宋程程, 陳艷艷*, 陳 寧, 劉小明,2
(1.北京工業(yè)大學北京市交通工程重點實驗室, 北京 100124; 2.廣西壯族自治區(qū)人民政府, 南寧 530000)
隨著軌道交通在城市客運地位的提升、軌道交通客流量的迅猛增長,軌道交通管理及研究部門需要更高水平的客流組織方案保障軌道交通車站的正常運行,完整、準確的客流數(shù)據(jù)信息是交通管理及研究部門策略制定的重要依據(jù)。同時,在《國家綜合立體交通網(wǎng)規(guī)劃綱要》的推動下,綜合樞紐智慧管控平臺成為行業(yè)熱點,平臺的搭建離不開站內(nèi)客流的實時采集??土鲾?shù)據(jù)采集最直接有效的手段是依托軌道交通現(xiàn)有視頻監(jiān)控設備進行采集,視頻監(jiān)控設備已基本普及高清化,客流狀態(tài)數(shù)據(jù)采集范圍將嚴重影響采集客流數(shù)據(jù)的質(zhì)量,基于視頻監(jiān)控設備的選型和位置布設的客流采集范圍研究具有重要的現(xiàn)實意義和應用價值。
目前,中外學者對客流狀態(tài)數(shù)據(jù)采集的研究主要集中于地鐵站安全風險分析、采集設備的優(yōu)化布設和站內(nèi)客流和設施關系分析。
地鐵站的安全風險分析主要是通過結(jié)合客流數(shù)據(jù)和站內(nèi)設施等因素對地鐵站的安全風險進行評價。劉兵等[1]通過對歷史運營時間進行分析,利用灰色熵權模型計算指標權重,利用灰色關聯(lián)度方法計算評價指標時間激勵因子,實現(xiàn)了對城市軌道交通站點運營風險的綜合評價。李科君等[2]利用一種消錯決策方法,研究并建立了涵蓋城市軌道交通運行過程中產(chǎn)生的動態(tài)數(shù)據(jù)的車站分級指標體系。孫然然等[3]分析了城市軌道系統(tǒng)歷史事故,構(gòu)建了面向運營安全的城市軌道交通線網(wǎng)性能綜合評價指標體系,對車站、線路、線網(wǎng)三個不同層次進行了安全水平評價。
針對視頻監(jiān)控采集點布設的應用研究主要是將采集點布設問題轉(zhuǎn)化為覆蓋問題求解。Han等[4]提出了有限空間內(nèi)基于攝像機候選點位置和關鍵點的位置、視場角、方向偏航和可見距離參數(shù)的推理算法,實驗表明,該方法能夠生成詳細的攝像機圖像參數(shù)包括位置、視場角、方向偏航和可視距離,具有較低的遮擋和重疊率,以實現(xiàn)攝像機最大范圍覆蓋;Kritter 等[5]將攝像機布置問題解釋為在一組特定于應用的約束條件下,確定優(yōu)化預定義目標的攝像機配置問題,并進行了充分調(diào)查,表明整數(shù)線性規(guī)劃、貪婪啟發(fā)式、進化算法和自然啟發(fā)算法可以應用于監(jiān)測設備分布模型;Olver 等[6]用PhotoModeler軟件估計估計了不同分辨率下攝像機采集信息的準確性和精度與設備架設高度的關系。程學慶等[7]在傳達最大化覆蓋的基礎上,從立體式布局和監(jiān)控輕度方面進行完善和補充,提出了基于建筑輪廓、旅客流線和重點區(qū)域的三級布設流程和布設方案。
車站功能設施客流研究方面,向紅艷等[8]利用軌道自動售檢票(automatic fare collection, AFC)數(shù)據(jù)進行了客流的識別。傅志妍等[9]在分析城市軌道交通車站乘客聚散行為時對站廳、閘機區(qū)和安檢區(qū)的客流密度和客流強度進行了分析,分析最大客流持續(xù)時間,對行人流線進行優(yōu)化,緩解了局部客流強度。徐永實等[10]針對站臺客流狀態(tài)進行了詳細分析,構(gòu)建了站臺客流與列車客流實時交互模型,闡述了地鐵站客流實時分布情況。李穎宏等[11]基于樞紐內(nèi)行人密度和單位寬度流率等反映樞紐客流狀況的特性指標,建立了樞紐內(nèi)客流狀態(tài)綜合模糊評價模型。
以上研究多偏向于對客流數(shù)據(jù)的應用,而對客流數(shù)據(jù)的質(zhì)量未做探討,當前站內(nèi)設備的布設以安防為依據(jù),對客流數(shù)據(jù)采集范圍影響數(shù)據(jù)質(zhì)量的相關研究匱乏,研究基于高質(zhì)量數(shù)據(jù)采集的城市軌道交通車站客流狀態(tài)采集范圍是迫切需要的。因此,分析車站客流采集參數(shù),對軌道交通車站客流狀態(tài)數(shù)據(jù)采集范圍進行研究,構(gòu)建采集范圍優(yōu)化模型,為高質(zhì)量客流數(shù)據(jù)采集提供保障,同時為綜合樞紐智慧管控平臺提供強大的支撐。
客流狀態(tài)數(shù)據(jù)采集指獲取城市軌道交通車站各功能區(qū)域的實時客流狀態(tài),用于樞紐應急監(jiān)測和樞紐設施優(yōu)化布局提供數(shù)據(jù)基礎。獲取數(shù)據(jù)要滿足全面性、有效性、高精度,采集范圍的確定是數(shù)據(jù)滿足需求的最根本因素??土鳡顟B(tài)數(shù)據(jù)采集范圍需要滿足客流狀態(tài)獲取和監(jiān)測設備數(shù)據(jù)采集精度的需求。
一般而言,車站內(nèi)部設施的布局往往對客流監(jiān)測設備的設置和安裝產(chǎn)生約束。客流監(jiān)測設備的設置高度一般在3.5 m以下,最佳監(jiān)測視角為垂直視角。在實際的應用中[12-14],焦距4 mm的相機鏡頭最為常用,垂直視角下的最大監(jiān)測直徑為9.8 m,最大監(jiān)測范圍為75.4 m2。本文忽略設備傾斜角度對監(jiān)測范圍的影響。
在客流狀態(tài)的采集參數(shù)中客流量、客流密度和排隊長度可以自動采集,通過對國內(nèi)知名視頻分析企業(yè)自動客流狀態(tài)采集技術的調(diào)研,客流量的自動采集精度一般不受采集范圍的影響,客流密度和排隊長度的自動采集精度會受到采集范圍的影響,在垂直視角、3.5 m布設高度、4 mm相機焦距的情況下,最佳采集范圍為4 m4 m,當采集范圍大于4 m4 m時,采集精度不足,并且隨著采集范圍的增大,采集精度降低。
根據(jù)軌道交通車站設施為客流提供服務形式和服務功能的不同,將車站劃分為閘機區(qū)、售票區(qū)、安檢區(qū)、樓(扶)梯區(qū)、站臺區(qū)及通道6類,本文中客流數(shù)據(jù)采集范圍即采集長度值。
以檢票閘機區(qū)為例,如圖1所示,陰影區(qū)域為客流狀態(tài)采集區(qū)域,本文研究的采集范圍為該區(qū)域的長度值。
圖1 檢票閘機區(qū)數(shù)據(jù)采集范圍示意圖Fig.1 The indication ofcollection range in check-in gateway
軌道交通車站客流狀態(tài)的表征參數(shù)通常包括客流量、客流密度、步行速度、服務水平、排隊長度、排隊時間。軌道交通車站內(nèi)部不同區(qū)域客流組織與運行狀態(tài)不同,評價參數(shù)的選取應依監(jiān)測區(qū)域特性而異。例如,對于閘機區(qū)域,客流量峰值數(shù)據(jù)并不能準確反映由于通行能力受限而導致的閘機區(qū)域客流擁擠狀態(tài),而排隊長度更適合描述閘機區(qū)域的客流狀況。因此,需要依據(jù)不同功能區(qū)域客流特征對客流監(jiān)測采集參數(shù)進行分析。
根據(jù)軌道交通車站功能區(qū)劃分,綜合考慮車站實際運營工作中的經(jīng)驗和現(xiàn)有的研究[12-14],建議采用表1中的參數(shù)對不同功能區(qū)域的客流狀態(tài)進行描述。
表1 客流狀態(tài)采集參數(shù)
隨著新技術、新科技在交通行業(yè)的推廣應用,軌道交通客流監(jiān)測逐漸從人工化、模糊化向精細化、數(shù)量化的轉(zhuǎn)變,其中,智能自動采集技術將發(fā)揮重要作用。目前可以實現(xiàn)對客流狀態(tài)自動采集的參數(shù)包括客流量、客流密度和排隊長度。不同功能區(qū)域客流狀態(tài)自動采集的參數(shù)如表2所示。
表2 客流狀態(tài)自動采集參數(shù)
由自動采集參數(shù)分析可得除通道之外,其余功能區(qū)域的自動采集參數(shù)為客流密度和排隊長度,均屬于排隊服務型設施,而在通道區(qū)域內(nèi),一般不形成排隊狀態(tài),歸類為通過服務型設施,監(jiān)控設備的自動采集參數(shù)為客流密度,其最佳采集范圍計算模型與其他區(qū)域有所差異。因此,對排隊型服務設施和通過型服務設施區(qū)域分別建立模型,并選取閘機區(qū)和通道區(qū)分別作為兩類模型的示例進行詳細闡述。
考慮閘機區(qū)客流數(shù)據(jù)采集范圍(長度值)受客流狀態(tài)獲取需求及數(shù)據(jù)采集精度的影響,建立客流狀態(tài)采集范圍的目標函數(shù)為
(1)
(2)
(3)
(4)
(5)
式(5)中:S為設備的最佳采集長度。
售票區(qū)、安檢區(qū)、樓(扶)梯及站臺區(qū)具有與閘機區(qū)具有相同的客流特性,客流均以排隊形式等待服務,客流數(shù)據(jù)采集范圍計算模型同閘機區(qū)。鑒于通道區(qū)自動采集參數(shù)與其他區(qū)域不同,需對通道另作分析。通道區(qū)數(shù)據(jù)采集示意情況如圖2所示。
圖2 通道區(qū)客流數(shù)據(jù)采集范圍Fig.2 Therange of passenger flow data collection in channel
通道區(qū)客流數(shù)據(jù)采集范圍模型的目標函數(shù)為:
(6)
客流量的自動采集精度一般不受采集范圍的限制,客流密度的自動采集精度在一定程度會受到采集范圍的影響,當采集長度大于4 m時,采集精度會隨著采集長度的增大而減小,計算公式為
(7)
各個參數(shù)權重計算采用主、客觀綜合權重確定法[15],其中,主觀權重采用層次分析法,客觀權重采用熵權法。參數(shù)權重在確定時采用主觀賦權法和客觀賦權法相結(jié)合的思想,充分考慮專家知識經(jīng)驗和數(shù)據(jù)信息,為避免主、客觀權重的局限性,運用組合賦權方法計算各個參數(shù)的綜合權重。
2.2.1 主觀權重計算
邀請行業(yè)相關專家n人(編號為a1,a2, …,an),對車站內(nèi)6種設施相應參數(shù)的權重進行打分,建立判斷矩陣,并采用1~9標度法對重要程度賦值,步驟為:
Step1建立安檢區(qū)、檢票閘機區(qū)、樓(扶)梯區(qū)、人工售票區(qū)、站臺區(qū)和通道的判斷矩陣x1、x2、x3、x4、x5、x6。
Step2將判斷矩陣每一列歸一化處理。
(8)
Step3列出歸一化矩陣。
M=[M1M2…Mn]T
(9)
(10)
(11)
得到主觀權重向量為
U1=(ω′1,ω′2, …,ω′n)
(12)
2.2.2 客觀權重計算
運用熵權法,研究各層次評價參數(shù)。具體步驟如下。
Step1建立安檢區(qū)、檢票閘機區(qū)、樓(扶)梯區(qū)、人工售票區(qū)、站臺區(qū)和通道的判斷矩陣x′1、x′2、x′3、x′4、x′5、x′6。
Step2將判斷矩陣歸一化得到矩陣x″1、x″2、x″3、x″4、x″5、x″6。
Step3計算第j項參數(shù)的信息熵值ej為
(13)
式(13)中:pij為第j項參數(shù)下,第i個評價對象的特征比重。信息熵ej越小,表明參數(shù)值的變異程度越大,提供的信息量越多,其權重也越大。
Step4計算各評價參數(shù)的熵權wj。
當各被評價對象第j項參數(shù)值全部相等時,ej=emax=1。定義差異系數(shù)dj,使得dj=1-ej。差異系數(shù)dj越大,給予較大的參數(shù)權重。站內(nèi)各功能區(qū)參數(shù)的客觀權重為
(14)
得到客觀權重向量為
U2=(ω″1,ω″2,…,ω″n)
(15)
2.2.3 綜合權重確定
基于主觀權重和客觀權重的基礎上,得到綜合權重[16]為
(16)
選取北京西直門地鐵站為研究對象,對客流監(jiān)測數(shù)據(jù)采集范圍進行實例分析。西直門站是北京地鐵2號線、4號線和13號線的換乘站。西直門的進站量和換乘量在北京所有地鐵站中一直排名前十,是北京具有代表性的重點軌道交通車站。課題組通過人工調(diào)查法對西直門地鐵站開展了高峰時段各功能區(qū)排隊長度調(diào)查,結(jié)果如圖3所示。
采用組合權重法得到各項參數(shù)的綜合權重值,如表3所示。
表3 排隊服務型設施分級參數(shù)權重計算結(jié)果
通過視頻調(diào)查法獲得軌道交通樞紐內(nèi)各類區(qū)域的乘客最大排隊長度值,利用客流數(shù)據(jù)采集范圍模型得到各類區(qū)域的客流數(shù)據(jù)最優(yōu)采集范圍。
圖3 高峰時段各區(qū)域排隊長度分布Fig.3 The length distribution of queues in peak hours
西直門地鐵站各功能區(qū)客流狀態(tài)數(shù)據(jù)最佳采集范圍結(jié)果見表4。
由表4排隊服務型設施分級參數(shù)權重計算結(jié)果可得,不同功能區(qū)域針對客流狀態(tài)采集的參數(shù)重要度不同,檢票區(qū)、售票區(qū)、安檢區(qū)、站臺客流狀態(tài)采集參數(shù)中排隊長度權重大于客流密度權重,即采客流排隊長度重要度更大,更能表征該設施客流狀態(tài);樓(扶)梯區(qū)域客流。根據(jù)不同功能區(qū)域采集范圍相關因素的權重計算結(jié)果,檢票區(qū)、站臺采集精度權重大于客流狀態(tài)權重,應用于車站應急監(jiān)測,更能精準把握關鍵區(qū)域的客流情況;售票區(qū)、安檢區(qū)、樓扶梯客流狀態(tài)權重大于采集精度權重,三類區(qū)域一般占據(jù)空間較小,針對客流狀態(tài)的采集重要性更大,用于監(jiān)測,更能避免突發(fā)事件的發(fā)生。
表4 監(jiān)測區(qū)域客流狀態(tài)最佳采集范圍
根據(jù)模型最優(yōu)求得各功能區(qū)客流狀態(tài)數(shù)據(jù)最佳采集范圍,各功能區(qū)最優(yōu)采集范圍與實際最大排隊長度之間存在差值比最大的是樓(扶)梯區(qū),基于樓扶梯區(qū)的物理結(jié)構(gòu),安全隱患大位置在最優(yōu)采集范圍內(nèi),保障了監(jiān)測客流的全面性。通道區(qū)最優(yōu)采集范圍4 m應分段布設采集,重點采集客流密度參數(shù)。最優(yōu)采集長度范圍值集合了基于視頻采集設備下客流狀態(tài)采集的全面性、高精度和數(shù)據(jù)有效性。
軌道交通車站是城市軌道交通的重要節(jié)點,對軌道交通車站客流進行監(jiān)測有利于保障軌道交通運營的安全性、可靠性??土鲾?shù)據(jù)采集范圍影響采集客流數(shù)據(jù)的質(zhì)量,合理的客流狀態(tài)數(shù)據(jù)采集范圍是客流監(jiān)測的重要基礎。提出一種軌道交通車站客流狀態(tài)數(shù)據(jù)采集范圍確定方法,具體如下。
根據(jù)軌道交通車站設施為客流提供服務形式和服務功能的不同,將其分為了閘機區(qū)、售票區(qū)、安檢區(qū)、樓(扶)梯區(qū)、站臺區(qū)及通道6類,并給出了相應的客流狀態(tài)采集參數(shù)。在考慮軌道交通車站各功能區(qū)特性的基礎上,以全面性及精度最優(yōu)為目標,建立不同功能區(qū)域的采集范圍模型,采用組合賦權方法計算分級參數(shù)的權重,并采用遺傳方法求解范圍模型。以北京西直門地鐵站為研究對象進行了實例研究。本研究可以確定軌道交通車站客流數(shù)據(jù)的最優(yōu)采集范圍,為高質(zhì)量客流數(shù)據(jù)的獲取提供重要的技術支持,為樞紐應急監(jiān)測和布局優(yōu)化提供數(shù)據(jù)支撐。
另外,在《國家綜合立體交通網(wǎng)規(guī)劃綱要》的推動下,綜合樞紐智慧管控平臺構(gòu)建技術發(fā)展迅速,樞紐管控的基礎需求就是樞紐內(nèi)部實時客流數(shù)據(jù)的采集,在本研究的基礎上,結(jié)合各功能區(qū)采集范圍模型和樞紐等級,制定分級綜合交通樞紐監(jiān)測設備布設相關規(guī)范和數(shù)據(jù)采集范圍相關標準是有行業(yè)所需要的,因為當前缺少相關規(guī)范和標準。相關規(guī)范和標準的制定具有重大意義,可以規(guī)范樞紐客流采集設備的選型標準和位置布設,而非一味追求全覆蓋而造成資源浪費,同時標準規(guī)范的制定可推進樞紐智慧管控平臺機制的建立,提高樞紐智能化管理水平,提升樞紐綜合服務水平。