葛蔚

摘要：众所周知，地铁设施是城市进行物流运输的现代化交通工具，在某一时间段会出现有频率变化的客流密度，通过对地铁车站楼扶梯客流参数进行预测和分析评价，能够归纳出一定的科学化规律，为后续有关地铁人流控制提供一定的数据支持。基于此，本文主要就地铁进出站闸机的AFC数据及楼梯客流参数进行了全面的分析，希望能够进一步提高该系统的数据预测精度，为地铁阶段性拥堵时间段的确立和有效客流状态预判提供有效的决策依据。

关键词：地铁系统AFC闸机数据；阶段性扶梯客流参数；预测和评估

1.地铁车站楼AFC数据及客流参数分析

1.1地铁闸机数据分析

据了解，截止到目前为止，国内约有40个城市已经修建并开通了城市地铁交通设施，并通过AFC智能票卡系统对流动信息进行收集和统计，根据实际的数据制定了以下表格1所示。将数据以表格的形式呈现出来，能够清晰的获得乘客进出站时间、地点，使用票据类型等相关信息。因此，本文在此基础对站台扶梯客流量数据进行了系统的分析。

表1 地铁客流数据表

日期 进站ID 进站时间 出站时间 出站ID 卡票类型

1 0000101 07：03：15 07：34：15 0000104 地铁卡

2 0000102 08：03：33 08：48：33 0000308 单程票

1.2对地铁车站扶梯客流参数的全面分析

1.2.1对于客流量密度的分析

在进行车站客流量密度的分析时，要对影响因素进行参数化选择，能够客观、清晰的反映出具有代表性的客流状态，由此可见，客流密度在一定程度上影响着地铁设施的空间密度，能够反映出特定时期内行人的有效密度和流动情况。因此，本文以单位时间内站台楼梯的平均客流密度为参考标准对其进行了全面的数据分析，并通过不同数据处理方法，计算出单位时间段内客流的实际密度，并进行客流密度平均值的求取，根据实际地铁乘客进出以及数据如图1所示：

1.2.2通过车站扶梯时间段的分析

有研究表明，为进一步对客流参数进行系统性的分析和处理，可以在原有的参数化分析系统基础上，以扶梯人群长度和排队时间为参照点，建立起客流状态加权评价模型。在该模型中，能够通过相同时间段的乘客等候时间，来计算和反应出人流流动的有效速率及拥挤程度。首先，将单位时间平均分成三个等份，并在其中抽取同等数量的乘客，将进站方向收集乘客数量设为M，出站方向收集的乘客数量为N，分别计算出单位时间段内通过的平均时间。

1.3对AFC的地铁车站楼扶梯客流状态的评价

在楼梯客流密度及通过时间两个方面，进行参数化判断并预测地铁扶梯等候区的有效客流状态，是目前国内地铁企业对人流量进行科学化预测和控制的方法之一。当楼梯等候区客流密度的计算取值在国家安全生产规范的范围内时，便可以不进行后期的修正；当扶梯等候区域客流密度取值范围超出相关规范的安全阀值时，要根据地铁专家提出的修改意见，进行修正。将扶梯的等候区客流量状态进行划分，可分为绝对安全、安全、较安全、危险等多种状态。

2.对AFC的地铁车站楼扶梯客流参数预测模型的仿真设计分析

在地铁闸机AFC数据的基础上对相对时间段内的客流密度和客流通过时间进行预测，并选取指定闸机的数据作为输入，以动态化采集的扶梯客流密度和通过时间为输出，对神经网络系统进行系统的改进，从而将隐含神经元的数目确定下来。在第一阶段进行数据输出时，根据相关实验经验，将隐含神经元的数目设定为8个，并采用计算权值的方法进行训练。为进一步对改进的神经网络的运算速度和准确率进行验证，随机选取500、300、100、50个样本模型进行系统的训练。通过与BP神经网络实验进行对比吗，并不断对神经网络进行仿真训练、测试、创建。在多次实验后，保证了AFC的地铁车站楼扶梯客流参数预测模型的预测准确率，并生成变化图2，进一步表明了客流量参数数据预测模型符合实际需求。运用该预测模型能够对地铁扶梯等候進站客流参数、出站客流参数、等候客流参数等多阶段进行客观、准确的预测。

结束语

由此可见，在对AFC的地铁车站楼扶梯客流参数进行预测和评估分析时，需要在原有的预测模式上进行有效的优化和整合，利用改进的神经网络系统对其进行客流密度和通过时间的预测，更为准确和有效。

参考文献

[1]孙建辉，胡华，刘志钢.基于AFC的地铁车站楼扶梯客流参数预测与状态判定[J].计算机应用与软件，36（01）：277-283.

[2]郑宣传，魏运，陈明钿，高国飞，苏畅，于松伟.地铁典型换乘站换乘方式适配性评价研究[J].都市快轨交通，2018，31（03）：33-39.

[3]王子甲，陈峰，李小红.地铁车站站台宽度计算方法改进及仿真评价[J].交通运输系统工程与信息，2012，12（05）：168-173.

[4]史聪灵.地铁换乘车站客流疏运模拟及风险分析（1）-T型车站[J].中国安全生产科学技术，2011，7（04）：11-17.

（作者单位：南京地铁运营有限责任公司）