淺析基于信息化系統(tǒng)的地鐵客流分析與預警功能

何思熠　周志洪　林昊翊

摘 要：客流是地鐵運營的核心數(shù)據(jù)，本文研究客流分析、預警功能架構搭建、報警閾值計算算法，對運營信息分析系統(tǒng)客流分析與預警功能進行研究。

關鍵詞：客流預警;客運組織;客流數(shù)據(jù)

前言

客流是地鐵運營的核心數(shù)據(jù)，一是為車站常態(tài)及非常態(tài)的客流組織提供正確性、有效性和及時性的數(shù)據(jù)支撐，從而提升客運樞紐的組織管理水平;二是實時獲取地鐵車站和網(wǎng)絡的客流數(shù)據(jù)，提升地鐵安全防范及應急指揮水平，促進軌道交通的精細化管理和信息化發(fā)展。三是為信息化系統(tǒng)建設，提供數(shù)據(jù)層面的支撐。四是實時地鐵交通信息的發(fā)布，能夠指導居民出行選擇合理的出行方式及出行路徑。可通過運營信息分析系統(tǒng)客流分析與預測功能，智能化運用數(shù)據(jù)，挖掘數(shù)據(jù)價值，便于掌握車站及軌道網(wǎng)絡運營狀況。

1.客流分析與預警研究

1.1運營信息分析系統(tǒng)概述

運營信息分析系統(tǒng)是基于先進的手機信令人流動態(tài)分析系統(tǒng)、 ACC清分系統(tǒng)采集的軌道網(wǎng)絡運營的實時和歷史數(shù)據(jù)，通過多種數(shù)據(jù)模型處理計算生成多項定量化的、實時性較強的運營服務指標。

1.2運營信息分析系統(tǒng)在客流分析與預警方面的功能

運營信息分析系統(tǒng)通過采集的實時手機信令數(shù)據(jù)，動態(tài)調(diào)整清分參數(shù)，實現(xiàn)精細化清分，其中斷面客流量和區(qū)間擁擠度指標的時間粒度精細化到5min，其他指標的時間粒度精細化到2min。此外實現(xiàn)線網(wǎng)分時段、分區(qū)域的短時客流預測、大客流預警及應急管理、異常情況影響動態(tài)預警。

2.客流分析與預警

2.1.客流分析功能搭建

將客流分析功能分為數(shù)據(jù)支撐和客流時空狀態(tài)分布業(yè)務處理兩部分，分別設置數(shù)據(jù)庫、指標存儲庫。一方面基于數(shù)據(jù)庫收集AFC實時刷卡交易明細數(shù)據(jù)、實時ATS數(shù)據(jù)、實時手機信令數(shù)據(jù)、OD比例、閾值參數(shù)等信息，調(diào)用查詢計算引擎對其計算處理。另一方面基于存放函數(shù)定義、公式定義、指標定義、查詢定義、報表定義、報告定義等資源的指標存儲庫，經(jīng)過指標選擇、過濾后制作成已經(jīng)定義好的函數(shù)、公式、指標，從該庫中讀取數(shù)據(jù)寫入接口。最終通過綜合分析、實時計算處理和歷史數(shù)據(jù)縱向、橫向比較，生成并展示軌道交通實時分時間粒度客運量、斷面客流量、進出站量和換乘量等指標。

2.2.客流預警功能搭建

突發(fā)大客流的特點主要是時間和空間上存在較大的難以預測性，需指定大客流發(fā)生的時間和地點以及客流量大小，加載大客流情況下客流預測模型，通過實時監(jiān)測客流指標、短時客流預測指標、同類型的歷史參考數(shù)據(jù)，對大客流事件影響的時間范圍、空間范圍進行預警。

2.3.報警閾值計算算法

進/出站客流報警閾值由系統(tǒng)根據(jù)歷史5分鐘進出站客流數(shù)據(jù)計算，斷面擁擠度報警閾值由系統(tǒng)根據(jù)歷史斷面擁擠度數(shù)據(jù)計算，均有三種模型可選。報警系數(shù)分3級，A、B、C分別代表當前值達到閾值的比例。系統(tǒng)計算客流當前值與報警閾值的比例，再與報警系數(shù)比較進行報警。達到不同系數(shù)，報警顯示有區(qū)分。

2.3.1.歷史正態(tài)分布算法

進/出站客流報警閾值A = 20個歷史同期5分鐘進/出站客流的均值+3倍標準差

斷面擁擠度報警閾值 = 20個歷史同期斷面擁擠度的均值 + 3倍標準差;

2.3.2.歷史最高值算法

進/出站客流報警閾值A = 5分鐘進/出站客流歷史最高值

斷面擁擠度報警閾值 = 斷面擁擠度歷史最高值

2.3.3.歷史平均值算法

進/出站客流報警閾值B = 20個歷史同期5分鐘進/出站客流平均值×上浮系數(shù)

斷面擁擠度報警閾值 = 20個歷史同期斷面擁擠度平均值×上浮系數(shù)

2.4.客流預警模擬演示

模擬發(fā)生設備故障后10分鐘至15分鐘，對客流產(chǎn)生影響，擁擠度過高的區(qū)間以及客流壓力過大車站會顯示預警狀態(tài)，如下圖所示。

實現(xiàn)線網(wǎng)分時段、分區(qū)域的短時客流預測、大客流預警及應急管理、異常情況影響動態(tài)預警。

提供換乘客流數(shù)量及流向分析顯示，建立歷史及實時數(shù)據(jù)統(tǒng)計分析校正機制，并可通過實時/短時客流數(shù)據(jù)、同類型的歷史參考數(shù)據(jù)，對大客流事件影響的時間范圍、空間范圍進行預測。

3.結論

運營信息分析系統(tǒng)前期由于歷史數(shù)據(jù)沒有積累，系統(tǒng)無法判讀數(shù)據(jù)的合理性，還需要人工干預，中后期隨著系統(tǒng)數(shù)據(jù)積累，客流分析算法訓練成熟，可逐步轉(zhuǎn)換為系統(tǒng)自動發(fā)布為主。該系統(tǒng)通過優(yōu)化現(xiàn)有資源，實現(xiàn)精細化、信息化、高效化管理。此外為仿真平臺和運力配置計劃提供模擬客流的提供數(shù)據(jù)支撐，為軌道交通列車運行組織和車站客運組織提供重要依據(jù)。

參考文獻：

[1]陳建宇.基于AnyLogic的成都北站鐵路客流換乘城市軌道交通仿真研究[D].西南交通大學，2014.

[2]孫宇.城市軌道交通車站通行設施能力匹配性評估與瓶頸識別方法研究[D].北京交通大學，2016.