城市轨道交通客流检测技术的特征及其应用分析*

陈菁菁

（上海地铁第四运营有限公司，200071，上海∥高级工程师）

随着我国各大城市地铁网络化运营的不断深入和网络客流量激增，日常运营经常面临着常态或突发事件下的大客流压力，对于网络、线路、车站不同层面客流的流量和流向进行实时监测是提升网络运营效率和安全的关键。尤其是在城市宏观背景下的客流动态迁徙与高密度集散所引发的城市公共安全问题，越来越受到社会广泛关注［1］。2014年12月31日，在上海外滩发生的踩踏事故再次对公众敲响了警钟，迫切需要新的技术手段与方法来实现对地铁系统的乘客聚集风险作出评估和预防。为了快速、准确检测网络客流的实时流量与客流分布情况，各城市地铁都在研究与推广各种新的技术手段，如AFC（自动售检票）系统［2］、车辆称重［3］、视频自动检测［1］、热敏传感技术、手机信令［4］和 WiFi信令［5］数据分析等。但各项技术都存在各自的优缺点，有其不同的适用情景。本文将从各类技术的特征出发，对其适用性、可行性以及与运营需求的匹配性等方面做一全面的分析，最后给出各类技术的发展趋势和在运营决策中的应用前景，并对实施方法提出建议。

1 AFC客流采集技术

AFC技术是通过轨道交通自动售检票获取AFC数据，依据获取的车站闸机数据，得到乘客进出站的站点位置和时间数据，用于分析客流的时间规律和空间规律。同时，AFC数据还能通过清分模型，将城市轨道交通客流OD（起、终点）分配到相应路径中，得到各条线路的客流量及换乘量。

利用AFC系统采集客流数据是目前最为常用的手段，通过该系统能够获得进出站客流数据。如图1的AFC系统数据传输方式所示，上海地铁在车站的客流数据采集终端按照5 min的时间周期定时进行数据传输和客流量汇总，次日凌晨在统一时间再上传网络清分系统进行清分统计分析。在当前乘客网络出行采用“一票换乘”模式的条件下，该系统采用基于多因素阻抗的多路径清分模型进行网络客流分布计算，适用于城市轨道交通网络客流总量的统计，但是对车站内客流的分布情况（如换乘客流，站厅、站台客流）无法做到实时与精确地统计。同时，由于网络路径的复杂性、乘客出行路径选择行为的多样性和差异性，使得目前清分模型得到的客流清分结果与实际情况有一定的误差。另外，乘客进出站的完整信息获取需要待乘客出站后才能获取，加上实时进出站数据在传输上的延时性，目前无法通过AFC系统来获得客流的实时分布状态，从而无法对大客流预警提供有效的帮助。目前，虽然有一些基于AFC系统获取的客流数据来预测短时间内车站以及线路客流趋势的相关成果［6］，但在模型的有效性和预测结果的准确性等方面仍然有待验证。

图1 AFC系统数据传输架构

2 热敏传感技术

热敏传感技术的客流统计系统主要由传感器、记数器、传输网络和后端处理单元等组成。通常，传感器将部署在约3 m高处，可检测地面上边长约3 m多的正方形，通过集成光学、传感器、信号处理逻辑及电子控制技术，在60°的角度范围内，把下方人流的热气通过锗透镜转为红外辐射，实现对传感器覆盖区域的热敏检测；同时通过设置进、出基准路线来捕捉乘客的行走路径，实现对乘客在热敏传感器部署区域内的换入和换出的分类统计。

基于热敏传感技术的功能特性适用于车站内通道的双向客流检测，尤其是对换乘客流的检测。车站可以通过在换乘通道设置热敏传感器，以覆盖双向换乘客流，实现对站内换乘客流的实时监测。通过数据收集和分析，能够为车站实现通道进出客流的警示。但由于热敏传感检测系统对安装环境要求较高，同时还会受到客流情况复杂的制约，难以在车站内大面积安装推广。该技术曾在上海世博会期间用于轨道交通13号线的几个世博站，之后在人民广场站进行了试验。试用结果表明，该技术虽然在客流监测方面可以接近实时，但准确率不太理想，主要原因是热敏的红外感性装置对安装环境要求较高，且在人流复杂的车站不能有效区分客流类型；同时，该技术安装成本较高，不适用于大面积推广使用。

3 智能视频分析技术

智能视频分析技术也称摄像识别技术，源自于计算机视觉技术和人工智能技术，其发展目标是在图像与事件描述之间建立一种映射关系（如图2），使计算机从纷繁的视频图像中定位、识别和跟踪关键目标物体，并实时分析和判断目标的行为，根据预定的规则进行相应的报警或处理动作，从而能在异常事件发生时及时做出反应，做到早期的侦测和防范。

图2 智能视频分析技术统计轨道交通站点客流的工作原理示意图

智能视频分析技术在轨道交通的基本应用包括入侵检测、逗留（滞留）检测、可疑物品遗留检测、逆行检测、客流量突变和图像异常告警及场景重组等。其基本工作进程分为三个工作阶段：前期工作主要是针对摄像机的视频流进行预处理；中期工作主要包括各种目标的检测、识别、分类和跟踪；后期工作是通过建立数据模型，对运动行为进行分析并判别异常行为，从而作出预警。智能视频分析技术可以通过对运动目标的检测、分类、跟踪，根据模型算法对行为进行理解与识别，精确地检测出某一断面或区域的客流量数据。其中，运动目标的检测是视频分析技术的核心。现有的检测方法主要有三种：帧间差分法、背景差分法和光流法。

目前，各地城市轨道交通都安装视频监测系统。以上海为例，平均每个车站设置的摄像机数量约为80个，基本实现了对车站区域的全覆盖。车站值班员、调度和轨道公安等运营安全管理人员均能实时调看管辖范围内的所有摄像机图像，从而了解车站大部分区域的实时客流情况，对客流状态做出定性判断。智能视频分析技术能够实现客流的实时采集，可以对每个客流个体运动轨迹进行精确检测和跟踪，实现对大范围区域的覆盖和数据采集，并通过数据统计和分析，得到客流量、客流密度等轨道交通管理人员需要的各类数据指标。但摄像头的安装对外部环境，如光线、位置及角度等的要求较高，既有车站的大部分视频监测设备的安装位置、视频质量无法完全满足要求，在现场试验中所测得的精确度较低。如果对车站视频监测设备进行改造，则需要增加较多的专用硬件和后台软件，工程投资和实施复杂度都很高。

4 WiFi信令技术

WiFi信令技术的基本原理是利用WLAN（无线局域网）技术实现WiFi定位，能够在无线接入的同时，实现接入设备的位置判别。相比其他定位方式如超声波、红外线、射频识别定位等，WiFi定位的优势是能够利用现有无线网络以及被定位物体的自带无线功能，无需借助额外的设备。在技术方面，移动互联网的应用系统是基于WiFi无线路由器开源固件平台，实现对关联和未关联WiFi移动终端的智能感知，获得用户位置，并且通过对相关数据的挖掘、统计、分析，实现客流的实时跟踪。在实际应用方面，该系统实现的客流分析采用了基于无线终端的定位、跟踪与识别技术。通过终端检测、轨迹分析和特征分类，精确检测出通过该区域的客流量，实现对客流数据的精确统计。除了利用WiFi技术进行定位，还可以利用其技术进行身份识别，实现行动轨迹追踪，有利于实现更准确的客流换乘统计和OD分析。WiFi身份识别系统由4个物理组件组成：工作站、接入点（AP）、无线媒介和分布式系统。在身份识别过程中，由于每个工作站都有一个唯一的介质访问控制（MAC）地址，并且发出的每个帧都包含该MAC地址，因此网络中的AP可以通过读取帧中的MAC地址来对工作站进行WiFi身份识别（如图3）。通过记录工作站（用户）的行为包括停留位置、停留时间、运动轨迹、运动频率以及特征等指标，能够整理分析得到乘客的进出站及换乘行为。

图3 WiFi技术客流检测原理

WiFi信令技术能够有效实现精准的客流检测。该技术可获得乘客进出站客流统计、站内乘客换乘统计以及区域内乘客密集度统计。同时，WiFi技术的身份识别功能还适用于城市轨道交通OD客流分析，通过获取乘客接入工作站的空间位置和时间点，得到准确的OD客流分析。如武汉城市规划展览馆利用现有WiFi网络，实现了人员实时定位以及移动导览服务。该系统由WiFi手持移动端、无线局域网、定位服务器和内容服务器等组成，可以实现智能导览、信息精准推送、轨迹回放、实时定位和客流分析等功能。但是在实际应用过程中，由于乘客使用手机习惯的随机性，无法明确乘客使用WiFi功能的比例，难以保障数据的精准度。同时在城市轨道交通复杂的地下环境中，需要布置大量的WiFi路由器以确保数据采集工作的进行，并要采取措施尽量减少周边环境对信号的影响，以确保数据采集的准确性。

5 蓝牙定位技术

蓝牙定位技术是使用蓝牙4.0的beacon（信标）广播的功能，一般应用场合是在室内。在一定的室内区域定点布置beacon基站，这些低功耗蓝牙beacon基站不停地发送beacon广播报文，搭载蓝牙4.0模块的终端设备接收到beacon广播报文后，测量出接收功率后，带入到功率衰减和距离关系的函数中，进而计算出距离该beacon基站的距离，利用距离多个beacon基站的距离实现交会定位（如图4）。

目前，苹果公司的iBeacon蓝牙技术最受关注，配有该技术的设备能够使用低功耗蓝牙向周围发送特有识别码，以实现与接收设备的通信。iBeacon技术在商家、旅游景点和博物馆等地方已经得到了很好的应用与推广。如世博源百联集团与微肯公司合作推出了iBeacon微信室内导航，顾客可以通过该系统自主进行品牌导航、停车缴费等服务。微肯公司在世博源中部署大量iBeacon设备，并通过调试解决了跨楼层导航和中庭定位问题，大幅度提升了定位准确度。该蓝牙导航成功利用室内定位技术、移动互联网技术，以及大数据整合与智能分析技术，构建了以室内智能导航、位置服务为核心的购物中心商业运营服务平台。

图4 蓝牙定位技术原理

蓝牙定位技术相比现行无线局域网技术更适用于室内定位。蓝牙定位精准度更高，定位时间更快，成本低廉。同时随着蓝牙4.0技术规范的发布，使其在电池续航时间、节能和设备种类上得到了极大的改善，对信号的刷新周期也有大幅度的提高。在城市轨道交通大客流预警方面，蓝牙定位技术适用于站内客流情况的监测，如对客流分布情况、站台客流密度、换乘通道客流情况等的监视。但是，蓝牙定位需要乘客打开移动设备的蓝牙通信功能才能实现，因此需要采取有效手段确保乘客主动参与，才能实现数据的精确采集。

6 手机信令技术

利用手机数据分析推算交通数据信息是一种新兴的广域动态交通检测技术。手机信令技术中的数据定位原理是基于基站小区的模糊定位技术，通过移动运营商的手机信令采集系统，采集匿名手机用户发生信令事件时的位置信息，包括手发短信、主被叫、基站切换，以及位置更新等数据，其能够较为全面地反映出行者的连续出行轨迹。因此，当有人使用手机打电话、发短信或利用运营商网络上网时，移动数据就被创建，用户行为就会被移动基站所记录，并被确认在基站范围内的某个位置，当呼叫转移到一个新的基站或者一个新的呼叫连接到不同的基站时，用户的行为轨迹就会被确认下来。

由于手机信令数据在样本量和覆盖范围上的优势，手机信令技术可以适用于中、宏观层面的客流检测，包括城市人口时空动态分布检测、特定区域客流集散监测、交通出行的OD分析等。在城市轨道交通监测方面，手机信令技术能够识别乘客换乘路径和换乘车站，以及区域线路的进出站客流；同时，还能通过识别手机用户的出行时耗、出行距离及出行次数，分析乘客的出行需求（例如出行需求主要集中在什么时间段，以及哪些区域之间等）。通过对站点、线路一定范围内的手机用户密度统计及分析，可以得到站点和线路的服务范围。如无锡市城市规划编制研究中心与上海云砥信息科技公司合作，基于无锡移动通信数据平台，在2013年11月至12月的2个月内，对占无锡总人口78.4%的无锡移动505万部手机用户进行了连续不间断追踪，动态采集无锡市域范围内手机用户的信令数据，进行无锡市手机用户出行调查，得到了全市各区常住人口职住分布、市区居民出行客流OD、重点区域集散客流等信息。利用这些成果，在无锡城市轨道交通线网扩编规划中，依据不同区域间的交通出行量及方向，确定不同区域间的轨道线网结构安排，并在太湖新城公交专项规划中，用于分析新城对外和对内的客流走廊。

受基站分布密度以及用户手机使用行为的时空随机性两方面影响，手机信令数据对微观层面分析适用性相对有限。在实际运用过程中，手机信令数据的采集过程还将受到城市轨道交通网络复杂环境的影响，如不适用于地面及高架站。地面、高架站点及线路由于采用与路面道路同样的基站，难以实时检测出进、出站客流。

7 车辆称重技术

车辆称重技术的原理是测量车辆载客的总重量，来计算出车辆载客人数。主要通过在列车车厢的悬挂弹簧上安装压力传感器，检测受压变形量，并结合截面变化曲线及温度补偿、倾斜补偿等算法计算得出列车的承载重量，再根据乘客的平均体重计算出车厢载客人数。目前，该技术在道路公交客流统计具有一定范围的应用，通过加装相应的压力传感器，能够较为直观和便捷地测算出车厢载客人数。但是测算精度依赖于载客数量，载客人数越多，测算精度越高，反之则误差较大。目前，上海轨道交通12号线采用了具有车辆称重技术的列车，列车能够智能检测乘客载重量，并与空调控制系统进行联动，能够根据乘客的数量，实现车辆温度的智能调节。例如，在夏天高峰时段车厢增加大量乘客时，空调通风量会自动增大15%。通过在上海轨道交通12号线的应用，车辆称重技术能够实时反馈车厢乘客载重量，但在载客人数与载重量之间的转变上，无法确保数据的精准度与有效性。在应对轨道交通大客流检测、预警方面，该技术的适用度不高。

车辆称重技术适用于断面客流统计，相比现行的AFC技术，不需要根据进出站客流数据、换乘客流数据等进行计算，能够实时地获取车辆载客数量的变化。但在实际应用过程中，由于地铁列车构造的不同及乘客的多样性，难以保障车厢载客人数的精准性，需要与AFC统计数据进行相互的校正。同时，需要根据不同的列车型号的车体结构加装传感器和检测设备，设备投资和实施复杂度较高，在城市轨道交通的实际环境下难以适用。

8 不同检测技术的适用性及应用情况分析

城市轨道交通客流检测技术是实现大客流预警的重要技术手段，不同技术适用于城市轨道交通不同层面大客流检测预警的需求。表1和表2分别给出了不同客流采集方式的比较及不同检测技术在城市轨道交通应用的适用范围。

表1 不同客流数据采集方式的比较

表2 不同检测技术在城市轨道交通中应用的适用范围

不同客流检测技术在城市轨道交通客流检测领域都有其优劣势，即使是都具备数据采集实时性特征的客流检测技术，由于数据采集范围、数据采集量级和数据处理规模的差异，客流分析结果的延时性也存在较大差异。后续技术应用需要对高效的数据传输方式和数据处理模型进行研究，以提高数据分析结果的实时性。

不同客流检测技术适用范围也有所不同，如AFC技术比较适用于进出站客流统计，热敏传感技术比较适用于站内通道换乘客流统计，手机信令比较适用于宏观层面OD客流分析和乘客出行特征分析等。但同时各检测技术又有一定的局限性，例如受难以适应车站的复杂环境、监测数据精度不高、设备安装成本高等多方面影响。

因此，为满足大客流预警的需求，城市轨道交通需要建立综合实时客流监测体系，以系统化的方式选择适用的检测技术，并实现多种检测技术的有效集成，以满足多样化客流监测需求。车站不同的区域，包括站台、站厅、换乘通道等，根据不同区域客流指标，选择不同的检测技术。除车站不同区域客流监测需求外，还考虑网络层、线路层的大客流预警的需求，提高大客流预警的效果。此外，通过各客流检测技术的融合，能够对采集到的客流数据进行相互印证，以提高数据的准确度、提升数据的采集范围、优化数据的分析结果，从而实现城市轨道交通大客流预警的实时、高效与准确。

9 结语

随着城市轨道交通网络化建设的发展，面对持续增长的客流压力，客流检测技术需要不断完善和提升，在加强对站内、外以及线网客流监测的同时，城市轨道交通运营企业还应当结合互联网技术、结合大数据的智能分析技术，实现对各类技术采集数据的深度挖掘与融合。同时，配合综合实时的客流监测体系，一方面为大客流预警提供有效的数据支撑，另一方面能深度了解乘客出行特征，提供高效、便捷的出行服务。

多源数据融合是未来城市轨道交通运营实现基于大数据驱动的管理升级的必经之路，但同时也面临巨大的挑战，不仅仅是在跨技术领域的模型研究，更在于多专业、跨纬度、强协同管理机制的设计。

［1］ 徐斌涛.基于视频技术的轨道交通大客流检测方案［J］.中国公共安全，2017（S1）：71-73.

［2］ 王国富，王洪臣，刘海东.城市轨道交通AFC系统新技术应用及展望［J］.都市快轨交通，2017（1）：41-44.

［3］ 秦征.移动式地铁车辆称重系统在广州地铁二号线的应用［J］.铁道机车车辆工人，2010（8）：24-27.

［4］ 张伟伟，陈艳艳，赖见辉，等.基于移动定位信息的地铁站客流来源分析［J］.交通信息与安全，2016（6）：70-76.

［5］ 陆音，缪辉辉.复杂室内环境下的WiFi定位技术研究［J］.计算机科学，2016（11）：152-154.

［6］ 徐瑞华，徐永实.城市轨道交通线路客流分布的实时预测方法［J］.同济大学学报(自然科学版),2011，39（6）：857-861.