精彩实录！智能化时代下 地铁大客流管控应该如何做？

3月19日19:30-21:30，由RT轨道交通推出的“约见轨道界”栏目开展了第三期话题直播互动讨论活动。

本期话题以“智能化时代下，地铁大客流管控应该如何做？”为主题，特邀业主运营单位、设备厂商的5名专家，以视频连线直播的方式，分别从客流运营管理和智能化、信息化技术应用等角度，展开了热烈的讨论，探讨智能化时代下，地铁大客流管控与智能化客流管理。

本期活动由深圳地铁运营集团客运公司总经理温少表主持，邀请了北京市地铁运营有限公司调度指挥中心主任陈文、西安市轨道交通集团有限公司运营分公司副总经理赵跟党、郑州地铁集团有限公司运营分公司调度票务中心主任窦亮、北京旷视科技有限公司城市大脑事业部解决方案总经理王喆等嘉宾参与。

当晚的直播收获了较高的热度，截至3月20日10时，本期累计观看量(PV) 达到6158人次，观众来自全国31省区市。现将部分观点摘要如下：

温少表 深圳地铁运营集团有限公司客运公司总经理

一、深圳地铁客流情况

深圳地铁已开通运营线路共有8条，运营总里程303.4公里， 2019 年日均 487.52 万人次，最高日客运量 635.04 万人次；公交分摊率约为44.1%。

其中，工作日日均客运量515.87万人次；周末日均客运量438.98万人次；节假日日均客运量400.73万人次。

工作日最大断面量发生在早高峰 8:00-9:00。其中3号线拥挤度128%全网最高，小时最大断面客流量达到54588人；1号线拥挤度118%，小时最大断面客流量达到50172人；5号线拥挤度100.03%，小时最大断面客流量达到39070人。

目前深圳地铁的客流主要面临以下三方面的矛盾或者风险：

一是潮汐式出行现象十分突出。客流在时间、空间分布上存在明显的不均衡性，某些线路和站点早晚高峰时段运能不足的矛盾依然非常突出。

二是多条线路集中换乘带来常态化的大客流集聚风险。随着地铁网络规模的发展，多线换乘车站越来越多，这些站点高峰时段大客流集聚成为常态。在多线换乘情况下一旦发生某条线路列车晚点、故障等情形，极易导致站内客流积压。加上以往部分换乘站点在设计时强调乘客换乘的便捷性，采取零距离换乘的设计理念，同站台换乘，比如黄贝岭站，无法彻底避免客流对冲等风险。

三是在高峰时段偶发的设备故障增加了短时大客流集聚风险。在网络化运行状态下，某一条线路发生故障，必然影响到关联线路，甚至波及整个网络，导致大客流集聚。

面对大客流带来的人员聚集、对冲、踩踏等客运风险，随着路网的扩张，在防范和应对方面我们还需从智能监测、硬件投入、现场应对、组织指挥等方面进行总结提升。 

二、深圳地铁大客流管控主要手段和措施

（一）深圳地铁应对大客流的主要措施分三个级别：单个车站大客流、单条线路大客流、线网大客流。通过点控、线控、网控的方式和措施，来调节客流与运能的匹配关系。

1.单个车站发生大客流时，采用三级客流管控的措施分别在站台、站厅、出入口进行控制。

2.单条线路发生大客流时，对本线路上大客流相关联的车站同时进行客流管控，确保线路运能与进站客流相匹配。

3.线网大客流时，控制措施是对单条或多条邻线车站同时进行客流管控，以确保整个线网的运能与进站客流相匹配。

（二）具体控制措施

1、要制定预案：一站一预案（甚至一出入口一预案）、一线一预案，还有线网总体预案。在预案中针对各种客流情况明确具体的管控应对措施，包括人员保障、职责分工、行车配合策略、组织指挥体系等方面。

2、现场管控：同行业采用的方式方法差别不大。一是高峰时段增加人员力量保障，通过人员来加强大客流的疏导与控制。

二是在车站、在站厅、出入口等大客流管控点，布置客流疏导栏杆、铁马等设施，采用绕行、限流、截流等方式来减缓或调节客流量。

三是在行车组织方面进行配合，通过调整列车运行来调节运能。对于单站单线的大客流一般采取跳空飞站、加开备用空车等方式去解决局部运能不足的矛盾，对于换乘相关的大客流，还可能采取相关线路暂扣列车、抽线下线拉大行车间隔方式去减缓输入性的换乘客流。 

三、深圳地铁智能监测手段、技术方案效果

对于客流管控来说，客流动态的监测及客流信息反馈和发布的及时性非常重要，这是目前的短板，也是我们下一步智慧地铁运营急需去实现的课题。

目前深圳地铁一是通过地铁的微信公众号、微博、地铁电视台等媒介去尽可能的实时、公开发布客流信息。

二是在2019年5月，深圳地铁列车车厢拥挤度智能显示系统在11号线试行上线，该系统可实时采集列车载重、列车位置信息，动态显示列车各车厢的载客拥挤情况，从而帮助乘客更舒适地搭乘地铁，进一步提升客流安全。

2020年3月，乘车码上线车厢拥挤度功能通过拓宽微信小程序的应用场景，将“信息提前获知”作为核心与目标，乘客可在微信乘车码小程序提前查询11号线任意车站的列车拥挤度，主动避挤或迂回换乘，进一步提升乘客便捷出行的体验和客流安全。

四、未来地铁客流管控新技术应用方向

（一）深圳地铁后续计划在智慧车站建设中，推广视频分析系统，通过视频分析功能实时进行客流密度分析、客流统计、扶梯异常检测、区域入侵检测、烟火检测等，涉及功能13项，并在客运智慧运维平台弹窗告警提醒，满足车站及时发现、快速响应，及时采取响应应急联动措施，全面提升车站应急处置能力。

（二）后续在智慧车站建设中，客运公司管理人员可通过TOS系统（票务客流分析系统）进行列车拥挤度、进出站客流数据进行查询和分析，通过对历史数据分析，制定客流控制方案，提前做好大客流应对准备。

陈文 北京市地铁运营有限公司调度指挥中心主任

一、地铁客流组织中的运营风险及大客流应对措施（客流控制） 

（1）现阶段地铁客流组织中的运营风险主要指大客流运营风险。截止2019年底，北京市轨道交通运营里程达到699.3公里，运营线路23条，运营车站405座，换乘站62座，路网客运量39.56亿人次，同比增长2.91%，日均客运量1084.37万人次，工作日日客运量为1230.27万人次。在常态情况下，一方面早晚高峰时段（7:00-9:00,17:00-19:00）客流占全日50%左右，另一方面高峰时段潮汐需求明显，例如7:30-8:30，全网30%的车站承担了该时段全网60%的进站客流，8:00-9:00全网30%的车站承担了全网70%的出站客流。在特殊情况下，如重大活动、突发事件时路网部分车站及区间小时客流呈“突变”激增特征。这种巨量、集中、空间分布不均衡、甚至突变的大客流给运营组织带来了严重挑战。

疫情期间，每周客运量逐步增长，3月16日达到近期最大，为268万人次。其中，前2周周一至周五的客运量相比上周同期增幅在26%左右，且周一客运量最大，但上周周一至周五每日客运量微量递增，3月13日周五客运量最大。 

（2）为确保大客流运营安全，应对大客流的主要措施涉及大客流事前研判分析与应对、事中灵活调度调整与客运组织优化、事后评估分析三个层面。

一是大客流事前研判分析与应对：根据近1个月路网、线路、车站、区间客流变化趋势，研判分析次日或下周路网重点线路、车站及断面的客流情况，提前确定次日或下周各线路行车组织方案、常态限流方案（2019年12月路网常态限流车站共91座）、运营信息的发布重点、以及车站客流引导策略等。

二是事中灵活调度调整与客运组织优化：利用列车运行监控设备、路网客流监控系统、网络化资源信息调度管理系统、单兵作战指挥系统、视频监控系统等先进设备对路网客流进行实时综合监视，强化应急联动，及时调整列车运行交路、停站方式、或加开临客列车，根据“一站一方案”启动车站应急预案（含临时限流措施），并通过微博、微信、app等平台及时发布相关出行引导信息。

三是事后评估分析：通过清分系统获取的路网各线路分方向高峰小时最大断面客流量及满载率及单车最大满载，以及AFC采集的重点线路高峰时段进出站情况，结合列车实际运行情况（含临客列车开行情况），分析各线路行车组织方案、灵活调度调整与客运组织优化措施实施效果，进一步完善运营组织方案。

可以说，目前针对客流管理（管控）的手段相对常规，关键是在把握历史客流时空分布规律和实时客流分布状态的基础上，合理安排运力。随着路网规模的扩大，为保障网络化运营安全，客流监测和管控的智能化系统应用十分迫切。为此，应该利用AFC客流大数据挖掘、5G定位技术、视频监测技术等对路网客流进行监视、预测、预警和应急响应，推进新一代信息化技术在地铁客流监测和管控方面的应用。 

目前，北京地铁客流实时监测系统实现了正常情况下路网车站和区间实时5分钟客流监测，下一步将推进实现突发事件下实时客流监测、预警（含影响范围、车站及影响时间）、以及灵活调度调整和临时限流方案的辅助决策支持功能。此外，为进一步提高系统客流监测精度，未来还须结合视频监测获取车站重点部位的客流情况、5G定位技术获取乘客出行路径、站区客流情况、AFC历史客流发展规律等进行校验，及时修正相关参数。 

二、北京地铁如何应对疫情期间的客流管理？实时监测列车满载率应用效果分析

（1）疫情期间大客流应对方案。按照交通运输部、市委市政府及公司整体工作部署和要求，一是设立客流应对工作专班全面负责疫情期间客流分析研判和措施建议；二是制定相应工作机制，当列车满载率及站台人员密度达到预警值时，及时启动预警响应工作。

（2）实时监测列车满载率的方法主要有3种，一是列车TCMS显示乘车率；二是司机视频人工监视；三是北京地铁实时客流监测系统（5分钟断面平均满载率）。此外，还利用了客流清分系统提供的前一天各线路高峰小时最大断面满载率以及单车满载率。通过校验分析多方监测结果的差异，可获取高峰小时断面满载率、5分钟断面平均满载率、单车满载率之间的关系，通过把握三者之间的对应关系（见表1），及时启动应急响应，从目前效果来看，整体可接受。

表1 5分钟满载率、单车满载率与高峰小时最大断面满载率的对应关系

高峰小时最大断面满载率

5分钟平均满载率

单车满载率

0.3

0.40

0.41

0.4

0.51

0.55

0.5

0.62

0.68

0.6

0.74

0.82

0.7

0.85

0.95

三、智能化客流监测解决方案分享（含应用建议）

（1）北京地铁实时客流监测系统采用了计算机仿真技术的预测方法，通过预测及仿真模拟所有乘客在路网自进站、乘车至出站全过程的行为，来获取车站和列车上的实时客流状态。该方法分为“车站进站客流量预测、进站客流OD生成、路网客流分配”的三个预测阶段，涉及的基础数据包括客流数据、列车运行数据、路网基础设施数据3方面。

一是客流数据是关键，目前该平台的客流基础数据包括全路网各车站的AFC采集的15min实时进站客流量、以及历史AFC刷卡OD配对记录（该记录数据由AFC原始刷卡数据按照乘客编号及其进出站交易类型、时间等配对而成）。

二是列车运行数据，主要是列车运行图、列车保有量、编组和定员等数据；未来可获取ATS列车运行轨迹数据。

三是路网基础设施数据，主要是路网结构、线路区间长度等数据。

（2）个人认为在推动智能化和信息化技术在客流管控方面的应用，应充分利用大数据挖掘技术、物联网、云计算、人工智能等新一代信息化技术，对路网客流分布状态和列车运行状态进行全貌监视、科学预测、精准预警和高效处置。当然这是一个系统工程，应进行顶层统筹规划、分布推进实施。 

四、客流控制过程中，存在的主要问题

客流控制过程中，也存在问题主要包括：一是对路网各车站客流控制时间的精细化程度仍待提升；二是缺少车站限流标准，现场限流措施的可操作性有待于进一步提高，例如如何更加合理地提供3级限流与实际限流强度（或指每分钟控制多少进站量）的量化方案。

窦亮 郑州地铁集团有限公司运营分公司调度票务中心主任

一、客流控制的措施

大客流分为“潮汐式”和“洪水式”的两个类型

对于“潮汐式”客流，主要为早晚高峰通勤需求，规律性强，对时间要求高，对地铁延误等问题容忍度差。主要应对措施是根据清分数据分析，制定合理的运营交路、行车间隔进行匹配，使列车满载率保持在一个均衡合理的水平。郑州地铁目前通过编制多套运行图（工作日、周末、周五、节假日、春节、重大活动等），同时根据各条线路的断面客流情况，制定大小交路、不均衡运输、定点空车等运输组织措施。

对于“洪水式”的突发随机型大客流控制，控制的目的是保障安全，采用站控、线控、网控等联动机制，控制事发站乘客数不超过设计容纳量，严格区分进出站客流路径，避免对冲；防固定聚集，多采用空车投放至事发车站进行疏散，必要时采用载客越站；控制临近换乘站列车到达速度，换乘站也采用隔一停一的方式。此外，与机场、高铁等枢纽建立了数据联络共享机制和应急响应机制，一旦因恶劣天气等原因导致客流积压，将启动应急预案，延长运营时间进行疏散。

二、客流组织的短板

（一）影响客流组织与客流控制的前置性风险是客流预测的不准确性

1、建设期客流预测

较为宏观，设计单位开展，主要为工可、初设阶段使用，为项目批复及确定系统规模、车辆配属、车站容量等而开展，结果分为初、近、远期，特点是“最重要但偏差大”。以郑州为例，各线平均的偏差率约20%。设计决定建设，建设决定运营，前期根据客流需求确定的系绕能力是固定的，运营后基本不可更改（车站规模、换乘形式等），运营单位只能在固定条件下尽可能优化运营服务。

2、运营期客流监测与预测

根据AFC系统统计的刷卡数据进行清分，从而输出客运量、断面流量、换乘量等。此类数据最准确、规律性强，但时效性差，受限于AFC系统数据上传机制限制，一般延迟5-15分钟，因此无法作为调度实时调整列车运行计划或发布给乘客的直接数据。

目前讨论通过图像识别、列车称重、手机信令、wifi信令、蓝牙等几项技术，并结合AFC刷卡的基础数据，实时进行客流监测及超短期客流预测，输出5-10分钟的客流预测结果。不管是图像识别、手机信令等，都属于数据的采集层，完成采集后通过各自的或者复合的分析层，输出结果，最终反应至运营管理机构应用层。

（二）影响客流组织与客流控制的主要矛盾是信息的不对称性

地铁客流是动态的，对于线网较为稳定的城市，客流有较强的规律性，但对于线网规模变化较快的城市，客流规律尚不明晰，变化较快，带来了许多突发式问题。在开展客流组织与客流控制时，运营单位掌握的客流信息，都是进入车站可监测范围内的，运营人员也是根据数据或者图像，制定出对应的客流控制方案，简单点说，是一种“兵来将挡、水来土掩”式的应对。对于站外的乘客聚集情况，车站周边的商圈、体育馆等场所的人员集散情况都不甚了解，对可能到来的客流冲击也存在较大的滞后性与被动性。反之，对于乘客，获得的准确信息大部分还是靠进入车站后的PIS、广播、人员指引等，也是在乘客作出出行方式选择后发生。这两项信息的不对称性和滞后性，造成了“我不知道你要来，你来了才知道有多挤”，进一步加大了客流拥挤的风险。如果让运营单位与乘客双方尽早、准确掌握对方的需求与现状，我认为是需要研究的方向。

（三）影响客流组织与客流控制的新技术挑战

随着扫码支付、刷脸支付在各个地铁普及，以及伴随着疫情带来的安检要求越来越严格，地铁的客流组织节点与重点也在发生着变化。以往常见的售票机排队如今已全部转移到闸机前，安检导致进站速度大幅下降，也带来了越来越多的安检机、出入口客流控制，近期随着复产复工，国内部分城市也出现了站外数百米的排队现象。那么我们的车站设备布局、闸机数量、排队空间预留等是否与之配套作出调整，后续新线的站厅布局应如何调整，都需要系统性的解决。

三、对信息化技术在大客流监测应用的展望和思考

1、进一步消除地铁客流分析预测工作的行业壁垒

地铁客流与城市生活息息相关，商场活动、球场赛事、突发恶劣天气等都可能引起客运量突变。只靠地铁自身范围内短时客流预测还是存在一定局限性。建议加强客流分析预测的社会化合作，引入城市大数据或者地面交通的第三方服务，强化与高铁、机场等数据合作，使客流监测、预测、发布更具社会性。

2、进一步加强客流预测结果与智慧运营的结合

中城协刚发布了智慧城轨发展纲要，规划了智慧乘客服务体系和智能运输组织体系，客流监测的应用要进一步与此结合。

例如全自动驾驶已成为轨道交通下一阶段的必然方案，车车通信等信号专业新兴技术也初步提出，利用好信息化的客流监测与预测技术，可实现调度组织方式从目前的按车定能转化为“按需供能”，系统可自动根据客流变化加车减车，灵活化的改变编组及交路，兼顾乘客需求与企业成本。把调度组织由经验型向数据型转变。

另外建议研究客流数据的预警机制，如安检机、闸机排队达到几米，车站站台站厅容纳面积被使用情况、车厢密度情况，可以根据客流监测结果向车站人员输出预警，输出应对策略，联动出入口，pis、app等系统引导乘客出行。

再比如形成系统化的客流监测结果后，可提供给线网规划设计人员，进一步优化后续线网的规划，从顶层设计角度解决瓶颈问题。郑州一号线在与2号线十字换乘时，高峰小时最大断面约3万人/小时，在与之同方向的环线开通后，断面下降至1.8万人/小时，应用好客流分析数据，对线路走向，站点规模，出入口分布等均能起到辅助作用。

3、进一步加强客流监测技术的系统化设计

经历本次疫情，客流的管理系统已经由以往的“计数”系统向“识人”系统转变，我们不仅希望知道有多少人乘坐了地铁，更需要知道是谁乘坐了地铁。在满足隐私权保护的前提下，客户信息也是运营单位的无形资产，是实现下一步精准化推送服务的前提。建议客流管理的相关系统加强与通信、安检、AFC等专业一体化设计，共享资源降低投资，消除专业间数据孤岛。同时在数据的采集方式上，也应该采用多源异构、复合分析、长短结合的系统设计思路，满足运营单位不同时期、不同类别、不同精度的个性化需求。筹划客流监测技术与运营应急辅助决策的联合开发，研究突发情况下地铁客流的拥挤、传播、演化规律，改变目前以线路中断时间划分的应急等级，变为可能影响的出行乘客数量。

赵跟党 西安市轨道交通集团有限公司运营分公司副总经理

一、西安地铁客流情况 

西安地铁目前开通运营4条线路，总长度132公里，疫情发生之前，日均客流量达到260万乘次/日，最大客流量达到330万乘次/日。西安地铁对公共交通的分担率为30%以上，北大街和小寨两个大换乘站，每天换乘客流达20万乘次。虽然西安地铁运营里程并不长，但日均客流强度比较大。 

二、西安地铁的客流管控措施 

一是线网层面。2019年，西安地铁NCC（线网应急指挥中心）正式投用，NCC投用后发挥了对线网客流实时统计和准确预测分析的重要作用。首先，在客流预测方面，我认为实时发布客流情况，对乘客和车站并不能起到很好的引导作用，15分钟以后的预测更重要，原因有两点：一是通过AFC系统统计的票卡数据有5～15分钟延时，所谓的“实时”客流并不是真正的实时；二是即就客流是真正的实时数据，现场已经发生了大客流再采取趋势，对车站和乘客来说都是仓促应对。基于此想法，我们做了如下工作：在线网层面，建立了客流预警监测系统，对线路断面客流根据预设的阈值进行预警，另外对每个车站的客流也根据阈值进行预警发布，换乘站的客流考虑是进站量和换乘量，非换乘站仅考虑进站量。其次，西安地铁开通的支付方式比较多，全网开通二维码、人脸识别，还有云闪付、西安地铁APP等，二维码支付的乘客量占60%以上，经过长期数据模型分析，这个数据统计是可靠的，二维码数据是实时上传，票卡数据有5-15分钟延迟，我们预测的基础就是二维码的实时数据，通过结合长期的数据分析，结合断面和车站的客流数据模型，进行动态调整，这样就可以预测出15分钟以后的断面拥挤度和车站拥挤度的预警数据，我认为这个比较切合实际。其次，在遇到突发事件时，比如此次疫情发生以后，西安地铁客流量发生急剧变化，我们及时调整模型，前段时间各地铁均提出车厢满载率控制在50%以内，我们根据系统提前15分钟对超过阈值的区间行预警，车站采取了相应措施，达到了客流预警控制的目的。 

二是车站层面，每个车站都有应对客流控制的一站一方案，发布了客流预警后，车站会提前做好应对大客流的准备，但目前没有实现应急预案的自动下发。另外西安地铁在部分线路实现了每节车厢列车拥挤度站台PIS显示功能，这个显示方法就是利用车辆的称重实现的，现场使用情况良好。 

三是乘客层面，通过手机APP对线网断面的拥挤度、车站拥挤度提前15分钟进行预警，让乘客选择智慧出行。 

三、关于客流智能化发展期望 

一是实时客流的精确统计，无论是5G+摄像头还是车辆称重，在客流统计方面还不算完全精确，这需要一个逐步完善的过程； 

二是建立准确的预测模型，模型是基于大量的数据作为基础，或者基于长期的数据统计，通过多年的实践经验来看，预测结果是比较准确的，当然一些突发故障引起的客流变化很难预测； 

三是客流控制方案的自动推送。我们要研究车站自动推送预警系统，让车站按照预案及时采取客流管制措施； 

四是对乘客的换乘轨迹进行统计。随着开通的线路越来越多，乘客的换乘轨迹十分复杂，现在系统默认前几名轨迹，但乘客真正的换成轨迹我们并不掌握。 

五是乘客智能化出行引导。除给乘客提供车站、断面拥挤度外，还需要提供乘客出行路径自动选择功能，我认为在线网规模越大的城市更有现实意义。 

四、推动信息化和智能化技术在地铁客流管理的应用 

第一， 制定行业标准。目前每个城市有每个城市的做法，预测的方法也各有不同，缺乏行业的标准规范，都是在摸着石头过河，行业迫切需要相关标准的出台。 

第二， 推动新技术的大力应用。当前各种新技术很多，但各有侧重，需要将多种技术进行融合，减少投资成本，研发出更实用、更可靠的技术。 

第三， 加大对客流预警和模型的研究。当前国内很多高校在做此方面的研究，但偏重理论，什么样的算法更适合现场实际应用，还需要我们后续进行研究。每个地铁的情况不一样，每个城市人的出行方式不一样，习惯不一样，所以模型、算法要适应地铁业主的需求，模型应能能实现业主的自主调整，投入现场实际应用。 

无论怎样，针对客流监测我们主要关注两个方面：一是实时，一是预警。我们能做到实时，也希望我们能准确做到预警，为现场运营提供更好的指导。

王喆 北京旷视科技有限公司城市大脑事业部解决方案总经理一、北京旷视科技有限公司（以下简称：“旷视”）简介北京旷视科技有限公司是一家世界级的人工智能公司，在深度学习方面拥有核心竞争力。旷视向客户提供包括先进算法、平台软件、应用软件及内嵌人工智能功能的物联网设备的全栈式解决方案，并在多个行业取得领先地位。2017年和2019年，旷视跻身《麻省理工科技评论》发布的两项「50大最聪明公司」榜单中。2019年8月，科技部宣布依托旷视建设「图像感知」国家新一代人工智能开放创新平台。

二、AI场景大客流统计技术难点探讨 第一，场景复杂度。从计算机视觉(CV,ComputerVision)而言，地铁环境复杂导致技术实现存在难点。比如，南京某地铁站作为全国最为复杂的地铁枢纽之一，有24个出入口，是南京地铁1、2号线交汇处，整个地铁环境非常复杂，给摄像机安装的高度、角度、光照等带来一系列干扰，导致摄像机在前端获取的图像质量非常差。 第二，从技术维度分析，轨道交通采用机器视觉处理图像识别时，对于技术和算力的要求都非常高。目前国内陆铁城市像北上广这样的超大客流还是偏少，参照二线城市客流量的标准居多。以苏州地铁为例，我们测试了每秒过人数量，非高峰时段3-5人每秒，高峰时段8-10人每秒，最高峰时段偶尔突破10人每秒。这就意味着不管在前端摄像机、盒子，还是后端通过服务器、云平台处理，目前绝大多数业界厂家缺乏这样的能力。只有部分厂家可以实现单帧或单画面，能检测出的高密度客流场景下的人脸准确数量。因此，这一技术在轨交行业的应用门槛比较高。 第三，多维检测。在地铁场景中，后期新的人像卡口，条件相对好，技术比较新，对于人脸检测相对比较准确。但地铁大客流分析数据更多来自传统的摄像机，受限于清晰度以及角度等情况，更多拍摄的是人体特征与场景。在这种场景下对于大客流分析，对于CV厂商提出更大的挑战，要求有多维检测技术，人像、ReID以及场景识别。最后，从CV角度而言，客流分析的大数据建模非常难，比如通过卡口可以看进出站的客流、换乘客流，可以与AFS数据互相印证；通过站台摄像机，可以分析出站台留乘的客流密度；通过车厢摄像机可以分析出车厢满载率，这是与车厢载重模块互相配合的多维手段。这些场景主要分两类：对人像卡口来说，只要运用到厂家的技术，可以满足高密度人员检测，基本上可以达标，完成客流量分析的准确率可以达到95%左右。对于传统摄像机来说，更多的运用ReID技术与场景识别，头部厂商的准确率可以达到80%左右。  另一方面，一般普通安防摄像机，或是高空瞭望摄像机，可以看到一个整体的态势，在这种场景下分成两种维度，一是密集场景，另一种是稀疏场景。 在密集场景下，会出现人体互相遮挡，漏出人的头肩或头部。通过我们的算法做了优化，可以比较精准地识别，通过头部标点可以进行人数的密集度统计，此外，还可以在整个画面上进行网格化，通过网格化填充确定人员聚集密度，这种传统模式识别技术，和当前机器视觉深度学习的技术互相佐证，在实战应用效果上都能达到80%-90%的准精度。 三、疫情期间地铁智慧运营旷视在疫情期间，推出这款明骥AI智能测温产品，重点解决几大问题：第一，通行低效，因为传统方式一般采用测温枪，不仅耗费人力，还引发人员聚集。第二，给一线工作人员带来大量接触性风险。第三，现在常态化很多人戴口罩，此时遮挡人脸的检出率是非常低的。 从技术维度而言，这款测温设备能在标准温度范围之内达到正负0.3的温度误差。第二是双光融合，将红外测温与可见光抓拍进行融合，提升数据融合有效利用的价值。第三是口罩遮挡模型应用，在复杂高密度人流环境下，口罩遮挡识别检出率可以达到98%。第四是低延时。旷视明骥共有4款测温设备，前面三款是从便携款到平台款，均可以保证每秒15人的通行测温，识别速度小于0.5秒。另外是Mini版，基本上可以满足绝大部分的场景需求，达到每秒6-8人。关于双光融合，完成AI测温明骥产品有三个维度亮点：第一，精准识别人体测温部位，区分人和物；第二，捕捉人体测温的最佳点；第三，通过人脸大小判断测温距，对距离不断修正，达到人体最佳的测温。最后，系统还可以对未带口罩人员提出预警提示。