上海城市軌道交通日常大客流檢測及預警需求研究*

王嬋嬋 張 琦

(上海申通地鐵集團有限公司技術中心，201103，上海//第一作者，高級工程師)

城市軌道交通大客流，是指城市軌道交通車站在運營過程中的某一時間段內，候車、停留的乘客超過了該站設計最大允許的客流容量，或列車的載客量已經超過了設計的載客量，并有繼續增加的趨勢，如果不采取緊急措施將極有可能發生人員傷亡事故或意外事件。

城市軌道交通大客流分為日常大客流和突發大客流。日常大客流包括早晚高峰時段大客流，特殊節日大客流等；突發大客流包括無預期的大客流，一般受天氣影響，或突發運營事故導致的局部大客流。對于突發性大客流，往往不能提前預防，只能提高事故處置效率；而日常大客流屬于持續性的經常出現的狀況，并且發生的地點相對比較固定，發生概率較大，解決方案應以預防性措施為主，著力提高城市軌道交通的運能和容量。

目前，上海軌道交通在工作日高峰時段，有一半以上線路的高峰高斷面擁擠度超過100%(按6人/m2標準)，甚至達到130%(見表1)，車廂擁擠、站臺乘客滯留情況嚴重，存在大客流風險隱患。同時，部分換乘樞紐高峰時段換乘客流集中，換乘量大，如世紀大道站的小時換乘量達到7.5萬人次，人民廣場站達到5.5萬人次，也存在一定的大客流風險隱患，給車站客運管理帶來難度。

表1 工作日早高峰網絡客流擁擠度情況

2014年12月31日，上海市黃浦區外灘陳毅廣場發生了踩踏事故，造成36人死亡，49人受傷。市委市政府高度重視，緊急召開全市加強安全工作會議。時任上海市市委書記韓正強調，“要針對薄弱環節和短板，一個一個認真梳理、細致解決”。時任上海市市長楊雄提出，“對重點區域和人員密集場所，要抓緊完善大客流安全管理機制，針對災害性天氣、大客流集聚、大流量交通等，加強信息研判，及時發布預警并采取防范措施，切記輕信經驗、麻痹大意”。

上海軌道交通每天面對1 000萬人次以上的客流，一旦超出承受限度，易產生秩序失控，從而引發群體生命安全的事故風險。軌道交通管理者每天要安全有序地輸送如此龐大的客流，責任重大，風險巨大，為減輕一線員工工作壓力，需要認真研究大客流風險點以及預警需求。

1 城市軌道交通大客流預警機制

1.1 大客流檢測預警流程

為了實現客流預警，首先，需要在軌道交通列車、車站等位置安裝視頻、激光等檢測設備,或運用手機信令、地鐵WiFi、藍牙等互聯網技術進行客流信息的采集，通過對有效信息的采集、編碼、傳輸、加工和抽取，綜合運用信息分析技術，獲取軌道交通客流的檢測值，如流量、密度、速度等。其次，根據預警目的構建客流預警指標體系，并利用客流的檢測值或預測值進行計算，劃分合適的預警標準，對客流狀態進行評估。再次，將評估結果輸入預警系統，為運營部門采取客流疏導、行車組織、應急救援等措施提供決策支持，同時，利用乘客信息系統(PIS)向乘客發布誘導信息，進而影響客流分布。最后，通過客流信息采集對方案實施后的效果進行分析和評估。檢測預警技術流程如圖1所示。

1.2 預警要求

1.2.1 預警對象

(1)網絡層：網絡運營協調與應急指揮中心(COCC)及集團分管領導。

(2)線路層：線路控制中心(OCC)及運營公司分管領導。

(3)車站層：車站值班站長。

(4)乘客：大客流車站的進出站及換乘客流，以及即將進站的站外客流。

圖1 檢測預警技術流程

1.2.2 預警等級

根據2012年上海市公安局與上海申通地鐵集團有限公司聯合發布的《滬公發(2012)151號——大客流組織預案》，將大客流分為3個等級，一級最高，三級最低，因此日常大客流預警等級與此保持一致。

1.2.3 預警時效

對于日常大客流，根據歷史同期客流情況制定不同等級的預警閾值，當檢測到的實時客流情況高于歷史同期客流預警閾值，且有不斷增長的趨勢時，發布大客流預警。

不同等級車站的預警時效有所不同，大型樞紐站提前10 min發布大客流預警，中、小型車站提前15 min發布大客流預警。

1.2.4 預警指標

(1)網絡層：樞紐站實時分方向換乘客流量及變化率。

(2)線路層：列車實時斷面客流擁擠度及變化率。

(3)車站層：車站實時客流總量及變化率、車站局部區域客流密度及變化率、車站局部區域客流流速及變化率。

1.2.5 預警手段

預警手段以信息發布為主，包括利用CCTV(視頻監控系統)、PIS(乘客信息系統)、PA(廣播系統)、TOSS(網絡運營安全監控系統)等。例如，在PIS屏幕上顯示相關的客流畫面和風險提示文字信息，在站內由廣播系統發出風險語音提示信息，或通過TOSS屏幕顯示客流預警信息。

1.3 檢測要求

1.3.1 檢測對象

(1)列車實時載客量，即斷面客流。

(2)車站內實時客流分布，即站內不同區域的實時客流量及擁堵情況，包括站臺、樓扶梯、站廳、換乘通道、出入口等。

(3)站外與預見性進站客流，即車站出入口外即將進站客流，包括公交換乘客流，或周邊可預見性進站客流。

1.3.2 檢測手段

現有客流監測技術包括：自動售檢票系統(AFC)，以及熱敏傳感、智能視頻識別分析、手機信令、移動互聯網、藍牙定位等技術。

2 大客流檢測及預警需求

2.1 網絡大客流檢測及預警需求

日常高峰時段，為預防大客流的發生，管理者應隨時關注網絡實時客流分布情況，以及主要換乘節點的實時換乘客流，并與歷史同期客流進行比較，一旦發現客流高于歷史客流，且有不斷增長的趨勢，應及時發布大客流預警，通過臨線列車跳停或廣播等信息系統進行乘客誘導，避免大客流區段客流風險加劇。

節假日大客流，一般可以提前預測，針對不同節假日客流特征，為乘客提供相應的大客流站點及相關線路的實時客流信息，避免乘客集中到達(出站)或離開(進站)，從而分散城市軌道交通車站的客流壓力。

針對網絡日常大客流，預警需求、檢測需求以及適用的檢測技術，如表2所示。

表2 網絡日常大客流檢測及預警需求

2.2 線路大客流檢測及預警需求

日常高峰時段大客流和節假日大客流，在線路上都表現為線路運能無法滿足客流需求，導致部分區段客流擁擠度超過100%。為預防大客流的發生，應隨時關注線路重點斷面實時客流情況，一旦出現客流大于運能情況，需要對相關后續車站提前發出大客流預警。可通過“加開備車、放空始發站列車、實施交路運行、單向越站運行”等方式調整運行，實現大客流快速響應。針對線路日常大客流，預警需求、檢測需求以及適用的檢測技術，如表3所示。

表3 線路日常大客流檢測及預警需求

2.3 車站大客流檢測及預警需求

車站的日常大客流主要表現為設施設備能力不足或車站承載能力不足導致的局部客流擁堵，一旦站內出現大客流情況，在對站內客流發生預警的同時，有必要對即將發生的進站客流提前進行預警，通過站外限流、站內引導、實行“一站一預案”，快速緩解大客流風險，避免站內大客流風險進一步加劇。

2.3.1 設施設備能力預警

設施設備能力包括閘機進出站通行能力，以及樓扶梯通行能力。

閘機分為進站閘機和出站閘機，進出站閘機通行能力影響乘客進出站速度，如果閘機排隊較長導致付費區或非付費區客流擁堵情況嚴重，說明閘機通行能力不足。

樓扶梯通常特指連接站臺和站廳的樓扶梯，樓扶梯通行能力直接影響站臺客流疏散速度。樓扶梯分為上行和下行，在實際運營過程中，如果站臺通往站廳的樓扶梯能力受限，樓扶梯排隊長度較長，就會加重站臺擁堵。當站臺出站前一列乘客未疏散完，下一列車到站帶來新的下車乘客，會進一步加劇站臺大客流風險。

針對車站設施設備的客流檢測、預警需求以及適用的檢測技術，如表4所示。

2.3.2 車站承載能力預警

車站承載能力主要指站臺容納能力以及換乘通道通行能力。

站臺容納能力指站臺設計能力，根據站臺面積，按照2人/m2的設計標準，考慮一定的站臺有效系數，可計算出站臺設計容納能力。根據大客流預警等級，當站臺客流達到設計能力的60%，啟動三級大客流預警；當站臺客流達到設計能力的80%，啟動二級大客流預警；當站臺客流達到設計能力，啟動一級大客流預警。因此，判斷站臺客流達到站臺能力的比例，成為確定大客流等級的基礎。

表4 基于車站設施設備能力的大客流檢測及預警需求

換乘站的換乘通道通行能力，直接影響各線路間的換乘效率。如果換乘通道客流密度大、流速放緩，就會存在大客流風險隱患。

針對車站承載能力的客流預警、檢測需求以及適用的檢測技術，如表5所示。

表5 基于車站承載能力的大客流檢測及預警需求

2.3.3 站外大客流預警

上海地鐵以通勤客流為主，客流潮汐特征明顯，因此大部分乘客都是固定的。當站內發生大客流，而站外還有源源不斷的客流持續進站時，就會加劇站內大客流風險。如果提前通過手機短信的形式向車站周邊即將進站的客流提前發出大客流預警，提示其選擇相鄰車站、或其他交通方式出行，就可以有效緩解站內的大客流風險，減輕城市軌道交通大客流壓力。

站外客流分為車站周邊客流及公交換乘客流，針對站外大客流檢測、預警需求以及適用的檢測技術，如表6所示。

表6 站外大客流檢測及預警需求

3 人民廣場站大客流檢測、預警需求及各系統應用情況

3.1 人民廣場站客流特征

人民廣場位于上海黃浦區，是上海的政治、經濟、文化、旅游中心和交通樞紐，也是上海最為重要的地標之一。人民廣場地鐵站是1號線、2號線與8號線的三線換乘樞紐站，為地下車站，共有3層：其中地下1層為三角換乘大廳，地下2層為1、8號線站臺層，地下3層為2號線站臺層。

人民廣場站是全網客流最集中的車站，日均客流量超過60萬人次。其中：進出站客流量達28萬人次/d，居全網首位；換乘客流量達32萬人次/d，僅次于世紀大道站。圖2為人民廣場站全天客流分布。

圖2 人民廣場站全天客流分布

除進出站客流量大、換乘客流集中外，人民廣場站外的南京東路、外灘、人民公園都是大客流集聚點，一旦出現客流集中進站，會給車站客運組織帶來極大壓力，形成大客流風險隱患。

因此，加強人民廣場站內、站外大客流檢測預警，對于防范大客流的發生有著非常重要的意義。

3.2 站外大客流檢測和預警

(1)站外(含車站周邊及公交換乘)有潛在大客流風險，向車站發布預警。逢節假日，特別是南京東路封站的情況下，外灘及南京東路購物、休閑、旅游的乘客晚上6：00點后會集中從人民廣場進站。為預防站外突發大客流對車站帶來的沖擊，可通過手機信令對車站周邊500 m范圍內的客流情況進行檢測，得出車站周邊歷史客流規律。當出現實時客流接近或達到預警閾值且有不斷增長的趨勢時，可提前10 min向車站管理者發布大客流預警信息。站內管理者根據預案采取措施，引導乘客安全、有序進站，避免因大客流集中進站而帶來的站內大客流風險。

(2)站內已經發生大客流，向站外發布預警。由于運營突發事件或其他原因導致的站內客流，接近或達到預警閾值，可提前10 min對站外即將進站的乘客發出大客流預警，同時向站外乘客提供其他公交信息，引導其選擇軌道交通以外的其他方式出行，避免站外客流進站加劇站內大客流風險。

3.3 站內大客流檢測和預警需求

站內大客流與站外大客流預警有所不同，主要是針對站內已經發生大客流，當客流水平達到一定閾值時，啟動相應的大客流響應等級，因此主要是針對站內不同區域客流的檢測，更加微觀。

3.3.1 預警需求

對于人民廣場站來說，工作日與節假日、早晚高峰不同時段的客流特征差異明顯，因此預警需求首先應該明確時間，然后確定大客流發生的地點，以及需要啟動的預警等級等3個要素。

(1)時間——早高峰、晚高峰、平峰、夜高峰。

(2)地點——出入口、站廳、換乘通道、樓扶梯、站臺。

(3)等級——根據歷史客流規律，確定不同等級的客流預警閾值。等級劃分標準包括車站客流總量占容納能力比例、車站擁堵點個數、客流流速3個要素。

3.3.2 檢測需求

根據人民廣場站內不同區域的大客流預警需求，確定大客流檢測需求及適用的檢測技術，為大客流管理提供數據支撐，如表7所示。

表7 站內大客流預警的檢測需求

3.4 不同檢測技術的實際應用效果

目前人民廣場站大客流檢測手段包括軌道閘機數據、熱敏傳感技術、智能視頻分析技術、手機WiFi以及手機信令。各項技術的應用范圍存在一定差異：

(1)軌道閘機數據只能檢測進出站客流，且數據存在一定的延時，對于人民廣場站這種大型換乘站的大客流預警作用有限。

(2)熱敏傳感技術目前應用于1、2號線與8號線的換乘通道，用來檢測換乘通道的客流量、客流流速等，從而為人民廣場站行車組織調整提供依據。由于檢測目標范圍較小，對運營一線的支撐作用有限。

(3)智能視頻技術應用于整個車站，攝像頭達到80多個，攝像頭過多且目前智能分析功能不能滿足需求，導致使用難度較大。

(4)手機WiFi對于車站客流總量和局部區域客流總量都能做到有效采集，但受乘客手機使用習慣影響，采集到的數據誤差較大。

(5)手機信令不受乘客使用習慣影響，持手機用戶通過基站即可被檢測到，但只適用于車站客流總量和分方向換乘量的采集，對于局部擁堵點的數據采集無法實現。

綜上所述，每種技術都有其局限性。因此，根據大客流預警需求，選擇適用的大客流檢測技術，對提高大客流預警的準確性非常重要。

4 結語

城市軌道交通大客流是動態的，環境因素的變化又非常復雜，風險無處不在、難以預料。為滿足大客流預警的需求，軌道交通需要建立綜合實時客流監測體系，以系統化的方式選擇適用的監測技術，并實現多種監測技術的有效集成，滿足多樣化客流檢測監測需求。例如，車站不同的區域，包括站臺、站廳、換乘通道等，根據不同區域客流指標，選擇不同的檢測技術。通過各種客流檢測技術的融合，能夠對采集到的客流數據進行相互印證，提高數據的準確度，提升數據的采集范圍，優化數據的分析結果，從而實現軌道交通大客流預警的實時、高效與準確。