多场景下客流精准诱导系统分析与设计

吴兆斌，杨志强，张亚敏，钟仕辰，张 可

（1. 广州地铁集团有限公司 运营事业总部，广州 510000；2. 北京交通大学 轨道交通控制与安全国家重点实验室，北京 100044）

随着城市轨道交通在各大城市的快速发展，建设运营总里程不断增加，城市轨道交通越来越受到人们的青睐[1]。城市轨道交通的供需矛盾是导致交通拥挤的一个主要原因，也是地铁运营企业所面临的一个重要挑战。从运营方的角度，通过客流精准诱导系统可以缓解一些特定车站和区间在早晚高峰或突发事件下的拥挤程度，以提高安全性和路网运营效率；从乘客的角度，可通过运营方发布的不同模式的诱导信息，精准掌握轨道交通路网状态，并选择最优路径出行，以提高出行效率。因此，研究和开发客流精准诱导系统十分迫切和必要[2]。

在城市轨道交通诱导技术原型系统验证方面，国内已经有许多研究成果。刘倩[3]在研究路径选择和基于BP 神经网络的客流短时预测的基础上，使用新型SSH 框架，实现北京市城市轨道交通客流诱导软件系统；宋红颖[4]研究并改进了Dijkstra 算法，结合Logit 模型进行客流分配，并通过将Flex 与J2EE 相结合的方式，开发出B/S 架构的城市轨道交通客流诱导系统；王洋[5]在分析突发事件下客流分布特征的基础上，提出使用B/S 结构设计诱导信息发布系统，并对系统各个模块及子模块的相关功能进行定义；徐杰[6]在构建换乘路径可达性模型并使用遗传算法求解的基础上，设计了面向乘客和系统业务人员的城市轨道交通末班车客流诱导系统；颜开[7]基于PGS 3 层架构，设计诱导信息系统，提出了改进有效路径集模型。

当前的客流诱导理论和系统研究多偏重于对有效路径集的计算、路径可达性分析，对于如何进行前瞻性、主动诱导，针对不同乘客发布精准诱导信息以及乘客对诱导信息的响应等功能涉及较少[8]。因此亟需开发一种能够在多场景下实现客流精准诱导的系统。

1 系统设计

1.1 总体需求

通过对不同运营场景（拥挤场景、列车延误和末班车场景）、不同出行需求（出行日期、出发时刻、起点站、终点站）的乘客出行路径诱导信息动态生成、评估与优化方法进行研究，研发相应的后台管理系统并接入广州地铁官方App 中进行应用，总体需求主要包括以下3 个方面：

（1）在拥挤场景下，实现交通起止点（OD，Origin Destination）路径前瞻性查询和推荐；

（2）在突发事件影响下，通过计算影响范围来进行信息发布，以实现乘客出行受阻时，出行路径诱导信息主动推送；

（3）在末班车场景下，通过计算各路径时间，实现路径可达性查询。

1.2 系统总体架构

该系统分为数据接入层、数据存储层、处理服务层和应用服务层4 个层次，如图1 所示。数据接入层基于各类数据接口完成数据的接入，主要包括线网拓扑属性接入、路径集接入、OD 末班车数据接入、区间满载率数据接入、突发事件数据接入和乘客位置接入；数据存储层存储来自数据接入层的数据，主要包括线网拓扑属性、OD 路径集、OD 末班车、区间满载率、突发事件、乘客轨迹、乘客偏好和乘客位置等数据；处理服务层基于存储的数据，实现系统各项业务功能，包括突发事件处理服务、OD 末班车查询服务、OD 路径推荐服务、消息推送服务、信息发布服务、乘客出行偏好服务、乘客出行偏好学习服务、路径导航服务和导航订阅服务；应用服务层包括后台管理和App 应用，分别为后台工作人员和用户提供服务。

图1 系统总体架构

1.3 技术架构

本系统采用的技术架构包括视图层、访问层、大数据存储与服务层和外部数据源层，如图2 所示。视图层使用JS、H5+Canvas 和Thymelwaf 技术进行设计；访问层基于Ngnix 和API 网关；大数据存储与服务层使用Spark 和Hadoop 框架进行计算和数据存储，系统服务主要是利用Spring Cloud 中的Spring boot 的框架，数据存储主要应用Redis 和Oracle；外部数据源层利用FTP 和MQ 队列进行数据传输。

图2 系统技术架构

本系统技术架构逻辑清晰、功能业务齐全、实现技术成熟、可移植性强，可应对亿万级数据的处理和分析，实现超大规模路网千万级客流的实时响应。

1.4 信息共享与信息接口

1.4.1 接口方式与数据格式

本系统接口方式有两种：（1）标准的Web Services 接口服务；（2）访问代理接口，该接口由具体服务提供。

接口传入参数、返回值均为JSON 字符串，接口传入参数包含头文件和数据参数。调用接口的返回信息包含成功标识、错误代码、错误信息、返回结果。若接口调用成功，以JSON 格式返回接口处理结果。

1.4.2 接口内容

本系统共有6 个数据接口，分别为线网拓扑属性接口、路径集接口、OD 末班车数据接口、区间满载率数据接口、突发事件数据接口和乘客位置数据接口。这些接口将系统所需数据接入并存储在数据库中。

（1）线网拓扑属性接口：解析线路、车站和车站位置参数文件，并完成数据存储入库功能。

（2）路径集接口：解析OD 路径集数据文件，完成OD 路径集数据处理入库。

（3）OD 末班车数据接口：通过请求线网首末班车时刻版本接口、OD 末班车时刻信息接口、路径末班车时刻信息接口，完成OD 末班车数据接入。

（4）区间满载率数据接口：实现历史满载率数据的接入，通过FTP 下载前一日的历史满载率数据并保存至本地，完成文件的校验后向FTP 返回日志文件。

（5）突发事件数据接口：实现应急信息接入和突发客流控制数据接入。接入应急事件和客流控制数据信息，完成数据写入并发送消息至AFC_EVENT消息队列。

（6）乘客位置数据接口：实现乘客位置数据接入和乘客位置数据处理。乘客位置数据每5 min 更新一次，为路径导航提供基础。

1.5 后台管理功能设计

后台管理功能主要包括处理服务、基础数据管理、系统管理3 个功能模块。处理服务中主要有突发事件处理服务、OD 末班车查询服务、OD 路径推荐服务、消息推送服务、信息发布服务、乘客出行偏好学习服务、乘客出行偏好设定服务、路径导航服务和订阅导航服务；基础数据管理主要包括线路、车站、路径集、满载率等数据；系统管理主要是包括用户、角色、资源、菜单管理和密码修改。

2 App 应用设计

2.1 拥挤条件下的前瞻诱导功能

App 应用的路径查询基于后台管理功能，实现了拥挤场景下的前瞻性查询。乘客可以点击线网图选择起点、终点和出发时间（默认为当前时刻，也可以选择过去一周或未来一周的任意时刻），可实现具有前瞻性的查询，如图3 所示。系统对推荐路径进行了标签化处理，使得乘客对于每条路径的特征有清晰的了解，如图4 所示。同时，系统还综合考虑乘客出行偏好和运营管理需要，在推荐路径中对可行路径进行动态排序展示。在页面下方可以查看当天以15 min 为粒度的其他时刻的路径时间，通过动态路径排序，可以帮助乘客合理的规划出行时间，从而实现对乘客的出行诱导。

图3 拥挤条件下的前瞻诱导主页

2.2 突发情况下的主动诱导功能

突发情况下的主动诱导主要是对应急事件和突发站控的消息进行消息推送。应急事件消息主要包括列车延误和越行事件，突发站控主要是包括一级、二级、三级站控消息。当路网中发生突发情况时，可能需要对车站进行客流控制。App 会根据乘客的常用路径进行此类消息主动推送，给出受影响路径及其可能的等待时间，使乘客了解路网状况，合理选择其他路线出行，如图5、图6 所示。

图4 拥挤条件下的前瞻诱导详情界面

图5 突发情况条件下消息推送界面

图6 突发情况条件下影响路径详情界面

2.3 末班车出行路径可达性查询功能

末班车出行路径可达性查询功能包括查询所有站点可达性以及OD 路径可达性。对于已选择起点、未选择终点站的末班车查询，将会显示该站点到所有站点的可达情况，如图7 所示；对于已选择终点站的末班车查询，只针对该OD 显示路径可达情况，若该OD 路径是可达的，则显示该路线最晚可达时刻，如图8 所示。

图7 末班车所有站点可达性界面

图8 末班车OD 路径可达性界面

3 结束语

本文开发了一种多场景下客流精准诱导系统。目前，该系统及其App 已在广州地铁进行试用，达到了良好的效果，能够有效地向乘客进行路径推荐，通过诱导信息的发布，在一定程度上缓解路网拥堵。为进一步优化客流精准诱导系统，还需根据不同的诱导信息发布载体（车站PIDS、移动App 等）和乘客的多维出行画像，进一步提出面向不同时空人群的“主动式”和“定制式”的发布方法，进而实现面向不同场景的诱导信息内容和信息发布方式的定制化设计。