車站客流實時監測與控制

目前北京地鐵、廣州地鐵、上海地鐵等已將物聯網技術運用到地鐵客流監控、施工管理等作業中去，使地鐵運營管理更趨自動化、智能化。昆明地鐵車站AFC系統可記錄進出站客流情況，安檢門可對進入本站的客流進行統計，車站公共區雖已基本實現監控全覆蓋，但對于出入口、通道、站廳付費區、站臺等重點部位，雖然車控室CCTV可以看到客流的總體情況，但做不到實時統計分析，無法根據監測情況做出大客流預警，以至于車站無法及時、準確的采取相應的客流組織措施，只能憑個人工作經驗進行客流控制。

為使車站客流組織更系統、安全、可靠，利用物聯網技術，在車站出入口通道、站廳付費區、站臺等重點部位安裝客流統計器，實時監控車站重點部位客流量。

3.1 車站客流預警

利用物聯網技術實時監測車站站臺、站廳付費區、非付費區客流情況，并將其與站臺、站廳付費區、非付費區最大客流容納能力對比，通過實踐調查確定各車站流組織的預警閥值？琢i，利用物聯網傳輸、智能處理技術，確定各車站三級客流控制預警觸發時機，提醒車站員工做好客流控制準備。車站客流預警情況如表1所示。

其中，①分別為站臺、站廳付費區、非付費區的實時客流，由客流統計器采集得到。

②分別為一級、二級、三級客流預警閾值，需根據各車站客流的具體情況確定。

③別為站臺、站廳付費區、非付費區的最大容納能力，可由站臺、站廳付費區、非付費區有效面積乘以車站最大客流密度得到。

④分別為站臺、站廳付費區、非付費區的有效面積。

⑤為車站最大客流密度。

⑥分別為一級預警、二級預警、三級預警的觸發值。

3.2 客流控制措施

當車站發出客流預警時，車站人員應根據預警等級著手準備客流控制措施，為確保車站運營安全、保證服務質量，各級客流預警準備應具有相應的時效性，確保客流達到站臺、站廳付費區、非付費區最大客流容納能力的？茁j時，各級客流控制措施已啟動。為此需根據各車站結構、客流情況、控制措施復雜程度確定客流控制措施啟動閥？茁j值，一方面起到客流增長二次預警作用，另一方面提醒車站需盡快完成相應的客流控制措施，具體客流控制措施如表2所示。

其中，①分別為一級、二級、三級客流控制措施啟動時機。

②分別為站臺、站廳付費區、非付費區的最大容納能力，可由站臺、站廳付費區、非付費區有效面積乘以車站最大客流密度得到，具體計算方法詳見表1。

③分別為一級、二級、三級客流控制措施啟動閥值，需根據各車站結構、客流情況、控制措施的復雜程度等具體情況確定。

4 物聯網在地鐵車站客流組織中的應用

昆明地鐵共開通首期工程1、2號線、1號線支線、3號線、6號線一期4條線路，4條線路形成十字交叉網絡貫穿昆明主城區東西、南北，目前首期工程1、2號線貫通，線路未拆分，環城南路站為遠期1、2號線換乘站，現歸屬于2號線。環城南路站位于昆明城區，附近有昆明火車站、雙龍商場、云南省第三人民醫院、金龍飯店、居民小區等客流量較大，日均進站客流量為2.5萬人次左右，屬于目前昆明地鐵客流量較大的車站[7]。

環城南路站屬于地下站，共有B、D、E三個出入口，車站共3層，負一層為站廳層，負二層為上行站臺，負三層為下行站臺，為實時監控車站客流情況，可引入物聯網技術，假設在B、D、E三個出入口及通道、站廳A、B端非付費區、站廳付費區及負二層、負三層站臺安裝客流統計器，客流統計器的安裝應根據車站現場實際情況，盡量覆蓋車站公共區域，環城南路站站廳客流統計器安裝示意圖如圖2。

注：客流統計器的安裝應綜合考慮車站站廳、站臺結構及統計器的輻射范圍等實際情況綜合評定以確認，文章僅以環城南路站站廳作為示例。

環城南路站站臺、站廳付費區、非付費區的有效面積分別為2120平方米、1680平方米、3164平方米，以車站最大客流密度3人/m2計算[7]。分別為0.8、0.6、0.6[8]，假設分別為0.65、0.5、0.5，則環城南路站基于物聯的客流實時監測及控制如表3所示。

當站臺客流達到4134人次時，一級客流預警啟動，車站迅速準備一級客流控制，在站廳付費區扶梯、樓梯連接處用一米欄、活動圍擋設置迂回路線等，確保站臺客流達到5088人次以前，一級客流控制措施已啟動完成；一級客流控制實施后，車站客流仍持續增長，當站廳付費區客流達到2520人次時，觸發二級客流預警，車站迅速在站廳非付費區、出入口通道、安檢機前設置迂回線路等，確保付費區客流達到3024人次以前，二級客流控制措施已啟動完成；二級客流控制實施后，車站客流還在持續增長，站廳非付費區客流達到4746人次時，觸發三級客流預警，車站利用活動圍擋、一米欄在車站出入口設置迂回線路進行攔截等，確保站廳非付費區客流達到5695人以前，三級客流控制措施已啟動完成。

5 結論

本文分析了物聯網的特點及應用、車站客流特征，提出在車站重點部位安裝客流統計器，并利用物聯網傳輸與智能處理技術對車站客流進行實時監測，當車站客流達到站臺、站廳付費區、非付費區最大容納能力的？琢i時，分別啟動一級、二級、三級預警，此時車站根據預警情況著手準備控制措施，當客流持續增加達到站臺、站廳付費區、非付費區的最大容納能力的？茁j，車站不同等級的客流控制措施需啟動完畢。最后以昆明地鐵環城南路站為示例，通過假設引入物聯網技術及不同的客流預警閥值？琢i、？茁j，得出車站一級、二級、三級預警的觸發值及客流控制啟動的時機，驗證了基于物聯技術的車站客流實時監測、預警的可行性。

參考文獻：

[1]張正，蔣熙，賀英松.城市軌道交通高峰時段車站協同限流安全控制研究[J].中國安全生產科學技術，2013，9（10）：5-9.

[2]許園園.基于地鐵刷卡數據的客流擁擠度提取——以上海市地鐵5號線、8號線為例[D].上海：華東師范大學，2017.

[3]魏運，李得偉，等.北京城市軌道交通客流密集度指數研究[J].都市快軌交通，2015（28）3：7-11.

[4]吳昊.基于物聯網技術的軌道交通客流安全防范分析與預警系統[J].軌道交通，2013：363-368.

[5]曲騰飛，鄂旭.物聯網在城市軌道交通安全應急領域的應用研究[J].電子技術與軟件工程：36-37.

[6]物聯網：客流統計原理[EB/OL].http：//www.ya1688.com/index.php/Article/show/110.html， 2016.11.8.

[7]劉春宏，趙志罡.客運中心環城南路站管理細則[M].昆明：昆明地鐵運營有限公司，2014.

[8]陳維亞，蔡適，蔣琦瑋.基于多源數據的地鐵站客流動態監測與管控決策系統[J].城市公共交通，2017（4）：23-28.