基于时空拥挤度的地铁拥挤踩踏事故实时监测预警系统

王 艳，彭 超，魏嘉池，游艺林

地铁交通以其运量大、速度快、平稳、1准时性高等优势成为城市出行首选，有效缓解了地面交通拥堵的现状。然而地铁车站有限的容量与日益增长的客流量之间的矛盾愈加突出，地铁站内人流拥挤踩踏事故风险也随之增大。

国内外的学者已经对拥挤踩踏事故发生机理[1-2]、构建拥挤踩踏事故量化分析模型[3-7]等方面进行了很多研究，我国一些学者研究了地铁拥挤踩踏事故监测应急系统：陈鹏[8]等基于公共环境下密集人群拥挤踩踏事故的发生机理，提出了面向公安应急的基于实时监测技术的密集人群踩踏事故预警系统，该系统主要适用于室外大型社会活动的管理，不宜应用到地铁站这种内部结构较为复杂的建筑。彭博[9]等通过识别监控视频中行人的外部轮廓实现行人监测，由于受到行人运动方向、遮挡情况、摄像头像素以及跟踪算法等因素影响，该方式仅能实现人流数目的估算且在行人跟踪方面存在局限。

因此，建立一套信息采集实时准确、反馈及时、应用智能化的地铁车站拥挤踩踏事故监测预警系统，具有重要的现实意义。

基于时空拥挤度理论，融合BIM和RFID技术，提出与构建地铁拥挤踩踏事故监测预警系统，进而依据相关规范改进完善拥挤程度划分、细化预警等级，为提高拥挤踩踏事故监测水平和智能预警提供新思路。

1 系统需求分析及支撑技术

1.1 系统需求分析

任何一次突发事件都必然经历一个危险因素潜伏、由量变到质变转化、迅猛爆发的过程，城市地铁应急监测预警是力求避免城市地铁内外部风险演化为突发事件[10]。地铁站周围常建有商场、广场等人群聚集的建筑物和场所，使得地铁站突发性大客流情况时常发生，因此，要求监测预警系统实时监测、准确统计客流量，并且能够将人群聚集状态和运动状态等信息参数化、可视化地展示给地铁安全管理层，为管理层采取相关应对措施提供参考。

1.2 系统支撑技术

针对实时监测和信息参数化需求，选用无线射频识别（radio frequency identification，RFID）技术，该技术是一种新兴的非接触式的信息采集工具，通常由读卡器、RFID标签组成，具有采集信息自动化程度高、主动识别、采集及时准确、作用对象广泛且可存储信息等特点，目前，该技术以其强大的识别功能和日趋低廉的价格，已被用于身份证件和门禁控制、库存跟踪以及生产控制中。

针对可视化反映人群聚集状态和运动状态等信息的需求，选用BIM（building information modeling，建筑信息模型）技术，该技术以其参数化建模、三维可视化、协调管理等方面的优势，已经得到工程界的广泛认可和关注。地铁工程作为建筑工程的重要组成部分，不可避免地面临如何实现BIM理念的问题。

BIM与RFID技术集成的可行性已经被证实[11]，部分学者研究了将BIM和RFID技术集成应用于施工现场安全监测的关键技术并建立了监控系统[12]，此外，基于BIM和RFID技术的可主动预防高空坠落的安全信息管理系统也已经被建立[13-14]。

相对于现有的人工巡逻、高清视频监测等方式，使用 BIM 和 RFID技术集成进行地铁车站客流量监测，可以实现高效安全监测，具体监测方式效果对比如表1所示。

表1 监测方式效果对比Tab. 1 Comparison of monitoring methods

2 核心算法

为更好地处理时间和空间中人群聚集状态、运动状态等信息，本文以时空拥挤度[15]为理论依据，量化人群拥挤状态。时空拥挤度可以描述时间与空间维度上的移动对象的拥挤程度，反映某区域人群流动时行人聚集的时间特征，并且能够反映乘客在疏散过程中的舒适性。若Aij区域Δt的时间内，通过的总人数为域的通行能力，取值见表2。

表2 《地铁设计规范》中车站内各设备的最大通过能力Tab. 2 The maximum capacity of the equipment within station in Code for Design of Metro

Vij/ Cij表示监测区 Aij在 Δt内的饱和度，f表示监测区域Aij在Δt内的饱和度，（Vij/Cij＜0.5），当饱和度大于0.5时，监测区域内的行人开始出现相互拥挤，将这种拥挤定义为时空拥挤度。时空拥挤度越大表明监测区域拥堵越严重。

3 系统设计与构建

3.1 系统功能组成

本系统包括监测层、集成层、分析层和预警层 4个层次，各层次功能见表3。

表3 各层次构成元件及功能Tab. 3 Components and functions at all levels

3.2 系统规则定义

3.2.1 监测区域单元划分

自动扶梯、换乘楼梯以及狭长通道是拥挤踩踏事故易发场所，本系统主要针对上述场所进行监测。首先将自动扶梯、换乘楼梯以及狭长通道等监测关键位置编号Ai（i=1，2，3，…），再根据实际需要将这些关键位置划分为若干个监测单元，并编号为Aij（i=1，2，3，…，j=1，2，3，…）。如图1、图2所示。

图1 监测扶梯编号及楼层中位置示意图Fig. 1 The illustration of the escalator for monitoring and the location in the floor

3.2.2 RFID标签定义及设备布置

图2 整部扶梯上的监测单元划分示意图Fig. 2 Schematic diagram of the monitoring unit on the entire escalator

地铁卡作为每一位乘客的乘车准入证，具有唯一性、独立性、可携带性、附属性等特点。为实现对处于移动状态的行人的有效监督，本系统在乘客的地铁卡中内置RFID标签，将标签的ID与地铁卡的ID设置一致并添加至BIM数据集成管理平台。为保证读取率，本系统所采用的RFID标签为超高频（ultra high frequency，UHF）的无源标签，该标签可以实现10 m范围内的读写且独立于车票芯片工作，价格低廉、可循环使用，经济高效。同时，为高效地监测自动扶梯、换乘楼梯以及狭长通道，需在监测区域内合理布置适宜数量的读写器。相关研究表明，UHF频段辐射对人体的影响可以忽略不计[16]。

3.2.3 BIM模型建立

地铁站 BIM 模型是本系统信息化和可视化功能实现的主要载体，为使本系统高效运行，系统启动前应建立完备的BIM3D模型，本系统要求BIM3D模型的结构、设备设施的模型精准。

3.2.4 拥挤程度划分

时空拥挤度理论仅指出饱和度大于0.5时达到拥挤状态，并未对拥挤程度进行细致划分，为使得该系统能够量化预警，笔者参考我国颁发的《国家突发公共事件总体应急预案》手册，将拥挤状态细分为3个等级：

1）III级 0 ＜ f ≤0.008，轻微拥挤：行人能以正常步速前进或绕越他人，当存在横穿人流或反方向行进时，速度和流率有所下降；

2）II级 0.008 ＜ f ≤0.016，一般拥挤：行人正常步速和绕越他人受限，当存在横穿人流或反方向行进时，容易发生冲突；

3）I级 0.016 ＜ f ≤0.025，严重拥挤：所有行人的正常步速受限，不可避免地与他人接触，横穿人流或反方向行进非常困难。

3.2.5 预警等级划分

为实现可视化预警，本系统以颜色区分进行警示，如表4所示。

表4 预警等级划分Tab. 4 The division of early warning levels

3.2.6 系统实现代码

笔者选用 MATLAB软件，对该系统的核心算法进行编程，其中v1表示轻微拥挤，v2表示一般拥挤，v3表示严重拥挤，v4表示畅通。部分MATLAB代码如下：

prompt='the value of i '；

i=input（prompt）；

filename=input（'site of N '）；

filename2=input（'site of C '）；

N=Getdata（filename，1）；

C=getC（filename2，i）；

t=1；

[v1，v2，v3，v4]=f（N，C，t）；

v1=Newshape（v1）；

v2=Newshape（v2）；

v3=Newshape（v3）；

v4=Newshape（v4）；

filename3=input（'site of results '）；

output（v1，v2，v3，v4，filename3）；

3.3 系统功能及流程设计（见图3）

图3 基于时空拥挤度的地铁拥挤踩踏事故实时监测预警系统流程图Fig. 3 The flow chart of the monitoring and early warning system for subway stampede accidents based on space-time congestion concept

4 系统应用实例

本文以图4所示地铁站为实例，展示本系统的具体使用过程。为验证基于时空拥挤度理论的地铁拥挤踩踏事故实时监测预警系统的可靠性和适用性，首先利用REVIT软件建立车站BIM模型、划分监测单元，当乘客进入自动扶梯、换乘楼梯以及狭长通道等区域时，RFID读写器会立刻读取标签的信息并自动生成定位数据，上传至BIM数据集成管理平台，系统在汇总每一监测区域总人数之后，经由 MATLAB程序代码计算出饱和度及相应的预警等级，最后在BIM模型中可视化显示相关预警区域，如图5所示。红色警示区域为严重拥挤，橙色显示区域一般拥挤，黄色显示区域为轻微拥挤状态，其他区域为畅通状态。地铁安全管理层需根据警示颜色采取相应疏导措施。

图4 某地铁站BIM 3D模型Fig. 4 BIM 3D model of a subway station

图5 系统效果示意Fig. 5 Schematic diagram of the system

5 结论

笔者以时空拥挤度为理论支撑，综合运用BIM与RFID技术，设计并构建了地铁拥挤踩踏事故实时监测预警系统，研究结论如下：

1）能够实时、自动、动态地识别目标对象和读取相关信息数据，从而实现动态跟踪，有效避免人工识别易出现的缺陷和漏洞等弊端。

2）在乘客的地铁卡中内置RFID标签，使得该系统能够实现对处于移动状态的行人的有效监督，以动态的方式来监测，可及时全面地辨识问题，做到有效、实时、全面的监测预警。

3）本系统主要针对自动扶梯、换乘楼梯以及狭长通道进行应用，未能充分考虑地铁整体情况，后期应对该系统进行改进完善，从而保证地铁拥挤踩踏事故实时监测预警的全局性和准确性。

[1] 王瑞山, 靳澜涛. 地铁场所踩踏事故的生成特征与风险治理: 2008年以来15起典型事故的考察[J]. 中国人民公安大学学报(社会科学版), 2016, 4(4): 141-148.WANG Ruishan, JIN Lantao. The generating characteristics and risk management of the departure accident in the subway place——A study of 15 typical accidents since 2008[J]. Journal of People’s Public Security University of China (Social sciences edition), 2016, 4(4): 141-148.

[2] 尹晓庆, 叶厚元. 大型活动拥挤踩踏事件的事故树分析及其防控措施[J]. 安全与环境工程, 2017, 24(2): 127-131.YIN Xiaoqing, YE Houyuan. Fault tree analysis of stampede accidents in large-scale activities and the prevention and control measures[J]. Safety and environmental engineering,2017, 24(2): 127-131.

[3] 王起全. 基于赋权关联度算法的地铁拥挤踩踏事故风险研究[J]. 中国安全科学学报, 2013, 23(5): 94-100.WANG Qiquan. Research on crowded stampede accident risk at subway based on empowering related degree method[J].China safety science journal, 2013, 23(5): 94-100.

[4] 刘艳, 汪彤, 丁辉, 等. 地铁车站拥挤踩踏事故风险评价DEA模型研究[J]. 中国安全科学学报, 2013, 23(10):100-104.LIU Yan, WANG Tong, DING Hui, et al. Research on risk assessment DEA trampling accidents in model of crowd crushing and subway stations[J]. China safety science journal, 2013, 23(10): 100-104.

[5] 于帆, 宋英华, 霍非舟, 等. 城市公共场所拥挤踩踏事故统计分析与风险评估研究[J]. 安全与环境工程, 2017,24(1): 126-133.YU Fan, SONG Yinghua, HUO Feizhou, et al. Statistics analysis and risk evaluation of pedestrian stampede accidents in public places of cities[J]. Safety and environmental engineering, 2017, 24(1): 126-133.

[6] 赵义豪, 刘英学. 基于 FTA-Petri网方法的拥挤踩踏事件分析[J]. 安全科学技术, 2017(2): 23-26.ZHAO Yihao, LIU Yingxue. Analysis of congestion stampede events based on FTA - Petri Net method[J]. Safety science and technology, 2017(2): 23-26.

[7] 佟瑞鹏, 李春旭, 郑毛景, 等. 拥挤踩踏事故风险定量评价模型及其优化分析[J]. 中国安全科学学报, 2013,23(12): 90-94.TONG Ruipeng, LI Chunxu, ZHENG Maojing, et al. A quantitative risk assessment model of crowded stampede accident and its optimization analysis[J]. China safety science journal, 2013, 23(12): 90-94.

[8] 陈鹏, 石少冲, 王钢强. 公共环境下密集人群踩踏事故的预警系统研究[J]. 灾害学, 2016, 31(4): 181-184.CHEN Peng, SHI Shaochong, WANG Gangqiang. Early warning system research to high density crowds in public environment[J]. Journal of catastrophology, 2016, 31(4):181-184.

[9] 彭博, 蒋阳升. 城市轨道交通车站拥挤踩踏预警技术探讨[J]. 公路交通科技, 2016, 33(7): 108-113.PENG Bo, JIANG Yangsheng. Discussion of crowd trample warning technology for urban rail transit stations[J]. Journal of highway and transportation research and development,2016, 33(7): 108-113.

[10] 卢文刚. 城市地铁突发公共事件应急管理研究—基于复杂系统理论的视角[J]. 城市管理, 2011, 18(4): 119-124.LU Wengang. On constructing metro emergency management system: Based on complex system theory perspective[J]. Urban studies, 2011, 18(4): 119-124.

[11] 郭红领, 于言滔, 刘文平, 等. BIM和RFID在施工安全管理中的集成应用研究[J]. 工程管理学报, 2014,28(4): 87-92.GUO Hongling, YU Yantao, LIU Wenping, et al. Integrated application of BIM and RFID in construction safety management[J]. Journal of engineering management,2014, 28(4): 87-92.

[12] 仲青, 苏振民, 佘小颉. 基于RFID与BIM集成的施工现场安全监控关键系统构建[J]. 建筑经济, 2014,35(10): 35-39.ZHONG Qing, SU Zhenmin, SHE Xiaojie. Establishment of an safety monitoring system on construction site based on RFID and BIM integration[J]. Construction economy, 2014, 35(10): 35-39.

[13] WU Weiwei, YANG Huanjia, LI Qiming, et al. An integrated information management model for proactive prevention of struck-by-falling-object accidents on construction sites[J]. Automation in construction, 2013,34(13): 67-74.

[14] 张泾杰, 韩豫, 马国鑫, 等. 基于BIM和FRID的建筑工人高处坠落事故智能预警系统研究[J]. 工程管理学报, 2015, 29(6): 17-21.ZHANG Jingjie, HAN Yu, MA Guoxin, et al. Research of intelligent early warning system for falling accidents based on BIM and RFID for construction workers[J].Journal of engineering management, 2015, 29(6): 17-21.

[15] 李清泉, 李秋萍, 方志祥. 一种基于时空拥挤度的应急疏散路径优化方法[J]. 测绘学报, 2011, 40(4): 517-523.LI Qingquan, LI Qiuping, FANG Zhixiang. An emergency evacuation routing optimization method based on spacetime congestion concept[J]. Acta geodaetica et cartographica sinica, 2011, 40(4): 517-523.

[16] 周琳. 图书馆RFID设备的电磁辐射研究[J]. 内蒙古师范大学学报, 2016, 45(6): 170-173.ZHOU Lin. The research of electromagnetic radiation for RFID equipment in library[J]. Journal of Inner Mongolia Normal University, 2016, 45(6): 170-173.