城市軌道交通大客流安全管控技術研究與實踐

閆茜 周夢麟

1.深圳北斗應用技術研究院有限公司 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、節能環保等突出優點，是大城市公共交通系統的骨干，也是城市綜合交通運輸體系的重要組成部分，對城市發展起著支撐和引領作用。城市軌道交通在滿足人民群眾出行需求、優化城市結構布局、緩解城市交通擁堵、促進經濟社會發展等方面發揮著越來越重要的作用。但是隨著城軌交通發展日漸網絡化、差異化，大客流安全風險不斷提高，安全防控面臨巨大的壓力與挑戰。基于多維感知手段精準監測城市軌道交通大客流狀態，形成大客流預警動態指標體系，建立有效的閉環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集中到達，且客流量超過了車站或線路正常客運設施所能承擔的客流，主要表現為車站或列車上極度擁擠、客流交叉干擾嚴重、乘客流速極度緩慢。大客流主要是由于早晚通勤高峰、節假日休閑出行、大型活動聚集、惡劣天氣、運營設備突發故障、突發事件等原因產生。

分析大客流的客流量、出現時間、客流構成等基本情況，根據是否可提前預見進行區分，將大客流分為：

（1）可預見性大客流：包括工作日早晚高峰時段大客流、節假日大客流、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）不可預見性大客流：不可預見性大客流無法提前預測，客流量會在短時間內急劇上升。不可預見性大客流在時間和空間上都無法事先預料，也無規律可循，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經驗判斷，主觀性較強。

（2）部分城市軌道交通對客流控制觸發的量化指標進行了規定，但該類指標以管理者經驗確定為主，不具備科學性。

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

（4）目前客流控制判定標準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合自身車站客流情況進行客流控制。雖然可以緩解該車站的擁擠狀態，但可能降低整個運輸網絡系統運能利用率，需協調前方車站或者相鄰線路車站通過全局調度進行協同控制。

二、城市軌道交通大客流安全風險感知技術研究

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、微觀客流進行實時感知、多維分析，建立一個集實時客流監測、精準客流分析的全區域、全要素、全流程的客流安全風險感知體系。

（一）基于AFC的客流分析技術

基于地鐵AFC系統運營數據，分析城市軌道交通乘客路徑選擇、乘客滯留現象，分析目前線網客流特征，總結城市軌道線網客流的規律。

1.路徑選擇行為分析

乘客在地鐵系統的一次出行可分為從進站閘門走到站臺、在站臺等待列車、上車到達目的地、換乘、下車出站5個過程。基于乘客進站刷卡時間、進站走行時間、站臺候車時間、列車運行時間、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。經分析發現，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勢，結果表明了在構建乘客路徑選擇模型時需要考慮到換乘次數所帶來的影響。

2.乘客滯留現象分析

基于乘客的出行路徑，結合進站刷卡時間、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，并對乘客滯留現象進行分析。

以深圳老街站為例，圖3展示了一天內深圳地鐵一號線從羅湖到機場東方向從老街站進站的乘客需要等待列車數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，需要等待列車的數量仍然大于1，有部分乘客會滯后，其原因是有些乘客更關心舒適度（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

融合視頻處理、模式識別及人工智能等新技術，復用地鐵站點視頻監控資源進行客流統計、異常行為監測與特殊乘客識別，實現地鐵站點客流精細管控。

1.基于視頻分析的客流統計

基于視頻分析實現對視頻監控畫面中特定區域（如閘機、通道、換乘點等）的人頭、肩等特征部位進行識別，并根據其運動軌跡來判斷人的出入關系，實時監測車站的人流量和客流密度等統計數據，及時導流、限流，預警核心區域人群過于密集等安全隱患，有效實現大客流人群密集區域的疏導與管理。

以深圳灣公園站為例，模型接入視頻流，系統根據乘客的行進方向進行計數，如圖4所示，其中綠色表示識別出來的計數目標物，紅色數字為截至當前時刻的客流統計總數。基于頭部檢測的閘機計數精度達98.19%，基于頭部檢測的通道計數精度達96.77%。

同時可根據人群密集的圖片，模型生成對應的客流密度分布圖，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測

利用人工智能圖像識別技術，對機場、車站、港口等公共交通的多種安全場景進行動態安全隱患識別與報警，同時識別大客流聚集、危險區域進入、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，對于人群異動進行有效預警和及時發現，滿足城市大范圍、高密度、跨區域的監控分析需求。

3.基于視頻分析的特殊乘客識別

結合人臉識別技術與行人重識別技術，解決機場、車站、港口等公共交通場景下的跨攝像頭行人識別與檢索。行人重識別技術根據行人的衣著、體態、發型、姿態等信息認知行人，與人臉識別技術相結合，能在龐大復雜的交通網絡中快速發現目標人員，并定位形成運動軌跡，極大提高公安機關對特殊人員管控與抓捕的效率，同時也可應用在城市疫情防控、失蹤人員尋找等領域。

（三）基于Wi-Fi的客流分析技術

基于Wi-Fi的客流分析運用WLAN（無線局域網）技術實現接入設備的定位，即在無線接入的同時能夠判定接入設備的位置，通過數據采集、數據清洗、數據標準化處理、數據入庫、數據分析等過程，獲取選定區域內（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數量及空間位置，融合區域空間地圖，實現選中特定區域（如站廳、站臺、通道）在二維、三維地圖上的熱力分布呈現，直觀呈現客流聚集區與空散區。

2.基于Wi-Fi的乘客駐留時長計算

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

圖6為駐留時長的結果示例，其中紅線為駐站時長方差、藍線為抽樣人數，通過觀察數據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，則反映乘客出現駐留。

三、城市軌道交通大客流安全風險預知技術研究

為防范地鐵客流安全事件，將被動響應轉換為主動防范，通過智能預測算法對宏觀線網客流、微觀站點客流進行自動監測預警，定量分析各類事件的事故等級及影響范圍，自動推薦處置預案，輔助警力精準配置與部署。在客流預測方面，集成學習的方法取得了較好的效果。預測的步驟主要分為特征提取、模型訓練、預測三個階段。

（一）特征提取

特征提取采用隨機森林分類的方法，隨機森林由多個決策樹構成，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，其中隨機森林分類示意如圖7所示。隨機森林理論模型由n個決策樹構成，每一棵決策樹T(i)都會對原始信號的樣本進行分類，并對每一個決策樹分類的結果R(i)進行投票，通過統計各個決策樹的分類結果，并選擇票數最多的作為最終分類結果。

（二）模型訓練

模型采用GBDT算法，GBDT算法是集成學習算法的一種，是一種迭代的決策樹算法，其通過構造一組弱學習器（樹），并把多個弱學習器的結果累加起來作為最終的預測輸出。

（三）預測結果

布吉地鐵站的進站預測數據和真實數據的對比結果，如圖9所示，其中紅線為實際客流量，藍線為預測客流量，其當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險管控技術探索

軌道交通安全運營事關廣大人民群眾生命安全，事關社會安全穩定及國家安全和形象，加強軌道交通安全風險管控責任重大。隨著軌道交通的日益發展，軌道交通大客流頻發，軌道交通大客流安全風險管控是一項系統工程，必須高度重視，研究制定針對性的措施，切實加強安全防范工作，做到人防、物防、技防全面結合，堅決維護軌道交通安全運營，防止發生暴恐襲擊、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定。

（一）智能風控引擎打造技防主導的立體防控體系

基于物聯網、視頻分析、大數據分析等新技術的應用，通過各類設備感知、人工采集對大客流風險隱患進行數據獲取，全面把控各類風險的特征狀況、各類事件的發生規律特性，實現安全風險的動態掌控，對風險進行動態評級，構建動態風控引擎，為城市軌道交通大客流風險立體防控提供輔助決策。通過信息系統規范安全管理體系，落實各層級安全責任實現智能分析，數據驅動決策，做到人、機、物、管理全要素的綜合管理，建設具有先進性的標準化安全綜合管理體系。

（二）自動物聯控制強化基礎物防能力

物防即實體防范，其主要作用在于推遲危險的發生，為“反應”提供足夠的時間。現代的實體防范，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的功能。基于本文提出的大客流風險感知與預警手段，聯動物防設備，目的是構建一個可自動物聯控制的物防體系，在客流量大的局部區域進行反向控制，以限制人流。同時將各類探測和反應手段置入地鐵站內的隔欄、鐵馬、閘機、樓扶梯、屏蔽門等位置，對隔欄遞物、非法越界等進行探知和及時聲光報警以提高車站安全防范水平。

（三）動態高峰值守變革傳統人防效率

綜合利用歷史客流分析、實時客流監控、客流預測預警，構建協同聯動、快速反應的常態化動態值守巡查機制，實現高峰值守下巡查警力的動態化、針對性部署。基于技防、物防聯動機制，構建民警、輔警、車站保安隊員、安檢隊員、車控室值班員、客服票務人員、站務員、保潔員等資源協同配合，聯勤監督、隱患排查、風險處置的車站“最小作戰單元”。變革既有高峰值守機制，實施動態的值守模式，并有效整合公安、企業、群眾力量和資源，全面提高巡檢效率，提升車站風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、應用效果

基于多維感知手段的城市軌道交通大客流安全風險感知和預測預警技術目前已應用于深圳、廣州、寧波等城市，在國慶節、煙花節、燈光節等節假日和重大活動期間發揮了有效的監測預警能力。曾參與某市燈光節期間客流監測預警，通過綜合AFC、視頻分析、Wi-Fi等手段，提前30分鐘預知燈光節所在周邊車站大客流爆發時間及站點范圍，并結合歷史客流數據對大客流規模進行估計，對客流安全風險等級進行評估，綜合客流主要來源去向，輸出客流組織預案，輔助公安機關和運營企業在半小時內完成現場20萬人次客流的疏散。

六、結語

隨著城市軌道交通網絡規模和客流規模的不斷擴大，大客流風險也越來越凸顯。相較于基于歷史經驗的大客流應急處置模式，基于數據驅動的大客流智能風控體系在事前預警預測、事中處置和事后評估等方面都有突出優勢。本文基于AFC、視頻、Wi-Fi等維度構建大客流安全風險感知預警體系，綜合技防、人防、物防構建大客流安全風險智能風控體系，全面支撐軌道交通大客流風險的立體防范，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保障。