据现有乘客服务的管理方式、人员角及职责，研究构建智慧客服场景下的乘客服务体系，从而使乘客服务管理体系与现场智慧化业务场景相匹配；蔺陆洲等［3］研究发现，时间与空间信息是实现智慧城轨系统自主运行、精准管理和全时程差异化乘客服务的基础；张佳音等［4］在建立车站画像的基础上，研究提出面向数据驱动的智慧客服终端配置方案，解决乘客需求和终端部署的精准匹配问题；陈光华［5］研究了地铁车站进行智慧化改造建设的方法。在现有研究基础上，亟需进一步加强智慧地铁乘客服务研究的系统性，以乘客出行时空位移形成的客流演变规律为线索，重点分析乘客出行中的多样化诉求和个性化特征，梳理关键技术与方法，进一步规划无人化乘客服务的系统与装备。在北斗时空基础上，开展智慧地铁乘客服务研究，以期对智慧地铁的建设产生重要的推动作用。
1 时空体系与全时程出行服务
交通的实质就是提供位移，即根据需要通过运输工具实现人员、物资的位置移动。城市轨道交通的核心产品是实现乘客的位移服务。北斗时空体系的建设为智慧地铁乘客服务提供了覆盖出行全过程的时间和位置信息，能够有效支撑面向乘客的智慧服务相关要素的实现，满足乘客全时程的出行服务需求。
1.1　地铁北斗时空体系建设
时间与空间信息是信息系统建设和运行的基础，已成为以万物互联、人工智能、大数据应用为特征的智慧城轨建设的核心和基础。北斗时空体系是基于北斗卫星导航系统提供基准统一、覆盖无缝、弹性智能、安
全可信、便捷高效的综合时间与空间信息的服务系统。该体系具有利用惯性、无线电、光学、声波、地磁等多种定位手段聚能增效，实现多源时间与空间的信息融合共享的技术特征。与传统基于全球定位系统（GPS）的导航定位服务相比，具有更泛在、更融合、更智能的特点。据统计，人们80%以上的时间在建筑物、移动载具、地下等非暴露空间中度过［6］。随着导航定位技术的发展，非暴露空间中的各类信息系统对时空信息的要求不断提升，需要提高定位和授时精度、缩短定位时间、改善复杂环境下的时空信息服务质量，特别是为乘客提供高效精准、个性化的位置服务。因此，智慧地铁建设需要综合应用“北斗+5G+空间数字化”技术，构建由高精度定位网、高精度时间同步网、高通量通信网、空间数字化平台组成的“三网一平台”时空体系网络，形成地铁时空基准信息网络，并将其作为智慧地铁建设和运营的基础设施，面向乘客提供时空服务。智慧地铁北斗时空体系示意见图1。北斗手机号定位
在地铁北斗时空体系的建设过程中，需要针对超大城市轨道交通缺乏高精度时空信息的问题，建设城市轨道交通的北斗时空体系理论，形成地铁时空信息的需求分类和技术标准，突破地铁复杂环境的高精度空间数字化快速采集与处理方法、基于通用网络协议的大范围高精度时频传递技术、多传感器集成与多源数据融合定位技术等一系列关键技术，设计智慧地铁时空体系“三网一平台”的关键算法与网络拓扑，提出时空服务平台的体系架构、数据标准和服务标准，建立数据的汇聚规则、融合规则与管理规则，面向应用场景提出各类数据的服务机制，在时间同步、定位、通信等多种功能的高功能密度设备支持下，用户可利用通用型定位模块获取时空信息，实现时间与位
置信息的应用。
图1　智慧地铁北斗时空体系示意图
1.2　地铁时空体系与客服要素
客流信息是开展客运组织和乘客服务的基础，北
斗时空体系能够为智慧服务提供高精度乘客位置信
息。当前，对轨道交通客流信息的获取，以人工调
查统计和AFC数据为主，数据来源较单一［7］。因此，
客流信息只能覆盖进站、出站数据，不能准确了解
进站前、出站后的乘客位置信息，也不能掌握乘客
在车站内的精确位置和移动路线轨迹。随着蓝牙、Wi-Fi嗅探、视频检测、手机信令、红外热力、第三方位置服务商等多渠道客流数据获取方式的增加，
客流数据的多源融合成为日益重要的问题，需要在
微观、中观、宏观3个层次对OD数据进行海量分析，
提取客流密度与移动方向、速度、时空分布等对客
流预测重要的特征参数，形成轨道交通客流OD精细
化数据。因此，建立北斗时空体系提供位置基准是
开展多源数据融合的基础，能将不同方式与渠道获
取的客流信息进行融合、描述和表达，为智慧客服
提供高精度客流数据。北斗时空体系在智慧服务中
具有高精度、高可靠性和强适应性的技术优点，同
时由于大量新技术的初次应用，存在投入较高、需
要突破大量关键技术等困难。在智慧客服的北斗技术应用中，需要根据具体场景和功能，设计高性价比的解决方案。
在智慧地铁北斗时空体系的支持下，乘客服务要素之间的互动关系主要包括以下2个部分：
（1）乘客个性化出行。主要通过对乘客进行大数据画像，掌握乘客出行体分布规律，实现对出行链的分析和预测，挖掘乘客个性化出行需求，进而对乘客的交互方式和诱导方法提出解决方案。
（2）无人化装备服务。在关键技术支撑下，通过将研究成果进行系统集成和应用展示，建立无人化的乘客服务体系，利用无人化乘客服务交互平台提供服务，同时研制客服机器人、无人化服务台等装备，实现乘客服务支撑。
在智慧地铁北斗时空体系支撑下，对乘客的个性化出行需求和无人化服务要求，实现全时程的功能覆盖。时空体系与客服要素的逻辑关系见图2。通过研究数据驱动的乘客全时程出行个性化服务需求和体客流状态演变规律，研究面向乘客全时程出行的无人化服务模式与关键技术、面向乘客个性化服务的全时程出行交互理论与关键技术，以及面向绿出行的乘客
智能诱导服务技术。图2　时空体系与客服要素的逻辑关系
1.3　全时程出行的客服需求
基于时空维度分析，地铁乘客出行涉及出行前、出行中、出行后3个阶段，该3个阶段是智慧地铁乘客服务均需覆盖的领域：
（1）在出行前，乘客需要了解车站、线路情况，掌握出发时间、推荐路径、拥挤度等信息，以进行联乘或接驳车辆的规划，特殊乘客能进行服务预约。
（2）在出行中，能在安检票务一体化装备支持下实现无感进站，通过无人化客服装备实现站内的智能导航和动态引导，掌握列车到达时刻、拥挤度等相关信息，了解站内服务设施的位置，对候车地点和站内路径进行推荐。
（3）在出站后，对最终目的地能够进行有效导引，完成出行后可以对服务、问题进行评价反馈等。
在乘客出行过程中，暴露空间与非暴露空间的导航定位存在巨大差异。在暴露空间，乘客可使用智能手机、智能可穿戴设备，通过高德、百度为代表的地图服务商，实现位置查询、路径规划、导航等功能；在非暴露空间，如公交枢纽、商业综合体、地铁站内，由于智能终端无法接收导航卫星信号，不能实现对服务设备设施、站内换乘路径、出站口位置等进行定位、定向和导航，仍需依靠查看导向标识和问询
工作人员。因此，在地铁北斗时空体系的维度下，智慧客服反映为以下3个层次的不同需求：
（1）地理信息获取与位置查询。该项需求主要是为乘客提供电子地图，展示车站及周边的建筑物结构，反映地理空间信息，并展示和检索自助售票机、自助贩卖机、便利店、洗手间等地铁乘客服务设施和设备的位置信息。据初步统计，该项占智慧地铁乘客服务需求的60%以上，具有最高优先级。
（2）定位定向与路径规划。该项需求主要通过主动与被动定位定向方式，对乘客所处空间位置进行定位，向乘客指示所需方向，在此基础上实现出发点与计划到达点之间的路径规划，并对路线进行明确、充分展示。据初步统计，该项占智慧地铁乘客服务需求的30%以上，具有次高优先级。
（3）导航。该项需求主要通过语音、图片、视频等多种诱导方式，为乘客实现非暴露空间中的实时导
航服务。据初步统计，该项占智慧地铁乘客服务需求的60%以上，视觉障碍人士、听觉障碍人士等特殊乘客体对导航功能具有最迫切的需求。
2 关键技术
乘客作为智慧地铁服务的对象，是智慧地铁出行服务设计的核心。在北斗时空体系的支持下，利用新一代信息技术，可以创造更多的交互场景，满足乘客的个性化出行需求。乘客个性化服务的关键主要包括乘客画像、出行链多要素分析两大技术，其目标是在北斗时空体系的支持下，通过对客流的高精度感知
与预测实现乘客的个性化服务。
2.1　基于大数据分析的乘客精准画像
针对智慧地铁乘客服务需求，基于北斗时空体系提供的时空信息，对乘客开展精准画像。乘客画像根据历史多日的乘客出行数据得到完整出行链，计算乘客多日的出行特征指标，划分人类别的指标较多，包括乘客的社会经济属性、出行目的等。根据数据的实用性，主要考虑通勤、非通勤、出行距离、出行频次、月消费额、节日迁徙、职住距离、持卡时长、票价敏感度、路径偏好等10类典型乘客画像标签，作为特征指标的描述参数，并利用决策树分类模型对乘客进行分类。
2.1.1　面向出行全时程的个体出行链挖掘技术
北斗时空体系支持下的全时程出行数据包括：（1）动态数据，即乘客出行的时空位置信息数据；（2）静态数据，即线路、站点的属性数据［8］。将两者进行关联匹配，然后构建全时程出行的个体出行链，其方法为：将乘客的时空数据按照出行时序进行排列，指挥与站线属性数据通过编号进行匹配，最终获得出行起点与终点的信息。由于出发地与目的地之间可能存在多种不同路径和换乘方式的选择，因此需要将多类数据按照时序进行整合，得到完整的乘客出行链。乘客出行阶段与出行链的关系见图3。乘客出行链改善了传统交通行为分析方法中表征每一次出行的孤立性缺陷，完整刻画了乘客出行连续的全过程。
2.1.2　乘客全时程出行精准画像技术
对于乘客全时程出行的精准画像方面，指标从出
行强度、出行时间、出行空间3个方面考虑。采用K-means 聚类算法对乘客出行指标进行聚类，从而得到不同出行特征类别的乘客。在此基础上，采用皮尔逊相关分析法，研究环境因素与车站客流的内在关系［9］。
该研究数据来源于北京地铁部署的地铁北斗定位系统的乘客位置信息，基于确定好的聚类数和归一化乘客指标，对乘客进行聚类，不同类型乘客聚类中心及比例见表1。
由表1可知，类型1、2各项指标较符合通勤乘客特征；类型3各项指标从日均出行次数和出行时间维度看较符合单次通勤乘客，但从空间维度看稳定性一般；类型4、5各项指标较不符合通勤乘客特征，可判断为非通勤乘客。
2.2　出行链多要素的客流预测与分析
在乘客画像研究的基础上，面对地铁路网客流的复杂性和时空变化特点，可对天气、重大活动、线网结构调整、线网状态变化、票价调整共5类乘客出行链影响要素集进行研究，推演车站、线路、路网客流状态的客流演变规律。
2.2.1　天气影响
不利天气通常易造成城市交通基础设施承载能力下降，产生局部拥挤阻断，导致大面积交通拥堵，从而影响轨道交通乘客出行。建立面向不利天气分级的K-means 聚类模型，结合气象上针对降雨、降雪、雾的分级标准，将不利天气按照严重程度划分为3类。某时段内包含4种不利天气，出现时间分别为严重雾霾、小
雨、大雪、大雨。利用北京地铁部署的地铁北斗定位系统所产生的乘客位置信息数据进行计算，按照3类划分标准计算得到不利天气与良好天气下的地铁客流量对比（见图4）。
在分析不同天气状况对地铁客流量影响的基础上，通过随机森林模型，处理得到工作日、周末的地铁客流量与天气的融合数据，并对影响地铁客流量的天气因素的重要性进行对比（见图5）。
2.2.2　重大活动影响
大型活动的特性决定了需要在较短时间内完成大规模客流集散，因此对周边公共交通系统、路网系统及慢行交通系统造成极大压力。重大活动的集中出行
需求特性决定了轨道交通是效率最高的交通方式，轨道交通在大型活动交通疏散组织中有不可替代的重要地位，因此重大活动对地铁乘客出行有较大影响。大型活动的基本特征由诸多因素共同构成，通过显
著性分析发现，举办时间、举办地点、活动类型、活动时间、活动开始时间、持续时间等多组指标存在明显差异。例如，活动举办区位往往对其交通方式构成产生
重要影响。通常，在城市中心区举办的大型社会活动，
图3　乘客出行阶段与出行链的关系
表1　不同类型乘客聚类中心及比例
乘客
类型123出行强度
出行天数/d 231613出行频次/次473325日平均出行次数/次2.101.801.23时间维度
活动时间>6 h 的天数/d
201513活动时间平均值/min 8.36.94.2活动时间标准差/min 86.2390.4356.12标准差
由于其公共交通系统及道路设施较为完善，可达性好，其交通方式构成与城市居民日常出行结构基本相同，而当活动在城市边缘地带举行时，出行方式构成则明显不同。在公共交通系统水平较高的城市中心区，活动参与者采用轨道方式的比例较高，而在城市边缘地
带等公共交通可达性差的地区，活动参与者更多地采用小汽车出行。属于活动属性因素。通过最小显著性分析发现，各场馆间均存在显著性差异，即不同场馆对活动前、后站点客流影响具有显著性差异（见表2）
。
图4　不利天气与良好天气下的地铁客流量对比
（a ） 工作日
（b ） 周末
图5　影响地铁客流天气因素的重要性对比