随着城市化进程的推进，城市轨道交通迅速发展，客运量不断激增，对车站运营管理及人员安全提出更高要求[1]。城市轨道交通车站环境特殊，客流密度高，人员流动大，隐患节点多[2]。目前，车站运营管理中存在诸多亟待解决的问题，如客流感知方式单一，数据融合不足，难以全面及时掌握车站客流分布及客运人员动态，导致大客流管控措施滞后等。实时准确地获取车站客流分布及客运人员动态信息、实现人员综合监测与管理，是有序开展车站运营组织工作，保障城市轨道交通安全、稳定运行的基础和关键。

国内外众多学者对城市轨道交通客流数据处理分析、客流安全状态、车站状态监测等展开研究[3-9]，这些研究大多聚焦于多源客流数据融合、短时客流预测、客流控制等主题，在车站客流动态监测及客运人员运营管理方面研究较少。

针对城市轨道交通车站人员的综合监测与安全管控需求，提出基于多源数据融合的轨道交通人员综合监测及运营管理系统方案；在车站部署智能视频监测设备和Wi-Fi探针等，实现客流动态监测；设置定位基站，为客运人员配备定位手环，实时获取其位置和健康状态信息；研究确定车站客流动态监测指标，实现车站客流与客运人员的安全状态判别及预警，实现轨道交通车站的客流综合监测与运营管理，为保障城市轨道交通安全运营提供基础支撑。

针对城市轨道交通车站人员综合监测与运营管理需求，运用智能视频分析、移动终端检测、超宽带（UWB，Ultra Wide Band）定位及多源数据融合等多种技术，搭建基于多源数据融合的轨道交通人员综合监测及运营管理系统。该系统由现场前端采集设备、数据传输网、后端处理中心子系统构成，如图1所示。

图 1 系统构成示意

下载: 全尺寸图片 幻灯片

（1）现场前端采集设备：包括视频监控设备（网络高清摄像机、网络超高清长焦摄像机、双目摄像机、人工智能（AI，Artificial Intelligence）摄像机、Wi-Fi探针设备，自动售检票（AFC，Automatic Fare Collection）系统车站终端设备、定位基站、健康定位手环等，实时采集客流信息以及客运人员位置、健康状态信息，并可向客运人员传递报警提示信息。

（2）数据传输网：包括以太网供电（PoE，Power over Ethernet）交换机、核心交换机、网络安全设备等，提供数据传输通道，将现场前端采集的各类信息传输至后端处理中心子系统。

（3）后端处理中心子系统：包括图形处理器（GPU，Graphic Processing Unit）、数据库服务器、应用服务器、用户端等，具备视频智能分析、数据存储管理、客流信息分析、客运人员位置及健康状态分析等多种应用功能。

系统在逻辑上划分为6个层次，包括基础支撑层、数据采集层、传输层、解析处理层、数据层、业务应用层，如图2所示。

图 2 系统逻辑架构

下载: 全尺寸图片 幻灯片

（1）基础支撑层：包括视频监控设备、Wi-Fi探针设备，定位基站、健康定位手环，服务器、存储设备、网络安全设备等系统相关基础设施设备，为系统运行提供基础硬件环境。

（2）数据采集层：基于基础支撑层的硬件环境，提出现场信息采集设备部署方法和策略，搭建检测环境，实现车站内不同区域的客流及客运人员信息的采集，为系统提供多种类、多区域的数据源。

（3）传输层：采用TCP/IP协议完成数据传输，通过有线或无线的方式，将数据采集层采集到的数据发送到解析处理层，进行解析和分析处理。

（4）解析处理层：包括客流和客运人员信息的解析处理模块，分析客流视频数据，获取车站各重点监控区域的客流量、速度、密度；采用基于Wi-Fi的移动终端定位技术，刻画乘客换乘轨迹；实时监测客运人员的位置和健康状态，并及时发送报警信息。

（5）数据层：采用MySQL数据库技术，实现客流及客运人员基础信息的存储、管理、查询及统计分析。

（6）业务应用层：包括多个业务应用功能模块，实现客流及客运人员状态的综合监测、预测预警及应急管理，为车站运营决策、信息共享、协同管理等提供支持。

客流及客运人员信息采集设备的部署涉及监控区域的确定、设备选型、设备数量、安装位置等，影响采集信息的完整性、连续性及动态智能检测结果的准确性[10]。根据车站客流分布情况及客运人员运营管理需求，结合车站布局及设备安装施工条件，组合采用多种信息采集设备，实现关键区域全覆盖，有效提升车站综合监测与运营管理能力[11]。

（1）客流信息采集：基于车站布局和客流流线，确定重点监控区域，结合各类客流信息采集设备的特性及适用范围，灵活设置智能视频、Wi-Fi探针，实现精准的客流检测及大范围客流监测。

（2）客运人员信息采集：在车站内设置定位基站，通过客运人员佩戴的定位手环，实现客运人员信息采集；定位基站的部署应完整覆盖车站内关键区域，如出入口、楼扶梯、通道等位置，在办公、物业等区域则按需设置。

结合城市轨道交通车站客流流线及客运人员业务需求，考虑在出入口区域、换乘通道、楼梯、扶梯、站台等重点区域部署客流及客运人员监测终端设备。

（1）车站出入口区域：车站出入口处客流流线较为简单，主要监测进出站客流量、排队人数及出入口处隔栏传物等乘客异常行为。如图3所示，在车站出入口处安装网络高清摄像机，用于监测进出站客流情况及隔栏传物等乘客不安全行为；并结合AI摄像机检测结果，进行互相校正。

图 3 车站出入口区域部署示意

下载: 全尺寸图片 幻灯片

（2）换乘通道区域：换乘通道一般较为狭长、拥挤，客流情况复杂，需要组合采用多种监测设备，如图4所示，才能达到理想的监测效果。部署Wi-Fi探针，可及时探测通道内乘客数量及位置分布；对于具有明确客流方向的换乘通道，在通道两端设置检测断面客流量的双目摄像机，并在通道中部安装检测客流量的AI摄像机，进行互相校正。此外，在通道两端各安装1台定位基站，用于采集客运人员的位置信息；若存在拐角，可在拐角处增设基站。

图 4 换乘通道区域监测设备部署示意

下载: 全尺寸图片 幻灯片

（3）楼梯、扶梯区域：楼、扶梯区域监测范围宽，设备安装位置较高，普通网络高清摄像机难以满足监测要求，可组合采用网络超高清长焦摄像机与双目摄像机，如图5所示。在楼、扶梯上层处设置网络超高清长焦摄像机，可检测上下行楼梯及扶梯客流量；在楼、扶梯下层处设置双目摄像机，以探测楼、扶梯断面客流量。根据楼、扶梯区域形状设置定位基站，此处定位基站采用二维平面定位来采集客运人员的位置信息。

图 5 楼、扶梯区域监测设备部署示意

下载: 全尺寸图片 幻灯片

（4）站台区域区域：站台通常层高有限，因设备安装条件受限，为精准检测旅客乘降量，组合采用网络高清摄像机和双目摄像机；在每个车门处垂直安装双目摄像机，可精准检测各车门上、下车人数，可同时在通道设置网络高清摄像机或AI摄像机，检测各车门的排队人数及聚集密度。根据站台区域的形状、面积及信号遮挡情况，考虑定位基站设备的具体设置方案；站台区域一般部署4台以上的定位基站，并采用二维平面定位，以获取各岗位客运人员的位置信息，如图6所示。

图 6 站台区域监测设备部署示意

下载: 全尺寸图片 幻灯片

系统应用功能包括多源信息智能采集、人员状态综合监测、人员状态预测预警、车站应急管理4个主要功能模块，应用功能框架如图7所示。

图 7 系统应用功能框架

下载: 全尺寸图片 幻灯片

（1）客流信息智能采集：采集客流的智能视频数据、Wi-Fi探针移动终端数据，获取客流信息，刻画乘客运动轨迹，检测乘客异常行为。

（2）客运人员信息智能采集：采集客运人员UWB定位信息，以及心率、血压、体温、步数等健康状态信息。

（1）客流监测：基于现场前端采集的客流信息，实时监测车站站台、楼梯、扶梯、换乘通道、出入口等重点监控区域的客流量、密度、速度、拥挤度等客流情况，及乘客异常行为报警等信息，并在车站电子地图上展示；在电子地图上显示客流信息采集设备的分布，并实时监测其工作状态。

（2）客运人员监测：在电子地图上动态显示客运人员位置分布，实现客运人员轨迹追踪、健康状态监测、异常行为报警等；在电子地图上显示客运人员信息采集设备的分布，并实时监测其工作状态。

人员状态综合监测用户界面，如图8所示。

图 8 人员状态综合监测用户界面

下载: 全尺寸图片 幻灯片

（1）客流状态预测：以历史客流数据为基础，实现站厅、站台、通道等不同区域的客流状态预测，将预测结果与实际、历史同期客流情况进行对比分析。

（2）车站风险评估：构建车站出入口、站台、换乘通道等不同区域的服务水平划分方法，实现对不同区域拥挤度的参数阈值、颜色显示设置，实现不同区域的风险等级评估；设定车站整体及各关键区域的预警阈值，当超过阈值时弹出客流报警提示；在电子地图中可显示区域的客流报警点，并提示报警消息。

人员状态预测预警用户界面，如图9所示。

图 9 人员状态预测预警用户界面

下载: 全尺寸图片 幻灯片

（1）应急预案管理：构建典型场景下的客运组织方案及数字化预案，支持查看与匹配；从客流安全、换乘便捷、设施能力和服务水平等方面，对客运组织方案进行分析与评价。

（2）应急处置：根据客流报警生成客流控制策略，通过手环呼叫报警地点就近的客运人员，指示其赶赴报警地点，迅速展开应急处置；快速调取指定监控区域的视频画面，帮助客运人员及时了解站内情况，实现客运人员通信联动、视频监控联动和辅助指挥调度等功能，辅助客运人员高效率完成应急处置任务。

（1）原始数据预处理：车站内安装有多种智能视频、Wi-Fi探针等信息采集设备，这些设备型号制式存在差异，且受设备安装环境及信息采集设备故障等因素的影响，部分原始数据存在异常或缺失，需要对其进行时间同步、空间匹配、缺失填补等预处理。

a. 数据时间同步：由于各类信息采集设备的采集时间间隔不一致，将各类原始数据的数据周期处理转化为同一统计周期。

b. 数据空间匹配：建立信息采集区域空间坐标系，根据各类信息采集设备位置分布，分析信息采集区域空间上的匹配关系，进行所采集数据的空间匹配。

c. 缺失数据填补：对于因信息采集设备故障、数据传输线路故障等原因造成数据缺失，可基于客流波动的趋势性和随时间变动的特点，使用时间序列插补法进行填补[12]，计算方法见式（1）。

其中，data(t)data(t)表示缺失数据值；data(t−1)data(t−1)表示过去第一个数据采集周期的同一客流参数值；data(t−2)data(t−2)表示过去第二个数据采集周期的同一客流参数值；data(t−3)data(t−3)表示过去第三个数据采集周期的同一客流参数值。

（2）多源数据融合：为实现轨道交通车站客流动态全面感知，客流检测采用智能视频检测、基于WiFi的移动终端检测等多种检测方式，将采集到的原始数据进行预处理后，针对多源客流数据进行融合处理，主要对客流量进行融合，计算方法见式（2）。

其中，q(t)q(t)为tt 时段内融合后的客流量数据，tt 取1 min作为统计周期；ωi(t)ωi(t)为采用第 ii种数据采集方式的权重值；qi(t)qi(t)为采用第 ii 种数据采集方式检测获得的客流量；σ2i,t−1σi,t−12为(t−1)(t−1)时段第 ii 种数据采集方式客流量方差的平方。

（1）客流监测与预警：系统持续监测车站各区域实时进出站流量、每分钟进出站增量、当日进出站总量等各种指标。其中，客流拥挤度可综合反映轨道交通客流分布状况、风险程度，参考《美国公共交通通行能力和服务质量手册（第2版）》TCQSM(II)[13]，结合现场采集客流数据及调查数据，运用K-Means聚类分析的方法，利用SPSS软件对某客运车站的出入口、站台、换乘通道等关键区域的客流密度进行分析，确定拥挤程度等级划分及客流密度阈值，如表1所示。

表 1 某客运车站关键区域拥挤程度等级划分及客流密度阈值

下载: 导出CSV | 显示表格

根据车站关键区域的拥挤度等级划分，系统可对车站关键区域的客流拥挤程度实施有效监测及预警。

（2）应急管理支持：当车站出现突发大客流等事件时，依据关键区域拥挤程度等级阈值自动报警，并采用清晰直观的图表和醒目的颜色及标识，提醒客运人员快速响应。客运人员能快速、准确地掌握报警的等级、地点、时间等具体情况，采取必要的措施控制和疏散客流，确保车站工作有条不紊，始终处于有序可控。

为了定量分析和评价客运组织方案的实施效果，主要从客流安全、换乘便捷、设施能力和服务水平4个方面定义评价指标，包括站台最大客流密度、平均换乘时间、设施能力负荷度、平均通行速度，建立一套衡量车站客运组织方案有效性的标准。

（1）站台最大客流密度：是评估客流安全的主要指标，定义为站台检测区域客流量与检测区域面积比值的最大值，反映站台客流的密集程度，其值越大，客流安全程度越低；计算公式为：

其中，ρ站台maxρ站台max为站台最大客流密度（人/m2​​​​​​）；PkPk为某一时刻站台第 k 个检测区域通过客流量（人）；SkSk为某一时刻站台第 k 个检测区域面积（m2）。

（2）平均换乘时间：换乘时间直观反映乘客换乘的便捷性，包含换乘的走行时间及过程中由于排队等导致的等待时间[14]；平均换乘时间指换乘乘客换乘时间平均值；乘客在车站 Z 的换乘时间tz,htz,h表示为：

其中，tz,rtz,r表示换乘走行时间，tz,wtz,w表示换乘过程等待时间。

（3）设施能力负荷度：单位时间内设施通过的客流量与设施通过能力的比值，反映客流量的大小与设施最大通过能力的匹配程度，计算公式为：

其中，PsPs为单位时间内设施 S 通过的客流量；NN为设施最大通过能力。

（4）平均通行速度：乘客走行距离与所用时间的比值，计算公式为：

其中，V¯¯¯¯V¯表示乘客平均通行速度（m/s）；ss 表示乘客平均走行距离（m）；tntn表示乘客步行结束时刻；t0t0表示乘客步行起始时刻。

运用智能视频分析、移动终端信息检测、UWB定位及多源数据融合等多种技术，研究开发了基于多源数据融合的城市轨道交通人员综合监测及运营管理系统，可实现信息智能采集、人员状态综合监测、人员状态预测预警、车站应急管理等功能。

目前，该系统已在某城市轨道交通车站试点应用，运行稳定，有效提升了车站运营管理的智能化、自动化水平，提高轨道交通车站的安全保障与应急处置能力，为构建智慧车站提供支撑。