基于WiFi探针的轨道车站拥堵点客流参数动态估计技术.docxVIP

基于WiFi探针的轨道车站拥堵点客流参数动态估计技术 　　摘 要：本课题基于wifi探针的大数据技术，改变大客流处置方式从被动应对式、人工型、经验型向主动防控式、精细化、自?踊?、科学化转变，提高城市轨道交通车站大客流风险管理水平和防控能力，为实现轨道车站运营管理的信息化、自动化、高效化提供技术支撑。本课题利用WiFi探针来进行轨道车站客流数据的采集，在此基础上深入研究轨道车站拥堵点客流状态表征参数及其动态估计方法 。研究基于网格划分的地铁车站WiFi探针布设及数据采集方案，以车站局部拥堵点的排队延误时间建立WiFi探针的大客流状态评价指标动态估计方法。研究成果可为轨道车站大客流安全风险管理决策和大客流预警系统开发提供方法与技术支撑。　　关键词：WIFI探针；拥堵点；客流状态表征参数，动态估计方法　　1研究背景　　随着上海社会经济的快速发展和轨道交通线网规模的不断扩展，轨交路网客流总量持续增长，目前全网已处于千万客流的新常态。在早晚通勤高峰时段、大型活动举办期间、重大节假日、突发性运营延误或其他紧急事件等情况下，全部或局部线网更会面临远超日常客流量的常态或临时性超大客流的严峻挑战。尤其对于地下封闭式车站，客流的极度拥挤、人流行走的严重交叉干扰，不仅大大降低乘客出行效率和舒适性，而且极大增加了安全隐患和风险，极易因集中大规模无序拥挤而导致大面积踩踏、客伤等危险事故，后果不堪设想。　　实践中，上海、北京、广州等城市轨道交通运营管理部门已陆续开展大客流安全风险管理专项工作。目前伦敦地铁已率先启动了“利用WiFi数据提升轨道交通运营效率及服务水平”的行动计划。因此，本课题基于WIFI探针技术建立轨道车站客流参数动态采集及估计方法，为轨道车站提供了客流状态表征参数，推进轨道车站大客流运营管理的信息化、自动化、高效化的实现。　　2研究的目的　　目前，轨道车站运营管理采集缺乏科学理论方法和现代化技术手段的支撑，已有实践尚处于人工化管理阶段，仅依赖于传统AFC数据、人工视频监控和主观性经验进行决策，难以确保决策效果和效率。本文基于wifi探针的大数据技术，改变大客流处置方式从被动应对式、人工型、经验型向主动防控式、精细化、自动化、科学化转变，提高城市轨道交通车站大客流风险管理水平和防控能力，为实现轨道车站运营管理的信息化、自动化、高效化提供技术支撑。　　本文从理论与实践角度，对现状中轨道客流状态辨识存在的问题进行了研究，主要目的有以下几点：　　建立一套基于WiFi探针的轨道车站拥堵点客流状态表征参数体系；　　建立一种基于WiFi探针的轨道车站拥堵点客流状态表征参数动态估计方法；　　与上海申通地铁公司共建WIFI探针示范研究与应用车站。　　3 基于Wifi探针的轨道车站拥堵点客流状态参数表征指标估计与分析　　 基于Wifi探针的客流状态评价指标　　由于轨道车站某些通行设施的通过能力有限，在客流早晚高峰时段，当到达客流量超过设施的通过能力时，就会有大量的乘客在通行设施处排队等候产生拥堵现象。这是一个典型的客流集中拥堵现象，用在各个拥堵点上布设的wifi探针所统计数据的指标来描述轨道车站通行设施拥堵处客流拥堵特征，并用其来评价通行设施处客流拥堵的程度。　　延误时间记作T，表示的是每个乘客拥堵点停留时间 与正常通行状态下的乘客拥堵点停留时间 的差，其表达式为　　，通常情况下，取该差值的正数部分。它能实时动态上反映了在轨道车站各个通行设施处由于客流量巨大或者通行设施通行能力有限，导致客流拥堵而产生通行延误现象，其数值也可以很直观地反映客流拥堵的程度或严重性。　　 WIFI探针的乘客拥堵点停留时间分析　　乘客在拥堵点延误时间统计特征分析的主要目的在于研究乘客在各个时段上经过探针的时间的统计特征值的分布规律，本文主要分析以下两个方面的统计特征，一是分析乘客拥堵点停留时间均值，二是乘客拥堵点停留时间时间在不同百分位水平的取值，并对数据的偏差情况进行分析，三是对乘客在拥堵状态下与自由流状态下停留时间进行对比得到延误时间。　　本文选取上海市地铁南京东路站10号线XX年1月3日两个时段分别代表自由流时段和高峰拥堵时段车站站台处扶梯口附近布设的wifi探针的条件下的乘客出现在探针数据内的时间作为基础数据，对乘客拥堵点延误时间的统计特征进行分析。　　取10分钟时段内出现在发送端和接收端不同MAC地址的个数，计算每个乘客拥堵点停留时间： 。　　其中 是m号WiFi探针探测范围内第n个MAC地址出现的时间长度； 是m号WiFi探针探测范围内第n个MAC地址出现的最后一个时刻； 是m号WiFi探针探测范围内第n个MAC地址出现的第一个时刻。　　乘客拥堵点停留时间均值及偏差值分布规律分析　　本文对总数据中16：00～16：10的自