大数据在轨道交通应用的探索

来源：都市交通规划

近几年，我国城市轨道交通以其快速、安全、便捷、环保及大运量等特点迅速发展。从“十一五”到“十三五”期间，成都市轨道交通从18.4公里增加至239公里，日均客流量稳定350万人次以上。在建线路超过300公里，成都市轨道交通网络“环+放射”的结构初见雏形。随着超大线网迅猛建设并投入运营，伴随着多类型数据急剧增大，面对的服务群体数量也急剧增长。从成都地铁的建设、运营生产等过程中已产生出海量数据信息，例如BIM数据、PMS系统资产数据、票务数据、清分数据、POI数据、手机信令数据、视频数据、互联网数据等。这些数据如何用，能产生什么价值等问题越来越得到人们的重视。

0 1

前言

所谓大数据，通俗意义上讲就是大量数据的集合。维基百科认为，大数据是一个数据的集合，这个集合如此庞大和复杂，以至于很难通过现有的数据库管理工具对其进行处理。大数据的核心技术运用数学算法对大量的数据进行处理及应用层模型建设，然后进行预测及输出静态或实时动态成果转化为可视化呈现。大数据技术将多数据源整合后碰撞出的成果所产生的价值，将会更好地解决成都城市轨道交通企业管理、客流分析、应急处置、资产、运维、TOD地产物业、商业选址、传媒广告等，提供辅助决策支撑。

0 2

大数据在轨道交通中的应用

随着成都地铁建设的高速发展，研究地铁站点的实际客流量和服务范围的关系，对于提升地铁运营效率、应急处置和服务水平，实现资源利用率最大化有重要意义。

2.1 地铁站台站厅实时客流量监控

为保障乘客人身安全，提升乘客乘车体验，避免造成客流大量积压导致交通瘫痪，地铁客运保障部门需要实时关注地铁站台、站厅、换乘通道等重点区域人群流量分布特征情况，通过对地铁站内全区域的人群热力（图1），可以直观地展现各区域的人群流量分布情况，为地铁运营中的安保及乘客疏导工作提供决策支撑。面临突发情况下运营管理人员难以全面掌握信息、快速评估影响，通过NOIS（客流分析辅助系统）对实时客流及实时行车数据的综合分析，快速推算线网客流动态重构预测及线网变化趋势，提供信息发布范围和公交接驳建议方案。

△图1 地铁站台站厅客流量监控示意图

2.2 地铁站内换乘客流量分析

地铁换乘站是地铁线路中乘客最密集，人流量最大的站点，针对地铁的换乘客流量进行统计分析，如可根据由A线换乘到B线人数作为依据参考，为地铁运营通过调整发车频次，增加运力等手段避免造成客流量大量积压导致交通瘫痪，起到疏散诱导作用。

△图2 地铁站内换乘客流量分析示意图

以上海申通地铁为例，从上海的曲阳路站到虹桥火车站站有三条换乘路径可以选择，可以发现很有意思的是途径车站最多、用时最长的这条路径2并不是占比最小的，因为这条路径比较舒适，更有可能坐到座位，这也是一个影响因素。如果我们只是通过起讫点和最短路径来判定断面客流的话，很可能就会产生偏差。对北京、上海轨道交通已成网的城市来说，如果我们只有轨道闸机的刷卡数据，那对于地铁运营管理者来说，只知道乘客的起讫点，而无法了解乘客是如何在各条线路之间进行换乘的，这样就无法准确地判断地铁站间的断面客流。随着成都地铁目前线网初见雏形，很快会碰到这样的问题，此时需要通过引入手机信令数据，推导乘客真实出行路径，用于NOIS客流实时分布模型修正，实现线网客流的动态显示、突发大客流预测预警、客流变化趋势的分析研判。

2.3 地铁精准清分清算

城市地铁会涉及多条线路，这些线路分别由不同的地铁运营公司进行运营管理，运营公司间存在线路分账情况，目前的方式主要通过地铁的刷卡数据来进行用户的痕迹还原，无法准确获取客户进入地铁站后在地铁内的换乘路线，借助手机信令、WLAN等数据可获取用户的完整轨迹信息，从乘客出门、到达地铁车站、进入地铁、到达售票区、进入站厅、站台候车、列车上、地铁出站这一条完整的过程。通过还原出真实的换乘路径，可以为地铁运营公司进行线路的精准清分结算提供重要的决策参考价值。

△图3 地铁精准清分清算分析示意图

2.4 地铁进出站客流量监控

上下班高峰期或商业、热门景点等沿线地铁站，进出站的人数较多，地铁客运保障部门需要实时关注进出站的客流量，如发现客流量异常等突发情况，以便及时采取应急处置预案。通过对地铁进出站进行实时的客流量统计，客运保障部们可以及时掌握进出站客流量信息，并可根据客流量增长趋势提前预警，指导地铁线路的运力评估及高效运营。

0 3

基于多数据源商业地铁物业及TOD商业大数据分析

伴随成都地铁的迅猛建设，城市变化将载入史册，地铁真正全面覆盖城市，带动新兴区域及综合地铁物业快速发展。

3.1 地铁商业物业人流量分析

针对地铁商业物业区域的客流量、客流形态、客流行为等进行检测与跟踪，帮助地铁物业管理人员了解目标区域的人流情况，实现区域人流的精准划分。对目标区域的客流在后续到访情况进行跟踪，通过到访人数分析、客群组成分析、到访时间分析、到访频次分析、停留时长分析、客群密度分布分析，进一步评估目标区域的客流量及客户价值，以及对目标区域的影响。

△图4 地铁商业物业人流分析示意图

3.2 地铁商业物业客群画像分析

基于多数据源，帮助地铁物业管理人员了解客群的自然行为属性，建立消费者洞察模型，通过多维度人群透视，对客群进行划分。

△图5 地铁商业物业客群画像分析示意图

3.3 地铁TOD地产大数据洞察客户分析

借助多数据源大数据技术、为地产咨询机构、开发商等提供房地产项目、板块的目标客户群体信息分类客户行为画像以及基于群体位置的社区画像信息，帮助开发商准确获取目标客户及针对不同客群做线上触达和线下推广。

△图6 地铁TOD地产大数据洞察客户分析示意图

3.4 地铁TOD地产、商业物业竞合关系分析

基于地铁客流数据、手机信令数据、GIS数据等分析到目标位置的人流量会去哪些同类属性的位置及在一定周期内到达访频次的分析比较，通过竞品组合分析及支持目标位置可以分析对比位置1和位置2（图7）组合关系以及客流OD。

△图7 地铁TOD地产、商业物业竞合关系分析示意图

0 4

基于大数据智能运营维护应用

一直以来，地铁日常管理和维护主要以人力为主，随着地铁安全越来越被人们所重视，维护人力成本也在逐步增加。随着工业4.0概念的提出，智能化是未来的大趋势。利用大数据，节约人力，节省检修时间，为地铁发展其他业务提供可能。

4.1 大数据智能运营维护分析

目前运营维护人员成本大幅增加，员工技能良莠不齐，维修作业时间受限，工作量大，夜间易疲劳等问题，整合地铁运维设备数据源，搭建网络进行控制和数据采集汇总，利用大数据分析完成各类运营与维护作业，大幅提升工作质量和效率。

△图8 大数据智能运营维护分析示意图

0 5

结论

基于大数据应用成都地铁已投入生产使用NOIS(客流量辅助分析系统)、MLC(清分系统)、PMS(资产管理系统一期)等系统，在建PMS二期和集团数据中心项目。成都地铁积极开展大数据技术研究运用，通过“扩设施、强功能、融数据、深分析、精管理、优服务”，多举措并加快推进线网运营生产管理信息化规划建设，并结合信息化建设深入挖掘轨道交通数据经济附加值，助力大数据发展重点工作任务。

综合上述大数据应用分析，城市轨道交通对大数据技术有较大的需求，随着5G时代的来临，未来应用前景广阔。在成都轨道交通大数据技术实践中，应该把控好以下三个方面：

1）大数据技术中不是单纯套用现有技术，而是要结合城市轨道交通具体需求，因地制宜进行实用性应用的开发和实践。

2）数据是基础和中心，也是一切大数据应用的前提，因此需要先做好数据准备：①建立数据标准体系，确保数据质量；②采集尽可能多且全面的多源数据；③运用数据模型对数据进行整合，建立数据联系；④建立数据安全管理保障体系，确保数据安全。做好规范的数据管理，为数据分析等后续工作提供可靠依据。

3）在对数据管理整合之后，通过各个业务层进行循序渐进的数据分析应用和推广，最终达到为安全可靠的运营工作提供保障的目的。

参考文献

[1] 《成都轨道交通集团有限公司信息化平台建设规划方案》成都市软件产业发展中心（2019.01）

[2] MIKE2.0《大数据定义》（维基百科：https://www.baidu.gugeeseo.com）

[3] 《大数据技术在轨道交通应急辅助决策系统中的应用设计》刘峰博、干叶婷、周峰（2016.04）