基于WiFi探針的軌道車站擁堵點(diǎn)客流參數(shù)動(dòng)態(tài)估計(jì)技術(shù)

韓瑋格 周志鵬 周曉京 夏琪 汪遠(yuǎn)

摘 要：本課題基于wifi探針的大數(shù)據(jù)技術(shù)，改變大客流處置方式從被動(dòng)應(yīng)對(duì)式、人工型、經(jīng)驗(yàn)型向主動(dòng)防控式、精細(xì)化、自動(dòng)化、科學(xué)化轉(zhuǎn)變，提高城市軌道交通車站大客流風(fēng)險(xiǎn)管理水平和防控能力，為實(shí)現(xiàn)軌道車站運(yùn)營(yíng)管理的信息化、自動(dòng)化、高效化提供技術(shù)支撐。本課題利用WiFi探針來進(jìn)行軌道車站客流數(shù)據(jù)的采集，在此基礎(chǔ)上深入研究軌道車站擁堵點(diǎn)客流狀態(tài)表征參數(shù)及其動(dòng)態(tài)估計(jì)方法 。研究基于網(wǎng)格劃分的地鐵車站W(wǎng)iFi探針布設(shè)及數(shù)據(jù)采集方案，以車站局部擁堵點(diǎn)的排隊(duì)延誤時(shí)間建立WiFi探針的大客流狀態(tài)評(píng)價(jià)指標(biāo)動(dòng)態(tài)估計(jì)方法。研究成果可為軌道車站大客流安全風(fēng)險(xiǎn)管理決策和大客流預(yù)警系統(tǒng)開發(fā)提供方法與技術(shù)支撐。

關(guān)鍵詞：WIFI探針；擁堵點(diǎn)；客流狀態(tài)表征參數(shù)，動(dòng)態(tài)估計(jì)方法

1研究背景

隨著上海社會(huì)經(jīng)濟(jì)的快速發(fā)展和軌道交通線網(wǎng)規(guī)模的不斷擴(kuò)展，軌交路網(wǎng)客流總量持續(xù)增長(zhǎng)，目前全網(wǎng)已處于千萬客流的新常態(tài)。在早晚通勤高峰時(shí)段、大型活動(dòng)舉辦期間、重大節(jié)假日、突發(fā)性運(yùn)營(yíng)延誤或其他緊急事件等情況下，全部或局部線網(wǎng)更會(huì)面臨遠(yuǎn)超日常客流量的常態(tài)或臨時(shí)性超大客流的嚴(yán)峻挑戰(zhàn)。尤其對(duì)于地下封閉式車站，客流的極度擁擠、人流行走的嚴(yán)重交叉干擾，不僅大大降低乘客出行效率和舒適性，而且極大增加了安全隱患和風(fēng)險(xiǎn)，極易因集中大規(guī)模無序擁擠而導(dǎo)致大面積踩踏、客傷等危險(xiǎn)事故，后果不堪設(shè)想。

實(shí)踐中，上海、北京、廣州等城市軌道交通運(yùn)營(yíng)管理部門已陸續(xù)開展大客流安全風(fēng)險(xiǎn)管理專項(xiàng)工作。目前倫敦地鐵已率先啟動(dòng)了“利用WiFi數(shù)據(jù)提升軌道交通運(yùn)營(yíng)效率及服務(wù)水平”的行動(dòng)計(jì)劃。因此，本課題基于WIFI探針技術(shù)建立軌道車站客流參數(shù)動(dòng)態(tài)采集及估計(jì)方法，為軌道車站提供了客流狀態(tài)表征參數(shù)，推進(jìn)軌道車站大客流運(yùn)營(yíng)管理的信息化、自動(dòng)化、高效化的實(shí)現(xiàn)。

2研究的目的

目前，軌道車站運(yùn)營(yíng)管理采集缺乏科學(xué)理論方法和現(xiàn)代化技術(shù)手段的支撐，已有實(shí)踐尚處于人工化管理階段，僅依賴于傳統(tǒng)AFC數(shù)據(jù)、人工視頻監(jiān)控和主觀性經(jīng)驗(yàn)進(jìn)行決策，難以確保決策效果和效率。本文基于wifi探針的大數(shù)據(jù)技術(shù)，改變大客流處置方式從被動(dòng)應(yīng)對(duì)式、人工型、經(jīng)驗(yàn)型向主動(dòng)防控式、精細(xì)化、自動(dòng)化、科學(xué)化轉(zhuǎn)變，提高城市軌道交通車站大客流風(fēng)險(xiǎn)管理水平和防控能力，為實(shí)現(xiàn)軌道車站運(yùn)營(yíng)管理的信息化、自動(dòng)化、高效化提供技術(shù)支撐。

本文從理論與實(shí)踐角度，對(duì)現(xiàn)狀中軌道客流狀態(tài)辨識(shí)存在的問題進(jìn)行了研究，主要目的有以下幾點(diǎn)：

（2）建立一套基于WiFi探針的軌道車站擁堵點(diǎn)客流狀態(tài)表征參數(shù)體系；

（3）建立一種基于WiFi探針的軌道車站擁堵點(diǎn)客流狀態(tài)表征參數(shù)動(dòng)態(tài)估計(jì)方法；

（4）與上海申通地鐵公司共建WIFI探針示范研究與應(yīng)用車站。

3 基于Wifi探針的軌道車站擁堵點(diǎn)客流狀態(tài)參數(shù)表征指標(biāo)估計(jì)與分析

3.1 基于Wifi探針的客流狀態(tài)評(píng)價(jià)指標(biāo)

由于軌道車站某些通行設(shè)施的通過能力有限，在客流早晚高峰時(shí)段，當(dāng)?shù)竭_(dá)客流量超過設(shè)施的通過能力時(shí)，就會(huì)有大量的乘客在通行設(shè)施處排隊(duì)等候產(chǎn)生擁堵現(xiàn)象。這是一個(gè)典型的客流集中擁堵現(xiàn)象，用在各個(gè)擁堵點(diǎn)上布設(shè)的wifi探針?biāo)y(tǒng)計(jì)數(shù)據(jù)的指標(biāo)來描述軌道車站通行設(shè)施擁堵處客流擁堵特征，并用其來評(píng)價(jià)通行設(shè)施處客流擁堵的程度。

延誤時(shí)間記作T，表示的是每個(gè)乘客擁堵點(diǎn)停留時(shí)間 與正常通行狀態(tài)下的乘客擁堵點(diǎn)停留時(shí)間 的差，其表達(dá)式為

，通常情況下，取該差值的正數(shù)部分。它能實(shí)時(shí)動(dòng)態(tài)上反映了在軌道車站各個(gè)通行設(shè)施處由于客流量巨大或者通行設(shè)施通行能力有限，導(dǎo)致客流擁堵而產(chǎn)生通行延誤現(xiàn)象，其數(shù)值也可以很直觀地反映客流擁堵的程度或嚴(yán)重性。

3.2 WIFI探針的乘客擁堵點(diǎn)停留時(shí)間分析

乘客在擁堵點(diǎn)延誤時(shí)間統(tǒng)計(jì)特征分析的主要目的在于研究乘客在各個(gè)時(shí)段上經(jīng)過探針的時(shí)間的統(tǒng)計(jì)特征值的分布規(guī)律，本文主要分析以下兩個(gè)方面的統(tǒng)計(jì)特征，一是分析乘客擁堵點(diǎn)停留時(shí)間均值，二是乘客擁堵點(diǎn)停留時(shí)間時(shí)間在不同百分位水平的取值，并對(duì)數(shù)據(jù)的偏差情況進(jìn)行分析，三是對(duì)乘客在擁堵狀態(tài)下與自由流狀態(tài)下停留時(shí)間進(jìn)行對(duì)比得到延誤時(shí)間。

本文選取上海市地鐵南京東路站10號(hào)線2017年1月3日兩個(gè)時(shí)段分別代表自由流時(shí)段和高峰擁堵時(shí)段（16：00～16：10和17：30～17：40期間）車站站臺(tái)處扶梯口附近布設(shè)的wifi探針的條件下的乘客出現(xiàn)在探針數(shù)據(jù)內(nèi)的時(shí)間作為基礎(chǔ)數(shù)據(jù)，對(duì)乘客擁堵點(diǎn)延誤時(shí)間的統(tǒng)計(jì)特征進(jìn)行分析。

取10分鐘時(shí)段內(nèi)出現(xiàn)在發(fā)送端和接收端不同MAC地址的個(gè)數(shù)，計(jì)算每個(gè)乘客擁堵點(diǎn)停留時(shí)間： 。

其中 是m號(hào)WiFi探針探測(cè)范圍內(nèi)第n個(gè)MAC地址出現(xiàn)的時(shí)間長(zhǎng)度； 是m號(hào)WiFi探針探測(cè)范圍內(nèi)第n個(gè)MAC地址出現(xiàn)的最后一個(gè)時(shí)刻； 是m號(hào)WiFi探針探測(cè)范圍內(nèi)第n個(gè)MAC地址出現(xiàn)的第一個(gè)時(shí)刻。

（1）乘客擁堵點(diǎn)停留時(shí)間均值及偏差值分布規(guī)律分析

本文對(duì)總數(shù)據(jù)中16：00～16：10的自由流時(shí)段中提供乘客擁堵點(diǎn)停留時(shí)間數(shù)據(jù)的均值及偏差值進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果如圖4-5及表4-6所示：

圖1統(tǒng)計(jì)結(jié)果來看，乘客的擁堵點(diǎn)停留時(shí)間在100 S以下分布較密集，在100S以上分布較稀少。

從表2統(tǒng)計(jì)結(jié)果來看，最大值以及最小值與均值之間存在著較大的偏差，說明該時(shí)段乘客在擁堵點(diǎn)停留時(shí)間時(shí)間波動(dòng)較大。

非正常數(shù)據(jù)是指wifi探針在信號(hào)干擾、乘客手機(jī)wifi信號(hào)強(qiáng)弱等環(huán)境因素的影響下對(duì)乘客停留時(shí)間的某些預(yù)測(cè)數(shù)據(jù)不具備代表性，是不能用以預(yù)測(cè)當(dāng)前擁堵點(diǎn)乘客的停留時(shí)間。

因此，本文認(rèn)為采用乘客在擁堵點(diǎn)停留時(shí)間的均值作為當(dāng)前客流狀態(tài)下的乘客停留時(shí)間是不合適的，它很有可能受非常態(tài)數(shù)據(jù)的干擾，使數(shù)據(jù)結(jié)果出現(xiàn)較大偏差。

（2）乘客擁堵點(diǎn)停留間百分位水平值分布規(guī)律分析

百分位水平值是指乘客擁堵點(diǎn)停留時(shí)間數(shù)據(jù)中，將低于該值的數(shù)據(jù)所占的樣本頻率作為該值的百分位水平，反映了乘客擁堵點(diǎn)停留時(shí)間數(shù)據(jù)中低于該百分位水平值的樣本數(shù)據(jù)的多少。

對(duì)總數(shù)據(jù)提供的乘客擁堵點(diǎn)停留時(shí)間數(shù)據(jù)進(jìn)行百分位水平統(tǒng)計(jì)分析，將停留時(shí)間按照從小到大的順序進(jìn)行排列，統(tǒng)計(jì)可得各百分位水平值（本文僅對(duì)10%、20%、30%...90%的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析），統(tǒng)計(jì)結(jié)果如表3所示：

各百分位水平值數(shù)據(jù)與乘客擁堵點(diǎn)停留時(shí)間樣本數(shù)據(jù)進(jìn)行偏差值數(shù)據(jù)分析。研究發(fā)現(xiàn)，各個(gè)百分位水平值與路段運(yùn)行時(shí)間數(shù)據(jù)之間的偏差值曲線呈現(xiàn)出極其相似的變化規(guī)律：都是從負(fù)值變?yōu)檎?，而且單調(diào)增加；各百分位水平路段運(yùn)行時(shí)間與路段運(yùn)行時(shí)間數(shù)據(jù)樣本之間的偏差值序列中，偏差值零點(diǎn)隨著百分位水平的增加而增加。

為了更為方便的研究數(shù)據(jù)的集中程度，本文對(duì)乘客擁堵點(diǎn)停留時(shí)間與百分位水平值之間選取偏差率指標(biāo)進(jìn)行單獨(dú)的統(tǒng)計(jì)分析，偏差率的計(jì)算公式如下：

Poffset為乘客擁堵點(diǎn)停留時(shí)間與百分位水平值之間的偏差率，Toffset為乘客擁堵點(diǎn)停留時(shí)間與百分位水平值之間的偏差值，Tpercentage為乘客擁堵點(diǎn)停留時(shí)間百分位水平值。

偏差率反映了公交車輛運(yùn)行時(shí)間與百分位水平值之間的偏離程度，也間接反映出了乘客擁堵點(diǎn)停留時(shí)間相對(duì)于百分位水平值的聚散程度。

為了方便直接的比較各個(gè)百分位水平值的偏差率大小，在偏差率的數(shù)據(jù)中取均值得到各個(gè)各個(gè)百分位水平值的平均偏差率，統(tǒng)計(jì)結(jié)果如表4所示：

表4顯示了乘客擁堵點(diǎn)停留時(shí)間與10%～90%位水平值的平均偏差率統(tǒng)計(jì)分布，研究發(fā)現(xiàn)，不同的百分位值的平均偏差率會(huì)有變化，說明乘客擁堵點(diǎn)停留時(shí)間是圍繞著某一水平值呈現(xiàn)上下波動(dòng)的特性。當(dāng)選定精度水平后，總可以找到一個(gè)最優(yōu)的百分位水平值，使得偏差率小于該精度水平的樣本數(shù)量達(dá)到最大。根據(jù)本次統(tǒng)計(jì)的結(jié)果顯示，當(dāng)百分位值取80%時(shí)，其與樣本數(shù)據(jù)的平均偏差率最小為63%，所以我們可ss以認(rèn)為本數(shù)據(jù)中80分位值可以代表該時(shí)間段的乘客擁堵點(diǎn)停留時(shí)間特征值。

該研究結(jié)論為獲取某時(shí)段內(nèi)乘客擁堵點(diǎn)停留時(shí)間的特征值提供了依據(jù)，使得尋找到的百分位水平值更能代表某時(shí)段內(nèi)乘客擁堵點(diǎn)停留時(shí)間。

（3）乘客擁堵點(diǎn)停留時(shí)間特征總結(jié)

通過上述對(duì)乘客擁堵點(diǎn)停留時(shí)間的深入分析，總結(jié)出乘客擁堵點(diǎn)停留時(shí)間具有以下幾點(diǎn)特征：

（1）乘客擁堵點(diǎn)停留時(shí)間在不同的時(shí)間段中有比較明顯的差異，尤其是高峰時(shí)段的客流擁擠狀態(tài)與非高峰的自由流狀態(tài)對(duì)比下，更為突顯這一特征。我們根據(jù)此特征來計(jì)算在擁擠狀態(tài)下的乘客在擁堵點(diǎn)上的延誤時(shí)間。

（2）乘客擁堵點(diǎn)停留時(shí)間均值易受非正常數(shù)據(jù)的影響，而呈現(xiàn)出一定的偏向性，使得采用均值預(yù)測(cè)乘客擁堵點(diǎn)停留時(shí)間的方法產(chǎn)生了不合理的誤差。

（3）利用乘客擁堵點(diǎn)停留時(shí)間數(shù)據(jù)進(jìn)行統(tǒng)計(jì)發(fā)現(xiàn)，在滿足偏差率較小的情況下（偏差率處于60%左右），乘客擁堵點(diǎn)停留時(shí)間聚集在80百分位水平的頻率相對(duì)較高。

上述特征分析為乘客擁堵點(diǎn)延誤時(shí)間模型的建立提供了數(shù)據(jù)保障和理論支撐，使得預(yù)測(cè)模型更符合實(shí)際情況。

（4）乘客擁堵點(diǎn)延誤時(shí)間計(jì)算模型

乘客擁堵點(diǎn)延誤時(shí)間表示的是每個(gè)手機(jī)MAC地址出現(xiàn)的時(shí)間與正常通行狀態(tài)下的時(shí)間的差，通常情況下，取該差值的正數(shù)部分。它能實(shí)時(shí)動(dòng)態(tài)上反映了在軌道車站各個(gè)通行設(shè)施處由于客流量巨大或者通行設(shè)施通行能力有限，導(dǎo)致客流擁堵而產(chǎn)生通行延誤現(xiàn)象，其數(shù)值也可以很直觀地反映客流擁堵的程度或嚴(yán)重性。

在上文，已經(jīng)計(jì)算出該站站臺(tái)處扶梯口在自由流時(shí)段（即16：00-16：10）的乘客擁堵點(diǎn)停留時(shí)間特征值其80分位值作為正常通行狀態(tài)下的乘客堵點(diǎn)停留時(shí)間。沿用上文的研究方法，計(jì)算出該站站臺(tái)處扶梯口在高峰擁堵時(shí)段（即17：30-17：40）的乘客擁堵點(diǎn)停留時(shí)間特征值。

對(duì)總數(shù)據(jù)提供的乘客擁堵點(diǎn)停留時(shí)間數(shù)據(jù)進(jìn)行百分位水平統(tǒng)計(jì)分析，將停留時(shí)間按照從小到大的順序進(jìn)行排列，統(tǒng)計(jì)可得平均值各百分位水平值（本文僅對(duì)10%、20%、30%...90%的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析），統(tǒng)計(jì)結(jié)果如表5所示：

為了方便直接的比較各個(gè)百分位水平值的偏差率大小，在偏差率的數(shù)據(jù)中取均值得到各個(gè)各個(gè)百分位水平值的平均偏差率，統(tǒng)計(jì)結(jié)果如表6所示：

根據(jù)本次統(tǒng)計(jì)的結(jié)果顯示，當(dāng)百分位值取80%時(shí)，其與樣本數(shù)據(jù)的平均偏差率最小為63%，所以我們可以認(rèn)為本數(shù)據(jù)中80分位值可以代表該時(shí)間段的乘客擁堵點(diǎn)停留時(shí)間特征值。所以，我們得到了該站站臺(tái)處扶梯口在17：30-17：40的乘客擁堵點(diǎn)停留時(shí)間特征值為161s。

根據(jù)上文所得到數(shù)據(jù)，我們將數(shù)據(jù)代入我們建立的基于wifi探針的乘客擁堵點(diǎn)延誤時(shí)間的模型中進(jìn)行計(jì)算，公式如下：

T為乘客擁堵點(diǎn)延誤時(shí)間， 是該站某個(gè)擁堵點(diǎn)非正常通行狀態(tài)下每個(gè)手機(jī)MAC地址在wifi探針數(shù)據(jù)中出現(xiàn)的時(shí)間長(zhǎng)度， 為該站某個(gè)擁堵點(diǎn)正常通行狀態(tài)下的每個(gè)手機(jī)MAC地址在wifi探針數(shù)據(jù)中出現(xiàn)的時(shí)間長(zhǎng)度。

通過上述公式，我們計(jì)算出該站臺(tái)處扶梯口在17：30-17：40的乘客擁堵點(diǎn)延誤時(shí)間為23s。

4研究結(jié)論

隨著城市軌道交通的發(fā)展以及對(duì)軌道交通運(yùn)營(yíng)管理服務(wù)水平要求的不斷提升，實(shí)現(xiàn)軌道車站大客流安全風(fēng)險(xiǎn)管理工作的自動(dòng)化、科學(xué)化、高效化，本文通過對(duì)基于WIFI探針的軌道車站客流狀態(tài)指標(biāo)的研究，得到以下結(jié)論：

（1）乘客擁堵點(diǎn)停留時(shí)間在不同的時(shí)間段中有比較明顯的差異，尤其是高峰時(shí)段的客流擁擠狀態(tài)與非高峰的自由流狀態(tài)對(duì)比下，更為突顯這一特征。根據(jù)此特征來計(jì)算在擁擠狀態(tài)下的乘客在擁堵點(diǎn)上的延誤時(shí)間具有對(duì)客流狀態(tài)表征的功能。

（2）基于WIFI探針的軌道車站客流參數(shù)動(dòng)態(tài)采集和估計(jì)方法的研究成果，有助于提高軌道車站大客流下的運(yùn)營(yíng)管理服務(wù)水平。

參考文獻(xiàn)：

[1] P.hoogendoom.Microscopic Simulation of Pedestrian Flows.[C].Annual Meeting at the Transportation Research Board Proceedings on CD-ROM，2003.

[2]李燦.軌道交通樞紐乘客流交通特性分析及建模北京北京交通大學(xué).[D].北京.北京交通大學(xué)，007.

[3]沈麗萍，馬董，高世廉.城市軌道交通客流分析城市交通.[J].城市交通，2007.4（3）：14-19.