鄭 翔 劉 龍 鄒曉磊

(1.廣州地鐵設(shè)計研究院股份有限公司,510010,廣州;2.同濟(jì)大學(xué)道路與交通工程教育部重點實驗室,201804,上海∥第一作者,高級工程師)

城市軌道交通車站的運(yùn)營效率和安全性已成為運(yùn)營方和專家學(xué)者廣泛關(guān)注的問題。目前我國多個城市的軌道交通線網(wǎng)客流進(jìn)入了快速增長期,部分車站的客流壓力激增。針對車站的常態(tài)大客流,學(xué)者們在分析客流歷史數(shù)據(jù)的基礎(chǔ)上,提出了客流組織的優(yōu)化方案[1]、減少進(jìn)站量的限流方法[2]、提升高峰時段車站客流疏解效率的列車運(yùn)行調(diào)整方法[3];針對車站的突發(fā)大客流,學(xué)者們分別提出了運(yùn)用視頻[4]、Wi-Fi(無線保真)[5]、手機(jī)信令[6]等技術(shù)手段及時獲取客流數(shù)據(jù),實時感知車站客流擁擠狀態(tài),并提出了基于三級大客流響應(yīng)標(biāo)準(zhǔn)采取客流管控措施[7]。然而,既有的大客流管控大多基于“見堵治疏”原則,常態(tài)大客流的管控措施常導(dǎo)致限流時段的延長,突發(fā)大客流應(yīng)急管控措施的實施時間也常滯后于需求,進(jìn)而造成一定的資源浪費(fèi),乘客的乘坐體驗、車站的運(yùn)營效率及安全性也受到了一定的影響。

為此,運(yùn)營方希望能夠?qū)崿F(xiàn)大客流管控的“預(yù)堵治疏”,及時獲取站內(nèi)客流的聚集狀態(tài)及其10～15 min內(nèi)的客流發(fā)展趨勢,以便及早采取管控措施。有學(xué)者基于短期客流預(yù)測方法建立了城市軌道交通車站客流限流動態(tài)預(yù)警的數(shù)學(xué)模型,實現(xiàn)了高峰時段車站進(jìn)出站客流量及站臺客流密度的預(yù)測[8]。行人仿真作為重要的研究手段被廣泛應(yīng)用于城市軌道交通車站客流組織研究,用以還原不同場景下客流在站內(nèi)接受服務(wù)和集疏的過程[9-10]。但是,既有研究和應(yīng)用場景大多為基于車站設(shè)計和客流組織方案優(yōu)化的離線客流分析,可用于車站客流動態(tài)組織和管控的在線實時客流態(tài)勢仿真和預(yù)警的研究成果還相對缺乏。

本文提出基于客流態(tài)勢的快速仿真推演方法,用以對車站的客流組織進(jìn)行調(diào)整,輔助決策者發(fā)現(xiàn)客流組織瓶頸和風(fēng)險并及時進(jìn)行調(diào)整,提高車站的運(yùn)營效率,確保車站管理安全。

1 基于客流態(tài)勢快速推演方法的系統(tǒng)架構(gòu)及技術(shù)流程

1.1 系統(tǒng)架構(gòu)

客流態(tài)勢快速推演方法基于車站實時客流數(shù)據(jù)和歷史同期客流數(shù)據(jù),對車站未來10～15 min短時客流(以下簡稱“短時客流”)的變化趨勢及變化過程進(jìn)行仿真推演,以用于車站客流聚集異常情況的研究判斷和及時干預(yù)。其系統(tǒng)架構(gòu)如圖1所示,主要包含3個模塊:實時數(shù)據(jù)和歷史數(shù)據(jù)接入模塊、面向快速推演的行人微觀仿真模塊、態(tài)勢推演結(jié)果復(fù)現(xiàn)及調(diào)整迭代模塊。這3個模塊分別發(fā)揮了數(shù)據(jù)處理、快速推演及決策支持的作用。

圖1 基于客流態(tài)勢快速推演方法的系統(tǒng)架構(gòu)

1.2 技術(shù)流程

車站客流態(tài)勢快速推演的目的是獲取目標(biāo)時間段車站各區(qū)域的客流態(tài)勢變化過程,及時發(fā)現(xiàn)短時客流組織及客流分布的瓶頸及風(fēng)險,以便車站提出客流組織調(diào)整及管控措施,并在驗證措施的合理性后迅速予以實施。基于客流態(tài)勢快速推演方法的技術(shù)流程如圖2所示。

圖2 基于客流態(tài)勢快速推演方法的技術(shù)流程

1.3 客流態(tài)勢快速推演方法的時效性要求

車站客流態(tài)勢推演的時機(jī)與耗時應(yīng)滿足城市軌道交通車站客流組織風(fēng)險即時研判和應(yīng)急調(diào)整的要求,因此,將推演的目標(biāo)時間段Ta設(shè)為10～15 min,以保證短期客流態(tài)勢推演的精確度及客流管控措施調(diào)整在時間上的可行性。對某城市軌道交通車站在t0(推演目標(biāo)時間段開始時刻)至t1(推演目標(biāo)時間段結(jié)束時刻)時段內(nèi)的客流變化態(tài)勢進(jìn)行快速推演,其時間邏輯如圖3所示。

圖3 車站客流態(tài)勢快速推演方法的時間邏輯示意圖

圖3中:Tp、Tr和Ta在推演中可視為常量;Td為變量,受仿真場景復(fù)雜度和軟硬件運(yùn)算效率影響;Td1與Td數(shù)值接近;Tp1與Tp數(shù)值接近。要獲取Ta內(nèi)完整的客流態(tài)勢變化情況,需要在tr時刻提前導(dǎo)入對應(yīng)的實時客流數(shù)據(jù)和歷史客流數(shù)據(jù),并推演tr至t1時刻的客流變化過程。為確保客流態(tài)勢推演對客流管控措施調(diào)整的有效性,在推演總用時中預(yù)留了Td1,供車站決策者進(jìn)行二次仿真推演,以驗證采取客流管控措施后站內(nèi)客流態(tài)勢變化情況。一般情況下Td1=Td,Tp1=Tp。

1.3.1 客流態(tài)勢快速推演方法的全流程效率

定義η為客流態(tài)勢快速推演方法的全流程效率,其計算式為:

(1)

由式(1)可知:要實現(xiàn)客流態(tài)勢快速推演,需使η∈(1, +∞)。當(dāng)η趨向于正無窮大時,意味著客流態(tài)勢快速推演方法的效率趨于最大,車站初始狀態(tài)時刻tr趨向于tf1;當(dāng)η趨向于1時,意味著tf1趨向于t1,即無法通過提前開始推演方式獲取Ta的客流變化態(tài)勢。η≤1時,無法實現(xiàn)在線推演。

1.3.2 快速推演的仿真效率

定義λ為快速推演(包括一次推演和二次推演)的仿真效率,其計算式為:

(2)

由式(2)可知:λ受仿真場景復(fù)雜度及軟硬件運(yùn)算效率影響,主要由Td決定。η也可采用以下的計算式進(jìn)行計算:

(3)

由式(3)可知:因Tp、Tr和Ta可視為常量,則η由λ確定。在Ta、η和Tr均已確定的情況下,可得tr的計算式如下:

(4)

由上述分析可知,優(yōu)化快速推演的軟硬件條件,可縮短Td和Ts,提高λ和η,有利于提高仿真推演結(jié)果的精確度和快速推演的時效性。

2 客流態(tài)勢快速推演方法的關(guān)鍵技術(shù)

綜合考慮快速推演過程的數(shù)據(jù)來源、預(yù)警方式、客流調(diào)整途徑及推演效率,本文認(rèn)為客流態(tài)勢快速推演方法的智能化水平可劃分5個等級,如表1所示。

表1 車站客流態(tài)勢快速推演方法的智能化水平等級

表1中:在線、離線兩種推演方式的主要區(qū)別在于能否在tr提前開始推演,并獲取Ta的客流變化態(tài)勢,即是否有足夠高的λ和η,可完成短時客流推演并立即用于車站客流組織調(diào)整?；谀壳暗募夹g(shù)水平,本文主要聚焦Level-3對應(yīng)的實時客流數(shù)據(jù)應(yīng)用和快速推演技術(shù)等方面的研究。

2.1 數(shù)據(jù)獲取、處理和推演場景生成技術(shù)

車站客流推演場景主要包括仿真推演目標(biāo)時段內(nèi)的乘客運(yùn)動特征、車站設(shè)施設(shè)備布局、列車運(yùn)行方案、客流組織方案、客流初始狀態(tài)及客流到達(dá)分布等方面的特征。其中:乘客運(yùn)動特征、車站設(shè)施設(shè)備布局、列車運(yùn)行方案、客流組織方案等場景特征應(yīng)在推演需求提出前預(yù)先處理;tr的初始客流狀態(tài)及tr—t1時段內(nèi)的客流到達(dá)分布則需在ts前快速生成。這些場景的生成主要運(yùn)用以下技術(shù):

1) 基于實時監(jiān)測客流數(shù)據(jù)和歷史客流數(shù)據(jù)生成tr的客流初始狀態(tài)。運(yùn)用自動檢票閘機(jī)、視頻監(jiān)控、Wi-Fi探針等實時監(jiān)測手段獲取車站的實時客流數(shù)據(jù)。使用基于實時和歷史數(shù)據(jù)的站內(nèi)乘客個體出行選擇還原方法,處理得到乘客的位置、速度及流程環(huán)節(jié)等狀態(tài)參數(shù),進(jìn)而生成站內(nèi)客流群體在tr的空間、流程分布狀態(tài)和運(yùn)動狀態(tài),并將這些數(shù)據(jù)快速導(dǎo)入至推演場景車站空間。

2) 基于歷史客流數(shù)據(jù)生成Ta內(nèi)的客流到達(dá)分布。結(jié)合歷史同期數(shù)據(jù)與仿真時段客流初始狀態(tài),運(yùn)用時間序列法和貝葉斯模型,分析客流發(fā)展規(guī)律并進(jìn)行預(yù)測,生成Ta內(nèi)的車站客運(yùn)量及到達(dá)分布情況。

2.2 面向快速推演的算法和模型

本文采用同濟(jì)大學(xué)自主研發(fā)的基于A*尋路算法和社會力模型的客流微觀仿真原型系統(tǒng),引入JPS(跳點尋路)算法和線程池技術(shù)(見圖4),在保證仿真精度的基礎(chǔ)上,提高尋路效率,改進(jìn)仿真架構(gòu),使η和λ滿足要求。JPS算法在A*尋路算法的基礎(chǔ)上,通過找尋障礙物附近可能改變乘客個體移動方向的特定跳點,使得尋點數(shù)量減少,進(jìn)而使尋路效率在不同場景下提高35%～100%。此外,基于線程池技術(shù)的仿真系統(tǒng)可實現(xiàn)多線程并行計算乘客個體位置變化,使仿真效率進(jìn)一步提高30%～80%。

圖4 線程池技術(shù)示意圖

基于上述技術(shù),客流態(tài)勢快速推演方法的η在常見場景下可達(dá)到4.5左右,足以滿足在線實時客流態(tài)勢仿真的時效性需求。

2.3 推演結(jié)果再現(xiàn)及態(tài)勢推演迭代技術(shù)

仿真推演完成后,需對Ta內(nèi)客流整體運(yùn)動過程及主要特征進(jìn)行直觀的快速復(fù)現(xiàn),以便及時發(fā)現(xiàn)客流組織的瓶頸區(qū)域和擁擠風(fēng)險,研判車站短時客流的發(fā)展趨勢?？土髅芏鹊臅r空分布變化情況最能直觀反映站內(nèi)的擁擠風(fēng)險和發(fā)展趨勢,本文優(yōu)化了客流狀態(tài)數(shù)據(jù)存儲及展示模塊,實現(xiàn)了仿真推演過程中客流空間密度數(shù)據(jù)的快速記錄、存儲、讀取,以及客流密度時空分布的動態(tài)回放復(fù)現(xiàn)。

如果在推演結(jié)果中發(fā)現(xiàn)Ta內(nèi)存在較嚴(yán)重的客流疏散瓶頸,站內(nèi)擁擠風(fēng)險有增加趨勢時,車站決策者可以提出客流組織調(diào)整措施,并建立客流組織調(diào)整的推演場景?；谕蒲輬鼍皩土鹘M織調(diào)整方案下的客流態(tài)勢變化進(jìn)行快速仿真推演及數(shù)據(jù)再處理,以驗證客流調(diào)整措施的實施效果。

3 實例分析

本文以上海軌道交通8號線楊思站為例,選取工作日早高峰時段的8:30—8:40作為車站客流態(tài)勢推演的Ta,測試客流態(tài)勢快速推演方法的執(zhí)行效率和實施效果。

3.1 數(shù)據(jù)準(zhǔn)備及客流態(tài)勢推演

本案例取Ta=600 s,Tp1=Tp=10 s,Tr=60 s。經(jīng)測試可得Td≈68 s。根據(jù)式(2)求得λ=12,根據(jù)式(3)求得η≈5.23。根據(jù)式(4),取tr為08:25,即將Ta提前5 min作為初始時刻。根據(jù)實時客流數(shù)據(jù)生成車站的客流分布狀態(tài),并參考?xì)v史同期客流數(shù)據(jù)預(yù)測08:25—08:40該站的客流到達(dá)分布。

獲取tr的有效AFC(自動售檢票)客流數(shù)據(jù),并根據(jù)事先已仿真獲取的乘客出行軌跡經(jīng)驗數(shù)據(jù)集,生成該站的乘客空間分布及運(yùn)動狀態(tài)。將這些數(shù)據(jù)導(dǎo)入仿真系統(tǒng),可得到tr的實時客流分布,如圖5所示。

圖5 楊思站客流實時分布截圖

3.2 態(tài)勢推演結(jié)果再現(xiàn)及客流組織調(diào)整

考慮乘客動態(tài)行走與靜態(tài)等候的空間服務(wù)水平評價差異,本文對原來僅適用于動態(tài)行走場景的Fruin行人空間服務(wù)水平評價指標(biāo)加以改進(jìn),以粒度為50 cm(長)×50 cm(寬)的底層地圖柵格進(jìn)行車站客流密度統(tǒng)計,并評估站內(nèi)空間的服務(wù)水平等級。在車站平面圖中,用熱力圖動態(tài)顯示站內(nèi)客流密度的變化情況。

通過系統(tǒng)內(nèi)置的瞬時密度動態(tài)復(fù)現(xiàn)技術(shù),可查看車站各時刻行人位置及密度分布,以輔助車站管理人員快速了解客流態(tài)勢變化情況,識別可能出現(xiàn)的客流組織瓶頸及擁擠風(fēng)險,研判客流的變化趨勢。針對可能發(fā)生客流擁擠的位置和時段,車站人員應(yīng)根據(jù)車站應(yīng)急處置預(yù)案提前進(jìn)行客流管控和客流組織調(diào)整。

楊思站站廳層一次推演后客流態(tài)勢變化展示界面如圖6所示。由圖6可知:站廳層左側(cè)樓扶梯區(qū)域、1號口走行通道及左側(cè)安檢通道區(qū)域易出現(xiàn)高密度行人聚集,可采取通道分流、安檢前繞行及樓扶梯前繞行等措施,以降低擁擠風(fēng)險。

圖6 楊思站站廳層一次推演后客流態(tài)勢變化展示界面截圖

對采取客流組織調(diào)整措施后的楊思站開展全站客流態(tài)勢的二次快速推演,得到站廳層客流態(tài)勢二次推演后展示界面截圖,如圖7所示。由圖7可知:實施客流組織調(diào)整措施后,上述3個易擁擠區(qū)域的客流聚集情況得到了有效改善。

圖7 楊思站站廳層客流態(tài)勢二次推演后展示界面截圖

推演各階段的用時如表2所示。由表2可知,二次推演用時為67 s。完整的客流態(tài)勢推演從tr提出需求至tf1二次推演完畢,共計用時155 s,可滿足車站客流態(tài)勢在線推演和運(yùn)營優(yōu)化的時效性要求。

表2 推演各階段用時表

4 結(jié)語

本文針對城市軌道交通車站大客流管控問題,提出了基于多源客流數(shù)據(jù)和微觀仿真技術(shù)的車站客流態(tài)勢快速推演方法。該方法構(gòu)建了客流快速推演的系統(tǒng)架構(gòu),梳理了客流態(tài)勢推演和客流組織調(diào)整的完整流程,解決了客流快速路徑搜索和多線程仿真推演等關(guān)鍵問題。以上海軌道交通8號線楊思站工作日早高峰客流為案例,測試了客流態(tài)勢快速推演和客流組織措施調(diào)整的可行性和有效性。本文的研究成果在廣州地鐵22號線廣州南站站的互聯(lián)互通換乘服務(wù)客流態(tài)勢推演及優(yōu)化項目中得到了成功應(yīng)用。該方法可較高效地完成車站10～15 min短時客流態(tài)勢推演,并為車站客流組織方案的調(diào)整提供輔助決策。

經(jīng)驗證,該方法總體達(dá)到了本文所提Level-3級的車站客流態(tài)勢推演技術(shù)水平。下一階段可基于本文所提的客流態(tài)勢快速推演系統(tǒng)架構(gòu),進(jìn)一步對智能化客流擁擠風(fēng)險識別、發(fā)展趨勢研判和動態(tài)預(yù)警方法等進(jìn)行深入研究,使該方法達(dá)到智能化和自動化程度更高的車站客流動態(tài)推演層級水平,實現(xiàn)車站客運(yùn)組織方案的自適應(yīng)調(diào)整和車站大客流的智能化管控。