基于售票數(shù)據(jù)的鐵路客運(yùn)站人流量監(jiān)測預(yù)警系統(tǒng)設(shè)計

李 瑞，吳 恒，楊文韜

Li Rui1, Wu Heng2, YanG Wen-tao1

（1.中國鐵道科學(xué)研究院運(yùn)輸及經(jīng)濟(jì)研究所，北京100081；2.哈爾濱鐵路局客運(yùn)處，黑龍江哈爾濱150006)

(1.Transportation and Economics Research Institute, China Academy of Railway Sciences, Beijing 100081, China; 2.Department of Passenger Traffic, Harbin Railway Administration，Harbin 150006，Heilongjiang, China)

基于售票數(shù)據(jù)的鐵路客運(yùn)站人流量監(jiān)測預(yù)警系統(tǒng)設(shè)計

李 瑞1，吳 恒2，楊文韜1

Li Rui1, Wu Heng2, YanG Wen-tao1

（1.中國鐵道科學(xué)研究院運(yùn)輸及經(jīng)濟(jì)研究所，北京100081；2.哈爾濱鐵路局客運(yùn)處，黑龍江哈爾濱150006)

(1.Transportation and Economics Research Institute, China Academy of Railway Sciences, Beijing 100081, China; 2.Department of Passenger Traffic, Harbin Railway Administration，Harbin 150006，Heilongjiang, China)

旅客在車站乘車候車過程中，由于高峰期列車間隔緊密，容易出現(xiàn)大量旅客在同一時間段內(nèi)候車的局面，給車站的應(yīng)急管理工作造成較大的壓力。為此，以車站當(dāng)日以前所售客票數(shù)據(jù)為統(tǒng)計基礎(chǔ)，結(jié)合旅客到達(dá)分布統(tǒng)計規(guī)律，對次日乘車高峰段站內(nèi)人流量進(jìn)行預(yù)測。在此基礎(chǔ)上，構(gòu)建車站人流量監(jiān)測預(yù)警系統(tǒng)，進(jìn)行系統(tǒng)需求分析及系統(tǒng)架構(gòu)和功能設(shè)計，實現(xiàn)對旅客候車人流密度的監(jiān)測、預(yù)測及預(yù)警，為車站工作人員提前做好應(yīng)急管理準(zhǔn)備提供支持。

鐵路客運(yùn)；人流量統(tǒng)計；應(yīng)急策略；旅客到站分布

鐵路客運(yùn)站旅客的到達(dá)規(guī)律是指旅客在乘坐某次列車時，從第 1 位旅客到站時刻起，到列車發(fā)車前停止檢票時刻止，該列車所有旅客到站的概率分布，而旅客到達(dá)車站的時間概率分布實際為旅客在站內(nèi)的候車時間概率分布。由于旅客在站內(nèi)的候車時間長短直接影響著站內(nèi)人群聚集程度，如果有大量旅客長時間聚集在站內(nèi)候車，容易造成站內(nèi)擁擠，引發(fā)突發(fā)事件。因此，旅客的到站規(guī)律分布對于車站人流量預(yù)測有著重要的影響，根據(jù)站內(nèi)人流量的預(yù)測情況提前做好車站的應(yīng)急管理工作，對于車站的安全管理具有重要意義。

1 基于售票數(shù)據(jù)的站內(nèi)人流預(yù)測

由于鐵路車票預(yù)售期較長，旅客在出行前大多會選擇提前購買車票，因而鐵路售票數(shù)據(jù)在一定程度上可以反應(yīng)出某個時段車站的旅客人數(shù)；特別是離列車發(fā)車時間越近，售票數(shù)據(jù)越能準(zhǔn)確反應(yīng)出乘車旅客人數(shù)。因此，在進(jìn)行車站人流預(yù)警時，可通過截止到前一天的售票數(shù)據(jù)實現(xiàn)對次日某一乘車時間段的人流聚集數(shù)預(yù)測。

1.1 基于售票數(shù)據(jù)的站內(nèi)旅客聚集人數(shù)預(yù)測模型

隨著車站運(yùn)營管理水平的不斷優(yōu)化提高，旅客到站候車的行為習(xí)慣也在不斷變化。一直以來都有研究人員對旅客的到達(dá)分布規(guī)律進(jìn)行研究。王愛麗等[1]通過研究發(fā)現(xiàn)，旅客的到達(dá)規(guī)律服從負(fù)指數(shù)分布；孫曉開[2]、幸曉輝[3]等人通過研究發(fā)現(xiàn) Gamma分布能夠更準(zhǔn)確地描述當(dāng)前旅客乘車到站的分布規(guī)律。因此，在構(gòu)建站內(nèi)旅客人數(shù)聚集模型時，旅客到站規(guī)律主要以 Gamma 分布作為研究基礎(chǔ)。

設(shè) i 為某一時間段內(nèi)發(fā)出列車的序號，m 為該時段內(nèi)發(fā)送列車的總數(shù)，i = 1，2，…，m；Ti為第 i 列車的發(fā)車時刻；在不考慮旅客誤點的情況下，將乘坐第 i 列車的第 1 位到站候車旅客的到站時刻記為 tis；Pik為 k 時刻本站第 i 列車的乘車旅客到站的比例。為簡化模型，假定所有旅客都能夠在規(guī)定時間內(nèi)提前到站候車，沒有誤車情況發(fā)生，則該列車在本站的乘車旅客在停止檢票前全部到站，即第 i 列車開車前到站旅客比例 Pi=1。

式中：fi(t) 為乘坐第 i 列車的旅客進(jìn)站候車概率密度函數(shù)，近似服從 Gamma 分布[2-3]，其密度函數(shù)為

式中：x 為隨機(jī)變量；α 為形狀參數(shù)；λ 為尺度參數(shù)；Γ (α) 為 Gamma 函數(shù)。

根據(jù)不同車次旅客的到站分布，以及列車時刻表，可以計算出任意時刻站內(nèi)的聚集人數(shù)，實現(xiàn)對站內(nèi)人數(shù)的預(yù)測。

1.2 計算實例

利用上述模型進(jìn)行車站人流預(yù)測，特別是通過對車站乘車高峰時段人流量進(jìn)行預(yù)測，估計出站內(nèi)候車旅客高峰聚集人數(shù)及時刻，以便車站工作人員根據(jù)預(yù)測結(jié)果提前做好相關(guān)應(yīng)急準(zhǔn)備，確保旅客候車安全和服務(wù)到位。以哈爾濱西站為例進(jìn)行站內(nèi)人流預(yù)測。通過對哈爾濱西站全天旅客發(fā)送量進(jìn)行長期統(tǒng)計分析可知，一天內(nèi)發(fā)送旅客的高峰時間在早上 6∶00—8∶00 這一時間段。根據(jù)不同列車旅客的到站候車時間分布規(guī)律，分別對哈爾濱西站不同類型車次的候車規(guī)律進(jìn)行數(shù)據(jù)擬合。

針對哈爾濱西站 6∶08—8∶05 期間出發(fā)的旅客列車，5∶00—8∶00 之間每隔5 min 作為一個采樣點，分別統(tǒng)計各車次旅客的進(jìn)站候車人數(shù)，得到不同時間間隔下各個車次的候車人數(shù)分布，結(jié)合Gamma 函數(shù)的性質(zhì)，求得各車次 Gamma 分布的參數(shù) α，λ 值。哈爾濱西站部分車次旅客候車 Gamma 分布參數(shù)如表 1 所示。

根據(jù)哈爾濱西站客票所統(tǒng)計的售票數(shù)據(jù)，2016年 7月 13日哈爾濱西站早高峰各車次的售票量如表2 所示。

乘坐首列車的旅客到站候車時間按 1 h 計算，至早高峰期間最后 1 列車發(fā)車前停止檢票為止，旅客到站分布時間區(qū)段為 180 min。根據(jù)不同車次的旅客到達(dá)規(guī)律及售票數(shù)據(jù)，模擬出哈爾濱西站早高峰期間各車次旅客到站分布如圖 1 所示。

表 1 哈爾濱西站部分車次旅客候車Gamma分布參數(shù)

表 2 2016年 7月 13日哈爾濱西站早高峰各車次售票數(shù)據(jù) 張

圖 1 哈爾濱西站早高峰期間各車次旅客到站分布

根據(jù)公式 ⑶ 和公式 ⑷ 計算哈爾濱西站早高峰期間人流預(yù)測結(jié)果如圖 2 所示。從圖上可以看出，在 6 ∶ 45時站內(nèi)人流達(dá)到高峰，人數(shù)聚集峰值為2 787 人次，此時 G704 完成檢票準(zhǔn)備發(fā)車。之后隨著后續(xù)旅客的進(jìn)站候車、乘車，站內(nèi)聚集人數(shù)會出現(xiàn)波動，但總的聚集人數(shù)呈下降趨勢。

圖 2 2016年 7月 13日哈爾濱西站早高峰期間人流預(yù)測結(jié)果

經(jīng)過現(xiàn)場實際數(shù)據(jù)驗證，哈爾濱西站早高峰期間旅客的實際到達(dá)分布與 Gamma 擬合分布接近，預(yù)測模型滿足精度要求。

2 基于售票數(shù)據(jù)的鐵路客運(yùn)站人流量監(jiān)測預(yù)警系統(tǒng)設(shè)計

基于旅客到達(dá)分布的研究，設(shè)計鐵路客運(yùn)站人流量監(jiān)測預(yù)警系統(tǒng)，實現(xiàn)對站內(nèi)人流量的實時監(jiān)測，同時通過售票數(shù)據(jù)對不同時段下站內(nèi)聚集人數(shù)進(jìn)行預(yù)測，并根據(jù)事先設(shè)定的閾值給出不同級別的預(yù)警，指導(dǎo)車站工作人員進(jìn)行相關(guān)應(yīng)急準(zhǔn)備工作。

2.1 系統(tǒng)需求

一直以來，鐵路客運(yùn)站的應(yīng)急管理工作很大程度上依賴車站人員根據(jù)現(xiàn)場經(jīng)驗定性判斷，缺乏定量的指標(biāo)分析。許多車站雖然安設(shè)了大量的攝像頭，但實際使用價值不高，視頻數(shù)據(jù)沒有充分利用，主要功能仍停留在實時監(jiān)控和事后錄像查看的階段。同時車站的日常售票數(shù)據(jù)只進(jìn)行簡單的統(tǒng)計匯總，缺乏進(jìn)一步的分析。為提高車站客運(yùn)服務(wù)質(zhì)量，構(gòu)建人流量監(jiān)測預(yù)警系統(tǒng)，通過算法模型對車站視頻監(jiān)控數(shù)據(jù)和售票數(shù)據(jù)進(jìn)行發(fā)掘，為車站工作人員在候車組織、應(yīng)急管理等方面提供決策依據(jù)。①車站視頻監(jiān)控：集中顯示車站各主要場所攝像頭拍攝的視頻畫面，方便工作人員實時查看。②人流量統(tǒng)計：對通過進(jìn)出口的旅客人數(shù)進(jìn)行實時統(tǒng)計。③重點區(qū)域人流密度分析：根據(jù)旅客在站內(nèi)的候車習(xí)慣，對旅客重點聚集的區(qū)域進(jìn)行重點監(jiān)測，測算監(jiān)測區(qū)域內(nèi)的人數(shù)。④人流量預(yù)警：根據(jù)車站售票數(shù)據(jù)，結(jié)合列車時刻表及旅客候車規(guī)律對站內(nèi)聚集人數(shù)進(jìn)行預(yù)測，根據(jù)預(yù)測結(jié)果及應(yīng)急策略給出報警提示，以便車站工作人員根據(jù)不同的報警等級實施相應(yīng)的應(yīng)急管理策略。

2.2 系統(tǒng)架構(gòu)

系統(tǒng)架構(gòu)由設(shè)備接入層、數(shù)據(jù)接口層、業(yè)務(wù)邏輯層和展現(xiàn)層組成，如圖 3 所示。

圖 3 系統(tǒng)架構(gòu)

（1）設(shè)備接入層。主要為部署在車站各主要部位的槍式攝像機(jī)和球式攝像頭，7×24 采集并為系統(tǒng)提供 1 080P 的高清視頻數(shù)據(jù)。

（2）數(shù)據(jù)接口層。接入高清視頻及客票系統(tǒng)的售票數(shù)據(jù)，作為系統(tǒng)的主要數(shù)據(jù)源。

（3）業(yè)務(wù)邏輯層。負(fù)責(zé)視頻圖像及售票數(shù)據(jù)的分析處理，根據(jù)分析結(jié)果提供預(yù)警預(yù)報及車站應(yīng)急管理的相關(guān)輔助決策。

（4）展現(xiàn)層。為安全登錄的用戶提供豐富的系統(tǒng)功能應(yīng)用及用戶交互。

2.3 系統(tǒng)功能設(shè)計

（1）人流預(yù)測。系統(tǒng)基于人流量預(yù)測模型對車站所售客票數(shù)據(jù)進(jìn)行計算分析，實現(xiàn)對全天各個時段站內(nèi)的人流量進(jìn)行預(yù)測；同時借助于系統(tǒng)的人數(shù)自動統(tǒng)計功能實現(xiàn)對預(yù)測模型數(shù)據(jù)的驗證，提高預(yù)測精度。

（2）人流量實時監(jiān)測。通過在車站的進(jìn)、出口安裝攝像頭，實時查看旅客進(jìn)出站的情況，采用圖像處理算法對旅客進(jìn)出站方向進(jìn)行判斷，準(zhǔn)確統(tǒng)計出站內(nèi)旅客的人數(shù)，從而掌握當(dāng)前車站的擁擠程度，為客站的應(yīng)急管理及乘降組織工作提供決策依據(jù)[4]。

（3）人數(shù)統(tǒng)計。通過旅客進(jìn)出站畫面的識別分析，自動對旅客進(jìn)出站人數(shù)進(jìn)行統(tǒng)計，準(zhǔn)確顯示出當(dāng)前站內(nèi)的人數(shù)，一方面使得車站工作人員對當(dāng)前站內(nèi)人數(shù)有準(zhǔn)確的把握，另一方面通過與人流量實量監(jiān)測模塊的統(tǒng)計值進(jìn)行對比，完成對預(yù)測模型準(zhǔn)確性的驗證。

（4）人流量預(yù)警。由于客運(yùn)站的設(shè)計運(yùn)營規(guī)模不同，在車站人流量預(yù)警設(shè)計的過程中，需要根據(jù)車站的實際運(yùn)營數(shù)據(jù)進(jìn)行詳細(xì)分析，從而對人流量的預(yù)警級別進(jìn)行設(shè)定劃分。客運(yùn)站人流量預(yù)警等級劃分標(biāo)準(zhǔn)如表 3 所示。

表 3 客運(yùn)站人流量預(yù)警等級劃分標(biāo)準(zhǔn)

2.4 人流量預(yù)警策略

結(jié)合車站當(dāng)天的售票數(shù)據(jù)及列車發(fā)車時刻信息，車站工作人員可以通過對站內(nèi)人流量數(shù)據(jù)的預(yù)測提前掌握站內(nèi)旅客的候車情況，對次日不同時段的車站人流量進(jìn)行預(yù)測，并根據(jù)預(yù)測結(jié)果提前做好相關(guān)準(zhǔn)備工作，及早應(yīng)對可能發(fā)生的突發(fā)情況，實現(xiàn)站內(nèi)客運(yùn)組織的精細(xì)化管理[5]。

（1）當(dāng)預(yù)警等級為綠色時，說明該預(yù)測周期內(nèi)站內(nèi)旅客人流量較小，站內(nèi)的工作人員保持原有工作流程即可。

（2）當(dāng)預(yù)警等級為黃色時，說明在預(yù)測周期內(nèi)的某一段時間內(nèi)，會出現(xiàn)短時間的人流高峰情況，車站工作人員可以相應(yīng)地對車站的客運(yùn)組織管理工作進(jìn)行動態(tài)調(diào)整，在預(yù)計人流量高峰時間段內(nèi)增派工作人員，增加對旅客候車乘降的疏導(dǎo)工作，保障人流高峰期間候車室的井然有序工作。

（3）當(dāng)預(yù)警等級為橙色時，說明在預(yù)測周期內(nèi)，站內(nèi)旅客人數(shù)會有較大幅度的增加，車站工作人員應(yīng)當(dāng)提前做好應(yīng)急準(zhǔn)備工作，加強(qiáng)現(xiàn)場的督導(dǎo)、管理工作，并且密切關(guān)注站內(nèi)旅客人流，防止出現(xiàn)突發(fā)大客流現(xiàn)象；根據(jù)應(yīng)急預(yù)案提前安排好應(yīng)急工作，做好應(yīng)急準(zhǔn)備[6]。車站可以通過調(diào)整檢票口及相應(yīng)的候車區(qū)，適當(dāng)?shù)卣{(diào)整候車區(qū)域，提前做好人流分散的管理工作，以便候車高峰到來時，旅客可以根據(jù)車站的提示到指定區(qū)域候車，降低站內(nèi)局部人流密度，避免集中扎堆候車的局面。

（4）當(dāng)預(yù)警等級為紅色時，說明在預(yù)測周期內(nèi)將會有大量旅客進(jìn)站候車，車站應(yīng)當(dāng)盡早啟動應(yīng)急預(yù)案，增加應(yīng)急資源，做好現(xiàn)場的疏導(dǎo)管理工作，保證旅客在乘車高峰期能夠安全順利地出行。

2.5 系統(tǒng)應(yīng)用效果

系統(tǒng)開發(fā)完成后在哈爾濱西站進(jìn)行了試運(yùn)行。哈爾濱西站設(shè)計最高聚集人數(shù)為 1.2 萬人，2016年春運(yùn)期間日發(fā)送旅客人數(shù)最高為 45 162 人，站內(nèi)最高聚集人數(shù)超過 8 000 人?？紤]到站內(nèi)實際有效活動面積、旅客人均活動面積、旅客行進(jìn)速度等多方面因素[7]，劃分哈爾濱西站人流量預(yù)警等級如表4 所示[8]。經(jīng)過一段時間的應(yīng)用，系統(tǒng)的人流量預(yù)測和統(tǒng)計、人流密度分析的準(zhǔn)確率達(dá)到 85% 以上，滿足設(shè)計要求，提高了車站客運(yùn)組織工作的針對性和效率。

表 4 哈爾濱西站人流量預(yù)警等級劃分

3 結(jié)束語

目前，對不同車次旅客的到站分布規(guī)律是通過一段時間內(nèi)的統(tǒng)計分析得到的，由此得到的統(tǒng)計參數(shù)在短時間內(nèi)能夠較為準(zhǔn)確地描述該列車旅客的乘車候車規(guī)律。隨著列車運(yùn)營作業(yè)的優(yōu)化，旅客的候車規(guī)律可能會發(fā)生變化，模型參數(shù)值也將隨之發(fā)生變化，從而影響到旅客到站候車分布規(guī)律，此時需要重新統(tǒng)計和確定模型參數(shù)。在后續(xù)的研究中，可以考慮通過運(yùn)用大數(shù)據(jù)分析技術(shù)對旅客的到站候車規(guī)律進(jìn)行分析，從而得到更加準(zhǔn)確的人流量預(yù)測結(jié)果。

[1] 王愛麗，董寶田，高春霞. 鐵路客運(yùn)站旅客聚集分布仿真模型與算法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2013，13(1)：142-148. WANG Ai-li，DONG Bao-tian，GAO Chun-xia. Assembling Model and Algorithm of Railway Passengers Distribution[J]. Journal of Transportation Systems Engineering and Information Technology，2013，13(1)：142-148.

[2] 孫曉開. 鐵路客運(yùn)站出發(fā)旅客到達(dá)規(guī)律研究[D]. 成都：西南交通大學(xué)，2011.

[3] 幸曉輝. 軌道交通旅客到達(dá)規(guī)律與候車方式研究[D]. 成都：西南交通大學(xué)，2013.

[4] 楊 裕. 基于視頻的人群密度估計研究[D]. 上海：上海大學(xué)，2009.

[5] 郝 然，魯 瑤. 北京南站突發(fā)事件應(yīng)急疏散預(yù)案評價方法及應(yīng)用[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2012，34(11)：44-48. HAO Ran，LU Yao. Evaluation Method of Accident Emergency Evacuation Plan in Beijing South Railway Station and Its Application[J]. Railway Transport and Economy，2012，34(11)：44-48.

[6] 孟川舒. 鐵路運(yùn)輸生產(chǎn)應(yīng)急知識管理系統(tǒng)構(gòu)建的研究[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2016，38(5)：69-73. MENG Chuan-shu. Study on Establishment of Emergency Knowledge Management System of Railway TransportProduction[J]. Railway Transport and Economy，2016，38(5)：69-73.

[7] 張?zhí)靷ィ趺魃?，王希? 設(shè)計期鐵路客運(yùn)站最高聚集人數(shù)預(yù)測模型研究[J]. 鐵道學(xué)報，2008，30(5)：105-108. ZHANG Tian-wei，WANG Ming-sheng，WANG Xi-liang. Research on the Forecast Model of Maximum Assembling Passengers at Railway Passenger Station in Designing Time [J]. Journal of the China Railway Society，2008，30(5)：105-108.

[8] 夏 燁，賈海燕. 基于交通流密度的交通事故應(yīng)急反應(yīng)等級劃分研究[J]. 交通標(biāo)準(zhǔn)化，2011(21)：56-58. XIA Ye，JIA Hai-yan. Grade Division of Traffic Accident Emergency Response based on Traffic Flow Density[J]. Communications Standardization，2011(21)：56-58.

責(zé)任編輯：劉 新

Design of Passenger Flow Monitoring and Early Warning System for Railway Stations based on Ticketing Data

It is usually crowded at the railway station as there are too many trains arriving and departing in a short period of time, which brings great pressure to the work of emergency management. In this light, the paper makes a prediction of passenger volume during the rush hours of the next day based on the ticketing record and the passengers’ arrival distribution of the day. On this basis, it develops a station monitoring and early-warning system that incorporates demand analysis, architecture building and function design. It provides monitoring, prediction and early warning functions of passenger flow, so as to prepare the station staff for emergency management.

Railway Passenger Transport; Passenger Flow Statistics; Emergency Strategy; Passenger Arrival Distribution

1003-1421(2016)12-0054-05

TP399：U291.6

A

10.16668/j.cnki.issn.1003-1421.2016.12.11

2016-11-01

中國鐵路總公司科技研究開發(fā)計劃課題(2015X009-G)