基于車站客流密度系數監控及預警的地鐵線網客流聯控研究*
2021-07-21 02:53:04劉菊美
城市軌道交通研究 2021年7期
劉菊美
(廣州地鐵集團有限公司， 510330， 廣州∥高級工程師)
廣州地鐵線網日均客運量900萬人次已成為常態，在廣州市公共交通客流中占比超過50%。隨著線網規模的不斷擴大，路網的通達性增強，乘客組成更加多元化，乘客出行時間的跨度更長、換乘途徑更多，客流時空分布的波動性更強，因而導致線網客流出行規律和出行特征更為復雜，也更難掌握[1]。目前，傳統的以現場人員判斷為主的客流控制方法由于對主觀經驗的依賴性較強，已難以滿足網絡化運營模式下對客流進行精準控制的要求。本文通過研究基于車站客流密度系數和客控效率的地鐵網絡客運組織聯控方法，建立線網客流控制的分級預警機制及線網聯控策略，實現對車站客流的即時預警、精準溯源、精細控制。
1 地鐵客流控制措施概述
目前，廣州地鐵客流控制(以下簡稱“客控”)的方式主要分為單站級客流控制(以下簡稱“站控”)、單線級客流聯控(以下簡稱“線控”)和線網級客流聯控(以下簡稱“網控”)3種。
站控是指為保障車站內站臺、付費區、非付費區的客運安全，在客流持續增長的情況下，采取有效控制措施減緩乘客聚集數量，可分為一級客流控制、二級客流控制、三級客流控制。當單站級客控已無法滿足客流疏導需要，需結合多站、多線聯控實現對大客流的有效疏導。
在實際的運營管理中，一般選取一些大客流換乘站或高峰高斷面車站作為客流的主要控制站(以下簡稱“主控站”)。在此基礎上再選取一些車站作為輔助控制站(以下簡稱“輔控站”)，輔控站的進站客流通常對主控站高峰高斷面的貢獻度較大，多為主控站所在線路的前方車站或同主控站存在換乘關系的相鄰線路車站。當主控站實施單站級客控后仍無法緩解客流壓力時，可實施線網聯控措施，即：在本線實施線控、在相鄰線路實施網控。
2 基于車站客流密度系數監控及預警的線網客流聯控策略
目前，地鐵車站的客控普遍存在啟動時機對主觀經驗依賴性強、客控對乘客出行的影響程度評價難以量化等問題[2]，為此，本研究通過引入車站客流密度系數、客控效率等量化指標，結合現場數據進行分析驗證，建立基于車站客流密度系數監控及預警的線網聯控策略，如圖1所示。在此理論模型的基礎上搭建地鐵線網客流控制應用平臺(以下簡稱“線網客控應用平臺”)，根據計劃性運力安排、歷史客流規律及動態變化的客流數據，迭代更新線網聯控方案，形成科學精細、靈活自糾的客控體系。
圖1 基于車站客流密度系數監控及預警的線網聯控策略
2.1 車站客流密度系數的定義及計算
車站客流密度系數的定義為在一個統計周期內，某車站實時滯留客流數量與有效容納人數之比，用以表征車站的實時擁擠度[3]。車站滯留客流數為車站等候上車人數和可乘車人數的差值。在運力充足情況下，等候上車乘客均能夠乘車離開，不存在滯留客流；當運力不足時，可乘車人數小于等候上車人數，則出現滯留客流。車站滯留客流數可通過接入相關客流數據系統，綜合斷面客流、進站客流、換乘客流等數據計算得到。
車站客流密度系數x、車站滯留客流數p的計算式分別為：
x=p/s
(1)
p=Z-(D-C)
(2)
式中：
s——車站區域有效面積內可容納人數；
Z——車站等候上車人數(換乘站包含換入客流)；
C——列車到達該站完成下客作業后的斷面客流；
D——列車駛離該站時的斷面客流。
2.2 基于車站客流密度系數的客控預警機制
2.2.1 單站級客控預警
綜合考慮車站站臺、站廳付費區(換乘區域、樓扶梯口處等)、非付費區(進閘機處、出入口通道等)設備設施布局和有效面積可容納人數，預設車站客流密度系數，作為啟動客控的警戒閾值x0。當線網客控應用平臺檢測到x大于x0時，線網客控應用平臺將自動觸發，向車站發出相應級別預警，作為現場執行站控、線控、網控的決策依據[4]。
參考John J.Fruin博士在《行人規劃與設計》中提出的Los(Level of service，服務水平)分級標準，如表1所示，將排隊空間站立密度分成A～F 6個等級[5-6]。
表1 Los分級標準
結合GB 50157—2013《地鐵設計規范》及實際運作經驗，地鐵高峰時段乘客站立密度與D級水平相近，因此，本文綜合車站結構、設備布局等具體情況，選取D級中適合車站的預警站立密度與最大站立密度(3.59人/m2)之比作為x0。x0可結合不同車站的實際情況進行適當調整。
結合高峰時段的乘客出行規律及計劃運力安排，對車站客流進行15 min分時預測(為滿足客流指標之間的可比性，廣州地鐵相關客流統計以15 min為基準單位)，以此測算x和p。當x大于x0時，依次啟動各級客流控制。單站級客控預警工作流程如圖2所示，其中：x1為站臺客流密度系數，指站臺滯留乘客與站臺有效面積內可容納人數之比；x2為付費區客流密度系數，指付費區滯留乘客與付費區有效面積內可容納人數之比；x3為非付費區客流密度系數，指非付費區滯留乘客與非付費區有效面積內可容納人數之比。當站臺滯留乘客超過站臺有效面積內可容納人數時，則x1大于x0，付費區出現乘客滯留，若預測滯留持續時間將超過15 min，則需要實施一級客流控制。付費區、非付費區的情況類同。
圖2 單站級客控預警工作流程示意圖
2.2.2 線網級客控預警
當主控站為換乘站時，在主控站實施單站級客控后，客流壓力仍未有效緩解，預測車站各區域客流密度系數仍達到警戒閾值，則可提高客控等級，逐步實行線網聯控。優先選取該主控站中客流壓力相對大的線路實施線控;執行線控后，主控站客運壓力仍未有效緩解，則在相鄰線路實施網控。其工作流程如圖3所示。
圖3 線網級客控預警工作流程示意圖
2.3 引入客控效率的線網客流聯控策略編制
在引入客控效率指標、科學選取輔控站的基礎上，基于線網客流聯控策略算法，線網客控應用平臺將生成實時、動態的線網客流聯控策略，為本線和鄰線車站設置進站閾值，通過系統聯動將線網客流聯控啟動時機及閾值等相關信息推送至各輔控站。線網客流聯控計算步驟如下：
2.3.1 科學設定線網聯控客流目標值
考慮到車站站臺為客流高聚集區域，客流集散風險最大，因此將站臺滯留乘客數量作為線網聯控客流目標值M，即：
M=p
(3)
M也可通過設定列車滿載率控制目標的方式進行計算。例如，當列車的目標滿載率為120%、實際的列車滿載率為130%時，則M為需要削減的10%滿載率所對應的線路運能。
2.3.2 綜合選取輔控站
通過客流回溯，篩查對主控站大客流來源影響較大的車站，綜合考慮對主控站大客流貢獻程度、列車運行至主控站時間等多項因素，科學選取輔控站[7-8]。引入客控效率e，其計算式如下：
e=αeO+(1-α)et
(4)
式中：
e——輔控站的客控效率；
eO——輔控站的OD(起訖點)貢獻度，為該輔控站經過主控站的OD客流與所有備選輔控站經過主控站的OD客流總和之比；
et——輔控站的時間有效性；
α——eO相對et的重要性。
式(4)中，eO的比例越高，則輔控站限流對主控站的效果越好；輔控站距離主控站越近，客控傳遞效果越好，et的值越大。根據現場客控經驗，設列車經由輔控站運行至主控站的時間為t運，當t運≤5 min時，et取0.10；當5 min
2.3.3 計算輔控站的進站閾值
輔控站進站閾值R是指所選取的輔控車站在統計周期內允許進站的乘客數量，可結合輔控站的OD客流分布、預測進站客流、主控站線網聯控客流目標值M計算得出。R的計算式為：
R=E-N
(5)
N=EMY/G
(6)
式中：
E——輔控站的預測進站客流量；
N——輔控站的需要控制進站人數；
Y——該輔控站經過主控站的OD客流量與所有選定輔控站經過主控站的OD客流總量之比；
G——該輔控站經過主控站的OD客流量。
2.3.4 服務水平校驗
為評估客控對乘客的出行影響，引入輔控站服務水平指標F，其定義為輔控車站進站閾值與其預測進站客流量之比。F值越大，表示客控對乘客出行影響越少，服務水平越高，進而驗證客控策略可行。結合廣州地鐵多年的客控實踐經驗，兼顧乘客對客控等候時長的接受度(根據乘客調研，客控等候時長不宜大于10 min)，F的取值應不低于80%。當F低于80%時，乘客客控等候時長大于10 min，對乘客出行影響較大，乘客出行體驗將降低。
F的計算式為：
F=R/E
(7)
3 廣州地鐵應用實例分析
廣州地鐵珠江新城站為3號線、5號線換乘站。3號線在工作日晚高峰時段上行方向的客運壓力較大。本文以珠江新城站作為主控站，以珠江新城站3號線上行線控為例，對其單線聯控策略編制過程進行闡述。
3.1 科學設定線控客流目標值
珠江新城站晚高峰3號線上行站臺滯留客流情況如表2所示。結合現場實際客流情況，18:00開始3號線上行需執行線控，將18:00—18:15時段的p值(372人)作為M的第一個目標值。后續結合車站滯留客流數變化情況，對M進行動態更新。
表2 珠江新城站晚高峰3號線上行站臺滯留客流數量計算表
3.2 篩選輔控站
3號線上行列車從起點站開出后，經由20個車站后運行至珠江新城站，表3為按e由高至低排序的輔控站篩查列表。根據表3選取排名前10的車站作為輔控站。當線網客控應用平臺自動觸發珠江新城站3號線上行線控預警時，各輔控站需及時根據客控預案，采取本站的站控措施進行客流管控。
3.3 計算輔控站的進站閾值
將所選的10個輔控站點在18:00—18:15時段所對應的OD客流量、預測進站客流量、主控站線網聯控客流量目標值分別代入式(5)、(6)，得出各輔控站的進站閾值R及服務水平值F，如表4所示。由表4可知，基于客控效率e進行優化篩選后，輔控站的服務水平均在80%以上，平均服務水平達93%，從而驗證了聯控策略能夠在確保聯控效果的基礎上，有效兼顧了輔控站的乘客出行感受。
廣州地鐵將此策略在全線網日常工作日及節假日期間的客流管控中予以深化應用，據此編制了工作日早、晚高峰常態化的線網聯控方案。聯控方案覆蓋了廣州地鐵線網的52座車站，有效保障了工作日常態化的客運組織安全。同時，廣州地鐵非常關注客控對輔控站乘客的影響程度，通過定期評估現場乘客配合度、輿情反饋等方式確保客控策略既能有效保障客運組織安全，同時兼顧輔控站乘客的出行感受。針對計劃性節前晚高峰、大型活動、展會等帶來的大客流沖擊，廣州地鐵在此客控策略基礎上編制專項線網聯控方案，以有效保障大客流情況下的客運安全。
表3 3號線上行輔控站篩查表
表4 3號線上行輔控站R、F計算列表
目前，廣州地鐵線網的客運強度位居全國第一，整體線網客運組織安全、有序。2019年12月31日，廣州地鐵線網客運量達到歷史最高值(1 156.9萬人次)，當日的晚高峰線網共有12座主控站執行線網聯控，另有共計70座輔控站合力緩解主控站的客運組織壓力，有效保障了地鐵線網超大客流壓力下的客運組織安全。
4 廣州地鐵線網客控應用平臺開發
線網客控應用平臺構建思路如圖4所示，其主要模塊包括：
1) 車站客流密度系數監控及預警。通過接入線網車站客流數據系統及設備系統等，實現了車站客流密度系數的實時監控，可科學設定線網聯控目標、合理選取輔控車站，精細分配輔控站進站閾值、保障輔控站的乘客服務水平。
2) 客控策略適配更新。基于客控預警，綜合分析OD客流量、預測進站客流量、主控站線網聯控客流目標值等數據，動態更新線網聯控策略，為本線和鄰線輔控站設置進站閾值，并將相關信息推送至各輔控車站，形成科學精細、靈活自糾的客運管控策略。
3) 模塊化集成聯動。通過采用數字化、系統化方式，實現了客控策略與客運設施的系統聯動，針對不同的客流控制模式，可快速聯動閘機、導向等客運設施，調整客流流線，并通過車站廣播、乘客信息系統、手機應用程序等渠道集成發布客運引導信息，實現了模式化的客運集成聯控[9]。
圖4 廣州地鐵線網客控應用平臺的構建思路
5 結語
本文通過創新性地引入車站客流密度系數、客控效率等參數，結合廣州地鐵線網的客流規律和時空分布特性，從系統最優的角度，為車站現場客流控制提供了科學的啟動時機、制定了精準的聯控策略，有效保障了客運安全、提高了管控成效、提升了乘客出行體驗。后續將在此基礎上，深化自適應客運組織體系的研究，推動線網客控應用平臺的運用。
