西安地铁客流监控预警信息系统可行性研究及分析

姜彦璘，张文韬

西安地铁客流监控预警信息系统可行性研究及分析

姜彦璘，张文韬

（西安市地下铁道有限责任公司运营分公司，西安 710016）

结合现阶段西安地铁客流组织中的运营风险与客流控制中存在的不足，对当前客流预警的各种方案进行优缺点分析，提出以视频监控技术为基础的智能化客流监控预警信息系统来实时测算客流密度，从而进一步确定客流预警量化标准与客流控制启动的时机，帮助运营人员采取必要的应急处置。同时提出优化乘客信息渠道的建议，使乘客实时获取线网拥堵情况，供乘客出行决策，及时缓解拥堵区段客流压力，切实提升乘客舒适度。

地铁；客流预警；客运组织

随着西安地铁网络化运营时代的到来，西安地铁已逐步成为公众出行的主要交通工具之一，地铁客流量增长迅速，远超预期。西安地铁2016年全年运送乘客4.07亿人次，2017年4月28日客运量高达205.09万人次，创开通运营以来客流新高。受地铁站设计容量、行车关键设备能力制约，大客流下的乘客集散会给地铁带来运营风险。

1 西安地铁客运组织风险

1.1 踩踏事故

当地铁站内客流较大时，人流队伍会产生拥挤移动。有人意外跌倒后，后面的人群如果持续向前移动，将对跌倒的人产生踩踏，从而产生惊慌，加剧拥挤，不断增加新的跌倒人数，最终引发群死群伤事故。

1.2 综治纠纷

在地铁运营过程中，尤其是在高峰时段，大量人群聚集势必会降低乘客舒适度，引发人群的焦虑情绪，若不能有效进行客流控制，人群拥挤、碰撞、推搡过程中容易发生乘客吵架、打架等综治纠纷事件。

1.3 社会影响

城市轨道交通作为主要的公共交通工具之一，以服务乘客作为运营目的，在越来越大的客流压力下，如果不能有效进行客流组织，采取有效的应对措施，将会导致乘客满意度下降，遭受社会公众的质疑，对地铁运营企业形象造成损害。

2 西安地铁客流控制方法

2.1 客流控制方法介绍

西安地铁客流控制按照站控→本线线控→网控的梯度进行操作，当某一线路列车发生故障或有可能导致换乘站大客流时，按照“先本线调整，后邻线调整；宜先采取客流控制措施（含加开列车），后采取行车组织（小交路、本线越站、邻线越站等）”的原则，车站、行调可根据实际情况，采取一种或多种客流控制及行车组织措施。

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异

目前，西安地铁已根据多年运营经验成功总结出站、线、网三级客流控制模式，但是在各级控制措施的启动时机把握上还很大程度依赖于现场人员的主观判断，由于车站人员在工作经验、专业程度、个人性格等因素上存在差异，造成不同车站客流控制效果不一，很难形成普遍适用的标准规范。

2.2.2 信息滞后无法满足现场需要

车站客流密度是评判车站拥挤程度的关键指标，也是启动客流控制措施时机的依据。目前，西安地铁对车站客流人数的掌握主要依靠AFC系统统计车站进出站人数。但是AFC系统的进出站人数统计有滞后性，且无法反映出换乘客流量，不能为现场人员做决策提供有力的数据支撑，已经无法满足大客流下时效性和准确性的双重要求。

2.2.3 乘客获取信息的渠道不足

随着近年来地铁车站、车厢拥挤情况日益加剧，客流控制次数随之增多、时间延长，市民乘坐舒适度有所下降，而乘客获取地铁运营信息渠道有限，造成地铁运营企业与乘客信息不对等，乘客不了解车站限流及客流疏导举措，使得部分市民存在抵触情绪，为车站实施客流控制增加了难度。

3 解决方案

3.1 开展客流密度测算

目前，我国在地铁客流预警这一领域的研究还不成熟，有关的量化标准尚未完全建立，绝大多数仍然是依靠人工经验，方法还不系统，客流控制效果因人而异。为解决这一问题，需首先开展客流密度测算[1]。

3.1.1 测算方式

以100名乘客为测算主体，分6个场景进行测试，其中5个为动态模拟测试，1个为静态模拟测试。具体场景为：动态平地无障碍测试、动态平地有障碍测试、动态平地通道缩小测试、动态楼梯上行测试、动态楼梯下行测试和静态平地无障碍测试。

可采取“专家评价法”计算测算结果，邀请客运组织相关的各层级、各模块管理人员33名，对测试结果进行评价，定出4级拥堵指标。畅通——不需要采取任何客流控制措施；轻度拥堵——准备采取客流控制措施；中度拥堵——采取措施减缓进入区域人员；严重拥堵——区域内人员过于拥挤不能缓解，采取措施停止人员进入区域。

同时在测算中要综合考虑客流密度与乘客行进速度间的关系，本次测算主要运用现场观测和录像记录两种手段进行，通过积累大量的观测数据可以得出，客流密度与行进速度成反比例关系，客流密度越大时，行进速度越慢。当客流密度达到2人/m2时，乘客的行进速度极其缓慢，小于0.4 m/s；当客流密度低于0.8人/m2时，乘客可以自由行进，几乎不受拥挤影响[2]。此外通过实地观测数据显示，地铁乘客自由行进的平均步速为1.2 m/s，出站乘客在上行楼梯时的平均速度为 0.6 m/s，二者相差1倍，这正是出站客流疏散的瓶颈所在。当地铁列车到达车站后，下车出站的乘客会向出站楼梯方向移动。由于出站乘客中位于楼梯上的乘客速度较慢，导致对其后乘客的行进在一定程度上造成了阻碍，从而使楼梯附近的集散区客流密度增大，造成短时间拥堵。导致这一现象发生的原因是出站楼梯通过能力过小，与站台集散区的通过能力相差太大[3]。

3.1.2 测算结果及分析

综合33位专家的评价情况，“动态平地无障碍物测试”与“动态平地有障碍物测试”各拥堵指数的评价结果、“动态上行楼梯通行测试”与“动态下行楼梯通行测试”各拥堵指数的评价结果均比较接近，进行合并得出各测试场景下的各级拥堵指标阈值，如表1所示。

本次测算结果与部分学者提出的“建议可接受的人群密度值”较为接近，理论与实际匹配，具备参考价值[4]。

表1 各种测试情景下的指标拥堵阈值

3.1.3 客流密度测算的应用方向

本次测算的结果进一步明确了客流预警量化标准，对于确定客流控制的启动时机，制定客流预警的指标体系有指导意义，具体可用于：车站客流控制启动标准、车站客流监控预警、乘客信息告知及预警[5]。

3.1.4 客流密度测算的应用瓶颈

要实现车站、线路甚至是全线网级的客流预警，准确把握客流控制启动时机，关键在于实时掌握车站的客流量，密度测算结果的应用也在于准确掌握车站的客流密度，但在目前，全国各地铁运营企业在这一领域尚未有成熟解决方案，因此实时测算车站客流密度，是本次测算结果应用和实现客流预警的瓶颈[6]。

3.2 引入客流监控预警信息系统

为确保客流疏导的安全性、及时性、准确性，实时掌握车站、线路、线网内客流密度及分布，地铁运营企业应引入智能化的客流监控预警信息系统。

3.2.1 目前客流预警手段

参考国内外各行业对客流监控预警的研究及应用实例，目前的客流预警手段主要有四种：人工统计、红外线技术、AFC大数据分析预测法、视频分析技术。

1）人工统计。人工统计，即是由工作人员通过相关手段分析、测算、估计目前地铁的客流密度，属于主观定性判断，主要使用CCTV监控，经验划线法等方式，当判断客流密度达到经验值时进行预警并施加控制措施。属于传统做法，也是目前主流的客流预警方式。

人工统计过于依赖现场人员的经验和专业，差异性比较大，且无法进行定量分析，也无法及时有效地将线网客流情况告知乘客。

2）红外线技术。红外线技术是通过在监控区域安装红外对射装置或者红外热成像装置，采集客流数据，实现监控区域实时测算客流密度及预警功能的技术，属定量分析。目前该技术在国内有运用实例，如丽江古城景区、上普财富中心、济南趵突泉景区等[7]。

该技术成本低，可定量、实时测算监控区域客流，但由于只能模糊检测人群密度，故精确度不高，误差较大。

3）AFC大数据分析预测法。AFC大数据分析预测法是运用线网OD分布在短时期内稳定、具有可预测性的特点，依托企业清分系统多年技术积累，通过分析历史进出站获得的OD模型可以预测进站客流的目的地，结合时刻表，从而实时获取线网进站客流数即可实时预测线网实时客流的技术，属于定量分析。据了解，目前该技术在国内有广州地铁、上海地铁应用[8]。

该技术优点在于实现成本较低，可定量、实时预测客流，同时通过后台将线网拥挤度告知乘客，疏导客流，但由于该技术是基于历史AFC数据建模预测得出的数据，当线网出现故障不能按照正常交路运营时，该系统将无法准确预测，且不能对乘客异常行为进行分析，如某区域瞬时客流聚集等。

4）视频分析技术。视频分析技术是通过在监控区域车站安装监控摄像头或者通过对既有摄像头进行改造，采集视频图像加以转换处理形成适用的视频流，使用嵌入式系统算法进行分析，从而实现实时测算客流密度和预警功能的技术，同时还具备乘客异常行为分析功能，如分析局部区域乘客异常聚集，属于定量分析[8]。目前该技术在国内外均有运用实例，已应用于美国旧金山国际机场、芬兰赫尔辛基机场、迪拜城市广场购物中心、日本东京地铁、天津津汇广场、深圳中航城、大连万达、上海中区广场、北京地铁等。

该技术的优点是视频实时监控，可通过后台将线网客流信息告知乘客，疏导客流，且能对监控区域进行异常行为分析报警，缺点在于成本较高。

3.2.2 推荐方案——视频分析技术

结合4种技术优缺点比较，视频分析技术在4种客流密度测算手段中精度相对较高，可根据后台数据实现乘客告知功能，在设备故障、应急情况下均能正常使用，进行乘客异常行为分析报警，能够满足城市轨道交通运营企业需求，且在目前国内外机场、商场、旅游景点等大客流场所均有应用实例，其中，日本东京地铁对此项技术应用最为成熟，不仅在车站站厅实现了视频覆盖，还在列车车厢内实现了视频覆盖，乘客在站台候车时可直接通过站台PIS（乘客信息系统）了解到即将到达列车每节车厢的拥挤程度[9]。建议西安地铁在后续新线及既有线中逐步研发、推广、改造，可先在换乘站试用，再逐步覆盖站厅、站台等区域，等技术成熟后也可学习日本东京在车厢内实现视频全覆盖，实现实时客流无死角视频监控分析。

3.3 拓宽、优化乘客信息渠道

针对目前地铁客流控制中乘客获取地铁运营信息渠道有限的问题，可通过拓宽、优化乘客信息渠道解决，在引入客流监控预警信息系统的基础上，将实时的车站、线网拥堵情况告知乘客，疏导客流。

3.3.1 增设拥挤度显示大屏

在站外、站厅入闸处、换乘通道等关键位置增设大屏，与客流监控预警信息系统后台连接，将车站、线网拥堵情况告知乘客，在乘客进站前、入闸前、换乘前给予乘客运营信息，在大客流情况下引导乘客避开拥挤线路或换乘其他交通工具。

3.3.2 优化既有信息渠道

优化目前的官方网站、官方微博、广播、官方APP等乘客信息渠道，提供实时查询车站、线网拥挤度功能，保证信息准确性和时效性，实时反映线路情况，供乘客出行决策，正确引导客流，打造智慧车站。

4 结语

随着西安地铁逐步进入网络化运营模式，客运量逐年攀升，运营环境日趋复杂，地铁运营安全受到社会公众的高度关注，传统的经验型、事后型、人盯人的客流预警已不能满足当前安全形势的需求，引入以视频监控技术为基础的智能化客流监控预警信息系统对西安地铁运营发展大有裨益。同时目前的社会科技水平也为实现视频监控测算客流密度提供了技术保障，具备较高的技术可行性，建议进行试点应用，逐步推广。

[1] 潘罗敏. 地铁短时客流量预测预警研究[D]. 北京: 首都经济贸易大学, 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, 陈峰, 李程垒. 对地铁站台集散区客流密度与行进速度的关系探讨[J]. 城市轨道交通研究, 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, 卢兆明. 车站客流观测及其对人群疏散动力学模型的验证[J]. 西安建筑科技大学学报(自然科学版), 2008, 40(1): 108-113.

YUAN Jianping, FANG Zheng, LU Zhaoming. Observa­tions 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] 卢春霞. 人群流动的波动性分析[J]. 中国安全科学学报, 2006, 16(2): 30-34.

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

[5] 李德伟, 孙宇星, 黄建玲. 地铁客流预警技术基础探讨[J]. 都市快轨交通, 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] 马成正, 姜秋耘. 基于GRNN神经网络的地铁疏散预警及对策研究[J]. 都市快轨交通, 2016, 29(3): 37-41.

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

[7] 褚祺晟. 热敏计数系统在上海轨道交通车站大客流预警中的应用[J]. 中国科技纵横, 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年上海世博园区大客流状态下园外交通系统预警及应对方案[J]. 城市公用事业, 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] 李得伟, 尹浩东. 基于物联网设备检测数据的城市轨道交通车站站台多维度实时客流密集度指数预测方法研究[J]. 铁道学报, 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.

（编辑：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

姜彦璘，男，本科，工程师，从事运输策划、客流分析与行车技术研究，dreamerjiang@126.com