李穎宏，郝曉青（北方工業(yè)大學(xué)城市道路智能交通控制技術(shù)北京市重點實驗室，北京100144）

綜合交通樞紐客流狀態(tài)智能分析

李穎宏，郝曉青
（北方工業(yè)大學(xué)城市道路智能交通控制技術(shù)北京市重點實驗室，北京100144）

綜合交通樞紐每日承載著幾十萬客流量，為了滿足日益發(fā)展的綜合交通樞紐內(nèi)的指揮、運營管理及預(yù)警預(yù)案的需求，對樞紐內(nèi)的客流運行狀態(tài)的判別就顯得尤其重要。提出了一種新的評判客流運行狀態(tài)的指標(biāo)——客流擁擠指數(shù)，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(biāo)，建立了樞紐內(nèi)客流狀態(tài)綜合模糊評價模型，并從中獲取了客流擁擠指數(shù)。通過對實際交通樞紐內(nèi)的客流狀態(tài)仿真分析得出，所采用的模糊評價模型所得到的客流擁擠指數(shù)較好地反映了樞紐內(nèi)的真實的客流狀態(tài)，與實際狀況的契合度很高。所提出的樞紐內(nèi)客流狀態(tài)評價指標(biāo)簡潔明了，能為樞紐交通管理者和出行者提供有價值的參考。

交通工程；客流擁擠指數(shù)；模糊評價；客流運行狀態(tài)；綜合交通樞紐；智能分析；交通流

隨著公共交通的大力發(fā)展，綜合交通樞紐已成為城市交通系統(tǒng)中的重要節(jié)點，人們對城市交通樞紐活動空間的舒適、便捷、高效等有了更高的需求。在我國的大型綜合交通樞紐中，乘客流密度高、流動性大，交織沖突明顯，在這種空間下，極易造成樞紐內(nèi)乘客的擁擠、滯留，增加了踩踏事故發(fā)生的機率。因此，及時、準(zhǔn)確地掌握客流信息，正確評價乘客流的狀態(tài)，實現(xiàn)實時信息發(fā)布和動態(tài)誘導(dǎo)，不但可以使相關(guān)管理部門掌握乘客流的真實狀況，有針對性地組織預(yù)警，更好地解決乘客流擁擠問題，而且可以使乘客了解樞紐內(nèi)的擁擠狀況，自覺規(guī)避擁擠和風(fēng)險，從而有效地改善樞紐內(nèi)的乘車環(huán)境，提高乘客在樞紐中的通行速度，緩解大客流帶來的運輸組織壓力，保障乘客的出行安全。因此，對城市公共交通樞紐內(nèi)乘客流狀態(tài)評價的研究有著重要的現(xiàn)實意義。

根據(jù)國內(nèi)外學(xué)者對客流運行狀態(tài)評價方法［1?3］研究以及對機動車交通狀態(tài)評價方法［4?6］研究可知，行人的微觀特性、排隊長度、行程時間等直觀行人交通參數(shù)，使用目前的檢測技術(shù)不能達(dá)到精度要求；數(shù)據(jù)包絡(luò)分析法（DEA）以及應(yīng)用熵理論的綜合評價方法等復(fù)雜算法中部分指標(biāo)難以實現(xiàn)實時的計算，不適合對客流運行狀態(tài)的動態(tài)評價。本文提出了一種客流擁擠指數(shù)的指標(biāo)來評價樞紐內(nèi)客流狀態(tài)，并基于行人密度和單位寬度流率建立綜合模糊評價模型獲得客流擁擠指數(shù)，通過針對北京某一樞紐站內(nèi)的客流狀況的仿真，所得結(jié)論與《行人交通》標(biāo)準(zhǔn)評價結(jié)果相吻合。

1 客流擁擠指數(shù)

樞紐內(nèi)客流狀況的評價一般包括以下幾個步驟：首先確定評價目標(biāo)，本文以城市公共交通樞紐客流運行狀況為評價目標(biāo)；其次，建立評價指標(biāo)，要在眾多影響、反映客流運行狀況的變量中選取具有代表性、相對獨立的因素，來綜合建立科學(xué)的評價指標(biāo)；然后確定綜合評價方法，根據(jù)各指標(biāo)的特性及其對總目標(biāo)的影響來選擇最佳方法；最后，依據(jù)所選定的方法確定相應(yīng)評價指標(biāo)，本文中選定擁擠指數(shù)作為評價樞紐內(nèi)客流運行狀況的評價指標(biāo)。

本文所提出的客流擁擠指數(shù)，類似“空氣污染指數(shù)”和“交通擁堵指數(shù)”，是一種能夠綜合反映樞紐運行狀態(tài)定量化的相對數(shù)，是一種反映特定時刻、特定區(qū)域的擁擠程度和差別量化的相對數(shù)，是一種把復(fù)雜現(xiàn)象簡單化的相對數(shù)［7］。其本質(zhì)上呈現(xiàn)了在較長時間內(nèi)樞紐客流運行的擁擠程度、趨勢和規(guī)律，主要用來評價樞紐內(nèi)的運行狀態(tài)。

樞紐內(nèi)客流運行狀態(tài)可分為暢通和擁擠2種狀態(tài)。根據(jù)擁擠程度又可以分為輕度擁擠、中度擁擠和嚴(yán)重?fù)頂D，暢通可分為暢通和基本暢通。

1）暢通狀態(tài)：有足夠的空間可供行人自由選擇行走速度及趕超其他行人的機會；

2）基本暢通狀態(tài)：行走速度可自由選擇，但趕超其他行人受到輕微的限制，反向人流和橫向穿越時會造成一些沖突；

3）輕度擁擠狀態(tài)：行走速度不能自由選擇，趕超其他行人受到限制，反向人流和橫向穿越時會造成顯著沖突；

4）中度擁擠狀態(tài)：所有行人的速度和趕超其他行人的可能性均受到限制，前進速度緩慢，反向行走和橫向穿越極其困難；

5）嚴(yán)重?fù)頂D狀態(tài)：行走速度嚴(yán)重受限，與其他行人經(jīng)常不可避免地發(fā)生沖突，幾乎不可能反向行走和橫向穿越，人流是不間斷、不穩(wěn)定的。

針對上面5種客流狀態(tài)，本文用一種［0，10］的量化數(shù)據(jù)——樞紐客流擁擠指數(shù)來表征當(dāng)前樞紐的客流狀態(tài)，分為5個等級。其中0～2、2～4、4～6、6～8、8～10分別對應(yīng)“暢通”、“基本暢通”、“輕度擁擠”、“中度擁擠”、“嚴(yán)重?fù)頂D”5個級別。

2 客流運行狀態(tài)評價指標(biāo)

建立客流狀態(tài)評價指標(biāo)是對樞紐內(nèi)運行狀態(tài)進行分析的基礎(chǔ)，是對樞紐內(nèi)客流擁擠程度評價的前提。評價指標(biāo)選擇的原則就是以盡量少的指標(biāo)，能夠較為全面地反映出樞紐內(nèi)客流運行狀態(tài)，并且對客流運行狀態(tài)變化反應(yīng)敏感，容易獲取且準(zhǔn)確率高。一般樞紐內(nèi)客流運行狀態(tài)是通過將步行通道、樓梯、排隊等候區(qū)三大區(qū)域的客流運行狀態(tài)綜合反映的。

在運行過程中，乘客流比乘客個體表現(xiàn)出更為復(fù)雜的特點，受乘客之間、出行目的和周圍環(huán)境等影響。要得到全面的客流運行狀態(tài)，需要通過對客流運行的順暢程度、穩(wěn)定程度和空間利用程度三方面進行綜合分析［3］。參考針對我國國情的《行人交通》及進一步研究發(fā)現(xiàn)，在眾多的指標(biāo)如行人密度、單位寬度流率、速度和負(fù)荷度中，行人密度和單位寬度流率能夠較為全面地表征步行通道、樓梯和進出站口的客流狀態(tài)；而對于排隊區(qū)和候車區(qū)用行人密度即可反映出其當(dāng)前的客流狀態(tài)。本文以樓梯通道的行人流狀況為例進行了較為詳細(xì)地分析、建模評價和仿真。樞紐內(nèi)其他區(qū)域客流狀況的分析、評價方法與此相同，不再贅述。

行人密度是指在道路或排隊區(qū)域內(nèi)單位面積的平均行人數(shù)量，一般用區(qū)域人數(shù)和區(qū)域面積的比值表示。計算公式如下所示：

式中：K為行人密度：人／m2；L?W為區(qū)域Y的面積；L為區(qū)域長度；W為區(qū)域?qū)挾?；Q為區(qū)域Y內(nèi)的行人數(shù)量。

單位寬度流率是指人行道單位有效寬度平均通過的行人數(shù)量，計算公式為

式中：P為單位寬度流率：人／（m·min）；W為區(qū)域的寬度；Q為T時間內(nèi)通過區(qū)域Y內(nèi)某一斷面的行人數(shù)量。

行人密度與行人占據(jù)空間互為倒數(shù)。據(jù)統(tǒng)計，我國成年人靜止時垂直投影面積約為0.18 m2。由心理學(xué)家所做的人類緩沖區(qū)域測量實驗可知，行人與行人或設(shè)施之間需要保持一定距離的緩沖空間，其最低要求范圍為0.22～0.26 m2；行人在樓梯通道內(nèi)行走時需要0.7 m2的活動空間，當(dāng)行人占據(jù)空間在0.4 m2時，行走速度嚴(yán)重受到限制，當(dāng)行人占據(jù)空間在0.9m2以上時，行人以正常速度在樓梯內(nèi)行走；當(dāng)行人占據(jù)空間在1.4 m2以上時，行人可按自己意愿去行走；當(dāng)行人占據(jù)空間在1.9 m2以上時，行人可以趕超其他行人。按照不同的占用空間對行人有不同的約束，行人對樓梯通道空間需求可以分為：靜態(tài)最低需求區(qū)域、行動受限區(qū)域、行動基本區(qū)域、正常行動區(qū)域、自由選擇速度區(qū)域和趕超他人區(qū)域6個等級，如表1所示。

表1 樓梯通道行人占據(jù)空間等級表Table 1 G rade of pedestrian space for W alkways

VISSIM行人仿真模塊中，對不同區(qū)域內(nèi)設(shè)置不同的輸入量，輸入量隨著時間的增加而不斷地增加。通過一段時間的仿真，得到的相似的仿真結(jié)果，在12 600 s的仿真時長里，以60 s為一周期，通過3個采集點采集了630組行人交通數(shù)據(jù)，即行人密度和單位寬度流率。行人密度在2.5人／m2左右時，單位寬度流率達(dá)到最高。行人密度小于此值時，單位寬度流率隨著行人密度的增加而增加，但行人密度高于此單位寬度流率隨著行人密度的增加而減少。得出的行人密度與單位寬度流率關(guān)系，如圖1所示。

圖1 行人密度與單位寬度流率關(guān)系曲線圖Fig.1 Relation between pedestrian density and pedestrian flow

由此可以表明，在行人密度一定時，若P值相對較小，則說明行人流移動緩慢，行人個體或外界干擾因素對行人流的影響大，處理干擾因素帶來的影響反應(yīng)時間短；若P值相對較大，則說明行人流移動相對較流暢，行人與構(gòu)成的行人流一致性高，行人個體或外界干擾因素對行人流的影響相對較小，處理干擾因素帶來的影響反應(yīng)時間長，可能導(dǎo)致人流停滯。

因此，行人密度和單位寬度流率的大小反映了乘客流在運行過程中對區(qū)域空間利用程度、順暢程度和穩(wěn)定程度。故本文選用行人流密度和單位寬度流率這2個指標(biāo)的綜合效果來表征樞紐客流運行的順暢程度、穩(wěn)定程度、分布均衡程度。

客流在樞紐內(nèi)各服務(wù)設(shè)施的各項數(shù)據(jù)指標(biāo)，主要參考了反映我國國情的《行人交通》，并綜合了美國交通運輸研究委員會編寫的主要針對公共交通設(shè)施服務(wù)水平的《Transit Capacity and Quality of Service Manual－－2nd Ed》，通過行人密度和單位寬度流率在樓梯通道和步行通道服務(wù)水平的閾值來定義的客流擁擠指數(shù)。如表2所示。

表2 樓梯通道、步行通道及排隊和等候區(qū)的服務(wù)水平Table 2 Levels of service for stairways，walkways，queuing，and waiting areas

3 客流運行狀態(tài)模糊評價模型

客流擁擠程度是一個模糊的概念，而模糊推理是一種將定性與定量、主觀與客觀、模糊與清晰相結(jié)合的有效評價方法。因此，本文采用模糊推理的方法對樞紐客流運行狀態(tài)進行評價。

在這里，利用模糊推理的方法就是根據(jù)平均行人流密度、平均單位寬度流率和客流擁擠狀態(tài)之間的關(guān)系組成模糊規(guī)則矩陣，然后利用平均行人流密度、平均單位寬度流率的實測數(shù)據(jù)作為輸入，通過一系列的模糊運算推斷出客流擁擠狀態(tài)，輸出客流擁擠指數(shù)。

1）評判因素集。

樓梯服務(wù)水平的評價因素集為：U＝｛ST_K，ST_P｝，其中，ST_K為行人流密度，ST_P為平均單位寬度流率。

把行人流密度和平均單位寬度流率2個模糊集合的論域定義為

2）評價集。

由于將客流擁擠指數(shù)劃分了5個等級，故把擁擠狀態(tài)模糊評價集的論域定義為

3）隸屬函數(shù)。

結(jié)合設(shè)施服務(wù)水平及各因素之間的關(guān)系及表1，行人密度隸屬函數(shù)考慮以下因素進行確定：

當(dāng)行人密度為0.53人／m2時，行人可以自由選擇速度趕超他人，客流運行狀態(tài)屬于暢通狀態(tài)，因此小于等于此行人密度值，客流狀態(tài)就認(rèn)為是處于暢通狀態(tài)，隸屬度為常值1；

當(dāng)行人密度在0.71～1.11人／m2，行人處在自由選擇速度區(qū)域和正常行動區(qū)域之間，客流運行狀態(tài)屬于基本暢通狀態(tài)，其中點位置的密度0.91，隸屬于基本暢通狀態(tài)的程度最大為1；

當(dāng)行人密度在1.11～1.43人／m2，行人處在正常行動區(qū)域和行動基本區(qū)域，客流運行狀態(tài)屬于輕度擁擠狀態(tài)，其中點位置的密度1.27，隸屬于輕度擁擠狀態(tài)的程度最大為1；

當(dāng)行人密度在1.43～2.50人／m2，行人處在行動基本區(qū)域和行動受限區(qū)域，客流運行狀態(tài)屬于中度擁擠狀態(tài)，其中點位置的密度1.96，隸屬于中度擁擠狀態(tài)的程度最大為1；

行人密度大于等于4.5人／m2時，達(dá)到了樓梯單位面積可容納行人的最大值，此時已處于嚴(yán)重?fù)頂D程度狀態(tài)。因此只要達(dá)到這一范圍的行人密度值，客流狀態(tài)就認(rèn)為是處于嚴(yán)重?fù)頂D狀態(tài)，隸屬度為常值1。

綜上，在行人密度低于0.53或大于4.5時，隸屬于暢通或嚴(yán)重?fù)頂D特征顯著，分別取固定隸屬函數(shù)為常數(shù)1，當(dāng)行人密度處于這期間的值時，隸屬函數(shù)分別取不同三角函數(shù)，因此，本文采用梯形和三角形相結(jié)合的隸屬度函數(shù)，更符合實際的客流運行狀態(tài)，如下圖2所示。并根據(jù)圖1和表2行人密度和單位寬度流率之間的關(guān)系，確定單位寬度流率的隸屬函數(shù)。

行人密度隸屬函數(shù)如下：

單位寬度流率隸屬函數(shù)如下：

4）模糊規(guī)則表。

對模糊評價集（3）中行人流密度和平均單位寬度流率之間的關(guān)系進行分析：

當(dāng)K是VS時，若P是VS，S和M之一時，行人有足夠的空間來選擇速度或趕超慢速行人，此時處于暢通狀態(tài)；若P處于L或VL時，通過區(qū)域的客流量很大，但仍有足夠的空間，此時屬于基本暢通狀態(tài)。

當(dāng)K是S時，若P是VS，此時屬于暢通狀態(tài)；若P是S、M、L和VL之一時，行人步行的可用空間充裕，步行速度仍然可自由選擇，超越慢速行人受到輕微影響，屬于基本暢通狀態(tài)。

當(dāng)K是M時，行人可用步行空間開始壓縮，趕超慢速行人受到限制，此時屬于輕度擁擠狀態(tài)；若P是VL，此時通過的客流量很大，屬于基本暢通狀態(tài)；當(dāng)P是VS時，區(qū)域的客流通過量很少，屬于中度擁擠狀態(tài)。

當(dāng)K是L時，此時的行人流速度受到限制，中途停頓時有發(fā)生，此時屬于中度擁擠狀態(tài)；若P是VL時，但通過區(qū)域的客流量大，屬于輕度擁擠狀態(tài)；若P是VS，此時的行人流的速度很小，行人的步行可用空間受限，通過的客流量很少，屬于嚴(yán)重?fù)頂D狀態(tài)。

當(dāng)K是VL時，行人流緩慢移動，速度趨于零，基本停滯，此時屬于嚴(yán)重?fù)頂D狀態(tài)。

通過以上對行人流密度和平均單位寬度流率之間的關(guān)系分析，可得表3。

表3 擁擠指數(shù)等級模糊規(guī)則表Tab le 3 Fuzzy control rules

5）反模糊化方法。

將模糊量轉(zhuǎn)換為精確量的過程，叫做反模糊化，它是模糊化的逆過程。常用的反模糊化方法有：最大隸屬度法、面積等分法和重心法。根據(jù)反模糊化結(jié)果與評價指標(biāo)的分析對比，采用最大隸屬度可以更好地表征二者之間內(nèi)在聯(lián)系且計算簡便。因此，本文選用最大隸屬度平均值法進行模糊評判。

選取推理結(jié)果的模糊集合中隸屬度最大的元素作為輸出值客流擁擠指數(shù)，即I＝xo＝max（μx（x）），x∈V如果輸出論域V中，其最大隸屬度對應(yīng)的輸出值多于一個，則取所有具有隸屬度輸出的平均值，即

通過反模糊化得到客流擁擠指數(shù)，精確地反映出了區(qū)域內(nèi)的擁擠狀況。指數(shù)越大說明樞紐內(nèi)客流運行狀態(tài)越擁擠，指數(shù)越小說明樞紐內(nèi)客流運行狀態(tài)越暢通。

4 評價方法及效果仿真驗證

本實驗以實際采集的行人交通數(shù)據(jù)和以VIS?SIM仿真采集的行人交通數(shù)據(jù)分別進行了基于以上提出的模糊客流狀況評價方法，對客流狀況進行了仿真評價。

1）基于樞紐內(nèi)實際采集的客流數(shù)據(jù)所做的客流狀態(tài)仿真評價。以北京市復(fù)興門地鐵換乘下行樓梯的客流狀況為研究對象，通過安裝在樓梯處的高清攝像頭采集樓梯每分鐘的行人交通數(shù)據(jù)。本實驗以2013年1月18日9時20分－10時10分的連續(xù)50 min的行人交通數(shù)據(jù)為基礎(chǔ)。

利用MATLAB模糊工具箱，在Simulink里建立以樓梯的行人流密度和平均單位寬度流率作為輸入，客流擁擠指數(shù)為輸出的仿真模型。北京復(fù)興門地鐵站的行人交通流數(shù)據(jù)及評價結(jié)果，行人流交通數(shù)據(jù)（9：21－10：10 1min數(shù)據(jù)），如表4，北京復(fù)興門地鐵站客流狀態(tài)模糊評價結(jié)果如圖2。

圖2 復(fù)興門地鐵站客流狀態(tài)模糊評價結(jié)果圖Fig.2 Fuzzy evaluation result of passenger flow state in Fuxingmen subway station

表4 復(fù)興門地鐵站某一時段客流數(shù)據(jù)及客流運行狀態(tài)模糊評價情況Table 4 Passenger flow data and fuzzy evaluation of passenger flow state of Fuxingmen subway station

從實際交通流數(shù)據(jù)評價結(jié)果可知，在50min內(nèi)有34個時刻是暢通狀態(tài)，11個時刻是基本暢通狀態(tài)，5個時刻是輕度擁擠狀態(tài)。如在9：39時刻時，行人密度是0.37人／m2，單位寬度流率是11.96人／（m· min－1），客流擁擠指數(shù)為0.5。對視頻處理和分析可以得到，通過的行人數(shù)量是61人，此時行人平均占有空間是2.7m2，行人可用空間較大，行人速度可自由選擇，乘客之間影響較小，可以任意趕超其他行人，處于暢通狀態(tài)；在9：42時刻，行人密度是1.34人／m2，單位寬度流率是41.76／（m·min－1），客流擁擠指數(shù)為5.6。從視頻分析得到，通過的行人數(shù)量是213人，此時行人平均占有空間是0.75 m2，行人可用空間較小，行人速度選擇受到限制，乘客之間有一定的影響，趕超其他行人受到限制，處于輕度擁擠狀態(tài)。在9：22，9：24，9：29，9：42和10：07這5個時刻，客流突然增多，客流擁擠指數(shù)正確評價客流運行狀態(tài)，為輕度擁擠，在4～6之間。

2）基于VISSIM行人客流狀態(tài)的仿真評價。

VISSIM是一款微觀仿真工具。在VISSIM行人模塊中，行人行為的仿真主要建立在社會力模型之上。它是從社會力的角度、心理和物理上產(chǎn)生的影響共同構(gòu)成對行人行為的推動力。這些影響行人行為的力可以是行人對目的的驅(qū)動力、周圍行人對其的影響以及障礙物對其的干擾。在VISSIM中構(gòu)建1：1的仿真模型，如圖3所示。VISSIM仿真軟件可以建立地鐵復(fù)興門站仿真模型，構(gòu)造出其軌道、通道、障礙、行人交通特性等因素，模擬其中行人的運行狀態(tài)及其隨時空變化的過程。通過對復(fù)興門站進行實地考察與尺寸測量，如車輛間隔時間、行人路徑和障礙物等方面。

圖3 VISSIM構(gòu)建地鐵復(fù)興門示意圖Fig.3 Schematic diagram of construction of the Fux?ingm en subway station using VISSIM

通過采集地鐵1號線上和地鐵2號線站臺某一區(qū)域由VISSIM生成的行人交通數(shù)據(jù)（采樣周期為1min）得出2號線換乘1號線樓梯上的行人密度和行人流量。并可從中推算出行人流密度和平均單位寬度流率，以此作為輸入，采用本文提出的客流運行狀態(tài)模糊評價模型，通過MATLAB仿真獲得了相應(yīng)的客流擁擠指數(shù)。由于篇幅所限，在大量的實驗數(shù)據(jù)中隨機截取了40組仿真數(shù)據(jù)，如表5所示。

表5 基于VISSIM行人仿真的客流運行狀態(tài)模糊評價情況表Tab le 5 Fuzzy evaluation of passenger flow state using VISSIM pedestrian simulation

VISSIM行人仿真客流狀態(tài)模糊評價結(jié)果如圖4所示。

圖4 VISSIM行人仿真客流狀態(tài)模糊評價結(jié)果圖Fig.4 Result of fuzzy evaluation of passenger flow state using V ISSIM pedestrian simulation

在仿真交通流數(shù)據(jù)和評價結(jié)果可以顯示，11個連續(xù)中度擁擠狀態(tài)，19個連續(xù)嚴(yán)重?fù)頂D狀態(tài)，有7個客流擁擠指數(shù)大于9的嚴(yán)重?fù)頂D狀態(tài)。實時發(fā)布的信息和動態(tài)誘導(dǎo)，使管理者有針對性地采取人員誘導(dǎo)和限流等措施，可以實現(xiàn)了對大客流進的預(yù)警組織，從而更好地解決乘客流擁擠問題；而乘客看到發(fā)布的樞紐客流狀態(tài)信息，自覺規(guī)避擁擠和危險，保障乘客的出行安全。

以上結(jié)果與《運輸能力與服務(wù)質(zhì)量手冊》評價等級一致。由此可以看出，客流在緩慢變化的時候能夠準(zhǔn)確評價，而且在客流變化較為劇烈時也能夠準(zhǔn)確地評價乘客流的運行狀態(tài)。通過視頻采集的行人區(qū)域內(nèi)沒有連續(xù)超過5個是擁擠狀態(tài)，故其處于暢通、安全運行狀態(tài)；而VISSIM仿真的行人區(qū)域內(nèi)出現(xiàn)連續(xù)嚴(yán)重?fù)頂D狀態(tài)，故其應(yīng)采取必要措施，緩解擁擠狀態(tài)。

由此可以得出，客流擁擠指數(shù)較好地反映了樞紐內(nèi)客流運行狀態(tài)，評價結(jié)果與人的主觀感受一致，符合《行人交通》樓梯處的服務(wù)水平。通過模糊推理得到的客流擁擠指數(shù)具有一定的客觀性、科學(xué)性、穩(wěn)定性和可信度，簡潔明了的告知管理者和乘客樞紐內(nèi)各服務(wù)設(shè)施的運行狀態(tài)。同時，通過實時發(fā)布各服務(wù)設(shè)施的客流擁擠指數(shù)信息，能夠使管理者和乘客提前預(yù)警，避免乘客流擁擠、紊亂的發(fā)生，消除乘客流擁擠帶來的安全隱患，實現(xiàn)交通樞紐站內(nèi)的安全、高效、便捷運行。

5 結(jié)束語

本文基于綜合模糊評價模型提出了樞紐內(nèi)客流運行狀態(tài)評價指標(biāo)，并通過地鐵樞紐內(nèi)樓梯處運行狀況進行了客流狀態(tài)仿真評價分析與驗證。文中所提出的客流擁擠指數(shù)客觀地反映了樞紐內(nèi)各服務(wù)設(shè)施的客流運行狀態(tài)，其不僅可以從宏觀上簡單、明了地表明當(dāng)前樞紐內(nèi)各服務(wù)設(shè)施的狀態(tài)—擁擠或者不擁擠，定量地表示出擁擠到何種程度，而且管理者和社會公眾也可以通過客流擁擠指數(shù)掌握樞紐內(nèi)各服務(wù)設(shè)施客流運行的擁擠程度、趨勢和規(guī)律，便予誘導(dǎo)客流是否出行或以什么方式出行，為樞紐內(nèi)管理部門及乘客提供有益參考。

［1］王會會.綜合客運交通樞紐內(nèi)部客流擁堵機理研究［D］.北京：北京交通大學(xué)，2011：23?25.WANG Huihui.Passenger congestionmechanism analysis in comprehensive passenger transportation terminal［D］.Bei?jing：Beijing Jiaotong University，2011：23?25.

［2］房霄虹，周磊山，周勃.基于可排序DEA的城市綜合交通樞紐評價方法研究［J］.交通運輸系統(tǒng)工程與信息，2008，8（2）：108?113.FANG Xiaohong，ZHOU Leishan，ZHOU Bo.Evaluation method of city comprehensive transportation hub based on permutable DEA model［J］.Journal of Transportation Sys?tems Engineering and Information Technoloy，2008，8（2）：108?113.

［3］馬莉.城市軌道交通樞紐乘客交通流狀態(tài)分析與評價［D］.北京：北京交通大學(xué)，2009：15?25. MA Li.Analysis and evaluation of passenger flow operation state in urban railway transit hub［D］.Beijing：Beijing Jiao?tong University，2009：15?25.

［4］於毅.城市道路交通狀態(tài)判別方法研究［D］.北京：北京交通大學(xué)，2007：15?17.YU Yi.Research on the identification method of urban road traffic conditions［D］.Beijing：Beijing Jiaotong University，2007：15?17.

［5］楊兆升，張茂雷.基于模糊綜合評判的道路交通狀態(tài)分析模型［J］.公路交通科技，2010，27（9）：121?126.YANG Zhaosheng，ZHANG Maolei.A model for road traffic state analys based on fuzzy comprehensive evaluation［J］.Journal of Highway and Transportation Research and Devel?opment，2010，27（9）：121?126.

［6］孫超.城市道路交通狀態(tài)評價分析研究［D］.廣州：華南理工大學(xué)，2010：25?31.SUN Chao.Research on urban traffic network state evalua?tion and analysis［D］.Guangzhou：South China University of Technology，2010：25?31.

［7］陳艷艷，李平普，張廣厚，等.綜合交通樞紐客流擁擠實時評價方法［J］.公路交通科技，2012，29：75?80.CHEN Yanyan，LIPingpu，ZHANG Guanghou，et al.Real?ime evaluation method of passenger crowding in integrated transport hub［J］.Journal of Highway and Transportation Research and Development，2012，29：75?80.

李穎宏，1968年生，教授，博士，主要研究方向為智能交通信號檢測及短時交通流及交通狀態(tài)預(yù)測。近3年來作為主要完成人之一，承擔(dān)了北京奧運交通工程－北京中心區(qū)交通信號設(shè)備的優(yōu)化項目和國慶60周年重大項目－長安街交通控制系統(tǒng)改造工程、北京市城市智能交通三年規(guī)劃項目（2010－2012）項目等10余項。曾獲大連市科學(xué)技術(shù)進步一等獎，發(fā)表學(xué)術(shù)論文50余篇，其中被EI檢索24篇，申請國家發(fā)明專利12項。

郝曉青，1988年生，碩士。主要研究方向為智能交通控制與管理，短時交通流預(yù)測，行人預(yù)測，發(fā)表學(xué)術(shù)論文2篇。

Intelligent analysis of passenger flow state in an integrated transport hub

LIYinghong，HAO Xiaoqing
（NCUT?Beijing Key Laboratory of Urban Intelligent Traffic Control，North China University of Technology，Beijing 100144，China）

An integrated transport hub undertakes hundreds of thousands of traffic flow every day.In order tomeet the need of directing，operation，management and pre?arranged planning，it is important to figure out the running state of passenger flow inside the hub.In this paper，it is proposed to use a new indicator to judge the running state of passenger flow：passenger flow congestion index.A compressive fuzzy evaluation model of the state of passenger flow inside the hinge is setup based on the characteristics that are able to reflect the condition of passenger flow.This includes density of passenger，passenger flow rate perwidth.The passenger flow congestion index is also deter?mined from thismodel.Through the simulation and analysis of the state of passenger flow of an actual transport hub，the proposed passenger flow congestion index used in the fuzzy evaluation model reflected the actual state of passen?ger flow and corresponded with real conditions.The evaluation criteria of the passenger flow state in the transport hub proposed in this paper is concise and clear，which means that itmight also be a valuable reference for the travellers and transport hub managers.

traffic engineering；passenger flow congestion index；fuzzy evaluation；running state of passenger flow；integrated transport hub；intelligent analysis；traffic flow

TP18；U491.1

A

1673?4785（2014）06?0677?08

李穎宏，郝曉青.綜合交通樞紐客流狀態(tài)智能分析［J］.智能系統(tǒng)學(xué)報，2014，9（6）：677?684.

英文引用格式：LIYinghong，HAO Xiaoqing.Intelligent analysis of passenger flow state in an integrated transport hub［J］.CAAI Transactions on Intelligent Systems，2014，9（6）：677?684.

10.3969／j.issn.1673?4785.201308035

http：／／www.cnki.net／kcms／doi／10.3969／j.issn.1673?4785.201308035.htm l

2013?08?24.

日期：2014?11?13.

國家“863”計劃資助項目（2012AA112401）；國家科技支撐計劃資助項目（2011BAH16部?05）；學(xué)科建設(shè)人才培養(yǎng)資助項目（PXM2013_014212_000031）.

李穎宏.E?mail：lyh427＠ncut.edu.cn.