交通运输部文《城市新型冠状病毒肺炎分类与防治指南》规定，城市公共电动汽车和城市轨道交通等交通工具应在消毒方面细化，按高、中、低风险区划分通风与作业组织. 对于轨道交通车站满载率和列车拥挤度，高风险地区这两个数据应小于50%，中等风险地区应小于70%，低风险地区没有限制. 人流量是指单位时间内相邻两个车站同一方向运行的列车数，由某一区间的列车流量除以通行能力得到. 与传统的测量方法相比，列车满载率将考虑到售检票系统上传的实时进出站数据，并参考历史人流大数据、旅客出行特点、路网结构、列车时刻表等，列车调度指挥措施等信息. 本设计增加对重型列车各车厢人员分布的关注，将人员密度的预防和控制降低到最小单位.

1.   BSSID技术原理

基本服务集标识符（Basic Service Set Identifier，BSSID）是Ad Hoc局域网的一种特殊应用，也称为基本服务集（Basic Service Set，BSS）^[1]. 通过设置相同的BSS名称，一组计算机可以组成1个组. 每个BSS都分配1个BSSID，这是1个48位二进制标识符，用于标识不同的BSS. 每个网络设备都有自己的物理地址用于识别，称为MAC地址. 通常，工厂会有一个默认值，可以更改. 它还有固定的命名格式，也是设备标识的标识符. BSSID是指对于静态时序分析（STA）设备，接入点（AP）的MAC地址为BSSID. 通过扫描周围的BSSID，可以知道周围AP的数量，也就是周围乘客的数量.

2.   BSSID技术在列车客流统计中的应用

2.1   地铁列车长度情况

一般来说，世界各地的地铁型号都没有统一的标准，往往是根据某个地方地铁的需求进行定制，如纽约地铁A系统和B系统. 在中国大陆，地铁车辆通常分为A、B、C、D等4种型号和L型，也有如APM列车、单轨列车等特殊车型，上海地铁列车多为A、C两种型号，编组数量为3~8辆^[2]，长度为60~160 m. 为覆盖地铁列车的所有车厢，系统计划在每节编组头部安装WiFi探测器，以保证整个列车的检测覆盖，具体参数见表1.

表  1  地铁车辆主要类别及参数

Table  1.  Main types and parameters of metro vehicles

车型	长度/m	宽度/m	高度/m	断面面积/m2
A型车	22	3.0	3.8	11.40
B型车	19	2.8	3.8	10.64
C型车	19	2.6	3.8	9.88

下载: 导出CSV 

| 显示表格

2.2   个人AP与探测器AP覆盖情况

手机个人热点是将手机接收到的GPRS、3G或4G信号转换为WiFi信号的技术. 手机必须具备无线AP功能才能作为热点使用. 这是一种允许电子设备连接到无线局域网（WLAN）的技术，通常使用2.4 GHz或5 GHz无线频段.

实际测试无障碍距离为10 m左右时可以使用，但信号一直比较弱，所以普通住宅的墙壁以及楼上与楼下的距离应该没有问题，有效距离约为50～100 m. 但有墙时，距离会急剧缩短，因此住户的有效距离在30 m以内. 经过测试，大部分时间无线信号传输距离为20～30 m. 这是由于建筑物、物体和信号的干扰，有效距离变小，导致网络速度不稳定. 此外，还存在电压不稳定、电磁干扰等因素.

2.3   探测器与数据存储的实现

Java技术已在各领域得到广泛应用，特别是在无线移动领域. 全球已有100多家移动运营商推出Java下载服务，Java也正在成为其他嵌入式设备（如机顶盒）的支持标准. Java应用程序的快速增长源于几个方面:

1）Java最初的设计意图“编译一次，到处运行”表明Java具有良好的可移植性，Java应用程序的开发非常方便，上市速度快，节约成本;

2）Java有广泛的支持网络，许多第三方公司都在开发Java应用程序;

3）Java平台固有的安全性适合运营商网络下载;

4）Java字节码代码密度较高，程序较小，可以适合内存资源有限的嵌入式设备.

private void scanWifi() {

　　handler.postDelayed(new Runnable() {

　　　　@Override

　　　　public void run() {

　　　　　　wm.startScan();

　　　　　　//

WifiInfo info=wm.getConnectionInfo();

　　List<ScanResult>results=wm.getScanResults();

　　String[] macs=new String[results.size()];

　　for (int i=0; i<results.size(); i++) {

　　macs[i]=results.get(i).BSSID;

　　　　　　}

　　if (macs.length>0) {

　　Gson gson=new Gson();

　　String json=gson.toJson(new MacTemp(macs));

　　params.setAsJsonContent(true);

　　params.setBodyContent(json);

　　x.http().post(params, RemindFragment.this);

　　　　　　} else {

　　　　　　　　scanWifi();

　　　　　　}

　　　　　}

　　　　}, 5000);

　　}

Java数据库连接（Java Database Connectivity，JDBC）是一个用于执行SQL语句的Java API，可以提供对各种关系数据库的统一访问. 它由一组用Java语言编写的类和接口组成. JDBC提供一个基准来构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序^[3].

根据这一特点以及Java语言与数据库连接的方便性，本系统以小型计算机为硬件，配置Java虚拟机（ Java Virtual Machine，JVM），在后台使用Java检测WiFi和固定人流检测算法，并将实时人流数据存储到数据库中. 采样数据类型见表2.

表  2  详细采样数据表

Table  2.  Detailed sampling data table

字段名称	字段描述	数据类型	备注
macAddr	MAC地址	varchar (20)
signalFreq	信号频率/MHz	int
rssid	信号强度	int
sampId	采样ID	int	主码
wifiIndx	某次采样WiFi序号	int	主码
siteNum	地铁线路号	tinyint
siteCab	车厢号	tinyint
sitePos	车厢在列车中的位置	tinyint
wifiName	WiFi名称	varchar (50)
time	记录时间	DATE_FORMAT()

下载: 导出CSV 

| 显示表格

3.   系统核心

系统利用布设于各车厢内的小型机监测平均精度（P_a)，利用Redis缓存处理优化后将监测数据传送至数据库，供操作控制中心（OCC）与车厢及车站提示设备进行数据调取，流程如图1所示.

图  1  数据传输及应用

Figure  1.  Data transmission and application

下载: 全尺寸图片 幻灯片

3.1   监测AP前期数据预处理

由于地铁车厢也存在于系统开发中，使用getScanResults()方法获取扫描到的WiFi列表时，列表中会出现前4位属于同一个地铁公司设备商的BSSID出厂商号和BSSID最后4位不相同的热点，这样的数据会干扰到准确测量周边AP的数量. 参照系统WiFi过滤机制，这里实现的过滤策略，移除列表中地铁公司设备厂商的BSSID地址.

public List<ScanResult>getScanList() {

if (mWifiManager!=null) {

　　List<ScanResult>olist=mWifiManager.getScanResult();

　　if (olist!=null) {

　　　　List<ScanResult>nlist=new ArrayList<>();

　　　　WifiInfo info=mWifiManager.getConnectedInfo();

　　　　for (int i=0; i<olist.size(); i++) {

　　　　　　if (info!=null && info.getBSSID().equals(olist.get(i).BSSID)) {

　　　　　　　　continue;

　　　　　　}

　　　　　　// 该热点SSID是否已在地铁厂商SSID热点列表中

　　　int position=getItemPosition(nlist, olist.get(i));

　　　　　　if (position!=−1) { // 已在列表

　　　　　　// 地铁厂商SSID热点，不取

　　if (nlist.get(position).level<olist.get(i).level) {

　　　　　　　}

　　　} else {

　　　　　　　nlist.add(olist.get(i));

　　　　}

　　　}

　　　return nlist;

　　}

　}

　return null;

}

3.2   监测AP布置与人流统计策略

监测AP按照每辆列车车厢节次配置，安装至每节车厢尾车门上行侧边，利用辅助系统进行供电，由于不同监测AP可探测的范围为50～100 m^[4]，势必会造成不同监测AP重复监测的情况，具体探测步骤如下：

1）列车启动时开始实时监测，以时间间隔为5 s监测AP，扫描周边BSSID地址与BSSID信号强度并存储至缓存（通过识别地铁厂商AP来避免误读）；

2）当后一次监测开始时，与之前缓存的BSSID地址进行比较，统计本次监测与上次监测重复的BSSID数，并将当前时间、地铁线路、车厢号、车厢所在车辆相对位置存入数据库中；

3）消除本地缓存；

4）可视化平台提取对应的车厢数据情况并进行展示；

5）对不同监测AP重复监测的情况进行横向比较，取一车厢的AP探测数据，与其他AP探测数据进行比较，若此AP探测数据BSSID强度大于后者，即保留前者，否则，保留后者.

AP人流统计流程如图2所示. 对于输入数据库前的数据处理，使用Redis进行预处理^[5]. Redis是一个符合伯克利软件发行版（BSD）协议的免费开源代码，是一个高性能的Nosql缓存键值数据库. Redis支持数据持久化，可以将数据保存在铭牌上的内存中，重启后可以重新加载使用. Redis缓存中，将不同监测AP重复监测的情况进行横向比较，建立n (列车数量)个list内嵌string并输入数据库中，极大减少数据处理的耗时. 对于总车辆数从1至n进行遍历，时间复杂度为log 2n.

图  2  AP人流统计流程

Figure  2.  AP passenger flow statistics process

下载: 全尺寸图片 幻灯片

3.3   探测系统的可视化应用

系统利用4种颜色标注拥挤度，颜色越深车厢里越挤. 其中：黑色为车厢严重拥挤，即一列列车开走后，站台上仍会有乘客滞留；红色为车厢拥挤，即乘客此时已经很难在车厢内移动，站在站台透过车窗往里看，已经看不到对面站台；黄色为车厢内比较拥挤，即乘客在车厢内移动有困难，此时在车厢里看报纸不现实，但看手机的空儿还是可以找到的；绿色为车厢比较舒适，即乘客可以在车厢内走动. 这些信息将会显示在候车站台前，供等候乘客进行车厢乘坐选择.

除此之外，储存在数据库中各时间点、各车厢的人流状况还可作为车站人员在高峰时候疏导客流的依据，可以实时显示各线路列车车厢当前的乘客拥挤程度. 车站管理者、运营调度方均可以根据实时变化的数据，更加合理精准地调度车辆，安排运力. 供车站人员进行人流候车引导、用户提示. 车厢人流量提示界面如图3所示.

图  3  车厢人流量提示界面

Figure  3.  Prompt interface of passenger flow in carriage

下载: 全尺寸图片 幻灯片

4.   结　语

本文采用BSSID探测技术进行列车车厢的乘客识别，通过小型机的安装与Java程序运用一定的算法进行分析与处理，对于数据存储模块进行性能优化，在当前疫情大背景下对地铁列车的人流量进行监控，可作为乘客、车站管理人员、运营调度人员对于车厢选择、车站引导、运力调整的依据，一定程度上减轻“拥塞”现象.

但系统对于不同人流程度的处理措施未作研究，后续工作将继续完善系统，结合大量的车厢装载试验和车站乘客的调查，获取不同车厢满载率情况下乘客的实际感受，再依据这些统计数据，研究制定不同线路车厢拥挤度分级标准.