热敏计数系统在上海轨道交通车站大客流预警中的应用

【摘 要】 随着上海轨道交通运营线路和规模的不断扩大，客流量逐年上升，市民乘坐地铁出行成为主要的交通工具，而目前的车站结构和规模滞后于快速发展的要求，运能和运量矛盾愈发突出，经常采用限流来缓解车站压力，特别遇到列车故障或大客流集中出现时，对大型换乘枢纽站车站客运组织、乘客安全、服务质量造成相当大的影响。热敏计数系统实现了对换乘区域的客流数据进行采集、统计和分析的信息系统，通过实时的大客流预警，帮助运营人员采取必要的应急处置，达到安全运营的目的。

【关键词】 热敏计数 大客流预警

1 引言

上海轨道交通路网规模已经跻身世界前三，运营线路已达12条，日均客流超过700万人次。对于人民广场、世纪大道这类换乘枢纽大站的车站运营安全工作提出了更高的要求。位于上海市中心的人民广场作为一个三线换乘的大站，单日进站客流超过30万人次、换乘客流达到40万人次，那么，当一条线路故障后，势必会影响到其他2条线路的运营，并对车站现场的安全运营造成影响。

轨道交通车站运营安全已成为运营体系中最重要的环节之一。一旦车站出现大客流情况，特别是换乘枢纽大站，那么在整个换乘通道和车站站厅的客流疏导就将面临严峻的考验。如何提前预知大客流造成的影响，是运营管理部门提高安全运营的最有效手段。通过实时数据采集分析和历史数据对比，提前做出告警提示，防止拥挤踩踏等灾害事件发生，为管理者提供科学的决策，在目前形式下具有非常实用的价值。

2 换乘大客流的统计现状

目前，AFC系统对客流统计和清分是基于每个车站的进出站闸机所上传的交易信息的。这就意味着，即使乘客经过了多次换乘，我们也只能知道乘客进站、出站的位置，无法通过交易报文的解析来获取乘客的详细乘车路径。换而言之，在换乘通道中有多少客流？这个问题目前没有技术和方法可以解答。

同样，国内外轨道交通运营方都缺乏对实时客流的高精度统计手段，造成这一现象的原因在于AFC客流数据具有一定的延时性以及对换乘通道的客流统计与实际存在差异，缺乏算法验证。因此，在现有的技术条件下，国内外轨道交通运营方对整个路网实时客流（特别是换乘客流）的统计都是空白的。

可见，无论在精确度还是实时度方面，换乘大客流的统计都是差强人意的。为了缓解和预警这类情况，对换乘枢纽大站的换乘客流进行统计，不仅可以帮助客运人员安排现场疏导人员，还能通过对历史换乘数据的分析和挖掘，来判断和预警当某线某行发生故障后，对其他线路的影响。

3 热敏计数统计模型

本模型是针对上海轨道交通人民广场换乘枢纽站的各换乘通道内无法部署AFC系统，导致在换乘客流统计过程中无法实时、准确和验证而提出应用的。与光杆计数、红外计数、视频算法等技术相比，本模型将整个过程分为采集、统计和三个过程，并能成功实现对换入和换出的分类统计，见（图1）。

3.1 采集

整个采集过程由3部分实现，首先由热敏传感器将热气转为红外辐射，再由信号转换器输出数据包，最后由数据记录器进行保存。热敏传感——热敏传感器配备有可视光图片、传感器、信号处理器和接口电子器件，所有的这些结构都被整合到抗冲击的塑料外壳中。传感器使用向下观察模式，其功能是“可视”目标区域中走过的人的热量，可通过多种视角的锗透镜将人体散发的热量采纳为红外辐射。利用此原理来查数目标区域的人流。（见图2）。热敏传感器的感应面积是在地面上的正方形的形状，宽度大约与高度基本一致，一般在2.5米至4.5米之间（见图3）。

信号转换——相当于将热敏传感器输出的信号转成有效的数据包，也作为传感器的地址控制器。当数据记录器发出相应的数据请求，转换器按地址来回复数据。这样一来，不但可以转换信号，也可以加长了使用距离。

采集记录——数据记录器采集和保存传感器所得的客流数据，它内设的逻辑软件保证高准确率的数据。数据记录器可处理当前数据，也可保存历史数据。当前数据的保存格式为分、时及日等数据。历史数据的保存格式为时等数据。按系统配置，数据保留时间高达六十天。

3.2 统计

光采集到数据是不够的，必须对这些数据进行处理，使之成为有用的序列。可以说数据统计是进行科学研究的重要方法，通过数字揭示事物在特定时间方面的数量特征，以便对事物进行定量乃至定性分析，从而做出正确的决策。正因如此，统计信息越来越多地和其他信息结合在一起，如情报信息、商品信息等。而诸如此类信息，以统计数字显示或以统计数字为依据，可利用程度大为提高。为了更好的服务运营，必须研究开发了一套客流统计程序，从而便于将前期所记录的数据进行分类统计，同时结合记录时数据的保存格式，以实现统计实时客流和查询历史数据的功能。

3.3

客流统计系统的目的一方面是为了得到准确的客流数据，另一方面则是为了利用这些客流数据，进行有针对性的运营调整和预警。那么，就必须确保所统计出的数量能够得以及时的，使得相关使用、研究单位能够得到第一手的资料，从而制定最为及时的运营调整和预警的方案。

因此，模型的最后环节就是：根据实际需求，制定相关的接口配置，设计网络通讯拓扑，以完成相关信息的传输和，包括统计报告、客流图像监测和报表等功能。

4 模型的应用

以人民广场换乘枢纽站的换乘通道为例，将模型应用于大客流统计中。严格按照模型中对采集过程的要求和步骤，进行现场实地部署，通过对每个换乘通道宽带的现场测量，合理设计了每个感应器的分布。在不破坏车站内部视觉效果的前提下，铺放以太网网线，将计数器连接成一个小型的车站网络，覆盖了人民广场站的每个换乘通道（如图4）。

根据现场运营的实际需要，订制了一套客流统计程序，能够对所有换乘通道内的客流进行实时的汇总（如图5），显示的信息包括：通道编号、进出方向的今日总客流、5分钟内的进出客流及警示标志。甚至可以将历史客流信息分段为1分钟、5分钟、10分钟、30分钟、1小时、2小时、1天进行分段统计（如图6）。

最后，我们利用了车站传输网络，实现了数据的统一整合和（如图7）。其中6组传感器分别统计6个通道的两个方向的客流数据。通过网络，将每分钟的数据上传至数据采集工作站。工作站对数据进行分析归纳后，保存在本地数据库并上传中央服务器。网络内任意设备，可通过浏览器访问服务器网页。查看实时数据或设置检索条件，生成并打印报表。在数据采集工作站及服务器中，都对数据进行保存。这样，即使服务器中系统或数据库崩溃或数据丢失。也可通过数据再传送恢复，保证了数据的安全性。

5 应用效果

轨道交通车站客流量大小直接关系到乘客安全、运营安全和服务质量，如何提前预知大客流造成的影响，是运营管理部门提高安全运营的最有效手段。

例如，对于一段日期数据的总体分析，对车站每天的客流变化做整理，了解天气变化、节假日、重大活动和大型会展、恶性流行病、突发事件、线路局部改扩建施工等所产生的影响及变化，对之后的相关情况的预测及对应方案做基础（如图8）。

再例如，目前，轨道交通的换乘通道有些使用隔离栅栏，将通道平分两半，作为进出通道。但在实际使用中，大多数的通道，两个方向的客流并不均等（如图9）。

人民广场站高峰时1、8换2号线的人数大于2换1、8号线的人数，最高可达2.4倍。如果能自动或人工的方式调整隔离栅栏，适当得扩大高客流部分的通道，将会使通道的使用率提高，减少滞留。可见，通过实时数据采集分析和历史数据对比，可以提前做出预警提示，防止拥挤踩踏等灾害事件发生，为管理者提供科学的决策，在目前形式下具有非常实用的价值。

6 结语

由于轨道交通客流信息可统计和分析的方式很多，本文仅是针对目前上海轨道交通人民广场站的换乘大客流的统计而进行了简单的阐述。课题中以热敏计数原理为根据，通过对人民广场站的换乘大客流进行统计、分析和预警，推广至整个轨道交通路网中的换乘枢纽站中，可以辅助AFC系统统计、清分客流，并验证整个清分算法，从而实现提供客流疏导参照的目的，合理地编制列车运行图，指导行车调度员的运营指挥，充分发挥运能，为乘客提供舒适、准时、便捷的服务。