李 瑞，吳 恒，楊文韜

Li Rui1, Wu Heng2, YanG Wen-tao1

（1.中國(guó)鐵道科學(xué)研究院運(yùn)輸及經(jīng)濟(jì)研究所，北京100081；2.哈爾濱鐵路局客運(yùn)處，黑龍江哈爾濱150006)

(1.Transportation and Economics Research Institute, China Academy of Railway Sciences, Beijing 100081, China; 2.Department of Passenger Traffic, Harbin Railway Administration，Harbin 150006，Heilongjiang, China)

基于售票數(shù)據(jù)的鐵路客運(yùn)站人流量監(jiān)測(cè)預(yù)警系統(tǒng)設(shè)計(jì)

李 瑞1，吳 恒2，楊文韜1

Li Rui1, Wu Heng2, YanG Wen-tao1

（1.中國(guó)鐵道科學(xué)研究院運(yùn)輸及經(jīng)濟(jì)研究所，北京100081；2.哈爾濱鐵路局客運(yùn)處，黑龍江哈爾濱150006)

(1.Transportation and Economics Research Institute, China Academy of Railway Sciences, Beijing 100081, China; 2.Department of Passenger Traffic, Harbin Railway Administration，Harbin 150006，Heilongjiang, China)

旅客在車站乘車候車過(guò)程中，由于高峰期列車間隔緊密，容易出現(xiàn)大量旅客在同一時(shí)間段內(nèi)候車的局面，給車站的應(yīng)急管理工作造成較大的壓力。為此，以車站當(dāng)日以前所售客票數(shù)據(jù)為統(tǒng)計(jì)基礎(chǔ)，結(jié)合旅客到達(dá)分布統(tǒng)計(jì)規(guī)律，對(duì)次日乘車高峰段站內(nèi)人流量進(jìn)行預(yù)測(cè)。在此基礎(chǔ)上，構(gòu)建車站人流量監(jiān)測(cè)預(yù)警系統(tǒng)，進(jìn)行系統(tǒng)需求分析及系統(tǒng)架構(gòu)和功能設(shè)計(jì)，實(shí)現(xiàn)對(duì)旅客候車人流密度的監(jiān)測(cè)、預(yù)測(cè)及預(yù)警，為車站工作人員提前做好應(yīng)急管理準(zhǔn)備提供支持。

鐵路客運(yùn)；人流量統(tǒng)計(jì)；應(yīng)急策略；旅客到站分布

鐵路客運(yùn)站旅客的到達(dá)規(guī)律是指旅客在乘坐某次列車時(shí)，從第 1 位旅客到站時(shí)刻起，到列車發(fā)車前停止檢票時(shí)刻止，該列車所有旅客到站的概率分布，而旅客到達(dá)車站的時(shí)間概率分布實(shí)際為旅客在站內(nèi)的候車時(shí)間概率分布。由于旅客在站內(nèi)的候車時(shí)間長(zhǎng)短直接影響著站內(nèi)人群聚集程度，如果有大量旅客長(zhǎng)時(shí)間聚集在站內(nèi)候車，容易造成站內(nèi)擁擠，引發(fā)突發(fā)事件。因此，旅客的到站規(guī)律分布對(duì)于車站人流量預(yù)測(cè)有著重要的影響，根據(jù)站內(nèi)人流量的預(yù)測(cè)情況提前做好車站的應(yīng)急管理工作，對(duì)于車站的安全管理具有重要意義。

1 基于售票數(shù)據(jù)的站內(nèi)人流預(yù)測(cè)

由于鐵路車票預(yù)售期較長(zhǎng)，旅客在出行前大多會(huì)選擇提前購(gòu)買車票，因而鐵路售票數(shù)據(jù)在一定程度上可以反應(yīng)出某個(gè)時(shí)段車站的旅客人數(shù)；特別是離列車發(fā)車時(shí)間越近，售票數(shù)據(jù)越能準(zhǔn)確反應(yīng)出乘車旅客人數(shù)。因此，在進(jìn)行車站人流預(yù)警時(shí)，可通過(guò)截止到前一天的售票數(shù)據(jù)實(shí)現(xiàn)對(duì)次日某一乘車時(shí)間段的人流聚集數(shù)預(yù)測(cè)。

1.1 基于售票數(shù)據(jù)的站內(nèi)旅客聚集人數(shù)預(yù)測(cè)模型

隨著車站運(yùn)營(yíng)管理水平的不斷優(yōu)化提高，旅客到站候車的行為習(xí)慣也在不斷變化。一直以來(lái)都有研究人員對(duì)旅客的到達(dá)分布規(guī)律進(jìn)行研究。王愛(ài)麗等[1]通過(guò)研究發(fā)現(xiàn)，旅客的到達(dá)規(guī)律服從負(fù)指數(shù)分布；孫曉開(kāi)[2]、幸曉輝[3]等人通過(guò)研究發(fā)現(xiàn) Gamma分布能夠更準(zhǔn)確地描述當(dāng)前旅客乘車到站的分布規(guī)律。因此，在構(gòu)建站內(nèi)旅客人數(shù)聚集模型時(shí)，旅客到站規(guī)律主要以 Gamma 分布作為研究基礎(chǔ)。

設(shè) i 為某一時(shí)間段內(nèi)發(fā)出列車的序號(hào)，m 為該時(shí)段內(nèi)發(fā)送列車的總數(shù)，i = 1，2，…，m；Ti為第 i 列車的發(fā)車時(shí)刻；在不考慮旅客誤點(diǎn)的情況下，將乘坐第 i 列車的第 1 位到站候車旅客的到站時(shí)刻記為 tis；Pik為 k 時(shí)刻本站第 i 列車的乘車旅客到站的比例。為簡(jiǎn)化模型，假定所有旅客都能夠在規(guī)定時(shí)間內(nèi)提前到站候車，沒(méi)有誤車情況發(fā)生，則該列車在本站的乘車旅客在停止檢票前全部到站，即第 i 列車開(kāi)車前到站旅客比例 Pi=1。

式中：fi(t) 為乘坐第 i 列車的旅客進(jìn)站候車概率密度函數(shù)，近似服從 Gamma 分布[2-3]，其密度函數(shù)為

式中：x 為隨機(jī)變量；α 為形狀參數(shù)；λ 為尺度參數(shù)；Γ (α) 為 Gamma 函數(shù)。

根據(jù)不同車次旅客的到站分布，以及列車時(shí)刻表，可以計(jì)算出任意時(shí)刻站內(nèi)的聚集人數(shù)，實(shí)現(xiàn)對(duì)站內(nèi)人數(shù)的預(yù)測(cè)。

1.2 計(jì)算實(shí)例

利用上述模型進(jìn)行車站人流預(yù)測(cè)，特別是通過(guò)對(duì)車站乘車高峰時(shí)段人流量進(jìn)行預(yù)測(cè)，估計(jì)出站內(nèi)候車旅客高峰聚集人數(shù)及時(shí)刻，以便車站工作人員根據(jù)預(yù)測(cè)結(jié)果提前做好相關(guān)應(yīng)急準(zhǔn)備，確保旅客候車安全和服務(wù)到位。以哈爾濱西站為例進(jìn)行站內(nèi)人流預(yù)測(cè)。通過(guò)對(duì)哈爾濱西站全天旅客發(fā)送量進(jìn)行長(zhǎng)期統(tǒng)計(jì)分析可知，一天內(nèi)發(fā)送旅客的高峰時(shí)間在早上 6∶00—8∶00 這一時(shí)間段。根據(jù)不同列車旅客的到站候車時(shí)間分布規(guī)律，分別對(duì)哈爾濱西站不同類型車次的候車規(guī)律進(jìn)行數(shù)據(jù)擬合。

針對(duì)哈爾濱西站 6∶08—8∶05 期間出發(fā)的旅客列車，5∶00—8∶00 之間每隔5 min 作為一個(gè)采樣點(diǎn)，分別統(tǒng)計(jì)各車次旅客的進(jìn)站候車人數(shù)，得到不同時(shí)間間隔下各個(gè)車次的候車人數(shù)分布，結(jié)合Gamma 函數(shù)的性質(zhì)，求得各車次 Gamma 分布的參數(shù) α，λ 值。哈爾濱西站部分車次旅客候車 Gamma 分布參數(shù)如表 1 所示。

根據(jù)哈爾濱西站客票所統(tǒng)計(jì)的售票數(shù)據(jù)，2016年 7月 13日哈爾濱西站早高峰各車次的售票量如表2 所示。

乘坐首列車的旅客到站候車時(shí)間按 1 h 計(jì)算，至早高峰期間最后 1 列車發(fā)車前停止檢票為止，旅客到站分布時(shí)間區(qū)段為 180 min。根據(jù)不同車次的旅客到達(dá)規(guī)律及售票數(shù)據(jù)，模擬出哈爾濱西站早高峰期間各車次旅客到站分布如圖 1 所示。

表 1 哈爾濱西站部分車次旅客候車Gamma分布參數(shù)

表 2 2016年 7月 13日哈爾濱西站早高峰各車次售票數(shù)據(jù) 張

圖 1 哈爾濱西站早高峰期間各車次旅客到站分布

根據(jù)公式 ⑶ 和公式 ⑷ 計(jì)算哈爾濱西站早高峰期間人流預(yù)測(cè)結(jié)果如圖 2 所示。從圖上可以看出，在 6 ∶ 45時(shí)站內(nèi)人流達(dá)到高峰，人數(shù)聚集峰值為2 787 人次，此時(shí) G704 完成檢票準(zhǔn)備發(fā)車。之后隨著后續(xù)旅客的進(jìn)站候車、乘車，站內(nèi)聚集人數(shù)會(huì)出現(xiàn)波動(dòng)，但總的聚集人數(shù)呈下降趨勢(shì)。

圖 2 2016年 7月 13日哈爾濱西站早高峰期間人流預(yù)測(cè)結(jié)果

經(jīng)過(guò)現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)驗(yàn)證，哈爾濱西站早高峰期間旅客的實(shí)際到達(dá)分布與 Gamma 擬合分布接近，預(yù)測(cè)模型滿足精度要求。

2 基于售票數(shù)據(jù)的鐵路客運(yùn)站人流量監(jiān)測(cè)預(yù)警系統(tǒng)設(shè)計(jì)

基于旅客到達(dá)分布的研究，設(shè)計(jì)鐵路客運(yùn)站人流量監(jiān)測(cè)預(yù)警系統(tǒng)，實(shí)現(xiàn)對(duì)站內(nèi)人流量的實(shí)時(shí)監(jiān)測(cè)，同時(shí)通過(guò)售票數(shù)據(jù)對(duì)不同時(shí)段下站內(nèi)聚集人數(shù)進(jìn)行預(yù)測(cè)，并根據(jù)事先設(shè)定的閾值給出不同級(jí)別的預(yù)警，指導(dǎo)車站工作人員進(jìn)行相關(guān)應(yīng)急準(zhǔn)備工作。

2.1 系統(tǒng)需求

一直以來(lái)，鐵路客運(yùn)站的應(yīng)急管理工作很大程度上依賴車站人員根據(jù)現(xiàn)場(chǎng)經(jīng)驗(yàn)定性判斷，缺乏定量的指標(biāo)分析。許多車站雖然安設(shè)了大量的攝像頭，但實(shí)際使用價(jià)值不高，視頻數(shù)據(jù)沒(méi)有充分利用，主要功能仍停留在實(shí)時(shí)監(jiān)控和事后錄像查看的階段。同時(shí)車站的日常售票數(shù)據(jù)只進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)匯總，缺乏進(jìn)一步的分析。為提高車站客運(yùn)服務(wù)質(zhì)量，構(gòu)建人流量監(jiān)測(cè)預(yù)警系統(tǒng)，通過(guò)算法模型對(duì)車站視頻監(jiān)控?cái)?shù)據(jù)和售票數(shù)據(jù)進(jìn)行發(fā)掘，為車站工作人員在候車組織、應(yīng)急管理等方面提供決策依據(jù)。①車站視頻監(jiān)控：集中顯示車站各主要場(chǎng)所攝像頭拍攝的視頻畫面，方便工作人員實(shí)時(shí)查看。②人流量統(tǒng)計(jì)：對(duì)通過(guò)進(jìn)出口的旅客人數(shù)進(jìn)行實(shí)時(shí)統(tǒng)計(jì)。③重點(diǎn)區(qū)域人流密度分析：根據(jù)旅客在站內(nèi)的候車習(xí)慣，對(duì)旅客重點(diǎn)聚集的區(qū)域進(jìn)行重點(diǎn)監(jiān)測(cè)，測(cè)算監(jiān)測(cè)區(qū)域內(nèi)的人數(shù)。④人流量預(yù)警：根據(jù)車站售票數(shù)據(jù)，結(jié)合列車時(shí)刻表及旅客候車規(guī)律對(duì)站內(nèi)聚集人數(shù)進(jìn)行預(yù)測(cè)，根據(jù)預(yù)測(cè)結(jié)果及應(yīng)急策略給出報(bào)警提示，以便車站工作人員根據(jù)不同的報(bào)警等級(jí)實(shí)施相應(yīng)的應(yīng)急管理策略。

2.2 系統(tǒng)架構(gòu)

系統(tǒng)架構(gòu)由設(shè)備接入層、數(shù)據(jù)接口層、業(yè)務(wù)邏輯層和展現(xiàn)層組成，如圖 3 所示。

圖 3 系統(tǒng)架構(gòu)

（1）設(shè)備接入層。主要為部署在車站各主要部位的槍式攝像機(jī)和球式攝像頭，7×24 采集并為系統(tǒng)提供 1 080P 的高清視頻數(shù)據(jù)。

（2）數(shù)據(jù)接口層。接入高清視頻及客票系統(tǒng)的售票數(shù)據(jù)，作為系統(tǒng)的主要數(shù)據(jù)源。

（3）業(yè)務(wù)邏輯層。負(fù)責(zé)視頻圖像及售票數(shù)據(jù)的分析處理，根據(jù)分析結(jié)果提供預(yù)警預(yù)報(bào)及車站應(yīng)急管理的相關(guān)輔助決策。

（4）展現(xiàn)層。為安全登錄的用戶提供豐富的系統(tǒng)功能應(yīng)用及用戶交互。

2.3 系統(tǒng)功能設(shè)計(jì)

（1）人流預(yù)測(cè)。系統(tǒng)基于人流量預(yù)測(cè)模型對(duì)車站所售客票數(shù)據(jù)進(jìn)行計(jì)算分析，實(shí)現(xiàn)對(duì)全天各個(gè)時(shí)段站內(nèi)的人流量進(jìn)行預(yù)測(cè)；同時(shí)借助于系統(tǒng)的人數(shù)自動(dòng)統(tǒng)計(jì)功能實(shí)現(xiàn)對(duì)預(yù)測(cè)模型數(shù)據(jù)的驗(yàn)證，提高預(yù)測(cè)精度。

（2）人流量實(shí)時(shí)監(jiān)測(cè)。通過(guò)在車站的進(jìn)、出口安裝攝像頭，實(shí)時(shí)查看旅客進(jìn)出站的情況，采用圖像處理算法對(duì)旅客進(jìn)出站方向進(jìn)行判斷，準(zhǔn)確統(tǒng)計(jì)出站內(nèi)旅客的人數(shù)，從而掌握當(dāng)前車站的擁擠程度，為客站的應(yīng)急管理及乘降組織工作提供決策依據(jù)[4]。

（3）人數(shù)統(tǒng)計(jì)。通過(guò)旅客進(jìn)出站畫面的識(shí)別分析，自動(dòng)對(duì)旅客進(jìn)出站人數(shù)進(jìn)行統(tǒng)計(jì)，準(zhǔn)確顯示出當(dāng)前站內(nèi)的人數(shù)，一方面使得車站工作人員對(duì)當(dāng)前站內(nèi)人數(shù)有準(zhǔn)確的把握，另一方面通過(guò)與人流量實(shí)量監(jiān)測(cè)模塊的統(tǒng)計(jì)值進(jìn)行對(duì)比，完成對(duì)預(yù)測(cè)模型準(zhǔn)確性的驗(yàn)證。

（4）人流量預(yù)警。由于客運(yùn)站的設(shè)計(jì)運(yùn)營(yíng)規(guī)模不同，在車站人流量預(yù)警設(shè)計(jì)的過(guò)程中，需要根據(jù)車站的實(shí)際運(yùn)營(yíng)數(shù)據(jù)進(jìn)行詳細(xì)分析，從而對(duì)人流量的預(yù)警級(jí)別進(jìn)行設(shè)定劃分?？瓦\(yùn)站人流量預(yù)警等級(jí)劃分標(biāo)準(zhǔn)如表 3 所示。

表 3 客運(yùn)站人流量預(yù)警等級(jí)劃分標(biāo)準(zhǔn)

2.4 人流量預(yù)警策略

結(jié)合車站當(dāng)天的售票數(shù)據(jù)及列車發(fā)車時(shí)刻信息，車站工作人員可以通過(guò)對(duì)站內(nèi)人流量數(shù)據(jù)的預(yù)測(cè)提前掌握站內(nèi)旅客的候車情況，對(duì)次日不同時(shí)段的車站人流量進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果提前做好相關(guān)準(zhǔn)備工作，及早應(yīng)對(duì)可能發(fā)生的突發(fā)情況，實(shí)現(xiàn)站內(nèi)客運(yùn)組織的精細(xì)化管理[5]。

（1）當(dāng)預(yù)警等級(jí)為綠色時(shí)，說(shuō)明該預(yù)測(cè)周期內(nèi)站內(nèi)旅客人流量較小，站內(nèi)的工作人員保持原有工作流程即可。

（2）當(dāng)預(yù)警等級(jí)為黃色時(shí)，說(shuō)明在預(yù)測(cè)周期內(nèi)的某一段時(shí)間內(nèi)，會(huì)出現(xiàn)短時(shí)間的人流高峰情況，車站工作人員可以相應(yīng)地對(duì)車站的客運(yùn)組織管理工作進(jìn)行動(dòng)態(tài)調(diào)整，在預(yù)計(jì)人流量高峰時(shí)間段內(nèi)增派工作人員，增加對(duì)旅客候車乘降的疏導(dǎo)工作，保障人流高峰期間候車室的井然有序工作。

（3）當(dāng)預(yù)警等級(jí)為橙色時(shí)，說(shuō)明在預(yù)測(cè)周期內(nèi)，站內(nèi)旅客人數(shù)會(huì)有較大幅度的增加，車站工作人員應(yīng)當(dāng)提前做好應(yīng)急準(zhǔn)備工作，加強(qiáng)現(xiàn)場(chǎng)的督導(dǎo)、管理工作，并且密切關(guān)注站內(nèi)旅客人流，防止出現(xiàn)突發(fā)大客流現(xiàn)象；根據(jù)應(yīng)急預(yù)案提前安排好應(yīng)急工作，做好應(yīng)急準(zhǔn)備[6]。車站可以通過(guò)調(diào)整檢票口及相應(yīng)的候車區(qū)，適當(dāng)?shù)卣{(diào)整候車區(qū)域，提前做好人流分散的管理工作，以便候車高峰到來(lái)時(shí)，旅客可以根據(jù)車站的提示到指定區(qū)域候車，降低站內(nèi)局部人流密度，避免集中扎堆候車的局面。

（4）當(dāng)預(yù)警等級(jí)為紅色時(shí)，說(shuō)明在預(yù)測(cè)周期內(nèi)將會(huì)有大量旅客進(jìn)站候車，車站應(yīng)當(dāng)盡早啟動(dòng)應(yīng)急預(yù)案，增加應(yīng)急資源，做好現(xiàn)場(chǎng)的疏導(dǎo)管理工作，保證旅客在乘車高峰期能夠安全順利地出行。

2.5 系統(tǒng)應(yīng)用效果

系統(tǒng)開(kāi)發(fā)完成后在哈爾濱西站進(jìn)行了試運(yùn)行。哈爾濱西站設(shè)計(jì)最高聚集人數(shù)為 1.2 萬(wàn)人，2016年春運(yùn)期間日發(fā)送旅客人數(shù)最高為 45 162 人，站內(nèi)最高聚集人數(shù)超過(guò) 8 000 人。考慮到站內(nèi)實(shí)際有效活動(dòng)面積、旅客人均活動(dòng)面積、旅客行進(jìn)速度等多方面因素[7]，劃分哈爾濱西站人流量預(yù)警等級(jí)如表4 所示[8]。經(jīng)過(guò)一段時(shí)間的應(yīng)用，系統(tǒng)的人流量預(yù)測(cè)和統(tǒng)計(jì)、人流密度分析的準(zhǔn)確率達(dá)到 85% 以上，滿足設(shè)計(jì)要求，提高了車站客運(yùn)組織工作的針對(duì)性和效率。

表 4 哈爾濱西站人流量預(yù)警等級(jí)劃分

3 結(jié)束語(yǔ)

目前，對(duì)不同車次旅客的到站分布規(guī)律是通過(guò)一段時(shí)間內(nèi)的統(tǒng)計(jì)分析得到的，由此得到的統(tǒng)計(jì)參數(shù)在短時(shí)間內(nèi)能夠較為準(zhǔn)確地描述該列車旅客的乘車候車規(guī)律。隨著列車運(yùn)營(yíng)作業(yè)的優(yōu)化，旅客的候車規(guī)律可能會(huì)發(fā)生變化，模型參數(shù)值也將隨之發(fā)生變化，從而影響到旅客到站候車分布規(guī)律，此時(shí)需要重新統(tǒng)計(jì)和確定模型參數(shù)。在后續(xù)的研究中，可以考慮通過(guò)運(yùn)用大數(shù)據(jù)分析技術(shù)對(duì)旅客的到站候車規(guī)律進(jìn)行分析，從而得到更加準(zhǔn)確的人流量預(yù)測(cè)結(jié)果。

[1] 王愛(ài)麗，董寶田，高春霞. 鐵路客運(yùn)站旅客聚集分布仿真模型與算法研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息，2013，13(1)：142-148. WANG Ai-li，DONG Bao-tian，GAO Chun-xia. Assembling Model and Algorithm of Railway Passengers Distribution[J]. Journal of Transportation Systems Engineering and Information Technology，2013，13(1)：142-148.

[2] 孫曉開(kāi). 鐵路客運(yùn)站出發(fā)旅客到達(dá)規(guī)律研究[D]. 成都：西南交通大學(xué)，2011.

[3] 幸曉輝. 軌道交通旅客到達(dá)規(guī)律與候車方式研究[D]. 成都：西南交通大學(xué)，2013.

[4] 楊 裕. 基于視頻的人群密度估計(jì)研究[D]. 上海：上海大學(xué)，2009.

[5] 郝 然，魯 瑤. 北京南站突發(fā)事件應(yīng)急疏散預(yù)案評(píng)價(jià)方法及應(yīng)用[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2012，34(11)：44-48. HAO Ran，LU Yao. Evaluation Method of Accident Emergency Evacuation Plan in Beijing South Railway Station and Its Application[J]. Railway Transport and Economy，2012，34(11)：44-48.

[6] 孟川舒. 鐵路運(yùn)輸生產(chǎn)應(yīng)急知識(shí)管理系統(tǒng)構(gòu)建的研究[J]. 鐵道運(yùn)輸與經(jīng)濟(jì)，2016，38(5)：69-73. MENG Chuan-shu. Study on Establishment of Emergency Knowledge Management System of Railway TransportProduction[J]. Railway Transport and Economy，2016，38(5)：69-73.

[7] 張?zhí)靷?，王明生，王希? 設(shè)計(jì)期鐵路客運(yùn)站最高聚集人數(shù)預(yù)測(cè)模型研究[J]. 鐵道學(xué)報(bào)，2008，30(5)：105-108. ZHANG Tian-wei，WANG Ming-sheng，WANG Xi-liang. Research on the Forecast Model of Maximum Assembling Passengers at Railway Passenger Station in Designing Time [J]. Journal of the China Railway Society，2008，30(5)：105-108.

[8] 夏 燁，賈海燕. 基于交通流密度的交通事故應(yīng)急反應(yīng)等級(jí)劃分研究[J]. 交通標(biāo)準(zhǔn)化，2011(21)：56-58. XIA Ye，JIA Hai-yan. Grade Division of Traffic Accident Emergency Response based on Traffic Flow Density[J]. Communications Standardization，2011(21)：56-58.

責(zé)任編輯：劉 新

Design of Passenger Flow Monitoring and Early Warning System for Railway Stations based on Ticketing Data

It is usually crowded at the railway station as there are too many trains arriving and departing in a short period of time, which brings great pressure to the work of emergency management. In this light, the paper makes a prediction of passenger volume during the rush hours of the next day based on the ticketing record and the passengers’ arrival distribution of the day. On this basis, it develops a station monitoring and early-warning system that incorporates demand analysis, architecture building and function design. It provides monitoring, prediction and early warning functions of passenger flow, so as to prepare the station staff for emergency management.

Railway Passenger Transport; Passenger Flow Statistics; Emergency Strategy; Passenger Arrival Distribution

1003-1421(2016)12-0054-05

TP399：U291.6

A

10.16668/j.cnki.issn.1003-1421.2016.12.11

2016-11-01

中國(guó)鐵路總公司科技研究開(kāi)發(fā)計(jì)劃課題(2015X009-G)