城市軌道交通大客流安全管控技術(shù)研究與實踐

閆茜 周夢麟

1.深圳北斗應(yīng)用技術(shù)研究院有限公司 2.浙江省寧波市公安局軌道交通治安分局

引言

城市軌道交通具有大容量、集約高效、節(jié)能環(huán)保等突出優(yōu)點，是大城市公共交通系統(tǒng)的骨干，也是城市綜合交通運(yùn)輸體系的重要組成部分，對城市發(fā)展起著支撐和引領(lǐng)作用。城市軌道交通在滿足人民群眾出行需求、優(yōu)化城市結(jié)構(gòu)布局、緩解城市交通擁堵、促進(jìn)經(jīng)濟(jì)社會發(fā)展等方面發(fā)揮著越來越重要的作用。但是隨著城軌交通發(fā)展日漸網(wǎng)絡(luò)化、差異化，大客流安全風(fēng)險不斷提高，安全防控面臨巨大的壓力與挑戰(zhàn)。基于多維感知手段精準(zhǔn)監(jiān)測城市軌道交通大客流狀態(tài)，形成大客流預(yù)警動態(tài)指標(biāo)體系，建立有效的閉環(huán)管控手段成為重要工作。

一、城市軌道交通大客流安全管控的挑戰(zhàn)與痛點

（一）大客流定義及分類

城市軌道交通大客流指在某一時間段內(nèi)集中到達(dá)，且客流量超過了車站或線路正常客運(yùn)設(shè)施所能承擔(dān)的客流，主要表現(xiàn)為車站或列車上極度擁擠、客流交叉干擾嚴(yán)重、乘客流速極度緩慢。大客流主要是由于早晚通勤高峰、節(jié)假日休閑出行、大型活動聚集、惡劣天氣、運(yùn)營設(shè)備突發(fā)故障、突發(fā)事件等原因產(chǎn)生。

分析大客流的客流量、出現(xiàn)時間、客流構(gòu)成等基本情況，根據(jù)是否可提前預(yù)見進(jìn)行區(qū)分，將大客流分為：

（1）可預(yù)見性大客流：包括工作日早晚高峰時段大客流、節(jié)假日大客流、大型活動大客流、惡劣天氣大客流、路面交通管制大客流等。

（2）不可預(yù)見性大客流：不可預(yù)見性大客流無法提前預(yù)測，客流量會在短時間內(nèi)急劇上升。不可預(yù)見性大客流在時間和空間上都無法事先預(yù)料，也無規(guī)律可循，具有客流集散時間相對集中、客流時空峰值明顯、客流總量大、客流流速緩慢等特點，且具有極大安全隱患。

（二）客流管控挑戰(zhàn)與痛點

大客流安全管控主要存在以下問題：

（1）車站具體客流控制措施涉及較少，且車站擁擠度的評估和客流控制措施由各車站管理者根據(jù)經(jīng)驗判斷，主觀性較強(qiáng)。

（2）部分城市軌道交通對客流控制觸發(fā)的量化指標(biāo)進(jìn)行了規(guī)定，但該類指標(biāo)以管理者經(jīng)驗確定為主，不具備科學(xué)性。

（3）車站大客流變化是實時波動的，難以對實時情況進(jìn)行合理有效的監(jiān)測，但在實踐中客流控制以靜態(tài)控制為主，往往以歷史客流分布規(guī)律為依據(jù)，難以應(yīng)對客流波動較大的情況。

（4）目前客流控制判定標(biāo)準(zhǔn)主要從車站能力及列車滿載率來衡量，車站管理者一般僅結(jié)合自身車站客流情況進(jìn)行客流控制。雖然可以緩解該車站的擁擠狀態(tài)，但可能降低整個運(yùn)輸網(wǎng)絡(luò)系統(tǒng)運(yùn)能利用率，需協(xié)調(diào)前方車站或者相鄰線路車站通過全局調(diào)度進(jìn)行協(xié)同控制。

二、城市軌道交通大客流安全風(fēng)險感知技術(shù)研究

基于AFC、視頻、Wi-Fi的客流分析引擎，對城市軌道交通下宏觀客流、微觀客流進(jìn)行實時感知、多維分析，建立一個集實時客流監(jiān)測、精準(zhǔn)客流分析的全區(qū)域、全要素、全流程的客流安全風(fēng)險感知體系。

（一）基于AFC的客流分析技術(shù)

基于地鐵AFC系統(tǒng)運(yùn)營數(shù)據(jù)，分析城市軌道交通乘客路徑選擇、乘客滯留現(xiàn)象，分析目前線網(wǎng)客流特征，總結(jié)城市軌道線網(wǎng)客流的規(guī)律。

1.路徑選擇行為分析

乘客在地鐵系統(tǒng)的一次出行可分為從進(jìn)站閘門走到站臺、在站臺等待列車、上車到達(dá)目的地、換乘、下車出站5個過程?；诔丝瓦M(jìn)站刷卡時間、進(jìn)站走行時間、站臺候車時間、列車運(yùn)行時間、換乘走行時間、出站走行時間、出站刷卡時間反推乘客OD間走行路徑。

以深圳地鐵五和-燕南的OD對為例，通過具體的OD對來分析乘客的路徑選擇行為，這兩個站點之間有兩條有效路徑。如圖2所示，第一條路徑：乘坐地鐵五號線，在黃貝嶺換乘到地鐵二號線；第二條路徑：乘坐地鐵五號線，在深圳北換乘到地鐵四號線，然后從市民中心下車換乘到地鐵二號線。經(jīng)分析發(fā)現(xiàn)，第一條路徑所花費的時間比第二條路徑要多10分鐘，仍然有40%的乘客選擇第一條線路，這是因為第二條路徑相比第一條路徑多出一次換乘，減弱了在時間花費上的優(yōu)勢，結(jié)果表明了在構(gòu)建乘客路徑選擇模型時需要考慮到換乘次數(shù)所帶來的影響。

2.乘客滯留現(xiàn)象分析

基于乘客的出行路徑，結(jié)合進(jìn)站刷卡時間、出站刷卡時間、實時列車時刻表，可分析出乘客在站臺的滯留時間，并對乘客滯留現(xiàn)象進(jìn)行分析。

以深圳老街站為例，圖3展示了一天內(nèi)深圳地鐵一號線從羅湖到機(jī)場東方向從老街站進(jìn)站的乘客需要等待列車數(shù)量的分布以及老街和大劇院相鄰兩站之間的斷面流量。圖中兩個高峰時段表明：由于列車的容量不能夠滿足實際客流需求，所以乘客平均滯后較嚴(yán)重。同時，即使在低峰時間段列車容量足夠且不擁擠的情況下，需要等待列車的數(shù)量仍然大于1，有部分乘客會滯后，其原因是有些乘客更關(guān)心舒適度（有空閑的座位），對時間要求不高，所以寧愿等待下一趟列車。

（二）基于視頻分析的客流分析技術(shù)

融合視頻處理、模式識別及人工智能等新技術(shù)，復(fù)用地鐵站點視頻監(jiān)控資源進(jìn)行客流統(tǒng)計、異常行為監(jiān)測與特殊乘客識別，實現(xiàn)地鐵站點客流精細(xì)管控。

1.基于視頻分析的客流統(tǒng)計

基于視頻分析實現(xiàn)對視頻監(jiān)控畫面中特定區(qū)域（如閘機(jī)、通道、換乘點等）的人頭、肩等特征部位進(jìn)行識別，并根據(jù)其運(yùn)動軌跡來判斷人的出入關(guān)系，實時監(jiān)測車站的人流量和客流密度等統(tǒng)計數(shù)據(jù)，及時導(dǎo)流、限流，預(yù)警核心區(qū)域人群過于密集等安全隱患，有效實現(xiàn)大客流人群密集區(qū)域的疏導(dǎo)與管理。

以深圳灣公園站為例，模型接入視頻流，系統(tǒng)根據(jù)乘客的行進(jìn)方向進(jìn)行計數(shù)，如圖4所示，其中綠色表示識別出來的計數(shù)目標(biāo)物，紅色數(shù)字為截至當(dāng)前時刻的客流統(tǒng)計總數(shù)。基于頭部檢測的閘機(jī)計數(shù)精度達(dá)98.19%，基于頭部檢測的通道計數(shù)精度達(dá)96.77%。

同時可根據(jù)人群密集的圖片，模型生成對應(yīng)的客流密度分布圖，如圖5所示，用以評估客流擁擠情況。

2.基于視頻分析的客流異常行為監(jiān)測

利用人工智能圖像識別技術(shù)，對機(jī)場、車站、港口等公共交通的多種安全場景進(jìn)行動態(tài)安全隱患識別與報警，同時識別大客流聚集、危險區(qū)域進(jìn)入、翻越軌道、人群聚集、打架斗毆、行人逆行、求救動作等異常事件，對于人群異動進(jìn)行有效預(yù)警和及時發(fā)現(xiàn)，滿足城市大范圍、高密度、跨區(qū)域的監(jiān)控分析需求。

3.基于視頻分析的特殊乘客識別

結(jié)合人臉識別技術(shù)與行人重識別技術(shù)，解決機(jī)場、車站、港口等公共交通場景下的跨攝像頭行人識別與檢索。行人重識別技術(shù)根據(jù)行人的衣著、體態(tài)、發(fā)型、姿態(tài)等信息認(rèn)知行人，與人臉識別技術(shù)相結(jié)合，能在龐大復(fù)雜的交通網(wǎng)絡(luò)中快速發(fā)現(xiàn)目標(biāo)人員，并定位形成運(yùn)動軌跡，極大提高公安機(jī)關(guān)對特殊人員管控與抓捕的效率，同時也可應(yīng)用在城市疫情防控、失蹤人員尋找等領(lǐng)域。

（三）基于Wi-Fi的客流分析技術(shù)

基于Wi-Fi的客流分析運(yùn)用WLAN（無線局域網(wǎng)）技術(shù)實現(xiàn)接入設(shè)備的定位，即在無線接入的同時能夠判定接入設(shè)備的位置，通過數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化處理、數(shù)據(jù)入庫、數(shù)據(jù)分析等過程，獲取選定區(qū)域內(nèi)（如通道、站廳、站臺等）的客流量、客流分布、乘客駐留時長等。

1.基于Wi-Fi的乘客熱力分布分析

基于采集的MAC數(shù)量及空間位置，融合區(qū)域空間地圖，實現(xiàn)選中特定區(qū)域（如站廳、站臺、通道）在二維、三維地圖上的熱力分布呈現(xiàn)，直觀呈現(xiàn)客流聚集區(qū)與空散區(qū)。

2.基于Wi-Fi的乘客駐留時長計算

通過MAC的連續(xù)多次采集，使用MAC計算每個ID在同一站的駐留時間，根據(jù)計算結(jié)果可以判定乘客的滯留及車輛晚點等情況。

圖6為駐留時長的結(jié)果示例，其中紅線為駐站時長方差、藍(lán)線為抽樣人數(shù)，通過觀察數(shù)據(jù)的波動情況可知客流的滯留問題。如在客流增長過程中，若長時間波動變化較小，則反映乘客出現(xiàn)駐留。

三、城市軌道交通大客流安全風(fēng)險預(yù)知技術(shù)研究

為防范地鐵客流安全事件，將被動響應(yīng)轉(zhuǎn)換為主動防范，通過智能預(yù)測算法對宏觀線網(wǎng)客流、微觀站點客流進(jìn)行自動監(jiān)測預(yù)警，定量分析各類事件的事故等級及影響范圍，自動推薦處置預(yù)案，輔助警力精準(zhǔn)配置與部署。在客流預(yù)測方面，集成學(xué)習(xí)的方法取得了較好的效果。預(yù)測的步驟主要分為特征提取、模型訓(xùn)練、預(yù)測三個階段。

（一）特征提取

特征提取采用隨機(jī)森林分類的方法，隨機(jī)森林由多個決策樹構(gòu)成，具有很高的分類精度，且對噪聲和異常值具有較高的容忍度，其中隨機(jī)森林分類示意如圖7所示。隨機(jī)森林理論模型由n個決策樹構(gòu)成，每一棵決策樹T(i)都會對原始信號的樣本進(jìn)行分類，并對每一個決策樹分類的結(jié)果R(i)進(jìn)行投票，通過統(tǒng)計各個決策樹的分類結(jié)果，并選擇票數(shù)最多的作為最終分類結(jié)果。

（二）模型訓(xùn)練

模型采用GBDT算法，GBDT算法是集成學(xué)習(xí)算法的一種，是一種迭代的決策樹算法，其通過構(gòu)造一組弱學(xué)習(xí)器（樹），并把多個弱學(xué)習(xí)器的結(jié)果累加起來作為最終的預(yù)測輸出。

（三）預(yù)測結(jié)果

布吉地鐵站的進(jìn)站預(yù)測數(shù)據(jù)和真實數(shù)據(jù)的對比結(jié)果，如圖9所示，其中紅線為實際客流量，藍(lán)線為預(yù)測客流量，其當(dāng)天的平均百分比誤差（MAPE）為分別為7.38%和12.2%。

四、城市軌道交通大客流安全風(fēng)險管控技術(shù)探索

軌道交通安全運(yùn)營事關(guān)廣大人民群眾生命安全，事關(guān)社會安全穩(wěn)定及國家安全和形象，加強(qiáng)軌道交通安全風(fēng)險管控責(zé)任重大。隨著軌道交通的日益發(fā)展，軌道交通大客流頻發(fā)，軌道交通大客流安全風(fēng)險管控是一項系統(tǒng)工程，必須高度重視，研究制定針對性的措施，切實加強(qiáng)安全防范工作，做到人防、物防、技防全面結(jié)合，堅決維護(hù)軌道交通安全運(yùn)營，防止發(fā)生暴恐襲擊、個人極端暴力犯罪和擁擠踩踏案事件，確保軌道交通安全穩(wěn)定。

（一）智能風(fēng)控引擎打造技防主導(dǎo)的立體防控體系

基于物聯(lián)網(wǎng)、視頻分析、大數(shù)據(jù)分析等新技術(shù)的應(yīng)用，通過各類設(shè)備感知、人工采集對大客流風(fēng)險隱患進(jìn)行數(shù)據(jù)獲取，全面把控各類風(fēng)險的特征狀況、各類事件的發(fā)生規(guī)律特性，實現(xiàn)安全風(fēng)險的動態(tài)掌控，對風(fēng)險進(jìn)行動態(tài)評級，構(gòu)建動態(tài)風(fēng)控引擎，為城市軌道交通大客流風(fēng)險立體防控提供輔助決策。通過信息系統(tǒng)規(guī)范安全管理體系，落實各層級安全責(zé)任實現(xiàn)智能分析，數(shù)據(jù)驅(qū)動決策，做到人、機(jī)、物、管理全要素的綜合管理，建設(shè)具有先進(jìn)性的標(biāo)準(zhǔn)化安全綜合管理體系。

（二）自動物聯(lián)控制強(qiáng)化基礎(chǔ)物防能力

物防即實體防范，其主要作用在于推遲危險的發(fā)生，為“反應(yīng)”提供足夠的時間?，F(xiàn)代的實體防范，越來越多的采用高科技手段，一方面使實體屏障被破壞的可能性變小，增大延遲時間，另一方面也使實體屏障本身增加探測和反應(yīng)的功能?；诒疚奶岢龅拇罂土黠L(fēng)險感知與預(yù)警手段，聯(lián)動物防設(shè)備，目的是構(gòu)建一個可自動物聯(lián)控制的物防體系，在客流量大的局部區(qū)域進(jìn)行反向控制，以限制人流。同時將各類探測和反應(yīng)手段置入地鐵站內(nèi)的隔欄、鐵馬、閘機(jī)、樓扶梯、屏蔽門等位置，對隔欄遞物、非法越界等進(jìn)行探知和及時聲光報警以提高車站安全防范水平。

（三）動態(tài)高峰值守變革傳統(tǒng)人防效率

綜合利用歷史客流分析、實時客流監(jiān)控、客流預(yù)測預(yù)警，構(gòu)建協(xié)同聯(lián)動、快速反應(yīng)的常態(tài)化動態(tài)值守巡查機(jī)制，實現(xiàn)高峰值守下巡查警力的動態(tài)化、針對性部署?；诩挤馈⑽锓缆?lián)動機(jī)制，構(gòu)建民警、輔警、車站保安隊員、安檢隊員、車控室值班員、客服票務(wù)人員、站務(wù)員、保潔員等資源協(xié)同配合，聯(lián)勤監(jiān)督、隱患排查、風(fēng)險處置的車站“最小作戰(zhàn)單元”。變革既有高峰值守機(jī)制，實施動態(tài)的值守模式，并有效整合公安、企業(yè)、群眾力量和資源，全面提高巡檢效率，提升車站風(fēng)險管控和安全防范能力，保障乘客安全、高效、舒適的出行體驗。

五、應(yīng)用效果

基于多維感知手段的城市軌道交通大客流安全風(fēng)險感知和預(yù)測預(yù)警技術(shù)目前已應(yīng)用于深圳、廣州、寧波等城市，在國慶節(jié)、煙花節(jié)、燈光節(jié)等節(jié)假日和重大活動期間發(fā)揮了有效的監(jiān)測預(yù)警能力。曾參與某市燈光節(jié)期間客流監(jiān)測預(yù)警，通過綜合AFC、視頻分析、Wi-Fi等手段，提前30分鐘預(yù)知燈光節(jié)所在周邊車站大客流爆發(fā)時間及站點范圍，并結(jié)合歷史客流數(shù)據(jù)對大客流規(guī)模進(jìn)行估計，對客流安全風(fēng)險等級進(jìn)行評估，綜合客流主要來源去向，輸出客流組織預(yù)案，輔助公安機(jī)關(guān)和運(yùn)營企業(yè)在半小時內(nèi)完成現(xiàn)場20萬人次客流的疏散。

六、結(jié)語

隨著城市軌道交通網(wǎng)絡(luò)規(guī)模和客流規(guī)模的不斷擴(kuò)大，大客流風(fēng)險也越來越凸顯。相較于基于歷史經(jīng)驗的大客流應(yīng)急處置模式，基于數(shù)據(jù)驅(qū)動的大客流智能風(fēng)控體系在事前預(yù)警預(yù)測、事中處置和事后評估等方面都有突出優(yōu)勢。本文基于AFC、視頻、Wi-Fi等維度構(gòu)建大客流安全風(fēng)險感知預(yù)警體系，綜合技防、人防、物防構(gòu)建大客流安全風(fēng)險智能風(fēng)控體系，全面支撐軌道交通大客流風(fēng)險的立體防范，以期提高城市軌道交通安全管控能力，為市民安全出行提供基礎(chǔ)保障。