CN115374579A - 基于瓶颈识别的轨道交通差异化安检通道布局方法 - Google Patents

基于瓶颈识别的轨道交通差异化安检通道布局方法 Download PDF

Info

Publication number
CN115374579A
CN115374579A CN202210505635.1A CN202210505635A CN115374579A CN 115374579 A CN115374579 A CN 115374579A CN 202210505635 A CN202210505635 A CN 202210505635A CN 115374579 A CN115374579 A CN 115374579A
Authority
CN
China
Prior art keywords
security inspection
security
channel
station
inspection channel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210505635.1A
Other languages
English (en)
Inventor
曹凯
张宁
温龙辉
潘秀明
楚柏青
高利军
马卫东
李兆君
童磊
焦天雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210505635.1A priority Critical patent/CN115374579A/zh
Publication of CN115374579A publication Critical patent/CN115374579A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/18Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313Resource planning in a project environment
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Devices For Checking Fares Or Tickets At Control Points (AREA)

Abstract

本发明公开了一种基于瓶颈识别的轨道交通差异化安检通道布局方法,包括以下步骤:首先,通过对轨道交通站点客流数据进行统计分析,研究客流在车站的空间特征和时间分布规律,掌握目标站点乘客的出行特征;其次,结合视频监控数据,进行车站通行能力瓶颈识别;最后,根据车站瓶颈识别结果,对安检通道进行差异化配置,改善乘客进站体验。本发明有助于精准识别站点通行能力瓶颈,优化安检通道设施配置,提高乘客进站效率。

Description

基于瓶颈识别的轨道交通差异化安检通道布局方法
技术领域
本发明涉及一种基于瓶颈识别的轨道交通差异化安检通道布局方法,属于城市轨道交通安检技术领域。
背景技术
近年来,我国城镇化率的不断提高,越来越多的人口涌入城市,轨道交通为人们的出行提供了舒适的乘车环境和出行体验,但随着客流的不断增长,高峰时段排队已非常影响乘客出行效率,且安检通道已经成为制约车站服务水平的短板,乘客进站的主要矛盾已经从售检票排队转移到安检通道排队。客流高峰时段,乘客甚至会面临多次排队,如核验健康码、安检仪和检票闸机处均可能产生排队。一方面,频繁的排队频繁的排队等待会影响乘客的乘车体验,延长乘客的出行时间,降低车站的服务效率;另一方面,核心车站由于人群长时间聚集可能会产生公共安全问题,造成不良社会影响。
传统的安检模式由于安检效率低、工作强度大、隐患漏洞多,高峰时段安检环节流于形式,工作人员疲于应对,很难保证安检质量。传统安检模式种种弊端异常凸显,已经很难适应急剧增长的服务需求。差异化安检是在传统安检的基础上,通过充分调研站点乘客潮汐特征,设置快速安检通道,运用大数据、人工智能等技术辅助识别乘客信息,精准分流,达到提高通行效率的目的。
差异化安检模式目前主要应用与民航、铁路方面,主要思路是将乘客进行风险等级分类,不同风险等级的乘客前往对应通道进行安检,或是不同风险等级乘客进入同一通道接受差异化安检流程。轨道交通的差异化安检模式化还处于起步阶段,一线城市已对新安检模式进行探索,主要分为安检机智能判图和差异化安检方面。
差异化安检模式需求迫切,但不能盲目跟进,需要具体分析站点客流特征,寻找站点通行能力瓶颈,有针对性地进行优化。
发明内容
本发明针对城市轨道交通安检通道拥堵现状,为高效提升城市轨道交通站点服务水平,提供了一种基于瓶颈识别的轨道交通差异化安检通道布局方法,克服了现有通道布局模式相对单一的不足,采用了快速通道和常规通道结合的方式,从轨道交通站点客流特征出发,分析设施通行能力和乘客排队特征,构建安检通道通行能力静态瓶颈和动态瓶颈识别方法,利用识别结果差异化布局安检通道,提高安检通道进站效率。
本发明为解决上述技术问题采用以下技术方案:
基于瓶颈识别的轨道交通差异化安检通道布局方法,包括如下步骤:
S1,获取站点监控视频,统计进站闸机自动售检票系统AFC数据,获取进站乘客属性;根据所携带行李的规格和数量,将进站乘客属性分为A、B、C、D四类,A类为无包,B类为携带小包,C类为携带单个中/大包,D类为携带多个中/大包;
S2,确定安检通道动态瓶颈;
S3,以安检通道动态瓶颈识别结果为依据,分别从无包乘客分流和安检机布局两方面进行布局优化。
进一步地,所述S2中安检通道动态瓶颈表示为:
Cdyn=min{60n2(Lcs-Lcq),60n3(Las-Laq)}
式中,Lcq为安检处排队长度,Lcs为安检处总队长,Laq为闸机处排队长度,Las为闸机处队伍总长度。
进一步地,安检处排队长度
Figure BDA0003635886110000021
安检处总队长Lcs=λcUcheck+Lcq,λc为安检处乘客平均到达率,Ucheck为安检处服务时间平均值,Dcheck为安检处服务时间的方差。
进一步地,闸机处排队长度
Figure BDA0003635886110000022
闸机处队伍总长度Las=λaUafc+Laq,Uafc为检票闸机通过时间的平均值。
进一步地,所述S3具体为:
当高峰小时进站量C<0.85Cdyn时,站点通行能力满足要求,保持当前安检通道布局,无需进行优化;当C=(0.85~1.15)Cdyn时,安检通道达到能力瓶颈,对安检通道布局进行优化;当进站量C>1.15Cdyn时,先采取进站限流措施,再进行安检通道布局优化。
进一步地,所述安检通道布局优化具体为:
S31,建立乘客实名制系统,对完成实名认证的乘客赋予快速安检通道的权限;
S32,将安检通道分为采用铁马护栏隔断的常规通道和快速通道,C类、D类乘客必须通过常规安检进站,A类乘客以及完成实名认证的B类乘客通过快速安检通道,未完成实名认证的B类乘客需通过常规安检进站;
S33,快速安检通道布局:安检通道的入口设置安检门,加装人脸识别设备并配置一名安检员随机检查;快速通道需错位前置,并设置单向缺口门,若B类乘客人脸识别失败,则经缺口门引入常规通道;
S34,常规安检通道布局优化:乘客由安检机两侧通过,判图机位移至安检机末端横置。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、与现有设施通行能力识别方法相比,本发明从安检通道通行能力的静态瓶颈和动态瓶颈两个方面进行瓶颈识别,使得瓶颈识别更加准确、全面;
2、差异化安检通道建立了快速安检通道,将进站乘客属性精准分类,实现了无包乘客和常乘客的快速进站;优化了常规安检通道,增加了带包乘客进站通道,降低了通道乘客到达率;
3、差异化安检可优化通道设备布局、缓解工作人员压力,并结合大数据、人工智能技术,最大限度提升乘客进站通行效率。
附图说明
图1为本发明所述差异化安检通道布局方法;
图2为本发明所述乘客进站流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
在一个实施例中,提供了基于一种瓶颈识别的轨道交通差异化安检通道布局方法,具体步骤如下:
S1,城市轨道交通客流特征分析:获取站点监控视频,汇总处理进站闸机AFC数据,得到进站乘客基本特征;
S2,为避免“无效优化”,需要在考虑瓶颈识别的基础上对安检通道进行优化,安检通道静态瓶颈是基于设施通行能力进行分析,主要由于设施布局不合理而致,若安检机和闸机组的静态能力差异过大会造成安检通道的拥堵。动态瓶颈则是基于客流量进行分析,在现有进站设施和布局的基础上,由客流冲击导致的车站设施处产生乘客拥堵。受客流特性的影响,同一车站内的静态瓶颈和动态瓶颈极有在可能不同位置。
S21,安检通道通行能力静态瓶颈:车站静态瓶颈是指车站中各设施能力中的最小值,安检通道包括安检机和闸机组,所以需要将两者均考虑在内,具体步骤如下:
S211,安检机通过能力计算:安检机的通过能力主要与服务时间和乘客属性有关,乘客属性则主要包括携带行李的规格和数量,可将乘客属性按照带包情况分为A类(无包)、B类(小包、挎包)、C类(单个中、大型包)、D类(多个中、大型包)四类,安检通道的实际通过能力由各类乘客的比例决定,故建立安检通道能力模型,可得安检通道带包乘客服务时间的平均值为:
Ubag=pbub+pcuc+pdud
式中,Ubag表示安检通道带包乘客服务时间的平均值,pb、pc、pd分别为B类、C类、D类三类乘客所占比例,ub、uc、ud分别为B类、C类、D类三类乘客安检时间的平均值;
无包通道通行能力c1可参考通道1m宽单向通道通过能力,取5000人次/h。
安检通道的通行能力可表示为下式:
Ccheck=c1n1k1+c2n2k2
Figure BDA0003635886110000041
式中Ccheck为安检通道的通过能力,人次/h,c1、c2分别为单个无包、带包通道通行能力,n1、n2分别为无包、带包通道的数量,k1、k2分别为无包、带包通道安检能力系数。
S212,闸机组的通过能力计算:实际中通行能力往往达不到理论值,乘客属性对进站闸机通行效率有较大影响,基础计算如下:
Cafc=c3n3k3
Uafc=(pA+pB)uB+(pC+pD)uD
Figure BDA0003635886110000042
式中,Cafc为闸机实际通过能力,Uafc为检票闸机通过时间的平均值,pi为A、B、C、D四类乘客的比例,uB、uD分别为各类型乘客通过闸机的平均值,c3为单个闸机通过能力,n3为进站闸机数量,k3为闸机通过系数;
S213,安检通道设施静态瓶颈的确定:由于静态瓶颈是指车站中各设施能力中的最小值,安检通道静态瓶颈可用下式表示:
Csta=min{Ccheck,Cafc}=min{c1n1k1+c2n2k2,c3n3k3};
S22,安检通道通行能力动态瓶颈,其步骤进一步包括:
S221,安检处动态瓶颈计算:乘客进站特征符合排队论模型特征,采用排队论模型进行瓶颈计算。安检处乘客到达分布可采用泊松分布,服务时间呈正态分布,故采用M/G/C模型进行计算:
Figure BDA0003635886110000051
式中,λc为安检处乘客平均到达率,Lcq为安检处排队长度(不包括正在服务的乘客),Lcs为闸机处队伍总长度(含正在服务乘客),Wcq为等待时间,Wcs为逗留时间,Ucheck为安检处服务时间平均值,Dcheck为安检处服务时间的方差;
S222,检票闸机处动态瓶颈计算:闸机处乘客到达规律服从泊松分布,服务时间呈负指数分布,客流排队模型如下:
Figure BDA0003635886110000052
式中,λa为闸机处乘客平均到达率,Laq为闸机处排队长度(不包括正在服务的乘客),Las为闸机处队伍总长度(含正在服务乘客),Waq为等待时间,Was为逗留时间;
S223,安检通道设施动态瓶颈的确定:上述两式可求得安检处和闸机处排队长度Lq和等待时间Wq,对照两者是否落入规范中各服务水平区间,如两者均落入则符合要求,如果任一参数低于区间下限,则需根据规范服务水平取值的最大值,利用上式推算平均到达率λc1或λa1的取值,利用平均服务率、服务时间的平均值和方差等参数分别计算Lcq、Lcs、Laq、Las等参数,进一步计算小时内设施服务人数分别为60(Lcs-Lcq)、60(Las-Laq),可取两者分别确定的服务能力最小值作为安检通道动态瓶颈Cdyn
Cdyn=min{60n2(Lcs-Lcq),60n3(Las-Laq)}
S3,安检通道瓶颈识别:一般情况下,安检通道静态瓶颈小于动态瓶颈,故本发明以动态瓶颈作为通行能力瓶颈。当高峰小时进站量C<0.85Cdyn时,站点通行能力满足要求,无需进行优化;当进站量C=(0.85~1.15)Cdyn时,即认为安检通道达到能力瓶颈,需对安检通道布局进行优化;当进站量C>1.15Cdyn时,优先采取进站限流措施,再进行安检通道布局优化;
S4,差异化安检通道布局方法:以安检通道瓶颈识别结果为依据,对需要进行布局优化的站点进行改进,本发明分别从无包乘客分流和安检机布局两方面进行布局优化,乘客分流时,可用铁马护栏将安检通道分为无包和带包通道,如图2所示,具体步骤如下:
S41,建立乘客实名制系统:乘客通过APP、小程序等方式进行实名认证、人脸识别录入,同时关联地铁信用积分和支付方式等,系统将乘客信息写入业务数据库,并按权限获取数据,常乘客实名制后即可获取快速安检通道权限;
S42,差异化安检通道布局:如图1所示,将安检通道分为常规通道和快速通道,中间采用铁马护栏隔断,总体的通行原则为:C类、D类乘客必须通过常规安检进站;A类乘客和实名后的B类乘客可通过快速安检通道;未实名的B类乘客需通过常规安检进站;
S43,快速安检通道布局:如图1所示,通道入口设置安检门,加装人脸识别设备并配置一名安检员随机检查,其中A类乘客可直接通过,B类乘客需识别成功方可通过;快速通道需错位前置,并设置单向缺口门,若B类乘客识别失败,经缺口门引入常规通道正常安检;
S44,常规安检通道布局优化:如图1所示,为降低乘客到达率,可将常规安检通道分为两列,判图机位可移至安检机末端横置,可使乘客到达率减半,且安检服务率不变,以此增加常规安检通道的通过效率。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。

Claims (6)

1.基于瓶颈识别的轨道交通差异化安检通道布局方法,其特征在于,包括如下步骤:
S1,获取站点监控视频,统计进站闸机自动售检票系统AFC数据,获取进站乘客属性;根据所携带行李的规格和数量,将进站乘客属性分为A、B、C、D四类,A类为无包,B类为携带小包,C类为携带单个中/大包,D类为携带多个中/大包;
S2,确定安检通道动态瓶颈;
S3,以安检通道动态瓶颈识别结果为依据,分别从无包乘客分流和安检机布局两方面进行布局优化。
2.如权利要求1所述的基于瓶颈识别的轨道交通差异化安检通道布局方法,其特征在于,所述S2中安检通道动态瓶颈表示为:
Cdyn=min{60n2(Lcs-Lcq),60n3(Las-Laq)}
式中,Lcq为安检处排队长度,Lcs为安检处总队长,Laq为闸机处排队长度,Las为闸机处队伍总长度。
3.如权利要求2所述的基于瓶颈识别的轨道交通差异化安检通道布局方法,其特征在于,安检处排队长度
Figure FDA0003635886100000011
安检处总队长Lcs=λcUcheck+Lcq,λc为安检处乘客平均到达率,Ucheck为安检处服务时间平均值,Dcheck为安检处服务时间的方差。
4.如权利要求2所述的基于瓶颈识别的轨道交通差异化安检通道布局方法,其特征在于,闸机处排队长度
Figure FDA0003635886100000012
闸机处队伍总长度Las=λaUafc+Laq,Uafc为检票闸机通过时间的平均值。
5.如权利要求1所述的基于瓶颈识别的轨道交通差异化安检通道布局方法,其特征在于,所述S3具体为:
当高峰小时进站量C<0.85Cdyn时,站点通行能力满足要求,保持当前安检通道布局,无需进行优化;当C=(0.85~1.15)Cdyn时,安检通道达到能力瓶颈,对安检通道布局进行优化;当进站量C>1.15Cdyn时,先采取进站限流措施,再进行安检通道布局优化。
6.如权利要求5所述的基于瓶颈识别的轨道交通差异化安检通道布局方法,其特征在于,所述安检通道布局优化具体为:
S31,建立乘客实名制系统,对完成实名认证的乘客赋予快速安检通道的权限;
S32,将安检通道分为采用铁马护栏隔断的常规通道和快速通道,C类、D类乘客必须通过常规安检进站,A类乘客以及完成实名认证的B类乘客通过快速安检通道,未完成实名认证的B类乘客需通过常规安检进站;
S33,快速安检通道布局:安检通道的入口设置安检门,加装人脸识别设备并配置一名安检员随机检查;快速通道需错位前置,并设置单向缺口门,若B类乘客人脸识别失败,则经缺口门引入常规通道;
S34,常规安检通道布局优化:乘客由安检机两侧通过,判图机位移至安检机末端横置。
CN202210505635.1A 2022-05-10 2022-05-10 基于瓶颈识别的轨道交通差异化安检通道布局方法 Pending CN115374579A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210505635.1A CN115374579A (zh) 2022-05-10 2022-05-10 基于瓶颈识别的轨道交通差异化安检通道布局方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210505635.1A CN115374579A (zh) 2022-05-10 2022-05-10 基于瓶颈识别的轨道交通差异化安检通道布局方法

Publications (1)

Publication Number Publication Date
CN115374579A true CN115374579A (zh) 2022-11-22

Family

ID=84060452

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210505635.1A Pending CN115374579A (zh) 2022-05-10 2022-05-10 基于瓶颈识别的轨道交通差异化安检通道布局方法

Country Status (1)

Country Link
CN (1) CN115374579A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116564120A (zh) * 2023-07-05 2023-08-08 深圳市京视智能科技有限公司 车站信息智能展示方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116564120A (zh) * 2023-07-05 2023-08-08 深圳市京视智能科技有限公司 车站信息智能展示方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN107766969B (zh) 一种基于地铁服务能力瓶颈区段识别的大站快线布设方法
EP4030365A1 (en) Multi-mode multi-service rail transit analog simulation method and system
CN105405293B (zh) 一种道路旅行时间短期预测方法和系统
CN111144727B (zh) 一种城市轨道交通进站客流韧性评估系统及方法
Wang et al. Modeling bus dwell time and time lost serving stop in China
CN108109378A (zh) 一种对路网规划方案进行交通安全评价的方法
CN106951549A (zh) 一种基于轨道ic卡和手机信令数据的乘客出行路线识别方法
CN108961804A (zh) 基于多指标分类交集的公交线路调整备选集合确定方法
CN103679399B (zh) 一种车站客流联动管控方法
CN105513362B (zh) 一种公交站台毗邻区公交车运行状态评价验证方法
CN106960261A (zh) 一种基于轨道ic卡和手机信令数据的轨道交通客流预测方法
CN106601005A (zh) 一种基于rfid和微信平台的城市智能交通诱导方法
CN115374579A (zh) 基于瓶颈识别的轨道交通差异化安检通道布局方法
CN112214873A (zh) 一种轨道交通故障下的客流分布仿真评估方法及系统
CN107808235B (zh) 基于afc大数据的城市轨道大客流模型构建方法
CN109872047B (zh) 一种考虑出行者拥挤度感知的公交出行方案推荐方法
Zuo et al. Determination of bus crowding coefficient based on passenger flow forecasting
CN116187762A (zh) 一种基于Anylogic的轨道交通枢纽站瓶颈风险识别方法
CN113780682B (zh) 基于故障标志物的轨道交通系统业务故障预测方法
He et al. Influence of Murder Incident of Ride-hailing Drivers on Ride-hailing User's Consuming Willingness in Nanchang
CN112488568A (zh) 一种地铁车站大客流运营风险评价方法及其应用
CN108230670A (zh) 预测在给定时间段给定地点出现的移动体数的方法和装置
CN107067723A (zh) 一种城市道路路段旅行时间的估计方法
CN111275482A (zh) 基于机器学习的轨道交通实时动态清分方法
CN112733891B (zh) 对出行链断链时公交ic卡乘客进行下车站点识别的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination