劉通

摘 要：對(duì)于地鐵車(chē)站來(lái)說(shuō)，在一些特殊的時(shí)期容易發(fā)生大客流事件，一旦出現(xiàn)大客流事件，將會(huì)影響地鐵的正常營(yíng)運(yùn)，容易發(fā)生一些不安全事件，所以需要使用大客流預(yù)警系統(tǒng)科學(xué)地劃分預(yù)警等級(jí)，提前發(fā)布相關(guān)的預(yù)告，讓有關(guān)部門(mén)和工作人員提前制定好應(yīng)急準(zhǔn)備，做好乘客的疏導(dǎo)工作，化解大客流風(fēng)險(xiǎn)，減少事故造成的不必要的損失。

關(guān)鍵詞：地鐵車(chē)站;大客流;預(yù)警系統(tǒng)

一、地鐵車(chē)站大客流概述

地鐵車(chē)站大客流指的是當(dāng)?shù)罔F的運(yùn)輸能力以及承載能力難以滿(mǎn)足乘客的出行需要，客流量持續(xù)增多引起的大量乘客滯留在車(chē)站的情況。在出現(xiàn)大客流問(wèn)題時(shí)，使用大客流預(yù)警系統(tǒng)能夠計(jì)算出客流量對(duì)人群以及車(chē)站的影響程度，結(jié)合影響程度的不同可以將科學(xué)地劃分預(yù)警等級(jí)，提前公布有關(guān)的預(yù)報(bào)，令各相關(guān)部門(mén)提前制定好預(yù)防的辦法，有效地處理突發(fā)的車(chē)站大客流事件，將大客流的風(fēng)險(xiǎn)降至最低，減輕大客流問(wèn)題造成的損失。

二、地鐵車(chē)站大客流預(yù)警系統(tǒng)整體思路

對(duì)于地鐵車(chē)站來(lái)說(shuō)，客流主要可以分成三大類(lèi)，分別是乘客流、進(jìn)站客流和出站客流，本篇文章中在劃分預(yù)警等級(jí)時(shí)，把地鐵車(chē)站中客流的整體服務(wù)流程以及乘客在地鐵車(chē)站的實(shí)際流動(dòng)情況當(dāng)作依據(jù)，同時(shí)結(jié)合地鐵車(chē)站的服務(wù)設(shè)施及服務(wù)水平等因素，對(duì)那些容易發(fā)生擁堵事件的區(qū)域展開(kāi)了分層監(jiān)控，收集并整理有關(guān)的預(yù)警指標(biāo)和預(yù)警數(shù)據(jù)，之后對(duì)收集到的數(shù)據(jù)展開(kāi)分析，得出相應(yīng)的處理辦法，與此同時(shí)重點(diǎn)關(guān)注那些極易導(dǎo)致事故發(fā)生的危險(xiǎn)源，具體的流程見(jiàn)圖1。

三、地鐵車(chē)站大客流預(yù)警分級(jí)的關(guān)聯(lián)指標(biāo)分析

打造地鐵車(chē)站客流預(yù)警的指標(biāo)系統(tǒng)，這些指標(biāo)中涉及了許多和站點(diǎn)客流預(yù)警相關(guān)的指標(biāo)。

1.售票檢票的服務(wù)強(qiáng)度

如果單位時(shí)間內(nèi)進(jìn)出站的乘客數(shù)量是Yx，那么第X條線路的閘機(jī)可靠度為σx，結(jié)合排隊(duì)論的相關(guān)知識(shí)可以計(jì)算出第X條線路進(jìn)出站檢票系統(tǒng)的服務(wù)強(qiáng)度px，計(jì)算公式為px=λx/u=Yx/nxσxu。

2.乘客密度和速度

如果地鐵車(chē)站內(nèi)乘客的密度超過(guò)每平方米0.5人，將會(huì)打破乘客步行環(huán)境的平衡，在此種情況下，如果乘客的密度一直增加，樓扶梯位置以及通道外面的乘客流速將會(huì)明顯下降，與扶梯區(qū)域乘客流速相比，通道外面的乘客流速下降速率更快。

3.乘客的疏散時(shí)間

地鐵車(chē)站客流疏散的總時(shí)間指的是全部應(yīng)被疏散人員被疏散使用的時(shí)間總和，包含一切瓶頸區(qū)域的等候時(shí)間與行走時(shí)間。

4.乘客空間的負(fù)載度

乘客空間負(fù)載度指的是軌道站點(diǎn)中實(shí)時(shí)乘客需求以及服務(wù)設(shè)施的服務(wù)強(qiáng)度的比值，可以使用乘客空間負(fù)載度表示乘客在步行環(huán)節(jié)中環(huán)境的空間密度，但空間負(fù)荷度越大時(shí)，意味著乘客流的空間密度也越大，地鐵乘客就會(huì)更加擁擠，計(jì)算的公式是Ck=Q1/Q2。在該計(jì)算公式中，Ck代表的是乘客空間負(fù)載度，Q1代表的是服務(wù)設(shè)施的具體客流量，Q2代表的是服務(wù)設(shè)施的通行水平。

5.乘客的排隊(duì)數(shù)量

對(duì)于地鐵軌道交通來(lái)說(shuō)，在站臺(tái)位置、樓扶梯口位置和閘機(jī)口位置很容易出現(xiàn)排隊(duì)的情況，出現(xiàn)這一情況的地點(diǎn)通常也是地鐵的瓶頸位置，伴隨乘客數(shù)量的持續(xù)增多，排隊(duì)的乘客數(shù)量會(huì)持續(xù)增加。按照地鐵車(chē)站乘客客流的走行路徑與功能進(jìn)行劃分，本篇文章將地鐵車(chē)站劃分成3個(gè)主要區(qū)域，第1個(gè)區(qū)域是檢票區(qū)，第2個(gè)區(qū)域是樓梯和扶梯區(qū)，第3個(gè)區(qū)域是地鐵的站臺(tái)區(qū)。

第1個(gè)區(qū)域的預(yù)警指標(biāo)主要指的是售檢票服務(wù)的強(qiáng)度以及乘客的排隊(duì)數(shù)量。第2區(qū)域的預(yù)警指標(biāo)主要包括乘客的密度、運(yùn)行速度和乘客空間負(fù)載度，在地鐵車(chē)站中，樓扶梯區(qū)域是乘客在售檢票之后行走至站臺(tái)區(qū)的唯一路徑，該區(qū)域的服務(wù)強(qiáng)度在很大程度上影響著乘客經(jīng)由售檢票區(qū)域到達(dá)地鐵站臺(tái)的效率。第3區(qū)域的預(yù)警指標(biāo)主要包括乘客空間負(fù)載度、大客流的持續(xù)時(shí)間、客流的速度和密度等指標(biāo)。

四、地鐵車(chē)站大客流預(yù)警系統(tǒng)的應(yīng)用價(jià)值

在早晚高峰容易出現(xiàn)地鐵車(chē)站大客流問(wèn)題，為了保障策乘客的進(jìn)站效率，保證乘客的出行安全，可以在地鐵車(chē)站內(nèi)使用智能的大客流預(yù)警系統(tǒng)，以此來(lái)提高地鐵車(chē)站客流組織的效率，同時(shí)提高地鐵車(chē)站對(duì)于突發(fā)事件的響應(yīng)能力，讓乘客快速地進(jìn)站乘車(chē)。通過(guò)大客流預(yù)警系統(tǒng)的使用，需要在地鐵的進(jìn)出口、通道和站廳等相應(yīng)的公共區(qū)域中設(shè)置高清攝像頭，實(shí)時(shí)統(tǒng)計(jì)并分析客流數(shù)據(jù)，當(dāng)客流量增加時(shí)能夠第一時(shí)間發(fā)出警報(bào)，提醒工作人員及時(shí)疏導(dǎo)客流。當(dāng)有突發(fā)事件發(fā)生時(shí)，智能預(yù)警系統(tǒng)可以經(jīng)由畫(huà)面分析及時(shí)報(bào)警，與工作人員巡站和乘客求助相比，智能預(yù)警系統(tǒng)的效率更高，便于工作人員及時(shí)到現(xiàn)場(chǎng)處理。通過(guò)使用大客流監(jiān)測(cè)和預(yù)警系統(tǒng)，可以自動(dòng)記錄和分析地鐵車(chē)站的客流數(shù)據(jù)，對(duì)不同時(shí)間段、不同區(qū)域的客流特點(diǎn)進(jìn)行分析，在短時(shí)間內(nèi)準(zhǔn)確地判斷客流的變化情況，提高客流組織的高效性，進(jìn)而保證乘客進(jìn)站乘車(chē)的效率，有助于優(yōu)化地鐵車(chē)站的客流管控情況。

五、結(jié)語(yǔ)

綜上所述，在城市軌道交通的運(yùn)行中有可能發(fā)生大客流事件，針對(duì)這一情況，必須合理地應(yīng)用大客流預(yù)警系統(tǒng)，對(duì)客流量數(shù)據(jù)展開(kāi)全方位地分析，結(jié)合客流量對(duì)車(chē)站以及乘客的影響，將預(yù)警等級(jí)劃分為不同的程度，便于地鐵部門(mén)提前制定干預(yù)措施，充分發(fā)揮大客流預(yù)警系統(tǒng)的使用價(jià)值，進(jìn)一步提高地鐵車(chē)站的客流管控能力。

參考文獻(xiàn)：

[1]楊聚芬， 王博， 王奮，等. 地鐵車(chē)站大客流預(yù)警系統(tǒng)分析[J]. 經(jīng)貿(mào)實(shí)踐， 2018（14）：1-1.

[2]丁媛. 軌道交通車(chē)站大客流預(yù)警系統(tǒng)探討[J]. 輕松學(xué)電腦， 2018（011）：1-1.

[3]李廣剛， 方漫然. 基于智能視頻分析技術(shù)的車(chē)站大客流預(yù)警系統(tǒng)研究[J]. 數(shù)碼設(shè)計(jì)， 2017（5）：3-3.

[4]張寧， 張凌翔， 趙振江，等. 地鐵車(chē)站大客流識(shí)別預(yù)警方法及系統(tǒng)：， CN108229400A[P]. 2018.